Empiric Earth 사장 Jen Vescio – 인터뷰 시리즈

Jen Vescio는 Empiric Earth의 사장으로서 제품 전략, 기업 개발 및 상용화를 총괄하고 있습니다. 이전에는 Uber에서 최고사업개발책임자를 맡아 모빌리티 및 자율주행 분야의 글로벌 사업 개발과 신규 파트너십을 이끌었습니다. 신흥 기술 기업에 투자하고 자문한 경험도 있으며, 특히 피지컬 AI가 연구 단계에서 상용 배치 단계로 나아가도록 지원하는 데 주력해 왔습니다.

Empiric Earth는 Nexar와 Nauto를 한데 모아 실제 도로 주행 인텔리전스, 안전 모델 및 검증 역량을 제공합니다. 이 회사는 수십억 마일에 달하는 주행 이력과 희귀 상황 기록을 결합해 개발자, 차량 운영사 및 기타 조직이 성능과 위험을 파악하도록 돕습니다. 이번 인터뷰에서 Vescio는 독립적인 평가, 책임 있는 데이터 거버넌스, 상용화, 그리고 피지컬 AI의 확장에 필요한 인프라에 관해 이야기합니다.

Uber에서 글로벌 사업 개발을 이끌고 신흥 기술에 투자했으며 피지컬 AI 분야 기업에 자문하는 등 폭넓은 경력을 쌓으셨습니다. 처음에는 4월에 Empiric Earth 이사회에 합류하셨고, 최근 사장직을 맡으셨습니다. 이 회사에 매력을 느낀 이유는 무엇이며, 보다 적극적인 리더십 역할을 맡기로 최종 결심한 계기는 무엇인가요?

피지컬 AI 분야의 투자자이자 자문가로 활동하면서 저는 계속해서 같은 공백을 목격했습니다. 많은 팀이 실험을 진행하고 있었지만, 테스트 환경 밖에서도 시스템이 제대로 작동한다는 것을 입증할 실제 데이터까지 갖춘 팀은 거의 없었습니다. Empiric Earth에는 이미 그런 데이터가 있었습니다. 실제 주행 100억 마일이 넘는 데이터와 6,000만 건의 엣지 케이스는 돈을 주고 살 수도, 꾸며낼 수도 없는 자산입니다.

이러한 점에서 이 회사는 독특한 위치에 있습니다. 우리는 로봇, 차량 또는 모델을 개발하는 기업들과 경쟁할 필요가 없습니다. 이들이 위험을 관리하고 성능을 검증하며 신뢰를 쌓는 데 필요한 실제 환경 인텔리전스를 제공해 모두가 더 빨리 시장에 진출하도록 도울 수 있습니다. 이사회에서 활동하며 피지컬 AI 생태계 전체의 기반이 될 무언가를 구축할 기회를 보았습니다.

제가 사장직을 맡게 된 계기는 Zach와 그의 비전이었습니다. 우리가 각자 모빌리티 분야에서 파트너십을 구축하던 시절부터 알고 지냈습니다. 저는 Uber에서, 그는 Lyft에서 일했습니다. 오랫동안 신뢰해 온 사람이 어려운 문제와 다른 누구도 갖고 있지 않은 자산을 가져온다면 귀를 기울이게 됩니다. 우리는 서로의 강점을 보완합니다. 그는 해당 분야와 앞으로의 방향을 고민하고, 저는 새로운 기술을 확장 가능한 사업으로 발전시키는 일을 경력 내내 해왔습니다. 피지컬 AI는 지금 연구 단계를 벗어나 실제 현장에 배치되고 있습니다. 저는 이사회 회의실에서 그 과정을 지켜보기만 하고 싶지 않았습니다.

Empiric Earth는 Nexar와 Nauto의 합병으로 설립되어, 실제 도로 주행 인텔리전스와 AI 기반 안전 분야에서 깊은 전문성을 쌓은 두 회사를 하나로 모았습니다. 이 결합으로 어떤 고유한 역량이 생기며, 빠르게 변화하는 피지컬 AI 시장에서 통합된 회사가 어떤 차별점을 갖게 될 것으로 보시나요?

Nexar와 Nauto는 모두 2015년에 설립됐으며, 서로 다른 두 관점에서 같은 문제를 측정하는 데 합쳐서 20년 넘게 힘써 왔습니다. 두 회사가 힘을 합치면 도로에서 무슨 일이 일어나는지, 운전자가 이에 어떻게 대응하는지를 파악해 실제 환경의 행동과 위험을 훨씬 더 깊이 있게 이해할 수 있습니다.

더 넓은 시장의 관점에서 보면, 이는 시뮬레이션과 현실 세계를 잇는 다리입니다. 대부분의 팀은 시뮬레이션 환경에서 시스템을 구축하고 테스트하지만, 어려운 점은 실제 환경에서도 시스템이 안정적으로 작동한다는 것을 입증하는 것입니다. 파트너가 시스템이 아직 접하지 못한 시나리오를 찾아내고, 모델을 개선하며, 실제 상황을 기준으로 성능을 검증하도록 도울 수 있습니다. 이를 통해 개발 주기를 단축하고 위험을 줄이며 상용화를 앞당길 수 있습니다.

우리는 피지컬 AI 생태계 전반에서 독립적인 평가를 가능하게 한다는 점에서 차별화됩니다. 고객이 개발하는 차량, 로봇 또는 자율 시스템을 우리가 직접 만들지는 않습니다. 대신 고객이 성능을 파악하고 위험을 관리하며 신뢰를 쌓도록 돕는 실제 환경 인텔리전스를 제공합니다. 이를 위해서는 중립성, 이식성 및 상호운용성을 지키겠다는 약속이 필요합니다. 새로운 애플리케이션, 모델 및 서비스를 시장에 선보일 때 고객이 특정 공급자에 종속되지 않고 서로 다른 하드웨어와 기술 스택에서 이를 사용할 수 있기를 바랍니다. 우리의 목표는 생태계 안에서 승자를 고르는 것이 아니라, 생태계 전체의 ‘심판’ 역할을 하는 것입니다.

피지컬 AI는 인공지능의 차세대 주요 개척 분야 중 하나로 부상하고 있으며, 자율주행차, 로보틱스, 지능형 인프라 등 다양한 영역에 적용되고 있습니다. 예측하기 어려운 실제 환경에서 이러한 시스템이 안정적으로 작동하는 데 가장 큰 장애물은 무엇이며, 이를 극복하는 데 실제 데이터에 대한 접근이 왜 그토록 중요한가요?

가장 큰 장애물은 물리적 세계가 애초에 기록된 적이 없다는 점입니다. 언어 모델은 사람들이 이미 만들어 둔 수십 년 치 텍스트를 학습하면서 빠르게 발전했습니다. 도로, 창고 바닥, 보도에는 이에 해당하는 데이터가 없습니다. 아슬아슬한 사고나 오늘 아침 폐쇄된 차선처럼 그곳에서 일어나는 일의 대부분은 아예 기록되지 않습니다.

이로 인해 두 가지 문제가 생깁니다. 첫째, 물리적 세계는 끊임없이 변합니다. 시스템은 현재 무엇이 사실인지 알아야 하는데, 지난봄에 찍은 사진으로는 오늘 아침에 바뀐 도로 상황을 알 수 없습니다. 어제의 상황을 되돌아가서 수집할 수도 없습니다. 둘째는 파편화입니다. 어느 한 기업도 혼자서 세상을 충분히 파악할 수 없기 때문에, 개발자들은 각기 다른 데이터 세트와 모델, 기술 스택으로 별도의 실험을 진행하고 있습니다. 그 결과 성과를 비교하고, 효과가 있는 방식을 공유하며, 유망한 연구를 상업적으로 실행 가능한 제품으로 발전시키기가 더 어려워집니다.

두 가지 문제를 해결하는 방법은 실제 세계의 데이터입니다. 시스템을 무너뜨리는 드문 사건은 매일 어딘가에서 일어나며, 매우 다양한 실제 상황을 지속적으로 관찰해야만 그런 사건을 찾아낼 수 있습니다. 미국 데이터에서는 충돌 한 건당 아슬아슬한 사고가 약 19건 발생하지만, 그중 거의 대부분은 경찰 보고서나 보험 청구 기록에 나타나지 않습니다. Zach는 최근 에세이에서 이를 잘 표현했습니다. 안전이란 일어나지 않은 일을 연구하는 것입니다. 아무도 세지 않았다면 그런 일을 연구할 수 없습니다.

Empiric Earth는 100억 마일이 넘는 주행 이력과 6,000만 건 이상의 엣지 케이스를 축적했으며, 매달 수억 마일에 이르는 주행 데이터를 추가로 수집하고 있습니다. 이 방대한 데이터 세트는 AI 개발자가 더 신뢰할 수 있는 자율 시스템을 학습시키고 검증하는 데 어떻게 도움이 될 수 있을까요? 특히 기존 시뮬레이션으로 재현하기 어려운 드물거나 위험한 상황에서는 어떤 역할을 할 수 있을까요?

오늘날 대부분의 시스템은 일반적인 주행 상황을 잘 처리합니다. 여전히 시스템을 무너뜨리는 것은 긴 꼬리 현상입니다. 충돌 사고, 주차된 차들 사이에서 갑자기 나오는 보행자, 도로 위의 동물, 지난주에는 없었던 공사 구간 같은 상황입니다. 이런 상황은 너무 드물어 시험 차량으로 유용한 수만큼 포착하기 어렵고, 시뮬레이션은 누군가 이미 모델링할 생각을 한 상황만 재현할 수 있습니다.

Empiric Earth는 이런 상황을 찾아내기 위해 만들어졌습니다. 네트워크가 주행하는 모든 마일의 데이터를 처리하지는 않습니다. 모델이 특이하거나 위험하다고 표시한 일부 데이터만 보관합니다. 그 덕분에 100억 마일의 주행 기록을 개발자가 실제로 활용할 수 있는 6,000만 건의 엣지 케이스로 추릴 수 있습니다.

팀들은 이 기록을 세 가지 방식으로 활용합니다. 먼저 검색합니다. 공사 구간을 연구하는 팀은 몇 가지 상황을 직접 설정하는 대신, 실제 운전자가 공사 구간을 통과한 사례를 수천 건 찾아볼 수 있습니다. 다음으로 부족한 데이터를 요청합니다. 시스템이 혼잡한 교차로에서 좌회전하는 데 어려움을 겪는다면, 네트워크가 바로 그 상황을 집중적으로 포착하도록 해 실제 사례가 발생할 때마다 새로운 데이터를 수집할 수 있습니다. 마지막으로 시뮬레이션 결과를 현실과 비교합니다. 파트너가 보행자나 자전거 이용자가 관련된 실제 충돌 사고와 아슬아슬한 사고를 재구성하면, 제품을 출시하기 전에 시뮬레이션 속 세계가 실제 세계처럼 작동하는지 확인할 수 있습니다.

이 데이터는 그 자체를 넘어서는 가치를 지닙니다. 시뮬레이션은 꼭 필요하지만, 실제 세계에서 일어나는 일을 바탕으로 해야 합니다. 개발자에게 이러한 근거를 제공하면 문제를 더 일찍 찾아내고, 시스템을 더 빠르게 개선하며, 배포 준비가 되었는지 더 나은 정보에 근거해 판단할 수 있습니다. 업계가 성장함에 따라 더욱 일관되고 독립적인 평가를 수행할 토대도 마련됩니다.

Empiric Earth의 핵심 원칙 중 하나는 평가 대상인 자율 시스템 및 차량 제조업체로부터 독립성을 유지하는 것입니다. 피지컬 AI가 광범위한 도입을 앞두고 있는 지금, 독립적인 검증이 점점 더 중요해지는 이유는 무엇이며 AI 안전성을 평가할 의미 있는 기준을 마련하기 위해 업계는 어떤 표준을 채택해야 할까요?

피지컬 AI가 연구 환경을 벗어나 공공장소로 진출하면서 기술적 성능만큼이나 신뢰도 중요해지고 있습니다.

오늘날 업계의 상당 부분은 개발자가 자체 시스템의 성능을 시험하고 보고하는 방식에 의존합니다. 현 단계에서는 이해할 수 있는 일이지만, 더 많은 자율 시스템이 일상적인 환경에 도입되면 고객과 규제 당국, 대중은 시스템이 안정적으로 작동한다는 독립적인 근거를 점점 더 요구하게 될 것입니다.

다른 산업에서도 이와 비슷한 과정을 볼 수 있었습니다. 자동차에 탈 때는 운전자 면허 발급, 차량 검사, 안전에 대한 기대 수준을 정하는 확립된 체계가 있습니다. 피지컬 AI에도 준비 상태와 성능을 입증할 자체적인 접근 방식이 필요합니다. 자율주행차의 경우 운전면허와 같은 제도를 마련할 수 있습니다. 즉, 시스템이 인간 운전자와 동등하거나 그 이상의 성능을 낸다는 것을 보여주는 표준화된 시험입니다.

중요한 것은 통제된 시험이나 시뮬레이션에만 의존하지 않고 실제 상황을 반영하는 의미 있는 기준을 어떻게 마련하느냐입니다. 이러한 기준은 실제 세계의 데이터를 토대로 하고, 드물고 위험한 상황을 고려하며, 여러 시스템의 성능을 일관된 방식으로 평가할 수 있어야 합니다.

Empiric Earth가 중요한 역할을 할 수 있는 지점이 바로 여기입니다. 자율 시스템을 개발하는 기업만이 그 성능을 평가해야 한다고 생각하지 않습니다. Empiric Earth의 역할은 다른 주체들이 성능을 평가하고 위험을 관리하며 신뢰를 구축할 수 있도록 독립적인 실제 세계 정보와 모델, 검증 역량을 제공하는 것입니다. 중립성과 상호운용성을 유지함으로써 특정 접근 방식을 편들지 않고 다양한 기술과 플랫폼에 걸친 평가를 지원할 수 있습니다.

궁극적으로 표준을 마련하려면 개발자와 연구자, 규제 당국 및 기타 이해관계자의 협력이 필요합니다. 독립적인 평가가 가능하도록 토대를 마련해 신뢰가 주장보다 증거에 기반을 두도록 돕고자 합니다.

점점 더 정교해지는 AI 시스템이 물리적 세계와 상호작용하면서, 조직은 포괄적인 실제 환경 데이터의 필요성과 개인정보 보호, 보안, 책임 있는 데이터 거버넌스 사이에서 균형을 맞춰야 합니다. Empiric Earth는 이러한 과제에 어떻게 접근하며, 대규모 피지컬 AI 인프라에 대한 대중의 신뢰를 구축하려면 어떤 안전장치가 필수적일까요?

신뢰는 데이터를 수집하고 보호하며 사용하는 방식에서 시작됩니다. Empiric Earth는 처음부터 개인정보 보호를 접근 방식에 반영하고 있습니다. 운전 중 모든 순간을 똑같이 가치 있다고 여기기보다, 의미 있는 정보를 제공하는 실제 사건을 포착하는 데 주력합니다. 비식별화와 책임 있는 데이터 처리는 이 과정의 핵심입니다.

데이터 출처와 이력도 그만큼 중요합니다. 피지컬 AI가 상용화 단계로 나아가면서 개발자는 데이터가 어디에서 왔는지, 어떻게 수집됐는지, 데이터 사용에 어떤 권리가 적용되는지 알아야 합니다. 이러한 기반이 없으면 규모를 확장하는 데 필요한 신뢰를 구축하기 어렵습니다.

시장마다 개인정보 보호, 동의, 데이터 현지 저장과 관련된 요건도 다릅니다. 당사 플랫폼은 각 항목에 국가별 설정을 적용하므로 시스템을 다시 구축하지 않고도 현지 규정을 준수할 수 있습니다. 어디에서 어떤 방식으로 사업을 확장할지 검토할 때 이러한 차이를 고려해야 합니다.

더 큰 원칙은 투명성입니다. 피지컬 AI 인프라를 구축하는 누구나 어떤 데이터를 수집하고, 어떻게 보호하며, 누가 사용할 수 있는지 설명할 수 있어야 합니다. 책임 있는 데이터 관행은 성공적인 사업을 구축하는 일과 별개가 아닙니다. 광범위한 도입을 가능하게 하는 요소의 일부입니다.

Uber에서의 경험은 신기술과 전략적 파트너십을 확장 가능한 사업으로 발전시키는 일이었습니다. 새로운 역할을 맡은 지금은 Empiric Earth의 제품 전략, 기업 개발, 사업화를 책임지고 계십니다. Uber에서 쌓은 경험 가운데 피지컬 AI를 확장하는 데 가장 유용한 교훈은 무엇이며, 역량을 내부에서 구축할지 인수나 파트너십을 추진할지는 어떻게 결정하시나요?

Uber에서 배운 점은 정답이 달라질 수 있다는 것입니다. 당시에는 기술 스택 전체를 직접 보유해야 한다고 판단해 자체 자율주행 프로그램인 ATG를 구축했습니다. 이후 ATG를 Aurora에 매각하고 파트너십을 통해 자율주행 분야에 다시 진출했습니다. 두 결정 모두 당시에는 타당했습니다. 달라진 것은 속도, 비용, 위험을 평가하는 기준이었습니다.

따라서 직접 구축할지, 인수할지, 파트너십을 맺을지 결정할 때는 같은 질문을 던집니다. 위험은 무엇인가? 필요한 자원과 자본은 얼마나 되는가? 얼마나 빨리 시장에 진출할 수 있으며, 그동안 경쟁사는 무엇을 하고 있는가? 전략에 부합하는가?

Empiric Earth는 대부분의 기업과 출발점이 다릅니다. 구축하기 가장 어려운 요소인 데이터를 이미 갖추고 있기 때문입니다. 우리는 그 기반이 모방하기 어려운 우위를 제공하는 분야에 역량을 집중합니다. 인수는 상호 보완적인 역량을 더하거나 전략 추진을 앞당길 때 타당합니다. 파트너십은 고객 확보, 신규 시장 진출, 사업 규모 확대를 가장 빠르게 이뤄 내는 길이 될 수 있습니다. 피지컬 AI는 어느 한 기업이 모든 것을 구축하기에는 범위가 너무 넓습니다. 따라서 생태계 전체를 강화하는 데 도움이 될 파트너와 협력하고, 시장 상황과 우리의 경쟁 우위인 자산을 함께 고려해 접근 순서를 정하고자 합니다.

OpenClaw 커뮤니티와의 협력을 비롯해 오픈소스 AI 생태계에도 참여해 오셨습니다. 오픈소스 혁신이 피지컬 AI 발전에 어떤 기여를 할 수 있다고 보시나요? 투명성과 협업을 강화하면 이러한 시스템에 필요한 안전 및 거버넌스 기준을 유지하면서 도입을 앞당길 수 있을까요?

오픈소스는 소프트웨어 분야에서 AI 발전 속도를 바꿨습니다. 더 많은 사람이 같은 도구를 기반으로 개발할 수 있으면 연구 주기가 짧아지고, 좋은 아이디어는 가장 큰 연구소뿐 아니라 어디서든 나올 수 있습니다. 피지컬 AI는 아직 그 여정의 초기 단계입니다. 이 분야의 상당 부분은 여전히 연구와 시연에 머물러 있으며, 이제는 그 성과를 지속 가능한 사업으로 전환하는 방법이 과제입니다.

저는 오픈소스 개인용 에이전트형 AI에 관한 Peter Steinberger의 비전을 지원하기 위해 출범한 OpenClaw Foundation에서 파트너십을 이끌었습니다. 오픈 프로젝트가 실제 업무를 어떻게 빠르게 진전시킬 수 있는지 보여 주는 가장 분명한 사례 중 하나입니다. 사람들이 프로젝트를 가져다 자신의 시스템에서 실행하고, 실제로 하는 일에 유용하게 활용할 수 있었기 때문입니다.

피지컬 AI 분야가 진지하게 받아들여야 할 교훈이 바로 여기에 있다고 생각합니다. 개방형 도구를 이용하면 더 많은 팀이 처음부터 다시 시작하지 않고도 구축하고 실험할 수 있습니다. 고객에게 데이터를 다른 곳으로 보내 달라고 요구하는 대신 고객의 자체 환경 안에 데이터를 두면 기업이 망설이는 가장 큰 이유 중 하나가 사라집니다. 차량 운용 조직이나 도시, 제조업체는 자체 통제 아래 자체 데이터에 AI를 적용하고 더 빠르게 가치를 확인할 수 있습니다.

이 두 가지 아이디어가 함께해야 이 산업은 연구와 시연에서 사람들이 비용을 지불하는 제품으로 나아갈 수 있습니다. 개방성만으로 시스템의 안전성이 보장되지는 않으므로 실질적인 테스트와 명확한 거버넌스, 책임 체계가 여전히 필요합니다. 하지만 데이터가 그 데이터의 주체에게 남아 있는 개방형 생태계에서는 더 많은 시스템이 실제로 활용되고, 그 과정에서 축적되는 학습 효과도 커집니다.

Empiric Earth는 고객 환경에 데이터가 머무는 개방형 도구와 데이터가 피지컬 AI 생태계 전체의 성장을 어떻게 뒷받침할 수 있는지에 주목하고 있습니다. 동시에 우리의 업무를 가치 있게 만드는 현실 세계 데이터를 보호하고자 합니다. 생태계를 발전시키는 일과 지속 가능한 사업을 구축하는 일이 서로 경쟁하는 목표라고 생각하지 않습니다.

AI 업계가 지능형 기계의 사회적 작동 방식을 좌우할 안전 기준과 거버넌스 체계를 마련하기 시작한 가운데, AI 분야의 리더십에 더 많은 여성이 참여하는 일이 중요하다고 말씀하셨습니다. 리더십의 다양성이 확대되면 더 안전하고 책임감 있는 AI 시스템 개발에 어떤 영향을 미칠 수 있다고 보시나요?

이 문제에 대해서는 신중하게 말하고 싶습니다. “여성을 더 많이 참여시키면 AI가 더 안전해진다”는 말 자체도 일종의 편향이기 때문입니다. 핵심은 그보다 더 폭넓은 데 있습니다. 우리가 구축하는 에이전트는 인간이 지금까지 해온 일과 우리가 에이전트를 가르치는 방식에서 배웁니다. 가르치는 과정에 영향을 미치는 사람들이 모두 같은 방식으로 생각한다면, 시스템도 똑같은 사각지대를 갖게 됩니다.

다양한 리더십은 에이전트가 무엇을 중요하게 여겨야 하는지 결정할 때 더 많은 관점을 반영하게 합니다. 여기에는 공감과 배려, 그리고 선택이 상대방에게 어떤 영향을 미치는지도 포함됩니다. AI의 위험 중 상당수는 기술적인 문제입니다. 그 밖의 위험은 시스템이 영향을 받는 사람들의 가치나 필요를 반영하지 않는 결정을 내리는 데서 비롯됩니다. 이러한 결정에 다양한 관점을 반영하면 사각지대가 현실 세계의 문제로 이어지기 전에 이를 알아차리는 데 도움이 됩니다.

제가 바라는 것은 간단합니다. 이러한 시스템은 사람들이 더 나은 결정을 내리도록 돕고, 현실에서 서로 함께 보낼 시간을 늘려야 합니다. 이를 위해서는 다양한 관점에서 균형을 잡고 실질적인 통제 장치를 마련해야 합니다. 어느 한 집단만으로 이 문제를 해결할 수는 없습니다. 여성들이 참여해 에이전트와 사람 간, 에이전트 간, 사람 간의 연결을 이끌도록 동기를 부여하고 장려해야 합니다.

앞으로 3~5년을 내다볼 때, 도로 안전과 차량 운행 정보 분야의 기존 적용 사례 외에 Empiric Earth가 가장 큰 기회를 맞이할 분야는 어디라고 보시나요? 자율주행차와 로봇을 비롯한 피지컬 AI 기술이 일상에 더욱 깊이 자리 잡아 가는 가운데, 이러한 전환을 뒷받침하는 인프라에서 Empiric Earth가 어떤 역할을 하리라 생각하시나요?

도로 안전과 차량 운행 정보 분야에서 사업을 시작했고, 이 분야들은 여전히 우리 사업의 핵심입니다. 하지만 더 큰 기회는 위험을 줄이고 검증 기준을 제공해 궁극적으로 현실 세계를 더 안전하게 만듦으로써 피지컬 AI를 뒷받침하는 데 있습니다.

자율주행차를 만들든, 배송 로봇을 만들든, 현실 세계의 광고 및 상거래 네트워크를 운영하는 리테일 인텔리전스 시스템을 만들든 근본적인 과제는 비슷합니다. 현실 세계에서 무슨 일이 일어나고 있는지 어떻게 파악할까요? 시스템이 예상치 못한 상황에 대처할 수 있는지는 어떻게 알 수 있을까요? 그리고 시스템이 상용화 단계로 나아갈 때 성능을 어떻게 평가하고 위험을 어떻게 관리할까요?

Empiric Earth가 피지컬 AI 생태계의 중요한 인텔리전스 계층으로 자리 잡아 개발자와 파트너, 운영자가 이러한 질문에 답하는 데 도움이 되는 현실 세계 데이터와 모델, 애플리케이션 및 서비스를 제공하게 되리라 생각합니다. 이러한 비전을 실현하려면 중립성, 이식성, 상호운용성이 중요합니다. 고객이 자신에게 가장 적합한 솔루션을 선택할 수 있도록 다양한 기술과 플랫폼에서 우리의 역량을 활용할 수 있게 하고자 합니다.

우리는 현실 세계의 주행 인텔리전스 분야에서 탄탄한 기반을 갖추고 있으며, 이제 새로운 역량과 파트너십, 상업적 모델을 통해 이를 발전시킬 기회를 맞이했습니다.

피지컬 AI는 어느 한 기업이 최고의 로봇이나 모델을 만든다고 해서 확산되는 것이 아닙니다. 더 폭넓은 생태계가 현실 세계에서 이러한 시스템을 활용할 수 있도록 인텔리전스와 도구, 안전 조치를 갖출 때 비로소 확산될 것입니다. Empiric Earth가 맡고자 하는 역할이 바로 그것입니다.

훌륭한 인터뷰에 감사드립니다. 피지컬 AI를 위한 현실 세계 인텔리전스와 독립적인 검증에 대해 알아보고 싶은 독자는 Empiric Earth를 방문해 주세요.