ChatGPT 다음은 World Model인가 — 페이페이 리 인터뷰 투자자 관점 정리

AI 자본의 다음 이동 경로는 텍스트(LLM)에서 물리 세계(World Model · Physical AI)로 향한다. 이미 스타트업 밸류에이션과 NVIDIA 제품 로드맵에는 선반영이 시작됐지만, 실제 매출화는 아직 초기 단계다.

블룸버그 오리지널스 The Circuit이 2026년 8월 19일 공개한 에밀리 창의 페이페이 리(Fei-Fei Li) 인터뷰를 정리하고, 투자자 관점에서 이 논지가 어디까지 검증됐고 어디서 깨질 수 있는지를 짚는다. 원본은 Bloomberg Originals — What's Beyond ChatGPT? The 'Godmother of AI' Has a Plan.

1. 인물과 주장

페이페이 리는 ImageNet을 만든 사람이다. 2006년 시작해 1,400만 장, 21,000개 이상 카테고리의 이미지 데이터셋을 구축했고, 2012년 이 데이터셋 경진대회에서 제프리 힌턴 팀의 AlexNet이 NVIDIA GPU로 우승하면서 현대 AI의 방아쇠가 당겨졌다. 스탠퍼드 교수, 전 구글 임원, 바이든·트럼프 행정부와 UN의 AI 정책 자문을 거쳤고, 2024년 World Labs를 창업했다.

그의 핵심 주장은 간명하다. LLM은 다음 단어를 예측하지만, World Model은 실제 세계에서 다음 사건을 예측한다는 것이다. 인터뷰에서 그는 이렇게 되물었다.

말이 불을 끌 수 있나? 말이 오믈렛을 만들 수 있나?

다만 그는 이것이 반(反)LLM 노선이 아니라 "다음 챕터"라고 선을 그었다. 아침에 일어나 아이를 안고, 계단을 내려가 아침을 준비하고, 열쇠를 집어 출근하는 일련의 행동 전부가 공간지능(spatial intelligence)의 영역이며, 언어만으로는 이 층위에 도달할 수 없다는 논리다.

2. World Model의 3가지 유형

리는 "World Model이라는 용어 자체가 이미 과부하 상태"라며 세 가지 기능으로 분류했다. 투자 대상을 판별할 때 이 구분이 유용하다.

World Labs의 첫 상용 제품 Marble은 이미지 또는 텍스트 프롬프트 하나로 탐색·편집 가능한 일관된 3D 공간을 생성한다. 인터뷰에서 밝힌 실제 사용처는 세 곳이다.

• 영화 버추얼 프로덕션 — 배우를 임의의 환경에서 촬영
• 게임 개발 — 필요 리소스와 시간을 대폭 절감
• 로보틱스 — NVIDIA와 협업해 Marble 환경으로 로봇 학습 데이터를 증강

3. 검증된 팩트

4. Bull / Base / Bear

Bull Case

로보틱스 학습의 병목은 실세계 데이터 부족이다. 시뮬레이션 월드 생성이 이 병목을 푼다. NVIDIA가 GTC 2026에서 "피지컬 AI의 빅뱅이 시작됐다"고 선언하며 Cosmos 월드 모델, Isaac 시뮬레이션, Isaac GR00T N 모델, 그리고 Physical AI Data Factory Blueprint를 내놓은 것이 정확히 같은 논리다. 파트너 명단은 이미 산업 전반으로 확장됐다 — ABB, FANUC, KUKA, Universal Robots, YASKAWA, Figure, Agility에 삼성, Honda, Mercedes-Benz, TSMC가 더해졌다 (NVIDIA Newsroom).

리는 휴머노이드 투자 60억 달러를 두고 "너무 적다"고 잘라 말했다. 자율주행과 언어 모델에는 훨씬 더 많은 돈이 들어갔다는 이유에서다. 이 말이 맞다면 향후 자율주행급(수백억 달러) 자본이 물리 AI 학습 컴퓨트 수요로 유입되며, 이는 기존 LLM 사이클 위에 추가로 얹히는 수요다.

Base Case

향후 2~3년은 B2B 툴 매출 구간이다. 영화 버추얼 프로덕션, 게임 에셋 생성, 로봇 학습 데이터 판매가 실제 매출원이 되고, 순수 World Model 스타트업은 적자를 이어간다. 현금 흐름은 인프라 레이어에서만 발생한다. 영상 댓글에 달린 관측 — "완결된 솔루션이라기보다 기술 조각에 가깝다. 결국 하이퍼스케일러에 인수될 것" — 은 50명 팀에 막대한 컴퓨트 요구라는 구조를 보면 충분히 합리적이다.

Bear Case

리 본인이 인정한 문장이 가장 강한 약세 논거다.

LLM의 2019년보다 더 이른 단계다. 업계가 어떻게 만들지 합의조차 하지 못했다.

LLM은 2019년에서 ChatGPT까지 3년이 걸렸다. 그는 "좋은 과학도 하이프가 될 수 있다"고도 했다. 더 눈에 띄는 건 자금 조달 지속성에 대한 답변이다. 전력과 자본이 더 필요하냐는 질문에 "아직 모른다. 아마 더 필요할 것이다", 그리고 조달 가능하냐는 질문에는 "모르겠다. 우리가 잘해서 벌어야 한다"고 답했다. CEO가 확신하지 못하는 영역이다. 30억 달러가 투입된 분야에서 검증된 매출은 사실상 없다.

5. 수혜 체인 — 어느 레이어에 돈이 먼저 도는가

World Labs는 비상장이라 직접 접근할 수 없다. 실질적 대안은 레이어 1~3이며, 역사적으로 플랫폼 전환기에는 곡괭이(인프라)가 광부(애플리케이션)보다 먼저, 더 확실하게 돈을 벌었다.

6. 한국 시장 연결점

리는 데이터 특성에 대해 이렇게 설명했다 — 픽셀 데이터는 언어 데이터보다 정보량이 많다. 카메라 정보까지 들어있다. 3D·4D 월드 학습은 텍스트 대비 데이터 밀도가 압도적이고, 이는 곧 학습 부하와 메모리 대역폭 요구로 직결된다. HBM 수요 논리에 물리 AI라는 두 번째 축이 추가되는 구조다.

• 메모리 — 물리 AI 학습 수요가 기존 LLM 수요 위에 얹히는지가 관건
• 삼성 — NVIDIA GTC 2026 물리 AI 제조 가속 파트너 명단에 포함
• 로봇 부품 — 휴머노이드 투자가 60억에서 수백억 달러로 확대될 경우 감속기·액추에이터·정밀 모터 밸류체인이 직접 수혜

7. Thesis-Breaker — 이 논지가 깨지는 신호

1. 2027년까지 World Model의 'AlexNet 모먼트'가 나오지 않음 — 하이프 사이클 판정, 관련 밸류에이션 일괄 조정
2. 휴머노이드 투자가 60억 달러 수준에서 정체 — 리의 "너무 적다" 주장이 틀렸다는 의미
3. World Labs급 플레이어가 헐값에 인수됨 — 독립 사업모델 성립 불가 확인
4. LLM 진영이 물리 이해까지 흡수 — 별도 아키텍처 불필요. 영상 댓글에도 "결국 LLM과 World Model 둘 다 필요한 'and' 문제"라는 반론이 있었다
5. 전력·컴퓨트 비용이 물리 AI 학습의 경제성을 파괴

8. 모니터링 체크리스트

9. 정책·규제 관점

리는 정책 결정자를 상대할 때의 원칙을 이렇게 말했다 — "공상과학이 아니라 과학에 근거해서 규제하라." 실리콘밸리發 인류 멸종·AGI 지배자 담론이 실제 정책 작업을 방해한다는 지적이다. 그가 제시한 두 번째 권고는 공공 부문과 K-12/K-16 STEM 교육에 자원을 배분해 건강한 생태계를 유지하라는 것이었다.

투자 관점에서 이 발언이 갖는 함의는, 규제 논의의 무게중심이 AGI 종말론에서 물리 AI·로보틱스 실물 규제로 이동할 경우 해당 섹터의 규제 프리미엄과 디스카운트가 재조정될 수 있다는 점이다. 리 본인이 우려한 리스크는 허위정보, 로봇 무기화, 그리고 학생들이 AI를 "게으른 목발"로 쓰는 것이었다.

정리

단기 관전 포인트 — NVIDIA 실적의 로보틱스·오토모티브 세그먼트 성장률. 물리 AI 논지가 실물로 전환되고 있는지를 가장 먼저 알려주는 지표다. 그리고 Marble의 유료 고객 사례가 공개되는지 여부.

중기 관전 포인트 — 휴머노이드 누적 투자액이 60억 달러를 유의미하게 넘어서는지, 그리고 World Model 스타트업들의 후속 라운드가 업라운드로 이어지는지. 두 지표가 동시에 꺾이면 이 사이클은 하이프로 판정될 가능성이 높다.

가장 정직한 문장은 리 본인의 것이었다. "나는 매일 편집증적으로 불안하다. 하지만 마비되진 않았다. 큰 회사들은 테이블 위에 여러 개를 올려두지만, 우리는 하나만 올려둔다." 집중이 소규모 팀의 유일한 무기라는 뜻이지만, 뒤집으면 단일 기술에 전부를 건 리스크 구조라는 말이기도 하다. 투자자는 이 문장을 양쪽으로 다 읽어야 한다.