NVIDIA GTC: 물리 AI 시대를 여는 가상 세계

NVIDIA GTC에서 물리 AI가 단일 데모 단계를 넘어, 로봇·차량·공장 전반의 기업용 워크로드로 확장되는 전환점이 제시됐다. 핵심은 NVIDIA Cosmos 3, Isaac GR00T N1.7, Alpamayo 1.5 같은 새로운 frontier model과, 이를 뒷받침하는 시뮬레이션·데이터 생성 인프라다.

OpenUSD는 CAD 데이터, 시뮬레이션 자산, 실제 telemetry를 하나의 물리적으로 정확한 장면으로 묶는 공통 언어로 강조됐다. 이를 통해 설계부터 검증, 배포까지의 파이프라인을 가상 환경 안에서 먼저 구축할 수 있다.

주요 발표는 두 개의 blueprint로 압축된다.

• NVIDIA Physical AI Data Factory Blueprint: 제한된 실제 데이터로부터 대규모 고품질 학습 데이터를 생성하는 개방형 reference architecture
• NVIDIA Omniverse DSX Blueprint: AI factory를 단일 digital twin으로 통합해 thermals, 전력, 네트워크, 기계 시스템까지 시뮬레이션하는 설계도

데이터 측면에서는 현실 세계 데이터가 더 이상 moat가 아니라고 짚는다. 대신 병목은 데이터 자체가 아니라 수집, 시뮬레이션, 평가가 분리된 전체 data factory이며, 이 blueprint는 NVIDIA Cosmos와 OSMO를 바탕으로 data curation, augmentation, evaluation을 하나의 흐름으로 묶는다.

이 접근은 Microsoft Azure와 Nebius 같은 cloud platform으로도 확장됐다. 두 플랫폼이 먼저 blueprint를 제공하면서, world-scale compute를 턴키 데이터 생산 엔진으로 바꾸는 방향이 제시됐다.

설계와 배포 구간에서는 CAD를 OpenUSD로 변환하고, NVIDIA Omniverse Kit SDK와 NVIDIA Isaac Sim으로 simulation-ready asset을 최적화하는 흐름이 강조됐다. FANUC과 Fauna Robotics는 이 CAD-to-OpenUSD workflow를 활용해 로봇 시스템 설계와 검증 속도를 높이고 있다.

제조와 물류에서는 공장 자체가 로봇 시스템이라는 관점이 전면에 나왔다. NVIDIA Mega Omniverse Blueprint는 실제 장비가 들어가기 전에 facility digital twin 안에서 robot fleet과 AI agent를 설계·테스트·최적화하는 reference architecture로 제시됐고, KION은 이를 활용해 GXO용 자율 지게차 fleet을 학습·검증하는 대규모 warehouse digital twin을 구축하고 있다.

하드웨어와 생태계 측면에서도 물리 AI의 실전 적용이 확대된다. ABB Robotics, FANUC, KUKA, Yaskawa는 합산 200만 대가 넘는 로봇 설치 기반을 바탕으로 NVIDIA Omniverse와 NVIDIA Isaac 시뮬레이션 프레임워크를 사용해 복잡한 로봇 애플리케이션과 생산 라인을 검증하고, 컨트롤러에는 NVIDIA Jetson 모듈을 넣어 실시간 AI inference를 수행한다.

로봇 brain 개발에서는 FieldAI와 Skild AI가 NVIDIA Cosmos world model과 Isaac simulation을 결합해 data generation과 policy validation을 진행하고 있다. 결국 이번 GTC의 메시지는 명확하다. compute is data이며, 물리 AI의 확장은 실제 세계를 더 많이 모으는 것이 아니라, 가상 세계에서 더 빠르고 정교하게 만들어내는 능력에 달려 있다.