데이터 센터의 희미한 서버 험은 아스팔트 위 삐걱거리는 금속음과는 우주만큼 멀게 느껴진다. 하지만 그 두 현실 사이 어딘가에서, 새로운 종류의 AI가 빚어지고 있다.
Applied Intuition은 YC 시절부터 자율주행 도구 회사에서 조용히 150억 달러 규모의 거대 기업으로 변모하며 이 ’ 피지컬 AI‘를 구축하는 임무를 맡고 있다. 공동 창업자인 Qasar Younis와 Peter Ludwig는 영화 줄거리를 지어내는 챗봇에 대해 이야기하는 것이 아니다. 그들은 AI가 무거운 기계를 안정적으로 작동시키고, 번화한 일본 도시를 트럭으로 운전하며, 건설 현장과 방위 시스템의 용서 없는 지형을 탐색하도록 하는 데 집중하고 있다. 10년에 걸친 그들의 여정은 지능적인 알고리즘과 실질적이고 현실 세계의 배포 사이의 종종 간과되는 깊은 간극을 세밀하게 보여준다.
핵심은 이것이다. 모두가 모델에 열광한다. OpenAI의 최신 발표, Google의 발전 – 이것들은 헤드라인을 장식한다. 하지만 Younis와 Ludwig는 모델의 지능이 중요하지만 더 이상 주된 병목 현상이 아니라고 빠르게 지적한다. 진짜 머리를 싸매게 하는, 우리 시대의 진정한 엔지니어링 도전은 이러한 정교한 AI 시스템을 안전하고 효과적으로 제약된 하드웨어에서 작동시키는 것이다. 여기에는 모든 실시간 요구 사항, 전력 제한, 그리고 용서 없는 물리적 제약이 수반된다.
피지컬 AI가 근본적으로 다른 이유
생각해보라. LLM은 프롬프트를 잘못 해석하거나, 말이 안 되는 텍스트를 생성하거나, 심지어 사실을 만들어낼 수도 있다. 짜증 나는가? 물론이다. 하지만 일반적으로 물리적 피해를 초래하는 치명적인 실패로 이어지지는 않는다. 운전자 없는 트럭, 자율 주행 차량, 산업용 로봇과 같은 안전이 중요한 기계의 경우, 위험은 비교할 수 없이 높다. 실수는 단순한 글리치가 아니라 잠재적인 재앙이다. 이는 디지털 비서에게 기대하는 것보다 훨씬 높은 수준의 신뢰성과 결정론을 요구한다.
Applied Intuition의 진화는 이러한 복잡성을 반영한다. 그들은 로봇 택시 회사를 위한 디지털 시험장인 시뮬레이션 및 데이터 인프라를 구축하며 시작했다. 하지만 더 깊이 파고들면서 총체적인 접근 방식의 필요성을 깨달았다. 시뮬레이션으로만 테스트하는 것은 충분하지 않았다. 이동하는 기계의 고유한 요구 사항을 위해 설계된 강력한 운영 체제와 물리적 세계의 미묘한 차이를 이해하는 기본적인 AI 모델이 필요했다.
그들의 현재 플랫폼은 30개 이상의 제품에 걸쳐 시뮬레이션, 운영 체제, AI 모델을 포함한다. 이는 피지컬 AI가 단 한 가지가 아니라 소프트웨어, 하드웨어, 현실 세계의 물리학이 조화를 이루어야 하는 복잡한 생태계라는 아이디어에 대한 증거다.
하드웨어가 새로운 개척지인가?
Ludwig는 설득력 있는 비유를 제시한다. 오늘날 복잡한 차량 및 기계 소프트웨어 스택은 Android와 iOS가 등장하기 전의 휴대폰과 같다. 파편화되고, 독점적이며, 관리하기 어렵다. Applied Intuition은 더 표준화되고, 신뢰할 수 있으며, 확장 가능한 피지컬 AI 애플리케이션 개발을 가능하게 하는 운영 체제 계층, 즉 기본 플랫폼이 되는 것을 목표로 한다. 이는 iPad의 기능을 복제하는 것이 아니라, 실시간 센서 스트림을 처리하고, 밀리초 단위의 지연 시간을 관리하며, 안전 장치를 보장하고, 수 톤에 달하는 차량을 ‘벽돌’로 만들 위험 없이 안정적인 무선 업데이트를 가능하게 하는 OS를 구축하는 것이다.
순수한 모델 개발에서 배포 및 인프라에 대한 초점으로의 이러한 전환은 몇 년 전에는 약간 유행이 지난 것처럼 느껴졌던 툴링 회사가 다시 인기를 얻는 이유다. AI 붐은 더 똑똑한 모델을 만들어냈을 뿐만 아니라, 이러한 모델을 실제 시스템에 효과적으로 통합할 수 있게 하는 워크플로우와 도구의 중요성을 강조했다.
“어려운 점은 안전, 지연 시간, 전력, 비용 및 신뢰성 제약 하에서 실제 하드웨어에 모델을 배포하는 것입니다.”
Applied Intuition 내에서도 AI는 단순히 제품이 아니라 자체 엔지니어를 위한 도구가 되고 있다. Cursor와 Claude Code와 같은 코딩 에이전트와 내부 채택 리더보드는 가장 안전이 중요한 임베디드 시스템에 대한 소프트웨어를 작성하는 방식까지 변화시키고 있다. 이는 AI가 기술 개발의 모든 계층을 어떻게 침투하고 있는지를 보여주는 흥미로운 축소판이다.
끝없는 검증의 추구
Younis와 Ludwig가 강조하는 가장 중요한 과제 중 하나는 검증 및 확인이다. AI 모델이 더 똑똑해짐에 따라 성능을 평가하는 것이 역설적으로 더 어려워진다. 전통적인 결정론적 테스트는 실패하기 시작한다. 종단 간 자율 주행은 정확할 뿐만 아니라 실용적인 강화 학습을 가능하게 할 만큼 빠르고 저렴한 시뮬레이션을 요구한다. 목표는 이진 통과/실패에서 특정 수의 ‘나인’으로 신뢰성을 정량화하는 것으로 전환된다. 즉, 통계적 안전 접근 방식이다.
이것이 바로 현실 세계 테스트가 결코 사라지지 않을 이유다. 아무리 발전된 시뮬레이터라도 현실의 혼돈과 예측 불가능성을 완벽하게 복제할 수는 없다. Cruise와 Waymo와 같은 회사와 관련된 악명 높은 사고가 이 점을 강조한다. 대중의 신뢰는 단순히 기술적 기량으로 구축되는 것이 아니다. 그것은 일관되고 신뢰할 수 있는 성능과 문제가 불가피하게 발생했을 때 회사가 규제 당국 및 대중과 상호 작용하는 방식에 의해 구축된다. 그들은 Waymo가 신중한 접근 방식을 통해 업계에 높은 기준을 설정했다고 제안한다.
월드 모델도 집중적인 초점 영역이다. 시각적 단서뿐만 아니라 원인과 결과 – 수막 현상이 차량에 어떤 영향을 미치는지, 건설 장비의 역학이 하중에 따라 어떻게 변하는지 – 를 이해하는 것이 중요하다. 하지만 이러한 월드 모델은 온보드 시스템을 위해 극도로 효율적이어야 하며, 지연 시간, 전력 소비 및 크기에 대한 엄격한 제한이 있다. 이는 대규모 데이터 센터 모델을 핵심적이고 성능이 뛰어난 핵심으로 축소하기 위한 증류와 같은 기술을 의미한다.
이는 로봇 공학 데모의 취약한 마지막 1%와는 거리가 멀다. Younis의 창업자들에 대한 조언은 날카롭다. 상업적 문제를 제한하고, 성숙한 회사를 조기에 모방하지 말며, 기술적 복리가 이를 볼 수 있을 만큼 충분히 오래 생존해야만 가치가 있다는 것을 기억하라. 그들은 환경이 변했다고 제안한다. 2014년 YC의 조언은 자본 시장의 변화와 AI 스타트업의 역학 관계를 고려할 때 2026년에는 통하지 않을 수 있다.
Applied Intuition의 10년간의 고된 작업은 그들에게 독특한 통찰력을 제공했다. 그들은 로봇 공학 데모를 보고 회사가 직면할 다음 20가지 문제를 예측할 수 있다. 바로 이 힘들게 얻은 지혜, 피지컬 AI 배포의 최전선에서 단련된 지혜가 그들을 진정으로 차별화한다. 그들은 단순히 똑똑한 기계를 만드는 것이 아니라, 움직이는 세상을 위한 지능 인프라를 구축하고 있다.
