엔비디아, CES 2025서 로봇과 자율주행 학습용 월드모델 ‘코스모스’ 공개… 피규어, 애질리티, 샤오펑, 우버 등 15곳 채택

엔비디아가 2025년 1월 6일 CES 2025 기조연설에서 로봇과 자율주행차를 가상 세계에서 먼저 학습시키기 위한 월드 파운데이션 모델(WFM) 플랫폼 ‘코스모스’를 공개했다. 코스모스는 물리 법칙을 반영한 영상을 생성하는 모델, 영상 토크나이저, 데이터 정제 파이프라인으로 구성됐다. 엔비디아는 첫 모델을 상업적 이용이 가능한 ‘엔비디아 오픈 모델 라이선스’로 내놨고, 로봇과 자율주행 개발사 14곳과 우버를 초기 채택사로 소개했다.

엔비디아는 코스모스 공식 블로그에서 모델이 실제 인간 상호작용, 환경, 산업, 로봇, 주행 데이터 2000만 시간에서 뽑은 9000조 개 토큰으로 학습됐다고 밝혔다. 2025년 1월 7일 아카이브(arXiv)에 올라온 프리프린트(2501.03575)는 720p에서 4K 해상도의 원본 영상 약 2000만 시간을 정제해 사전학습용 클립 약 1억 개와 미세조정용 약 1000만 개를 만들었다고 설명했다. 엔비디아는 네모 큐레이터(NeMo Curator)로 2000만 시간 분량을 블랙웰 GPU에서 14일, 호퍼 GPU에서 40일 만에 처리할 수 있으며 CPU만 쓰면 3년 이상 걸린다고 했다. 코스모스 토크나이저는 기존 최고 수준 대비 총 압축률이 8배, 처리 속도가 12배라고 회사는 주장했다.

모델은 세 등급으로 나뉜다. 나노(Nano)는 엣지에서의 실시간 저지연 추론용, 슈퍼(Super)는 고성능 기본 모델, 울트라(Ultra)는 최고 품질과 맞춤형 모델 증류용이다. 허깅페이스에 공개된 첫 체크포인트 ‘코스모스 1.0’은 두 가지 구조로 나왔다. 확산(diffusion) 모델은 70억, 140억 파라미터로 텍스트나 이미지, 영상에서 영상을 만든다. 자기회귀(autoregressive) 모델은 40억, 120억 파라미터에 텍스트 조건을 받는 50억, 130억 파라미터 변형이 있다. 모델 카드에 따르면 70억 확산 모델은 1280x704 해상도로 121프레임, 초당 24프레임 기준 약 5초 영상을 만들며 H100 한 장에서 약 380초가 걸린다. 40억 자기회귀 모델은 9프레임을 받아 1024x640 해상도로 24프레임을 약 62초에 생성한다.

모델은 허깅페이스, 엔비디아 NGC 카탈로그, 깃허브로 배포됐고 엔비디아 API 카탈로그와 향후 NIM 마이크로서비스, DGX 클라우드로도 쓸 수 있다고 회사는 밝혔다. ‘코스모스 가드레일’이 생성 전 프롬프트와 생성 후 영상을 검사하며, API 카탈로그에서 만든 영상에는 AI 생성물임을 식별할 수 있는 보이지 않는 워터마크가 들어간다고 했다.

보도자료에 오른 초기 채택사는 1X, 애자일로봇(Agile Robots), 애질리티(Agility), 피규어AI, 포어텔릭스(Foretellix), 푸리에(Fourier), 갤봇(Galbot), 힐봇(Hillbot), 인트봇(IntBot), 뉴라로보틱스, 스킬드AI, 버추얼인시전(Virtual Incision), 와비(Waabi), 샤오펑(XPENG)과 우버다. 엔비디아는 와비가 자율주행 데이터 정제와 시뮬레이션 평가에, 힐봇이 로봇 학습용 3D 환경을 테라바이트 단위로 만드는 데 코스모스를 쓴다고 소개했다. 프라스 벨라가푸디 애질리티 최고기술책임자(CTO)는 값비싼 실제 데이터 수집을 줄이면서 사실적인 학습 시나리오를 생성하고 보강할 수 있다고 말했다. 다라 코스로샤히 우버 최고경영자(CEO)는 엔비디아와의 협력이 안전하고 확장 가능한 자율주행의 일정을 앞당길 수 있다고 밝혔다.

젠슨 황 엔비디아 CEO는 “로봇 공학의 챗GPT 모먼트가 오고 있다”고 말했다. 그는 대형언어모델이 챗봇의 기반이듯 월드 파운데이션 모델이 로봇과 자율주행 개발의 기반이지만 모든 개발사가 이를 직접 학습시킬 역량과 자원을 갖춘 것은 아니라며 “피지컬 AI를 대중화하기 위해 코스모스를 만들었다”고 강조했다.

같은 날 공개된 아이작 GR00T 블루프린트는 세 가지 워크플로로 구성됐다. GR00T-텔레옵은 애플 비전 프로로 사람의 동작을 디지털 트윈 안에서 포착하고 가상 로봇이 이를 따라 하며 정답 데이터를 만든다. GR00T-미믹은 이 시연을 더 큰 합성 동작 데이터셋으로 불린다. 옴니버스와 코스모스 위에서 돌아가는 GR00T-젠은 도메인 무작위화와 3D 업스케일링으로 데이터를 다시 키운다. 학습은 오픈소스 로봇 학습 프레임워크 아이작 랩에서 이뤄진다. 엔비디아는 보스턴다이나믹스와 피규어가 아이작 GR00T를 도입했다고 밝혔고, 휴머노이드 시장이 향후 10년간 380억 달러에 이를 것이라는 전망을 인용했다.

엔비디아는 이후 수치를 보탰다. 2025년 중 개정된 개발자 블로그는 GR00T-미믹이 11시간 만에 사람 시연 6500시간 분량에 해당하는 합성 궤적 78만 개를 만들었고, 합성 데이터와 실제 데이터를 섞자 실제 데이터만 쓸 때보다 성능이 40% 올랐다고 밝혔다. 2025년 5월 18일 컴퓨텍스에서는 코스모스 프리딕트 기반의 GR00T-드림스로 휴머노이드 모델 GR00T N1.5를 36시간 만에 개발했다며, 수작업 수집이라면 약 3개월이 걸렸을 것이라고 설명했다.

초기 채택사 대부분은 아직 대량 매출 전 단계의 벤처 투자 기업이었다. 로보트니스 검증 데이터에 따르면 CES 직전 피규어의 마지막 공개 투자는 2024년 2월 6억7500만 달러 시리즈B였고, 스킬드AI는 2024년 7월 기업가치 15억 달러에 3억 달러를 유치했다.

한국 관점에서 눈에 띄는 대목은 채택사 명단에 한국 기업이 한 곳도 없었다는 점이다. 현대차그룹 계열 보스턴다이나믹스가 아이작 GR00T 도입사로 언급된 것이 유일한 연결고리였다. 이후 한국 기업들은 엔비디아와의 접점을 빠르게 넓혔다. 로보트니스는 2025년 10월 한국이 엔비디아 GPU 26만 장 이상을 확보해 현대차, 삼성, SK가 로봇과 공장에 투입하려 한다고 보도했고, 2026년 4월 두산로보틱스가 엔비디아와 논의 뒤 2028년 산업용 휴머노이드 목표를 제시했으며, 2026년 8월 LG와 엔비디아가 로봇 협력 양해각서를 맺었다고 전했다. 합성 데이터 생산 수단을 미국 플랫폼에 의존하는 구조가 굳어질지, 국내 제조 현장 데이터를 기반으로 한 독자 월드모델이 나올지가 남은 과제다.

경쟁 구도도 있었다. 구글 딥마인드는 2024년 12월 4일 에이전트 학습용 3D 환경을 최대 1분까지 일관되게 생성하는 ‘지니2’를 공개했지만 일반 배포는 하지 않았다. 오픈AI는 같은 해 12월 9일 유료 챗GPT 이용자에게 최대 20초 1080p 영상을 만드는 ‘소라 터보’를 열었다. 코스모스는 가중치를 상업적으로 내려받아 쓸 수 있고 로봇과 차량 학습 데이터를 겨냥했다는 점에서 달랐다.

위험 요인도 분명했다. 엔비디아는 코스모스 영상으로 학습한 로봇이 실제 현장에서 더 낫다는 결과를 내놓지 않았고, 생성 영상은 그럴듯해 보여도 물리 법칙을 어길 수 있다. 엔비디아 자체 문서끼리도 학습 데이터 설명이 엇갈렸다. GR00T 블로그는 1경8000조 토큰과 200만 시간을, 코스모스 블로그는 9000조 토큰과 2000만 시간을 제시했다. 5초 영상 하나에 H100으로 수 분이 드는 비용, 표준 오픈소스가 아닌 엔비디아 자체 라이선스라는 점도 따져볼 부분이다.