코드에서 근육으로: 피지컬 AI와 데이터센터 인프라

CES 2026에서는 휴머노이드의 확산과 함께 피지컬 AI가 핵심 화두로 떠올랐다. 텍스트나 이미지만 생성하던 AI가 물리적 세계를 이해하고 실제 환경에서 행동하는 단계로 넘어가고 있다.

피지컬 AI의 핵심은 세 가지다.

• 물리적 이해: 중력, 마찰, 가속도 같은 현실의 법칙을 반영한다.
• 센서 기반 지각: 카메라, LiDAR, 촉각 센서로 주변을 실시간 데이터화한다.
• 자율적 실행: 미리 짜인 궤적이 아니라 상황에 맞춰 모터 움직임을 계산한다.

따라서 피지컬 AI가 두뇌라면 휴머노이드는 그 위에 구현된 가장 범용적인 몸체다. 인간 기준으로 설계된 랙 구조와 작업 동선을 그대로 활용하면서, 고열·고전력 환경에도 들어갈 수 있다는 점이 강점이다.

데이터센터도 이 변화의 영향을 받는다. AI가 냉각과 예측 유지보수를 최적화하는 지능형 인프라가 되는 동시에, 로봇이 현장 점검과 운영을 맡는 운영 자동화가 진행된다.

• Google은 DeepMind AI를 냉각 제어에 적용해 냉각 에너지 사용량을 최대 40% 줄였고, 전체 PUE를 15% 낮췄다.
• NTT Data x ugo는 4K 카메라, 온도·습도·공기 중 물질·마이크·열화상 센서를 활용해 24시간 365일 무인 감시를 수행하고, ugo mini를 15개 거점에 투입해 점검 시간을 최대 80% 줄이겠다고 밝혔다.

적용 로드맵은 세 단계다.

• 관찰: 판단이나 조치 없이 순찰·열화상·소음 기록으로 데이터를 쌓는다.
• 보조: 공구와 소형 부품 운반, 절차 안내, 작업 기록으로 사람의 동선을 줄인다.
• 위험 공간 대행: 고열·고전력 구간에 먼저 들어가 연기·가스·온도 이상을 전달한다.

기술적으로는 초저지연 통신과 Edge AI가 필수이며, NVIDIA의 Omni Physics 기준으로 제어 루프는 최소 100Hz(10ms) 이상을 유지해야 한다. 또 골드만삭스가 전망한 것처럼 AI 데이터센터 전력 수요는 2030년까지 160% 이상 늘어날 수 있어 열 관리가 함께 풀려야 한다.

가상 환경에서 먼저 학습한 뒤 실제 로봇에 이식하는 Sim-to-Real도 중요하다. NVIDIA Isaac Lab과 NVIDIA Research의 Learning Physical Skills in Simulation(2025)은 복잡한 케이블과 비정형 환경을 안전하게 익히는 경로로 제시된다. 결국 kt cloud의 고집적 AIDC는 사람이 한계를 느끼는 공간인 동시에, 피지컬 AI가 강점을 발휘할 수 있는 실증 무대로 읽힌다.