LLM이 인터넷 스케일의 텍스트 데이터를 통해 지식을 얻고 추론 능력을 키웠다면, Physical AI는 절대적인 데이터 부족이라는 근본적인 문제에 직면해 있다. action data는 텍스트나 이미지와 달리 인터넷에 존재하지 않기 때문이다. 이는 Physical AI의 가장 큰 약점이자, 동시에 이 분야의 경쟁력을 결정짓는 핵심 요소이다.
데이터를 어떻게 확보하느냐가 단순한 기술적 과제를 넘어 비즈니스 모델 자체를 결정짓는다. NVIDIA는 시뮬레이션(Isaac Sim, Cosmos)을 통한 데이터 증식에 베팅하고, Meta는 데이터 수집용 스마트 안경을, 1X는 Teleoperation-as-a-Service라는 영리한 전략을 선택했다. 1X의 접근법은 특히 통찰력 있는데, 완벽하지 않은 자율성을 ‘원격 조종 서비스’로 대체하여 고객에게 즉각적인 가치를 제공하고, 그 과정에서 실제 환경 데이터를 축적하는 데이터 플라이휠(Data Flywheel)을 창출한다. 이는 Physical AI 스타트업이 시장에 진입하는 가장 현실적인 전략임을 시사한다.
근거
“그런데 문제는 action이라는 거는 인터넷에 존재하지가 않아요.” “텔레오퍼레이션으로 할 수 있는 task는 진짜 데이터만 모으면 무조건 되는 것 같아요.” “일단 광고는 빨래 개는 건 다 잘 된다고 하지만, 안 되는 건 teleop으로 해줄게.”
연결된 생각
- 20260606-vla-model-overview — VLA의 핵심 과제는 데이터 부족이다.
- llm-data-moat — LLM의 데이터 경쟁력과 구조적으로 다른 양상이다.
출처
- 📎 클리핑: 20260613-ep98-ko-transcript