https://product.kyobobook.co.kr/detail/S000215748254

앞으로 태어날 아이를 생각하며 최근 인간의 뇌 발달에 관한 책을 읽고 있다.

읽다 보니 묘하게도 인간의 뇌가 발달하는 과정과 인공지능이 진화하는 방향 사이에 닮은 점과 정반대의 흐름이 동시에 보였다.

책을 읽으며 따로 적어두었던 메모들을 바탕으로, 인간의 뇌 발달과 Physical AI, 그리고 메모리 수요의 관계를 하나의 글로 정리해본다.

Physical AI 시대의 메모리

인간 뇌, 자율주행, 로보틱스, 그리고 Micron SCA의 함의

앞으로 Physical AI에서 중요한 것은 단순히 모델 파라미터 크기가 아니다.

로봇이나 차량은 매 순간 주변 환경을 보고, 이전 행동을 기억하고, 다음 행동을 선택해야 한다. 이 경우 메모리는 데이터 저장장치라기보다 행동의 연속성을 유지하는 인프라에 가까워진다.

AI가 차량, 로봇, 드론, 공장 설비, 가정용 기기로 나오기 시작하면 메모리는 현실 세계의 상태를 기억하고, 행동을 이어가고, 실패를 줄이는 물리적 기반이 된다.

즉, AI가 몸을 갖는 순간, 메모리의 의미도 바뀐다는게 이번글의 결론이다.

1. 인간의 뇌와 인공지능은 반대 방향으로 발달하고 있다

인공지능의 발전을 보면 흥미로운 역설이 하나 보인다.

인간의 뇌는 절차지능에서 출발했다.
반면 인공지능은 서술지능에서 출발했다.

인간은 먼저 몸으로 세계를 배운다.

보고
듣고
만지고
넘어지고
다시 움직이고
뜨거운 것을 피하고
단맛에 반응하고
얼굴과 목소리를 구분한다.

이후에야 글자 읽기, 쓰기, 수학 계산, 추상적 사고가 발달한다.

즉, 인간 지능은 감각·운동·생존·습관 위에 언어와 추론을 얹은 구조다.

반면 인공지능은 반대 방향에서 출발했다.

텍스트를 먼저 배웠다.
이미지를 이해하기 시작했다.
코드를 작성했다.
수학 문제를 풀었다.
개념을 연결했다.
그다음에서야 물리세계의 행동을 배우기 시작했다.

인간에게 쉬운 일은 기계에게 어렵고, 인간에게 어려운 일은 기계에게 상대적으로 쉬운 현상을 보통 모라벡의 역설이라고 부른다.

2. 디지털 노동과 물리 노동은 대체 난이도가 다르다

그래서 지금 AI의 병목은 단순히 더 큰 LLM이 아니다.

디지털 노동은 이미 서술지능만으로도 상당 부분 대체 가능하다.

리서치
번역
코딩
문서 작성
고객 응대
데이터 분석

이런 일들은 언어와 기호 안에서 이루어진다.
따라서 LLM의 강점과 직접 맞닿아 있다.

그러나 물리 노동은 다르다.

물리 노동을 대체하려면 AI가 몸을 가져야 한다.

여기서 말하는 몸은 반드시 인간형 휴머노이드일 필요는 없다.

자동차는 바퀴 달린 로봇이다.
산업용 로봇은 팔만 가진 로봇이다.
드론은 하늘을 나는 로봇이다.
휴머노이드는 팔과 다리를 가진 로봇이다.

형태는 다르지만 구조는 같다.

센서 → 메모리 → 연산 → 판단 → 액추에이터 → 피드백 → 재학습

이 루프가 만들어져야 AI는 물리세계에서 노동할 수 있다.

3. Physical AI는 사람이 만든 물리세계 데이터에서 출발한다

최근 로보틱스는 사람이 직접 물리세계 데이터를 만들어주는 단계에 들어갔다.

사람이 고글을 쓴다.
카메라를 장착한다.
로봇을 원격조종한다.
손동작과 시선을 기록한다.
실패 장면을 축적한다.
반복 작업의 순서를 데이터화한다.

AI는 이 데이터를 통해 물리세계의 질서를 배운다.

핵심은 관찰 → 판단 → 행동 → 결과 피드백의 반복이다.

이 흐름의 중심에 있는 것이 VLA, Vision-Language-Action 모델이다.

기존 AI가 이미지와 언어를 연결했다면, VLA는 여기에 행동을 붙인다.

카메라로 장면을 본다.
언어 명령을 이해한다.
현재 상황을 판단한다.
로봇의 손, 팔, 다리, 바퀴 움직임으로 변환한다.
행동 결과를 다시 기억한다.

즉, VLA는 보는 AI와 말하는 AI를 행동하는 AI로 바꾸는 구조다.

4. 자율주행은 Physical AI의 첫 상업화 사례다

자율주행은 이 방향에서 가장 먼저 상업화가 진행된 사례다.

자율주행차는 도로라는 통제된 물리세계를 먼저 배웠다.

카메라
레이더
라이다
지도
주행 로그
사고 직전 데이터
운전자의 조향·가속·제동 패턴

이 데이터를 바탕으로 자동차는 점점 더 높은 수준의 판단과 행동을 수행하게 됐다.

중요한 것은 자율주행 그 자체만이 아니다.

자율주행의 성공은 AI가 물리세계에서 몸을 갖고 행동할 수 있다는 첫 번째 대형 검증 사례라는 점에서 더 중요하다.

자동차는 바퀴 달린 로봇이다.

그리고 이 구조가 검증되면 다음은 자연스럽게 로보틱스로 확장된다.

물류 로봇
산업용 로봇
배송 로봇
드론
휴머노이드 로봇
가정용 로봇

결국 AI는 데이터센터 안에만 머무르지 않는다.

AI는 차량으로 나오고, 로봇으로 나오고, 공장과 창고와 가정으로 나오게 된다.

5. 로봇에게는 기억이 필요하다

로봇이 요리, 빨래, 물류 분류, 청소, 조립 같은 일을 하려면 단순히 현재 장면만 보면 안 된다.

방금 무엇을 했는지 기억해야 한다.
어떤 물건을 어디에 두었는지 기억해야 한다.
다음 단계가 무엇인지 알아야 한다.
실패한 행동을 다시 반복하지 않아야 한다.
배터리, 관절, 센서 상태도 계속 판단해야 한다.

결국 로봇에게는 기억이 필요하다.

요리 하나만 생각해도 그렇다.

냉장고를 열었다.
계란을 꺼냈다.
팬을 가열했다.
소금은 아직 넣지 않았다.
칼은 오른쪽에 있다.
사람 손이 근처에 있다.
배터리는 15% 남았다.

이런 상태를 기억하지 못하면 로봇은 장기 작업을 수행할 수 없다.

Physical AI의 핵심은 단순 추론이 아니라, 현재 상태와 이전 행동을 연결해 다음 행동을 결정하는 능력이다.

6. 인간 뇌와 AI memory architecture의 유사성

이 지점에서 인간 뇌와 AI 시스템의 비유가 유용해진다.

물론 이 비유를 1:1로 받아들이면 위험하다.

GPU는 해마라기보다 연산 장치에 가깝다.

해마에 더 가까운 것은 다음과 같은 시스템이다.

retrieval index
replay buffer
memory module
vector database
episodic memory system

다만 큰 방향에서는 닮은 부분이 있다.

인간은 반복 경험을 통해 기억을 재구성한다.

처음에는 의식적으로 처리하던 일도 시간이 지나면 절차기억으로 내려간다.

초보 운전자는 차선, 신호, 사이드미러, 브레이크를 모두 의식적으로 본다.

숙련 운전자는 상당 부분을 자동으로 처리한다.

AI도 비슷한 방향으로 간다.

실패 데이터를 모은다.
replay 학습을 한다.
fine-tuning을 한다.
distillation을 한다.
policy를 개선한다.
같은 실수를 줄인다.

AI도 반복훈련을 통해 장기기억에 해당하는 파라미터 구조를 재배열하고, 특정 작업을 더 잘 수행하도록 숙달될 수 있다.

7. 앞으로 중요한 것은 더 큰 LLM이 아니라 AI memory architecture다

다만 인간과 AI의 차이도 있다.

인간은 경험이 생물학적으로 계속 재처리된다.
AI는 외부 훈련 파이프라인이 있어야 장기기억이 바뀐다.
대화창 안에서 배운 것처럼 보이는 것은 대부분 context window 안의 임시 적응이다.
진짜 장기 학습은 파라미터 업데이트, memory module, retrieval system, replay 구조가 필요하다.

그래서 앞으로 중요한 기술은 단순히 더 큰 LLM이 아니다.

중요한 것은 AI memory architecture다.

작업기억
장기기억
실패 데이터
replay
행동 피드백
자기진단
추론 가속 cache

이 모든 것을 하나의 순환 구조로 묶어야 한다.

인간 뇌로 치면 해마, 신피질, 작업기억의 루프를 인공적으로 구현하려는 방향이다.

자율주행과 로봇은 이미 이 방향으로 가고 있다.

결국 물리 노동을 대체하는 AI는 단순히 말 잘하는 모델이 아니다.

실패를 기억하고, 행동을 고치고, 반복을 통해 절차기억을 만드는 모델이다.

8. Physical AI에는 훈련용 메모리와 추론용 메모리가 모두 필요하다

이 지점에서 메모리 수요가 중요해진다.

Physical AI에는 두 종류의 메모리가 필요하다.

8-1. 훈련용 메모리

훈련용 메모리는 물리세계 데이터를 학습하기 위해 필요하다.

인간 시연 데이터
원격조종 데이터
1인칭 영상 데이터
실패 데이터
시뮬레이션 데이터
world model 학습 데이터

이 모든 데이터는 데이터센터에서 학습되고 재학습된다.

여기에는 다음 인프라가 필요하다.

HBM
GPU memory
DDR
SSD
NAND
고속 네트워크
대용량 스토리지

8-2. 추론용 메모리

로봇이 실제 현장에서 움직일 때도 메모리가 필요하다.

로봇은 매 순간 현재 장면과 이전 행동을 함께 처리해야 한다.

모델 자체를 올려두는 메모리
현재 장면을 유지하는 작업기억
장기 작업을 위한 절차 기억
KV cache·temporal cache 같은 추론 가속 메모리
실패와 자기진단을 위한 상태 메모리

따라서 Physical AI의 메모리 수요는 데이터센터에서 끝나지 않는다.

9. Micron-GM/Ford SCA는 가볍게 볼 이벤트가 아니다

이 관점에서 최근 Micron의 GM·Ford SCA는 가볍게 볼 이벤트가 아니다.

GM과 Micron은 장기 memory/storage 공급을 위한 Strategic Customer Agreement를 발표했다.

Micron은 차량이 점점 software-defined, AI-driven 구조로 바뀌면서 memory와 storage의 성능, 신뢰성, 확장성이 차세대 차량 기능에 필수적이라고 설명했다.

Ford와의 장기 공급계약도 같은 맥락이다.

자동차 OEM이 메모리 장기계약을 맺는다는 것은 단순한 부품 조달이 아니다.

이는 자동차가 점점 AI inference device가 되고 있다는 뜻이다.

지금은 명분이 다음 영역에 있다.

ADAS
자율주행
AI in-cabin
software-defined vehicle

하지만 구조는 여기서 끝나지 않는다.

이 흐름은 이후 다른 Physical AI 기기로 확산될 수 있다.

humanoid robot
warehouse robot
industrial robot
autonomous delivery robot
drone
edge AI device

즉, 자동차 OEM의 메모리 장기계약은 Physical AI 시대의 메모리 공급망 선점으로 해석할 수 있다.

10. 메모리는 AI 데이터센터의 병목에서 Physical AI의 전략 자원으로 확장된다

Micron은 2026년 6월 어닝콜에서 AI system performance가 memory subsystem의 성능과 용량에 구조적으로 의존한다고 설명했다.

2026.06.25 micron

또한 humanoid robot은 평균 L2+ 차량보다 10배 많은 메모리를 탑재한다고 언급했다.

이 수치가 의미하는 바는 크다.

L2+ 차량만 해도 일반 차량보다 메모리 content가 크게 늘어난다.
휴머노이드는 그보다 더 많은 메모리를 요구할 수 있다.
로봇이 대량 생산되면 memory content per unit 상승은 자동차보다 더 강하게 나타날 수 있다.

물론 휴머노이드가 당장 자동차처럼 수천만 대 팔린다는 뜻은 아니다.

단기 실적 기여는 여전히 자동차, 데이터센터, 서버 AI가 먼저다.

하지만 방향성은 분명하다.

메모리는 더 이상 PC, 스마트폰, 서버 사이클에만 묶인 부품이 아니다.

AI 데이터센터의 병목이었던 메모리가 이제는 Physical AI 전체의 전략 자원으로 확장되고 있다.

11. 결론: AI가 몸을 갖는 순간, 메모리의 의미도 바뀐다

이번 Micron-GM/Ford SCA의 함의는 여기에 있다.

자동차는 바퀴 달린 로봇이다.
자율주행은 Physical AI의 첫 대형 상용화 사례다.
로봇은 몸을 가진 AI다.
몸을 가진 AI에는 훈련용 메모리와 추론용 메모리가 모두 필요하다.
따라서 메모리 공급망은 Physical AI 시대의 핵심 병목이 될 가능성이 높다.

자율주행의 성공은 단순히 운전 편의성의 문제가 아니다.

그보다 더 큰 의미는 AI가 드디어 물리세계에서 몸을 갖고 행동하기 시작했다는 점이다.

그리고 AI가 몸을 갖는 순간, 메모리의 의미도 바뀐다.

메모리는 데이터를 저장하는 부품에 그치지 않는다.

메모리는 AI가 세계를 기억하고, 실패를 고치고, 다음 행동을 결정하게 만드는 물리적 기반이다.

그래서 Micron의 SCA는 단순한 자동차 메모리 공급계약이 아니다.

Physical AI 시대의 초기 신호로 봐야 한다.

AI는 데이터센터 밖으로 나오고 있다.

차량으로 나오고, 로봇으로 나오고, 공장과 창고와 가정으로 나오고 있다.

그 과정에서 가장 먼저 장기계약의 형태로 선점되고 있는 자원 중 하나가 바로 메모리이지 않을까 한다.

=끝

나만의 투자이야기

2026년 7월 6일 월요일

생각정리 300 (* Micron SCA, physical AI)