Pi API는 로봇 파운데이션 모델의 미세 조정과 추론을 호스팅 서비스로 바꿨습니다. 2026년 10월 13일 Physical Intelligence는 공식 블로그를 통해 Pi API 베타 시작을 알렸습니다. 개발자는 자기 로봇 데이터를 올리고, Physical Intelligence가 관리하는 연산 자원과 인프라 위에서 미세 조정을 실행한 뒤, 호스팅 게이트웨이를 통해 조정된 모델로 자기 로봇에서 추론을 돌립니다. 평가 데이터는 다음 반복의 길잡이가 됩니다. 신청 창구는 열렸고, 무엇을 만들고 싶은지 설명해야 합니다.
덜어내는 부분이 정확히 로봇 팀이 가장 부족한 대목이다
pi0와 pi0.5 같은 범용 로봇 파운데이션 모델의 약속은 새 작업과 환경, 기체에 적응하는 데 드는 데이터와 노력을 줄이는 것이었습니다. 하지만 '줄어드는 것'과 '사라지는 것'은 다릅니다. 자기 로봇에 파운데이션 모델을 올리려면 여전히 기계학습 인프라와 연산 자원, 복잡한 데이터 파이프라인이 필요하고, 바로 이 부분이 대부분의 로봇 회사가 가장 약한 지점입니다. Pi API의 방식은 대형 모델 호스팅 추론과 같은 논리로, 가장 무겁고 차별화로 이어지지도 않는 엔지니어링을 걷어내고 데이터 업로드, 미세 조정 시작, 추론 호출이라는 세 가지 동작만 남깁니다. 회사에 따르면 API로 제공되는 최신 모델은 미세 조정 때 데이터를 더 적게 쓰면서 성능이 좋아졌고, 기반 모델을 빠르게 교체할 수 있어 이후 모델도 같은 입구로 계속 열릴 예정입니다.
초기 고객들은 이미 실제 현장에서 돌리고 있다
실험실 시연이 아니라는 것을 보이기 위해 Physical Intelligence는 초기 파트너들의 진전을 공개했습니다. Actor는 자율 중장비에 적용해, 무인 휠로더가 실제 상업 운용에서 자재를 퍼서 덤프트럭에 싣습니다. 운전석에는 작업자가 없습니다. Almond의 양팔 로봇 Axol은 API로 나흘간 반복한 끝에 자기 조립에 쓰이는 스페이서의 디버링을 시작했는데, 목표는 Axol이 스스로를 만드는 일에 참여하는 것입니다. 도입 지역은 일본과 스위스, 미국 곳곳에 걸쳐 있고 대부분 클라우드 호스팅 추론으로 돌았으며, 일부 현장에서는 네트워크 연결 문제가 있었다는 점도 회사는 솔직히 밝혔습니다. 사례들의 공통점은 작업 자체가 아니라 반복 방식입니다. 시연을 모으고, 학습하고, 실기에서 시험하고, 실패를 보고 다음에 모을 데이터를 정하는 이 순환은 예전에는 전담 팀이 있어야 가능했습니다.
넓게 보면 의미는 한 회사의 제품 추가에 그치지 않습니다. 로봇 파운데이션 모델은 그동안 논문과 시연 영상, 공개 가중치가 중심이었고, 가중치를 손에 넣어도 돌릴 수 있다는 보장은 없었습니다. 호스팅 미세 조정과 호스팅 추론이 갖춰지면 경쟁의 병목은 '인프라 팀이 있는가'에서 '좋은 작업 데이터가 있는가'로 옮겨갑니다. 공개되지 않은 부분도 그만큼 중요합니다. 가격과 지연 지표, 정식 출시 시점은 발표에 없고, 지연에 민감한 장면에서 클라우드 추론으로 충분한지는 더 많은 팀이 실제 환경에서 검증해야 알 수 있습니다. Google이 Gemini Robotics ER 2처럼 자기 생태계 안에 모델을 넣는 길을 가는 반면, Physical Intelligence는 '서비스로서의 모델'에 걸었습니다. 어느 길이 먼저 돈을 내는 로봇 고객을 만들지는 앞으로 1년 안에 드러날 것입니다.
