Part I: 피지컬AI 스택의 재구성

Chapter 1: 왜 NVIDIA인가 — 피지컬AI 운영체제의 등장

집필일: 2026-06-08 최종수정일: 2026-06-08

NVIDIA를 아직 GPU 공급사로만 보면 2025년 이후의 로보틱스 변화를 절반만 보게 된다. Jensen Huang이 CES 2025에서 "physical AI"를 전면에 세운 뒤, NVIDIA는 DGX/Blackwell, Omniverse, Isaac, Cosmos, GR00T, Jetson/Thor를 하나의 공장-로봇 폐루프로 묶어 제시했다 [4]. S6의 제조 피지컬AI 서베이가 이미 정리했듯, 이 변화의 핵심은 "AI 모델 하나를 도입한다"가 아니라 공장이 데이터를 만들고, 시뮬레이션에서 검증하고, 엣지에서 실행하며, 결과를 다시 학습으로 되돌리는 운영체계를 만든다는 점이다.

Figure 1.1: 디지털AI 보조에서 피지컬AI 폐루프 공장 실행으로 넘어가는 패러다임 전환도. illustration by author AI-assisted
Figure 1.1: 디지털AI 보조에서 피지컬AI 폐루프 공장 실행으로 넘어가는 패러다임 전환도. illustration by author AI-assisted

1.1 피지컬AI는 모델이 아니라 폐루프다

제조 현장의 수작업 자동화는 LLM 챗봇 도입과 다르다. 화면 안의 오류는 되돌릴 수 있지만, 로봇의 충돌, 제품 오염, 라인 정지는 비용과 안전 책임을 만든다. 따라서 피지컬AI의 단위는 "모델"이 아니라 다음 다섯 단계의 폐루프다.

  1. 센서와 공정 로그가 현장을 관측한다.
  2. 세계모델과 VLA가 상태와 작업 의도를 해석한다.
  3. 디지털 트윈과 시뮬레이터가 후보 행동을 시험한다.
  4. Jetson/Thor 같은 엣지 컴퓨팅이 로봇 셀에서 정책을 실행한다.
  5. 품질 결과와 실패 로그가 다음 학습 데이터로 돌아간다.

이 구조 때문에 NVIDIA의 포지션은 독특하다. Microsoft나 OpenAI가 주로 디지털 작업자의 인지 계층을 잡는다면, NVIDIA는 물리 작업자의 학습-시뮬레이션-실행 인프라를 잡으려 한다. 제조사가 봐야 할 질문도 "GR00T가 얼마나 똑똑한가"보다 "우리 공장의 어느 링크가 아직 종이, 엑셀, 수작업 승인으로 끊겨 있는가"다.

1.2 3-computer architecture

NVIDIA가 반복해서 제시하는 구조는 3-computer architecture다. 첫 번째 컴퓨터는 DGX/Blackwell 기반 학습 클러스터다. 여기서 foundation model, synthetic data generation, fleet learning이 일어난다. 두 번째 컴퓨터는 Omniverse/Isaac 기반 시뮬레이션 컴퓨터다. 여기서 공장 레이아웃, 센서, 로봇, 작업자가 OpenUSD 씬으로 묶이고 정책이 배포 전 검증된다. 세 번째 컴퓨터는 Jetson AGX Thor, IGX Thor 같은 엣지 컴퓨터다. 여기서 검증된 정책이 생산 셀 안에서 낮은 지연으로 실행된다 [3] [4].

Figure 1.2: DGX 학습, Omniverse/Isaac 시뮬레이션, Jetson/Thor 엣지 실행으로 나뉘는 3-computer architecture. illustration by author AI-assisted
Figure 1.2: DGX 학습, Omniverse/Isaac 시뮬레이션, Jetson/Thor 엣지 실행으로 나뉘는 3-computer architecture. illustration by author AI-assisted

제조 수작업 자동화에서 이 구조는 특히 중요하다. cap closing, pouch loading, cosmetic filling, label inspection 같은 작업은 로봇 팔 하나를 사서 끝나지 않는다. 작업자의 손동작을 데이터화하고, 물체와 용기의 CAD/물성 정보를 디지털 트윈에 넣고, 실제 라인과 같은 조명/카메라/지그 조건에서 정책을 테스트해야 한다. 이것이 빠지면 VLA는 데모 영상에서는 그럴듯해도 생산 셀에서는 실패한다.

1.3 S6와 S3에서 가져올 두 관점

S6 physical-ai-manufacturing은 제조업 관점에서 피지컬AI를 "공장이 스스로 생각하기 시작하는 운영 폐루프"로 정의했다. 여기서 재사용할 핵심은 NVIDIA 스택을 Omniverse, Isaac, Jetson의 제품 나열이 아니라 digital twin first, robot learning second, edge deployment third의 순서로 읽는 방식이다.

S3 vla-agentic-robotics는 에이전틱 로보틱스 관점에서 VLA, planner, memory, sim-to-real, safety를 정리했다. 여기서 가져올 핵심은 로봇이 코딩 에이전트처럼 "plan-execute-debug"를 할 수는 있지만, 물리 세계에서는 실행 피드백이 느리고 모호하며 실패가 비가역적이라는 점이다. 따라서 제조 현장에서는 autonomy보다 검증 가능한 제한된 자율성이 먼저다.

1.4 NVIDIA 생태계의 전략적 의미

NVIDIA 생태계는 제조사에게 세 가지 선택지를 만든다.

첫째, 시뮬레이션과 데이터 생성을 플랫폼에 맡길 수 있다. Isaac Sim/Lab, Cosmos, Omniverse는 개별 제조사가 처음부터 만들기 어려운 대규모 인프라다. 둘째, 제조사는 자기 공정 데이터와 실패 로그를 자산화해야 한다. NVIDIA의 모델은 범용 물리 prior를 제공하지만, 우리 공장의 용기, 점도, 지그, 작업자 동선, 청정도 규칙은 외부 플랫폼이 대신 소유할 수 없다. 셋째, OT 벤더와의 통합이 필수다. Siemens, Rockwell, ABB, FANUC 같은 회사가 Omniverse/Isaac과 연결되는 이유는 AI 모델이 PLC, MES, SCADA, 로봇 컨트롤러를 우회할 수 없기 때문이다 [5].

Figure 1.3: 인식, 추론, 행동과 digital twin, edge, cloud를 결합한 피지컬AI 스택 매트릭스. illustration by author AI-assisted
Figure 1.3: 인식, 추론, 행동과 digital twin, edge, cloud를 결합한 피지컬AI 스택 매트릭스. illustration by author AI-assisted

1.5 제조사가 지금 물어야 할 질문

NVIDIA의 피지컬AI가 자율주행, 물류, 휴머노이드, 산업 디지털 트윈을 모두 포함하더라도, 제조 수작업 자동화 관점에서 질문은 더 좁아야 한다.

  • 우리 라인에서 사람 손이 마지막 품질을 결정하는 공정은 무엇인가?
  • 그 공정의 실패를 센서로 관측할 수 있는가?
  • 시뮬레이션에서 충분히 재현 가능한 물리인가, 아니면 점성/변형/오염/촉각 때문에 현실 데이터가 먼저 필요한가?
  • 정책 실패가 제품 폐기인지, 장비 손상인지, 작업자 안전 문제인지 구분되어 있는가?
  • 데이터와 모델 업데이트가 GMP, 품질문서, 변경관리 프로세스와 연결되는가?

이 질문에 답하지 않고 "NVIDIA 스택을 도입한다"고 말하면 플랫폼 의존만 커진다. 반대로 이 질문에 답하면서 시작하면 NVIDIA는 단순 벤더가 아니라 제조사가 자체 피지컬AI 역량을 빠르게 축적하는 가속기가 된다.

참고문헌

  1. Jensen Huang (2025). CES 2025 Keynote: Physical AI and the Next Wave of Computing. NVIDIA Blog.
  2. NVIDIA Research (2025). Cosmos World Foundation Model Platform for Physical AI. arXiv:2501.03575.
  3. NVIDIA Developer (2025). NVIDIA Isaac Sim and Isaac Lab. NVIDIA Developer.
  4. NVIDIA (2025). GR00T N1: An Open Foundation Model for Generalist Humanoid Robots. NVIDIA Technical Report / Developer Portal.
  5. Rockwell Automation and NVIDIA (2024). Rockwell Automation Brings Autonomous Operations to Life Using NVIDIA Omniverse. Rockwell Automation Press Release.
  6. ABB Robotics and NVIDIA (2026). Closing the sim-to-real gap: ABB RobotStudio HyperReality. ABB Press Release.