머스크는 왜 거리에 돈을 뿌릴까?

엔비디아의 젠슨 황이 CES 2025에서 "로보틱스의 챗GPT 모멘트가 코앞에 와 있다"고 말했고, 1년 뒤 CES 2026에서는 "거의 왔다(nearly here)"며 한 발짝 더 나아갔습니다. 거대언어모델(LLM) 혁명이 이제 로봇의 세계로 옮겨가고 있다는 의미죠.

그 중심에는 가상 세계에서 무한히 생성되는 '합성 데이터'가 있습니다.

로봇이나 자율주행차는 현장에 내보내지 않아도, 엔비디아의 가상세계 시뮬레이션 플랫폼 '옴니버스' 안에서 수억 번의 시행착오를 거치면서 사전 학습을 시킬 수 있습니다.

예를 들어 로봇에게 미끄러운 바닥에서 무거운 박스를 옮기는 훈련을 시킨다고 가정해 보죠.

실제 공장을 복제한 가상세계인 디지털 트윈 내에서 수만 번의 시뮬레이션을 수행시킵니다. 바닥의 기울기나 박스의 무게가 바뀔 때마다 근육(액추에이터)이 어떻게 반응해야 하는지 다양한 조합을 미리 연습시키는 거죠. 이 과정에서 생성되는 수많은 가상의 성공 경험이 바로 합성 데이터입니다. 로봇은 현장에 투입되기 전 이미 수억 번의 예습을 마친 셈이죠.

하지만 완벽하게 계산된 가상세계가 수많은 변수가 존재하는 현실을 완전히 대체할 수 있을까요? 

수천억 원대 슈퍼컴퓨터가 초당 수조 번의 연산을 수행하며 기상 모델을 돌리지만, 왜 여전히 우리 지역의 게릴라성 호우를 맞추지 못할까요?

현실 세계에는 나비의 날갯짓 하나로 결과가 뒤바뀌는 비선형적 변수와 노이즈가 무한히 존재하기 때문입니다. 기상청이 천리안 위성과 지상 관측소라는 '실측 장비'에 사활을 거는 이유도 여기에 있죠.

합성 데이터도 유사한 한계가 있습니다. 아무리 정교한 시뮬레이션이라도 현실의 모든 변수를 완벽히 복제할 수는 없습니다. 웅덩이를 지날 때 타이어가 느끼는 미세한 수막현상의 저항, 노후된 아스팔트에서 올라오는 불규칙한 진동 등은 가상세계에서 학습시킬 수 없는 현실 데이터입니다.

젠슨 황 스스로도 CES 2026 키노트에서 "물리적 세계는 다양하고 예측 불가능하다"고 인정했죠.

로봇도 비슷합니다. 가상세계 시뮬레이션에서 완벽하게 부품을 집어 올리던 로봇 팔이 실제 공장에서 기름 묻은 표면을 만나는 순간 미끄러집니다. 손가락 끝에 전해지는 미세한 힘, 소재마다 다른 마찰 계수, 온도에 따라 변하는 플라스틱의 유연성은 현실 세계에서만 존재하는 데이터입니다.

자율주행은 카메라와 라이다로 데이터를 수집할 수 있는 파이프라인이 구축돼 있지만, 로봇의 촉각 데이터는 인프라 자체가 아직 초기입니다. 그만큼 실측 데이터의 희소 가치가 더 높습니다.

이제 AI 학습을 위해 필요한 데이터는 인터넷에 널린 텍스트에서 '비정형 실측 데이터'로 이동하고 있습니다. 이 지점에서 하드웨어 제조사들의 반격이 시작됩니다. 수백만 대의 전기차를 굴리는 테슬라, 전 세계에서 공장 라인을 가동하는 현대차, 물류 창고를 운영하는 아마존은 거대한 '데이터 정제소'를 가진 셈입니다.

일론 머스크가 테슬라의 FSD(자율주행) 주행 데이터를 얻기 위해 천문학적 투자를 멈추지 않는 이유도 여기에 있죠. 머스크가 집착하는 마지막 1%의 데이터, 소위 '롱테일(Long-tail) 엣지 케이스'는 시뮬레이션이 예측할 수 없는 영역이니까요. 물론 테슬라도 합성 데이터를 적극 활용하고 있지만, 그것만으로는 충분하지 않기 때문에 실측 데이터 수집을 위해 거리에 돈을 쏟아붓는 겁니다.

흥미롭게도 엔비디아 스스로도 이 사실을 행동으로 증명했습니다. 엔비디아의 자율주행 플랫폼 알파마요에는 25개국, 2,500개 이상 도시에서 수집한 1,727시간의 실측 주행 데이터가 포함되어 있습니다. 엔비디아도 현실의 데이터 없이는 완성할 수 없다고 고백한 셈이죠.

구글 딥마인드가 풍부한 산업 데이터가 있는 현대차그룹과 파트너십을 구축하려는 것도 이런 이유라고 생각합니다.

'제미나이 로보틱스'는 로봇이 현실 세계를 인지하고 추론하며 행동할 수 있도록 설계된 AI 모델입니다.

아틀라스에 제미나이 로보틱스 모델을 통합하고, 수개월 내 공동 연구를 시작합니다. 세계 최고 수준의 로봇 하드웨어에 최첨단 AI 두뇌를 이식한 뒤, 현대차그룹의 로봇 메타플랜트 응용 센터(RMAC)에서 훈련을 시작하고, 2028년부터 현대차 조지아 공장에서 실제 제조 업무에 단계적으로 투입할 계획입니다. 

지저분하고 복잡한 실제 제조 환경에서 데이터를 뽑아내겠다는 거죠. 

슈퍼컴퓨터가 아무리 발달해도 결국 창밖의 비를 직접 확인해야 하듯이, 피지컬 AI 시대의 진정한 권력은 가상을 설계하는 차원을 넘어서 현실의 복잡성을 데이터 자산으로 장악한 기업에게 돌아갈 가능성이 높습니다.

일론 머스크가 여전히 거리에 돈을 쏟아붓고 있는 이유죠.

이런 맥락에서 보면, 지난해 10월 서울 삼성동 깐부 치킨 회동은 상징적입니다.

젠슨 황은 공장을 통째로 가상세계에 복제한 디지털 트윈 안에서 로봇이 수억 번 예습할 수 있는 플랫폼을 제공하고, 정의선은 제미나이 로보틱스가 내재된 아틀라스를 자사 공장에 투입해 시뮬레이션이 예측하지 못하는 데이터를 생성 및 정제하며, 이재용은 실제 공장에서 연산과 제어를 담당하는 파운드리/메모리 공장을 가지고 있죠. 

공교롭게도 피지컬 AI의 핵심 퍼즐 조각을 쥔 사람들이 그날 치킨집 테이블에 모여 있었던 셈입니다.