Physical AI: Deutsche Bank는 피지컬 AI가 디지털 모델을 넘어 로봇, 자율주행 운송, 궁극적으로는 지구 밖 인프라로 확장될 것으로 본다

개요

이 테마 보고서는 AI가 화면을 벗어나 현실 세계에서 행동하는 기계로 어떻게 확장될 수 있는지 검토한다. Deutsche Bank는 AI 자본지출 사이클, 초기 로봇 배치, 인구구조에 따른 노동력 제약, 훈련 데이터 한계, 부품 공급망, 그리고 궁극적인 우주 자율 시스템 활용을 연결한다.

핵심 견해

Deutsche Bank는 피지컬 AI를 AI 투자 사이클의 다음 단계로 규정한다. 즉, 지능이 소프트웨어와 파운데이션 모델에서 로보택시, 휴머노이드, 창고 로봇, 드론, 수술 시스템과 같은 자본집약적 기계로 이동하는 단계다. 보고서는 $1 trillion 시가총액 클럽이 5년 동안 두 배 이상 확대됐으며, 2026년 9월까지 추가된 10개 기업 중 7개가 반도체 기업이었다고 지적한다. 나머지 3개 중 Tesla와 SpaceX는 AI를 개발하는 기업으로 제시된다. 또한 Amazon, Microsoft, Alphabet, Meta, Oracle, SpaceX의 2026년 합산 자본지출을 강조하는 한편, 과거 미국 통신 인프라 구축 사례를 들어 대규모 인프라 투자 이후 역량이 충분히 활용되지 않을 수 있음을 경고한다. 보고서는 로보택시를 최초의 의미 있는 현실 세계 배치로 본다. Waymo는 14개 대도시권, 4,000대의 자율주행차, 주간 500,000회 초과 유료 탑승, 누적 200M 자율주행 마일, 주간 100만 회 탑승 목표로 제시된다. 또한 Tesla의 Cybercab 상용 서비스가 9월 3일 Austin에서 운전대와 페달 없이 시작됐고, 베이징·상하이·광저우·선전에서는 약 2,000대의 자율주행차가 유료 서비스를 제공한다고 언급한다. Deutsche Bank의 Waymo 예시 비용 구조는 차량 마일당 총 $1.23이며, $105,000 차량을 175,000마일에 걸쳐 감가상각한 비용 $0.60, 원격 지원 $0.09, 차량기지·세척·정비 $0.26, 보험 및 책임 비용 $0.23, 에너지 $0.05로 구성된다. 보고서의 요지는 추가 최적화 전에도 경제성이 이미 매력적이라는 것이다. 휴머노이드는 노동력 부족과 이에 따른 산업 병목을 해결할 수단으로 제시된다. 보고서는 2026년 노동력 증가가 거의 제로이고, 2026년 중반까지 예상 순이민이 2024년의 2.7M보다 낮으며, 베이비붐 세대가 은퇴하고, 2033년까지 제조업에서 1.9M개의 일자리가 채워지지 않을 것으로 예상된다고 언급한다. 제조업 리쇼어링에는 공장뿐 아니라 인력도 필요하며, 제조업체들은 관세보다 숙련 노동자를 제약 요인으로 꼽는다고 주장한다. 미국 2026년 휴머노이드 운영비에 대한 예시 모델은 생산적 시간당 $5.86, 근로자 1인당 로봇 2대 기준 $11.72를 제시하며, 감가상각, 유지보수, 감독, 플릿 소프트웨어, 에너지로 구성된다. 글로벌 휴머노이드 출하량은 기존의 2026년 약 50,000대 전망을 웃돌고 있다. 중국은 상반기에만 40,000대 이상을 생산했고 연간 출하량의 88%를 차지할 전망이다. 보고서는 2050년까지 100 million대, $1.5trn 시장 가능성도 언급한다. 핵심 장애물은 훈련 데이터 품질과 공급망 집중이다. 인간 영상은 풍부하지만 로봇 관절각, 토크, 그리퍼 상태, 신뢰할 만한 규모 정보, 실패 시도와 복구 행동을 담고 있지 않다. 원격조작은 더 높은 충실도의 시연 데이터를 제공하지만 사용 가능 시간당 $35-60의 비용이 들고, 서로 다른 로봇 몸체로의 전이도 불완전하다. 시뮬레이션은 하룻밤 사이 수백만 개의 에피소드를 생성할 수 있고 사용 가능 시간당 비용은 $1 미만이지만, 시뮬레이션 환경을 구축하고 검증하려면 실제 데이터 수집이 필요하다. Deutsche Bank는 여러 로봇 유형의 시연을 모으고, 영상에서 잠재 행동을 추론해 소규모 라벨 데이터로 실제 관절에 연결하며, 모델 체크포인트를 올바르게 순위화하는지로 시뮬레이션을 검증하고, 먼저 반복 가능한 작업에 로봇을 배치해 다음 작업을 위한 데이터를 수집하는 혼합 접근법을 설명한다. 부품 측면에서 보고서는 중국 및 아시아와 비교해 미국의 국내 휴머노이드 공급망이 여전히 불완전하다고 주장한다. 모든 관절 모터에는 네오디뮴이 필요하며, 중국은 글로벌 공급의 약90%를 정제한다. 반면 미국에는 규모 있는 정제 능력이 없고 신규 설비 구축에는 수년이 걸린다. 휴머노이드에는 30–40개의 정밀 관절이 필요하며 일본의 Harmonic Drive가 선도하고 중국 경쟁업체들이 추격하고 있지만, 미국에는 규모 있는 공급원이 없다. 배터리에서는 CATL이 선도하고 LG와 Panasonic이 뒤따른다. EV 투자로 일부 셀 생산능력이 미국에 구축됐지만, 보고서는 휴머노이드가 향후 수년간 아시아 비용 곡선을 따를 것으로 예상한다. 보고서는 피지컬 AI 논리를 데이터센터와 우주로 확장한다. 입지 갈등, 더 긴 계통연계 대기열, 지역사회 완화 조치로 토지 및 건설비 상승률이 기본 시나리오의 2% 대신 연 6%가 될 수 있다고 본다. 전력 및 냉각 비용은 연 4%, 서버 비용은 2% 상승하는 가정을 제시하는데, 기본 시나리오에서는 각각 3%와 1% 하락이다. 전기·기계 분야 인력도 건설 속도의 제약이며, 시공업체는 2026년 진입 시점에 약349,000명의 인력이 부족했다. 재사용 가능한 발사, 태양광, 라디에이터의 규모 확대가 비용을 낮추면 궤도 컴퓨팅은 궁극적으로 비용 경쟁력을 확보할 수 있으며, 처음에는 지상 컴퓨팅 수요를 충족한 뒤 더 큰 규모의 지구 밖 지능 시스템을 가능하게 할 수 있다. 달 경제와 관련해 Deutsche Bank는 Artemis III 방식의 유인 임무가 발사당 $4.1bn의 SLS/Orion 비용과 약96시간의 생산적 표면 작업 시간을 기준으로 생산적 시간당 약$42.7m이 드는 반면, $200k의 우주용 휴머노이드를 $50k/kg로 운송해 5년간 12,000시간 작동시키면 로봇 시간당 약$350이 든다고 비교한다. 달에서는 왕복 통신 시간이 2.6초이므로 지구의 운영자가 계속 개입할 수 있어, 현재 उपलब्ध한 불완전한 자율성도 달 작업에는 이미 충분할 수 있다. 화성은 편도 통신 지연이4~24분이고 발사 창은 26개월마다 오며 장거리 이동과 인간 건강 위험이 있어, 의사결정이 기내에서 이뤄져야 한다. 따라서 보고서는 화성을 자율 제어와 데이터 문제를 해결하기 위한 강제 요인으로 보며, 인간 승무원이 도착하기 전 최초의 노동력은 필연적으로 로봇이 될 것이라고 주장한다.

분석 프레임워크

보고서는 시장 및 자본지출 증거를 배치 사례와 운영비 모델에 연결한 뒤, 노동력 공급, 데이터 수집 제약, 부품 공급망을 통해 도입 논리를 검증한다. 마지막으로 같은 비용 및 자율성 논리를 상승하는 지상 데이터센터 비용과 지구 밖 작업에 적용한다.

방법론 메모

• 산업 분석 프레임워크산업 가치사슬 상·중·하류 전이

  피지컬 AI 공급망 분석

  보고서는 로봇 배치가 상류의 희토류 자석, 정밀 감속기, 배터리 셀에 의존하는 방식을 추적하고, 지역별 공급 집중이 하류 휴머노이드 생산을 어떻게 제약할 수 있는지 설명한다.

• 산업 분석 프레임워크물량·가격 분해

  단위비용 및 운영비 분석

  Deutsche Bank는 로보택시의 차량 마일당 비용과 휴머노이드의 생산적 시간당 비용을 감가상각, 인력 지원, 유지보수, 소프트웨어, 에너지로 나누어 경제성을 평가한다.

• 기타기타

  로봇 훈련 데이터 수집원 및 시뮬레이션 검증

  보고서는 원격조작, 시뮬레이션, 인간 영상, 플릿 학습을 처리량·비용·충실도 기준으로 비교하고, 모델 체크포인트 순위화 능력으로 시뮬레이션을 검증하는 방식을 설명한다.

자산 매핑 및 비교

투자 논리에서 명시된 자산으로의 구조화 매핑(강점, 약점, 비교 대상, 위험).

• Waymo

  규모 있는 로보택시 배치 사례

  강점

  주간 500,000회 초과 유료 탑승, 누적 200M 자율주행 마일, 14개 대도시권에서의 확장.

  비교

  로보택시 배치 사례로 Tesla 및 Pony.ai와 함께 제시된다.

  위험

  보험, 책임, 원격 지원, 차량 감가상각은 여전히 비용 구조의 중요한 요소다.

• Tesla

  자율주행을 통한 피지컬 AI 배치 사례

  강점

  보고서는 Cybercab 상용 서비스가 9월 3일 Austin에서 운전대와 페달 없이 시작됐다고 언급한다.

  비교

  Waymo 및 Pony.ai와 함께 논의된다.

• Pony.ai

  중국 로보택시 배치 사례

  강점

  베이징, 상하이, 광저우, 선전의 유료 자율주행차 서비스가 언급된다.

  비교

  Waymo 및 Tesla와 함께 논의된다.

• CATL

  휴머노이드 배터리 셀 공급망 사례

  강점

  배터리 셀 선도 기업으로 제시된다.

  비교

  LG 및 Panasonic보다 앞서 언급된다.

  위험

  휴머노이드는 향후 수년간 아시아 비용 곡선을 따를 것으로 예상된다.

• Harmonic Drive

  정밀 감속기 공급망 사례

  강점

  정밀 감속기 선도 기업으로 제시된다.

  비교

  중국 경쟁업체들이 격차를 좁히고 있다.

  위험

  미국에는 규모 있는 공급원이 없다.

• SpaceX

  발사비용 및 궤도 컴퓨팅 지원 인프라 사례

  강점

  빠르고 재사용 가능한 Starship 발사는 궤도 비용을 낮추는 경로의 일부로 제시된다.

  비교

  Falcon 9는 현재 $1,400 per kilogram으로 언급된다.

  위험

  발사비용 개선만으로는 지구 밖 생산적 노동력의 필요성을 해결할 수 없다.

핵심 데이터

• Waymo 유료 탑승>500K per week4,000대의 자율주행차로 14개 대도시권을 커버하며, 회사는 주간 1M회 탑승을 목표로 한다.
• Waymo 차량 마일당 총비용$1.23완전 최적화 전의 예시적 비용 구조.
• 미국 제조업의 예상 미충원 일자리1.9M by 2033휴머노이드 도입을 뒷받침하는 노동력 부족 근거로 사용된다.
• 휴머노이드 운영비$5.86 per productive hour; $11.72 at 2 robots per worker미국 2026년 완전 부담 비용의 예시적 계산.
• 중국 휴머노이드 생산40K+ units in 1H26중국은 2026년 글로벌 출하량의 88%를 차지할 전망이다.
• 중국 희토류 정제 점유율~90%네오디뮴 의존 로봇 모터의 공급망 제약이다.
• 달 표면 생산적 시간당 비용~$42.7M for an astronaut-hour versus ~$350 for a robot-hourArtemis III 방식 임무와 우주용 휴머노이드에 기반한 예시적 비교.

영향과 시사점

보고서는 피지컬 AI가 AI 지출을 자율주행차, 로봇, 칩, 부품, 전력 인프라, 데이터 시스템에 대한 수요로 전환할 수 있다고 주장한다. 단기 배치는 노동력 부족과 단위 경제성 개선에 힘입지만, 규모 확장은 체화 데이터 문제를 해결하고 집중된 아시아 공급망 의존도를 낮출 수 있는지에 달려 있다.

위험

• 피지컬 AI의 규모 확장은 고충실도 로봇 동작 데이터, 특히 실패와 복구 행동 데이터의 부족으로 제약된다.
• 미국 생산은 희토류 정제, 정밀 감속기, 경쟁력 있는 배터리 공급에서 수년에 걸친 공백에 직면한다.
• 자본집약적 인프라 투자는 과거 미국 통신 광섬유 구축 사례처럼 과잉설비 위험을 수반할 수 있다.
• 지상 데이터센터 확장은 더 높은 토지, 건설, 전력, 냉각, 숙련 노동 비용에 직면할 수 있다.

주시할 점

• 로보택시 유료 탑승 증가, 플릿 규모, 마일당 비용 하락.
• 휴머노이드 출하 증가, 특히 중국 생산 비중과 반복 가능한 상업 작업의 진전.
• 원격조작, 시뮬레이션 검증, 잠재 행동 학습, 플릿 생성 훈련 데이터의 진전.
• 미국의 희토류 정제, 정밀 감속기, 배터리 셀 생산능력 구축.
• 데이터센터 건설비, 계통연계 대기열, 재사용 가능한 발사의 경제성 변화.