AI가 몸을 얻는다: 다음 혁명의 정체

Physical AI(피지컬 AI)는 화면 속에 머물던 인공지능이 로봇이라는 몸을 얻어, 물리 세계에서 직접 지각하고 추론하고 행동하는 단계를 말합니다. 디지털 AI에 2022년 ChatGPT라는 순간이 있었다면, 로봇에는 2023년 RT-2부터 시작된 VLA(비전·언어·행동) 모델이 그 순간을 열었습니다. 그리고 2025년 한 해에만 로봇·물리 AI 분야 벤처 투자가 약 276억 달러로 2019년의 약 6.6배에 달하면서, 자본과 기술과 정책이 동시에 물리 세계로 방향을 틀고 있습니다. 이 글은 그 다음 혁명의 정체를 해부합니다.

디지털엔 신, 물리엔 아기

오늘의 AI는 변호사 시험을 통과하고, 박사급 논문을 요약하고, 몇 초 만에 그림을 그립니다. 인간의 지적 노동 중 가장 어렵다고 여겨지던 일들입니다. 그런데 같은 AI에게 빨래를 개거나, 처음 보는 부엌에서 컵에 물을 따라 오라고 하면 못 합니다. 두 살 아이도 하는 일입니다.

이상하지 않습니까. 가장 어려운 것은 하면서, 가장 쉬운 것은 못 합니다.

1988년 로봇공학자 한스 모라벡이 이 역설을 정리했습니다. 흔히 모라벡의 역설(Moravec's paradox)이라 부릅니다. 추론과 계산처럼 인간이 의식적으로 노력해야 하는 일은 컴퓨터에게 오히려 쉽고, 걷기와 손으로 물건 집기처럼 인간이 무의식적으로 하는 일은 컴퓨터에게 가장 어렵다는 것입니다.

이유는 진화에 있습니다. 인간은 수억 년에 걸쳐 몸을 움직이는 능력을 다듬어 왔지만, 논리적으로 추론하는 능력은 고작 수만 년 전에 얻었습니다. 오래 다듬은 능력일수록 너무 자연스러워서, 그것을 기계로 복제하는 일이 가장 어렵습니다. 우리가 컵을 집는 동작이 쉽게 느껴지는 이유는 그 일이 실제로 쉬워서가 아니라, 수억 년 동안 그 일을 위한 회로가 몸에 새겨졌기 때문입니다. 반대로 미적분이나 체스가 어렵게 느껴지는 이유는 그 능력이 인류에게 아직 낯설기 때문입니다. 기계의 능력 지도는 인간의 직관과 정확히 거꾸로 그려져 있습니다.

그래서 지금의 AI는 묘한 존재입니다. 디지털 세계에서는 신에 가깝고, 물리 세계에서는 아기입니다. 글과 코드와 이미지의 세계는 거의 정복했지만, 컵 하나 제대로 집지 못합니다.

개념적 시각화. 모라벡의 역설(Hans Moravec, 1988)을 도식화한 것입니다.

이 격차가 바로 다음 혁명이 서 있는 자리입니다. 디지털 세계를 정복한 지능이 이제 물리 세계로 넘어오려 하기 때문입니다. 우리는 이것을 지능이 몸을 얻는 과정이라 부릅니다.

그런데 이 격차는 단순히 "아직 안 한 일"이 아니라 "아직 못 푼 일"이라는 점이 중요합니다. 메타의 수석 과학자였던 얀 르쿤 같은 석학은 현재의 AI가 물리 세계를 근본적으로 이해하지 못한다고 지적합니다. 세계 모델(world model), 즉 물리 세계가 어떻게 작동하는지를 머릿속에 그려보는 능력이 통째로 빠져 있다는 것입니다 (MIT Technology Review). 사람은 컵을 보면 그것이 떨어지면 깨질지, 기울이면 물이 쏟아질지를 굳이 계산하지 않고도 압니다. 지금의 AI에게는 그 직관이 없습니다. 디지털과 물리 사이의 격차는 그만큼 깊습니다.

「혁명의 해부학」 시리즈를 따라온 독자라면 이 장면이 낯설지 않을 것입니다. 그 시리즈의 마지막에서 우리는 이렇게 적었습니다. AI 혁명이 풀지 못한 제약은 물리 세계에 직접 개입하지 못한다는 것이고, 바로 그 풀지 못한 제약이 다음 혁명의 씨앗이 된다고 말입니다. 그래서 이 혁명은 디지털을 끝낸 지능이 완전히 새 땅으로 가는 별개의 사건이 아니라, 같은 AI 혁명이 아직 풀지 못한 물리라는 다음 장(章)에 가깝습니다. 혁명은 끝나는 것이 아니라 이어집니다. 그 씨앗에서 자라는 혁명, 지능이 몸을 얻는 혁명이 이번 시리즈의 주제입니다.

1막. 몸을 얻는다는 것: 로봇에게도 ChatGPT 순간이 왔다

먼저 정의부터 분명히 해야 합니다. "AI가 몸을 얻는다"는 말은 비유처럼 들리지만, 그 안에는 두 가지 구체적인 질문이 들어 있습니다. 첫째, 화면 속 지능과 세계 속 지능을 가르는 경계는 정확히 무엇인가. 둘째, 로봇이 수십 년 전부터 있었는데 왜 하필 지금을 다음 혁명이라 부르는가. 이 막에서 그 둘을 차례로 풉니다.

1.1 화면 속 AI와 세계 속 AI의 경계

지금까지의 AI는 정보를 다뤘습니다. 글을 읽고, 이미지를 분류하고, 문장을 생성했습니다. 입력도 디지털이고 출력도 디지털입니다. 화면 안에서 시작해 화면 안에서 끝납니다. 챗봇과 대화하든, 그림을 생성하든, 코드를 짜든, 그 모든 일은 0과 1의 세계 안에서 완결됩니다.

Physical AI(피지컬 AI), 우리말로 옮기면 "몸을 가진 AI"는 다릅니다. 입력은 카메라와 센서로 들어오는 진짜 세계이고, 출력은 모터를 움직여 진짜 물체를 옮기는 행동입니다. 학계에서는 오래전부터 이것을 체현된 지능(Embodied AI)이라 불렀습니다. 1986년 MIT의 로드니 브룩스가 "지능은 내부의 기호 추론이 아니라 몸과 환경의 상호작용에서 나온다"고 주장하면서 기초가 놓였습니다 (Communications of the ACM).

산업에서 이 개념을 다시 꺼내 대중화한 사람은 엔비디아의 젠슨 황입니다. 그는 2025년 CES에서 이렇게 말했습니다. "AI의 다음 개척지는 피지컬 AI다. AI가 이제 물리 법칙을 이해하기 시작했다" (NVIDIA Blog).

물리 법칙을 이해한다는 말이 핵심입니다. 디지털 AI는 틀려도 다시 출력하면 그만입니다. 그러나 물리 세계에서는 중력이 있고, 마찰이 있고, 충돌이 있습니다. 컵을 너무 약하게 쥐면 떨어뜨리고, 너무 세게 쥐면 깨뜨립니다. 그 사이의 적당한 힘을 실시간으로 찾아야 합니다. 책상 위에 놓인 컵까지의 거리, 컵의 무게, 표면의 미끄러움, 물이 든 정도까지 모두 그 순간에 가늠해야 합니다. 화면 속 지능과 세계 속 지능을 가르는 경계는 결국 "몸이 있느냐", 더 정확히는 "물리 법칙의 제약을 직접 받느냐"입니다.

1.2 척추: VLA, 로봇의 GPT 모먼트

그렇다면 왜 하필 지금일까요. 로봇은 수십 년 전부터 있었습니다. 공장의 로봇팔은 1960년대부터 자동차를 만들었습니다. 무엇이 달라졌기에 지금을 "다음 혁명"이라 부르는 걸까요.

답은 기술의 변곡점에 있습니다. 과거의 로봇은 정해진 동작만 반복했습니다. 똑같은 자리에 놓인 똑같은 부품을, 1밀리미터의 오차도 없이, 프로그래밍된 그대로 집어 옮겼습니다. 환경이 조금만 바뀌어도, 부품이 살짝 비뚤어져 있어도 멈췄습니다. 이런 로봇은 "지능"이 아니라 정교한 자동 기계였습니다. 컨베이어 벨트 위의 세계가 완벽하게 통제되어 있는 한에서만 일할 수 있었습니다.

변화는 2022년 디지털 AI에서 일어난 일과 닮았습니다. ChatGPT가 등장하면서 AI가 특정 작업이 아니라 "처음 보는 질문"에도 답하게 되었습니다. 미리 짜놓은 규칙이 아니라, 방대한 데이터에서 스스로 패턴을 익혔기 때문입니다. 이 거대 모델을 파운데이션 모델(foundation model), 즉 한 분야의 토대가 되는 범용 모델이라 부릅니다.

같은 일이 로봇에서 일어났습니다. 로봇판 파운데이션 모델, 즉 VLA(Vision-Language-Action, 비전·언어·행동) 모델입니다. 카메라로 본 장면(Vision)과 사람의 말(Language)을 이해해서, 곧바로 로봇의 동작(Action)으로 바꾸는 하나의 거대 모델입니다. "식탁 위 빨간 컵을 싱크대에 넣어"라고 말하면, 한 번도 학습하지 않은 부엌에서도 컵을 찾아 옮깁니다. 정해진 동작을 반복하던 기계가, 처음 보는 상황에 대응하는 지능으로 바뀐 것입니다.

이 변곡점은 2023년부터 한 해가 멀다 하고 이어졌습니다.

VLA는 본 것과 들은 말을 곧바로 로봇 행동으로 바꾸는 거대 모델로, 디지털 AI의 ChatGPT에 해당합니다. (출처: RT-2 Google DeepMind, π0 Physical Intelligence / The Robot Report, GR00T N1 NVIDIA Newsroom, arXiv 2503.14734)

엔비디아의 젠슨 황은 2025년 3월 이 흐름을 두고 "범용 로봇의 ChatGPT 순간이 코앞에 와 있다"고 말합니다 (Everest Group, GTC 2025). 다만 그가 로봇용 칩과 플랫폼을 파는 당사자이고, 같은 문구를 2025년부터 행사마다 반복해 온 점은 감안해서 들어야 합니다. 그의 말을 빼더라도, 한 해가 멀다 하고 새 모델이 한 단계씩 도약한 흐름 자체는 제3자가 검증할 수 있는 사실입니다. 디지털 AI에 2022년의 그 순간이 있었다면, 로봇에는 2023년부터 그 변곡점이 시작된 것입니다.

여기서 두 가지를 분명히 해둡니다. 첫째, "ChatGPT 순간이 왔다"는 것은 기술의 문이 열렸다는 뜻이지, 그 문 안이 이미 가득 찼다는 뜻이 아닙니다. 데모 영상이 화려한 것과 실제로 공장과 가정에서 일하는 것은 전혀 다른 문제입니다. 둘째, GPT를 폭발시킨 진짜 동력인 스케일링 법칙(데이터와 모델을 키울수록 성능이 계단처럼 도약하는 원리)이 로봇에서도 성립할지는 아직 증명되지 않았고, 이것이 이 혁명의 가장 큰 미해결 변수입니다.

그래서 지금이 새벽인지 한낮인지, 진짜 실력인지 과장인지를 가르는 일은 바로 다음 편에서 단계의 렌즈로 정밀하게 측정합니다. 1편은 "왜 이 방향이 거스를 수 없는가"까지만 다룹니다.

2막. 왜 지금이 필연인가: 자본·기술·정책이 한 방향으로 향했다

「혁명의 해부학」에서 우리는 혁명이 빈 땅에서 태어나지 않는다는 것을 봤습니다. 항상 이전 혁명이 깔아놓은 인프라 위에서 태어납니다. Physical AI도 그렇습니다. 디지털 AI 혁명이 깔아놓은 토대, 즉 거대 모델을 학습시키는 기술과 방대한 연산 인프라 위에서 태어났습니다. VLA는 디지털 AI 없이는 불가능했습니다.

그런데 혁명의 방향이 정해졌다는 신호는 기술 하나로는 부족합니다. 진짜 신호는 자본과 정책이 그 방향을 따라 움직이기 시작할 때 나타납니다. 지금 셋이 동시에 물리 세계를 가리키고 있습니다.

2.1 자본: 돈이 물리 세계로 방향을 틀었다

가장 먼저 움직인 것은 돈입니다. 로봇과 물리 AI에 들어간 벤처 투자는 2019년 약 42억 달러였습니다. 2025년에는 약 276억 달러, 1년 만에 두 배가 되었고 6년 전의 약 6.6배입니다. 한 해에만 1,009건의 투자가 이뤄졌습니다 (PitchBook, WSJ).

6년 만에 약 6.6배입니다. 디지털 AI에 쏠리던 자본이 물리 세계로 갈라져 흐르기 시작한 것입니다. 그런데 돈의 무게뿐 아니라 방향도 봐야 합니다. 아직 매출도 변변치 않은 회사들에 천문학적 밸류에이션이 매겨지고 있기 때문입니다.

휴머노이드 로봇을 만드는 피규어 AI(Figure AI)는 2025년 9월 기업가치 390억 달러를 인정받았고 (Figure AI), 로봇 파운데이션 모델을 만드는 피지컬 인텔리전스(Physical Intelligence)는 같은 해 11월 56억 달러로 평가받았습니다 (The Robot Report). 자율주행의 웨이모(Waymo)는 2026년 2월 단일 라운드에서 160억 달러를 조달하며 기업가치 1,260억 달러에 이르렀습니다 (Waymo).

특히 한 분야가 두드러집니다. 2025년 휴머노이드 로봇 스타트업에 들어간 돈만 32억 달러로, 이전 6년을 모두 합친 것보다 많았습니다 (Dealroom, Sifted 보도). 방산 로봇에는 80억 달러가 몰려 전년 대비 139% 늘며 로봇 분야 1위를 차지했습니다 (Yahoo Finance, PitchBook). 자본은 "이 방향이 다음"이라고 베팅하고 있습니다.

2.2 기술: 디지털 AI가 성숙하며 물리 세계로 넘쳤다

자본을 끌어들인 것은 기술의 성숙입니다. 그리고 흥미로운 점은, 물리 세계로 넘어오는 주체가 낯선 신생 기업이 아니라 디지털 AI를 만든 바로 그 회사들이라는 것입니다.

엔비디아는 GPU를 팔던 회사에서 로봇의 두뇌(젯슨 추론 칩)와 학습 환경(아이작 시뮬레이션)과 모델(GR00T)을 한꺼번에 공급하는 회사로 확장했습니다 (NVIDIA Newsroom). 구글 딥마인드는 제미나이를 로봇용으로 변형한 제미나이 로보틱스(Gemini Robotics)를 내놨습니다 (Google DeepMind). 테슬라는 2026년 자본 지출 250억 달러 이상의 상당 부분을 옵티머스 로봇 제조에 배정했습니다 (Intellectia). 아마존은 이미 창고에 약 100만 대의 로봇을 돌리고 있습니다 (WWD).

디지털 AI에서 쌓은 거대 모델 학습 기술, 방대한 연산 자원, 그리고 막대한 현금이 그대로 물리 세계로 흘러넘치고 있습니다. 새 혁명이 백지에서 시작하는 게 아니라, 앞선 혁명의 챔피언들이 다음 링으로 올라가는 모습입니다. 이것은 「혁명의 해부학」이 보여준 패턴 그대로입니다. 혁명은 이전 혁명이 키운 거인들의 어깨 위에서 시작합니다.

2.3 정책: 국가가 산업 정책으로 끌어올린다

마지막 동인은 정책입니다. 디지털 AI는 대체로 민간이 끌고 정부가 뒤늦게 규제로 따라붙었습니다. Physical AI는 다릅니다. 시작부터 주요국이 국가 전략으로 밀고 있습니다. 로봇은 제조업·국방·노동력과 직결되기 때문입니다. 고령화로 일손이 줄고, 공급망이 안보 문제가 된 시대에, 로봇은 경제를 넘어 국가 안보의 사안이 되었습니다.

자본이 베팅하고, 기술이 넘쳐흐르고, 국가가 정책으로 떠받칩니다. 세 물줄기가 약속이라도 한 듯 같은 곳, 물리 세계를 가리키고 있습니다.

개념적 시각화. (출처: PitchBook, NVIDIA, IFR 등)

「혁명의 해부학」이 가르쳐준 것이 하나 있습니다. 무엇이 바뀌는가는 아무도 못 맞히지만, 어떻게 바뀌는가에는 구조가 있다는 것입니다. 자본·기술·정책이 동시에 한 방향을 가리킬 때, 그 방향 자체는 거스르기 어렵습니다.

다만 셋이 수렴한다는 것이 곧 일정을 보장하지는 않습니다. 자율주행도 메타버스도 한때 자본과 기술이 동시에 수렴했지만, 약속은 몇 해씩 늦어지거나 일부는 깨졌습니다. 수렴은 "방향이 맞다"는 신호이지 "언제 도착한다"는 시간표가 아닙니다. 그래서 1편은 방향의 필연까지만 말하고, 지금이 그 방향의 어느 지점인지는 다음 편에서 측정합니다.

3막. 물리 세계는 디지털과 다르다: 그래서 가치도 다른 곳에 고인다

지금까지 우리는 방향의 필연을 봤습니다. 그러나 여기서 멈추면 위험합니다. "필연이니까 아무 로봇 회사나 오르겠지"라는 생각은 「혁명의 해부학」이 경고한 바로 그 함정입니다. 닷컴이 진짜였어도 수많은 닷컴 회사가 사라졌고, 시스코는 살아남고도 주가 회복에 25년이 걸렸습니다.

게다가 물리 세계는 디지털과 근본적으로 다릅니다. 디지털 AI에서 통한 공식이 그대로 통하지 않습니다. 세 가지 차이를 봐야 합니다. 그리고 이 세 가지 차이가, 가치가 고이는 자리를 디지털과 다르게 만듭니다.

3.1 차이 ① 물리 법칙: 손은 생각보다 어렵다

첫 번째 차이는 물리 법칙 그 자체입니다. 디지털 세계에서 복제는 공짜입니다. 파일 하나를 100만 개로 늘리는 데 추가 비용이 거의 들지 않습니다. 그러나 물리 세계에서는 로봇 한 대를 더 만들려면 강철과 모터와 배터리가 실제로 더 필요합니다. 중력을 이기고, 마찰을 견디고, 충돌을 버텨야 합니다.

가장 어려운 것은 손입니다. 모라벡의 역설이 가장 극명하게 드러나는 곳입니다. 인간의 손에는 약 1만 7천 개의 촉각 수용체가 있어 미끄러짐과 압력과 질감을 실시간으로 느낍니다 (Rodney Brooks, TechCrunch). 로봇은 이 근처에도 가지 못합니다. 달걀을 깨지 않으면서 미끄러지지 않게 쥐는 일, 인간에게는 무의식인 그 일이 로봇에게는 가장 먼 벽입니다.

이 벽 때문에, Physical AI는 디지털 AI처럼 소프트웨어 업데이트 한 번으로 전 세계에 동시 배포되지 않습니다. 물리적 부품을 깎고, 조립하고, 현장에서 검증해야 합니다. 속도가 느린 대신, 한번 그 벽을 넘은 자는 쉽게 추월당하지 않습니다.

단, 이 벽은 양날입니다. 그 부품이 일단 표준화되고 대량 양산되면 거꾸로 공급과잉으로 가치가 무너질 수도 있습니다. 물리 세계의 자본집약성은 진입장벽인 동시에 과잉투자의 위험이라는 양면을 가집니다. 이 양면을 어떻게 가려낼지가 뒤에서 다룰 거름망의 핵심입니다.

3.2 차이 ② 데이터 희소성: 경험은 긁어모을 수 없다

두 번째 차이는 데이터입니다. 디지털 AI가 폭발한 결정적 이유는 학습할 데이터가 이미 인터넷에 가득했기 때문입니다. 수십 년간 쌓인 글과 이미지와 영상을 통째로 삼켜 똑똑해졌습니다.

물리 세계의 경험은 그렇게 긁어모을 수 없습니다. "문고리를 어느 각도로 얼마의 힘으로 돌려야 열리는가" 같은 데이터는 인터넷에 없습니다. 누군가 실제 로봇을 움직여 직접 만들어야 합니다. 업계에서는 사람이 로봇을 원격 조종해 모으는 이런 시연 데이터를 "황금 데이터(golden data)"라 부릅니다. 비싸고 느리기 때문입니다. 합성 데이터 시장(가상 시뮬레이션으로 경험을 만들어내는 분야)이 2025년 약 5.1억 달러 규모로 빠르게 커지는 것도 이 결핍 때문입니다 (Mordor Intelligence).

이 차이가 새로운 종류의 해자를 만듭니다. 디지털 AI에서는 인터넷이라는 공유 자원을 누구나 학습했지만, 물리 AI에서는 데이터를 가진 자와 없는 자가 갈립니다. 로봇을 많이 배치한 자가 더 많은 경험을 모으고, 그 경험으로 더 나은 모델을 만들고, 더 나은 모델로 더 많이 배치하는 순환이 생깁니다. 데이터의 플라이휠입니다. 이 가격결정력의 원천을 우리는 해자(moat)라 부릅니다.

3.3 차이 ③ 비가역성: 디지털 실수는 되돌리고, 물리 실수는 사고다

세 번째 차이는 되돌릴 수 있느냐입니다. 챗봇이 엉뚱한 답을 하면 새로고침을 누르면 됩니다. 잘못 쓴 문장은 지우면 됩니다. 디지털 세계의 실수는 대부분 되돌릴 수 있습니다.

물리 세계는 다릅니다. 로봇이 컵을 떨어뜨리면 컵은 깨집니다. 자율주행차가 판단을 잘못하면 사고가 납니다. 수술 로봇이 1밀리미터를 틀리면 사람이 다칩니다. 되돌릴 수 없습니다.

이 비가역성이 Physical AI의 채택 속도를 좌우합니다. 디지털 AI는 "틀려도 되니까 일단 써보자"가 가능했지만, 물리 AI는 그렇지 않습니다. 95%의 정확도로는 부족합니다. 99.99%를 요구하는 영역이 많고, 그 마지막 소수점을 채우는 데 가장 오랜 시간이 걸립니다. 안전 인증과 표준이 상업화의 병목이 되는 이유입니다. 그래서 Physical AI는 화려한 데모와 실제 배치 사이의 간격이 디지털보다 훨씬 큽니다. 이 간격을 정직하게 측정하는 일이 2편의 과제입니다.

개념적 시각화. (출처: Rodney Brooks, Mordor Intelligence 등)

3.4 그래서 가치의 지형이 다르다: 몸을 부위로 보라

세 가지 차이를 종합하면 한 가지 결론이 나옵니다. 가치가 고이는 자리가 디지털과 다르다는 것입니다. 먼저 결론을 못 박고, 그 다음에 조건을 답니다.

디지털 AI에서는 가치가 주로 소프트웨어 플랫폼과 모델에 고였습니다. 복제가 공짜이고 네트워크 효과가 컸기 때문입니다. 그런데 물리 세계에서는 깎을 수 없는 물리 법칙, 긁을 수 없는 데이터, 되돌릴 수 없는 실수라는 세 가지 벽이 있습니다. 이 벽들이 가치를 화려한 완성품(로봇 그 자체)보다, 그 완성품이 반드시 거쳐야 하는 좁은 길목으로 밀어내는 경향이 있습니다.

단, 이것은 경향이지 법칙이 아닙니다. 부품을 직접 만들어 내재화하는 수직통합 완성품 업체가 거꾸로 높은 마진을 가져가는 반대 구조도 실재합니다. 완성품이라고 반드시 가치를 못 쥐는 것은 아닙니다.

「혁명의 해부학」의 비유를 빌리면, 골드러시에서 금을 캔 사람보다 곡괭이를 판 사람이 돈을 벌었습니다(그 역사와 좋은 곡괭이의 세 조건은 곡괭이를 판 자들에 정리해 두었습니다). 휴머노이드와 로봇택시 중 누가 최종 승자가 될지는 아무도 모릅니다. 그러나 그들 모두가 똑같이 의존해야 하는 부품과 소재가 있다면, 그 길목을 쥔 자는 승부와 무관하게 돈을 법니다.

단, 여기에 결정적인 단서가 붙습니다. 곡괭이라고 다 영원하지는 않습니다. 물리 부품도 표준화되고 누군가 대량으로 싸게 찍어내기 시작하면, 한때의 곡괭이가 흔한 흥정칩으로 전락해 가치가 무너질 수 있습니다. 그러므로 가치는 좁은 길목 그 자체가 아니라, 그 길목의 대체 불가능성이 오래 유지되는 곳에만 고입니다.

여기서 이 시리즈의 거름망이 정해집니다. 부위를 나열하는 것이 목적이 아니라, 각 부위에서 곡괭이를 쥔 자의 장악력이 얼마나 강하고 얼마나 오래갈지를 따져 진짜 곡괭이와 신기루를 가려내는 것이 목적입니다. 그러려면 먼저 몸을 통째로 보지 말고 부위로 분해해야 합니다. 지능이 몸을 얻는다는 것은, 곧 다섯 부위를 갖춘다는 뜻입니다.

이 다섯 부위가 시리즈 전체의 뼈대입니다. 다만 각 부위에서 누가 그 길목을 쥐고 있는지, 그 장악력이 얼마나 강하고 얼마나 오래갈지는 1편에서 단정하지 않습니다. 먼저 다음 편에서 이 혁명이 어느 단계인지를 측정하고, 그 뒤에 부위를 하나씩 발굴하는 것이 이 시리즈가 가는 길입니다.

결론: 다음 혁명이 시작됐고, 우리는 그 지형을 읽는다

디지털 세계를 정복한 지능이 물리 세계로 넘어오고 있습니다. 화면 속에서는 신에 가깝던 AI가 물리 세계에서는 아직 컵 하나 제대로 집지 못하는 아기입니다. 그러나 그 아기를 키우는 변곡점(VLA)이 열렸고, 자본과 기술과 정책이 동시에 같은 방향을 가리켰습니다. 방향은 거스르기 어렵습니다.

그렇다고 아무 로봇 회사나 사면 되는 것은 아닙니다. 물리 세계는 디지털과 세 가지가 다릅니다. 물리 법칙은 깎을 수 없고, 경험은 긁어모을 수 없고, 실수는 되돌릴 수 없습니다. 이 세 가지 벽이 가치를 화려한 완성품보다 좁은 길목으로 밀어냅니다. 단 곡괭이라고 다 영원하지는 않습니다. 표준화와 대량 양산이 한때의 길목을 흔한 흥정칩으로 바꿀 수 있어, 가치는 그 길목의 대체 불가능성이 오래 유지되는 곳에만 고입니다.

「혁명의 해부학」이 우리에게 남긴 교훈을 잊지 않습니다. 회사는 죽어도 핵심 기술과 인프라는 살아남았고, 그럼에도 살아남는 것과 좋은 투자처는 다르며, 무엇이 살아남느냐만큼 얼마에 사느냐가 중요했습니다. Physical AI에서도 같습니다. 지금 할 일은 "로봇이 뜨냐"를 묻는 게 아니라, 이 다른 지형 위에서 진짜 곡괭이가 어느 부위에 있는지, 그 곡괭이가 얼마나 강하고 얼마나 오래갈지를 가려내는 것입니다. 그것이 거스를 수 없는 흐름(줄기) 속에서 필연적으로 가치가 오를 기업(열매)을 찾는 우리의 방식입니다.

다음 혁명이 시작됐습니다. 이제 그 지형을 한 걸음씩 읽어갑니다.