“엘리스클라우드의 H100x8 서버로 기존 자체 서버 대비 300%의 속도로 학습을 진행할 수 있어 연구 속도가 향상되었습니다.”
-테파로보틱스 박정혁 대표이사

산업 현장의 자동화를 혁신하는 피지컬 AI

글로벌 제조업은 지금 피지컬 AI(Physical AI)라는 새로운 흐름을 맞이하고 있습니다. 피지컬 AI는 단순한 이미지·언어 처리에서 나아가 실제 로봇을 지능적으로 제어하며, 생산 현장의 효율성을 극대화하는 차세대 기술로 주목받고 있습니다. 정부 역시 2030년까지 피지컬 AI 1등 국가로 도약하겠다는 비전을 내세우며 국가적 차원의 지원을 강화하고 있습니다. 하지만 로봇 제어 AI를 학습시키려면 방대한 데이터와 고성능 GPU 연산 환경이 필수적입니다. 자체 서버만으로는 늘어나는 데이터를 감당하기 어렵고, 학습 속도가 느려질수록 연구개발 주기가 길어져 경쟁력이 떨어지는 문제가 생깁니다.
테파로보틱스는 이러한 과제를 해결하기 위해 엘리스클라우드를 도입했습니다. 그 결과, 연구 속도를 300% 끌어올리며 피지컬 AI 상용화를 앞당기고 있습니다.

▲ 엘리스클라우드로 학습한 피지컬 AI를 산업용 로봇에 적용하고 있는 모습

테파로보틱스 소개와 도전 과제

테파로보틱스는 기존 산업용 로봇 자동화 방식이 안고 있던 한계를 해결하기 위해 설립된 기업입니다. 로봇 자동화의 핵심은 새로운 기술 도입보다는 자동화에 대한 투자 수익률, 즉 투자 대비 생산성을 얼마나 높일 수 있는가에 달려 있습니다. 이를 위해서는 다양한 물체와 상황을 안정적으로 처리하고, 유지보수와 공정 변경이 쉬워야 합니다. 그러나 기존의 산업용 로봇은 다양한 물체와 상황에 대응하기 어렵고, 공정 변경 시에 까다로운 재튜닝이 필요했습니다.
이 한계를 해결하기 위해 테파로보틱스는 가전, 자동차, 코스메틱 등 제조업 현장에 특화된 로봇 자동화 코드 라이브러리인 TLS(TEFA Low-code Solution)를 비롯해, Vision-Language-Action(VLA) 기반 피지컬 AI 제품을 개발하고 있습니다. VLA는 기존 로봇 제어 소프트웨어 제공 방식과는 달리, 고객이 언어 지시를 통해 손쉽게 AI를 제어하며 사용하는 방식이기에 유연성과 확장성이 매우 높습니다.
그러나 개발 과정에서 가장 큰 걸림돌은 데이터 학습 속도였습니다. 자체 보유한 A6000x8 서버는 학습 데이터가 누적되면서 한 번의 모델 학습에 일주일 이상이 걸리기 시작했습니다. 연구개발 사이클이 지나치게 길어지자, 테파로보틱스는 더 이상 온프레미스(On-premise) 서버만으로는 경쟁력을 유지하기 어렵다고 판단했습니다.

엘리스클라우드를 선택한 이유

테파로보틱스가 주목한 해법은 엘리스클라우드의 GPU 인프라였습니다. 엘리스클라우드는 글로벌 서비스 대비 가격이 저렴할 뿐만 아니라 R&D 과제 예산으로 사용 비용을 집행할 수 있었습니다. 스타트업 입장에서 초기 투자 리스크를 줄이면서도 고성능 인프라를 안정적으로 확보하는 것이 중요하기 때문에 도입을 결정하게 되었습니다.
클라우드 환경은 GPU를 직접 구매했을 때 발생할 수 있는 성능 리스크에서도 자유로웠습니다. 코드 최적화나 데이터 특성에 따라 실제 성능이 기대치에 미치지 못하는 경우가 많지만, 클라우드는 계약 기간을 유연하게 조정하며 다양한 GPU를 테스트하고 도입할 수 있습니다. 테파로보틱스는 약 1년간 엘리스클라우드의 H100x8을 활용해 실험을 진행하고 있으며, 향후에는 B200x8 클러스터로 확장할 계획입니다.

H100 서버로 연구 속도 300% 끌어올리다

엘리스클라우드를 도입한 이후 가장 큰 변화는 학습 속도의 비약적 개선이었습니다. H100x8 서버는 기존 A6000x8 서버 대비 300% 빠른 속도로 학습할 수 있어 연구개발 속도를 크게 끌어올렸습니다.
테파로보틱스는 VLA 모델 학습에 GPU 리소스를 활용했습니다. 80만 회 이상의 행동 데이터를 학습하는 과정에서, 기존에는 일주일 이상 걸리던 결과 확인이 단 2~3일로 단축되었습니다. 이로써 연구 사이클이 빨라졌고, 데이터 수집·파라미터 조정·실험 반복 과정이 더욱 원활해졌습니다.

▲ 피지컬 AI를 통해 200g 미만 소형 물체를 진공 그리퍼로 피킹하는 모습 (출처: TEFA Robotics Inc.)

연구 상황에 따라 필요한 GPU 자원을 유동적으로 조정할 수 있다는 점도 큰 강점으로 꼽힙니다. 자체 서버는 초기 투자 비용이 큰 데 비해 유동성이 떨어지지만, 클라우드를 활용하면 연구원의 수와 프로젝트 규모에 맞춰 최신 GPU를 적시에 공급할 수 있습니다. 덕분에 테파로보틱스는 불필요한 비용을 줄이고, 늘어나는 연구 수요에 유연하게 대응할 수 있었습니다.

1시간의 마이그레이션, 24시간 안정적인 운영

마이그레이션 과정도 매끄러웠습니다. 테파로보틱스는 기존에 도커(Docker) 기반으로 환경을 구성했기 때문에, 엘리스클라우드에서도 동일한 방식으로 즉시 활용할 수 있었습니다. 데이터 이동 시간을 제외하면 단 1시간 이내에 기존과 동일한 학습 환경을 구축할 수 있었고, 별도의 기술 지원 없이도 안정적으로 운영할 수 있었습니다. 현재 테파로보틱스는 GPU를 거의 상시 100% 활용하며 실험을 이어가고 있습니다.

테파로보틱스의 향후 계획

테파로보틱스는 앞으로 VLA 기반 산업용 로봇 제어 AI 상용화를 목표로 하고 있습니다. 단순한 흡착 그리퍼 피킹부터 복잡한 다지 그리퍼 정렬까지 점차 작업의 난이도를 높이며 데이터를 수집하고 있으며, 향후 1천만 회 이상의 에피소드 데이터를 확보하면 고객사의 다양한 문제를 손쉽게 해결할 수 있을 것으로 기대하고 있습니다.

“저희는 실제 라인에 도입될 수 있는 로봇 제어 AI를 만드는 것이 목표입니다. 이때 필요한 많은 양의 데이터를 처리하기 위해서는 지금보다 수십배 규모의 GPU를 필요로 할텐데요. 내년에는 엘리스클라우드의 B200x8로 이전을 계획하고 있습니다.”
-테파로보틱스 박정혁 대표이사

피지컬 AI 상용화, 엘리스클라우드가 함께합니다

피지컬 AI는 제조업의 미래를 바꾸는 핵심 기술이지만, 그 뒤에는 반드시 고성능 컴퓨팅 인프라가 뒷받침되어야 합니다. 테파로보틱스는 엘리스클라우드를 통해 연구 속도를 300% 끌어올리며, 스타트업도 대규모 GPU 인프라를 안정적이고 합리적으로 활용할 수 있음을 증명했습니다.
대규모 AI 학습을 위한 GPU 인프라, 지금 엘리스클라우드에서 경험해 보세요.

👉 엘리스클라우드 도입 문의하기