아직 LLM이 이끄는 AI Capex의 불도 꺼지지 않았는데, 여기에 피지컬 AI, 즉 로보틱스까지 붙으면 어떻게 될까?

피지컬 AI의 진짜 TAM은 인간의 노동시장입니다. 대략 $50T 규모죠.

그런데 옵티머스 같은 휴머노이드 로봇이 일상에 들어오려면, 지금 LLM처럼 느긋하게 추론해서는 안 됩니다.
보고, 판단하고, 움직이는 과정이 거의 실시간으로 돌아가야 합니다.

그럼 그때도 지금처럼 메모리를 쓸까요?

제 답은 더 많이 더 다양한 방식으로 쓴다입니다.

피지컬 AI 로봇의 메모리는 크게 세 가지로 나뉠 가능성이 큽니다.

1. 추론/작업 메모리
   모델 실행, 시각 인식, 음성 이해, 행동 계획에 쓰입니다. 일상용 휴머노이드라면 최소 32GB, 현실적으로는 64~128GB급 통합 메모리가 필요해 보입니다.

2. 공간/환경 메모리
   집 구조, 물건 위치, 사람의 동선, 장애물, 로봇 자신의 위치를 기억하는 메모리입니다. 이건 단순 저장장치가 아니라 로봇의 공간 감각에 가깝습니다. 실시간 RAM은 416GB, 저장공간은 100GB1TB 이상이 필요할 수 있습니다.

3. 장기 경험/개인화 메모리
   사용자 취향, 반복 업무, 과거의 실수와 성공, 집안의 루틴을 기억하는 영역입니다. 로봇이 우리 집에 익숙해진다는 건 결국 이 메모리가 쌓인다는 뜻입니다. 로컬 기준 256GB~2TB, 편하게는 1TB 이상이 필요해 보입니다.

결국 피지컬 AI는 메모리를 덜 쓰는 방향이 아닙니다.

오히려 빠른 SRAM/cache, 큰 DRAM, 로컬 SSD, vector memory, 클라우드 fleet learning까지 결합됩니다.

로봇 한 대가 작은 데이터센터 노드처럼 변하는 셈입니다.

그래서 AI Capex의 다음 국면은 단순히 GPU를 더 많이 사는 문제가 아닐 수 있습니다.

데이터센터 학습 인프라에 더해, 로봇마다 붙는 온디바이스 추론 칩, 센서, 메모리, 저장장치, 네트워크, fleet learning 인프라까지 필요해집니다.

LLM이 디지털 지능의 Capex 사이클을 열었다면, 피지컬 AI는 그 지능이 현실 세계로 나오는 과정에서 새로운 Capex 사이클을 만들 수 있습니다.

인간 노동시장 $50T가 TAM이라는 말은 과장이 아니라 컴퓨팅 인프라가 현실 세계로 확장된다는 뜻에 가깝습니다.