[딜사이트 변한석 기자] “자동차는 피지컬 AI가 최초로 산업화될 현장일 것입니다. 자율주행을 중심으로 AI가 현실 세계를 인식하고 판단하는 기술이 가장 먼저 대규모로 적용될 수 있기 때문입니다.”

전병욱 한국자동차연구원 연구소장은 26일 서울 강남구 삼성동 코엑스 B홀에서 열린 ‘2026 자율주행모빌리티산업전’ 컨퍼런스에서 ‘피지컬 AI 시대, 자율주행 패권 경쟁과 K-모빌리티 전략’을 주제로 발표하며 이렇게 진단했다. 한국이 ‘피지컬 AI 1강’을 노리는 상황에서 자율주행을 중심으로 피지컬 AI 기술을 가장 먼저 상용화하고 로봇·제조 등 다른 산업으로 확산시키는 출발점이 될 수 있다는 분석이다.

인공지능(AI)이 디지털 공간을 넘어 현실 세계에서 직접 판단하고 움직이는 피지컬 AI로 확장하면서 자율주행 기술은 실제 도로에서 방대한 데이터를 축적하고 AI가 차량의 판단과 제어까지 맡는 단계까지 진입했다. 이날 컨퍼런스에서 발표를 맡은 전문가들은 공통적으로 한국이 미국과 중국보다 출발은 늦지만 자동차 제조 경쟁력을 기반으로 AI 중심 자율주행으로 빠르게 전환해야 한다고 주장했다.

이러한 상황에서 월드모델(World Moedel)의 중요성이 부각됐다. 엔비디아는 코스모스(Cosmos)와 옴니버스(Omniverse) 등을 활용해 실제 센서 데이터를 가상환경으로 재구성하고 날씨·조명·교통상황 등을 바꾼 합성 데이터를 생성하는 방식으로 자율주행 학습을 지원하고 있다.

정석원 엔비디아 전무는 ‘자율주행차를 위한 엔비디아 옴니버스와 코스모스’ 발표에서 “자율주행을 고도화하려면 현실에서 발생할 수 있는 수많은 상황을 AI가 학습해야 한다”며 “월드모델을 활용하면 실제 데이터를 기반으로 다양한 환경과 상황을 생성해 부족한 학습 데이터를 보완할 수 있다”고 했다.

실제로 엔비디아는 자율주행 AI 개발 과정에서 실제 데이터 수집부터 학습·검증까지 이어지는 통합 개발 환경을 구축하고 있다. 실제 차량에서 수집한 센서 데이터는 옴니버스 기반 가상환경에서 재구성한다. 이후 코스모스를 활용해 날씨·조명·주변 객체 등 조건을 바꾼 합성 데이터를 생성한다.

정 전무는 “실제 도로에서 확보하기 어려운 상황도 가상환경에서는 만들어낼 수 있다”며 “하나의 데이터를 기반으로 비가 오거나 야간인 상황, 오토바이나 스쿠터가 등장하는 등 여러 시나리오를 생성해 자율주행 학습에 활용할 수 있다”고 설명했다.

다만 월드모델을 곧바로 자율주행의 해답으로 보기보다는 현재 기술 수준에 맞춰 단계적으로 적용해야 한다는 의견이 나왔다. 전문가들은 국내에서 우선 엔드투엔드(E2E) 자율주행 시스템을 실제로 구현하며 데이터와 개발 경험을 쌓아야 한다고 주장한다. 이후 이 과정에서 드러나는 한계를 월드모델과 비전언어모델(VLM) 등 차세대 기술로 보완해야 한다고 봤다.

최준원 서울대학교 교수는 ‘자율주행의 미래 경쟁력을 위해 우리는 무엇에 집중해야 하는가?’를 주제로 한 토론에서 “엔드투엔드는 결국 데이터 기반 시스템이기 때문에 데이터와 GPU 인프라가 갖춰지면 충분히 시도해볼 수 있다”며 “E2E를 해보면서 어떤 부분이 잘 되고 부족한지를 이해해야 한다”고 했다.

이어 “성능 평가나 예외 상황 대응에 한계가 나타났을 때 VLM이나 월드모델을 적용해야 한다”며 “어떤 기술을 선택하느냐의 문제라기보다는 우선순위의 문제”라고 덧붙였다.

국내 자율주행·피지컬 AI 산업도 개별 기업의 기술 확보를 넘어 산업 전체의 기술 수준을 높일 수 있는 협력 구조가 필요하다는 목소리도 나왔다. 최 교수는 “제조업에서는 기술이 다른 기업에 노출되면 빼앗긴다고 생각해 협력이 어려운 경우가 많다”며 “AI가 발전해온 과정에는 기업이 모델을 공개하고 다른 연구자들이 참여해 개선하는 오픈 생태계가 있었다”고 했다.

특히 국내가 미국·중국보다 AI 자율주행 전환과 데이터 확보에서 뒤처진 만큼 개별 기업의 투자보다 산업 전반의 역량을 모아야 한다는 지적이다. 전문가들은 향후 2~3년을 국내 자율주행 산업이 격차를 줄일 수 있는 중요한 시기로 봤다. 정구민 국민대학교 교수는 프로세서부터 AI 모델, 차량, 서비스까지 연결하는 ‘버티컬 AI’ 전략을 강조했다.

정 교수는 “프로세서와 AI 모델, 차량, 서비스까지 하나의 버티컬 구조로 묶어 경쟁력을 키워야 한다”며 “자율주행과 로봇 등 피지컬 AI 분야를 부처별로 나눠 지원하기보다 GPU와 투자 자금을 실제 기업의 사업 확대으로 이어질 수 있도록 지원해야 한다”고 주장했다.