물리적 인공지능(Physical AI), 즉 로봇 AI 개발의 핵심은 방대한 데이터를 효율적으로 확보하는 것입니다. 텍스트 데이터와 달리 로봇 데이터는 기존 코퍼스에서 채굴할 수 없고, 유용한 데이터 한 시간마다 비용이 발생하므로 총수집량보다는 '달러당 한계 효용'과 '데이터 새로움'을 얼마나 정확히 계산하느냐에 따라 자본 효율이 결정됩니다. 이는 마치 메이저리그 오클랜드 애슬레틱스가 주관적 지표 대신 출루율이라는 실제 득점과 상관관계 높은 지표에 집중해 성공한 '머니볼' 전략과 유사합니다.
로봇 데이터는 크게 세 가지 유형으로 나뉩니다. 첫째, 저비용으로 넓은 범위를 커버하는 '관찰 데이터'는 표현 공간을 확장하지만 직접적인 행동 감독은 어렵습니다. 둘째, 원격 조작 시연처럼 비용이 높지만 명시적인 상태-행동 궤적을 제공하는 '개입 데이터'는 인간 노동량에 비례해 비용이 증가합니다. 셋째, 생산 시스템에서 내생적으로 생성되는 '배포 데이터'는 운영 자체에서 손실이 발생할 수도 있습니다. 문제는 데이터가 늘어날수록 손실은 멱법칙에 따라 감소하지만, 반복되거나 근접 중복되는 데이터는 빠르게 포화되어 효용이 줄어든다는 점입니다. 반면, 희귀한 분포 밖(OOD) 실패 사례는 모델의 일반화 범위와 오차 하한을 낮추는 데 큰 효용을 제공합니다.
따라서 로봇 AI 데이터 예산은 저비용 관찰 데이터로 범위를 넓히고, 고비용 원격 조작은 작업별 포화점까지만 수집하며, 생산 텔레메트리에서는 OOD 실패만 선별하는 방식으로 배분해야 합니다. 특히 생산 현장에서 발생하는 데이터는 초기에 고엔트로피 실패가 많지만, 문제가 해결될수록 저효용의 반복 데이터로 수렴하는 '감산 곡선'을 따르므로, 운영 시간을 늘리기보다 '실패 꼬리'를 선별하는 것이 중요합니다. 결국, 달러당 가장 높은 모델 능력을 만드는 전략은 경험적 스케일링 법칙과 데이터 획득의 단위 경제성을 함께 비교하여 판단해야 합니다. 이는 로봇 AI가 상업적 성공을 거두기 위한 필수적인 접근 방식입니다.