미국 제조업의 붕괴가 한국에게는 기회가 됐다.
엔비디아, 메타 같은 글로벌 빅테크들이 앞다퉈 피지컬 AI 개발에 나서고 있지만, 정작 그들이 갖지 못한 게 하나 있다.
바로 ‘진짜 제조 데이터’다. 한국 정부는 이 기회를 놓치지 않기 위해 경남을 중심으로 2조원 규모의 초정밀 제조 데이터 수집 프로젝트를 가동했다.
과학기술정보통신부가 올해부터 2030년까지 추진하는 ‘PINN 모델 제조 융합 데이터 수집·실증 사업’은 경남 산업단지 내 기업들의 가공, 용접, 절삭, 사출 등 주요 공정에서 마이크로미터(100만분의 1미터) 단위의 초정밀 데이터를 수집한다.
지난해 검증 단계에서만 243테라바이트(TB)의 멀티모달 데이터를 확보했을 정도로 속도를 내고 있다.
왜 미국은 이 데이터를 못 가졌나
엔비디아가 GPU 다량 공급을 약속하며 한국과 손잡은 것도 실제 제조 데이터 확보가 목적이라는 분석이 나온다.
피지컬 AI는 로봇이나 기계가 현실 세계를 관찰하고 물리 법칙에 따라 행동하는 기술인데, 이를 학습시키려면 실제 공장에서 나온 데이터가 필수다. 하지만 미국은 제조업이 붕괴한 상태라 아무리 많은 GPU를 쌓아도 학습시킬 데이터가 부족하다.
경남대학교 유남현 교수는 “제조 공정은 로봇이 태권도를 따라 하는 것과 다르다. 어떤 재료를 몇초간 얼마의 힘으로 가공하고, 식혔다 다시 열을 가하는 등 분초별로 이뤄진 수없이 많은 작업의 총합”이라며 “이런 데이터는 인터넷에 존재하지 않고, 있어도 무슨 의미인지 알려진 게 없다”고 설명했다.
경남은 반도체·화학공업을 제외한 자동차, 조선, 방산 등 거의 모든 제조 데이터가 집결된 곳이라는 점에서 전략적 요충지다.
기존 데이터와 뭐가 다른가
정밀도가 차원이 다르다. 기존 제조 데이터는 공정을 겉에서 모니터링한 수준으로 1Hz~5Hz의 10여종 데이터를 수집했다면, 이번에 확보하는 초정밀 융합 데이터는 100Hz~2kHz에 이르는 100여종 이상의 계측 데이터다.
온도, 습도, 진동, 대기압 등 미세하게 변화하는 현장 조건을 실시간으로 포착해 숙련공의 노하우를 디지털화한다.
이를 학습한 AI는 합성 데이터나 모니터링 영상만 본 ‘블랙박스 AI’와 달리 ‘화이트박스 AI’로 불린다. 제한된 공정 센서 데이터만으로도 보이지 않는 금형 내부 상태를 실시간으로 추정하고, 적은 데이터로 물리 법칙을 역설계할 수 있다.
작년 검증 단계에서 참여한 신성델타테크는 플라스틱 사출·조립 공정에서 작업자 행동, 원자재 상태, 불량 형상 등을 연계한 디지털 트윈 모델로 공정 품질을 사전 예측·보정하는 데 성공했다.
스마트공장 수출, 현실이 될까
정부는 세계 최초 PINN(물리 정보 신경망) 모델을 개발한 뒤 오픈소스로 개방하고, 한국형 공장 모델을 세계로 수출하는 시대를 목표로 한다.
하드웨어 중심의 제조장비 시장을 넘어 AI와 소프트웨어가 결합한 새로운 블루오션을 만든다는 구상이다. 초정밀 행동 모델이 물리 지능 내재형 공장 솔루션의 해외 수출, 초정밀 제조 장비 국산화로 이어질 것이란 기대다.
과기정통부는 지난 11일 국회 업무보고에서 “제조·물류·조선 등 우리나라 강점 분야를 중심으로 전 산업에 피지컬 AI를 확산하는 전략을 상반기 중 수립하겠다”고 밝혔다.
인구 감소로 숙련 인력이 빠르게 줄고 있는 지역 제조업을 AI로 뒷받침하는 것도 과제다. 업계에서는 독자 AI 파운데이션 모델과 국산 신경망처리장치(NPU)가 함께 연동되면서 모델·반도체·서비스를 아우르는 국산 AI 생태계가 형성될 것으로 전망하고 있다.
