it-sue

AI가 사진 한 장만 보고도 그 뒤편 공간까지 만들어낸다는 얘기를 처음 들었을 때, 대체 이게 무슨 원리인가 싶었다. 사진에 없던 각도의 풍경까지 그려낸다니, 상상이 아니라 진짜 공간을 이해한다는 뜻 아닌가. 이 궁금증을 파고들다 보니 월드모델(World Model)이라는 개념과 마주치게 됐다. 오늘은 월드모델이란 정확히 무엇이고, 왜 지금 빅테크들이 여기에 몰려드는지 짚어보려 한다.

계기는 2026년 9월 1일 공개된 월드랩스(World Labs)의 신형 모델 아틀라스(Atlas)였다. 월드랩스는 스탠퍼드 교수이자 “이미지넷의 어머니”로 불리는 페이페이 리(Fei-Fei Li)가 공동창업한 회사다. 필자가 보기엔 이 회사의 행보 자체가 지금 AI 업계가 어디로 가고 있는지 보여주는 신호탄 같다.

월드모델이란 무엇인가 — LLM과의 결정적 차이

챗봇으로 익숙한 LLM(대형언어모델)은 텍스트와 언어의 통계적 패턴을 학습해 다음 단어를 예측하는 방식으로 작동한다. 반면 월드모델은 물리적 공간과 시간, 그리고 인과관계를 이해하도록 설계된 모델이다. 공을 던지면 어떤 궤적으로 날아가는지, 물체를 밀면 어느 방향으로 움직이는지를 시뮬레이션하는 게 핵심이다.

개인적으로는 이 차이가 단순한 기술 스펙 차이가 아니라 세상을 이해하는 방식 자체의 차이라고 생각한다. LLM은 인터넷에 쌓인 텍스트를 읽고 다음 문장을 잇는 데 능하지만, 실제로 방 안에 물건이 어디 놓여 있는지는 모른다. 월드모델은 정반대로 언어보다 공간과 물리 법칙을 먼저 이해하려는 시도다.

이 지점이 흥미로운데, 그래서 월드모델은 로보틱스와 자율주행, 게임 및 시뮬레이션, 그리고 이른바 피지컬 AI 영역에서 특히 주목받는다. 로봇이 처음 보는 물건을 집으려면 그 물건의 3차원 형태와 무게 중심을 예측해야 하는데, 이건 언어모델이 잘하는 영역이 아니기 때문이다.

아틀라스가 보여준 것들

월드랩스는 2025년 11월 첫 상업 제품 마블(Marble)을 내놓았고, 아틀라스는 그 뒤를 잇는 신형 모델이다. 텍스트와 이미지, 비디오, 3D 데이터를 하나의 공간적 맥락으로 통합해 실제 세계를 생성하고 재구성하며 시뮬레이션한다는 게 회사 측 설명이다.

가장 눈에 띄는 특징은 단 한 장의 사진만으로도 3D 공간을 추론할 수 있다는 점이다. 입력 이미지에 없던 새로운 시점까지 만들어내고, 최대 1440p 해상도로 1분 길이 영상을 생성한다. 카메라 위치와 각도도 픽셀 단위에 가까울 만큼 정밀하게 제어할 수 있다고 한다.

여기서 눈에 띄는 건 결과물이 그냥 예쁜 영상에 그치지 않는다는 점이다. 아틀라스는 포인트 클라우드와 3D 가우시안 스플랫 형태의 명시적인 3D 데이터를 출력한다. 로봇 훈련용 실제-시뮬레이션 데이터를 만들거나 물체 상호작용을 시뮬레이션하는 데도 쓰인다.

구분	LLM(대형언어모델)	월드모델
주된 입력/출력	텍스트, 언어 토큰	이미지·비디오·3D 공간 데이터
학습 목표	다음 단어 예측	공간·시간·인과관계 시뮬레이션
대표 응용	대화, 요약, 코드 생성	로보틱스, 자율주행, 게임·시뮬레이션
대표 사례	GPT, 클로드, 제미나이	월드랩스 아틀라스, 구글 제니 3

표로 정리하고 보니 두 기술이 서로 대체재가 아니라는 게 더 명확해진다. 솔직히 이건 좀 아이러니한데, 요즘 가장 뜨거운 로봇 두뇌들은 언어와 공간 이해를 동시에 요구한다. 그래서 언어모델과 월드모델을 결합한 시각-언어-행동 모델, 즉 VLA(Vision-Language-Action) 모델이 별도로 주목받고 있다. 이 개념은 지난 VLA 모델 분석 글에서 자세히 다룬 바 있다.

왜 지금 빅테크가 몰려드는가

월드모델 경쟁은 월드랩스 혼자만의 이야기가 아니다. 구글 딥마인드는 자체 월드모델 ‘제니(Genie) 3’를 선보이며 AGI를 향한 진전이라고 자평했다. AI 학계의 또 다른 거물 얀 르쿤 역시 월드모델 계열 연구에 힘을 쏟는 회사를 새로 세웠다. 관련 국내 보도를 보면 이 흐름을 “월드모델 레이스”라고 부르는 표현이 낯설지 않다.

필자가 보기엔 빅테크들이 이 경쟁에 뛰어드는 이유는 단순하다. 언어모델 성능은 이미 상향평준화됐고, 다음 승부처는 물리 세계를 이해하는 능력이라는 계산이 깔려 있다. 로봇, 자율주행차, 산업 시뮬레이션 시장은 텍스트가 아니라 공간 이해력을 요구하기 때문이다.

월드랩스가 2025년 11월 마블로 첫 상업 제품을 낸 뒤 채 1년도 안 돼 아틀라스를 내놓은 속도도 눈여겨볼 대목이다. TechCrunch의 마블 출시 당시 보도는 이를 두고 “월드모델 레이스를 가속화한다”고 표현했는데, 아틀라스가 그 표현을 그대로 증명한 셈이다.

개인적으로는 이 속도전이 반갑기도 하고 걱정스럽기도 하다. 기술 발전은 빠를수록 좋지만, 로봇이 실세계에서 오작동할 위험까지 그만큼 빨리 검증되는 건 아니기 때문이다. 시뮬레이션에서 완벽했던 물체 상호작용이 실제 환경에서도 똑같이 재현될지는 아직 지켜볼 일이다.

IT-SUE의 시각

월드모델은 한마디로 언어가 아니라 공간과 물리를 이해하는 AI를 향한 도전이라고 정리할 수 있다. 아틀라스는 그 도전이 상업적 제품 단계까지 왔다는 걸 보여준 사례다. 이 지점이 흥미로운데, 불과 몇 년 전만 해도 이런 시도는 학계 논문 속 개념에 머물러 있었다.

필자가 보기엔 앞으로 관전 포인트는 두 가지다. 첫째는 월드모델이 실제 로봇과 자율주행 현장에서 얼마나 안정적으로 작동하느냐다. 둘째는 구글, 월드랩스, 그리고 얀 르쿤 계열 연구가 벌이는 경쟁이 언어모델 때처럼 소수 승자 독식 구도로 갈지 여부다. 월드모델이란 개념이 앞으로 얼마나 우리 일상 기술에 스며들지, 계속 지켜볼 만한 주제다.