SKT 피지컬 AI 전략 분석, 디지털 트윈부터 로봇·B2C까지 확장

핵심요약

기사 핵심 요약

SK텔레콤은 디지털 트윈과 로봇 학습, AI 데이터센터를 연결해 제조 현장에서 검증한 피지컬 AI 기술을 물류·서비스·가정으로 확대하려 한다.

• 디지털 트윈·로봇 학습·AI 데이터센터를 연결하는 3단계 사업 구조
• SK하이닉스 반도체 팹을 시작으로 자동차·조선·물류까지 넓히는 산업 확장
• B2C 진출보다 먼저 해결해야 할 실제 산업 데이터 확보와 안전성 검증

 

SK텔레콤의 피지컬 AI 전략은 현실의 제조 현장을 디지털 트윈으로 구현하고, 그 안에서 로봇을 학습시킨 뒤, AI 데이터센터에서 생성·학습·재적용 과정을 반복하는 구조다. 제조와 물류가 초기 시장이지만 SK텔레콤은 기술이 안정화되면 서비스와 가정용 로봇 등 B2C 분야까지 확장할 수 있다고 보고 있다. 다만 구체적인 소비자용 제품이나 출시 일정은 공개되지 않았다.

SKT 피지컬 AI가 통신사의 새로운 사업으로 떠오른 이유

SK텔레콤이 피지컬 AI를 추진하는 배경에는 통신사의 역할 변화가 있다.

기존 통신사업자의 핵심 역할은 유선·무선 네트워크를 구축하고 가입자를 연결하는 것이었다. 피지컬 AI 시대에는 로봇과 공장 설비가 끊임없이 데이터를 주고받고, AI 모델이 이를 실시간으로 분석해 행동을 결정해야 한다.

단순히 빠른 네트워크만 제공해서는 충분하지 않다.

대규모 데이터를 처리하는 AI 데이터센터, 현실 공간을 가상으로 구현하는 디지털 트윈, 로봇의 판단 모델, 현장 연결망을 하나의 구조로 운영해야 한다.

조익환 SK텔레콤 피지컬 AI 담당 부사장은 2026년 7월 7일 인터뷰에서 통신사가 AI를 처리할 수 있는 인프라까지 제공해야 한다고 밝혔다. 기존의 연결 사업자가 AI 인프라와 산업 플랫폼 운영자로 전환해야 한다는 설명이다.

SK텔레콤도 공식적으로 네트워크 AI, AI 데이터센터, AI 모델, 에이전트 AI, 피지컬 AI를 연결한 풀스택 AI 구조를 제시했다. 2026년 월드IT쇼에서는 AI가 인프라에서 모델과 서비스로 이어지고 다시 산업 현장으로 확장되는 구조를 공개했다.

피지컬 AI는 이 풀스택 전략의 최종 적용 지점에 가깝다. AI 데이터센터와 모델이 실제 매출을 만들려면 공장, 물류센터, 로봇, 차량 등 현실의 작업 환경과 연결돼야 하기 때문이다.

SKT 피지컬 AI 1단계인 디지털 트윈 사업

SK텔레콤이 제시한 첫 번째 단계는 디지털 트윈이다.

디지털 트윈은 현실의 공장, 설비, 작업 동선, 물류 흐름을 가상 공간에 동일하거나 유사하게 구현하는 기술이다. 공장 설비를 실제로 옮기기 전에 가상 환경에서 배치를 변경하거나 생산량과 병목 구간을 시험할 수 있다.

SK텔레콤은 디지털 트윈이 현실 세계를 AI가 이해할 수 있는 데이터 구조로 바꾸는 과정이라고 설명한다. 카메라 영상이나 센서 수치만 수집하는 것이 아니라 공간 구조와 설비 관계, 작업 순서까지 3차원 환경에서 재현해야 AI가 현실의 원인과 결과를 학습할 수 있다는 의미다.

대표적인 사례는 SK하이닉스 반도체 팹이다.

SK텔레콤은 엔비디아 옴니버스를 활용해 SK하이닉스 반도체 제조 공정을 디지털 트윈으로 구현하는 기술을 개발했다. SK하이닉스는 ‘자율형 공장 2030’ 구축 목표에 따라 SK텔레콤과 기술 검증을 완료했고 단계적인 상용화를 추진하고 있다.

반도체 공장은 설비 배치와 작업 순서의 작은 변화도 생산성과 수율에 영향을 줄 수 있다. 실제 공정에서 시행착오를 반복하기에는 비용과 중단 위험이 크다. 디지털 트윈에서 여러 시나리오를 먼저 시험하면 물리적 설비를 움직이지 않고도 영향을 분석할 수 있다.

SK텔레콤은 엔비디아 에이전트 툴킷을 활용한 ‘에이전틱 디지털 트윈 모델링’ 기술도 개발했다. 제조 현장의 설비와 공간 데이터를 자동으로 변환하고, 3D 장면의 실행 성능과 GPU·메모리 효율을 개선하는 것이 목적이다.

이 단계에서 SK텔레콤이 판매하려는 것은 단순한 3D 공장 그림이 아니다. 공정 변경 결과를 예측하고 AI와 로봇이 학습할 수 있는 산업 시뮬레이션 환경이다.

SKT 피지컬 AI 2단계인 로봇 트레이닝 플랫폼

두 번째 단계는 로봇 트레이닝 플랫폼이다.

현실의 로봇은 작은 오류도 사람의 부상이나 설비 파손으로 이어질 수 있다. 학습이 완료되지 않은 로봇을 실제 생산라인에 투입해 시행착오를 반복하는 방식은 안전성과 비용 면에서 한계가 있다.

SK텔레콤은 디지털 트윈 안에서 로봇을 먼저 학습시키는 방식을 추진한다. 가상 공장에서 로봇이 부품을 옮기고, 장애물을 피하고, 작업 순서를 수행하도록 반복 훈련한 뒤 실제 현장에 투입하는 구조다.

공식 자료에 따르면 SK텔레콤의 디지털 트윈 플랫폼은 제조 고객사를 중심으로 적용 범위를 넓히고 있으며, 로봇 트레이닝 플랫폼은 파일럿 단계를 거쳐 본격적인 확장을 준비하고 있다. 엔비디아 옴니버스, 아이작 심(Isaac Sim), 그루트(GR00T) 등 관련 기술을 활용하는 구조도 제시됐다.

가상 훈련의 장점은 실패 비용을 줄일 수 있다는 데 있다.

현실에서 로봇이 물건을 떨어뜨리면 제품과 장비가 손상될 수 있다. 디지털 트윈에서는 동일한 실패를 수천 번 반복해도 실제 피해가 발생하지 않는다. 조명, 장애물, 작업 속도, 물체 위치를 바꾸며 다양한 상황을 학습시키기도 쉽다.

그러나 시뮬레이션만으로 실제 현장을 완전히 대체할 수는 없다. 가상 공간에서 성공한 로봇이 현실에서는 센서 오차, 마찰력, 진동, 통신 지연 때문에 실패할 수 있다. 이를 ‘시뮬레이션과 현실의 차이’ 문제로 볼 수 있다.

SK텔레콤의 경쟁력은 디지털 트윈을 만드는 데서 끝나지 않는다. 가상에서 학습한 모델을 실제 현장에 적용하고, 현장에서 발생한 데이터를 다시 학습 환경으로 가져오는 반복 구조를 구축해야 사업성이 생긴다.

SKT 피지컬 AI 3단계인 AI 데이터센터 생산기지화

세 번째 단계는 AI 데이터센터를 피지컬 AI의 생산기지로 만드는 것이다.

조익환 부사장은 인터뷰에서 데이터를 생성하고 학습한 뒤 현장에 적용하고, 현장에서 다시 수집한 데이터를 재학습하는 선순환 구조를 ‘클로즈드 루프’로 설명했다.

구조는 다음과 같다.

디지털 트윈에서 가상 데이터를 생성한다. AI 데이터센터에서 로봇 모델을 학습한다. 학습된 모델을 공장이나 물류센터에 적용한다. 현장에서 로봇의 행동 데이터와 실패 데이터를 수집한다. 수집한 데이터를 다시 AI 데이터센터로 보내 모델을 개선한다.

이 과정이 반복되면 AI 데이터센터는 서버 공간을 빌려주는 시설이 아니라 산업용 AI 모델을 지속적으로 생산하고 개선하는 공장이 된다.

SK텔레콤은 2026년 공식 자료에서 AI 데이터센터와 클라우드가 소버린 AI, 에이전틱 AI, 피지컬 AI 서비스를 지원하는 기반이 될 것이라고 설명했다. 네트워크와 데이터센터, 기업 인프라 경험을 하나의 AI 클라우드 구조로 연결한다는 전략이다.

통신사의 강점도 이 지점에서 드러난다.

로봇과 제조 설비는 일시적인 서비스 장애도 생산 중단이나 안전사고로 이어질 수 있다. SK텔레콤은 365일 24시간 통신망을 운영해온 경험을 피지컬 AI 서비스의 안정성 관리에 활용할 수 있다고 본다.

다만 통신망 운영 능력이 곧바로 로봇 제어 능력을 의미하지는 않는다. 제조 공정과 로봇 안전, 산업용 소프트웨어에 대한 전문성이 함께 필요하다. 이 때문에 SK AX와 엔비디아, SK하이닉스 등 파트너와의 역할 분담이 중요해진다.

SK하이닉스 디지털 트윈이 SKT 피지컬 AI의 첫 시험대인 이유

SK하이닉스 반도체 팹은 SK텔레콤 피지컬 AI 전략의 기술 검증 사례이자 향후 사업 확장의 기준점이다.

반도체 제조는 공정이 복잡하고 설비 가격이 높으며, 생산라인 중단에 따른 비용이 큰 산업이다. 따라서 가상 환경에서 설비 배치와 공정 변화를 검증할 경제적 유인이 크다.

SK텔레콤은 반도체 팹의 대규모 3D 장면을 더 빠르게 불러오고 GPU와 메모리 사용량을 줄이기 위해 엔비디아 옴니버스 라이브러리를 통합하고 있다. 또한 제조 데이터를 디지털 트윈 구조로 변환하는 작업을 AI 에이전트로 자동화하려 한다.

이 프로젝트가 상용 단계에서 성과를 내면 자동차, 배터리, 조선, 물류로 확장할 근거를 확보할 수 있다.

반대로 기술 검증에서 효과가 확인됐더라도 고객사가 지불할 비용보다 구축비가 크거나 현장 운영자가 사용하기 어렵다면 확산 속도는 느려진다. 피지컬 AI 사업의 성패는 시뮬레이션 정확도뿐 아니라 생산성 향상과 비용 절감 수치를 실제로 증명하는 데 달려 있다.

현재 공개된 자료만으로는 SK하이닉스 디지털 트윈의 구체적인 비용 절감률, 생산성 개선률, 상용 계약 규모를 확인할 수 없다. 따라서 기술 검증을 곧바로 대규모 매출 성과로 해석해서는 안 된다.

SKT 피지컬 AI의 최대 병목인 산업 데이터 부족

SK텔레콤이 직접 지목한 가장 큰 문제는 실제 산업 데이터 부족이다.

생성형 AI는 인터넷의 문서와 이미지, 공개 데이터로 대규모 학습을 진행할 수 있다. 제조업 데이터는 성격이 다르다. 설비 작동 기록, 고장 이력, 공정 조건, 품질 정보, 생산량은 기업의 경쟁력을 결정하는 핵심 자산이다.

기업은 이런 데이터를 외부 플랫폼에 제공하는 것을 꺼릴 수밖에 없다.

공정 데이터가 유출되면 생산 능력과 기술 수준, 약점이 경쟁사에 노출될 수 있다. 데이터에 협력사 정보나 작업자 영상이 포함돼 있다면 보안과 개인정보 문제도 발생한다.

조익환 부사장은 기업에 데이터를 일방적으로 요구할 수 없으며, 데이터를 제공한 기업이 피지컬 AI 도입 지원이나 사업적 혜택을 받을 수 있다는 인식이 필요하다고 밝혔다.

데이터 부족 문제는 국내 기업만의 과제가 아니다. 로봇 업계 전반에서 실제 작업 데이터가 부족해 시뮬레이션 합성 데이터와 사람의 행동을 기록한 데이터를 결합하는 방법이 검토되고 있다. 2026년 6월 국내 피지컬 AI 포럼에서도 로봇 액션 데이터 부족이 주요 기술 난제로 제시됐다.

SK텔레콤이 해결해야 할 과제는 데이터를 많이 모으는 것에 그치지 않는다.

고객사가 원본 데이터를 외부에 넘기지 않아도 학습할 수 있는 구조, 기업별 데이터 접근권한 관리, 데이터 익명화, 모델 학습 결과의 소유권, 보안 사고 발생 시 책임 범위를 함께 설계해야 한다.

산업 데이터 제공에 대한 실질적 보상과 보호장치가 없다면 피지컬 AI 플랫폼은 충분한 학습 데이터를 확보하기 어렵다.

SKT 피지컬 AI가 제조·물류·조선·자동차로 확장되는 방식

초기 피지컬 AI 시장은 제조업이 중심이 될 가능성이 크다.

제조 현장은 동일한 작업이 반복되고 생산성 개선 효과를 수치로 측정하기 쉽다. 공정 중단과 불량률 감소가 비용 절감으로 바로 연결되기 때문에 기업이 기술 도입 효과를 판단하기도 수월하다.

SK텔레콤은 반도체를 시작으로 자동차와 조선 등 다양한 제조산업으로 적용 범위를 확대하겠다는 계획을 공식적으로 제시했다.

물류센터도 주요 시장이다.

물품의 입고, 분류, 적재, 이동, 출고 과정은 로봇 자동화와 결합하기 쉽다. 디지털 트윈으로 물류 동선을 시험하고 로봇과 작업자의 충돌 가능성을 분석하면 공간 활용도와 처리량을 개선할 수 있다.

조선업은 넓고 복잡한 작업 공간, 이동하는 작업자, 대형 구조물 때문에 적용 난도가 높다. 반면 용접, 검사, 부품 운반 등 위험하고 반복적인 작업이 많아 피지컬 AI의 경제적 가치도 크다.

자동차 제조에서는 조립과 검사, 부품 물류가 주요 적용 분야가 될 수 있다. 다만 기존 공장자동화 시스템이 이미 고도화돼 있어 새로운 플랫폼이 기존 설비와 얼마나 원활하게 연결되는지가 핵심이다.

산업별로 공정 구조와 안전 기준이 다른 만큼 하나의 범용 솔루션을 그대로 적용하기는 어렵다. SK텔레콤이 플랫폼을 제공하더라도 현장 시스템 통합과 산업별 커스터마이징 역량이 필요하다.

SKT 피지컬 AI와 SK AX의 역할 분담

SK텔레콤은 피지컬 AI 사업에서 SK AX와 협력하고 있다.

조익환 부사장은 SK AX가 시스템과 현장을 기반으로 한 시스템통합에 강점이 있고, SK텔레콤은 AI 기술과 플랫폼화에 강점이 있다고 설명했다.

SK텔레콤이 디지털 트윈과 AI 모델, 로봇 학습 플랫폼을 개발하더라도 공장 설비와 기존 전사적자원관리 시스템, 제조실행시스템, 센서망에 연결하려면 현장 통합 작업이 필요하다.

이 역할을 SK AX가 맡는 구조다.

양사의 역할 분담이 명확하면 SK텔레콤은 고객사마다 처음부터 시스템을 구축하는 프로젝트형 사업에서 벗어나 공통 플랫폼을 판매할 수 있다. SK AX는 플랫폼을 산업 현장에 맞게 적용하면서 시스템통합 매출을 확보할 수 있다.

문제는 플랫폼과 구축 서비스의 경계다.

고객사별 요구가 지나치게 다르면 공통 플랫폼보다 맞춤형 개발 비중이 커진다. 이 경우 프로젝트마다 인력과 시간이 투입돼 수익성 확장이 제한될 수 있다.

SK텔레콤이 피지컬 AI를 고수익 플랫폼 사업으로 만들려면 반도체, 자동차, 조선, 물류에 공통으로 적용할 수 있는 기능을 표준화해야 한다.

SKT 피지컬 AI의 B2C 확장 가능성

SK텔레콤은 제조와 물류를 넘어 가정과 서비스 분야를 장기 시장으로 보고 있다.

조익환 부사장은 안정화된 로보틱스가 가정이나 서비스 분야로 진출하면 산업용 시장보다 더 큰 시장이 될 수 있다고 전망했다.

가정용 피지컬 AI는 단순한 음성비서와 다르다. 사용자의 지시를 이해하는 것뿐 아니라 방 구조와 물체 위치를 파악하고, 사람과 반려동물을 피하고, 물건을 잡거나 옮기는 행동을 수행해야 한다.

서비스 분야에서는 매장 안내, 건물 순찰, 병원 물품 운반, 호텔 서비스, 노인 돌봄 보조 등이 가능한 적용 사례다.

통신사는 B2C 고객 접점과 가입자 기반, 요금 청구 시스템, 가정용 네트워크를 보유하고 있다. SK텔레콤이 향후 로봇 서비스를 구독형 상품으로 제공한다면 통신·AI·기기 서비스를 묶는 방식도 예상할 수 있다.

그러나 이는 현재 공개된 사업계획이 아니라 사업 구조에 따른 해석이다.

SK텔레콤은 특정 가정용 로봇의 제품명, 출시 시점, 가격, 제조 파트너를 발표하지 않았다. 현재 확인할 수 있는 전략의 중심은 제조 고객을 대상으로 한 디지털 트윈과 로봇 트레이닝 플랫폼이다.

B2C 진출은 제조 현장에서 안전성과 경제성을 충분히 검증한 뒤의 단계로 보는 것이 타당하다.

SKT 피지컬 AI 3단계 사업 구조 비교

구분	1단계 디지털 트윈	2단계 로봇 트레이닝	3단계 AI 데이터센터 생산기지
핵심 역할	현실 공장과 설비의 가상화	가상 환경에서 로봇 학습·검증	데이터 생성·학습·배포·재학습
주요 고객	반도체·자동차·조선·물류 기업	로봇 제조사·산업 현장	대규모 AI를 운영하는 기업
핵심 기술	3D 모델링, 시뮬레이션, 센서 데이터	강화학습, 로봇 모델, 안전 검증	GPU 인프라, AI 클라우드, 네트워크
대표 사례	SK하이닉스 팹 디지털 트윈	파일럿 단계 플랫폼	클로즈드 루프 구조 구상
기대 효과	설비 변경 전 사전 검증	현실의 실패 비용과 사고 위험 감소	지속적인 모델 개선과 서비스 운영
주요 과제	구축 비용과 시뮬레이션 정확도	가상과 현실의 차이	전력 비용, 보안, 안정성
사업 성숙도	기술 검증 및 적용 확대	파일럿 후 확장 준비	장기 목표 단계

비교하면 SK텔레콤의 피지컬 AI 전략은 개별 로봇을 직접 판매하는 사업보다 로봇과 제조 AI가 작동하는 기반 플랫폼을 장악하는 구조에 가깝다. 디지털 트윈에서 시작해 로봇 학습과 AI 데이터센터 사용량으로 매출을 확장하려는 모델이다.

국내 제조업에서 SKT 피지컬 AI가 중요한 이유

SK텔레콤 피지컬 AI는 해외 사업이 아니라 국내 제조 현장을 우선 대상으로 하는 전략이다. 따라서 별도의 해외 주제용 한국 관련 섹션은 필요하지 않지만, 국내 산업 측면의 의미는 분명하다.

한국은 반도체, 자동차, 조선, 배터리 등 대규모 제조업 기반을 보유하고 있다. 이 산업들은 공정 자동화 수준이 높지만 숙련인력 부족, 안전 문제, 설비 복잡성, 생산성 향상 압력에 동시에 직면한다.

피지컬 AI는 로봇을 추가하는 것만으로 완성되지 않는다.

공장 설비와 물류 흐름을 데이터로 만들고, 가상 환경에서 작업 방식을 검증하며, 실제 현장의 결과를 다시 모델에 반영해야 한다. SK텔레콤이 제시한 디지털 트윈과 AI 데이터센터의 결합은 이 과정을 하나의 플랫폼으로 묶으려는 시도다.

국내 제조기업 입장에서는 해외 플랫폼에 생산 데이터를 전부 의존하지 않고 국내 사업자와 산업 AI 시스템을 구축할 선택지가 생길 수 있다.

반면 특정 통신사와 클라우드, 시뮬레이션 플랫폼에 대한 종속 가능성도 검토해야 한다. 고객사가 플랫폼을 변경할 때 데이터와 3D 자산, 학습 모델을 다른 환경으로 이전할 수 있는지가 중요하다.

국내 피지컬 AI 시장의 경쟁력은 단순한 기술 국산화보다 데이터 이동성과 상호운용성, 보안 기준을 함께 확보하는 데서 결정된다.

SKT 피지컬 AI의 경쟁력과 사업화 한계를 함께 봐야 하는 이유

SK텔레콤의 강점은 명확하다.

전국 단위 네트워크 운영 경험, AI 데이터센터, 자체 AI 모델, 기업 고객 기반, SK하이닉스와 SK AX를 포함한 그룹 협업 구조를 동시에 활용할 수 있다. 엔비디아와의 기술 협력도 디지털 트윈과 로봇 시뮬레이션 기술 확보에 도움이 된다.

하지만 기술 역량이 곧바로 수익성을 보장하지는 않는다.

첫 번째 한계는 데이터다. 고객사가 핵심 제조 데이터를 제공하지 않으면 모델 성능을 높이기 어렵다.

두 번째는 구축 비용이다. 공장 전체를 정확한 디지털 트윈으로 만드는 데 많은 시간과 인력이 필요하면 중소 제조기업이 도입하기 어렵다.

세 번째는 안전 책임이다. AI가 제어한 로봇이 사고를 일으켰을 때 로봇 제조사, AI 플랫폼 사업자, 시스템통합 사업자, 현장 운영자 중 누가 책임지는지 계약 구조가 복잡해질 수 있다.

네 번째는 경쟁이다. 제조 자동화 기업, 클라우드 사업자, 로봇 제조사, 산업용 소프트웨어 업체도 피지컬 AI 시장에 진입하고 있다. SK텔레콤이 통신과 AI 데이터센터를 보유했다는 이유만으로 시장 주도권을 확보하는 것은 아니다.

조익환 부사장이 제시한 ‘3년 안에 B2B AI 매출의 두 자릿수 비중’은 회사가 공식 확정한 매출 지침이라기보다 담당 임원이 밝힌 개인적 목표에 가깝다.

피지컬 AI 사업의 성과는 기술 시연 횟수가 아니라 유료 고객 수, 구축 기간, 반복 매출, 실제 생산성 개선 수치로 평가해야 한다.

SKT 피지컬 AI에서 눈에 띄는 플랫폼 중심 전략

이번 인터뷰에서 눈에 띄는 점은 SK텔레콤이 휴머노이드 로봇 자체보다 로봇을 학습시키고 운영하는 기반을 먼저 확보하려 한다는 점이다.

완성형 로봇 시장은 하드웨어 제조 능력과 부품 공급망, 안전 인증, 유지보수 조직이 필요하다. SK텔레콤이 모든 영역을 직접 맡는 것은 효율적이지 않다.

대신 디지털 트윈과 로봇 트레이닝, AI 데이터센터를 연결하면 다양한 제조사와 로봇에 공통으로 사용되는 플랫폼을 공급할 수 있다. 로봇이 늘어날수록 시뮬레이션과 학습, 추론에 필요한 컴퓨팅 사용량도 증가한다.

이 전략이 성공하면 SK텔레콤은 로봇 한 대의 판매 수익보다 지속적인 플랫폼 이용료와 AI 인프라 매출을 확보할 수 있다.

판단 기준은 분명하다.

SK하이닉스 사례를 다른 기업에 반복 적용할 수 있어야 하고, 맞춤형 구축 비용을 낮춰야 하며, 고객사가 데이터를 제공할 만큼 신뢰할 수 있는 보안과 보상 구조를 마련해야 한다.

B2C 로봇 진출은 흥미로운 장기 방향이지만 현재 사업 가치를 결정하는 요소는 아니다. 2026년 SK텔레콤 피지컬 AI의 핵심 과제는 제조 현장에서 반복 가능한 유료 사업 모델을 증명하는 것이다.

자주 묻는 질문

SKT 피지컬 AI 사업은 어떤 기술을 의미하나?

SKT 피지컬 AI는 디지털 트윈으로 현실 공장을 구현하고, 가상 환경에서 로봇을 학습한 뒤 AI 데이터센터에서 모델을 지속적으로 개선하는 산업용 AI 사업이다.

SK텔레콤 피지컬 AI 사업의 3단계는 무엇인가?

첫 단계는 디지털 트윈, 두 번째는 로봇 트레이닝 플랫폼, 세 번째는 AI 데이터센터를 데이터 생성·학습·재적용의 생산기지로 만드는 구조다.

SKT는 SK하이닉스 공장에 피지컬 AI를 어떻게 적용했나?

SK텔레콤은 엔비디아 옴니버스를 활용해 SK하이닉스 반도체 팹을 디지털 트윈으로 구현하고 공정과 설비 변화를 가상 환경에서 검증하는 기술을 개발했다.

SKT 피지컬 AI는 가정용 로봇으로도 확대되나?

SK텔레콤은 안정화된 로봇 기술이 가정과 서비스 분야로 확대될 가능성을 보고 있다. 다만 가정용 로봇 제품과 출시일, 가격은 공개하지 않았다.

SKT와 SK AX는 피지컬 AI 사업에서 어떤 역할을 맡나?

SK텔레콤은 AI 기술과 플랫폼 개발을 담당하고, SK AX는 고객사의 공장 시스템과 설비를 연결하는 시스템통합과 현장 구축에서 강점을 활용한다.