Tesla·Waymo·Anduril은 연간 수백억 원을 가상 테스트 인프라에 쏟아붓는다고 해요. 그러니까 경쟁할 만한 로봇 AI를 만들려면, 그 돈부터 있어야 한다는 뜻이었죠. Antioch는 그 방정식을 바꾸겠다고 나섰어요.
이게 뭔데?
Antioch는 로봇·자율주행 개발팀이 물리적 테스트 없이 소프트웨어만으로 시스템을 검증하게 해주는 클라우드 시뮬레이션 플랫폼이에요. "피지컬 AI(Physical AI)"라고 불리는 이 영역 — 로봇, 자율주행차, 드론, 산업기계 등 — 은 소프트웨어와 달리 테스트 비용이 극단적으로 높아요. 잘못 배포하면 진짜 사람이 다치거든요.
2025년 5월 뉴욕에서 창업한 Antioch는 Tesla Autopilot 출신 Harry Mellsop을 필두로, Google DeepMind·Meta Reality Labs·Chainalysis 출신 공동창업자 5명이 뭉쳤어요. 2026년 4월 발표된 시드 라운드는 $8.5M, 밸류에이션 $6,000만(약 900억 원). A*와 Category Ventures가 리드했고, Palantir CTO Shyam Sankar도 엔젤로 참여했어요.
핵심 문제는 "sim-to-real gap"이에요. 가상 환경에서 완벽하게 작동하던 로봇이 실제 세계에서 실패하는 현상인데, 물리 엔진이 현실의 마찰·조명·센서 노이즈를 완벽히 재현하지 못하기 때문이에요. Antioch는 Nvidia Isaac Sim, World Labs 등 최고 품질의 물리 엔진 위에 도메인별 라이브러리를 쌓아서 이 갭을 좁히려 해요.
뭐가 달라지는 건데?
지금까지 피지컬 AI 스타트업이 로봇 하나 검증하려면 어떻게 해야 했냐면요. 테스트용 창고나 집을 임대해서 장비를 세팅하고, 하드웨어를 리셋하면서 하나씩 시나리오를 돌려야 했어요. "팀이 Airbnb를 빌려서 가정용 로봇을 테스트하는 경우도 봤다"는 게 Mellsop의 말이에요. 비용도 비용이지만, 불이 났을 때 안전 프로토콜이 잘 작동하는지 같은 위험한 엣지 케이스는 물리적으로 테스트 자체가 불가능해요.
| 기존 물리 테스트 | Antioch 클라우드 시뮬레이션 | |
|---|---|---|
| 테스트 환경 세팅 | 수주~수개월, 수억 원 | 코드 몇 줄로 즉시 |
| 병렬 실행 | 하드웨어 대수만큼 | 수천 개 동시 |
| 위험 시나리오 테스트 | 불가능 또는 매우 위험 | 화재·폭설 등 자유롭게 |
| 실패 분석 | 수동 영상 검토 | AI 에이전트가 프레임별 분석 |
| 접근성 | Tesla·Waymo급 자본 필요 | 스타트업도 동일 툴링 사용 가능 |
"소프트웨어 엔지니어링과 LLM에 일어났던 일이 피지컬 AI에서 막 시작됐다"는 게 Category Ventures의 말인데요. 다른 점은 물리 세계에서 실패하면 코드 버그와는 차원이 다른 결과가 나온다는 거예요. 그래서 검증 도구에 대한 요구 수준도 훨씬 높아요.
실제로 Allen Institute for AI(Ai2)가 2026년 3월 발표한 연구에서는 시뮬레이션만으로 훈련한 로봇이 추가 실세계 데이터 없이 실제 태스크를 수행하는 "제로샷 sim-to-real 전이"를 달성했어요. 시뮬레이션 품질이 올라오면서 이제 진짜 써먹을 수 있는 수준에 왔다는 신호예요.
핵심만 정리: 시작하는 법
Antioch는 현재 협업 방식으로 온보딩을 진행하고 있어요 — 대기업·스타트업 양쪽 고객과 함께 파이프라인을 맞춤 구성하는 단계예요. 공식 사이트에서 데모 신청 후 아래 5단계 흐름대로 작동해요.
- Onboard — 기존 코드 그대로 가져오기
ROS 기반이든 커스텀이든 기존 로봇 소프트웨어·펌웨어를 Antioch Ark™로 컨테이너화. 디지털 트윈 생성이 자동화되고, 카메라·LiDAR·레이더·IMU 등 가상 센서가 연결돼요. 하드웨어를 바꿀 필요 없어요. - Define — Python SDK로 시나리오 설계
비, 눈, 안개, 화재 같은 극단적 환경도 코드로 정의해요. Antioch가 제공하는 시뮬레이션-레디 에셋 라이브러리 또는 직접 업로드한 3D 에셋을 사용해요. 통과/실패 기준도 코드로 지정해요. - Simulate — 수천 개 병렬 실행
Antioch Cloud에서 동시에 수천 개의 시뮬레이션을 돌려요. CI/CD 파이프라인에도 연결되고, 버전별 패스율을 추적해요. - Analyze — 프레임 단위 디버깅
실패 시점의 정확한 상태를 재생·분석해요. Foxglove·Rerun 통합으로 텔레메트리 시각화가 가능하고, 버전 간 비교도 자동화돼요. - Accelerate — AI 에이전트가 자동 개선
Antioch 내장 AI 에이전트가 실패 원인을 분석하고, 변경 사항의 효과를 즉시 검증해요. MCP(Model Context Protocol) 지원으로 외부 AI 에이전트도 연동할 수 있어요.
"2~3년 안에 실제 세계를 위한 자율 시스템을 만드는 사람 모두가 소프트웨어에서 먼저 개발할 것이라고 확신한다."
— Harry Mellsop, Antioch 공동창업자
