200여 명 결집한 '피지컬 AI 얼라이언스 2기'의 출범

화면 속에서 대화하는 ChatGPT나 Gemini 같은 생성형 AI는 이제 많은 이들에게 익숙한 경험이다. 하지만 AI가 실제 공장에서 부품을 조립하거나 의료 현장에서 정밀하게 움직이려면 물리적 실체와 상호작용하는 능력이 필수적이다. 과학기술정보통신부는 국산 기술 자립과 전 산업 확산을 목표로 피지컬 AI(현실 세계에서 작동하는 인공지능) 얼라이언스 2기를 출범했다.

출범식은 6월 19일 더플라자 호텔 서울 그랜드 볼룸에서 개최되었다. 배경훈 부총리를 비롯해 정동영, 최형두, 황정아 국회의원, 조준희 한국인공지능·소프트웨어산업협회(KOSA) 회장, 정보통신산업진흥원(NIPA), 정보통신기획평가원(IITP), 한국지능정보사회진흥원(NIA) 원장과 산업부, 중기부 관계자, 산·학·연 전문가 등 200여 명이 참석했다. 이번 2기는 지난해 9월 출범한 1기 얼라이언스가 수행한 정책 방향 논의와 산업 현장의 수요 및 애로사항 발굴 성과를 계승하며, 민관 협력의 기초를 다진 1기의 성과를 실무 적용 단계로 확장한다.

2기 운영의 핵심은 정책 제언 중심에서 기술개발, 산업 적용, 표준화, 보안 및 안전을 직접 수행하는 실행형 협력체계로 전환하는 것이다. 피지컬 AI는 데이터, 반도체, 소프트웨어, 통신망, 컴퓨팅 인프라가 결합해야 작동하는 복합 기술이기에, 개발된 기술이 실제 현장에 설치되고 운영되는 전주기적 지원 체계를 구축하는 것이 목적이다. 이를 위해 수요기업의 산업 데이터와 현장 경험, 공급기업과 연구기관의 기술 역량, 정부의 정책 지원을 유기적으로 연결하는 민관 협력 구조를 강화한다.

K-피지컬 AI 풀스택과 토탈 솔루션 플랫폼의 구조

로봇이 현실에서 움직이려면 단일 모델을 넘어 하드웨어와 소프트웨어가 맞물린 거대한 체계가 필요하다. 과기정통부는 이를 위해 하드웨어부터 소프트웨어까지 전체 기술 계층을 의미하는 'K-피지컬 AI 풀스택' 확보에 나선다. 국산 AI반도체(인공지능 연산 최적화 칩)를 시작으로 AI모델, 소프트웨어, 로봇과 센서, 컴퓨팅 인프라를 하나의 사슬로 연결해 외산 솔루션 의존도를 낮추고 기술 자립도를 높이는 것이 핵심이다.

실제 현장 배치를 위해 '피지컬 AI 토탈 솔루션 플랫폼'을 고도화한다. 이는 솔루션 개발 단계를 넘어 설치부터 운영까지의 전주기를 지원하는 구조다. 플랫폼 내부에는 데이터 통신망과 서로 다른 하드웨어·소프트웨어를 묶는 시스템 통합(SI, System Integration) 과정이 포함된다. 여기에 대규모 연산을 처리하는 데이터센터와 보안 체계, 표준 및 인증 절차, 현장 운영 단계까지 모두 포괄하여 연구실의 기술이 산업 현장에 즉시 설치되어 작동하게 만든다.

이러한 범용 기술은 제조 현장을 넘어 물류, 농업, 의료, 국방, 행정, 재난안전 등 피지컬 AI가 필요한 모든 산업 분야로 확산한다. 2기 얼라이언스는 여러 산업 분야의 수요와 기술 공급 역량을 연결하는 상위 협력 플랫폼 역할을 수행하며, 국산 반도체와 모델, 인프라가 통합된 전주기 지원 플랫폼을 통해 전 산업의 생산성을 높이는 구조를 만든다.

10대 분과에서 3대 핵심 대분과로의 운영 체계 개편

기술 확보 전략을 효율적으로 실행하기 위해 운영 체계가 전면 개편되었다. 우선 의장 체계를 과기정통부와 한국AI·SW산업협회(KOSA)의 공동의장 체계로 변경했다. 정부가 정책 방향을 설정하고 민간이 즉각 실행하는 구조를 통해 행정 절차와 시장 요구 사항을 조율하고 의사결정 시간을 단축한다.

조직 구조는 기존 10대 분과 체계에서 3대 핵심 대분과로 통합하여 관리 효율을 높였다. 분과를 세분화해 관리하던 방식에서 핵심 목표 중심으로 묶어 실행 속도를 높이고 중복 과제로 인한 자원 낭비를 막기 위한 조치다.

개편된 3대 분과는 각각 기술 자립, 산업 확산, 제도 정비라는 명확한 역할을 수행한다. 'K-피지컬 AI 풀스택 분과'는 국산 기술 자립을, '버티컬 산업 브릿지 분과'는 특정 산업 분야에 특화된 수직적 시장(Vertical)으로 기술을 확산하는 가교 역할을, '기반 거버넌스 분과'는 표준과 보안 등 제도적 기틀을 마련한다.

각 대분과 하위에는 실무 조직인 '액션 그룹'을 배치했다. 액션 그룹은 대분과가 설정한 방향에 맞춰 현장에서 즉시 적용 가능한 세부 프로젝트를 구체화한다. 이를 통해 1기의 정책 논의 단계를 지나 실제 기술 개발과 산업 적용으로 이어지는 경로를 설계하여 피지컬 AI의 구현 속도를 높인다.

12개 협회 참여와 M.AX 얼라이언스 연계 전략

물리적 실체가 있는 AI는 부품과 통신 규격의 정밀한 일치가 필수적이다. 이를 위해 한국AI·SW산업협회, 한국피지컬AI협회, 한국AI·로봇산업협회, 제조혁신피지컬AI협회, 한국팹리스산업협회, 한국IT서비스산업협회, 한국데이터센터연합회, 한국정보통신진흥협회, 한국정보보호산업협회, 한국정보통신기술협회, 6G포럼, AI 네트워크 얼라이언스 등 12개 협회와 단체가 합류했다. 하드웨어 설계부터 소프트웨어 운영까지 전주기를 아우르는 전문가 집단을 통해 개별 기업이 해결하기 어려운 인프라와 표준 문제를 협회 단위의 연합으로 해결한다.

각 단체는 AI 모델 및 소프트웨어 개발, 엣지디바이스(단말 장치) 연계, 전용 AI 반도체 설계를 분담한다. 특히 데이터 전송 지연 시간을 낮추는 저지연 네트워크 지원과 서로 다른 제조사 장비 간의 상호운용성 검증, 보안 요구사항 도출, 고성능 컴퓨팅 자원 공급에 집중한다. 이는 개발된 모델이 특정 하드웨어에 갇히지 않고 다양한 산업 현장 장비에서 동일하게 작동하게 만드는 필수 공정이다.

제조 산업의 특수성을 고려해 M.AX 얼라이언스와의 연계 전략을 실행한다. 피지컬 AI 얼라이언스가 상위 플랫폼으로서 핵심 기술 공급과 수요처 연결을 담당하면, M.AX 얼라이언스는 이를 제조 현장의 구체적인 요구사항과 매칭한다. 이를 통해 프로젝트 성과가 실제 생산 라인에서 실증되고, 현장 데이터가 다시 기술 고도화로 환류되는 순환 구조를 구축하여 제조 분야의 실질적인 확산을 추진한다.

RLDX-1과 MAIED가 보여준 국산 피지컬 AI의 실무 가능성

리얼월드는 RLDX-1 모델을 통해 로봇의 정밀 조작 능력을 제시했다. 시연에서 두 대의 로봇은 서로 협동하여 마우스를 포장하고 지정된 위치에 배치하는 작업을 수행했다. RLDX-1은 특정 하드웨어 사양에 국한되지 않는 범용 모델로 설계되었으며, 손끝의 미세한 힘을 실시간으로 제어하는 기술을 적용해 로봇의 형태나 제조사가 달라도 동일한 지능 모델로 정교한 작업이 가능하다는 점을 증명했다.

마음AI는 장비 내부에서 스스로 인지하고 판단하는 자율지능 모듈 MAIED를 선보였다. MAIED는 외부 네트워크 연결 없이 로봇 내부에서 모든 연산을 처리하는 온디바이스(On-device) 방식의 모듈이다. 4족 보행 로봇 플랫폼 '진도봇'에 이 모듈을 탑재해, 로봇이 주변 상황을 실시간으로 인식하고 사용자의 명령을 즉각적으로 이해하며 순찰이나 안전관리 임무를 수행하는 과정을 구현했다.

마음AI가 공개한 기술 흐름은 '월드모델 학습 $ ightarrow$ 온디바이스 실행 $ ightarrow$ 완제품 로봇 적용' 단계로 이어진다. 중력이나 마찰력 같은 물리 법칙을 미리 학습한 월드모델을 기기 내부에서 실행함으로써 외부 서버와의 통신 시간을 없애고 반응 속도를 극대화했다. 학습된 물리 지능이 실제 로봇 하드웨어의 관절 움직임으로 즉각 변환되는 체계를 완성한 것이다.

이러한 실증 결과는 국산 피지컬 AI 기술이 외산 솔루션 의존도를 낮추는 구체적인 경로가 됨을 보여준다. RLDX-1의 범용 제어 능력과 MAIED의 독립적 판단 모듈은 특정 해외 제조사의 하드웨어나 클라우드 인프라에 묶이지 않고도 정밀 제어와 자율 주행을 구현할 수 있음을 확인시켰다. 특히 데이터 보안이 필수적인 제조 및 국방 현장에서의 도입 가능성을 실질적으로 높였다.

화면 속 대화형 AI에 익숙해진 사용자에게 피지컬 AI는 인공지능이 물리적 실체로 확장되는 실질적인 경험을 제공한다. 과기정통부가 추진하는 3대 핵심 대분과 체계의 개편은 단순한 조직 정비를 넘어 국산 반도체와 모델, 인프라를 하나로 묶는 풀스택 확보를 위한 전략적 이동이다.

이제는 개별 기술의 성능보다 국산 반도체부터 인프라까지 통합된 전주기 지원 플랫폼을 통해 외산 솔루션 의존도를 얼마나 낮출 수 있는지가 핵심이다. 기술 자립을 위한 통합 플랫폼의 실효성 있는 활용 여부가 국산 피지컬 AI의 현장 배치 속도를 결정한다.