[비즈한국] 随着政府加快将“物理AI（Physical AI）”培养为下一代国家战略产业的步伐，有诊断认为，未来5年将是决定全球主导权的关键黄金期。业界指出，不能仅停留在AI模型的性能竞争上，必须开展全方位竞争，构建将制造现场数据、机器人及AI半导体有机连接起来的产业生态系统。
需要具备模型、数据、制造的“全栈”能力
韩国科学技术院（KAIST）新任校长裴忠植在25日下午于首尔汝矣岛国会举行的“通过K-物理AI技术自立开启韩国产业生态系统大转型”研讨会上表示：“从现在起的5年非常重要。这是一个尚未实现、生产力提升尚未显著显现的、名副其实‘尚未被占领的时代’。”
物理AI是指AI不仅停留于屏幕内的虚拟空间，而是通过机器人、自动驾驶汽车、生产设备等认知并判断现实世界，进而直接采取行动的技术。感知周边状况的“认知”、决定行动方式的“判断与规划”、实现实际动作的机器人硬件与控制技术，以及使之高度化的数据学习，构成了一个循环结构。
裴校长预测称：“过去通过简单指令完成的机械作业，未来需要应对非典型且难以预测的突发状况。技术霸权已经是胜者全得的时代，在AI时代，这种现象可能会更加严重。”
观点认为，韩国若想在物理AI领域获得优势，不仅需要AI模型，还必须具备涵盖制造业、模拟工具及数据的“全栈（Full-stack）”能力。裴校长认为：“必须拥有模型，必须拥有制造业，还要有模拟工具和数据。目前虽然只有部分科技巨头具备这种能力，但应充分利用韩国作为制造业强国的优势，在物理AI领域抢占第一的位置。”
他还将监管方式的转型列为重要课题。裴校长解释道：“在存在正面清单（Positive）监管的状态下，没有任何解决办法。应首先通过监管沙盒来解决问题，长远来看，制定负面清单（Negative）监管才是解决之道。”
从世界模型到机器人……“现场AI”的实现课题
物理AI的技术结构尚处于初期阶段，这对国内企业来说既是机遇也是挑战。大型语言模型（LLM）已经确立了随着模型规模、数据和计算资源的增加，性能就会得到改善的所谓“缩放定律（Scaling Law）”，但物理AI由于现实世界的复杂性，无法套用同样的方法。机器人缺乏在真实环境中学习的数据，且最佳模型结构尚未定型。
Mind AI技术总负责人崔洪燮（音）代表提出了“世界行动模型（WAM）”作为解决方案。世界行动模型不仅是让机器人认知当前状况，更是预测未来变化并生成必要行动的AI模型。崔代表表示：“全球科技巨头开发的世界模型目前也存在动作不准确等诸多不足。我判断，世界模型反而是一个我们现在值得投入的领域。”
特别是相比日常生活数据，制造现场的数据可以利用韩国的产业基础更快地获取。崔代表表示：“制造现场的数据韩国可以采集得更好。计划通过此次政府支持项目，开发能够想象未来将发生的事情并付诸行动的世界行动模型。”
要将该模型应用于实际产业现场，还需要负责AI运算的半导体和驱动其运作的机器人技术。FuriosaAI常务理事郑英范（音）表示：“计划利用自主研发的NPU服务器驱动世界模型，在服务器层面验证性能，并向未来制造现场和机器人所需的边缘AI半导体供应。”NPU是专用于AI运算的半导体，被认为是像机器人这样对功耗和发热限制较大的设备中驱动AI的核心零部件。
Neuromeka代表朴钟勋（音）指出，仅靠AI模型的竞争很难确保产业现场所需的作业精度。朴代表强调：“实现物理AI的机器人的精确度，起到了大幅减少所需学习数据量的作用。不仅是AI模型，将其实现为实际动作的机器人硬件和控制技术也需要同步高度化。”
政府也计划着手数据获取和大规模研发支持。科学技术信息通信部Device AX创新组组长宋昌钟（音）表示：“科技巨头们凭借资本实力进行多种尝试并积累失败经验，但国内单个企业很难独自承受。我们将致力于构建在生态系统层面分担失败风险并支持多样化尝试的研发体系。”
政府计划构建跨部门的数据获取与管理体系，并利用世界模型生成的合成数据来补充实际现场难以获得的失败与恢复过程数据。宋组长表示：“计划从明年开始通过大规模研发支持，尽可能支持多样化的尝试。”
科学技术信息通信部信息通信产业政策官朴泰完（音）表示：“物理AI不仅在制造业，还将扩散到护理、农业、国防等多个领域。企划财政部、产业通商资源部、中小风险企业部等各部门今年已陆续反映物理AI相关政策，希望这能成为提高各企业能力的机会。”