검색결과 총 13건
-
정부·LG·KT, '로봇 두뇌' 국산화 시동…피지컬 AI 주도권 잡는다
[경제일보] 정부와 LG전자, KT 등 산학연 연합군이 한국형 피지컬 인공지능(AI) 개발에 본격 착수했다. 챗GPT가 언어를 이해하고 답하는 AI의 대중화를 열었다면 이번 프로젝트는 로봇이 현실 세계를 이해하고 움직이도록 하는 ‘로봇의 두뇌’를 독자 기술로 만들겠다는 시도다. 과학기술정보통신부와 정보통신기획평가원(IITP)은 9일 서울 강서구 LG사이언스파크에서 ‘피지컬 AI 선도기술개발 사업’ 착수보고회를 열었다. 이번 사업에는 올해부터 2년간 정부출연금 340억원이 투입된다. LG전자가 주관하고 KT, 마음AI, 로보티즈, 홀리데이로보틱스, 크라우드웍스, 알체라, KAIST, 서울대, 한국정보통신기술협회(TTA) 등 10개 산학연 기관이 참여한다. 피지컬 AI는 생성형 AI 경쟁의 다음 단계로 꼽힌다. 지금까지 AI가 주로 텍스트와 이미지 코드를 만들어내는 데 집중했다면 앞으로는 로봇과 공장 설비, 자율주행 장비가 실제 공간에서 판단하고 행동하는 능력이 중요해진다. 물체의 무게와 충돌, 이동 경로, 힘의 작용 같은 물리 법칙을 AI가 이해해야 제조·물류·서비스 현장에서 사람을 보조하거나 대체할 수 있다. 이번 사업의 핵심은 월드모델과 로봇 파운데이션 모델이다. 월드모델은 AI가 가상 공간에서 현실의 물리 법칙과 상황 변화를 학습하는 기술이다. 로봇 파운데이션 모델은 이 학습 결과를 실제 로봇의 행동과 제어로 연결하는 기반 모델이다. 쉽게 말해 월드모델이 로봇이 세상을 이해하는 방식이라면 로봇 파운데이션 모델은 그 이해를 움직임으로 바꾸는 실행 체계다. 한국이 이 분야에서 승부를 걸 수 있는 배경은 제조 현장 데이터다. 반도체, 전자, 자동차, 배터리, 조선 등 한국 주력 산업은 복잡한 공정과 설비 운영 경험을 갖고 있다. 공장 안에서 축적된 작업 데이터와 장비 운용 노하우는 외부 빅테크가 쉽게 확보하기 어려운 자산이다. 정부와 기업은 이 데이터를 기반으로 연구실용 로봇이 아니라 산업 현장에서 작동하는 피지컬 AI를 만들겠다는 구상이다. LG전자는 자체 초거대 AI 모델 ‘엑사원(EXAONE)’과 제조 현장 데이터를 활용해 월드모델 개발을 주도한다. KT는 생성형 AI ‘믿:음’과 플랫폼 운영 경험을 바탕으로 월드모델을 로봇 행동모델로 연결하는 역할을 맡는다. 로보티즈는 로봇 하드웨어와 제어 기술을 담당하고 홀리데이로보틱스는 물리 법칙을 정밀하게 구현하는 국산 다중물리 시뮬레이터 엔진 개발을 맡는다. 이번 프로젝트가 주목받는 이유는 국산화에 있다. 글로벌 피지컬 AI 경쟁은 엔비디아, 구글 딥마인드 등 빅테크가 주도하고 있다. 로봇 학습에 필요한 시뮬레이터와 GPU 인프라, 월드모델 기술을 해외 플랫폼에 의존하면 한국 제조업의 데이터와 현장 경쟁력이 외부 생태계에 종속될 수 있다. 정부가 월드모델과 시뮬레이터, 로봇 행동모델의 독자 개발을 강조하는 이유다. 사업 목표도 비교적 분명하다. 정부는 월드모델 학습, 로봇 파운데이션 모델 연계, 실증과 성능평가, 사례 분석과 재학습으로 이어지는 실증 파이프라인을 구축한다. 핵심 성과지표는 월드모델을 적용하지 않았을 때보다 실제 로봇의 최종 동작 성공률을 20%포인트 이상 높이는 것이다. 연구 성과를 논문이나 시연에 그치지 않고 실제 제조·물류 현장 검증으로 연결하겠다는 의미다. 성과 확산을 위해 개발 결과물을 오픈소스로 공개하는 방안도 추진된다. 대규모 데이터와 인프라가 없는 중소기업도 소량의 현장 데이터만으로 자동화 혁신을 시도할 수 있도록 지원하겠다는 취지다. 피지컬 AI가 대기업 전용 기술에 머물지 않고 산업 생태계 전반으로 확산되려면 이런 개방형 접근이 필요하다. 앞으로의 관건은 인프라와 실증 속도다. 피지컬 AI는 텍스트 중심 대규모언어모델보다 훨씬 많은 영상, 3D, 센서, 시뮬레이션 데이터를 처리해야 한다. 초고속 스토리지와 GPU, 로봇 검증 공간이 결합된 국가 차원의 학습·검증 인프라가 뒷받침돼야 한다. 실제 공장과 물류 현장에서 반복 실험을 수행할 수 있는 테스트베드도 필요하다. 이번 사업은 한국이 피지컬 AI 경쟁에서 독자 생태계를 만들 수 있을지를 가르는 첫 시험대다. 한국의 강점은 거대한 모델 이름이 아니라 반도체와 제조 현장, 로봇을 실제로 움직일 수 있는 산업 기반에 있다. 월드모델과 로봇 파운데이션 모델이 연구실의 성과를 넘어 공장과 물류 현장의 생산성, 안전성, 효율로 증명될 때 비로소 한국형 피지컬 AI도 글로벌 경쟁의 한 축으로 설 수 있다. 기술의 승부는 선언에서 나지 않는다. 현장에서 움직이는 로봇 한 대, 실패를 줄이는 공정 하나, 사람이 더 안전하게 일하는 작업장 하나가 쌓일 때 국가 AI 전략의 무게도 비로소 증명될 것이다.
2026-06-09 17:34:27
-
GPU만으로 AI 강국은 안 된다…데이터센터·클라우드가 진짜 전장
[경제일보] 젠슨 황 엔비디아 최고경영자(CEO)의 방한이 던진 두 번째 질문은 인프라다. 한국이 엔비디아 GPU를 얼마나 많이 확보하느냐보다 중요한 것은 그 GPU를 어디에 꽂고, 어떤 전력과 냉각 체계로 돌리며, 어떤 클라우드 서비스와 산업 현장에 연결하느냐다. AI 시대의 경쟁력은 더 이상 모델 성능만으로 결정되지 않는다. 대규모 AI 모델을 학습하고 추론하려면 GPU, HBM, 서버, 전력, 냉각, 네트워크, 보안, 클라우드 운영 체계가 동시에 필요하다. 그래서 최근 글로벌 빅테크가 말하는 것은 데이터센터가 아니라 ‘AI 팩토리’다. 데이터를 원료로 넣고 지능을 생산하는 공장이라는 뜻이다. 한국 정부와 주요 기업이 엔비디아 GPU 26만개 이상을 도입하기로 한 계획은 이런 흐름의 출발점이다. 삼성, SK, 현대차, 네이버클라우드 등이 대규모 GPU 인프라를 활용해 제조, 자율주행, 클라우드, 산업용 AI 모델을 구축하겠다는 구상이다. 하지만 GPU 수량만으로 AI 강국이 되는 것은 아니다. 핵심은 운영 능력이다. 네이버는 이 구도에서 가장 중요한 클라우드 축이다. 네이버는 자체 초거대 AI와 클라우드, 데이터센터, 검색·커머스·콘텐츠 데이터를 갖춘 국내 대표 플랫폼 기업이다. 엔비디아 입장에서는 한국형 AI 서비스와 공공·민간 클라우드 수요를 연결할 파트너이고, 네이버 입장에서는 안정적인 GPU 확보와 AI 생태계 확장이 필요하다. 소버린 AI도 네이버 협력의 핵심이다. 소버린 AI는 단순히 국산 AI 모델을 만든다는 뜻이 아니다. 국내 데이터가 국내 법과 보안 기준에 맞는 클라우드 환경에서 학습·운영될 수 있어야 한다. 공공, 금융, 의료, 교육 분야에서 AI를 쓰려면 데이터 주권과 보안 통제가 필수다. 네이버클라우드가 엔비디아 GPU 인프라와 결합하면 한국형 AI 서비스의 기반을 넓힐 수 있다. LG그룹은 데이터센터의 물리적 인프라에서 존재감이 커지고 있다. AI 데이터센터는 전력과 냉각이 생명이다. AI 추론 수요가 늘어날수록 전력 사용량은 커지고, GPU 밀도가 높아질수록 발열도 증가한다. LG유플러스가 파주 AI 데이터센터를 통해 대규모 전력 기반 추론형 인프라를 추진하고, LG전자와 냉각 기술을 결합하려는 것도 이 때문이다. LG CNS는 스마트팩토리와 클라우드 운영 역량을 갖고 있다. AI가 실제 공장과 물류센터, 로봇 운영으로 내려오면 클라우드와 현장 시스템을 연결하는 역량이 중요해진다. 엔비디아의 옴니버스, 디지털 트윈, 로보틱스 플랫폼은 이런 현장형 AI 인프라와 맞물릴 가능성이 크다. LG가 가전과 제조 현장, 데이터센터와 냉각 기술을 묶을 수 있다면 피지컬 AI 시대의 실험장이 될 수 있다. SK 역시 인프라 기업으로 변신하고 있다. SK하이닉스가 HBM을 공급한다면 SK텔레콤은 AI 데이터센터, 통신망, 에너지·보안 인프라를 통해 엔비디아 생태계와 연결될 수 있다. AI 서비스가 대중화될수록 추론 수요는 통신망과 클라우드 가까이 내려온다. 엣지 AI와 AI 에이전트, 산업용 AI 서비스가 확대되면 통신사의 역할은 단순 회선 제공을 넘어 AI 인프라 운영자로 바뀐다. 문제는 병목이다. GPU는 돈을 주고 살 수 있지만 데이터센터는 하루아침에 지을 수 없다. 전력 인입, 냉각 설계, 부지 확보, 인허가, 보안, 운영 인력이 모두 필요하다. AI 데이터센터 구축에는 수년이 걸린다. 반면 AI 서비스 사용량과 추론 수요는 분기 단위로 급증한다. 이 간극을 줄이지 못하면 GPU 확보 계획은 숫자에 머물 수 있다. 전력 문제도 피할 수 없다. AI 데이터센터는 막대한 전기를 쓴다. 수도권 입지 수요는 높지만 전력망은 제한적이다. 지방 분산형 데이터센터를 추진하려면 전력, 냉각, 네트워크 지연시간, 고객 접근성을 함께 고려해야 한다. 정부의 전력·입지 규제 완화와 민간 투자 계획이 맞물리지 않으면 AI 인프라 경쟁에서 뒤처질 수 있다. 이번 젠슨 황 방한이 중요한 이유는 한국 AI 인프라의 방향을 묻고 있기 때문이다. 한국은 HBM을 공급하는 나라에서 GPU를 대규모로 운영하는 나라로 이동하고 있다. 더 나아가 AI 데이터센터와 클라우드를 통해 산업 현장의 AI 전환을 지원하는 국가가 될 수 있다. 그러나 승부는 선언이 아니라 실행에 있다. 네이버는 소버린 AI 클라우드의 고객과 서비스를 확보해야 한다. LG는 전력·냉각·스마트팩토리 인프라를 실제 수주로 연결해야 한다. SK는 HBM과 통신·데이터센터를 묶어 AI 인프라 사업자로 자리 잡아야 한다. 정부는 전력, 입지, 인재, 보안 규제를 정교하게 풀어야 한다. 엔비디아의 GPU가 한국에 들어오는 것은 출발점이다. 그 GPU 위에서 한국 기업이 어떤 AI 서비스를 만들고, 어떤 산업 데이터를 연결하며, 얼마나 안정적인 클라우드와 데이터센터를 운영하느냐가 진짜 경쟁이다. AI 강국의 조건은 칩을 사는 능력이 아니라 지능을 생산하는 공장을 운영하는 능력이다.
2026-06-07 16:33:41
-
젠슨 황이 다시 띄운 SKT…피지컬 AI 협력사로 존재감 확대
[경제일보] SK텔레콤(대표이사 CEO 정재헌)이 엔비디아의 피지컬 AI 전략에서 제조 분야 주요 협력사로 다시 이름을 올렸다. SK하이닉스 반도체 공장에 엔비디아 옴니버스 기반 디지털 트윈 기술을 적용한 사례가 공개되면서 SKT의 AI 사업이 통신을 넘어 제조·산업 현장으로 확장되고 있다. SKT는 1일(현지시각) 대만에서 열린 ‘GTC 타이베이’ 기조연설에서 제조 피지컬 AI 분야 엔비디아 주요 협력 파트너로 소개됐다고 밝혔다. GTC는 엔비디아가 주최하는 AI·GPU 콘퍼런스다. 이번 GTC 타이베이는 글로벌 IT 전시회 컴퓨텍스와 연계해 열렸다. 기조연설 영상에는 SKT가 엔비디아 옴니버스를 활용해 SK하이닉스 반도체 팹에 디지털 트윈을 적용한 사례가 담겼다. 옴니버스는 디지털 트윈과 3D 시뮬레이션을 위한 엔비디아의 협업 플랫폼이다. 실제 공장과 설비를 가상 공간에 구현하고, 공정 변경이나 설비 배치 영향을 사전에 검증하는 데 활용된다. ◆ 반도체 팹, 피지컬 AI 실증 무대로 부상 이번 사례가 주목받는 이유는 반도체 팹이 제조 현장 중에서도 가장 복잡한 공간으로 꼽히기 때문이다. 대규모 3D 데이터와 복잡한 설비 구조, 미세한 공정 조건이 맞물려 있어 단순 시각화 수준의 디지털 트윈으로는 운영 효율을 높이기 어렵다. AI가 공장의 데이터를 이해하고 최적화하는 피지컬 AI 플랫폼으로 진화해야 실질적인 효과를 낼 수 있다. SK하이닉스는 ‘자율형 공장 2030’ 구축을 목표로 지난해 SKT와 반도체 팹 대상 디지털 트윈 기술 검증을 완료했다. 향후 단계적으로 상용화를 추진할 계획이다. 자율형 팹은 오퍼레이션 AI, 피지컬 AI, 디지털 트윈을 세 축으로 삼아 공장이 스스로 학습하고 의사결정하는 제조 환경을 구현하는 것이 핵심이다. SKT는 엔비디아의 에이전트 툴킷을 활용해 제조 현장의 설비와 공간 구조 데이터를 디지털 트윈 환경에 맞게 자동화·지능화해 처리하는 ‘에이전틱 디지털 트윈 모델링’ 기술을 개발했다. 이를 통해 데이터 변환, 장면 최적화, 성능 개선 등 디지털 트윈 구축·운영 과정의 효율을 높일 수 있다는 설명이다. ◆ AI 풀스택 사업자로 제조 영역 확장 SKT가 젠슨 황 CEO의 기조연설에 등장한 것은 지난 3월 미국 산호세 GTC 2026에 이어 두 번째다. 당시 SKT는 테크맨 로봇, 보스턴 다이내믹스 등 글로벌 로봇·AI 기업들과 함께 전략적 파트너로 소개됐다. 이번 GTC 타이베이 재등장은 SKT가 피지컬 AI 분야에서 일회성 협력사가 아니라 지속적인 제조 AI 파트너로 자리 잡고 있음을 보여준다. SKT는 현재 엔비디아 옴니버스 라이브러리를 통합해 대규모 3D 장면의 로딩 속도와 실행 성능, GPU·메모리 사용 효율을 개선하는 방향으로 플랫폼을 고도화하고 있다. 이를 기반으로 AI 인프라, 모델, 서비스까지 아우르는 풀스택 AI 사업자로 공공·기업 시장 공략을 확대한다는 방침이다. 남은 과제는 기술 검증을 실제 제조 현장 성과로 연결하는 일이다. 디지털 트윈은 공정 시행착오를 줄이고 설비 운영 효율을 높일 수 있지만 현장 데이터 품질과 시스템 연동성, 보안, 운영 안정성이 함께 뒷받침돼야 한다. SKT가 반도체 팹에서 검증한 기술을 다른 제조 산업으로 확장할 수 있을지가 향후 사업화의 핵심 변수가 될 전망이다. 마이크 가이어 엔비디아 인더스트리얼 디지털 트윈 총괄은 “반도체 팹은 대규모 3D 데이터, 복잡한 설비 구조, 고도의 최적화 요구가 결합된 가장 까다로운 제조 환경 중 하나”라며 “SKT는 이러한 환경에서 엔비디아 옴니버스 에이전트 툴킷을 실제 산업 현장에 적용하고 검증할 수 있는 높은 수준의 기술 역량을 보여줬다”고 밝혔다. 조익환 SKT 피지컬 AI 담당은 “SKT는 엔비디아와의 협력을 통해 제조 디지털 트윈이 단순한 3D 시각화를 넘어, AI가 제조 현장의 대규모 3D 데이터를 이해하고 최적화하는 피지컬 AI 플랫폼으로 진화할 수 있음을 확인했다”며 “앞으로도 반도체를 비롯한 다양한 제조 산업에서 엔비디아와 함께 피지컬 AI 기술 파트너로서 역할을 확대해 나가겠다”고 말했다.
2026-06-01 14:51:46
-
-
-
현대차 vs 두산, 로봇 상용화 '수익성 고개' 누가 먼저 넘나
[경제일보] 대한민국을 대표하는 두 제조 거인, 현대자동차그룹과 두산의 시선이 ‘로봇’이라는 같은 지점을 향하면서도 그 방법론에서는 극명한 대조를 보이고 있다. 현대차가 인간을 닮은 휴머노이드를 통해 산업 생태계 전체를 바꾸려는 ‘대담한 도약’을 선택했다면, 두산은 사람 곁에서 즉각적인 도움을 주는 협동로봇(Cobot)을 통해 ‘실용적 진화’에 집중하고 있다. “차를 넘어 기계로”…‘아틀라스’에 담은 현대차의 꿈 현대차그룹이 공개한 보스턴다이내믹스의 휴머노이드 로봇 ‘아틀라스(Atlas)’ 개발형 모델은 로봇 공학의 정점을 보여줬다. 아틀라스는 단순한 보행을 넘어 물구나무를 서고 L자 균형 동작을 완벽하게 수행했다. 이 동작의 핵심은 ‘강화학습 기반 전신 제어 기술’에 있다. 이는 비정형 환경에서도 로봇이 스스로 균형을 잡고 복잡한 과업을 수행할 수 있음을 의미한다. 현대차의 전략은 명확하다. 로봇을 단순한 설비가 아닌, 자동차 바깥의 ‘모빌리티 운영체제’로 키우겠다는 것이다. 앞서 현대차그룹이 지난 2021년 소프트뱅크로부터 약 11억 달러에 보스턴다이내믹스를 인수한 것을 두고 ‘자동차 회사가 움직이는 기계 그 자체를 사들인 결정적 순간’이라는 평가가 나온 바 있다. 실제 현대차는 지난 CES2026에서 AI 로보틱스 비전을 구체화했다. 미국 조지아주 ‘현대차그룹 메타플랜트 아메리카(HMGMA)’에 아틀라스를 전격 투입한다는 계획이다. 현대차는 오는 2028년부터 반복적인 부품 배열 작업을 시작으로 2030년에는 고도의 숙련도가 필요한 조립 업무까지 로봇의 영역을 넓힐 계획이고, 연간 3만대 규모의 로봇 생산 체제 구축을 목표로 하고 있다. 엔비디아와 손잡은 두산…제조업 DX의 가장 현실적인 대안 현대차가 ‘미래’를 설계한다면 두산은 ‘현재’를 수선한다. 2015년 두산로보틱스 설립 이후 두산이 일관되게 밀고 온 카드는 협동로봇이다. 대규모 공정 교체 없이 기존 생산 라인에 즉시 투입 가능한 코봇은 중소·중견 기업의 실질적인 해법으로 떠올랐다. 두산의 경쟁력은 ‘현장 침투력’에서 나온다. 두산은 최근 제조업을 넘어 식음료(F&B), 의료, 물류 등으로 영역을 확장하고 있다. 특히 지난달 29일 두산로보틱스가 엔비디아(NVIDIA)와 ‘피지컬 AI’ 협력을 논의했다는 소식은 시장의 큰 관심을 끌었다. 양사는 두산의 로봇 운영체제와 엔비디아의 AI 인프라를 결합해 작업 환경을 실시간으로 인식하고 경로를 최적화하는 ‘지능형 협동로봇’ 개발에 박차를 가하고 있다. 실질적인 성과도 가시화되고 있다. 두산로보틱스는 광진그룹에 2027년까지 100대 이상의 제조용 로봇 솔루션을 공급하기로 했다. 기존 현장에서 제품 불량률을 ‘0’에 수렴하게 만든 실적이 대규모 수주로 이어진 것이다. 이는 고가의 자동화 설비 도입이 어려운 중소 제조업체들에게 코봇이 가장 현실적인 대안임을 증명하는 사례다. ‘멋진 영상’은 돈이 될까…상용화·노동 간극 숙제 두 기업 모두 장밋빛 미래만 있는 것은 아니다. 현대차의 아틀라스는 ‘멋진 영상물’을 넘어 ‘돈이 되는 제품’임을 증명해야 한다. 앞서 지난 2월 보스턴다이내믹스 경영진 교체를 두고도 현대차가 기술 과시형 연구에서 상용화와 수익 창출로 무게 중심을 옮기고 있다는 분석이 나오는 이유다. 또한 제조 현장 노동자와의 간극도 숙제다. 로봇 투입이 고용 충격으로 이어질 것이라는 우려를 어떻게 불식시키느냐가 기술 도입의 속도를 결정할 것으로 보인다. 두산은 ‘수익성 개선’이라는 현실적 과제에 직면해 있다. 올해 1분기 두산로보틱스의 매출은 전년 대비 약 190% 가까이 급증했지만, 여전히 121억원 규모의 영업손실을 기록했다. 시장은 커지고 있지만 글로벌 가격 경쟁이 치열해지고, 고객 맞춤형 솔루션 제공에 따르는 비용 부담이 크기 때문이다. 하드웨어 판매를 넘어 애플리케이션과 유지보수 등 서비스 영역에서 수익 모델을 확립하는 것이 시급하다. 로봇 밀도 1위 韓…‘양적 팽창’ 넘어 ‘질적 패권’ 쥐어야 국제로봇연맹(IFR)의 ‘World Robotics 2025’ 자료에 따르면, 한국은 직원 1만명당 로봇 1220대를 보유한 세계 1위의 로봇 밀도 국가다. 이미 로봇은 선택이 아닌 생존의 문제가 됐다. 정부 역시 ‘AI 로봇 M.AX 얼라이언스’를 통해 세계 3대 로봇 강국 도약을 목표로 핵심 부품 내재화와 규제 개선에 나서고 있다. 결국 현대차와 두산의 대결은 기술의 우열이 아닌 ‘산업 철학’의 대결이다. 현대차는 공장과 물류, 도시 전체를 잇는 거대 운영체제(OS)를 선점하려 하고, 두산은 사람의 팔이 닿지 않는 곳, 숙련공이 부족한 현장을 하나하나 고쳐나가고 있다. 다만 기술적 찬사가 걷힌 뒤에는 냉혹한 시장의 숫자가 이들을 기다리고 있다. 현대차에는 조지아 메타플랜트 투입 이후 아틀라스가 보여줄 ‘실제 공정 가동률’과 노동 유연성 확보 여부가, 두산에는 폭발적인 외형 성장을 실질적인 수익으로 치환할 ‘손익분기점(BEP) 달성 시점’이 향후 1~2년의 성패를 가를 결정적 지표(Critical Indicator)가 될 전망이다. 업계 관계자는 “30년 전 자동차와 중공업이 대한민국의 성장을 견인했듯 이제 로봇이 그 역할을 이어받아야 할 시점”이라며 “현대차의 아틀라스가 보여주는 압도적 기술력과 두산의 코봇이 보여주는 기민한 현장 대응력 중 누가 먼저 ‘돈이 되는 생태계’를 완성할 것인가에 주목된다”고 했다.
2026-05-14 16:34:01
-
-
-
-
-
-
자동차 넘어 기술 기업으로…현대차그룹 '자율주행·로봇 실증' 본격화
[이코노믹데일리] 현대자동차그룹이 올해를 기점으로 자동차 제조 중심의 사업 구조에서 기술 기반 산업군으로 영역을 확장한다. 완전자율주행이나 로봇 양산을 조기에 전면에 내세우기보다, 실제 차량과 제조 현장에서 기술을 검증하고 데이터를 축적하는 데 역량을 집중하는 전략이다. 자율주행 SDV 페이스카와 휴머노이드 로봇 실증은 현대차그룹이 그리고 있는 차세대 성장 곡선의 방향을 가늠할 분기점이 될 전망이다. ◆ SDV 페이스카로 방향 튼 자율주행 전략 현대차그룹은 자율주행 경쟁의 초점을 단순한 기술 시연에서 대규모 적용을 위한 '기반 구축'으로 옮기고 있다. 올해 하반기 투입을 예고한 SDV(소프트웨어 정의 차량) 페이스카는 판매를 전제로 한 신차가 아니라, 자율주행과 차량 소프트웨어 체계를 실제 도로 환경에서 검증하기 위한 실증 플랫폼에 가깝다. 외형이나 차급의 변화보다 차량이 구동하는 방식 자체를 혁신하는 데 초점이 맞췄다. SDV 페이스카는 고성능 차량용 컴퓨팅 시스템과 통합 전자·전기 아키텍처를 기반으로 설계된다. 기존처럼 기능별 제어기가 분산돼 작동하는 구조가 아니라, 차량 전반을 소프트웨어로 통합 관리하는 방식이다. 이 플랫폼 위에서 차로 유지와 고속도로 주행 보조, 차로 변경 보조 등 레벨 2+ 수준의 자율주행 기능이 구현된다. 비록 운전자의 개입을 전제로 한 주행 보조 단계지만 핵심은 기능 그 자체보다 이를 지속적으로 업데이트하고 개선할 수 있는 '유연한 구조'를 갖추는 데 있다. 현대차그룹이 SDV 페이스카를 통해 확보하려는 것은 완성된 자율주행 결과물이 아니라 '대규모 실차 데이터'다. 다양한 도로 환경과 교통 상황에서 축적되는 주행 데이터는 자율주행 알고리즘 고도화와 차량 운영체계(OS) 안정성 검증의 핵심 자산이 된다. 이 같은 접근은 자율주행 경쟁의 패러다임이 변화하고 있다는 점과 맞닿아 있다. 과거에는 레벨 상향이나 특정 기능의 구현이 기술 경쟁의 핵심이었다면 최근에는 실제 주행 환경에서 얼마나 방대한 데이터를 안정적으로 축적하고 이를 반복 학습(Deep Learning)할 수 있는지가 경쟁력을 좌우하는 요소로 떠올랐기 때문이다. 그룹은 SDV 페이스카를 통한 실증을 거쳐 오는 2027년 말 이후 양산차를 중심으로 레벨 2+ 자율주행 기술 적용 범위를 단계적으로 확대한다는 구상이다. 특정 차급이나 일부 모델에 한정하기보다 플랫폼을 공유하는 차량 전반으로 기술을 확산하는 구조를 염두에 두고 있다. ◆ 로보틱스도 실증부터… 현장 적용 전 단계에 역량 집중 로보틱스 분야에서도 현대차그룹의 전략은 '실증'에 방점이 찍혀 있다. 그룹은 CES 2026 미디어데이에서 보스턴 다이내믹스의 차세대 전동식 휴머노이드 로봇 '아틀라스(Atlas)'의 실물을 공개하고 제조 현장 적용을 고려한 로봇 전략을 제시할 계획이다. 이는 단순한 기술 쇼케이스를 넘어 실제 생산 환경과 유사한 조건에서 로봇의 실질적인 활용 가능성을 검증하는 단계다. 현대차그룹은 로봇을 별도의 미래 사업으로 분리하기보다 제조 경쟁력을 끌어올리는 핵심 기술 요소로 접근하고 있다. 반복 작업 보조와 작업자 안전 강화, 공정 효율 개선 등 현실적인 역할부터 단계적으로 적용 가능성을 점검하는 방식이다. 이는 로봇이 단기간에 생산 주체를 완전히 대체할 것이라는 급진적인 접근과는 거리가 있다. 반면 로봇 전략은 '소프트웨어 정의 공장(SDF, Software Defined Factory)' 구상과도 긴밀히 맞물린다. SDF는 설비와 로봇, 물류, 인력을 하나의 운영 시스템으로 통합 관리하는 개념이다. 공정을 물리적 설비 중심이 아니라 소프트웨어 중심으로 재구성함으로써 생산량 조정이나 공정 변경의 유연성을 극대화하겠다는 구상이다. 로봇은 이 시스템 안에서 필요에 따라 투입되고 역할을 부여받는 핵심 구성 요소로 기능한다. 현재 현대모비스 등 주요 부품 계열사를 중심으로 액추에이터, 센서, 제어 기술 개발이 병행됨에 따른 것으로 풀이된다. 자율주행과 로보틱스를 관통하는 현대차그룹의 공통 전략은 신기술을 조기에 출시하기보다, 실제 현장에서의 작동 여부를 철저히 검증하고 이를 반복 적용할 수 있는 '표준화된 구조'를 만드는 데 투자 방향을 맞추고 있다. 이는 자동차 판매 중심의 전통적인 성장 모델에서 벗어나 소프트웨어와 데이터, 자동화 기술을 축으로 한 새로운 수익 구조를 준비하는 과정으로 해석된다. 현대차그룹 관계자는 "신뢰성을 최우선으로 하는 데이터 기반 생산 체계를 토대로 AI 로보틱스, 부품, 물류, 소프트웨어 등 밸류체인 전반을 통합 관리할 것"이라며 "로봇 개발부터 학습, 운영까지 아우르는 종합 솔루션 제공자(Total Solution Provider)로 자리매김할 계획"이라고 말했다.
2026-01-01 08:08:00
-