챗GPT 다음은 Physical AI? AI가 직접 움직이는 시대가 온다

ChatGPT가 등장한 뒤 우리는 AI를 꽤 자연스럽게 사용하게 됐습니다. 질문을 하면 답을 해주고, 글을 쓰고, 이미지를 만들고, 코드를 작성하는 일까지 AI가 도와줍니다.

그런데 최근 AI 업계에서는 한 단계 다른 이야기가 자주 등장합니다.

바로 Physical AI, 우리말로 흔히 ‘피지컬 AI’ 또는 ‘물리적 AI’라고 부르는 개념입니다.

쉽게 말하면 AI의 능력이 컴퓨터 화면 안에 머무르지 않고 카메라와 센서로 실제 세상을 보고, 상황을 판단하고, 로봇이나 자동차 같은 기계를 움직이는 방향으로 확장되는 것입니다. 국내에서도 과학기술정보통신부가 2026년 피지컬 AI 핵심 경쟁력 확보 전략을 내놓았고, 9월에는 제조 현장 도입·확산 방안까지 논의했습니다.

다만 ‘ChatGPT 다음은 무조건 Physical AI’라고 단정할 단계는 아닙니다. 생성형 AI와 로봇 기술이 서로 결합되면서 새로운 기술 흐름이 커지고 있다고 이해하는 편이 정확합니다. 피지컬 AI라는 말의 구체적인 범위와 표준 역시 계속 정리되는 중이며, 2026년 9월에는 국제전기통신연합 ITU-T에서 관련 국제표준 논의를 위한 체계도 만들어졌습니다.

Physical AI, 도대체 무엇일까?

피지컬 AI를 단순히 ‘사람처럼 생긴 로봇’이라고 생각하면 범위가 너무 좁습니다.

핵심은 AI가 현실 세계와 직접 연결된다는 데 있습니다.

예를 들어 로봇이 탁자 위에 있는 물병을 가져온다고 생각해 보겠습니다.

카메라로 물병과 주변 물체를 확인하고 → 물병의 위치를 판단하고 → 어느 방향으로 이동할지 계획하고 → 팔과 손을 움직여 물병을 잡고 → 제대로 잡았는지 다시 센서로 확인합니다.

즉,

인식 → 판단 → 계획 → 행동 → 다시 인식

이라는 과정이 계속 반복됩니다.

NVIDIA는 피지컬 AI를 실제 세계를 이해하고 추론하며 행동하는 AI 시스템이라는 방향으로 설명하고 있으며, Google DeepMind의 Gemini Robotics 역시 시각·언어 정보를 실제 로봇의 동작으로 연결하는 VLA, 즉 Vision-Language-Action 모델을 개발하고 있습니다.

ChatGPT와 Physical AI는 무엇이 다를까?

그렇다고 두 기술이 완전히 따로 움직이는 것은 아닙니다.

오히려 최근에는 생성형 AI와 멀티모달 AI가 로봇의 ‘두뇌’ 역할을 하면서 피지컬 AI 발전에 활용되는 흐름이 강해지고 있습니다.

왜 지금 Physical AI가 주목받을까?

과거의 산업용 로봇은 미리 입력된 동작을 정확하게 반복하는 데 강했습니다.

하지만 실제 세상은 늘 똑같지 않습니다.

물건의 위치가 조금 바뀌기도 하고, 사람이 갑자기 지나가기도 하며, 처음 보는 물체가 나타날 수도 있습니다.

최근에는 카메라 영상을 이해하는 비전 AI, 글·이미지·음성을 함께 처리하는 멀티모달 AI, 강화학습, 고성능 GPU, 로봇 센서, 엣지 AI가 동시에 발전하고 있습니다.

여기에 현실과 비슷한 가상공간에서 로봇을 훈련하는 시뮬레이션과 디지털 트윈 기술도 결합되고 있습니다.

NVIDIA는 Cosmos 월드 모델과 Isaac 시뮬레이션, GR00T 로봇 모델 등을 연결해 로봇의 학습·시험·실제 배치를 지원하는 플랫폼을 확대하고 있습니다.

벌써 우리 주변에 들어온 Physical AI

피지컬 AI가 모두 먼 미래 기술인 것은 아닙니다.

자율주행은 이미 대표적인 상용화 사례 가운데 하나입니다. Waymo는 2026년 9월 현재 미국 여러 도시에서 운전자 없이 이용할 수 있는 자율주행 호출 서비스를 운영하고 있습니다. 다만 서비스 지역과 이용 조건은 도시마다 다릅니다.

제조업에서도 실제 사례가 나오고 있습니다.

BMW는 미국 스파턴버그 공장에서 Figure 02 휴머노이드 로봇을 2025년부터 약 10개월간 시험했고, 회사 발표에 따르면 3만 대 이상의 BMW X3 생산 과정에서 9만 개 이상의 부품을 다루는 작업에 참여했습니다. 이는 범용 로봇이 모든 일을 대신했다는 뜻이 아니라, 정해진 제조 작업에서 실증이 진행됐다는 의미로 보는 것이 적절합니다.

휴머노이드 로봇이 주목받는 이유

Physical AI와 휴머노이드 로봇은 같은 말이 아닙니다.

피지컬 AI에는 자율주행차, 드론, 산업용 로봇, 물류 로봇, 농업기계 등도 포함될 수 있습니다.

그럼에도 휴머노이드가 특히 주목받는 이유는 우리가 사용하는 공장과 건물, 계단, 문, 작업대 등이 기본적으로 사람의 몸을 기준으로 만들어졌기 때문입니다.

사람과 비슷한 형태의 로봇이라면 기존 시설을 크게 바꾸지 않고 다양한 작업에 투입할 가능성이 생깁니다.

하지만 두 발로 걷고 균형을 잡으면서 손으로 정교한 작업까지 수행해야 하기 때문에 기술 난도가 매우 높습니다.

Boston Dynamics는 2026년 생산형 전기 Atlas를 공개하고 현대자동차그룹과 Google DeepMind 등에 배치를 추진하고 있습니다. 회사가 ‘생산형’이라고 설명하고 있지만, 이것이 일반 공장에서 이미 대규모로 보편화됐다는 의미는 아닙니다.

Google DeepMind도 2026년 7월 Gemini Robotics 2를 공개해 보행과 손 조작을 포함한 전신 제어 연구를 보여줬습니다. 현재는 광범위한 일반 소비자용 상용 서비스라기보다 연구와 제한적 접근이 중심입니다.

NVIDIA·Google·로봇 기업들은 왜 이 분야에 뛰어들까?

AI가 현실에서 행동하려면 단순히 ‘똑똑한 언어모델’ 하나만 있어서는 부족합니다.

• 주변 환경을 보는 카메라와 센서

• 위치와 공간을 이해하는 AI

• 행동 순서를 만드는 계획 능력

• 로봇을 움직이는 제어 기술

• 즉시 계산할 수 있는 AI 반도체

• 실제 배치 전 수없이 시험할 시뮬레이션

• 사고를 막는 안전 기술

이 모든 것이 함께 작동해야 합니다.

그래서 반도체 기업, AI 모델 기업, 자동차 회사, 로봇 회사가 동시에 Physical AI에 투자하고 있는 것입니다.

한국에서도 2026년 7월 정부가 데이터·기술·확산·생태계를 중심으로 피지컬 AI 경쟁력 확보 전략을 발표했고, 실제 제조기업과 기술기업을 연결하는 실증과 확산 정책을 추진하고 있습니다.

Physical AI가 바꿀 가능성이 있는 일상

기술이 계속 발전한다면 피지컬 AI의 활용 범위는 상당히 넓어질 수 있습니다.

• 공장에서 무겁거나 반복적인 물건을 옮기는 로봇

• 창고에서 상품을 분류하고 운반하는 물류 로봇

• 운전 업무 일부를 맡는 자율주행차

• 농작물을 관찰하고 작업하는 농업 로봇

• 위험지역을 점검하는 드론과 이동 로봇

• 장기적으로는 집안일이나 돌봄을 돕는 서비스 로봇

다만 분야별 기술 수준은 크게 다릅니다.

자율주행처럼 이미 유료 서비스가 이루어지는 분야가 있는 반면, 복잡한 가정환경에서 여러 집안일을 자유롭게 처리하는 범용 휴머노이드는 아직 해결해야 할 문제가 많습니다.

아직 넘어야 할 산도 많다

컴퓨터 화면에서 AI가 잘못된 답을 내놓는 것과 실제 로봇이 잘못 움직이는 것은 결과가 다릅니다.

따라서 Physical AI에서는 안전 문제가 훨씬 중요합니다.

센서가 물체를 잘못 인식하거나 통신이 끊기거나 AI가 예상하지 못한 상황을 만나면 실제 사고로 이어질 수 있기 때문입니다.

또한 높은 로봇 가격과 유지비, 배터리 사용시간, 연산 전력, 개인정보보호, 사이버보안, 사고 발생 시 책임, 근로자의 역할 변화, 관련 법과 국제표준도 함께 해결해야 합니다.

실제 한국에서도 2026년 9월 피지컬 AI 국제표준화를 위한 논의가 본격화됐다는 점은 이 기술이 단순한 성능 경쟁을 넘어 안전과 상호운용성, 제도 문제까지 함께 다뤄야 하는 단계에 들어가고 있음을 보여줍니다.

Physical AI 시대, 정말 곧 올까?

Physical AI는 더 이상 SF 영화 속에만 있는 개념은 아닙니다.

자율주행 서비스와 산업용 로봇은 이미 현실에서 사용되고 있고, 휴머노이드 역시 일부 제조 현장에서 실증되고 있습니다.

하지만 ‘어떤 장소에서도 사람처럼 판단하고 무엇이든 해내는 범용 로봇’이 널리 보급됐다고 말할 단계는 아닙니다.

지금의 변화를 가장 정확하게 표현한다면 이렇습니다.

생성형 AI가 AI에게 말하고 이해하고 만드는 능력을 빠르게 발전시켰다면, Physical AI는 그 지능을 현실 세계의 행동으로 연결하려는 흐름입니다.

그래서 앞으로 AI를 이해할 때는 ‘무엇을 만들어 주는가’뿐 아니라 ‘현실에서 무엇을 보고, 판단하고, 실제로 행동할 수 있는가’도 중요한 기준이 될 가능성이 있습니다.