사진 출처: cdn.aipostkorea.com

AI가 제트엔진 부품을 설계해서 인간 설계자를 이겼다? PhysicsX의 물리 AI가 aerospace 산업을 뒤집는 이유

2026년 1월, 항공우주 업계에 작은 폭탄이 떨어졌습니다. PhysicsX가 JetZero의 Z4 제트엔진 내·외부 부품을 AI만으로 설계했고, 인간 설계자보다 더 빠르고 더 적은 부품으로 같은 성능을 뽑아낸 것이죠. 설계 시간은 절반으로 줄었고, 부품 수는 60%나 빠져서, 업계 사람들은 “이제 진짜 설계자의 자리가 위협받나”라고 입을 모았습니다.

목차

• 진짜 사람 설계자를 이긴 건가, 그게 가능한 일인가
• PhysicsX는 어떤 회사이고, 물리 AI는 일반 AI와 뭐가 다른가
• 어떻게 제트엔진 부품을 실제로 설계하는가
• 왜 aerospace 업계가 이 변화를 체감하기 시작했나
• 비용·일정·인증 같은 현실적인 함정도 있는가
• 그래서 항공 말고 다른 산업도 흔들리나
• 도입을 검토할 때 체크해야 할 것

핵심 요약 — 결론부터

• PhysicsX는 GPU로 도는 물리 시뮬레이션을 머신러닝과 결합해, 열역학·유체역학 방정식을 직접 풀면서 부품 형상을 설계합니다.
• JetZero Z4 프로젝트에서 설계 시간을 절반(수주 → 수일)으로, 부품 수를 60% 줄였습니다.
• 기존 ‘AI 보조 설계’는 사람이 뽑은 후보 중 고르는 수준이었다면, PhysicsX의 물리 AI는 시뮬레이션 공간 자체를 통째로 탐색해 답을 새로 만들어 냅니다.
• 인증·데이터 부족·규제기관 수용 여부는 아직 풀지 못한 숙제로 남아 있습니다.

진짜 사람 설계자를 이긴 건가, 그게 가능한 일인가

사진 출처: cdn.news2day.co.kr

PhysicsX가 JetZero와 함께 Z4 제트엔진 내·외부 부품 설계를 AI로 수행한 건 사실입니다. 인간 설계자가 수주 넘게 걸리던 작업을 단 며칠 만에 끝냈고, 부품 수까지 60%가 줄었습니다. 같은 성능 조건 안에서요. 기존에는 사람이 직접 도면을 그리고 시뮬레이션을 돌려보며 형상을 수정했는데, PhysicsX의 물리 AI는 처음부터 끝까지 시뮬레이션을 굴려서 최적 형상을 스스로 찾아냅니다. 그래서 “이겼다”는 표현이 과장이 아닙니다. 부품 수와 설계 시간이라는 명확한 숫자가 그렇게 말하고 있으니까요.

다만 “이겼다”는 건 주어진 조건 안에서라는 전제가 붙습니다. 목표 추력·연비·소음·재료 같은 조건은 사람이 정해주었고, 그 조건 안에서 최적의 답을 더 빨리 찾았다는 의미입니다. 설계 의도 결정이나 인증 판단까지 AI가 대신한 건 아닙니다. 결과적으로 AI와 인간 설계자가 맡은 역할이 나뉜 형태라고 보는 게 더 정확합니다.

PhysicsX는 어떤 회사이고, 물리 AI는 일반 AI와 뭐가 다른가

사진 출처: cdn.news2day.co.kr

PhysicsX는 2019년 롤스로이스와 맥라렌 출신 물리학자·엔지니어들이 세운 회사입니다. 단순한 SaaS 스타트업이 아니라, GPU 가속 물리 시뮬레이션을 머신러닝과 결합한 ‘하이브리드 솔버(hybrid solver)’를 자체 개발한 점이 다릅니다. 흔히 말하는 생성형 AI나 CAD 보조 프로그램은 학습된 데이터 안에서 그럴듯한 답을 조합하는 방식이죠. 물리 AI는 결이 다릅니다. 열역학, 유체역학, 구조역학 같은 물리 방정식을 수치적으로 직접 풀면서 형상을 평가하고 개선합니다. 숫자만 학습하는 게 아니라 물리 법칙 자체를 이해하고 푼다고 보면 됩니다.

이 차이가 어디서 드러나느냐면, 학습 데이터에 없는 완전히 새로운 형상에서도 물리적으로 말이 되는 답을 낼 수 있다는 점입니다. 생성형 AI는 학습 패턴을 벗어난 답을 만들면 물리적으로 불가능한 형상이 나올 수 있는데, 물리 AI는 시뮬레이션을 매 단계 돌리니까 그럴 가능성이 훨씬 적습니다. 항공·자동차처럼 안전이 곧 사인인 산업에서 이 차이는 결정적입니다.

어떻게 제트엔진 부품을 실제로 설계하는가

작업 순서는 대략 이렇습니다.

• 입력: 목표 성능(추력·연비·소음)과 기존 CAD 데이터, 경계 조건
• 처리: 물리 시뮬레이션을 수천~수만 회 반복하며 형상 파라미터를 탐색
• 출력: 형상, 치수, 재료, 공정 조건까지 한 번에 도출
• 사람 개입 지점: 시뮬레이션 시나리오 세팅, 최종 의사결정, 인증 문서 작성

즉 AI가 도면을 완성해서 던져주면, 사람은 그 결과가 정말 안전한지 검증하고 인증기관에 제출하는 역할을 맡는 구조입니다. 설계자 본인이 처음부터 끝까지 손으로 그리는 전통적 방식과는 결이 다르죠. 마치 사람이 깎던 돌을 CNC로 옮긴 것처럼, 같은 결과를 더 짧은 시간에 만들어 내는 변화입니다.

왜 aerospace 업계가 이 변화를 체감하기 시작했나

항공 부품은 특성 자체가 극단적입니다. 터빈 블레이드 하나가 수십억 원이고, 엔진 한 대의 인증 주기는 10년 이상입니다. 그래서 설계 한 번 잘못하면 회사가 거덜 나는 산업이에요. 이토록 보수적인 산업이 AI 설계에 열린 건, 업계가 직면한 변화가 너무 크기 때문입니다.

변화 방향	기존 항공	전기·수소 항공기
동력원	제트 연료	전기 모터 / 수소
냉각 방식	공랭식	액체 냉각
부품 형상	축대칭, 회전체 위주	비축대칭, 복잡 형상
설계 공간	수십 년 축적된 경험존	거의 백지

전기·수소 항공기로 넘어가면서 설계 공간 자체가 달라집니다. 경험이 쌓여 있지 않은 영역이 많아서, 전통적 방식으로는 시행착오가 너무 큰 거예요. 그래서 Boeing, Airbus, Rolls-Royce 모두 자체 물리 AI 팀을 꾸리기 시작했습니다. PhysicsX 같은 전문 벤더와 협업하거나, 사내에 전담 조직을 만들거나, 양쪽 다 하는 추세입니다.

비용·일정·인증 같은 현실적인 함정도 있는가

물론 함정은 분명히 있습니다.

• 실측 데이터 절대 부족: 엔진 부품은 비행 시험 한 번에 수십억 원이 들어서 양질의 학습 데이터가 쌓이기 어렵습니다.
• 인증 기관의 수용 여부 미지수: FAA, EASA 같은 항공 인증기관이 AI가 설계한 산출물을 그대로 받아줄지는 아직 정해진 답이 없습니다.
• 감사 추적 가능성이 핵심: 도입 기업은 단순히 빠른 것보다 “왜 이 형상이 나왔는지”를 사후에 증명할 수 있느냐를 더 봅니다.

즉 지금 항공 업계가 PhysicsX를 도입할 때 가장 먼저 보는 건 속도가 아니라, AI가 어떤 시뮬레이션 경로를 거쳐 이 답에 도달했는지를 기록으로 남길 수 있는가입니다. 이 부분이 갖춰지지 않으면 아무리 빨라도 인증 단계에서 막힙니다. 실제로 PoC 단계에서 떨어지는 벤더 대부분이 이 로깅·재현성 요건을 못 채워서라는 얘기가 업계에서 나옵니다.

그래서 항공 말고 다른 산업도 흔들리나

물리 AI의 영향은 항공에 머물지 않습니다. 이미 적용이 시작된 영역이 여럿 있습니다.

• 자동차: 배터리 냉각판, 전동화 부품 형상 최적화
• 풍력: 블레이드 공력 형상 탐색
• 의료기기: 임플란트 형상 설계
• 에너지: 터빈·배관·열교환기 설계

2026년 1월 기준으로 PhysicsX는 시리즈 B 라운드에서 1억 달러를 유치했습니다. 벤처캐피탈의 돈이 따라온다는 건, 시장이 이 기술의 확장성을 믿기 때문이라고 봅니다. 다만 중소 부품사가 바로 도입하기엔 비용과 인력 장벽이 있는 것도 사실입니다. 보통 PhysicsX 같은 벤더와 초기 컨소시엄 형태로 시작하거나, 클라우드 기반 솔버 구독 모델로 진입하는 경우가 많습니다.

도입을 검토할 때 체크해야 할 것

실무를 맡고 있다면 이 순서로 점검해 보시면 좋아요.

• 우리 부품군에서 시뮬레이션이 의미 있는 영역이 어디인지 파악
• 기존 CAD/CAE 데이터가 물리 AI 입력으로 쓸 수 있는 수준인지 검토
• 인증기관(FAA, EASA, 한국항공안인증)과 사전 미팅 가능한지 확인
• 도입 후 설계 의도와 결과의 인과관계를 추적할 수 있는 로깅 시스템 마련
• PoC 범위를 잡되, 인증과 직접 연결되지 않은 부품부터 시작

마지막 한 가지. PhysicsX의 사례는 분명 인상적이지만, 아직 모든 항공 설계에 바로 적용되는 만능 도구는 아닙니다. “AI가 설계자를 완전히 대체한다”보다 “설계자가 시뮬레이션 루프를 돌리는 시간을 줄여주고, 인증과 의도 결정은 여전히 사람이 맡는다”가 현재 시점의 현실적인 그림이라고 봅니다. 결국 경쟁력은 그 루프를 얼마나 빨리, 또 얼마나 추적 가능하게 도는지를 설계자가 조율할 수 있느냐에 갈릴 거예요.

여러분의 업계에서는 물리 AI 도입을 검토해 볼 만한 영역이 있으신가요?