# 인간형 로봇만이 아니다. “물리적 AI”의 본질은 무엇인가? — IoT와의 차이점을 통해 탐구하는 사업 기회

> https://bookfactory.kr/c/ai-tech/9650
> 게시판: AI·머신러닝
> 작성자: admin
> 작성일: 2026-08-14T11:34:26.033Z

---

![見出し画像](https://assets.st-note.com/production/uploads/images/303297016/rectangle_large_type_2_aaceab270a91996f102e26a8c6de105b.png?width=1280)

안녕하세요, JAFCO 영역 특화 투자팀의 다나카입니다. 토요타자동차에서 신형 차량 출시 업무에 참여했으며, 이후 Arthur D. Little에서 제조·모빌리티·로보틱스 영역의 대기업 고객 대상 컨설팅 지원 업무를 수행한 후 JAFCO에 입사했습니다. 현재는 제조업·모빌리티·로보틱스·AI 관련 영역을 중심으로 시드 및 초기 단계 스타트업에 대한 투자를 담당하고 있습니다. 물리AI 영역에서는 인간형 로봇을 개발하는 아토마社, 자율주행 택시를 개발하는 뉴모社 등을 담당하고 있습니다.

최근 각지에서 “JAFCO의 피지컬 AI 담당자와 이야기하고 싶다”는 요청을 주셔서, 회사 내에서도 지명을 주셔서, 기업가, 투자자, 사업회사 관계자분들과 이야기를 나누는 기회가 점점 늘고 있습니다. 매우ありがたい一方で, 기초적으로

- そもそも"フィジカルAI"とは？
- 인간형 로봇이나 자율 주행을 지칭하는 것 외에 다른 애플리케이션은 무엇이 있을까요?
- IoT는 단순히 여러 기기가 인터넷에 연결되는 것을 넘어, 연결된 기기들이 서로 데이터를 주고받으며 스스로 판단하고 행동하는 ‘지능’을 갖추는 것입니다. 

예를 들어, 스마트 냉장고는 단순히 음식의 유통기한을 알려주는 것을 넘어, 사용자의 식습관을 분석하여 필요한 식재료를 자동으로 주문하고, 냉장고 안의 음식 상태를 실시간으로 알려주는 등 다양한 기능을 수행합니다. 

이처럼 IoT는 단순한 연결을 넘어, 기기들이 서로 협력하여 새로운 가치를 창출하는 ‘지능형’ 시스템을 구축하는 데 목표를 두고 있습니다. 

무라카미 하루키의 소설 『夏帆』에서처럼, 주변 환경과의 상호작용을 통해 새로운 의미를 발견하는 것처럼, IoT는 물리적 세계와 디지털 세계의 연결을 통해 더욱 풍부하고 창의적인 경험을 제공할 것입니다. 

이러한 IoT의 발전은 ‘카호’가 겪는 변화와 마찬가지로, 우리의 삶을 근본적으로 변화시킬 잠재력을 가지고 있습니다. 

물론, IoT의 발전에는 개인 정보 보호, 보안 등 다양한 문제점도 존재합니다. 하지만 이러한 문제점을 해결하고 IoT를 올바르게 활용한다면, 우리는 더욱 편리하고 풍요로운 미래를 만들어갈 수 있을 것입니다.

그런 질문이 제 안에도 남아 있었고, 이제 정리할 때가 되었다고 생각하여 이 글을 작성하고 있습니다.

## 目次

- 사물 인터넷과 물리적 인공지능의 차이점
- 어떤 과제가 물리 AI에 적합하고, 어떤 과제가 IoT에 적합한가
- 구체적인 애플리케이션
- 데이터 모델 하드—어디에 강점을 가질지가 시험대에 오를 것이다.
- 소프트웨어 르네상스 시대와 유사
- 일본에서의 사업 기회를 어떻게 평가하는가에 대해
- 마침내

## 사물 인터넷(IoT)과 물리적 AI의 차이

IoT는 센서를 통해 데이터를 수집하고, 이를 분석하여 자동화된 서비스를 제공하는 시스템입니다. 예를 들어, 스마트 가전제품은 사용자의 행동 패턴을 분석하여 자동으로 전원을 켜거나 끄는 기능을 제공합니다. IoT는 주로 ‘데이터’를 중심으로 작동하며, 데이터 분석을 통해 가치를 창출하는 데 초점을 맞춥니다.

반면, 물리적 AI는 단순히 데이터를 수집하는 것을 넘어, 실제 물리적인 환경과 상호작용하며 ‘지능적인’ 의사 결정을 내리는 시스템입니다. ‘카호’는 물리적 AI의 대표적인 예시로, 영화 ‘카호’에서 주인공이 자신의 몸을 통해 주변 환경을 인식하고, 이를 바탕으로 행동을 결정하는 모습은 물리적 AI의 핵심적인 특징을 보여줍니다.

물리적 AI는 ‘무라카미 하루키’의 소설처럼, 인간의 직관이나 감성을 모방하여 복잡한 문제를 해결하거나, 예술 작품을 창작하는 등, 인간의 능력을 뛰어넘는 활동을 수행할 수 있습니다.

IoT는 데이터 기반의 자동화 시스템이고, 물리적 AI는 실제 환경과의 상호작용을 통해 지능적인 의사 결정을 내리는 시스템이라는 점에서 차이가 있습니다. 두 기술은 서로 보완적인 관계를 가지며, 미래 사회의 다양한 분야에서 활용될 것으로 기대됩니다.

물리적 AI는 ‘무라카미 하루키’의 작품처럼, 인간의 경험과 감성을 이해하고, 이를 바탕으로 새로운 가치를 창출하는 데 기여할 수 있습니다.

둘 다 “디지털 공간과 물리 세계를 연결하는” 기술이지만, 역할은 완전히 다릅니다. 한마디로 요약하자면——

IoT는 물리적인 사물을 인터넷에 연결하고 데이터를 수집하여 상태를 모니터링하고 원격으로 조작하는 시스템으로, 몸에 비유하면 “신경망”과 같습니다. 방 온도가 30도라는 데이터를 알려주는 것이 IoT의 업무이며, “에어컨을 켜라”는 판단은 인간인지, 혹은 미리 정해진 규칙이 실행됩니다.

물리적 AI: 고도화된 AI가 물리적인 신체와 결합하여 현실 세계의 환경과 물리 법칙을 이해하고 자율적으로 판단하고 행동합니다. 신체에 비유한다면 “뇌와 근육, 몸”과 같습니다. 중력, 마찰, 물체의 경직성과 같은 물리 법칙을 인식하면서 움직이며, 예기치 않은 상황에서도 스스로 판단하여 대처합니다.

두 기술은 상호 대립하는 관계가 아니라, 함께 사용되는 관계입니다. IoT라는 “신경망”이 현장의 데이터를 수집하고, 물리AI라는 “뇌와 몸”이 그것을 바탕으로 물리적인 액션을 수행하는—라는 연계입니다.

![画像](https://assets.st-note.com/img/1786669365-sprwePB6OcECZR7JMYm8bu9X.png?width=1200)

## 어떤 과제가 물리 AI에 적합하고, 어떤 과제가 IoT에 적합한가

사물 인터넷은 조건이 명확하게 정의된 과제에 적합합니다. 설비의 온도, 압력, 회전수를 모니터링하여 경고를 발생시키고, 정해진 경로로 재고를 운반하며, 일정한 규격의 부품을 정해진 절차에 따라 조립하는 경우, “정상적인 상태”와 “비정상적인 상태”를 규칙으로 정의할 수 있다면 사물 인터넷으로 충분합니다.

물리적 AI가 필요한 경우는 “올바른 판단”을 규칙으로 완전히 정의할 수 없는 과제들입니다. 패턴은 크게 두 가지 있습니다.

판단의 근거를 언어화할 수 없는 경우 숙련된 용접공의 “힘 조절”이나 검사원의 “이것은 불량품처럼 보인다”는 직감(암묵지)은 본인에게도 말로 표현하기 어려운 경우가 많다. 관찰과 학습을 통해서만 재현할 수 있다.

사전에 판단해야 할 패턴을 모두 나열할 수 없는 경우, 공장의 외관 불량과 그것이 어떤 형태로 나타나는지 사전에 정의할 수 없으며, 창고로 들어오는 상품의 형태와 무게도 매일매일 다르다. “예상치 못한” 상황이 끊임없이 발생하는 환경에서는 규칙보다 학습한 모델이 더 적응적이다.

## 구체적인 애플리케이션

현재 시점에서는 제조 및 물류 분야의 실용화가 가장 진전되어 있습니다. 다만 해외에서의 자금 조달 움직임을 보면 헬스케어, 건설, 방위, 우주 분야로의 유입이 급격히 늘어나고 있으며, 차례로 다음 물결이 형성될 것이라고 예상합니다.

![画像](https://assets.st-note.com/img/1786689319-7c56IrLs4qyJDAWON3fQ9YHj.png?width=1200)

이것들에 공통되는 것은 “규칙으로는 설명할 수 없는 판단”이 핵심이라는 점입니다.

제조 및 물류에서는 창고에 도착하는 상품의 형태, 무게, 포장이 매일 바뀌고, 공장의 부품 위치나 방향도 라인별로 흩어져 있습니다. 사전에 패턴을 정의하기 어렵습니다. 헬스케어에서는 “이 환자의 이 움직임에 지금 얼마나 보조를 해야 하는가”라는 판단이 환자마다, 세션마다 계속해서 달라집니다. 건설 현장은 매번 다른 지형, 구조, 날씨 속에서 작업이 진행되며, 숙련된 기술자의 “그 자리에서의 판단”이 곳곳에 들어갑니다. 방위에서는 쉴 새 없이 변하는 전장이나 재난 현장에서 사전에 규칙을 적는 것 자체가 원리적으로 불가능합니다. 우주에는 사람이 そもそも介在できません. 통신 지연이 있는 궤도상에서는 “지상에서 실시간으로 조작하는”다는 전제가 성립되지 않으며, 위성의 점검, 수리, 연료 보급을 로봇이 자율적으로 처리해야 합니다.

어떤 경우든 IoT(센서와 규칙)로는 대응할 수 없으며, 학습한 모델이 판단하는 시스템이 필요합니다.

## 데이터 모델 - 하드웨어 — 핵심 역량 검증이 이루어질 것이다.

물리 기반 AI 기업과 이야기를 나누면서 제가 가장 중요하게 생각하는 질문은 “어떤 층에서 차별화를 할 것인가”입니다. 물리 기반 AI의 가치 사슬은 기술 기반 층(무엇으로 움직이는가)과 구현 층(현장에서 작동하는가)의 두 층으로 나누어 생각하면 정리하기 쉽다고 생각합니다.

![画像](https://assets.st-note.com/img/1786688498-5zQ7aCxBmgF6i0WoA8PVvn4S.png?width=1200)

기술 기반 레이어 – 하드웨어 모델 데이터

하드웨어는 센서, 액추에이터, 기체, 배터리 등 물리적인 구성 요소입니다. 배터리의 지속 시간, 센서의 정확도, 액추에이터의 출력과 정밀함은 물리 법칙에 제약되는 요소이므로, 소프트웨어의 진화 속도와는 다른 시간 내에만 개선됩니다. 순수한 소프트웨어 기업의 관점에서 개발 일정을 평가하는 것은 적절하지 않습니다.

모델은 로봇의 “두뇌”에 해당하는 부분입니다. NVIDIA의 코스모스와 같은 汎用 기반 모델을 파인튜닝하거나, 독자적으로 개발하는 선택이 있습니다. 전자는 개발 비용이 저렴한 반면, 누구나 동일한 것을 사용할 수 있어 차별화가 어렵습니다. 특정 업종·태스크에 특화된 도메인 특화 모델을 갖추는 것이 장기적인 경쟁 우위로 이어질 수 있는 영역입니다.

데이터는 실세계의 동작 로그와 현장의 암묵지입니다. 시뮬레이션으로는 대체할 수 없는 부분이 많고, 현장 데플로이먼트를 쌓아 올린 기업만이 독자적인 데이터 자산을 갖게 됩니다. 세 가지 중 가장 모방하기 어렵고 최대의 진입 장벽이 됩니다. “첫 번째 데플로이먼트에서 얼마나 많은 데이터를 확보할 수 있는가”가 그 이후의 성능 개선 속도를 좌우합니다.

구현 단계 – 시스템 통합 및 플릿 운영

기술 기반이 갖춰져 있어도 현장에서 움직이지 않으면 의미가 없습니다. 여기가 구현 레이어입니다.

시스템 통합은 기존 생산 라인이나 업무 프로세스에 기계를 융합하는 능력입니다. 공장의 라인을 멈추지 않고 도입할 수 있는지, 기존 설비와 연결될 수 있는지, 안전 인증을 통과할 수 있는지 — 기술적으로는 뛰어나도 여기서 막히는 프로젝트가 매우 많습니다. Inbolt가 “몇 시간 내에 도입 가능하다”는 것을 앞세우는 것은 이 마찰의 크기를 이해하고 있기 때문입니다.

프리깃 운용은 여러 대를 지속적으로 움직이고 유지하는 능력입니다. 원격 감시, OTA 업데이트, 가동률 보증, 고장 시 대응 – 실제 실험과 상용화를 구분하는 핵심적인 부분입니다. 동일 기기뿐만 아니라, 때로는 기계와 사람의 통합 관리까지 요구되는 경우도 있습니다.

## 소프트웨어 르네상스 시기와 유사성

이 구조는 SaaS나 AI가 등장한 시기와 매우 유사합니다.

2010년대 SaaS 부흥기, 처음에는 “기능이 우수하면 좋겠네”가 경쟁 척도였습니다. 하지만 수년이 지나면서 기능 차이는 급격히 좁혀졌고, 승패를 가른 것은 도입의 용이성, 기존 시스템과의 연동, 그리고 고객 성공(CS)을 통한 정착 지원이었습니다. 2020년대 초반 AI 영역에서도 같은 일이 일어나고 있습니다. 기반 모델에 대한 접근은 민주화되었고, 모델의 성능 차이만으로는 사업을 지킬 수 없었습니다. 차이를 만드는 것은 업무 흐름에의 통합과 데이터 축적입니다.

저는 인공지능도 유사한 경로를 걷게 될 것이라고 생각합니다. 글로벌 기반 모델이 보편화될수록 모델 자체의 차별화는 어려워질 것입니다. 결국 중요한 것은 현장에 들어가 도입을 성공적으로 이끌어내는 능력과, 그곳에서 독자적인 데이터를 축적하는 루프일 것입니다.

이상적으로는 이러한 레이어가 연동되는 것이 강점이 됩니다. 실제 세계의 배포 환경에서 독자 데이터를 취하고, 모델을 개선하며, 그 개선이 하드웨어 설계에도 반영되는—라는 클로즈드 루프입니다. 하지만 스타트업이 모든 것을 자전으로 갖는 것은 현실적이지 않습니다. 어떤 레이어에 집중하고, 어디를 외부와 연계할지를 설계할 수 있는지가 투자 판단에서 중요한 논점입니다.

## 일본에서의 사업 기회에 대해 논의해 봅시다.

저는 일본 시장과 해외 시장의 가장 큰 차이는 고객의 긴급성이라고 생각합니다.

서구에서는 인력 부족이 비용 문제로 나타납니다. 인건비 상승에 대응하여 자동화하는 결론을 내리는 것이죠. 반면 일본에서는 “そもそも人が採れない” 즉, ‘사람을 제대로 채용할 수 없는’ 문제로 나타나고 있습니다. 건설 현장, 요양 시설, 지방 공장 등 채용 공고를 내도 응모가 오지 않습니다. 이 차이는 구매 결정 속도에 직접적으로 연결됩니다. “비용이 줄어든다”는 것보다 “이대로는 사업이 돌아가지 않는다”는 것이 의사 결정은 압도적으로 빠릅니다.

또한 일본의 경우, 이 과제가 특정 산업에 국한되지 않습니다. 제조업, 건설, 물류, 간병, 농업 – 주요 산업의 거의 모두에서 동시에 발생하고 있습니다. 물리적 AI를 필요로 하는 고객이, 이렇게 넓게, 이렇게 절실하게 존재하는 시장은 세계적으로도 드뭅니다.

그리고 이것은 앞서 논의된 구현 레이어와 직접적으로 연결됩니다. 물리 AI가 궁극적으로 効いてくる 것은 현장에 들어가 도입을 성공적으로 이끌어내는 능력과, 그곳에서 독자적인 데이터를 축적하는 루프였습니다. 도입 의지가 높은 고객이 일본에 대량으로 존재한다는 것은, 그 루프를 처음으로 회전시키는 장소로서 일본이 우월하다는 의미입니다. 일본에서 구현 레이어의 실적과 데이터를 축적한 기업이 동일한 과제를 안고 있는 다른 국가 시장에 진출한다는 전략은 충분히 현실적인 전략이라고 생각합니다.

물론, 일본 고유의 어려움도 존재합니다. 안전 기준 및 산업재해에 대한 관념이 보수적이며, “로봇이 자율적으로 판단한다”는 것에 대한 현장의 심리적 저항도 여전히 강합니다. 하지만 이러한 마찰을 극복한 기업에게는 그것 자체가 진입 장벽이 됩니다.

## 어쩌면, 그 모든 것이 덧없이 스러질지도 모른다.
그녀의 웃음소리,
그의 땀방울,
그리고
그들이 만들어낸 작은 세상.

모두
시간의 흐름 속에서
점점 희미해져 가겠지.

하지만,
그 순간들이
그들의 기억 속에
아직도 빛나고 있잖아.

그녀는
‘나를 잊지 말아줘’라고
그에게 속삭였어.

그는
그녀의 이름을
영원히 기억할 거야.

그리고,
그들의 만남은
어느 날 갑자기
끝나는 법은 없겠지.

그것은
시간과 공간을 초월하는
마법과도 같으니까.

어쩌면,
우리는
모든 것을 잃어도
다시 찾을 수 있을지도 몰라.

그것은
사랑의 힘이니까.

어쩌면,
우리는
다시 만날 수 있을지도 몰라.

그것은
운명의 장난이니까.

어쩌면,
우리는
영원히 함께
살아갈 수 있을지도 몰라.

그것은
우리의 선택이니까.

물리적 AI”라는 용어에 기대와 관심이 집중되는 가운데, 스타트업부터 대기업에 이르기까지 “누가 무엇을 어디까지 수행할 것인가”라는 포지셔닝이 활발해지고 있습니다. 이미 하이퍼휴먼형 로봇이나 자율주행 분야에서는 스타트업과 대기업이 손을 잡고 세력 형성되고 있습니다. 우리 역시 VC로서, 자금 지원뿐만 아니라 사업 구축도 지원하고 싶습니다. 물리적 AI는 디지털 공간에 갇혀있던 AI가 물리 세계로 나오면서 산업 구조를 변화시킬 수 있는 큰 변화입니다. 제조, 물류, 간병, 모빌리티 등 일본이 강점을 가지고 있는 산업 분야에서 이 기술에 도전하는 기업가들과 소통하고 싶습니다. 언제든지 편하게 연락 주세요!

**출처:** [note 원문](https://note.com/jafcogroup8595/n/na103c6121d19)

*번역: Gemma 3(.44) 초벌 + 교정 33청크*

[원문 보기](https://note.com/jafcogroup8595/n/na103c6121d19) | 출처: note.com