피지컬 AI 모델 시장 지도: 로봇 지능 경쟁의 구조와 핵심 시사점

이 글은 CB Insights가 분석한 피지컬 AI(Physical AI) 모델 시장 지도를 기반으로, 로봇 지능을 둘러싼 기술 경쟁의 구조와 핵심 흐름을 정리한 IT 기술 블로그입니다.
피지컬 AI가 무엇인지, 왜 지금 투자와 경쟁이 집중되고 있는지, 그리고 데이터·모델·파운데이션 모델·관측성까지 이어지는 전체 기술 스택이 어떻게 구성돼 있는지를 체계적으로 설명합니다. 또한 독점적 데이터 확보, 월드 모델, 다중 로봇 협업이라는 핵심 쟁점이 산업에 어떤 의미를 가지는지도 함께 살펴봅니다.

반응형

---

피지컬 AI란 무엇인가: 로봇 지능의 새로운 기준

피지컬 AI는 로봇이 사전 프로그래밍된 규칙이 아니라 데이터로부터 학습해 물리적 세계에서 스스로 판단하고 행동할 수 있도록 만드는 기술입니다.
기존 로봇이 “정해진 동작을 정확히 반복하는 기계”였다면, 피지컬 AI 기반 로봇은 환경을 인식하고, 상황을 이해하며, 새로운 작업에 적응합니다.

이 점에서 언어 모델(LLM)과는 중요한 차이가 있습니다.
피지컬 AI 모델은 텍스트가 아니라 실제 로봇에서 수집된 물리 데이터가 필요합니다. 이로 인해 데이터 확보 자체가 강력한 진입 장벽이 되며, 초기 선점 기업에게 시장 통제력이 생깁니다.

---

시장 개요: 폭발적으로 성장하는 로보틱스 투자

로보틱스 분야는 2025년 407억 달러의 투자를 유치하며 역대 최고치를 기록했습니다. 이는 전년 대비 74% 증가한 수치로, 전체 벤처 자금의 **9%**를 차지합니다.
AI 소프트웨어와 함께 가장 강력한 투자 선도 분야로 부상한 이유는 명확합니다. 로봇이 더 이상 단순 자동화가 아니라, 지능형 시스템으로 전환되고 있기 때문입니다.

현재 시장에는 10개 피지컬 AI 모델 카테고리에 걸쳐 70개 이상의 기업이 경쟁하고 있으며, 데이터·시뮬레이션, 모델 접근법, 파운데이션 모델, 관측성 영역에서 생태계가 빠르게 형성되고 있습니다.

---

핵심 경쟁 요소 1: 데이터와 시뮬레이션

피지컬 AI의 가장 큰 병목은 데이터 희소성입니다. 실제 로봇 데이터를 수집하는 과정은 느리고 비용이 많이 들기 때문입니다. 이를 해결하기 위해 시장은 세 가지 하위 영역으로 나뉩니다.

합성 데이터와 시뮬레이션

실제 환경을 대신해 이미지, 센서 데이터, 3D 장면을 생성하는 방식입니다. Nvidia가 이 분야를 주도하고 있으며, 많은 기업이 초기 학습 단계에서 합성 데이터에 의존합니다.
다만 합성 데이터만으로는 충분하지 않으며, 신뢰 가능한 모델 학습을 위해 실제 로봇 데이터는 필수라는 점이 명확해지고 있습니다.

실제 로봇 시연 데이터

원격 조작, 모션 궤적, 비디오 등 실제 인간의 행동을 캡처해 로봇 학습에 활용합니다.
Scale은 합성 데이터와 실제 데이터 수집을 결합해 데이터 라벨링 사업을 모델 개발 영역으로 확장하며, 시장 상위 1%에 해당하는 Mosaic 점수를 기록했습니다.

새로운 데이터 소스 탐색

General Intuition은 게임플레이 비디오를, micro1은 인간 상호작용 비디오를 활용해 대규모 로보틱스 학습 데이터셋을 구축 중입니다. 이는 기존 데이터 부족을 극복하려는 시도입니다.

---

핵심 경쟁 요소 2: 모델에 대한 접근 방식

모델은 로봇에게 시각, 추론, 행동 능력을 부여하는 핵심 계층입니다.

VLM과 VLA 모델

• **비전-언어 모델(VLM)**은 로봇의 인식 레이어로, 시각 정보와 자연어를 결합합니다.
• **비전-언어-행동 모델(VLA)**은 이를 한 단계 확장해, 명령을 곧바로 물리적 행동으로 변환합니다.

Figure, 1X, Galbot과 같은 휴머노이드 로봇 기업들은 독점적인 VLA 모델을 구축하고 있으며, 이는 로보틱스를 하드코딩된 시스템에서 작업 적응형 시스템으로 바꾸는 핵심 기술로 평가받고 있습니다.

월드 모델의 부상

월드 모델은 로봇이 시간에 따른 환경 변화를 예측하고 시뮬레이션할 수 있도록 합니다.
즉각 반응에 그치는 VLA와 달리, 월드 모델은 결과를 예측하고 다단계 행동을 계획하며 오류에서 복구할 수 있게 합니다.

이 분야 투자는 2024년 14억 달러에서 2025년 69억 달러로 급증했으며, 평균 Mosaic 점수도 전체 시장 상위 3% 수준입니다.

---

핵심 경쟁 요소 3: 파운데이션 모델과 수직 통합

파운데이션 모델은 인식, 추론, 행동을 결합한 사전 학습된 로봇 지능입니다. 개발자는 이를 처음부터 만들지 않고 라이선스해 적용할 수 있습니다.

• 범용 로봇 파운데이션 모델
• 자율주행 파운데이션 모델
• 다중 로봇 협업 모델

이 시장에는 미국 빅테크 기업과 중국 선도 기업, 그리고 DeepSeek, Physical Intelligence 같은 스타트업이 함께 경쟁하고 있습니다.
Nvidia는 세 가지 파운데이션 모델 영역 모두에 관여하는 유일한 기업으로, 피지컬 AI 전체 스택의 인프라 역할을 하고 있습니다.

---

핵심 미해결 과제: 다중 로봇 협업

현재 대부분의 투자는 단일 로봇 역량에 집중돼 있습니다.
미국 기업은 170억 달러 이상을, 중국 기업은 4억 1,600만 달러를 유치했지만, 서로 다른 로봇 유형이 함께 작동하는 오케스트레이션 레이어를 구축하는 기업은 소수에 불과합니다.

다중 로봇 협업을 먼저 해결하는 기업은

• 자율 로봇 플릿의 산업 확장을 주도하고
• 물류, 제조, 창고 환경에서 표준을 장악할 가능성이 큽니다.

---

관측성: 연구와 실제 배포를 잇는 연결 고리

관측성은 로봇이 실제 환경에서 어떻게 작동하는지를 추적하고, 실패 사례를 학습으로 되돌리는 역할을 합니다.
Foxglove와 Formant 같은 플랫폼은 로봇의 성능을 모니터링하고 인시던트를 재현해, 시뮬레이션과 모델 개선으로 연결합니다.

강력한 관측성을 갖춘 기업은 실패를 학습 자산으로 전환하며, 연구용 프로토타입과 상업용 시스템을 구분 짓는 경쟁력을 확보합니다.

---

728x90

피지컬 AI 시장의 경쟁은 단순히 “더 똑똑한 로봇”을 만드는 싸움이 아닙니다.
핵심은 다음 세 가지로 요약됩니다.

1. 독점적 학습 데이터 확보가 가장 강력한 경쟁 우위
2. 월드 모델이 로봇 지능의 다음 도약을 이끌 기술
3. 다중 로봇 협업을 해결하는 기업이 산업 확장의 주도권을 가질 가능성

앞으로 피지컬 AI는 로봇 산업을 넘어 물류, 제조, 서비스 전반의 구조를 바꾸는 기반 기술이 될 것입니다.
지금 이 시장에서 벌어지는 데이터와 모델을 둘러싼 경쟁은, 미래의 로봇 생태계를 누가 통제하게 될지를 결정하는 중요한 신호라고 볼 수 있습니다.

300x250

https://www.cbinsights.com/research/the-physical-ai-models-market-map/

The physical AI models market map: Behind the arms race to control robot intelligence - CB Insights Research