[기고] 슈퍼브에이아이 “피지컬 AI 데이터 팩토리, '몇 개 짓느냐'보다 '어떻게 돌리느냐'”

올해 '피지컬 AI 데이터 팩토리'라는 개념이 한국 정부와 IT 업계의 핵심 논의 주제로 떠오르고 있다. 이 개념은 AI 기술의 발전을 위한 물리적 데이터 생산 시설을 의미하며, 과학기술정보통신부 차관이 관련 시연을 직접 참관하면서 그 중요성이 더욱 부각되고 있다. 그러나 단순히 데이터 팩토리를 얼마나 많이 구축할 것인가에 대한 논의는 한계가 있다는 지적이 나오고 있다.

데이터 생산의 본질, 양보다 질

피지컬 AI의 최대 병목은 “데이터”라는 점에서 업계와 정부의 인식이 일치하고 있다. 그러나 이 데이터 생산 방식을 단순히 물리적 시설의 수에 국한해서는 안 된다. 독일과 중국의 사례를 살펴보면, 이들 나라는 로봇 훈련과 데이터 생산을 위한 다양한 물리적 시설을 운영하고 있다. 하지만 이러한 시설이 단순히 많은 양의 데이터를 생산하는 데 그친다면, 결국 자본과 규모의 싸움으로 회귀하게 될 위험이 크다.

실제로, 데이터 생산은 단순히 훈련장이 늘어난다고 해결되는 문제가 아니다. 예를 들어, 사람과 로봇이 실제로 상호작용하는 데이터는 그 자체로 소중하지만, 이러한 방식만으로는 한계에 부딪힐 수밖에 없다. 데이터는 일회성 자원으로 전락하기 쉽고, 새로운 상황에 맞춰 다시 사람과 로봇을 동원해야 한다는 비용 문제도 발생한다. 따라서 데이터 팩토리의 본질은 단순한 시설이 아니라, 그 안에서 데이터를 어떻게 가공하고 활용할 것인가에 대한 고민이 필요하다.

공정 중심의 데이터 팩토리

데이터 팩토리의 효율성을 높이기 위해서는 공정 중심의 접근이 필요하다. 즉, 데이터 생산을 원료의 가공으로 보고, 그것이 어떻게 재생산 가능하도록 만들지를 고민해야 한다. 훈련장에서 수집한 데이터를 단순히 사용하고 끝내는 것이 아니라, 이를 디지털 자산으로 변환하고, 시뮬레이션을 통해 반복적으로 활용할 수 있는 구조를 만들어야 한다.

이 과정에서 중요한 것은 ‘품질 관리’다. 데이터의 신뢰성을 확보하기 위해서는 수치적인 검증과정을 거쳐야 하며, 이를 통해 생산된 데이터는 단순한 소모품이 아니라 재생산 가능한 자산으로 자리 잡게 된다. 이러한 공정이 확립된다면, 시설을 여러 개 짓는 대신, 한 곳에서 생산되는 데이터의 양을 늘려 효율성을 극대화할 수 있다.

실현 가능한 비전, 데이터 팩토리의 미래

현재 슈퍼브에이아이를 비롯한 몇몇 기업들은 이러한 공정 중심의 데이터 팩토리 모델을 실제로 구현하고 있다. 정부의 AI 파운데이션 모델 프로젝트에 참여하여, 한국의 다양한 가정환경에서 수집한 비주얼 데이터를 활용해 3D 공간과 행동 데이터로 변환하는 작업을 진행 중이다. 이 과정에서 얻은 데이터는 시뮬레이터를 통해 새로운 데이터를 생성하는 단계로 나아가고 있다.

이처럼 데이터 팩토리의 구축 논의가 단순히 '몇 개를 지을 것인가'에 그치지 않고, '어떤 공정 표준으로 운영할 것인가'에 중점을 두어야 한다는 점은 중대한 의미를 지닌다. 이런 공정이 확립된다면, 우리는 단순한 물량 경쟁을 넘어 글로벌 시장에서 경쟁력을 갖춘 AI 데이터를 생산할 수 있는 기반을 마련할 수 있을 것이다. 앞으로의 데이터 팩토리 구축이 단순한 시설 확장에 그치지 않고, 실질적이고 지속 가능한 발전으로 이어지기를 기대한다.