Nvidia, GTC 타이베이에서 물리 AI에 대규모 투자, 새 세계 모델과 오픈 허وم아이드 로봇 발표

엔비디아가 GTC 타이베이에서 공개한 핵심은 '피지컬 AI(Physical AI)'를 위한 파운데이션 모델 스택이다. 월드 모델 Cosmos 3는 로봇·자율주행차가 실제 행동을 취하기 전에 물리 세계의 다음 장면을 시뮬레이션·예측하는 생성형 모델로, 카메라·라이다 데이터를 입력받아 미래 프레임과 상태를 합성해낸다. 이는 실차·실로봇으로 위험하고 비용이 큰 시행착오를 반복하는 대신, 합성 데이터(synthetic data)로 학습·검증을 대량 수행하는 'sim-to-real' 파이프라인의 엔진 역할을 한다. 자율주행 모델 Alpamayo 2 Super는 파라미터·학습 데이터를 크게 키운 '드라이빙 브레인'으로, 인지-예측-계획을 분리하던 기존 모듈식 스택을 엔드투엔드(end-to-end) 방향으로 통합하는 흐름의 연장선에 있다. 휴머노이드용 오픈 레퍼런스 플랫폼은 하드웨어 설계와 제어 소프트웨어를 함께 공개해, 로봇 제조사들이 바닥부터 만들지 않고 표준 베이스 위에서 응용에 집중하도록 진입 장벽을 낮추려는 전략이다.

개발자·엔지니어 관점에서 가장 큰 변화는 데이터 확보 방식과 개발 워크플로의 재편이다. 그동안 로봇·자율주행 분야의 최대 병목은 라벨링된 실세계 데이터의 부족과 엣지 케이스 수집 비용이었는데, Cosmos 같은 월드 모델은 희귀 상황(악천후, 돌발 보행자, 비정형 물체 조작 등)을 합성으로 무한 생성해 학습·회귀 테스트를 가능하게 한다. 즉 "모델을 어떻게 학습시킬까"보다 "어떤 시나리오를 시뮬레이션하고 검증할까"가 더 중요한 역량이 된다. 동시에 이 스택은 사실상 엔비디아 생태계(CUDA, Omniverse, Isaac, DRIVE)에 깊게 묶여 있어, 클라우드 비용·온디바이스 추론 최적화·라이선스 조건이 실제 채택을 좌우하는 현실적 변수로 작동한다. 오픈 휴머노이드 플랫폼은 스타트업과 연구팀에게는 기회지만, 동시에 차별화 포인트가 '하드웨어'에서 '데이터·정책(policy) 모델·도메인 특화 fine-tuning'으로 이동한다는 신호이기도 하다.

지금 당장 행동에 옮길 부분은 명확하다. 로보틱스·자율주행·비디오 인지 분야 엔지니어라면 Cosmos·Isaac·Omniverse의 라이선스 조건, 모델 가중치 공개 범위(완전 오픈인지 API 게이트인지), 그리고 추론 하드웨어 요구사항을 우선 확인해 실제 PoC 비용을 산정해야 한다. 합성 데이터를 학습에 도입할 계획이라면, 시뮬레이션과 실세계 간 분포 차이(domain gap)를 어떻게 측정하고 보정할지에 대한 검증 체계를 함께 설계하는 것이 핵심이다. 또한 엔드투엔드 드라이빙·로봇 정책 모델은 설명 가능성·안전성 검증이 어렵다는 본질적 한계가 있으므로, 규제·안전 인증이 필요한 도메인에서는 폴백(fallback) 로직과 모니터링을 별도로 갖춰야 한다. 끝으로, 특정 벤더 스택에 종속되기 전에 ROS 2, 오픈소스 시뮬레이터 등 대안과의 상호운용성을 점검해 락인(lock-in) 리스크를 미리 평가해 두는 것이 현명하다.