Microagi, Google Cloud와 협력해 NVIDIA Blackwell로 피지컬 AI 확장

Microagi는 7월 22일 상업 환경에서 피지컬 AI를 확장하기 위해 Google Cloud와 협력한다고 발표했다. 회사는 Google Cloud의 AI 스택을 통해 NVIDIA Blackwell 인프라를 활용하여 물리 세계의 멀티모달 데이터를 해석하고 행동할 수 있는 작업 특화 로보틱스 모델을 학습할 계획이다. NVIDIA는 Google Cloud를 통해 인프라를 제공하는 플랫폼 사업자이며, 이 협력의 직접 파트너로 발표된 것은 아니다.

초점은 작업 특화 로보틱스

피지컬 AI는 물리적 환경의 관측을 다뤄야 한다는 점에서 텍스트 전용 시스템과 다르다. 작업에 따라 시각 입력, 공간 관계, 센서 수치, 언어 지시, 로봇 행동의 피드백이 포함될 수 있다. 특정 상업 업무에 맞는 모델을 설계할 수는 있지만, 학습 자료는 실제 환경에서 마주할 변화, 불확실성, 제약을 반영해야 한다.

계획된 클라우드와 컴퓨팅 접근은 Microagi가 더 큰 로보틱스 학습 및 실행 부하를 다루는 데 도움이 될 수 있다. 멀티모달 자료와 시뮬레이션에는 상당한 처리 능력이 필요하므로 인프라는 중요하다. 하지만 인프라만으로 모델이 창고, 매장, 공장 또는 다른 현장 환경에서 신뢰성 있게 작동한다는 사실이 증명되지는 않는다.

인프라 접근은 현장 신뢰성과 다르다

로봇 성능은 학습 용량만으로 결정되지 않는다. 팀은 조명, 배치, 물체, 사람, 장비, 변화하는 조건을 대표하는 자료를 갖추고, 모델이 불확실할 때를 파악하며, 안전 한계를 설정해야 한다. 동작이 위험하거나 모호하거나 의도한 작업 범위를 벗어날 때 사람이 개입하거나 제어할 수 있어야 한다.

현장 배치에는 모니터링과 복구 절차도 필요하다. 성능 저하를 감지하고, 작업을 멈추거나 다시 배정하고, 무슨 일이 있었는지 살피고, 오류에서 안전하게 회복할 수 있어야 한다. 실제 환경 평가는 시뮬레이션 성공이 곧바로 운영 환경으로 옮겨간다고 가정하지 말고 전체 운영 조건을 시험해야 한다.

도입 기업이 측정할 항목

로보틱스 프로그램을 확대하기 전에는 학습 자료가 실제 작업을 얼마나 포괄하는지, 시스템이 불확실성을 어떻게 알리는지, 안전 통제가 압박 상황에서 작동하는지를 평가해야 한다. 누가 로봇에 수동으로 개입·제어할 수 있는지, 실패를 어떻게 기록하는지, 어떤 모니터링이 성능 변화를 감지하는지, 중단 뒤에 어떻게 운영을 복구하는지도 정해야 한다.

피지컬 AI는 인프라 이야기이면서 동시에 운영 신뢰성 이야기다. 컴퓨팅은 모델 개발을 빠르게 할 수 있지만, 상업적 가치는 물리 세계에서 측정한 행동, 명확한 안전 경계, 신뢰할 수 있는 사람의 복구 경로에 달려 있다.