[현장] “피지컬 AI, 로봇보다 현장이 먼저”…글로벌 석학·현대차가 제시한 산업 AI 해법 작성일 10-28 44 목록 <div id="layerTranslateNotice" style="display:none;"></div> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="PyAXnTd8vL"> <div contents-hash="738db86ed47c4f06a4ace97a32cf399daed8d0475ff864aee67f22792fec647b" dmcf-pid="QYk5oWiPln" dmcf-ptype="general"> <h5>단드레아 ETH 교수, Kiva 성공 사례로 자동화의 확장성과 휴머노이드 상용화 과제 제시</h5> <h5>박민우 현대차 사장, 실환경 데이터·SDV 표준화·컴퓨팅 역량 통한 피지컬 AI 전략 강조</h5> <h5>정부 지원과 산업 데이터 공유 체계 논의…“작은 실패와 성공 반복하는 실행력 필요”</h5> <div> </div> </div> <figure class="figure_frm origin_fig" contents-hash="fa9b2576e08f435105a0b882e9333fbf8d04d642d0354e7f3a4ffbf479958e39" dmcf-pid="xGE1gYnQCi" dmcf-ptype="figure"> <p class="link_figure"><img alt="경기 고양시 킨텍스에서 열린 'K Connect AI 2026' 컨퍼런스(M.AX CON)에서는 (왼쪽)라파엘로 단드레아(Raffaello D'Andrea) 스위스 취리히연방공대(ETH Zurich) 교수와 박민우 현대자동차·기아 AVP 본부장(사장)이 피지컬 AI의 상용화 조건과 한국 산업계의 대응 방향을 제시했다. (이미지=AI로 생성)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202610/28/552816-OGTrtXj/20261028075700021qbgc.png" data-org-width="1024" dmcf-mid="0cxbsUwal4" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202610/28/552816-OGTrtXj/20261028075700021qbgc.png" width="658"></p> <figcaption class="txt_caption default_figure"> 경기 고양시 킨텍스에서 열린 'K Connect AI 2026' 컨퍼런스(M.AX CON)에서는 (왼쪽)라파엘로 단드레아(Raffaello D'Andrea) 스위스 취리히연방공대(ETH Zurich) 교수와 박민우 현대자동차·기아 AVP 본부장(사장)이 피지컬 AI의 상용화 조건과 한국 산업계의 대응 방향을 제시했다. (이미지=AI로 생성) </figcaption> </figure> <div contents-hash="bc5257331c0ea1386c5d07525a5cf1ed36bf94371bdd3122fe6ff4b5df167384" dmcf-pid="yezLFR5TWJ" dmcf-ptype="general"> <div> </div> </div> <p contents-hash="ef915493be456efe5e6e683b804bbb7a6f8d5791dcdfacfa8082686911422f20" dmcf-pid="Wdqo3e1yyd" dmcf-ptype="general">휴머노이드 로봇이 달리고 공중제비를 도는 모습은 기술의 발전 가능성을 보여준다. 그러나 산업 현장에서 로봇의 가치를 결정하는 기준은 다르다. 실제 작업을 얼마나 안정적으로 수행하고, 유지보수 비용을 감당하면서 장기간 운영할 수 있는지가 관건이다. 피지컬 인공지능(AI)의 경쟁력을 확보하려면 기술 자체의 발전과 함께 현실에서 해결할 수 있는 문제를 찾고, 그 성과를 산업 전반으로 확산할 수 있는 체계가 필요하다는 제언이 나왔다. </p> <p contents-hash="c1fd651374ac512f1be0093dfd9280f8cfb838802e9c30e988c35ae099680b6b" dmcf-pid="YJBg0dtWWe" dmcf-ptype="general">지난 21일 경기 고양시 킨텍스에서 열린 'K Connect AI 2026' 컨퍼런스(M.AX CON)에서는 라파엘로 단드레아(Raffaello D'Andrea) 스위스 취리히연방공대(ETH Zurich) 교수와 박민우 현대자동차·기아 AVP 본부장(사장)이 피지컬 AI의 상용화 조건과 한국 산업계의 대응 방향을 제시했다. </p> <p contents-hash="860c4122a7d7bd9323b63c93e4fc21b4f083d46ce5442baadeb1ecd3398f472c" dmcf-pid="GibapJFYhR" dmcf-ptype="general">단드레아 교수는 '해결하기 쉬운 문제를 찾아서(Finding the Easy Problems)'라는 주제로 기술 시연과 산업적 성공의 차이를 짚었다. 박 사장은 '글로벌 피지컬 AI 대전환 흐름 속, 대한민국이 함께 만들어갈 생태계'를 주제로 실환경 데이터와 제조·양산 역량을 연결하는 전략을 설명했다. 이어진 대담에서는 정부와 기업의 협력, 데이터 표준화, 중소기업 참여, 향후 5년의 실행 전략으로 논의가 확장됐다. </p> <div contents-hash="06996820b00adcc9224d76b668d48e1cbc688857662a246c4923278be3e83fd6" dmcf-pid="HnKNUi3GSM" dmcf-ptype="general"> <strong>‘쉬운 문제’ 찾는 것이 피지컬 AI 상용화의 출발점</strong> <div> </div> </div> <figure class="figure_frm origin_fig" contents-hash="cbf7b529e1fb4400dabe2e3a1dc822fdf09bd60023d2c1e436f03419b87466f8" dmcf-pid="X63RH8WITx" dmcf-ptype="figure"> <p class="link_figure"><img alt="단드레아 교수는 제조·자동화 분야에서 대규모 상용화에 성공한 사례로 산업용 로봇 팔, 로봇청소기 룸바(Roomba), 물류 자동화 기업 키바시스템즈(Kiva Systems)를 제시했다. (사진=테크42)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202610/28/552816-OGTrtXj/20261028075701593bdhr.jpg" data-org-width="1024" dmcf-mid="XklGJSRfWW" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202610/28/552816-OGTrtXj/20261028075701593bdhr.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 단드레아 교수는 제조·자동화 분야에서 대규모 상용화에 성공한 사례로 산업용 로봇 팔, 로봇청소기 룸바(Roomba), 물류 자동화 기업 키바시스템즈(Kiva Systems)를 제시했다. (사진=테크42) </figcaption> </figure> <div contents-hash="4b69a0ca48f5eda428b446a635fe5c17b70585779ae2ae87465d3bc74751cccc" dmcf-pid="ZP0eX6YCSQ" dmcf-ptype="general"> <div> </div> </div> <p contents-hash="65ed10a47b0051cf1eb68f4cf45c4bb4af3934e7af5096ce1583cf60790e9998" dmcf-pid="5QpdZPGhyP" dmcf-ptype="general">단드레아 교수는 제조·자동화 분야에서 대규모 상용화에 성공한 사례로 산업용 로봇 팔, 로봇청소기, 물류 자동화 기업 키바시스템즈(Kiva Systems)를 제시했다. 이들 기술의 공통점은 모든 작업을 해결하려 하지 않고 특정 환경과 작업에 집중했다는 것이다. 단드레아 교수는 기술적으로 복잡하지 않다는 의미가 아니라 안정적으로 구현하고 여러 현장에 반복 적용할 수 있다는 의미에서 이를 '쉬운 문제'라고 설명했다. </p> <p contents-hash="f247273a20302da07eb98a228409ab022a2405955a5f242ab7857f4196c9afcf" dmcf-pid="1xUJ5QHlv6" dmcf-ptype="general">“쉬운 문제라고 부르는 이유는 대규모로 확산할 수 있었기 때문입니다. 실제로 이들 사례들은 핵심 기술이 개발된 뒤 빠르게 규모를 키우면서 큰 영향을 미쳤습니다. 공통점은 모두 제한된 환경에서 작동했다는 것입니다. 비교적 좁은 범위의 작업을 매우 높은 신뢰도로 수행했기 때문에 가치를 제공할 수 있었습니다.” </p> <p contents-hash="4b338bfdbef4472709266f1ef54cd9de21f117109d6b68004a312b8952996607" dmcf-pid="tMui1xXSl8" dmcf-ptype="general">특히 키바시스템즈는 단드레아 교수가 공동창업한 기업이기도 하다. 키바시스템즈가 선보인 자율이동로봇 키바(Kiva)는 물류창고에서 사람이 상품을 찾아 이동하는 방식을 바꿨다. 자율이동로봇이 상품이 담긴 선반을 작업자 앞으로 운반하고, 사람이 필요한 상품을 집어 주문을 처리하는 구조다. 상품을 집는 작업까지 한꺼번에 자동화하면서도 로봇이 안정적으로 수행할 수 있는 이동 작업에 집중했다. </p> <div contents-hash="d8f24c55a33bc1683804d7435ae617429899fefade941d659e336b6a0f2709f4" dmcf-pid="FR7ntMZvv4" dmcf-ptype="general"> 키바는 이후 아마존에 인수돼 아마존 로보틱스(Amazon Robotics)의 기반이 됐다. 단드레아 교수는 그 이후 다시 공동 창업한 베리티(Verity)에서도 유사한 접근을 이어가고 있다. 베리티의 자율비행 드론은 물류창고 내부를 이동하면서 재고 정보를 수집한다. 드론이 상품을 직접 옮기는 대신 현장의 정보를 파악하고 관리하는 작업에 집중하는 방식이다. <div> </div> </div> <figure class="figure_frm origin_fig" contents-hash="5200eb3de5b76e5de7cd08a645209d7701bb5834bce7c981bbcf26b1a2fb1c89" dmcf-pid="3ezLFR5TSf" dmcf-ptype="figure"> <p class="link_figure"><img alt="키바 성공 이후 단드레아 교수는 다시 공동 창업한 베리티(Verity)에서도 유사한 접근을 이어가고 있다. 베리티의 자율비행 드론은 물류창고 내부를 이동하면서 재고 정보를 수집한다. 드론이 상품을 직접 옮기는 대신 현장의 정보를 파악하고 관리하는 작업에 집중하는 방식이다. (사진=테크42)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202610/28/552816-OGTrtXj/20261028075703106cbdc.jpg" data-org-width="1024" dmcf-mid="bcFzw3kLSE" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202610/28/552816-OGTrtXj/20261028075703106cbdc.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 키바 성공 이후 단드레아 교수는 다시 공동 창업한 베리티(Verity)에서도 유사한 접근을 이어가고 있다. 베리티의 자율비행 드론은 물류창고 내부를 이동하면서 재고 정보를 수집한다. 드론이 상품을 직접 옮기는 대신 현장의 정보를 파악하고 관리하는 작업에 집중하는 방식이다. (사진=테크42) </figcaption> </figure> <div contents-hash="ec20671ee5bdec8ae3d9115ebdeed4db9f0bc96276aea51538b529efe435892e" dmcf-pid="0dqo3e1yyV" dmcf-ptype="general"> <div> </div> </div> <p contents-hash="864df27cb206d907aa9662b3e9617ddf3ec3bcbc97f45a57cb0cabd1d19381dd" dmcf-pid="pJBg0dtWT2" dmcf-ptype="general">그러면서도 단드레아 교수는 자율주행과 휴머노이드는 해결해야 할 기술적·경제적 문제가 훨씬 복잡하다고 진단했다. 특히 휴머노이드는 자동차와 달리 이미 오랜 기간 검증된 물리적 플랫폼을 활용하기 어렵다. 로봇 전체의 구동 장치와 센서, 연산 시스템을 통합해 높은 신뢰성을 확보해야 하기 때문이다. </p> <p contents-hash="714463c56a6879bdc70fb8b00a82d308680823e31c84569137f3a1d3640edf49" dmcf-pid="UqW2CzsAh9" dmcf-ptype="general">“자율주행차는 오랜 역사를 가진 자동차라는 기반 위에서 개발되고 있습니다. 자동차를 위해 설계된 도로가 있고, 자율주행을 위한 제어도 조향과 가속·제동에 집중됩니다. 하지만 휴머노이드는 구동과 감지, 연산 등 모든 요소를 (기반이 없는 상황에서)매우 높은 신뢰도로 만들어야 합니다. 여러 측면에서 자율주행차보다 훨씬 어려운 문제입니다.” </p> <div contents-hash="e74ade80ba5c18a717a7a128d0156d8c0ebfdc92692e2d5c400a4ba1e51e5749" dmcf-pid="uBYVhqOcTK" dmcf-ptype="general"> 또한 단드레아 교수는 휴머노이드가 달리거나 공중제비를 도는 시연과 실제 산업 현장에서 가치를 창출하는 것은 구분해야 한다고 지적했다. 짧은 영상에서 뛰어난 움직임을 보여주는 것과 실제 하중을 다루고 사람 주변에서 안전하게 작업하는 것은 다른 문제다. 장시간 운용에 따른 고장과 유지보수 부담까지 고려하면 시간당 작업 비용을 기존 자동화 방식과 비교해야 한다는 설명이다. <div> </div> </div> <figure class="figure_frm origin_fig" contents-hash="6615755be47276add30d8be6c6e268dd838c104e5ecb32ae04a4000e07f76d31" dmcf-pid="7bGflBIkTb" dmcf-ptype="figure"> <p class="link_figure"><img alt="단드레아 교수는 자율주행과 휴머노이드는 해결해야 할 기술적·경제적 문제가 훨씬 복잡하다고 진단했다. 특히 휴머노이드는 자동차와 달리 이미 오랜 기간 검증된 물리적 플랫폼을 활용하기 어렵다. 로봇 전체의 구동 장치와 센서, 연산 시스템을 통합해 높은 신뢰성을 확보해야 하기 때문이다. (사진=테크42)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202610/28/552816-OGTrtXj/20261028075704597mmug.jpg" data-org-width="1024" dmcf-mid="KCcczoUZvk" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202610/28/552816-OGTrtXj/20261028075704597mmug.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 단드레아 교수는 자율주행과 휴머노이드는 해결해야 할 기술적·경제적 문제가 훨씬 복잡하다고 진단했다. 특히 휴머노이드는 자동차와 달리 이미 오랜 기간 검증된 물리적 플랫폼을 활용하기 어렵다. 로봇 전체의 구동 장치와 센서, 연산 시스템을 통합해 높은 신뢰성을 확보해야 하기 때문이다. (사진=테크42) </figcaption> </figure> <div contents-hash="46dfd873590d75ce6450fed63d6bd4de7e4e988251fdc7b7c2c2a730096adacd" dmcf-pid="zKH4SbCETB" dmcf-ptype="general"> <div> </div> </div> <p contents-hash="f7dd4444ff375db7dbdf1a03b5b783d5fd6b0f44666450463578a9e9661c95b0" dmcf-pid="q9X8vKhDSq" dmcf-ptype="general">실제 물리 환경에서의 학습도 강조했다. 단드레아 교수는 연구실에서 개발한 '사이버러너(CyberRunner)'를 사례로 소개했다. AI가 실물 미로 게임을 반복하면서 강화학습을 통해 제어 방법을 익히는 시스템이다. 복잡한 물리 현상을 시뮬레이션으로 모두 재현하기보다 실제 장치에서 얻은 경험을 학습에 활용하는 접근이다. </p> <p contents-hash="7531933912d8437498a6c5d8c933851e7a6ac7542f2ebc5277050f129ec53057" dmcf-pid="B2Z6T9lwWz" dmcf-ptype="general">“피지컬 AI는 로봇이 아니라 환경에서 출발합니다. 먼저 어떤 환경에 있는지 살펴보고 그 환경을 자동화하는 데 가장 적합한 방법을 찾아야 합니다. 기술 시연은 재미있고 새로운 가능성을 보여줄 수 있습니다. 하지만 정말 어려운 일은 기술과 실제 상업적 요구가 만나는 지점에서 쉬운 문제를 찾는 것입니다. 기술이 현장의 요구에 일방적으로 맞추거나 현장이 기술을 그대로 받아들이는 것이 아니라 서로 조정할 수 있어야 합니다.” </p> <p contents-hash="f00c0432e5ebe6f68aa6f915396e9df6eb0572863e99b205f10c0996002c8a8a" dmcf-pid="bV5Py2Sry7" dmcf-ptype="general">이는 피지컬 AI 도입을 반드시 범용 휴머노이드 개발에서 시작할 필요는 없다는 의미다. 기존 생산·물류 환경을 분석하고 현재 기술로 해결할 수 있는 작업부터 자동화하는 방식도 산업적 성과로 이어질 수 있다. 자동화 방식의 선택에서 로봇의 외형이나 기술적 복잡성보다 현장의 요구와 경제성이 먼저 고려돼야 한다는 것이다. </p> <div contents-hash="78f8120dc56c51c97ef9522dba2d56321a6f7abbcc64f21beab7a44659f99445" dmcf-pid="Kf1QWVvmCu" dmcf-ptype="general"> <strong>현대차 “실환경 데이터가 경쟁력”…SDV·컴퓨팅 기반 확장</strong> <div> </div> </div> <figure class="figure_frm origin_fig" contents-hash="08aca821ee1403d9240c66939331337c202bb8aab3a74f8a309516ab38c6a88d" dmcf-pid="93C7DFcnTU" dmcf-ptype="figure"> <p class="link_figure"><img alt="박민우 사장은 피지컬 AI의 경쟁력을 결정할 핵심 요소로 현실에서 확보한 경험 데이터와 이를 반복적으로 학습·개선하는 체계를 제시했다. (사진=테크42)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202610/28/552816-OGTrtXj/20261028075706086oqpu.jpg" data-org-width="1024" dmcf-mid="9O88vKhDhc" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202610/28/552816-OGTrtXj/20261028075706086oqpu.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 박민우 사장은 피지컬 AI의 경쟁력을 결정할 핵심 요소로 현실에서 확보한 경험 데이터와 이를 반복적으로 학습·개선하는 체계를 제시했다. (사진=테크42) </figcaption> </figure> <div contents-hash="681742c916e8af65308a85f59a076941c1215e1d2ad855e4f9573ede35e42d7f" dmcf-pid="20hzw3kLhp" dmcf-ptype="general"> <div> </div> </div> <p contents-hash="4a3a6c8e339a244547b76ebd47b3d1bfb3ef4710ed1703e64fa18af3f2cadd9b" dmcf-pid="Vplqr0EoW0" dmcf-ptype="general">박민우 사장은 피지컬 AI의 경쟁력을 결정할 핵심 요소로 현실에서 확보한 경험 데이터와 이를 반복적으로 학습·개선하는 체계를 제시했다. </p> <p contents-hash="07650df881acb5205d565d65d7e5a684a5855a1d8b3d5ee3f3f60f68b15120ce" dmcf-pid="fUSBmpDgT3" dmcf-ptype="general">생성형 AI가 디지털 공간의 정보를 이해하고 새로운 콘텐츠를 생성하는 기술이라면 피지컬 AI는 차량과 로봇, 생산설비가 현실 세계를 인식하고 판단해 실제 행동으로 연결하는 기술이다. 그러나 현실 환경은 일정하지 않다. 같은 도로라도 날씨와 교통 상황에 따라 조건이 달라지고, 같은 공장에서도 설비 상태와 작업 조건에 따라 예상하지 못한 문제가 발생한다. 박 사장은 “기술 개발만이 전부는 아니”라며 말을 이어갔다. </p> <div contents-hash="8ae0ddbb6465cdb08e430192d41323314acc81f40372c3ca090a3f246ff68b7c" dmcf-pid="4uvbsUwaSF" dmcf-ptype="general"> “이렇게 끊임없이 변하는 현실에서는 기술을 개발하는 것만으로 승부가 나지 않습니다. 실제 현장에서 안정적으로 작동하도록 만드는 과정이 필요합니다. 이를 위해서는 현실에서 의미 있는 경험을 확보하고 AI 학습과 검증으로 연결해 다시 제품에 반영해야 합니다. 이 과정이 반복될수록 AI는 더 많이 학습하고 제품은 계속 좋아지는데, 이것이 바로 데이터 플라이휠입니다.” <div> </div> </div> <figure class="figure_frm origin_fig" contents-hash="ba6471f9bd0ab1e96e13a01dd636b5e80b0bf170f1c16b8e125c45247e73922e" dmcf-pid="87TKOurNlt" dmcf-ptype="figure"> <p class="link_figure"><img alt="박 사장이 소개한 데이터 플라이휠(Data Flywheel)은 실제 환경에서 데이터를 수집하고 이를 AI 모델의 학습과 검증에 활용한 뒤 개선된 기술을 다시 제품에 적용하는 선순환 구조다. 제품이 현장에서 새로운 데이터를 확보하면 이를 다시 학습에 반영해 성능을 고도화하는 방식이다. (사진=테크42)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202610/28/552816-OGTrtXj/20261028075707554lfgd.jpg" data-org-width="1024" dmcf-mid="2bEEBa71TA" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202610/28/552816-OGTrtXj/20261028075707554lfgd.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 박 사장이 소개한 데이터 플라이휠(Data Flywheel)은 실제 환경에서 데이터를 수집하고 이를 AI 모델의 학습과 검증에 활용한 뒤 개선된 기술을 다시 제품에 적용하는 선순환 구조다. 제품이 현장에서 새로운 데이터를 확보하면 이를 다시 학습에 반영해 성능을 고도화하는 방식이다. (사진=테크42) </figcaption> </figure> <div contents-hash="3a62c388d067ca6a8eaa272a023925ab6cc0fa361aeff0739a0db2e8be3f86ed" dmcf-pid="6zy9I7mjh1" dmcf-ptype="general"> <div> </div> </div> <p contents-hash="25df4cc3914994e0a3277a283c9d659b5d2b8b3dd809d1d34d7fcaea61d0252e" dmcf-pid="PqW2CzsAh5" dmcf-ptype="general">데이터 플라이휠(Data Flywheel)은 실제 환경에서 데이터를 수집하고 이를 AI 모델의 학습과 검증에 활용한 뒤 개선된 기술을 다시 제품에 적용하는 선순환 구조다. 제품이 현장에서 새로운 데이터를 확보하면 이를 다시 학습에 반영해 성능을 고도화하는 방식이다. </p> <p contents-hash="390cb72285eb60953b286537369cc2f6c81d4365a6f5799119a5f4da96f44dbb" dmcf-pid="QBYVhqOcWZ" dmcf-ptype="general">박 사장은 한국의 자동차, 전자, 조선, 배터리, 철강, 기계 등 제조 기반을 이러한 선순환 체계를 구축할 수 있는 자산으로 평가했다. 제조 현장에는 공장 운영과 품질 관리, 설비 문제 해결 과정에서 축적한 경험이 존재한다. 이를 AI가 학습할 수 있는 데이터로 전환하고 제품 개선까지 연결해야 제조 역량이 피지컬 AI 경쟁력으로 이어질 수 있다는 설명이다. </p> <p contents-hash="c693e4033212cc7bfaf8abfc4e58d34fbb2c6a2c79e342b6b3857228683b2213" dmcf-pid="xnKNUi3GyX" dmcf-ptype="general">그럼에도 불구하고 자율주행에서는 데이터 확보의 어려움이 더욱 두드러진다. 일반적인 주행 데이터와 달리 발생 빈도는 낮지만 안전에 중대한 영향을 미칠 수 있는 상황을 충분히 학습해야 하기 때문이다. 이른바 '롱테일 엣지 케이스(Long-tail Edge Cases)'다. </p> <p contents-hash="d8dc58b5e046350fc31e11a286980871236b658515c817253d5a4f181d1479d2" dmcf-pid="y5m0AZaeTH" dmcf-ptype="general">“일상적인 주행 데이터는 비교적 쉽게 확보할 수 있습니다. 하지만 공사로 차선이 갑자기 바뀌거나 예상하지 못한 위치에서 보행자가 나타나는 상황은 발생 빈도가 매우 낮습니다. 이런 상황은 안전사고와 직접 연결될 수 있기 때문에 중요합니다. 결국 자율주행 AI의 고도화는 롱테일 엣지 케이스를 얼마나 효과적으로 찾아내고 학습과 검증에 빠르게 반영하느냐에 달려 있습니다.” </p> <p contents-hash="3bd4e31d4ef107e8660f5de211bb5ff1de29b0c99d4a5fe076a5a88c5988f9d5" dmcf-pid="W1spc5NdhG" dmcf-ptype="general">현대차그룹은 서울과 판교, 광주 등 실제 도로 환경에서 주행 테스트를 진행하면서 다양한 돌발 상황 데이터를 확보하고 있다. 수집한 데이터를 AI 학습과 검증에 반영하고 개선된 기능을 다시 차량에 적용하는 과정을 반복하고 있다는 것이 박 사장의 설명이다. </p> <div contents-hash="ef1bcc4b8622afe102f4294c1a7ed66950fa1e8c9c7ed8846a7d688512469f26" dmcf-pid="YtOUk1jJvY" dmcf-ptype="general"> 그러면서 박 사장은 현대차그룹이 글로벌 시장에서 연간 700만 대 이상의 차량을 판매하는 규모를 갖췄다는 점도 언급했다. 다만 차량이 많다고 곧 바로 학습 데이터를 많이 확보할 수 있다는 의미는 아니다. <div> </div> </div> <figure class="figure_frm origin_fig" contents-hash="9ba48e4a3aa082759248c47fba3b0c4efa2f44aaa0941c0e06410f1d372ce450" dmcf-pid="GFIuEtAiyW" dmcf-ptype="figure"> <p class="link_figure"><img alt="박 사장은 이를 위해서는 차량에 탑재되는 센서뿐 아니라 소프트웨어, 데이터 구조, 반도체와 컴퓨팅 환경까지 연결하는 ‘공통 기반’이 필요하다는 점을 강조했다. (사진=테크42)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202610/28/552816-OGTrtXj/20261028075709017zoci.jpg" data-org-width="1024" dmcf-mid="VH1BmpDgvj" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202610/28/552816-OGTrtXj/20261028075709017zoci.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 박 사장은 이를 위해서는 차량에 탑재되는 센서뿐 아니라 소프트웨어, 데이터 구조, 반도체와 컴퓨팅 환경까지 연결하는 ‘공통 기반’이 필요하다는 점을 강조했다. (사진=테크42) </figcaption> </figure> <div contents-hash="270098de24f15013ea4172d4a9cef9d61dbbe899fd4180b92ce7b0f2dd89ce57" dmcf-pid="H3C7DFcnWy" dmcf-ptype="general"> <div> </div> </div> <p contents-hash="7a799366fa9bbcdfdb60a8e2592e6096ab8938f6cb80ef541d5802ccb952ec99" dmcf-pid="X0hzw3kLyT" dmcf-ptype="general">“차량 수가 많다고 해서 그 데이터가 곧바로 AI의 학습 자산이 되는 것은 아닙니다. 차량마다 센서 구조와 컴퓨팅 환경이 다르고 데이터를 수집하고 처리하는 방식도 다릅니다. 그래서 센서 체계를 표준화하고 컴퓨팅과 소프트웨어, 데이터 구조까지 소프트웨어 중심 자동차(SDV)에 맞게 통합해 나가고 있습니다. 그래야 더 많은 양산차에서 같은 기준으로 데이터를 확보하고 AI 학습과 제품 개선에 활용할 수 있습니다.” </p> <div contents-hash="6492603a1eb4718ea93a381c1a60d2f968ce4a7366f6dd2f2a6388e8fa5619db" dmcf-pid="Zplqr0Eovv" dmcf-ptype="general"> 박 사장은 이를 위해서는 차량에 탑재되는 센서뿐 아니라 소프트웨어, 데이터 구조, 반도체와 컴퓨팅 환경까지 연결하는 ‘공통 기반’이 필요하다는 점을 강조했다. 이는 정부 및 관계 기관과 추진하는 SDV 표준화 협력과도 이어진다. 기술과 부품을 개발하는 기업들이 공통 기준을 활용할 수 있어야 새로운 기술을 양산차에 적용하는 과정도 원활해진다는 것이다. <div> </div> </div> <figure class="figure_frm origin_fig" contents-hash="f6bccc492a6947f7f44ca156f2e7a5869ea90c904b41b1ba88ecf0965eaeea8b" dmcf-pid="5USBmpDgCS" dmcf-ptype="figure"> <p class="link_figure"><img alt="박 사장은 컴퓨팅 역량 역시 중요한 조건으로 제시했다. 차량이나 로봇이 현장에서 즉각 판단하고 반응하기 위한 온디바이스 AI 컴퓨팅과 대규모 데이터를 학습·검증하는 AI 인프라가 함께 발전해야 한다는 설명이다. (사진=테크42)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202610/28/552816-OGTrtXj/20261028075710510ywyn.jpg" data-org-width="1024" dmcf-mid="fXQg0dtWyN" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202610/28/552816-OGTrtXj/20261028075710510ywyn.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 박 사장은 컴퓨팅 역량 역시 중요한 조건으로 제시했다. 차량이나 로봇이 현장에서 즉각 판단하고 반응하기 위한 온디바이스 AI 컴퓨팅과 대규모 데이터를 학습·검증하는 AI 인프라가 함께 발전해야 한다는 설명이다. (사진=테크42) </figcaption> </figure> <div contents-hash="6c2327b5fb9781a6152e290fff8cf5e435e1b149225a0ad1bd1e7a952913f905" dmcf-pid="11spc5Ndhl" dmcf-ptype="general"> <div> </div> </div> <p contents-hash="bac32a8ac5354103584fde39b489231e794820dd4818a6131c98f4cdf55a4643" dmcf-pid="ttOUk1jJSh" dmcf-ptype="general">박 사장은 컴퓨팅 역량 역시 중요한 조건으로 제시했다. 차량이나 로봇이 현장에서 즉각 판단하고 반응하기 위한 온디바이스 AI 컴퓨팅과 대규모 데이터를 학습·검증하는 AI 인프라가 함께 발전해야 한다는 설명이다. </p> <p contents-hash="20d6d236b05867ad6ca729af9a5c62f45bf14486ba90e80e6c9d83ec0f1f27c3" dmcf-pid="FFIuEtAihC" dmcf-ptype="general">특히 차량용 AI 반도체는 연산 성능뿐 아니라 전력 소모, 발열, 내구성, 소프트웨어 호환성, 기능 안전과 양산 품질까지 충족해야 한다. 이와 관련 현대차그룹은 산업통상부가 추진하는 K-온디바이스 AI 반도체 기술개발 국가 연구개발 사업에도 참여하고 있다는 것이 박 사장의 설명이다. </p> <p contents-hash="8460c1396a1f84a891d3acb65ca6f40bc1d0dfa29a3b97c13c6475fa4b33e94a" dmcf-pid="33C7DFcnlI" dmcf-ptype="general">그러면서도 박 사장은 이러한 반도체와 AI 데이터센터, 피지컬 AI 기술개발을 각각 분리된 과제로 접근해서는 안 된다고 강조했다. 현장에서 데이터를 만들고 대규모로 학습한 뒤 개선된 기술을 다시 제품과 산업 현장에 적용하는 하나의 체계로 연결해야 한다는 것이다. </p> <div contents-hash="712492b0d9070079b66b176be2077d9542d543c4ccae244bb218468ca2a5afe9" dmcf-pid="00hzw3kLhO" dmcf-ptype="general"> <strong>“정부·기업 함께 데이터 생태계 구축”…작은 성공 반복할 실행력 강조</strong> <div> </div> </div> <figure class="figure_frm origin_fig" contents-hash="f38f7da2844732dd8c3b33ed0a5f32e35b412ef360928cc263f582a00b374041" dmcf-pid="pplqr0Eols" dmcf-ptype="figure"> <p class="link_figure"><img alt="대담에서는 개별 기업의 기술개발과 데이터 확보 역량을 국가 산업 전반의 경쟁력으로 연결하는 문제가 집중적으로 논의됐다. (사진=테크42)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202610/28/552816-OGTrtXj/20261028075711990pxwx.jpg" data-org-width="1024" dmcf-mid="4kgWehx2ha" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202610/28/552816-OGTrtXj/20261028075711990pxwx.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 대담에서는 개별 기업의 기술개발과 데이터 확보 역량을 국가 산업 전반의 경쟁력으로 연결하는 문제가 집중적으로 논의됐다. (사진=테크42) </figcaption> </figure> <div contents-hash="ec94f371728a80f89302c9d7ae16053d922875e8801e23a5b0536572164ba294" dmcf-pid="UUSBmpDgSm" dmcf-ptype="general"> <div> </div> </div> <p contents-hash="2ae7b99a6239157535c1c354bfbc85aaefb0875a7ea1587eca6989f5a2601d88" dmcf-pid="uuvbsUwaWr" dmcf-ptype="general">이어진 대담에서는 개별 기업의 기술개발과 데이터 확보 역량을 국가 산업 전반의 경쟁력으로 연결하는 문제가 집중적으로 논의됐다. </p> <p contents-hash="5fdc2349bbfcfd401f08360b8b31a86c3c573e3e606fb282b3d3e7a728b350e4" dmcf-pid="77TKOurNvw" dmcf-ptype="general">단드레아 교수는 기술개발 성과를 실제 산업에 적용하기 위해서는 기술을 가진 연구자와 현장의 문제를 이해하는 산업계가 함께 협력해야 한다고 강조했다. 새로운 기술에 맞춰 현장의 문제를 적절하게 조정하거나, 반대로 현장의 요구를 반영해 기술을 개선하는 과정이 필요하다는 설명이다. </p> <p contents-hash="d0db58420fb5972657bb74019081d378f4b290be57923462e0a76a9d0141dbb5" dmcf-pid="z63RH8WIhD" dmcf-ptype="general">“현실주의자는 비관주의자와 낙관주의자의 중간에 있는 사람이 아닙니다. 무엇이 가능한지 이해하고 지금 무엇을 할 가치가 있는지 판단하는 사람입니다. 현재 가장 중요한 것은 문제와 기술을 모두 이해하는 것입니다. 기술을 개발하는 사람들과 실제 문제를 가진 사람들이 반드시 협력해야 합니다. 서로의 언어를 이해하고 함께 문제를 해결할 수 있어야 합니다.” </p> <p contents-hash="246c21f5b1ac298bfedbaa1738560fc1baff519fd482aa70735d2b0de16fd458" dmcf-pid="qP0eX6YCSE" dmcf-ptype="general">박 사장 역시 이러한 협력이 산업 데이터 생태계로 확대돼야 한다고 제안했다. 개별 기업이 독자적으로 데이터를 확보하는 데는 비용과 규모의 한계가 있는 만큼 정부 지원과 기업의 양산 역량을 결합하는 방안을 검토할 필요가 있다는 것이다. </p> <p contents-hash="f1a965df82b1b0abf6007d58728bd246f510c2d0c0378bd287773bf60350e8e4" dmcf-pid="BQpdZPGhyk" dmcf-ptype="general">특히 자동차에 공통 센서와 컴퓨팅 장비를 탑재하려면 상당한 투자가 필요하다고 설명했다. 대규모 양산 체계를 활용해 실환경 데이터를 확보하고 이를 국내 산업계가 안전하게 활용할 수 있다면 자율주행과 피지컬 AI 기술개발의 저변을 넓힐 수 있다는 구상이다. </p> <p contents-hash="9b1ba490b4efbc2d2722c6d62a3f5a8e41d820173dd2fb12dabbaf29a691b555" dmcf-pid="bxUJ5QHllc" dmcf-ptype="general">“정부가 현대차그룹의 양산 체계를 활용할 수 있게 됐으면 좋겠습니다. 공통 센서와 컴퓨터를 탑재하고 데이터를 안전하게 모아 다른 기업과 국가에 돌려줄 수 있는 체계를 마련할 수 있을 것입니다. 물론 모든 양산차에 이런 장비를 넣는 데는 막대한 자본이 들어갑니다. 정부의 지원과 함께 이렇게 모인 데이터를 국내 중소기업과 스타트업, 연구기관과 대학에 안전하게 제공할 수 있는 정책과 법적 기반도 필요합니다.” </p> <p contents-hash="9070eec90956423a052a2aa39dc70aa0f1d2155e720bbbd024988e28570e8bc8" dmcf-pid="KMui1xXSSA" dmcf-ptype="general">다만 이는 정부 지원을 전제로 한 산업 협력 구상이다. 실제 추진을 위해서는 데이터 수집과 활용에 관한 명확한 기준이 필요하다. 박 사장도 고객 차량에서 확보한 데이터를 자유롭게 활용하기 어려운 현실을 언급하면서 개인정보 보호와 기술개발을 조화시킬 수 있는 제도적 절차가 필요함을 강조했다. </p> <div contents-hash="a5cbe37943daf1cf41c41b6c0a4e82758a042962f3e10b9483d49409c8e05bca" dmcf-pid="9R7ntMZvSj" dmcf-ptype="general"> 한편 단드레아 교수는 한국이 이러한 협력 체계를 발전시킬 수 있는 여건을 갖췄다고 평가했다. 높은 제조 자동화 수준과 함께 산업계가 협력하고 데이터를 공유할 수 있는 환경을 강점으로 지목했다. <div> </div> </div> <figure class="figure_frm origin_fig" contents-hash="f844d42977726caa7662433830ee2c0ceab864f185b87eadd18452241c99f01f" dmcf-pid="2ezLFR5TvN" dmcf-ptype="figure"> <p class="link_figure"><img alt="단드레아 교수는 기술개발 성과를 실제 산업에 적용하기 위해서는 기술을 가진 연구자와 현장의 문제를 이해하는 산업계가 함께 협력해야 한다고 강조했다. 그러면서 단드레아 교수는 한국이 이러한 협력 체계를 발전시킬 수 있는 여건을 갖췄다고 평가했다. (사진=테크42)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202610/28/552816-OGTrtXj/20261028075713576thmc.png" data-org-width="1024" dmcf-mid="8IiSQs8Blg" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202610/28/552816-OGTrtXj/20261028075713576thmc.png" width="658"></p> <figcaption class="txt_caption default_figure"> 단드레아 교수는 기술개발 성과를 실제 산업에 적용하기 위해서는 기술을 가진 연구자와 현장의 문제를 이해하는 산업계가 함께 협력해야 한다고 강조했다. 그러면서 단드레아 교수는 한국이 이러한 협력 체계를 발전시킬 수 있는 여건을 갖췄다고 평가했다. (사진=테크42) </figcaption> </figure> <div contents-hash="7c12beb82c5ac1927f3963b6d77c9d94c7e2d1bfe089758e68375babe8f949a7" dmcf-pid="Vdqo3e1yWa" dmcf-ptype="general"> <div> </div> </div> <p contents-hash="c0dcb4f1e9b4dfbb9ea8ae33b7f00d7ba73b341d82042d5444e727fd11cbf0eb" dmcf-pid="fJBg0dtWTg" dmcf-ptype="general">“한국이 가진 고유한 강점에 더 집중할 필요가 있다고 생각합니다. 산업계가 협력하고 데이터를 공유할 수 있다는 점이 중요합니다. 실제 세계를 대신할 수 있는 것은 없기 때문에 현장에 들어가 현재 기술로 어떤 문제를 자동화할 수 있는지 찾아야 합니다. 한 사업장에서 배운 내용을 다른 사업장에도 적용할 수 있도록 데이터를 공유하는 인프라도 필요합니다. 중앙에서 추진하는 노력과 다양한 산업 주체들의 참여를 함께 활용할 수 있다는 것이 한국의 장점입니다.” </p> <p contents-hash="3c5f43ae509e7972f03fda6ec062a27e110f8435e99d5d942793d1e77a239ba3" dmcf-pid="4ExsVkKplo" dmcf-ptype="general">이러한 협력 방식은 중소기업과 스타트업의 참여 기회를 확대하는 문제와도 연결된다. 기술개발에 필요한 실환경 데이터를 기업마다 독자적으로 수집하면 투자 부담이 커지고 데이터의 활용 범위도 제한될 수 있다. 반면 공통된 데이터 기준과 검증 환경을 확보하면 개별 기업이 개발한 기술을 다른 현장에도 적용하기가 수월해질 수 있다. </p> <p contents-hash="67b242465b7044fec34045eecaeb70279a378b1dd0bacb2f0f5d1a9392c09634" dmcf-pid="8DMOfE9UCL" dmcf-ptype="general">박 사장은 광주 자율주행 실증사업을 협력 사례로 소개했다. 여러 기업이 참여하는 실증 과정에서 각기 다른 센서를 사용하면 데이터의 공동 활용이 어려워지는 만큼 공통 센서 체계를 기반으로 협력을 추진하고 있다는 설명이다. </p> <p contents-hash="0fc70d4bf2b36eb024189139c757d68c1dc14ff745ce7b85c719ff95011f89f6" dmcf-pid="6wRI4D2uln" dmcf-ptype="general">“지금 광주 자율주행 실증사업에는 현대차그룹뿐 아니라 스타트업도 함께 참여하고 있습니다. 각 회사가 서로 다른 센서를 사용하면 데이터 측면에서 협력의 효과를 내기 어렵습니다. 그래서 정부와 현대차그룹, 협력사와 자율주행 스타트업이 공통 센서 체계로 가자는 데 뜻을 모았습니다. 데이터를 모아서 서로 잘 활용할 수 있도록 하자는 것입니다. 피지컬 AI를 개발하는 기업들도 데이터 수집과 표준화에 함께 참여하면 앞으로의 경쟁력을 높이는 데 도움이 될 것이라고 생각합니다.” </p> <p contents-hash="d91e2ec35d2d5ecf784ad83bda506cbabb1537ceab588eceac0bc7165a110242" dmcf-pid="PreC8wV7Ti" dmcf-ptype="general">단드레아 교수 역시 기업 간 데이터 협력을 활성화하기 위한 정부의 역할도 강조했다. 중소기업은 글로벌 시장에서 경쟁하는 동시에 국내 기업들과도 경쟁하는 관계인 만큼 정보를 공유하는 데 부담을 느낄 수 있다는 것이다. 정부와 공공기관이 협력의 기본 규칙과 신뢰할 수 있는 체계를 마련하면 이러한 문제를 완화할 수 있다고 설명했다. </p> <p contents-hash="cb4b620c20a8250b7e33a5ea9e73f7af7e4828819b5e35fd6103f99699437eae" dmcf-pid="Qmdh6rfzvJ" dmcf-ptype="general">이어 향후 5년의 전략과 관련해서는 대규모 장기 투자와 함께 다양한 소규모 실험을 병행할 필요가 있다고 조언했다. 휴머노이드 같은 장기적인 기술개발을 이어가면서도 현재 활용 가능한 기술을 여러 현장에 적용하고 실제 성과가 확인된 접근법을 확대해야 한다는 것이다. </p> <div contents-hash="8b126050d8dc92ed9ebbdc2d66e60ebf3eadcdbc69f3effeeff00aaba863f3e5" dmcf-pid="xsJlPm4qCd" dmcf-ptype="general"> “큰 투자를 하기 전에 작은 시도부터 해야 합니다. 사람들은 제가 위험을 많이 감수한다고 생각하지만 사실 저는 매우 보수적인 사람입니다. 저는 항상 계산된 위험을 감수하고, 무엇 때문에 실패할 수 있는지 스스로 질문합니다. 그렇게 시도해도 여러 번 실패하고 때로는 성공합니다. 실패를 받아들이는 문화도 중요하지만 계산된 실패를 받아들이는 문화는 더 좋다고 생각합니다.” <div> </div> </div> <figure class="figure_frm origin_fig" contents-hash="633518ba4e611574d1bcdd45ad61e7b8bd9499d5a0e84341ba058c27e70cb3a6" dmcf-pid="y9X8vKhDSe" dmcf-ptype="figure"> <p class="link_figure"><img alt="박 사장은 작은 성공을 반복하는 실행력의 중요성을 강조했다. 제조업의 경쟁력을 피지컬 AI로 확장하려면 거대한 목표만 제시할 것이 아니라 실행 가능한 과제를 나누고 성과를 축적해야 한다는 설명이다. (사진=테크42)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202610/28/552816-OGTrtXj/20261028075715060ozqp.jpg" data-org-width="1024" dmcf-mid="6Qr3jXgRWo" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202610/28/552816-OGTrtXj/20261028075715060ozqp.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 박 사장은 작은 성공을 반복하는 실행력의 중요성을 강조했다. 제조업의 경쟁력을 피지컬 AI로 확장하려면 거대한 목표만 제시할 것이 아니라 실행 가능한 과제를 나누고 성과를 축적해야 한다는 설명이다. (사진=테크42) </figcaption> </figure> <div contents-hash="ea7f3704eb153f69cec7dd0eb45598fef13dd6861e50308208afa74bf9392358" dmcf-pid="W2Z6T9lwTR" dmcf-ptype="general"> <div> </div> </div> <p contents-hash="f1314d5ce5e26dff25b44befb51a8992be027da955d009897833af7fc2cc4515" dmcf-pid="YV5Py2SrSM" dmcf-ptype="general">박 사장 역시 작은 성공을 반복하는 실행력의 중요성을 강조했다. 제조업의 경쟁력을 피지컬 AI로 확장하려면 거대한 목표만 제시할 것이 아니라 실행 가능한 과제를 나누고 성과를 축적해야 한다는 설명이다. </p> <p contents-hash="0cc03933e165eb7e4ae3f1a0134e13f18a85638f5df25edf809898c553f82b86" dmcf-pid="GyAXnTd8Wx" dmcf-ptype="general">“저도 교수님의 말씀에 많이 공감합니다. 제가 중요하게 생각하는 것 중 하나가 선택과 집중입니다. 작은 성공들이 반복되면 결국 큰 성공으로 이어지고 우리 실생활에 필요한 혜택을 가져올 수 있습니다. 그러기 위해서는 목표를 작은 단위로 나누고 그에 걸맞은 실행이 필요합니다. 작은 목표를 잘 설정하고 강력한 실행력을 바탕으로 작은 성공을 계속 만들어 나가야 합니다.” </p> <p contents-hash="3f05e3d0d91cf07e6d3b47bdaff06b247558b7f75ae2da37369851d8e76f2f24" dmcf-pid="HWcZLyJ6TQ" dmcf-ptype="general">이날 두 연사의 발표와 대담은 피지컬 AI의 기술적 가능성과 산업적 성과 사이에 여전히 해결해야 할 과제가 많다는 점을 보여줬다. 단드레아 교수가 제시한 해법은 현실에서 풀 수 있는 문제를 선택하고 신뢰성과 경제성을 확보하는 것이다. 박 사장은 여기에 한국의 제조·양산 역량을 활용한 데이터 확보와 산업 생태계 차원의 협력을 더했다. </p> <p contents-hash="e9bc84b0b5d24e69951894d70b49e7969233ed5d06f68cb6096a8da2766d508b" dmcf-pid="XYk5oWiPCP" dmcf-ptype="general">결국 한국이 피지컬 AI 경쟁력을 높이기 위해서는 현장에서 수집한 데이터를 AI 학습과 제품 개선으로 연결하는 공통 기반이 필요하다. 이를 실현하기 위한 센서·데이터 표준화, 컴퓨팅 인프라, 안전한 데이터 활용 규칙, 정부와 기업의 역할 분담이 구체적인 과제로 남았다. 제조 강국이라는 기존의 강점이 피지컬 AI 경쟁력으로 이어질지는 이러한 과제를 얼마나 빠르게 실행하고 산업 현장의 성과로 축적하느냐에 달려 있다는 것이 이날 두 연사가 남긴 메시지다. </p> <p contents-hash="aae4feb0712fa0eb293d846c6f4cd8f6cde095c5229f93ae5f6ce22964a871e6" dmcf-pid="ZGE1gYnQW6" dmcf-ptype="general">저작권자 © Tech42 - Tech Journalism by AI 테크42 무단전재 및 재배포 금지</p> </section> </div> 관련자료 이전 "이젠 혁신 없네" 아이폰 18프로, 中 빼고 작년보다 덜 팔렸다 10-28 다음 36년 데이터 분석 역량 유튜브로…위세아이텍, ‘튜밋’ 승부수 10-28 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
