NVIDIA-LG AI 팩토리, 로봇과 모빌리티 인프라 통합

LG전자의 서비스 로봇 CLoiD와 LG유플러스의 데이터센터 인프라는 더 이상 개별적인 하드웨어가 아니다. 엔비디아와 LG그룹은 이들을 하나의 유기체로 묶는 AI 팩토리를 구축한다. 로보틱스, 자율주행, 데이터센터 기술, GPU 클라우드 서비스를 모두 아우르는 통합 인프라를 만드는 것이 핵심이다. LG전자, LG이노텍, LG CNS, LG유플러스, LG에너지솔루션 등 그룹 내 주요 계열사가 전면 참여해 각자의 전문성을 투입한다. 이는 단순한 기술 제휴를 넘어 물리적 AI 시스템의 설계부터 운영까지 전 과정을 수직 통합하려는 시도다. 엔비디아의 가속 컴퓨팅 인프라는 LG그룹이 AI 기반 애플리케이션을 학습시키고 시뮬레이션하며 검증하고 배포하는 전 과정을 뒷받침한다.

AI 팩토리는 AI 모델 개발부터 실제 현장 배포까지의 전 과정을 하나의 단절 없는 워크플로우로 연결한다. 먼저 가상 환경에서 AI 모델을 개발하고, 이에 필요한 물리적 AI 데이터를 생성하는 단계로 이어진다. 이후 로봇 시뮬레이션과 학습을 거쳐 엣지(Edge, 단말 장치) 단에 최적화하여 배포하며, 이를 다시 공장 규모의 디지털 트윈으로 실시간 모니터링하고 제어한다. 가상 세계의 설계 데이터가 물리적 세계의 실행으로 즉각 치환되는 구조다. 엔비디아의 풀스택 AI 팩토리 플랫폼이 LG의 제조 역량과 결합해 물리적 AI의 구현 주기를 획기적으로 단축한다. 모델 개발과 물리적 적용 사이의 반복적인 피드백 루프가 하나의 시스템 안에서 완결된다.

최종적인 지향점은 원자재 조달부터 고객 배송까지 전 과정이 실시간 데이터로 연결되는 자율 제조 생태계의 완성이다. LG가 전 세계 제조 현장에서 축적한 생산 기술 데이터와 공정 노하우가 엔비디아의 가속 컴퓨팅 인프라 및 디지털 트윈 기술과 결합한다. 원자재가 공장에 입고되는 순간부터 제품 생산, 물류 이동, 최종 고객 배송에 이르는 모든 단계가 AI에 의해 실시간으로 최적화된다. 데이터가 끊김 없이 흐르는 이 통합 체계는 글로벌 스마트 팩토리의 새로운 표준을 제시한다. 제조, 물류, 에너지 인프라가 통합된 AI 시스템을 구축함으로써 개별 도입 시 발생하는 막대한 비용과 구축 기간을 실질적으로 줄이는 것이 이번 협력의 비즈니스 임팩트다. 물리적 AI의 전 과정을 통합한 인프라가 제조 경쟁력의 핵심 변수로 작동한다.

Isaac GR00T와 Cosmos가 만드는 로봇 학습 루프

로봇이 숙련되려면 수만 번의 실제 반복 학습이 필수라고 믿었다. LG전자는 이 전제를 가상 환경 시뮬레이션으로 대체한다. NVIDIA Isaac Sim과 Isaac Lab 오픈 로보틱스 프레임워크를 개발 워크플로우에 전면 통합했다. 물리적으로 정확한 가상 공간에서 홈 코봇의 모든 움직임을 시뮬레이션하고 검증한다. 실제 기기를 현장에 배치하기 전 단계에서 발생 가능한 모든 물리적 충돌과 제어 오류를 가상 세계에서 먼저 걸러낸다. 하드웨어 파손 위험 없이 수천 대의 로봇을 동시에 학습시키는 병렬 처리 구조를 구현했다. 로봇의 행동 양식을 가상에서 빠르게 반복 수정하며 최적값을 찾는다. 물리적 시행착오에 드는 시간과 자본 비용을 가상 환경에서 먼저 소진해 전체 개발 주기를 단축한다.

LG전자는 홈 로봇 CLoiD와 모듈형 로보틱스 플랫폼에 NVIDIA Isaac GR00T를 도입한다. GR00T는 시각-언어-행동(Vision-Language-Action) 모델로 설계되었다. 로봇이 인간 수준의 추론을 수행하고 복잡한 과업을 스스로 계획해 실행하게 만든다. 단순한 명령 수행을 넘어 주변 환경의 맥락을 이해하고 최적의 행동 경로를 판단하는 능력을 부여한다. 이를 통해 로봇은 정형화되지 않은 다양한 가정 환경에 유연하게 적응한다. NVIDIA와 LG전자는 이를 기반으로 레퍼런스 로봇을 공동 개발하며 하드웨어와 소프트웨어의 정렬을 맞춘다. LG의 로봇 제품군을 GR00T 생태계의 핵심 하드웨어로 편입시켜 소프트웨어 업데이트만으로 기능을 확장하는 모듈형 구조를 만든다.

학습 데이터 부족 문제는 NVIDIA Cosmos 세계 기초 모델을 통한 합성 데이터 생성으로 해결한다. LG전자는 이를 활용해 데이터를 생성하고 증강하는 물리적 AI 데이터 팩토리를 구축한다. 컴퓨팅 파워를 고품질의 학습 데이터로 직접 전환하는 공정이다. 실제 환경에서 수집하기 어려운 희귀 사례나 위험 상황 데이터를 가상 모델이 정교하게 만들어낸다. 이 데이터 팩토리는 LG뿐 아니라 한국과 글로벌 기업들이 물리적 AI 프로젝트를 가속화하는 기반으로 제공된다. 제조와 물류 현장의 데이터 공백을 가상 모델이 실시간으로 채우며 학습과 배포가 반복되는 폐쇄 루프를 완성한다. 고품질 합성 데이터의 공급은 물리적 AI의 상용화 시점을 앞당기는 핵심 변수가 된다.

단순 자동화를 넘어선 '자율 제조'로의 전환

한 번 설정한 공정을 바꾸려면 사람이 일일이 개입해 설정을 변경해야 한다. 기존 제조 공정은 단계별로 분절된 자동화 시스템을 운영하는 방식이다. 각 공정의 기계들이 서로 다른 프로토콜로 작동하며 데이터가 단절되는 구간이 발생한다. 관리자는 앞 단계의 결과물을 확인한 뒤 다음 단계의 기계 설정을 수동으로 조정하며 시간을 보낸다. AI 팩토리는 생산 기술 데이터와 디지털 트윈을 결합해 실시간 통합 제어를 수행한다. 개별 공정의 효율을 높이는 단계를 넘어 원자재 투입부터 완제품 생산까지의 전체 워크플로우를 하나의 데이터 루프로 묶는다. 제조 경쟁력의 기준이 단일 공정의 속도에서 전체 흐름의 최적화와 유연성으로 이동한다.

LG CNS는 산업용 로봇 플랫폼인 PhysicalWorks(피지컬웍스)를 통해 이 제어권을 통합한다. 여기에 NVIDIA Isaac(아이작) 프레임워크와 GR00T(그루트) 모델을 결합한다. GR00T는 시각-언어-행동 모델로 로봇에게 인간 수준의 추론 능력을 부여한다. 로봇이 정해진 궤적만 반복하는 것이 아니라 주변 환경을 인식하고 상황을 판단해 복잡한 작업을 스스로 수행하게 된다. 물리적 환경의 변수를 실시간으로 반영하는 통합 제어 체계가 구축된다. 현장 작업자의 숙련도에 의존하던 예외 상황 처리를 AI가 직접 수행하며 가동 중단 시간을 줄인다. 플랫폼 기반의 배포 체계는 개별 로봇의 업데이트를 전체 공정으로 빠르게 확산시켜 시스템 전체의 지능을 동시에 높인다.

학습 데이터 부족은 물리적 AI 도입의 가장 큰 병목이다. 실제 현장에서 수만 번의 시행착오를 겪으며 데이터를 수집하는 방식은 막대한 비용과 시간이 든다. LG전자는 이를 해결하기 위해 물리적 AI 데이터 팩토리를 구축한다. NVIDIA Cosmos(코스모스) 세계 기초 모델을 활용해 가상 세계에서 합성 데이터를 생성하고 증강한다. 물리 법칙이 적용된 정교한 시뮬레이션 데이터를 생성해 실제 환경에서 겪을 수 있는 수많은 변수를 미리 학습시킨다. 이를 통해 로봇의 학습 시간을 획기적으로 단축하고 배포 전 검증 정확도를 높인다. 이 데이터 팩토리는 LG그룹 내부용을 넘어 한국 및 글로벌 기업에 고품질 학습 데이터를 제공하는 인프라로 작동한다. 데이터 생성 비용을 낮추고 표준화된 학습 세트를 제공함으로써 제조와 물류 인프라 전반의 AI 도입 문턱을 낮춘다.

800V 전력과 액체 냉각, GPU 인프라의 물리적 한계 돌파

최신 GPU의 전력 밀도는 기존 공랭식 냉각 시스템이 감당할 수 있는 임계점을 이미 넘어섰다. LG전자는 NVIDIA DSX(AI 팩토리 설계 플랫폼) 기반의 조립식 모듈러 디자인(Prefab) 기술 협력을 추진한다. 데이터센터의 핵심 구성 요소를 공장에서 미리 제작해 현장에서 조립하는 방식이다. 현장 시공 오차를 줄이고 설치 기간을 단축하는 것이 핵심이다. 냉각 분배 장치(CDU)와 콜드 플레이트를 활용한 액체 냉각 열관리 솔루션 인증을 통해 칩셋의 발열 문제를 직접 해결한다. 공기 대신 액체로 열을 식히는 하드웨어 표준을 도입해 전력 효율을 높이는 설계다. 하드웨어 표준을 모듈화하면 고성능 슈퍼컴퓨팅 인프라의 배치 속도가 비약적으로 빨라진다. 물리적 인프라 구축 기간이 AI 서비스 출시 속도를 결정하는 병목 지점이 된 상황에서 구축 시간을 단축하는 실질적 대안이다.

전력 효율의 핵심은 전압을 높여 송전 과정의 에너지 손실을 최소화하는 것이다. LG에너지솔루션은 NVIDIA BESS(배터리 에너지 저장 시스템) 자격 가이드라인에 맞춘 800V 직류(DC) 데이터센터 에너지 솔루션을 개발한다. NVIDIA의 전력 요구 사양을 충족하는 BESS 가이드라인을 준수해 전력 공급의 안정성을 확보한다. 차세대 GPU가 요구하는 막대한 전력을 공급하기 위해 전압 표준을 상향 조정하는 설계다. 일반적인 데이터센터의 전력 공급 방식보다 전압 변환 단계를 줄여 에너지 효율을 극대화한다. 800V 고전압 시스템은 전력 손실을 줄여 운영 비용을 낮추는 효과를 낸다. 전력 인프라의 고전압화는 대규모 GPU 클러스터 운영의 경제성을 결정짓는 핵심 변수가 된다.

하드웨어 인프라의 물리적 수용 능력이 AI 모델의 학습 및 추론 성능의 상한선을 결정한다. LG유플러스는 최신 NVIDIA GPU를 대규모로 수용할 수 있는 AI 데이터센터를 구축한다. NVIDIA DSX의 참조 아키텍처를 적용해 전력 효율과 확장성을 동시에 확보하는 구조다. 통신 인프라 역량과 NVIDIA의 가속 컴퓨팅 설계를 결합해 향후 AI 클라우드 및 GPU 서비스 기회를 위한 물리적 기반을 다진다. 대규모 GPU를 수용하는 데이터센터의 안정성은 AI 팩토리의 실제 가동률과 직결된다. 제조, 물류, 에너지 인프라가 통합된 AI 도입 비용과 구축 기간의 실질적 단축 여부는 이러한 하드웨어 표준화의 완성도에 달려 있다.

EXAONE과 Blackwell이 이끄는 소버린 AI 전략

외부 모델의 API 호출 비용은 개별 건당으로는 작지만, 전사적으로 합치면 막대한 고정비가 된다. LG AI Research는 이 비용을 제거하기 위해 NVIDIA Blackwell GPU를 전격 도입했다. 모델 개발 단계에서는 NVIDIA NeMo 프레임워크를 사용해 학습 효율을 극대화한다. 여기에 Nemotron 오픈 데이터셋을 결합해 학습 데이터의 질과 양을 동시에 확보했다. 시행착오를 줄이는 최적화 도구를 통해 모델 구축 기간을 단축한다. 외부 범용 모델에 의존하지 않고 한국어와 산업 특화 데이터를 학습시킨 소버린 AI를 구축한다. 이는 데이터 주권을 확보하는 동시에 장기적인 운영 비용을 근본적으로 절감하는 전략이다. 학습 인프라의 효율화는 모델 업데이트 주기를 앞당겨 시장 변화에 빠르게 대응하게 한다.

모델의 추론 성능은 실제 서비스의 수익성을 결정하는 핵심 지표다. LG AI Research는 TensorRT-LLM 소프트웨어를 통해 고성능 추론 엔진을 구축했다. 추론 속도를 높여 사용자 응답 시간을 줄이고 서버 운영 비용을 낮췄다. 이렇게 최적화된 모델은 ChatEXAONE(기업용 챗봇 서비스)을 통해 LG그룹 전반에 배포된다. 현재는 단순 질의응답을 넘어 스스로 판단하고 실행하는 에이전틱 AI(Agentic AI) 도입을 확대하는 단계다. AI가 기업 내부의 복잡한 워크플로우를 직접 제어하며 실무자의 반복 업무를 대체한다. 이는 단순한 도구의 도입을 넘어 인적 자원 투입 없이도 운영 효율을 높이는 실질적인 생산성 혁신으로 이어진다.

AI 모델의 최종 효율은 하드웨어 계층과의 정렬 상태에 따라 결정된다. LG이노텍은 NVIDIA GPU 아키텍처에 최적화된 센싱 솔루션을 개발해 공급한다. 로보틱스에 들어가는 핵심 부품 역시 NVIDIA의 개발 환경과 하드웨어 구조에 맞춰 설계한다. 센서에서 수집한 데이터가 모델의 추론 결과로 이어지는 경로의 병목을 제거해 실시간 반응 속도를 높인다. 하드웨어와 소프트웨어가 동일한 규격으로 움직이면서 제품 개발 주기와 검증 시간이 단축된다. 부품부터 모델까지 이어지는 수직 계열화는 기업용 AI 솔루션의 시장 진입 속도를 높이는 경쟁력이 된다. 하드웨어 최적화가 뒷받침된 AI는 전력 소모를 줄여 데이터센터 운영 비용까지 낮춘다.

LG전자의 CLoiD와 LG유플러스의 데이터센터 인프라는 엔비디아의 Isaac GR00T와 Cosmos 모델을 통해 하나의 AI 팩토리로 통합된다. 고품질 합성 데이터가 실제 반복 학습의 물리적 시간을 대체하며 로봇과 모빌리티의 진화 속도를 높인다.

관건은 제조, 물류, 에너지 인프라가 통합된 AI 시스템의 구축 비용과 기간을 얼마나 실질적으로 줄이느냐다. 하드웨어 표준화와 소프트웨어 학습 루프의 결합이 물리적 AI의 시장 침투 속도를 결정한다. 이 통합 인프라의 효율성이 곧 제조 경쟁력의 새로운 기준이 된다.