ZDNET을 팔로우하세요: 우리를 선호 소스로 추가하세요 Google에서.
3년 전 ChatGPT가 출시되면서 AI 열풍이 촉발되었습니다. AI 모델의 성능은 계속해서 향상되고 일상 생활에서 사람들에게 최대한 도움이 되려면 일상적인 작업에 액세스할 수 있어야 합니다. 이는 노트북 화면의 챗봇 외부와 현재 환경에서 살 수 있도록 허용함으로써만 가능합니다.
또한: 저는 CES 2026에서 Bluetooth 담당자와 함께 앉아 있었습니다. 그리고 그들이 저에게 말한 내용이 제 관점을 영원히 바꿔 놓았습니다.
업계의 최신 유행어인 물리적 AI를 입력하세요. 이 용어는 지난 주 CES(Consumer Electronics Show)에서 전면적으로 소개되었으며 Nvidia를 포함하여 거의 모든 회사가 공간 발전에 기여할 수 있는 새로운 모델이나 하드웨어를 홍보했습니다. 회사 기조연설에서 Jensen Huang CEO는 물리적 AI의 중요성을 ChatGPT 출시의 중요성과 비교하기도 했습니다.
"물리적 AI를 위한 ChatGPT 순간이 왔습니다. 즉, 기계가 현실 세계에서 이해하고, 추론하고, 행동하기 시작하는 때입니다."라고 그는 말했습니다.
물리적 AI는 일반적으로 주변 세계를 인식한 다음 작업을 수행하거나 조율할 수 있는 하드웨어에 구현된 AI로 정의할 수 있습니다. 자율주행차, 로봇 등 인기 있는 사례지만 AI를 활용해 작업을 수행하는 로봇은 수십 년 동안 존재해왔습니다. 그렇다면 차이점은 무엇입니까?
또한: Google은 Apple AI를 저장할 수 있습니까? 새로운 맞춤형 Siri를 지원하는 Gemini
Qualcomm의 자동화 운전 및 로봇 공학 담당 VP 겸 GM인 Anshuman Saxena에 따르면, 로봇의 차이점은 추론하고, 조치를 취하고, 주변 세계와 상호 작용하는 로봇의 능력에 있습니다.
Saxena는 "상황에 따라 작동하고 인간처럼 일부 행동을 취하는 일련의 생각, 추론, 두뇌에 대한 전체 아이디어가 물리적 AI의 진정한 정의입니다."라고 말했습니다.
예를 들어, 휴머노이드 로봇은 지시에 따라 자재나 패키지를 옮기는 등의 작업을 수행하는 것에서 한 단계 더 나아갈 수 있으며, 대신 환경을 인지하여 직관적으로 작업을 수행할 수 있습니다.
또한: Nvidia의 Rubin은 우리가 알고 있는 AI 컴퓨팅을 변화시킬 수 있습니다.
그러나 예제가 그렇게 정교할 필요는 없습니다. 실제로 Qualcomm의 XR, 웨어러블 및 개인 AI 부문 SVP 겸 총괄 관리자인 Ziad Asghar에 따르면 귀하는 이미 물리적 AI의 대표적인 사례를 보유하고 있을 수도 있습니다.
Asghar는 "스마트글라스는 이미 물리적 AI를 가장 잘 표현하고 있습니다."라고 말했습니다. "그들은 기본적으로 존재하고 당신이 보고 있는 것을 볼 수 있는 장치입니다. 그들은 당신이 듣는 것을 들을 수 있으므로 당신의 물리적 세계에 있습니다."
Saxena는 인간이 작업을 수행하기를 원하지 않는 경우(너무 지루하거나 위험하기 때문에) 휴머노이드 로봇이 유용할 수는 있지만 인간을 대체하지는 못할 것이라고 덧붙였습니다. 스마트 안경과 같은 AI 웨어러블은 인간의 능력을 강화할 수 있기 때문에 중요한 역할을 합니다.
또한: CES 2026: 이 7개의 스마트 안경이 우리의 시선을 사로잡았습니다. 지금 이 안경을 구입할 수 있습니다.
그러나 그 이상으로 AI 웨어러블은 실제 관점과 사례를 기반으로 한 고품질 데이터 세트를 제공함으로써 로봇과 같은 다른 물리적 AI 장치에 실제로 피드백을 제공할 수 있습니다.
"LLM이 왜 그렇게 좋은가요? 인터넷에는 상황별 정보 등 많은 데이터가 있지만 실제 데이터는 존재하지 않기 때문입니다."라고 Saxena는 말했습니다.
그가 설명하는 문제는 종종 물리적 AI 개발을 방해하는 문제입니다. 도로에 자율주행 자동차를 배치하는 등 현실 세계에서 로봇을 훈련시키는 것은 너무 위험하기 때문에 기업은 이러한 모델을 훈련하고 테스트하기 위해 합성 데이터 시뮬레이션을 만들어야 합니다. 많은 기업들이 CES에서 이 문제를 해결하려고 시도했습니다.
또한: 저는 AI 전문가입니다. 이 메모 핀은 제가 CES에서 사용해 본 하드웨어 중 가장 설득력이 있는 하드웨어입니다.
Nvidia는 주변의 실제 세계를 이해하고 현실적인 삶의 시나리오를 에뮬레이트하는 합성 데이터와 시뮬레이션을 만드는 데 사용할 수 있는 새로운 모델을 출시했습니다. Qualcomm은 CES에서 출시된 새로운 Qualcomm Dragonwing IQ10 시리즈 프로세서와 AI 데이터 수집 및 훈련에 필요한 도구를 결합한 포괄적인 물리적 AI 스택을 제공합니다.
이 훈련을 위한 데이터 세트를 생성하는 것은 종종 시간과 비용이 많이 드는 프로세스입니다. 그러나 로봇은 사람들이 이미 매일 사용하고 있는 웨어러블 기기의 데이터, 즉 사실상 인간의 경험에 충실한 물리적 AI 데이터를 사용할 수 있습니다.
Saxena는 "이러한 센서, 안경, 거기에 있는 너무 많은 것들을 생각해 보세요. 안경을 쓰고 '아, 여기서 뭔가를 봤어'라고 생각하여 조치를 취하면 많은 정보가 즉시 생성되어 로봇에게도 도움이 될 수 있으며 오늘날 새로운 정보 세트를 생성할 수 있습니다."라고 Saxena는 말했습니다.
또한: AI를 자동화하기 위해 Gemini의 '예약된 작업'을 시도했습니다. 잠재력은 엄청납니다(하지만 Google에서는 할 일이 있습니다).
일상적인 데이터를 로봇 훈련에 사용함으로써 발생할 수 있는 개인정보 보호 문제를 고려하여 Saxena는 웨어러블 기기의 데이터가 항상 최고 수준의 개인정보 보호 수준으로 유지되어야 한다고 강조했습니다. 결과적으로 웨어러블 회사가 이미 익명화해야 하는 데이터는 로봇 훈련에 매우 도움이 될 수 있습니다. 그러면 해당 로봇은 더 많은 데이터를 생성하여 건강한 생태계를 만들 수 있습니다.
Asghar는 "이러한 상황 공유, 즉 로봇과 주변에 있는 웨어러블 AI 장치 간의 AI 공유가 얻을 수 있는 이점이라고 생각합니다"라고 덧붙였습니다.