[AI서울 2026] 엔비디아 “한국, 향후 10년 피지컬 AI 여정의 핵심”

▲디푸 탈라 엔비디아 엔비디아 로보틱스·엣지 AI부문 부사장이 9일 서울 강남구 코엑스에서 열린 '엔비디아 AI 데이 서울 2026'의 플래너리 세션에서 발표를 하고 있다. 사진=김하나 기자

“그 자동화는 AI가 아니었다. 프로그래밍된 로봇이었다."

서울 강남구 코엑스에서 9일 열린 '엔비디아 AI 데이 서울 2026' 기조연설에서 디푸 탈라 엔비디아 부사장(로보틱스·엣지 AI 부문)이 한 말이다. 그는 지난 30~40년간 소품종 대량생산 중심으로 이뤄진 자동차 공장 자동화를 이렇게 짚으며 “상황이 끊임없이 바뀌고 로봇을 프로그래밍할 인력도 부족한 영역에는 범용 로봇 두뇌가 필요하다"고 말했다.

이날 행사에선 한국 제조 현장이 피지컬 AI의 시험대로 떠올랐다는 평가가 많았다. 피지컬 AI는 AI가 현실의 물리 법칙과 주변 환경을 이해하고 로봇 등을 통해 직접 행동하도록 하는 기술이다. “한국은 중공업과 자동차, 전자제품 제조에서 오랫동안 뛰어난 역량을 보여왔다"(탈라 부사장), “제조업의 지원 조직 중 하나였던 시뮬레이션이 AI와 함께 전환점에 놓였다"(김정한 SK하이닉스 미래기술연구원 TCAD 인텔리전스 팀장) 등의 발언이 이어졌다.

행사는 탈라 부사장과 조나단 코헨 엔비디아 응용연구 부문 부사장의 기조연설에 이어 LG전자·SK하이닉스·삼성전자가 각각 엔비디아 엔지니어와 짝을 이뤄 실제 적용 사례를 발표하는 세션으로 꾸려졌다. 엔비디아는 이날 삼성전자·카카오모빌리티·LG전자와의 협력 내용도 별도로 공개했다.

◇ “12시간 준비하고 1년 내내 계산하는 꼴"

▲엔비디아가 9일 국내 주요 기업들과 협력해 추진 중인 피지컬 인공지능(AI) 기술 적용 사례를 공개했다. 사진 왼쪽은 삼성전자의 반도체 생산시설 내 자율이동로봇, 오른쪽 위는 카카오모빌리티의 자율주행 차량, 오른쪽 아래는 LG전자의 제조 현장에 투입된 휴머노이드 로봇의 작업 모습이다. 사진=엔비디아

반도체 세션에선 AI와 GPU 가속으로 물리 시뮬레이션 시간을 크게 줄였다는 성과가 잇따랐다.

삼성전자는 엔비디아 피직스네모(PhysicsNeMo)를 활용해 칩 단위 열·기계 해석 워크플로우를 개발했다. 해석 영역을 잘게 나눠 AI가 영역별 유효 재료 물성을 예측하고, 이를 더 성긴 격자와 GPU 가속에 결합하는 'AI 균질화' 방식이다. 32코어 CPU에서 약 18시간 걸리던 시뮬레이션을 41초 만에 끝내 속도를 약 1600배 끌어올렸다. TCAD 분야의 희소 선형 연산에는 엔비디아 cuISS·cuDSS를 적용하는 방안을 함께 추진하고 있고, 소재 연구 플랫폼 sMOL은 cuEST로 일부 양자화학 계산을 최대 5배 빠르게 수행했다. SK하이닉스는 2025년 초부터 엔비디아와 협업해 식각 공정에서 깎여 나가는 표면 형상을 예측하는 그래프 네트워크 시뮬레이터(GNS) 모델을 자체 개발했다. 기존 시뮬레이션과 같은 결과를 수십 배 빠르게 내고, 칩 규모의 대면적 기계 해석 모델은 기존 CPU 대비 30배 이상 빨라졌다.

윤기항 엔비디아 시니어 개발자관계 매니저는 “미지수 500만 개짜리 열 해석 문제를 CPU로 돌리면 모델 세팅에 전체 시간의 0.2%, 실제 풀이에 99.8%가 들어간다"며 “1년으로 환산하면 12시간 세팅하고 나머지 1년을 계산에 다 쓰는 꼴"이라고 말했다. 계산 단계 자체를 줄이지 못하면 AI를 붙여도 엔지니어링 속도가 나지 않는다는 뜻이다. 그는 같은 문제를 AI 에이전트에 맡겨 GPU 코드로 바꾼 결과 계산 부분이 최대 3100배 빨라졌다고 소개했다.

▲김정한 SK하이닉스 미래기술연구원 TCAD 인텔리전스 팀장이 9일 서울 강남구 코엑스에서 열린 '엔비디아 AI 데이 서울 2026'에서 AI를 활용한 반도체 공정 시뮬레이션 기술을 소개하고 있다. SK하이닉스는 엔비디아 피직스네모를 활용해 기존 대비 수십 배 빠른 식각 공정 예측 모델을 개발했다.

김정한 SK하이닉스 미래기술연구원 TCAD 인텔리전스 팀장은 “반도체는 개발 사이클이 너무 짧아 다른 제조업보다 모델 정확성을 확보할 기간이 부족하다"고 지적했다. 연구 단계에서 쓸 수 있는 실험 데이터는 적은데 검토해야 할 범위는 넓다는 점도 어려움으로 꼽았다. 식각 공정만 해도 5개 이상의 단계로 이뤄지고 단계마다 압력·온도·가스 유량 등 변수가 10여 개에 달해 경우의 수가 기하급수적으로 늘어난다는 설명이다.

여러 분야 가운데 로봇을 실제 공장에 투입한 사례에 관심이 집중됐다. LG전자는 휴머노이드 '클로이드(CLOiD)'를 가전 공장에 투입해 약 4㎏짜리 세탁기 상판을 행거에 거는 작업을 시연했다. 사람이 반복하면 근골격계 질환과 피로 부담이 큰 공정이다. 숙련 작업자의 동작을 3차원으로 추출해 로봇에 옮기고, 원격 조작·시뮬레이션 등으로 모은 데이터를 엔비디아 아이작 GR00T로 학습시킨 뒤 월드 모델 코스모스로 데이터를 증강했다. 박정섭 LG전자 로보틱스 인텔리전스 팀장은 “연말까지 확보할 로봇 데이터 목표치가 당초 10만 시간에서 50만 시간으로 늘었다"고 밝혔다.

▲박정섭 LG전자 로보틱스 인텔리전스 팀장이 9일 서울 강남구 코엑스에서 열린 '엔비디아 AI 데이 서울 2026'에서 휴머노이드 로봇의 학습과 검증을 지원하는 'LG 데이터 팩토리' 플랫폼을 소개하고 있다. LG전자는 엔비디아 GR00T와 코스모스 기술을 활용해 로봇 학습부터 실제 공장 투입까지 이어지는 데이터 선순환 체계를 구축하고 있다.

탈라 부사장은 현대자동차그룹과 생산 공장 전체를 옴니버스 기반 디지털 트윈으로 옮겨 로봇 배치와 작업 순서를 가상 공간에서 실험하고 있고, 두산로보틱스와는 물리 엔진 '뉴턴(Newton)'으로 자동차 문 샌딩(연마) 결과를 예측하는 기술을 개발하고 있다고 소개했다. 연마는 소재와 표면 상태, 로봇이 가하는 압력에 따라 결과가 달라져 자동화가 까다로운 공정이다. SK하이닉스·SK텔레콤과는 대규모 AI 팩토리 구축에 협력하고 있다. 그는 “디지털 트윈 하나를 만드는 데 수개월과 수십 명의 엔지니어가 필요했지만, 이번 시연은 엔지니어 한 명이 일주일도 안 돼 준비했다"며 5주 전 공개한 '아스트라(Astra)'로 구축 속도가 100배가량 빨라졌다고 평가했다.

성과를 내세운 LG전자 세션에선 오히려 과제가 먼저 나왔다. 박 팀장은 “단순 데모로 끝나지 않고 현장에 로봇을 투입하려면 연속 동작 성능을 확보하는 게 굉장히 중요하다"고 말했다. 시뮬레이션과 현실 사이의 격차가 여전하고, 그날그날 생산 계획에 따라 배치와 부품이 달라지는 공장에서 흔들리지 않는 강건성을 갖추는 것도 숙제로 꼽았다.

◇ “바이브 코딩처럼 '바이브 모델링'으로"

발표 기업들은 모두 다음 단계로 AI 에이전트를 지목했다. 삼성전자는 합성 데이터 생성부터 대면적 시뮬레이션까지 전 과정을 에이전트 기반으로 구현했고, 엔비디아 에이전트 툴킷으로 엔지니어링 에이전트가 직접 분석하고 설계안을 비교하는 단계를 내다봤다. SK하이닉스는 바이브 코딩하듯 피지컬 AI 솔루션 개발을 '바이브 모델링' 단계로 끌어올리겠다는 구상을 내놨다. 윤 매니저는 “실험 설계를 믿을 수 없거나 결과를 하루 이틀 기다려야 한다면 에이전트로 쓰기 어렵다"며 결국 솔버를 빠르고 신뢰성 있게 만드는 게 관건이라고 평가했다.

김하나 기자 uno@ekn.kr