올해로 인공지능(AI)이 세상에 등장한 지 70년이 됐습니다. 디지털 세상에서 인류의 지식과 정보를 언어로 학습한 생성형 AI가 이제 물리 세상을 체험하기 위해 나올 채비를 마쳤습니다. 이름하여 피지컬(Physical) AI. 휴머노이드 로봇, 자율주행차, 다크팩토리, 헬스케어 등이 대표적입니다. 챗GPT에 이은 피지컬 AI는 첨단제조 강국인 한국 경제를 더 혁신적이고 지속 가능한 성장엔진으로 바꿔 놓을 무한한 잠재력까지 갖고 있습니다. 산업화를 넘어 미래 지능형 플랫폼 사회로 나아가는 문제도 피지컬 AI에 달려 있다고 해도 과언이 아닙니다. 예측불허의 AI 시대, 우리는 무엇을 준비해야 할까요. 창간 26주년을 맞은 지디넷코리아가 연중기획 '피지컬AI가 미래다'를 통해 당면 과제와 이슈를 고민합니다. 많은 관심과 조언 부탁드립니다. [편집자주]
"중국 기업의 특징은 로봇 몸체, 인공지능(AI) 모델, 데이터 수집이 함께 간다는 점입니다. 똑같은 AI 모델을 서로 다른 로봇에 그대로 올린다고 동일하게 움직이지 않습니다. 미래의 승자는 가장 좋은 두뇌만 가진 기업이나 가장 싼 몸체만 가진 기업이 아니라, 두뇌와 몸을 함께 설계하고 현장 데이터까지 수직통합한 기업이 될 것입니다."
인공지능(AI)이 컴퓨터 화면 밖으로 걸어 나오고 있다. 글을 쓰고 그림을 그리던 생성형 AI의 지능이 카메라와 센서를 달고 현실 세계로 나와 로봇과 기계를 직접 움직이는 '피지컬 AI' 시대가 열리고 있다. 적용 무대는 정보산업을 넘어 제조·물류·농업·건설·국방·돌봄 등 실물경제 전체로 넓어지는 중이다.
이 거대한 전환 시대의 논리에 한국형 피지컬 AI의 활로를 모색하는 기업인이 있다. 최홍섭(39) 마음AI 대표다. 최 대표는 서울대학교 물리학부와 행정대학원을 거친 융합형 인재다. 피지컬 AI의 도래를 예측하고 2017년 마인즈랩(현 마음AI)에 합류, 인공지능 사업과 연구조직을 이끌고 있다. 코스닥 상장사 마음AI는 데이터 인프라부터 AI 모델 및 휴머노이드 개발까지 '피지컬 AI 풀스택'을 지향하는 회사다.
마음AI는 올해 3월 경기 성남 본사에 국내 1호 '피지컬 AI 데이터 팩토리'를 열고 시뮬레이션과 원격조종(텔레오퍼레이션), 실제 로봇 실증을 한 공간에서 연결하는 체계를 구축했다. 퀄컴과 손잡고 프로세서에 온디바이스 AI 기능을 얹었고, 국내 반도체 기업 보스반도체와 국산 신경망처리장치(NPU)에 비전언어행동(VLA) 모델을 최적화하는 협업도 진행 중이다. 산업용·방산용 4족 보행 로봇도 실제 수요기업을 확보한 상태에서 개발하고 있다.
최 대표가 던지는 메시지는 분명하다. 그는 "피지컬 AI는 실제 제품을 생산하고 현장에 배치해야 발전하는 산업입니다. 정부가 기술개발비를 지원하는 것과 개발된 제품의 첫 번째 고객이 돼 주는 것은 전혀 다릅니다"라고 강조했다. 일단 현장에 로봇을 투입해 데이터를 모으고, 그 데이터로 모델을 키워 생산량을 늘리고 가격을 낮추는 '폐루프(closed loop)'를 정부가 마중물이 돼 돌려야 한다는 것이다.
국가 간 경쟁 전략도 명확히 했다. 최 대표는 "한국은 중국을 배제하거나 미국만 따라가는 것이 아니라, 미국과 동맹국이 신뢰할 수 있는 피지컬 AI 공급국이라는 위치를 선점해야 합니다"라고 말했다.
최 대표는 현 이재명 정부의 피지컬 AI 정책에 'A' 학점을 줬다. 다만 "성과에 대한 A라기보다 방향성과 추진 의지에 대한 점수"라는 단서를 달았다.
-생성형 AI 이후 피지컬 AI가 갖는 파급력과 의미는 무엇이고, 한국 제조업에 왜 중요한가요.
"저는 피지컬 AI를 단순한 로봇 산업의 유행어로 보지 않습니다. 생성형 AI가 인간의 지적 노동을 재편했다면, 피지컬 AI는 인간의 육체 노동과 산업의 생산방식 자체를 재편하는 기술입니다. 챗GPT가 화면 안에서 글과 이미지를 만들었다면, 피지컬 AI는 그 지능이 화면 밖으로 나와 카메라와 센서로 현실을 보고 로봇(하드웨어)으로 직접 행동합니다. 적용 범위가 정보산업에서 제조·물류·농업·건설·국방·돌봄 등 실물경제 전체로 확장되는 것이죠. 기존 자동화와도 다릅니다. 과거 로봇은 사람이 미리 정의한 좌표와 규칙대로만 움직여 환경이 조금만 바껴도 다시 프로그래밍해야 했습니다. 그러나 피지컬 AI 로봇은 현장 데이터를 학습해 처음 보는 상황에서도 판단하고 대응합니다. 자동화 대상이 '규칙으로 설명할 수 있는 작업'에서 '숙련과 감각이 필요한 작업'으로 넓어지는 겁니다.
-말씀대로 첨단제조 기반의 한국 경제에거 피지컬 AI가 차지하는 의미가 더욱 확대될 것 같습니다.
"네, 한국 제조업에 매우 중요합니다. 우리 제조업엔 사람의 눈과 손, 경험에 의존하는 비정형 공정이 많이 남아 있고, 중소기업은 공장 전체를 자동화 설비로 뜯어고치기도 어렵습니다. 결국 사람에게 맞춰진 공장에 로봇이 들어가 사람의 작업을 학습하는 방식이 필요합니다. 숙련공이 로봇을 원격 조작하고 그 동작·시선·힘 조절이 데이터로 쌓이면, 개인에게 머물던 숙련이 기업의 데이터 자산이 됩니다. 피지컬 AI는 단순한 인력 대체 기술이 아니라, 사라질 수 있는 대한민국 제조업의 숙련을 디지털 자산으로 보존하는 기술입니다."
美 두뇌·中 양산 사이...韓, 신뢰 가능한 피지컬 AI 공급국 돼야
-이 분야 선진국인 미국과 중국의 피지컬 AI 전략은 어떻게 다른가요.
"각국 전략은 산업적 강점과 약점을 그대로 반영합니다. 미국은 피지컬 AI의 '두뇌'를 선점하고 있어요. 엔비디아·구글 딥마인드·테슬라·피겨AI·스킬드AI 등이 VLA(비전·언어·행동)와 월드모델, 시뮬레이션에 막대한 자본을 투입하며 로봇 지능의 방향을 주도합니다. 중국은 '몸과 생산 속도'를 빠르게 장악했습니다. 액추에이터·감속기·모터·센서·배터리를 빠르게 조달해 시제품을 즉시 대량생산으로 연결하죠. 중국이 특히 무서운 것은 기술개발 지원에만 머무르지 않는다는 점입니다. 연구개발비만 대는 게 아니라 아직 미완성인 초기 제품도 정부·공공기관·국유기업이 먼저 구매해 현장에 배치합니다. 제품이 팔리니 생산시설이 생기고, 생산량이 늘어나니 원가가 내려가고, 현장 데이터가 쌓이니 지능이 다시 좋아지는 구조죠."
-일본은 어떤가요.
"일본은 산업용 로봇·모터·감속기·정밀기계에서 세계적이지만 데이터 기반 VLA로의 전환 속도는 상대적으로 신중합니다. 저는 바로 이 일본 시장이 한국 기업에 큰 기회가 될 수 있다고 봅니다. 고령화와 인력 부족이 심하고 로봇 수용성이 높은 데다 제조공정·품질기준이 우리와 유사하고 지리적으로 가깝습니다. 일본의 강한 하드웨어에 한국의 VLA·온디바이스 AI·데이터 학습 파이프라인을 결합하면 좋은 협력 모델이 나옵니다."
-한국은 어디에서 피지컬 AI 산업의 이니셔티브를 찾아야 하나요.
"중국산 제품은 가격·물량은 강하지만 미국과 동맹국 시장에선 데이터·사이버 보안, 공급망 의존 우려로 장벽이 높아질 수 있어요. 공장과 물류센터를 돌아다니며 영상·공간정보·생산정보를 수집하는 로봇은 단순한 기계가 아니라 '움직이는 데이터 수집 장치'여서 국가안보·데이터 주권 문제로 직결되기 때문입니다. 그래서 한국은 중국을 배제하거나 미국만 따라가는 게 아니라, 미국과 동맹국이 신뢰할 수 있는 피지컬 AI 공급국이라는 위치를 선점해야 합니다. 한국은 반도체·배터리·자동차·조선·가전·정밀부품·통신·AI 소프트웨어 등 필요한 가치사슬을 대부분 갖췄습니다. 문제는 기술이 없는 게 아니라, 각각의 기술이 충분한 규모로 연결되지 못한다는 데 있습니다. AI 기업은 모델만, 로봇 기업은 하드웨어만, 제조기업은 현장을 좀처럼 열지 않는 분절된 구조가 가장 큰 약점입니다. 국내 제조현장에 로봇을 가장 먼저 배치해 고품질 데이터를 쌓고, 이를 VLA·온디바이스로 연결한 풀스택 솔루션을 일본·동맹국 시장에 수출하는 길을 가야 합니다."
-국가 간 휴머노이드 경쟁이 치열한데, 미국의 전략은 무엇인가요.
"휴머노이드 경쟁은 3개의 전선에서 진행됩니다. 첫째 걷고 넘어지지 않고 물체를 다루는 신체 능력, 둘째 환경을 이해하고 다양한 작업을 수행하는 지능·자율성, 셋째 수천·수만 대를 만들어 현장에 배치하는 제조·운영입니다. AI 모델의 방향성은 미국이 앞섭니다. 테슬라·피겨AI·구글 딥마인드 등이 막대한 투자로 '어떤 로봇이든 작동시키는 범용 두뇌'를 만들고 있어요."
-중국은 어떤가요. 이들 국가들에게 한국은 무엇을 배워야 하나요.
"중국은 폼팩터 다양성과 부품 생태계, 생산 속도가 압도적입니다. 정부 지원 아래 휴머노이드 기업만 수백 개에 달하고, 완벽한 하나를 오래 만들기보다 여러 대를 빠르게 만들어 배치하며 개선합니다. 중국 기업의 중요한 특징은 하드웨어 기업이 AI를 외부에서 공급받는 데 그치지 않고, 로봇 몸체와 AI 모델, 데이터 수집을 함께 개발하려 한다는 점입니다. 로봇의 두뇌는 몸체와 독립적으로 개발될 수 없거든요. 카메라 위치, 팔 길이와 관절 구조, 액추에이터 응답속도, 촉각센서에 따라 학습 데이터와 제어 방식이 달라집니다. 똑같은 AI 모델을 서로 다른 로봇에 그대로 올린다고 똑같이 움직이지 않습니다. 결국 미래의 승자는 가장 좋은 두뇌만 가진 기업도, 가장 싼 몸체만 가진 기업도 아니라, 두뇌와 몸을 함께 설계하고 현장 데이터까지 폐루프로 연결하는 수직통합 기업이 될 가능성이 높습니다. 피겨AI가 자체 VLA(헬릭스)뿐 아니라 손·센서·제조공장까지 내부에 두고 있는 것도 같은 이유입니다. 그래서 한국형 '피겨AI', 즉 수직통합된 대표 기업들을 만들어 2년 내 따라잡는 것이 무엇보다 중요합니다."
-한국 전통 제조업의 AX 전환을 위한 가장 중요한 전략 과제와 정부 정책 방향은 무엇인가요.
"가장 중요한 과제는 연구개발 지원 중심 정책을 실제 생산과 구매 중심으로 전환하는 것입니다. 정부가 기술개발비를 지원하는 것과, 개발된 제품의 첫 번째 고객이 돼 주는 것은 전혀 다릅니다. 연구비만 대면 논문과 시제품은 나오지만 생산라인·부품 공급망·유지보수 조직은 만들어지지 않습니다. 피지컬 AI는 실제 제품을 생산하고 현장에 배치해야 발전하는 산업입니다. 로봇을 써봐야 어떤 부품이 자주 고장 나는지, 어디서 사람이 개입하는지 알 수 있고 그 과정에서 학습 데이터가 만들어집니다. 제품이 안 팔리면 생산량이 안 늘고, 생산량이 늘지 않으면 가격도 내려가지 않고, 데이터도 쌓이지 않습니다. 중국은 초기 제품이 완벽하지 않아도 정부·공공기관·국유기업이 먼저 구매·실증하며 부품·완성·AI 기업이 함께 큽니다."
-정부가 일정 부분은 시장의 구매자 역할도 해야 한다는 소리인가요.
"네 맞습니다. 한국도 정부가 단순 연구개발 지원자가 아니라 '첫 번째 시장 조성자'가 돼야 합니다. 일정 성능·안전 기준을 충족한 국산 제품을 공공시설·물류·국방·소방·철도·발전소·공공병원과 제조 실증현장에 우선 구매하는 제도가 필요합니다. 목적은 부실 제품 보호가 아니라 초기 제품이 실사용 과정에서 빠르게 개선되도록 하는 겁니다. 명확한 성능 기준과 단계별 퇴출 조건을 두되 실패 자체는 허용해야 합니다. 첫 제품부터 글로벌 최고 수준을 요구하면 어떤 기업도 생산 경험과 현장 데이터를 쌓을 수 없습니다. 이어 자동차 부품 시퀀싱·식품 포장·조선소 검사·물류 피킹 등 구체적 작업(업무)을 골라 수요·로봇·AI 기업이 함께 상용화하는 국가적 학습 루프, 그리고 중소기업이 성과만큼 비용을 내는 서비스형 로봇(RaaS)과 정책금융 결합이 필요합니다. 이렇게 투입된 로봇은 일하면서 데이터를 쌓고, 데이터가 쌓이면 자율화율이 높아져 한 사람이 관리하는 로봇 수가 늘어나며 비용이 낮아집니다. 단순 보급사업이 데이터·생산성·수익성을 함께 키우는 산업정책이 되는 거죠."
-현 정부 정책에 몇 점을 주시겠습니까.
"현 이재명 정부 정책엔 'A'를 주고 싶습니다. 다만 성과에 대한 A라기보다 방향성과 추진 의지에 대한 A에 가깝습니다. 정부와 부처가 피지컬 AI를 단순 연구개발(R&D) 과제가 아니라 국가 산업 경쟁력의 핵심 의제로 받아들이기 시작했고, 과기정통부 등 관련 부처가 역대 어느 때보다 적극적으로 움직입니다. 고위 책임자들까지 기술의 본질을 공부하고 산업계에 묻고 방향을 맞추려는 분위기가 분명히 있어요. '정부와 기업이 원팀으로 가야 한다'는 공감대가 형성되고 있다는 점을 높게 평가합니다."
쓸모있는 휴머노이드, 제조·물류부터 1~3년 내 온다
-휴머노이드 상용화가 향후 20년은 족히 걸린다는 전망과 곧 가능하다는 전망이 엇갈립니다. 어떻게 보시나요.
"두 전망 모두 맞습니다. '쓸모 있는 휴머노이드'를 어떻게 정의하느냐의 차이죠. 가정에 들어와 요리·빨래·돌봄을 하고 수년간 고장 없이 작동하는 범용 휴머노이드라면 10~20년이 걸릴 수도 있습니다. 가정은 구조·생활방식이 제각각이고 프라이버시·안전 기준도 매우 높으니까요. 반면 공장에서 부품을 옮기거나 물류센터에서 패키지를 정리하고, 위험한 작업을 원격조종과 자율운전을 결합해 수행하는 휴머노이드라면 훨씬 가까이 와 있습니다. 일부는 이미 기술 검증을 넘어 운영 검증 단계입니다. 완전 자율과 원격 조종을 이분법으로 나누지 않는 게 중요합니다. 초기 휴머노이드는 대부분을 자율 수행하고 판단이 어려운 순간에만 사람의 도움을 받는 형태가 될 겁니다. 저는 1~3년 안에 제조·물류의 제한된 작업에서 도입 사례가 빠르게 늘고, 5~10년 사이엔 로봇 한 대가 여러 작업을 수행하는 범위가 크게 넓어질 것으로 봅니다. 상용화는 사람이 개입하는 비율이 50%→20%→5%→1%로 줄어드는 연속적 과정이 될 것입니다."
-그렇다면 완전한 휴머노이드가 나오기까지 몇 번의 기술적 변곡점이 필요할까요.
"대형언어모델(LLM)의 역사에는 그래픽처리장치(GPU)를 활용한 딥러닝, 트랜스포머, 스케일링 법칙, 인간 피드백 학습과 같은 분명한 변곡점이 있었습니다. 피지컬 AI도 몇 차례의 변곡점이 더 필요합니다. 다만 트랜스포머처럼 논문 하나가 모든 걸 푸는 식은 아닙니다. 다음 변곡점은 알고리즘 하나보다 여러 기술이 결합된 '시스템 혁신'으로 나타날 가능성이 높습니다. 첫째 서로 다른 로봇·수집방식의 데이터를 하나로 묶는 '로봇 데이터의 스케일링', 둘째 몇 번의 시연·언어 지시만으로 새 작업을 익히고 결과를 예측하는 '일반화 가능한 VLA·월드모델', 셋째 ‘신뢰할 수 있는 온디바이스 자율성’입니다. 아무리 좋은 모델도 로봇 안에서 너무 느리거나 배터리를 과도하게 소모하면 쓸 수 없습니다. 높은 수준의 상황 판단을 담당하는 VLA와 빠른 반사·제어를 담당하는 경량 모델이 계층적으로 결합돼야 합니다. 통신이 끊기거나 모델이 확신하지 못할 때 안전하게 멈추고, 사람이 개입하며, 스스로 복구하는 구조도 필요합니다."
-다영한 분야에서 로봇 도입을 시도하고 있는데, 어떤 현장에 가장 먼저 상용 임계점을 넘을까요.
"가장 먼저 상용 임계점을 넘는 곳은 네 조건을 갖춘 현장입니다. 사람이 원격조종으로 수행 가능하고, 인력 부족·안전 문제가 있어 도입 이유가 분명하며, 작업 범위가 어느 정도 제한돼 성공 여부가 명확한 곳입니다. 또 사람보다 조금 느려도 경제적 가치가 있는 작업이죠. 이 기준에서 볼 때 가장 먼저 임계점을 넘을 분야는 제조와 물류입니다. 자동차 부품 시퀀싱·머신텐딩·피킹·패킹·팔레타이징·외관검사·야간 반복작업 등이 대표적이고, 이어 농약 살포·예초 같은 농업, 위험시설 순찰·재난·건설·국방의 원격작업이 유망합니다. 최근 피겨AI는 휴머노이드가 소형 패키지를 집어 바코드 방향을 맞춰 컨베이어에 올리는 작업을 수일간 공개 시연했습니다. 작업은 단순했지만 사람과 비슷한 속도로 장시간 일하고 충전 중 다른 로봇이 교대하는 '운영 구조'를 보여줬다는 점이 중요합니다."
-구체적인 사례가 있을까요.
"현대차그룹 보스턴다이내믹스가 2026년부터 아틀라스를 현대차 제조 환경과 구글 딥마인드에 배치했는데, 처음부터 전 공정이 아니라 투자수익률(ROI)을 계산할 수 있는 부품 시퀀싱·물류부터 시작하고 있습니다. 국내에선 마음AI가 과수원 농약살포기에 워브를 적용해 자율주행을 상용화했습니다. 과수원은 GPS·지도만으로는 어렵고 나뭇가지·경사·빛 변화 등 비정형성이 크지만, 농약 살포는 인체에 해롭고 인력이 부족해 자동화의 경제적 가치가 분명한 현장이죠. 상용화는 '완전 자율' 형태로 갑자기 오지 않습니다. 초기엔 로봇이 대부분을 수행하고 예외 상황에서만 사람이 원격 개입하며, 데이터가 쌓일수록 개입 비율이 줄어 한 명의 운영자가 더 많은 로봇을 감독하게 됩니다."
마음AI, 자율주행 넘어 휴머노이드로...'실용 폼팩터' 지향
-다음은 마음AI에 대한 질문입니다. 마음AI는 자율주행을 중심으로 로봇을 연구하고 있는데, 자율주행 소프트웨어를 판매할 계획이 있을까요.
"자율주행을 출발점으로 삼은 건 맞습니다. 이동지능이 피지컬 AI 상용화의 가장 현실적인 진입점이기 때문이죠. 심지어 국내엔 아직 VLA 방식의 자율주행을 하는 회사가 없어 사실상 큰 경쟁 없이 사업을 수주해 왔고, 그 과정에서 현장 데이터 수집 루프와 시뮬레이션·온디바이스 기술을 고도화할 수 있었습니다. WoRV의 자율주행 소프트웨어는 판매할 계획입니다. 다만 API·라이선스만 제공하는 방식에 한정하지 않습니다. 피지컬 AI는 같은 소프트웨어라도 차량의 무게·속도·센서 배치·조향 구조·사용 환경에 따라 성능이 크게 달라지기 때문입니다. 그래서 임베디드 라이선스·모듈 공급, 장비별 공동개발, 자율주행과 원격관제를 묶어 작업 결과를 제공하는 RaaS의 세 가지 모델을 생각하고 있습니다."
-마음AI가 지향하는 사업 전략과 최종 목표는 무엇인가요.
"마음AI의 최종 목표는 자율주행에만 머무르지 않습니다. WoRV의 핵심은 이름 그대로 로봇과 차량의 행동을 학습하는 지능입니다. 이동형 농기계에서 시작했지만 로봇팔·양팔로봇·휴머노이드의 조작지능으로 확장될 수 있습니다. 외부 부품을 자체 통합해 '진도봇' 같은 로봇 플랫폼을 만든 경험을 바탕으로 휴머노이드 타입으로도 확장할 계획입니다. 다만 우리가 지향하는 건 전시용 데모가 아니라 실제 산업 현장에서 쓸 수 있는 실용적 폼팩터입니다. 현장에선 사람 손을 얼마나 똑같이 닮았느냐보다 작업을 안정적으로 수행하고 고장 없이 오래 운영되며 데이터로 자율화율을 높일 수 있느냐가 중요하죠."
-로봇 핸즈(손) 개발은 진행되고 있지 않나요.
"현 단계에서 복잡한 손작업이 가능한 핸즈(다지손)를 휴머노이드의 핵심으로 보지 않습니다. 다지손은 기술적으로 어렵고 액추에이터·센서가 많아 고장 가능성도 높습니다. 집기·옮기기·끼우기·포장·분류·적재 같은 상당수 작업은 단순·2지·3지 그리퍼만으로도 가능합니다. 마음AI가 집중하는 방향은 사람 손을 그대로 모사하는 게 아니라, 산업 현장에 맞는 실용적인 로봇 폼팩터를 만들고, 이를 잘 쓰게 하는 지능을 구현하는 것입니다."
-마음AI의 '피지컬 AI 데이터 팩토리'는 어떻게 운영되나요.
"데이터 생성부터 학습·검증·상용화까지 이어지는 통합 사업입니다. 세 층으로 구성되는데, 첫째 공장·농장·물류센터를 디지털트윈으로 구현해 날씨·조명·고장 상황을 바꿔가며 위험상황·엣지케이스를 안전하게 반복하는 시뮬레이션 데이터, 둘째 모션캡처 글로브뿐 아니라 리드암·가상현실(VR)·엑소스켈레톤(웨어러블 로봇)으로 관절값·제어명령·힘·토크·성공 여부·실패와 복구 행동까지 기록하는 실제 로봇 행동데이터, 셋째 고객사 로봇을 실증하며 실패 데이터를 다시 학습해 개선 모델을 재배포하는 폐루프 학습입니다. 따라서 데이터 팩토리는 데이터 파일을 한 번 만들어 파는 공장이 아니라, 로봇 성능을 지속적으로 높이는 운영 인프라입니다. 저희가 궁극적으로 만들려는 건 '현장형 데이터 팩토리'입니다. 실험실에서 데이터만 만드는 게 아니라 로봇을 실제 제조·물류·농업 현장에 RaaS로 투입해, 초기엔 사람이 원격조종으로 작업 서비스를 제공하면서 자연스럽게 고품질 행동데이터를 축적합니다. 이렇게 하면 데이터 수집이 비용으로만 남지 않습니다. 로봇이 현장에서 매출을 만들면서 동시에 데이터를 생산하고, 데이터가 쌓이면 자율화율이 높아져 한 명이 더 많은 로봇을 관리합니다. 운영비가 낮아지면 더 많은 로봇을 배치하고 다시 더 많은 데이터가 쌓이는, 데이터와 매출이 함께 성장하는 구조입니다."
-정부도 데이터 팩토리 사업을 추진하고 있는데, 협력이 되는 부분이 있나요.
"마음AI는 올해 3월 성남 본사에 국내 1호 데이터 팩토리를 열어 시뮬레이션·텔레오퍼레이션·실증을 한 공간에서 연결했고, 실제 진행 중인 프로젝트에 필요한 실데이터와 시뮬레이션 데이터를 함께 수집하고 있습니다. 정부와도 피지컬 AI 협회 회장사 차원에서 데이터 생태계·통합센터·표준화·지역 제조현장 연계 방향을 논의하고 있습니다. 다만 정부 정책이 단순한 데이터 구축사업에 머물러선 안 된다는 점을 지속적으로 강조하고 있습니다."
-온디바이스 구동을 위한 저전력·고성능 반도체 협력에 대해 말씀주세요.
"피지컬 AI에서 온디바이스 AI는 선택이 아니라 필수에 가깝습니다. 챗봇은 응답이 1초 늦어도 불편한 정도지만, 로봇 판단이 1초 늦으면 물체를 떨어뜨리거나 사람과 충돌할 수 있어요. 공장·농장·재난 현장은 통신이 늘 안정적이지도 않습니다. 그런데 로봇엔 데이터센터 같은 전력·냉각을 넣을 수 없죠. 배터리·발열·무게 제약 안에서 시각·언어·행동 모델을 실시간 구동해야 합니다. 따라서 모델 경량화·최적화와, 센서·제어주기에 맞춘 하드웨어-소프트웨어 공동설계가 중요합니다. 마음AI는 퀄컴과 협력해 QCS6490 계열 프로세서에 음성인식·LLM·음성합성을 포함한 온디바이스 AI를 탑재했고, CES에서 성과를 공개했습니다. 이 기술은 SK의 웰니스 로보틱스 기기 등 실제 제품으로 연결되고 있습니다. 국내 반도체 기업 보스반도체와도 'Eagle-N' 칩셋 NPU에 VLA 모델을 최적화하는 협업을 진행 중입니다."
최홍섭 대표
1987년생
서울대학교 물리학 학사 취득
관련기사
- 마음AI, 천안시 도시안전망 구축 사업 참여2026.06.13
- 마음AI, 'STK 2026' 참여...AGIBOT 기반 피지컬AI 공개2026.06.10
- 마음AI, 충남 AX 대전환 사업 참여…실무형 인재 양성2026.06.05
- 마음AI, 'IMTWS 2026'서 차세대 기뢰탐지 AI 발표 시선2026.06.04
서울대학교 행정대학원 석사 취득
현 마음AI 대표
