‘피지컬 AI 시대’…AI가 화면 밖으로 걸어 나온다

2026년 AI는 화면 속 정보 처리에서 벗어나 현실을 보고 움직이는 ‘피지컬 AI’로 진화하고 있다. 미국이 기술·데이터·자본 생태계를 기반으로 글로벌 표준을 주도하는 가운데, 한국 역시 제조 경쟁력과 고령화로 주요 수혜국으로 꼽힌다. 이러한 흐름은 내년도 벤처투자·비상장 시장의 핵심 트렌드로 부상할 전망이다.

(▲시내 거리를 활보하고 있는 테슬라의 옵티머스.)

(AI금융교육뉴스=이건희기자) 2023년 챗GPT가 촉발한 언어 기반 인공지능(AI) 혁신은 디지털 세계를 빠르게 바꾸었지만, 산업 현장의 본질적 문제들은 여전히 남아 있었다. 제조, 물류, 건설, 돌봄 같은 생산 현장은 물론, 상업 시설과 가정처럼 인간의 손과 움직임이 필요한 공간들 역시 언어 AI만으로 해결되지 않았다.

2026년 AI는 화면 속에서 벗어나 직접 보고, 이해하고, 움직이는 ‘피지컬(physical) AI’로 진화하며 새로운 전환점을 맞고 있다. 미국에서 시작된 이 변화는 한국의 산업과 공급망, 나아가 노동과 생활양식까지 재편할 거대한 흐름을 예고한다.

‘두뇌’를 넘어 ‘신체’를 갖기 시작한 AI2023년 초, 전 세계를 흔든 사건이 하나 있었다. AI가 인간의 언어를 이해하고 글을 쓰는 수준을 넘어, 마치 사고하는 존재처럼 행동하는 모습을 처음 보여준 것이다. 우리는 그 순간을 ‘챗GPT 모멘트’라 불렀다. 당시의 충격은 컸다. 많은 이들이 "AI가 인간의 지적 노동을 빠르게 대체할 것"이라고 전망했고, 실제로 우리의 일상적 업무 방식은 단기간에 크게 변화했다.

하지만 이러한 디지털 혁신은 산업의 깊은 뿌리를 건드리기에는 충분하지 않았다. 시간이 조금 지나자, 우리는 조용히 한 가지 사실을 깨닫기 시작했다. 언어를 아무리 정확하고 유려하게 다루는 AI라 해도, 현실 세계의 문제들을 근본적으로 해결하기에는 한계가 있다는 점이었다. 경제의 기반이 되는 생산, 물류, 건설, 에너지, 국방, 의료는 모두 물리적 세계에서 작동한다. 공장에서 부품을 조립하고, 물류창고에서 박스를 옮기고, 건설 현장에서 고위험 작업을 수행하는 일은 여전히 사람의 손과 발, 눈과 감각에 의존하고 있었다.

실제로 많은 산업 현장에서 사람의 노동은 단순 반복 이상의 가치를 갖고 있었다. 손끝의 감각, 불확실한 상황에서의 판단, 여러 변수를 동시에 고려하는 본능적 조정 능력 등은 기존 AI가 쉽게 대체할 수 없는 영역이었다. 하지만 동시에, 이러한 영역 대부분이 고령화, 인력난, 안전 문제와 맞물려 심각한 병목으로 남아 있었다. 이는 산업 전반에 걸쳐 ‘지금의 방식으로는 지속 가능하지 않다’는 위기의식으로 이어졌다. 지난 2~3년 사이, AI 기술은 단순히 언어와 이미지를 다루는 데 그치지 않고, 시각, 음성, 동작, 공간 정보까지 동시에 학습하는 멀티모달 구조로 진화했다. 이제 AI는 사람이 하는 행동을 분석하고, 보이는 사물의 특성을 이해하며, 환경의 위험 요소를 판단하는 능력을 갖추었다. AI가 단순히 텍스트를 읽고 생성하는 기술에서 벗어나 인간이 주변 환경을 이해하는 방식과 유사한 메커니즘을 갖추기 시작한 것이다.

이 변화가 가장 극적으로 드러나는 영역이 바로 휴머노이드 로봇이다. 미국에서는 어질리티 로보틱스, 피규어, 테슬라 옵티머스와 같은 플레이어들이 물류창고의 반복 작업, 자동차 공장의 조립, 취급 공정, 공장 내 단순 작업과 자재 이동 등 각자가 강점을 가진 영역에서 휴머노이드 테스트를 진행하고 있다. 모두가 ‘인간과 비슷한 형태의 로봇이 실제 산업 현장에서 어떤 역할을 할 수 있는지’를 시험하는 초기 단계에 들어선 셈이다. 미국 산업 현장에서 일어나는 조용한 변화

여기에 노르웨이 출신 엔지니어가 미국에서 창업한 1X는 ‘네오(NEO)’라는 가정용 휴머노이드 로봇을 통해 처음부터 ‘집 안에서 사람 곁에 두고 쓰는’ 시장을 겨냥하고 있다. 2026년부터 가정 배송을 목표로 하고 있으며, 다른 기업들이 주로 공장, 물류센터 등 산업 현장에서 초기 활용처를 찾는 것과 달리 1X는 생활 공간이라는 훨씬 복잡한 환경을 우선 고려하고 있다. 가정은 공장보다 변수와 상황 변화가 훨씬 많은 만큼, 이 영역에서 축적되는 행동 데이터는 이후 AI 모델의 성능을 빠르게 끌어올리는 기반이 된다.

이들 사례가 공통적으로 보여주는 것은 하나다. 로봇이 더 이상 고정된 팔과 라인에 묶인 존재가 아니라, AI 모델의 신체를 수행하는 플랫폼이 되기 시작했다는 점이다. 과거의 로봇이 정해진 스크립트와 규칙에 따라 반복적인 움직임만 수행했다면, 지금의 로봇은 자연어로 설명된 지시를 이해하고, 인간이 시연한 영상을 보고 행동을 학습하며, 실제 환경에서 스스로 균형을 잡고 움직인다. AI가 ‘몸을 갖는다’는 변화는 기술적으로도 상징적이다. 언어 모델이 인간의 사고 방식을 모방한 것이라면, 피지컬 AI는 인간의 움직임과 행동을 모방하는 것이다. 사고와 행동이 결합되는 순간, AI는 더 이상 추상적 존재가 아니라 물리 세계에서 경제적 활동을 수행하는 주체가 된다.

미국의 제조업과 물류 산업에서 이러한 변화는 아직 전면 도입 단계라고 보기는 어렵지만, 이미 의미 있는 파일럿과 제한적 상용 도입이 진행 중이다. 일부 물류센터와 창고에서는 휴머노이드가 반복적인 박스 이동 작업을 맡고 있고, 제조 업체들은 특정 공정에서 휴머노이드의 투입 가능성을 시험하면서 사람과 로봇이 어느 지점에서 역할을 나누는 것이 효율적인지 데이터를 쌓아 가고 있다. 아직은 대부분의 프로젝트가 ‘대규모 상용화’라기보다는 파일럿과 초기 상용 도입 단계에 가깝지만, 중요한 것은 방향이다. 일회성 데모가 아니라, 실제 생산 라인, 물류센터, 작업 공간에 로봇을 집어넣어 어느 지점부터 투입하는 것이 경제성이 맞는지, 인간 작업자와의 협업 모델은 어떻게 설계할지, 안전 기준과 동선은 어떻게 조정할지를 검증하는 단계로 진입했다는 점이다.특히 고온 환경, 고중량 자재 운반, 반복적인 상하차 작업처럼 전통적으로 안전사고와 근골격계 질환이 집중됐던 공정에서는, 휴머노이드를 포함한 피지컬 AI 로봇이 가장 먼저 도입될 후보로 꼽힌다. 지금 당장 대규모로 사람을 대체하고 있다고 말할 수는 없지만, 기업들이 안전 규제와 인력 확보 문제를 동시에 해결할 해법으로 이 영역을 주목하고 있는 것은 분명하다.

부품비 30~40% 하락…경제성 확보

이 변화의 중요한 배경에는 원가 구조의 변화가 있다. 불과 몇 년 전만 해도 휴머노이드 로봇은 생산 단가가 지나치게 높아 연구용·홍보용 데모를 넘어 실제 도입을 논의하기 어려웠다. 그러나 최근에는 감속기, 모터, 배터리, 전력 반도체 등 핵심 부품의 가격이 점진적으로 낮아지고 공급망이 정비되면서, 전체 부품비 기준으로 약 30~40%가량 비용이 떨어지는 흐름이 나타나고 있다. 일부 기업은 이미 수만 대 단위 양산을 전제로 한 설비투자까지 검토하고 있으며, 가정용 휴머노이드를 목표로 하는 1X의 네오가 약 2만 달러 수준에서 예약을 받고 있는 것 역시 이러한 변화의 초기 신호로 볼 수 있다.

기술이 ‘될 것 같다’에서 ‘경제적으로 맞는다’로 넘어가는 이 지점이 바로 산업이 움직이기 시작하는 구간이다. 미국 기업들이 피지컬 AI에 공격적으로 투자하는 이유는 명확하다. 단순한 자동화가 아니라, 그동안 자동화가 어려웠던 비정형 공정, 고위험 작업, 유연 조립, 야간 물류, 품질 검사 같은 영역에서 휴머노이드가 이제 실질적인 대안이 되기 때문이다. 노동력 부족과 높은 인건비 구조를 가진 미국은 피지컬 AI의 경제적 효과가 가장 빠르게 나타날 수 있는 시장이기도 하다. 피지컬 AI의 핵심 가치는 휴머노이드의 겉모습이 아니라, 휴머노이드가 현실에서 움직이며 만들어내는 행동 데이터에 있다. 언어 모델이 인터넷 텍스트를 학습해 고도화됐듯이, 휴머노이드는 실제 환경에서의 경험을 반복하며 점점 더 똑똑해진다.

물류창고에서는 박스를 수없이 들어 옮기는 과정에서 어떤 동작에서 미끄러지는지, 어느 각도에서 오류가 발생하는지, 어떤 상황에서 센서가 혼동되는지가 축적된다. 제조 현장에서는 부품을 잡는 힘의 미세한 차이, 사람과 함께 움직일 때의 거리, 속도 조절 방식 등 현실에서만 얻을 수 있는 세밀한 정보들이 모두 학습의 재료가 된다.

가정 환경도 마찬가지다. 집 안은 가구 배치, 조명, 바닥 상태, 물건의 형태와 위치가 모두 달라 휴머노이드 입장에서 가장 예측하기 어려운 공간이다. 물건을 집고 옮기고 정리하는 단순 행동을 반복하는 과정에서도 ‘이런 형태는 이렇게 잡아야 하는구나’, ‘좁은 공간에서는 어떤 자세가 안전한가’ 같은 데이터가 자연스럽게 쌓인다. 이러한 생활 데이터는 공장보다 훨씬 다양한 변수를 담고 있어 AI 모델의 성능을 빠르게 끌어올리는 데 큰 역할을 한다.

이렇게 모인 행동 데이터는 다시 클라우드에서 AI 모델 학습에 활용되고, 최신 모델은 소프트웨어 업그레이드 형태로 휴머노이드에 반영된다. 그러면 휴머노이드의 능력은 한 단계 더 높아지고, 새롭게 수행하는 작업들은 다시 데이터로 축적된다.

‘데이터 공장’이 된 휴머노이드

이 구조가 바로 ‘피지컬 AI의 플라이휠’이다. 휴머노이드가 움직일수록 데이터가 쌓이고, 데이터가 쌓일수록 AI는 더 똑똑해지며, 더 똑똑해진 AI는 다시 휴머노이드를 더 많은 곳에서 활용할 수 있게 만든다.

결국 앞으로의 경쟁은 누가 더 많은 휴머노이드를 더 다양한 환경에 더 빨리 투입하느냐의 싸움이 된다. 그리고 그 환경이 산업 현장이든 가정이든, 공간이 복잡할수록 AI의 성능 격차는 더 빠르게 벌어지게 될 것이다.

피지컬 AI가 가져올 변화는 단순히 사람을 휴머노이드가 대신한다는 수준이 아니다. 산업 현장에서 일의 방식 자체가 처음부터 다시 짜인다는 뜻에 가깝다. 우선, 휴머노이드는 사람이 하던 일을 그대로 대체하는 것이 아니라 하나의 일을 여러 조각으로 나누고, 그중 반복적이고 위험하고 체력 부담이 큰 부분을 맡는 역할을 한다. 반면 미세한 판단, 품질 확인, 공정 간 조율처럼 사람의 경험과 감각이 필요한 영역은 여전히 사람이 맡는다. 즉, 누가 일을 하느냐가 아니라 일을 어떻게 나눠 설계하느냐가 새롭게 정의되는 것이다.

또한 휴머노이드는 그동안 자동화가 거의 불가능했던 영역에도 점차 들어오기 시작한다. 물건이 제각각이고 공간이 항상 정리돼 있지 않은 물류센터, 조립 단계가 매번 달라지는 제조 현장, 예측하기 어려운 변수가 많은 작업들처럼 기존 기계가 다루기 어려웠던 공정들이 휴머노이드의 학습 능력 덕분에 가능한 업무로 바뀌고 있다. 사람이 매번 현장에서 판단해 처리하던 일이 이제는 ‘충분히 학습한 휴머노이드’에게 조금씩 넘어가고 있는 것이다.

안전 문제 역시 중요한 배경이다. 고온 환경, 고중량 물체 운반, 반복적인 상하작업처럼 사고 위험이 높은 업무는 기업의 부담이 크다. 피지컬 AI는 사람을 이런 위험한 공간에서 빼내고, 대신 휴머노이드가 투입될 수 있게 한다는 점에서 기업과 규제 기관 모두에 긍정적이다.

마지막으로 피지컬 AI는 생산성을 바라보는 기준 자체를 바꾼다. 과거에는 노동 시간이나 숙련도처럼 사람이 가진 능력이 생산성을 결정했다. 하지만 앞으로는 얼마나 많은 행동 데이터를 학습한 휴머노이드인가가 성능을 가르는 기준이 된다. 같은 업무라도 더 많은 경험 데이터를 익힌 휴머노이드가 훨씬 정확하고 빠르게 일하게 되는 것이다. 생산 설계의 기준이 바뀐다

결국 생산 설계의 기준도 ‘사람이 할 수 있는 일’에서 ‘휴머노이드가 학습을 통해 할 수 있는 일’로 이동하게 된다.

미국은 피지컬 AI가 본격적으로 상용화되는 데 필요한 조건을 거의 모두 갖추고 있다. 먼저 기술 측면에서, 미국은 세계에서 가장 큰 AI 모델 개발 생태계를 보유하고 있으며, 초대형 데이터센터와 그래픽처리장치(GPU) 클러스터, AI 반도체, 멀티모달 모델 등이 휴머노이드의 ‘두뇌’를 만드는 기반이 된다. 중요한 점은 미국 기업들이 휴머노이드를 단순한 기계나 하드웨어가 아니라, 강력한 AI 모델이 깃들어 실제 세계에서 배우고 움직이는 ‘신체’로 보고 있다는 것이다.

일부 국가가 사람과 닮은 외형, 관절 수, 소재 등 하드웨어 경쟁에 더 집중하고 있다면, 미국의 주요 기업들은 휴머노이드가 현실 환경에서 경험을 쌓고 스스로 학습할 수 있도록 하는 두뇌, 즉 AI 모델, 운영체제(OS) 플랫폼에 더 많은 투자를 하고 있다. 다시 말해, 미국이 피지컬 AI의 중심이 되는 이유는 휴머노이드 기계를 가장 잘 만들기 때문이 아니라, 휴머노이드가 현장에서 배우고 성장할 수 있는 두뇌를 설계하는 나라이기 때문이다.

시장 측면에서도 미국은 유리하다. 제조, 물류, 국방 등 규모가 큰 산업 기반을 갖추고 있을 뿐 아니라, 인건비 상승과 인력 부족으로 인해 휴머노이드를 도입할 경제적 필요성이 매우 크다. 그래서 많은 미국 기업들은 ‘먼저 우리 공장에서 써보고, 효과가 검증되면 외부에 공급한다’는 전략을 택하고 있다. 기술을 실험하고 고도화할 수 있는 현실적 공간이 넓다는 뜻이다.

생태계 역시 미국의 강점이다. 대규모 벤처투자, AI 기업, 휴머노이드 기업, 반도체 기업 등이 촘촘하게 연결돼 있어 새로운 기술이 빠르게 탄생하고 실험되며 확산되는 구조가 만들어져 있다. 아이디어와 시제품만으로도 대규모 투자를 유치하고, 곧바로 글로벌 제조사와 파일럿을 진행할 수 있는 곳이 미국이다.

한국에 던져진 위기 혹은 기회

이렇듯 미국이 기술과 시장, 자본이 맞물린 생태계 안에서 피지컬 AI의 흐름을 주도하면, 그 기준은 자연스럽게 전 세계의 표준이 된다. 실제로 반도체, 스마트폰, 전기차 산업에서 경험했듯, 기술은 미국에서 태어나고, 관련 부품과 소재는 아시아에서 만들어 전 세계로 퍼져 나가는 구조가 피지컬 AI에서도 그대로 재현될 가능성이 크다.

지난 몇 년 동안 AI는 인간의 사고를 모방하는 기술로 자리 잡았다. 그러나 2026년을 전후해 AI는 사고를 넘어 행동의 단계로 진입하고 있다. 피지컬 AI는 단순한 기술 혁신이 아니라 산업 구조, 노동 시장, 공급망, 국가 전략을 재편하는 새로운 성장 축이다.

이제 중요한 질문은 더 이상 ‘AI는 무엇을 말할 수 있는가’가 아니다. ‘AI는 실제로 무엇을 해낼 수 있는가.’ 향후 10년의 경쟁력은 이 질문에 누가 더 빨리, 더 깊이 답하느냐로 결정될 것이다. 한국은 지금 그 기회의 정중앙에 서 있다. 기술의 흐름이 미국에서 시작되고 있다면, 그 기술을 구현하고 생산할 수 있는 힘은 한국이 갖고 있다.

AI가 화면 밖으로 걸어 나오는 이 변화는 한국에 위기이자 새로운 출발점이다. 이 거대한 전환을 어떻게 이해하고, 얼마나 빨리 준비하며, 어디에 집중하느냐가 한국 경제의 다음 10년, 그리고 그 이후를 결정할 것이다.

이건희 기자 gia2026@naver.com ⓒ AI금융교육뉴스 무단 전재 및 재배포 금지