제12장. 엣지 컴퓨팅과 로보틱스 OS
이 장을 다 읽고 나면 알게 될 것: Physical AI가 왜 클라우드를 기다릴 수 없는지, 엣지 컴퓨팅 칩의 경쟁 구도가 어떤지, 그리고 로보틱스 OS가 왜 다음 플랫폼 전쟁의 무대인지
도입: 100밀리초의 생사
자율주행차가 시속 100킬로미터로 달리고 있다. 앞에 보행자가 나타났다. 감지하고 판단하고 브레이크를 밟기까지 허용되는 시간은 100밀리초다. 0.1초. 이 시간 안에 차는 약 2.8미터를 이동한다.
클라우드로 데이터를 보내고 답을 받는 데 걸리는 시간은? 최선의 경우 50~100밀리초. 최악의 경우 수백 밀리초. 네트워크 지연, 서버 처리 시간, 패킷 손실. 변수가 너무 많다.
그래서 Physical AI는 클라우드를 기다리지 않는다. 판단을 로봇 안에서 한다. 엣지 컴퓨팅이다. 칩이 로봇 안에, 차량 안에, 드론 안에 직접 들어간다. 그리고 그 칩 위에서 돌아가는 소프트웨어가 로보틱스 OS다.
12.1 엣지 컴퓨팅의 요구 사항
엣지 컴퓨팅 칩은 데이터센터 칩과 완전히 다른 요구 사항을 가진다.
실시간성(Determinism). 일정 시간 안에 반드시 결과가 나와야 한다. 평균 속도가 빠른 것으로는 부족하다. 최악의 경우에도 시간 제한을 지켜야 한다. 이것을 실시간(Real-time) 요구라 한다.
전력 효율. 배터리로 움직이는 로봇은 와트당 성능이 핵심이다. 같은 계산을 더 적은 전력으로 해야 한다.
내구성. 진동, 온도 변화, 습도. 데이터센터의 통제된 환경과 다르다. 사막에서도, 영하 30도에서도 작동해야 한다.
크기와 무게. 드론은 페이로드가 한정적이다. 로봇 머리 안에 들어갈 크기여야 한다.
안전 등급. 자동차용 칩은 ISO 26262 기능안전 표준을 충족해야 한다. ASIL-B, ASIL-D 등급. 칩 하나가 고장 나도 시스템 전체가 안전하게 멈춰야 한다.
12.2 NVIDIA Jetson과 Drive — 엣지의 왕
NVIDIA는 데이터센터뿐 아니라 엣지에서도 강하다.
Jetson 시리즈. Nano, Orin NX, Orin AGX, Thor. 로봇과 자율기기를 위한 엣지 AI 플랫폼. 가격은 수백~수천 달러. CUDA가 그대로 돌아간다. 개발자가 데이터센터에서 만든 AI 모델을 Jetson에서 바로 돌릴 수 있다.
NVIDIA Drive. 자율주행 전용 플랫폼. Drive Orin, Drive Thor. 자동차 OEM과 직접 협업한다. 메르세데스, 볼보, 중국 Li Auto, Xpeng이 NVIDIA Drive를 쓴다.
NVIDIA의 엣지 전략은 데이터센터 전략의 연장이다. 같은 소프트웨어 스택을 쓰게 한다. CUDA, TensorRT, Isaac SDK. 개발자가 한 번 배우면 데이터센터에서도 엣지에서도 같은 도구를 쓴다. 전환 비용이 높아진다.
12.3 퀄컴과 다른 도전자들
엣지 AI 칩에서 NVIDIA만 있는 것은 아니다.
퀄컴 Robotics RB 시리즈. 5G 통신과 AI를 결합한다. 드론, 로봇에 적합하다. 전력 효율에서 NVIDIA보다 좋을 수 있다. 스마트폰 칩에서 쌓은 저전력 설계 노하우가 강점이다.
인텔 Mobileye. 자율주행 비전 처리에 특화. ADAS(첨단 운전자 보조 시스템) 시장의 강자다. 카메라 기반 인지에 강점이 있다.
Texas Instruments. 산업용 프로세서. 모터 제어, 센서 처리에 강하다. Physical AI의 하위 계층.
Horizon Robotics(중국). 자율주행 엣지 칩. 중국 자동차 시장에서 빠르게 성장. 미국의 수출통제가 적용되지 않는 수준의 칩을 만든다.
이 시장은 데이터센터 AI 칩 시장과 다른 특성이 있다. 분산되어 있다. 한 회사가 80퍼센트를 차지하지 않는다. 용도별로 다른 회사가 강하다. 이것은 경쟁이 치열하다는 뜻이기도 하고, 신규 진입이 가능하다는 뜻이기도 하다.
잠시 멈추고 생각해보자 엣지 AI 칩 시장이 데이터센터 AI 칩 시장처럼 한 회사의 독점으로 갈 것인가? 아니면 분산된 상태가 유지될 것인가? 독점과 분산 중 어느 것이 산업 발전에 더 유리한가?
12.4 ROS — Robot Operating System
ROS는 로봇 소프트웨어의 사실상 표준이다. 오픈소스다.
ROS1. 2007년 스탠퍼드 AI Lab에서 시작. Willow Garage가 개발을 이끌었다. 로봇 소프트웨어의 첫 공통 플랫폼이었다. 그러나 실시간 처리를 지원하지 않는다는 한계가 있었다.
ROS2. 2017년부터 본격화. DDS(Data Distribution Service) 미들웨어 위에 구축되어 실시간 통신을 지원한다. 산업용 로봇, 자율주행에 적용 가능하다.
ROS의 가치는 생태계에 있다. 수천 개의 패키지가 있다. SLAM(동시 위치 인식과 지도 작성), 경로 계획, 물체 인식, 모터 제어. 이 패키지들을 조합해 로봇 소프트웨어를 빠르게 만들 수 있다.
ROS의 한계도 있다. 첫째, 복잡하다. 학습 곡선이 높다. 둘째, 프로덕션 품질에 미달하는 패키지가 많다. 연구용으로는 좋지만 상용 제품에 바로 쓰기 어려운 경우가 있다. 셋째, 리얼타임 보장이 완벽하지 않다.
12.5 NVIDIA Isaac — 상용 로보틱스 플랫폼
NVIDIA Isaac은 로봇 개발을 위한 통합 플랫폼이다. ROS2와 호환되면서도 NVIDIA 하드웨어에 최적화되어 있다.
Isaac SDK. 로봇 애플리케이션 개발 도구. 인지, 계획, 제어 모듈을 제공한다.
Isaac Sim. 로봇 시뮬레이션 환경. Omniverse 위에서 돌아간다. 물리 엔진이 포함되어 실제와 유사한 환경에서 로봇을 학습시킬 수 있다. (이것은 13장에서 자세히 다룬다.)
Isaac ROS. ROS2 패키지를 NVIDIA GPU에서 가속하는 도구. ROS2의 표준 인터페이스를 쓰면서도 NVIDIA 하드웨어의 성능을 최대한 끌어낸다.
NVIDIA의 전략이 보인다. 로보틱스 OS 시장에서도 CUDA 생태계를 확장하려 한다. ROS를 대체하는 것이 아니라, ROS 위에 NVIDIA 레이어를 올리는 전략이다. 개발자가 ROS를 쓰되, NVIDIA 칩에서 가장 잘 돌아가게 만든다.
12.6 실시간 운영체제의 중요성
로보틱스 OS의 하부에는 실시간 운영체제(RTOS)가 있다. 일반 리눅스와 다르다.
일반 리눅스는 "최선의 노력(best effort)"으로 작동한다. 평균적으로 빠르지만, 가끔 느려질 수 있다. 가비지 컬렉션이나 페이지 폴트 때문에 수 밀리초 지연이 생길 수 있다.
RTOS는 "보장된 응답 시간(guaranteed response time)"을 제공한다. 어떤 상황에서도 정해진 시간 안에 응답한다. 자율주행의 브레이크 제어, 로봇 관절의 토크 제어처럼 시간 제한이 절대적인 기능에 필수다.
대표적인 RTOS. QNX(BlackBerry), VxWorks(Wind River), FreeRTOS(Amazon), Zephyr(Linux Foundation). 자동차에서는 QNX가 강하다. 임베디드에서는 FreeRTOS가 널리 쓰인다.
Physical AI 시스템은 보통 두 층으로 구성된다. 상위 층: 리눅스 + ROS2에서 인지와 계획을 수행한다. AI 추론이 여기서 일어난다. 하위 층: RTOS에서 모터 제어, 안전 기능을 수행한다. 실시간 보장이 여기서 이루어진다.
잠시 멈추고 생각해보자 스마트폰 OS는 iOS와 Android 두 개로 수렴되었다. 로보틱스 OS도 그렇게 될 것인가? 만약 NVIDIA Isaac이 로봇의 안드로이드가 된다면, 이것은 좋은 일인가, 위험한 일인가?
12.7 플랫폼 전쟁의 서막
로보틱스 OS는 다음 플랫폼 전쟁의 무대다. PC에서 Windows, 모바일에서 iOS/Android가 플랫폼 권력을 가졌듯이, 로봇에서도 OS가 플랫폼 권력을 가질 것이다.
현재 후보는 세 가지다.
NVIDIA Isaac + ROS2. 가장 유력한 후보다. NVIDIA의 하드웨어-소프트웨어 통합 전략이 강하다.
구글/Alphabet. Waymo의 자율주행 OS, DeepMind의 로봇 연구. 아직 통합 플랫폼으로 나오지는 않았지만 역량이 있다.
테슬라. 자체 자율주행 OS, 로봇 OS를 개발 중이다. 오픈하지 않고 자체 사용한다. 규모(수백만 대 차량 + Optimus)로 밀어붙이는 전략이다.
한국의 현대로보틱스/Boston Dynamics도 자체 OS를 가지고 있다. 그러나 글로벌 플랫폼이 될 가능성은 낮다. 오히려 어느 플랫폼 위에서 잘 작동하는 로봇을 만드느냐가 더 현실적인 전략이다.
핵심 정리
Physical AI는 클라우드를 기다릴 수 없다. 실시간 처리를 위해 엣지 컴퓨팅 칩이 로봇 안에 들어간다.
NVIDIA Jetson/Drive가 엣지 AI 칩의 선두이지만, 퀄컴, 인텔 Mobileye, Horizon Robotics 등 경쟁이 분산되어 있다.
ROS2가 로보틱스 소프트웨어의 사실상 표준이다. NVIDIA Isaac이 그 위에 상용 레이어를 올리며 플랫폼화를 추진한다.
실시간 운영체제(RTOS)가 Physical AI의 안전 핵심 기능을 담당한다. QNX, FreeRTOS가 대표적이다.
로보틱스 OS는 다음 플랫폼 전쟁의 무대다. NVIDIA, 구글, 테슬라가 후보이며, 한국은 플랫폼보다 그 위의 응용에서 경쟁하는 것이 현실적이다.
반드시 답해봐야 할 질문 5가지
질문 1. 로보틱스 OS 시장도 스마트폰 OS처럼 2~3개로 수렴될 것인가? 아니면 더 분산될 것인가?
질문 2. NVIDIA가 엣지 AI에서도 데이터센터만큼 독점할 수 있는가? 엣지 시장의 특성이 독점을 어렵게 만드는가?
질문 3. ROS2의 오픈소스 특성이 장기적으로 유지될 수 있는가? 상용 대안이 ROS를 대체할 가능성은?
질문 4. 한국에서 로보틱스 OS나 엣지 AI 칩 분야의 스타트업이 나올 수 있는가? 현실적 기회는 어디에 있는가?
질문 5. 자율주행 OS와 휴머노이드 OS가 하나로 수렴될 것인가? 용도별로 다른 OS가 존재할 것인가?
더 깊이 탐구하기
NVIDIA Isaac 공식 문서 및 GTC 발표 자료. 로보틱스 플랫폼의 구체적 기능과 로드맵.
ROS2 공식 문서 및 커뮤니티 포럼. 로보틱스 소프트웨어의 표준을 이해하는 출발점.
QNX/BlackBerry 자동차 OS 기술 문서. 실시간 운영체제의 자동차 적용.
퀄컴 Robotics Platform 사양서. NVIDIA 대안의 기술적 특성.
Morgan Stanley, 「Edge AI Market Forecast」. 엣지 AI 칩 시장의 규모와 성장 전망.
다음 장에서는 Physical AI의 가장 흥미로운 부분으로 간다. World Model과 시뮬레이션. 로봇은 어떻게 세계를 이해하는가. 시뮬레이션에서 학습한 것이 현실에서도 작동하는가. Sim-to-Real의 도전.