제조 현장의 디지털 전환은 오랫동안 '좌표'에서 멈춰 있었다. 센서를 늘리고 CCTV 를 촘촘히 달아도, AI 에게 그 데이터는 맥락 없는 숫자열에 불과했다. 공장이라는 물리 공간을 AI 가 읽을 수 있는 언어로 번역하겠다는 회사가 나왔고, 정부가 그 주장에 3년·20억원을 걸고 검증에 들어갔다12. Physical AI 기업 베스텔라랩의 스케일업 TIPS 선정이다.
왜 '월드모델'이었나 — 공장에는 데이터가 넘쳤지만 의미가 없었다
스마트팩토리라는 이름 아래 공장은 이미 많은 것을 기록한다. 설비는 가동 로그를 남기고, CCTV 는 통로를 찍고, 자재에는 태그가 붙는다. 문제는 이 데이터가 서로를 모른다는 점이다. 설비 로그는 MES 에, 영상은 보안 시스템에, 자재 위치는 창고 시스템에 따로 쌓인다. 어떤 시스템도 "지금 작업구역 B 앞에 로봇과 작업자가 동시에 있다" 는 문장을 만들어내지 못한다.
베스텔라랩이 이번 과제에서 풀겠다는 문제가 정확히 그 지점이다. 과제명은 'Physical AI 기반 자율 제조를 위한 팩토리 월드모델(Factory World Model) 플랫폼 개발'이고, 핵심은 공장이라는 실제 공간을 AI 가 이해할 수 있는 디지털 공간으로 구현하는 것이다1. 공장 내부의 공간과 설비, 작업자, 자재, 로봇의 위치·상태·이동 관계를 하나의 디지털 모델로 통합한다1.
여기서 이 회사가 택한 접근이 눈에 띈다. 좌표를 더 정밀하게 찍는 게 아니라 좌표에 이름을 붙인다. 사물주소 기반의 공간 참조체계를 적용해 공장 내 각 설비와 사물에 위치 정보를 부여하고, 단순 좌표값을 넘어 '설비 A 앞', '작업구역 B' 처럼 AI 가 이해할 수 있는 의미 있는 공간정보로 변환하는 것이 과제의 핵심이다1. 거리 주소가 도시를 탐색 가능하게 만들었듯, 사물주소는 공장을 AI 가 탐색 가능한 공간으로 만든다는 발상이다.
베스텔라랩은 스스로를 Physical AI 기반 공간 지능화 기술 기업으로 정의한다1. 언어 모델이 텍스트를 읽듯 물리 세계를 읽는 AI 가 다음 단계라는 서사 위에 서 있다. 다만 물리 세계를 읽으려면 먼저 물리 세계가 읽을 수 있는 형태로 정리돼 있어야 한다. 월드모델이라는 이름은 거창하지만, 이번 과제의 실제 작업은 그 정리 작업, 즉 공간에 구조를 부여하는 인프라 작업에 가깝다.
이 발상이 새로 튀어나온 것은 아니다. 정상수 대표는 이번 선정을 두고 회사가 축적해 온 공간 AI 와 실내 측위 기술을 제조 현장으로 가져가는 계기라고 설명했다1. 실내에서 사물의 위치를 잡는 기술이 먼저 있었고, 그 위에 '의미' 레이어를 얹어 제조로 확장하는 순서다. 정부가 20억원으로 검증하려는 것은 측위 기술이 아니라, 측위가 자율 제조의 기반 레이어가 될 수 있느냐는 가설이다.
전통 스마트팩토리 vs 베스텔라랩 — 같은 공장, 다른 데이터 층위
차이를 한 장으로 놓고 보면 이렇다. 왼쪽은 지금까지 대부분의 공장이 도입한 방식이고, 오른쪽은 베스텔라랩이 과제에서 제시한 구조다1.
| 영역 | 전통 스마트팩토리 | 베스텔라랩 Factory World Model |
|---|---|---|
| 공간 데이터의 단위 | 좌표값 · 센서 원시 데이터 | 사물주소 기반 의미 공간정보 ('설비 A 앞', '작업구역 B')1 |
| 데이터 소스 구조 | MES · 보안 CCTV · 창고 시스템 각각 사일로 | CCTV · 실내 위치정보 등 공간 데이터를 하나의 모델로 연계1 |
| 추적 대상 | 설비 가동 상태 중심 | 설비 · 작업자 · 자재 · 로봇의 위치·상태·이동 관계 통합1 |
| 로봇 연동 | AMR · AGV 가 각자 지도와 측위를 보유 | 로봇과 제조 시스템이 공통 위치·상태정보를 실시간 활용1 |
| 확장 범위 | 공장 한 곳씩 개별 구축 | 자동차 · 배터리 · 전자 제조 → 물류센터 · AI 데이터센터로 동일 체계 확장1 |
표의 왼쪽 열이 틀렸다는 뜻은 아니다. 지금까지의 스마트팩토리는 설비 효율을 높이는 데 충실했다. 다만 그 구조는 사람이 대시보드를 읽는 것을 전제로 설계됐다. 오른쪽 열은 읽는 주체가 AI 와 로봇으로 바뀔 때 필요한 구조다. 베스텔라랩은 기존 제조·물류 시스템과 로봇 시스템을 필요에 따라 연결해 공장 내 공간과 사물의 위치·상태를 AI 가 종합적으로 파악하도록 한다는 계획을 밝혔다1. 기존 시스템을 대체하는 게 아니라 그 위에 공간 이해 층을 얹는 포지션이다.
20억원이 3년 동안 사는 것 — 과제는 세 층으로 쌓인다
2026년 8월부터 2029년 7월까지, 과제 기간은 3년이다1. 공개된 과제 설명을 순서대로 읽으면 개발이 세 층으로 쌓이는 구조가 보인다.
- 공간을 모델로 만든다 공장 내부의 공간과 설비, 작업자, 자재, 로봇의 위치·상태·이동 관계를 하나의 디지털 모델로 통합하는 Factory World Model 을 개발한다1. 이 층이 없으면 나머지는 성립하지 않는다.
- 좌표를 의미로 바꾼다 사물주소 기반 공간 참조체계로 설비와 사물에 위치 정보를 부여하고, CCTV 와 실내 위치정보 등 이질적인 공간 데이터를 이 참조체계 위에서 연계한다1. 기존 제조·물류 시스템, 로봇 시스템과의 연결도 이 단계에 들어간다1.
- 모델을 로봇에 먹인다 공간 상태정보로 공장 내 이동과 작업 흐름을 분석하고, AMR·AGV 등 로봇과 제조 시스템이 필요한 위치·상태정보를 실시간으로 활용할 수 있도록 고도화한다1. 과제명의 '자율 제조' 가 실체를 갖는 지점이다.
스케일업 TIPS 자체의 구조도 짚을 필요가 있다. 이 프로그램은 성장 단계 기술집약형 중소벤처기업을 대상으로 민간 운영사의 투자와 정부 연구개발을 연계해 기술 고도화와 사업 확장을 지원한다1. 이번 과제의 운영사는 삼호그린인베스트먼트다1. 정부 R&D 20억원과 별도로 운영사 측 투자 규모는 공개되지 않았다.
The Bet — 정부와 운영사는 무엇에 걸었나
베팅의 대상은 알고리즘이 아니라 참조체계다. 제조 AI 와 로봇은 앞으로 늘어날 것이고, 그들이 공유할 '공장의 언어' 가 필요해진다. 좌표 대신 '설비 A 앞' 이라는 사물주소가 공장의 표준 언어가 된다면, 그 언어를 먼저 정의한 회사가 이후 들어오는 모든 로봇과 시스템의 기준점이 된다1. 스케일업 TIPS 가 민간 운영사 투자와 정부 R&D 를 묶어 3년을 주는 구조인 만큼1, 이 베팅은 단일 제품이 아니라 플랫폼 층위를 겨냥한다. 리스크도 명확하다. 표준은 기술이 아니라 채택이 결정한다. 자동차·배터리·전자 중 한 곳이라도 이 참조체계를 실제 라인에 깔아야 가설이 살아난다.
타이밍도 우연은 아니다. 9월 2일 중국 상하이스페이스테크와의 파트너십, 9월 14일 TIPS 선정. 2주 안에 해외 채널과 국내 정부 검증을 동시에 확보한 셈이다13. 다만 두 소식 모두 '계획' 과 '선정' 단계다. 매출·고객사·적용 라인 수 같은 실행 지표는 아직 공개되지 않았다.
다음 12개월에 지켜볼 지표 3개
- 첫 레퍼런스 라인이 어디서 나오나 회사는 자동차·배터리·전자 제조 현장을 1차 타깃으로, 물류센터와 AI 데이터센터를 확장 대상으로 제시했다1. 과제 첫해 안에 실제 공장 이름이 붙은 실증이 공개되는지가 첫 신호다. 현재까지 공개된 적용 사례는 없다.
- 로봇이 모델을 실제로 쓰는가 AMR·AGV 가 월드모델의 위치·상태정보를 실시간으로 받아 움직이는 장면이 나오는지1. 시각화 대시보드 단계에서 멈추면 '자율 제조' 라는 과제명은 미완이다.
- 중국 채널의 첫 계약 TIPS 발표 12일 전인 9월 2일, 베스텔라랩은 중국 상하이스페이스테크와 손잡고 현지 시장 진출을 알렸다3. 이 채널에서 첫 유상 프로젝트가 나오는지가 정부 R&D 와 별개로 회사의 자생력을 가늠할 지표다.
20억원과 3년은 그 주소가 첫 공장에 실제로 붙는지를 확인하는 시간이다.
