NVIDIA, robotics·autonomous systems용 Physical AI Data Factory Blueprint 공개

NVIDIA의 2026년 3월 16일 GTC 발표는 physical AI의 가장 어려운 문제 가운데 하나인 training data 부족을 정면으로 겨냥했다. 회사는 robotics, vision AI agents, autonomous vehicles를 위해 data generation, augmentation, evaluation을 자동화하는 open reference architecture인 Physical AI Data Factory Blueprint를 공개했다.

핵심 주장은 제한된 real-world data를 훨씬 크고 다양한 training set으로 바꿔야 한다는 것이다. NVIDIA는 Cosmos world foundation models와 coding agents를 활용해 실제로 수집하기 어렵거나 비용이 큰 rare edge cases와 long-tail scenarios를 대규모로 만들어낼 수 있다고 설명했다. workflow는 dataset 처리와 annotation을 맡는 Cosmos Curator, data를 확장하고 다양화하는 Cosmos Transfer, 그리고 Cosmos Reason 기반으로 생성 결과를 자동 점수화하고 걸러내는 Cosmos Evaluator로 나뉜다.

NVIDIA는 이미 이 blueprint를 사용해 long-tail autonomous driving용 open reasoning-based vision language action models인 Alpamayo를 train·evaluate하고 있다고 밝혔다. 또 Skild AI는 general-purpose robot foundation models에 이 방식을 적용하고 있고, Uber는 autonomous vehicle development에 활용 중이라고 설명했다. 즉 이번 발표는 단순한 tooling 소개가 아니라 embodied AI 프로젝트의 기본 data pipeline을 선점하려는 시도로 읽힌다.

또 하나 중요한 축은 orchestration이다. NVIDIA는 open source OSMO framework가 이제 Claude Code, OpenAI Codex, Cursor와 통합돼 coding agents가 복잡한 compute environment에서 resource를 관리하고 병목을 해결하며 model delivery를 앞당길 수 있다고 밝혔다. 인프라 측면에서는 Microsoft Azure가 Azure IoT Operations, Microsoft Fabric, Real-Time Intelligence, Microsoft Foundry와 연결되는 open physical AI toolchain에 이를 통합하고 있다. Nebius는 RTX PRO 6000 Blackwell Server Edition GPUs, storage, labeling, managed inference를 갖춘 AI Cloud에 OSMO를 통합했다.

NVIDIA가 예고한 대로 4월 GitHub 공개가 이뤄지면, 회사는 단순한 compute 공급자를 넘어 physical AI workflow 계층까지 장악하려 할 가능성이 크다. 실제 관전 포인트는 표준 blueprint가 robotics와 autonomous systems에서 production-grade dataset 구축 비용과 시간을 얼마나 줄이느냐다.

왜 중요한가

• robotics와 autonomous vehicles 개발을 늦추는 data bottleneck을 직접 겨냥한다.
• world models, evaluation tools, coding agents를 하나의 반복 가능한 workflow로 묶는다.
• NVIDIA의 영향력을 chips와 cloud infrastructure에서 physical AI pipeline의 운영 계층으로 확장한다.