[비즈한국] 隨著政府加快將“物理AI（Physical AI）”培養為下一代國家戰略產業的步伐，有診斷認為，未來5年將是決定全球主導權的關鍵黃金期。業界指出，不能僅停留在AI模型的效能競爭上，必須開展全方位競爭，構建將製造現場資料、機器人及AI半導體有機連線起來的產業生態系統。
需要具備模型、資料、製造的“全棧”能力
韓國科學技術院（KAIST）新任校長裴忠植在25日下午於首爾汝矣島國會舉行的“透過K-物理AI技術自立開啟韓國產業生態系統大轉型”研討會上表示：“從現在起的5年非常重要。這是一個尚未實現、生產力提升尚未顯著顯現的、名副其實‘尚未被佔領的時代’。”
物理AI是指AI不僅停留於螢幕內的虛擬空間，而是透過機器人、自動駕駛汽車、生產裝置等認知並判斷現實世界，進而直接採取行動的技術。感知周邊狀況的“認知”、決定行動方式的“判斷與規劃”、實現實際動作的機器人硬體與控制技術，以及使之高度化的資料學習，構成了一個迴圈結構。
裴校長預測稱：“過去透過簡單指令完成的機械作業，未來需要應對非典型且難以預測的突發狀況。技術霸權已經是勝者全得的時代，在AI時代，這種現象可能會更加嚴重。”
觀點認為，韓國若想在物理AI領域獲得優勢，不僅需要AI模型，還必須具備涵蓋製造業、模擬工具及資料的“全棧（Full-stack）”能力。裴校長認為：“必須擁有模型，必須擁有製造業，還要有模擬工具和資料。目前雖然只有部分科技巨頭具備這種能力，但應充分利用韓國作為製造業強國的優勢，在物理AI領域搶佔第一的位置。”
他還將監管方式的轉型列為重要課題。裴校長解釋道：“在存在正面清單（Positive）監管的狀態下，沒有任何解決辦法。應首先透過監管沙盒來解決問題，長遠來看，制定負面清單（Negative）監管才是解決之道。”
從世界模型到機器人……“現場AI”的實現課題
物理AI的技術結構尚處於初期階段，這對國內企業來說既是機遇也是挑戰。大型語言模型（LLM）已經確立了隨著模型規模、資料和計算資源的增加，效能就會得到改善的所謂“縮放定律（Scaling Law）”，但物理AI由於現實世界的複雜性，無法套用同樣的方法。機器人缺乏在真實環境中學習的資料，且最佳模型結構尚未定型。
Mind AI技術總負責人崔洪燮（音）代表提出了“世界行動模型（WAM）”作為解決方案。世界行動模型不僅是讓機器人認知當前狀況，更是預測未來變化並生成必要行動的AI模型。崔代表表示：“全球科技巨頭開發的世界模型目前也存在動作不準確等諸多不足。我判斷，世界模型反而是一個我們現在值得投入的領域。”
特別是相比日常生活資料，製造現場的資料可以利用韓國的產業基礎更快地獲取。崔代表表示：“製造現場的資料韓國可以採集得更好。計劃透過此次政府支援專案，開發能夠想象未來將發生的事情並付諸行動的世界行動模型。”
要將該模型應用於實際產業現場，還需要負責AI運算的半導體和驅動其運作的機器人技術。FuriosaAI常務理事鄭英範（音）表示：“計劃利用自主研發的NPU伺服器驅動世界模型，在伺服器層面驗證效能，並向未來製造現場和機器人所需的邊緣AI半導體供應。”NPU是專用於AI運算的半導體，被認為是像機器人這樣對功耗和發熱限制較大的裝置中驅動AI的核心零部件。
Neuromeka代表樸鍾勳（音）指出，僅靠AI模型的競爭很難確保產業現場所需的作業精度。樸代表強調：“實現物理AI的機器人的精確度，起到了大幅減少所需學習資料量的作用。不僅是AI模型，將其實現為實際動作的機器人硬體和控制技術也需要同步高度化。”
政府也計劃著手資料獲取和大規模研發支援。科學技術資訊通訊部Device AX創新組組長宋昌鍾（音）表示：“科技巨頭們憑藉資本實力進行多種嘗試並積累失敗經驗，但國內單個企業很難獨自承受。我們將致力於構建在生態系統層面分擔失敗風險並支援多樣化嘗試的研發體系。”
政府計劃構建跨部門的資料獲取與管理體系，並利用世界模型生成的合成資料來補充實際現場難以獲得的失敗與恢復過程資料。宋組長表示：“計劃從明年開始透過大規模研發支援，儘可能支援多樣化的嘗試。”
科學技術資訊通訊部資訊通訊產業政策官樸泰完（音）表示：“物理AI不僅在製造業，還將擴散到護理、農業、國防等多個領域。企劃財政部、產業通商資源部、中小風險企業部等各部門今年已陸續反映物理AI相關政策，希望這能成為提高各企業能力的機會。”