NVIDIA NeurIPS 물리 AI 발표: Alpamayo-R1과 Cosmos 생태계

2025년 12월 12일

2025년 12월 업데이트: NVIDIA가 NeurIPS 2025에서 자율주행을 위한 최초의 오픈 추론 비전-언어-행동 모델인 Alpamayo-R1(AR1)을 공개했습니다. Cosmos 플랫폼은 시뮬레이션용 LidarGen과 휴머노이드 로보틱스용 ProtoMotions3로 확장되었습니다. Figure AI, 1X, Agility Robotics 및 기타 로보틱스 선도 기업들이 이 생태계 기반으로 개발을 진행하고 있습니다.

핵심 요약

NVIDIA가 물리 AI의 핵심 구성 요소를 오픈소스로 공개하고 있습니다. Alpamayo-R1은 자율주행 차량을 위한 사고 연쇄 추론과 경로 계획을 결합한 모델로, 이전에는 독점 시스템에서만 가능했던 기능입니다. Cosmos 월드 파운데이션 모델 플랫폼은 이제 비디오 생성, 라이다 합성, 휴머노이드 로봇 훈련 도구를 포함합니다. 주요 로보틱스 기업들이 이 모델들을 채택하면서, NVIDIA는 LLM 훈련 분야를 지배하는 것과 같은 방식으로 로봇과 자율주행 차량의 인프라 레이어로 자리매김하고 있습니다.

주요 발표 내용

NVIDIA는 12월 1일 샌디에이고에서 열린 NeurIPS 2025에서 Alpamayo-R1(AR1)을 공개하며, 이를 "자율주행을 위한 세계 최초의 산업 규모 오픈 추론 비전 언어 행동(VLA) 모델"이라고 설명했습니다.¹

이 모델은 사고 연쇄 AI 추론과 경로 계획을 통합합니다. AR1은 주행 시나리오를 단계별로 분석하고, 가능한 경로들을 고려한 후, 상황 데이터를 활용해 최적의 경로를 선택합니다.² 이 접근 방식은 기존 AV 시스템이 어려움을 겪는 복잡한 극단적 시나리오에서 안전성을 향상시키는 것을 목표로 합니다.

젠슨 황은 이전 CES와 GTC 발표에서 "대규모 언어 모델이 생성 및 에이전트 AI에 혁명을 일으킨 것처럼, Cosmos 월드 파운데이션 모델은 물리 AI의 획기적인 발전입니다"라고 밝혔습니다.³

AR1은 NVIDIA가 더 넓은 Cosmos 플랫폼의 일부로 출시한 추론 비전-언어 모델인 Cosmos-Reason1-7B를 기반으로 합니다.⁴ 모델, 평가 프레임워크(AlpaSim), 훈련 데이터 서브셋은 비상업적 연구용 오픈 라이선스로 GitHub와 Hugging Face에서 이용 가능합니다.

인프라 관점에서의 중요성

물리 AI도 LLM처럼 확장됩니다: Cosmos 플랫폼은 언어 모델에 성공했던 동일한 접근 방식(대규모 파운데이션 모델, 오픈 가중치, 개발자 도구)을 로보틱스와 자율주행 차량에 적용합니다. 조직들은 처음부터 구축하는 대신 독자 데이터로 Alpamayo-R1 또는 Cosmos 모델을 파인튜닝할 수 있습니다.

시뮬레이션이 차별화 요소가 됩니다: LidarGen은 합성 라이다 데이터를 생성하고, Cosmos Transfer는 시뮬레이션을 포토리얼리스틱 비디오로 변환하며, ProtoMotions3는 물리적으로 정확한 환경에서 휴머노이드 로봇을 훈련시킵니다. 연산 요구 사항은 상당합니다: 단일 로보틱스 정책 훈련에는 일반적으로 H100급 하드웨어에서 1,000-10,000 GPU 시간이 필요합니다. 물리 AI에 진입하는 조직은 전용 GPU 클러스터 또는 네오클라우드 파트너십이 필요합니다.

오픈소스가 채택을 가속화합니다: AR1을 오픈으로 공개함으로써 NVIDIA는 자사 하드웨어 스택의 채택을 촉진합니다. 이러한 모델을 훈련하거나 파인튜닝하는 모든 조직은 NVIDIA GPU에서 실행합니다. 오픈 모델 전략은 LLM 개발에서 효과적임이 입증되었고, NVIDIA는 이를 물리 AI에 적용하고 있습니다.

로보틱스 생태계가 성숙해집니다: Figure AI, 1X, Agility Robotics, X-Humanoid가 Cosmos 기반으로 개발한다는 것은 휴머노이드 로보틱스 산업이 공유 인프라로 수렴하고 있음을 의미합니다. 이는 클라우드 AI 개발이 PyTorch와 트랜스포머 아키텍처로 표준화된 것과 유사합니다.

기술 세부 사항

NVIDIA DRIVE Alpamayo-R1 아키텍처

AR1의 추론 방식:⁵ 1. 멀티모달 입력을 통해 환경 인식 2. 사고 연쇄를 사용하여 의사결정 과정 추론 3. 경로 예측 생성 4. 자연어 설명을 통해 행동 명시

평가 결과, 추론, 경로 생성, 정렬, 안전성, 지연 시간 지표에서 최첨단 성능을 보여줍니다.⁶

Cosmos 플랫폼 구성 요소

LidarGen

AV 시뮬레이션을 위한 합성 라이다 데이터를 생성하는 최초의 월드 모델:⁷ - Cosmos 아키텍처 기반 구축 - 레인지 맵과 포인트 클라우드 생성 - 물리적 센서 데이터 수집 없이 라이다 기반 시나리오 테스트 가능 - AV 개발을 위한 실제 데이터 요구량 감소

ProtoMotions3

휴머노이드 로봇 훈련을 위한 GPU 가속 프레임워크:⁸ - NVIDIA Newton과 Isaac Lab 기반 구축 - Cosmos WFM 생성 장면 사용 - 물리적으로 시뮬레이션된 디지털 휴먼과 휴머노이드 로봇 훈련 - 정책 모델을 NVIDIA GR00T N으로 내보내 실제 하드웨어에 적용

산업계 채택 현황

Cosmos 월드 파운데이션 모델을 사용하는 조직:⁹

Agility Robotics CTO Pras Velagapudi: "Cosmos는 현실 세계에서 실제로 수집할 수 있는 것 이상으로 포토리얼리스틱 훈련 데이터를 확장할 수 있는 기회를 제공합니다."¹⁰

기타 NeurIPS 발표 내용

NVIDIA 연구원들은 NeurIPS 2025에서 70개 이상의 논문, 발표, 워크숍을 진행했습니다.¹¹ 추가 오픈 릴리스 내용:

디지털 AI 모델: - MultiTalker Parakeet: 다중 화자 환경을 위한 음성 인식 - Sortformer: 화자 분리 모델 - Nemotron Content Safety Reasoning: 안전성 평가

인정: - Artificial Analysis Openness Index가 NVIDIA Nemotron 계열을 "AI 생태계에서 가장 개방적인 모델 중 하나"로 평가¹²

향후 전망

2026년: Level 4 AV 프로그램에서 Alpamayo-R1 파생 모델의 프로덕션 배포.

2026-2027년: 휴머노이드 로봇 제조업체들이 Cosmos/ProtoMotions3 파이프라인으로 훈련된 제품 출시.

지속적: Cosmos 플랫폼이 특수 도메인(제조, 물류, 헬스케어)을 위한 추가 월드 모델로 확장.

시장 영향: 황이 언급한 50조 달러 규모의 제조 및 물류 산업은 시뮬레이션과 추론을 위한 대규모 GPU 인프라가 필요합니다. 물리 AI는 LLM 훈련을 넘어선 NVIDIA의 다음 성장 동력입니다.

핵심 시사점

인프라 기획자를 위해: - 물리 AI 시뮬레이션은 H100급 하드웨어에서 로보틱스 정책당 1,000-10,000 GPU 시간 필요 - Cosmos 기반 워크플로우가 NVIDIA 하드웨어 수요를 촉진; AV/로보틱스 프로그램에 맞춰 예산 책정 필요 - 합성 데이터 생성이 실제 데이터 수집 필요성을 줄이지만 완전히 대체하지는 않음 - Level 4 자율성 타임라인은 AR1과 같은 추론 모델의 발전에 따라 결정 - Isaac Sim은 최소 RTX 4090 필요; 프로덕션 훈련에는 A100/H100 클러스터 필요

운영 팀을 위해: - 평가용 오픈 모델이 GitHub와 Hugging Face에서 이용 가능 - AlpaSim이 표준화된 평가 프레임워크 제공 - 로보틱스 개발을 위한 Isaac Lab/Isaac Sim 통합 - LidarGen이 하드웨어 없이 라이다 시뮬레이션 가능하게 함

전략 기획을 위해: - 물리 AI는 LLM 플레이북을 따름: 파운데이션 모델, 파인튜닝, 오픈 생태계 - 로보틱스 산업이 NVIDIA 인프라 스택으로 통합 중 - 1X, Figure AI, Agility 타이밍은 2026-2027년 휴머노이드 제품 출시 시사 - 제조/물류 AI가 다음 인프라 투자 물결을 대표

참고 문헌

물리 AI 개발을 지원하는 GPU 인프라에 대해서는 Introl에 문의하세요.