흙먼지 속으로 들어간 AI… 캐터필러와 만난 엔비디아

미국 건설·광산 장비 업체 캐터필러(Caterpillar Inc)가 AI를 앞세워 장비 사업의 방향을 바꾸고 있다. 캐터필러는 2026년 1월 7일 미국 라스베이거스에서 열린 CES 2026에서 엔비디아와의 협력을 통해 중형 미니 굴삭기 ‘Cat 306 CR’에 AI 보조 시스템을 적용하는 시범 프로젝트를 공개했다.  

(사진 출처: 캐터필러 홈페이지)

굴삭기 운전석 안에서 작업자가 음성으로 질문하면 장비 상태와 안전 정보, 정비 일정까지 바로 안내하는 방식이다. 어떻게 보면 고급 승용차의 옵션과 비슷한 첨단 기능 추가처럼 보이지만, 이 협업의 핵심은 캐터필러가 장비를 파는 회사에서 현장 데이터를 다루는 회사로 이동하고 있다는 부분이다.

캐터필러는 전통적으로 굴삭기와 불도저, 대형 덤프트럭을 판매해 왔지만 수익 구조는 의외로 장비 판매에만 머물지 않는다. 

장비가 현장에 깔린 이후 수십 년 동안 이어지는 정비 계약, 부품 교체, 금융 리스, 보험 서비스가 주요 수익원이다. 이 구조에서 가장 중요한 변수는 장비가 멈추지 않고 얼마나 오래 돌아가느냐다. 광산이나 대형 토목 현장에서는 장비 한 대가 멈추는 순간 비용 손실이 바로 숫자로 드러난다.

캐터필러가 AI에 주목하는 이유도 여기에 있다. 사고 가능성을 미리 줄이고 고장을 예측해 정비 시점을 조정하면서 작업 효율을 높이면 고객의 비용이 줄어들고 그만큼 캐터필러의 서비스 매출은 늘어난다.

이 과정에서 캐터필러가 손을 내민 상대가 엔비디아다. 엔비디아는 GPU로 알려진 회사지만 최근에는 ‘피지컬 AI’라는 개념을 전면에 내세우고 있다. 

피지컬 AI는 실제 물리 세계에서 움직이는 기계와 장비를 다루는 인공지능을 뜻한다. 굴삭기나 덤프트럭처럼 현장에서 바로 반응해야 하는 장비는 인터넷을 거쳐 클라우드 서버에 물어볼 시간이 없다. 장비 안에서 즉시 판단해야 한다. 

엔비디아가 제공한 Jetson Thor는 이런 환경을 겨냥한 소형 고성능 AI 컴퓨팅 플랫폼으로, 굴삭기 운전석 안에서도 AI를 직접 구동할 수 있도록 설계됐다.

캐터필러가 공개한 ‘Cat AI Assistant’는 여러 개의 AI 에이전트가 협력하는 형태로 구성됐다. 작업 중 궁금한 점을 물으면 장비 매뉴얼을 뒤지는 대신 음성으로 바로 답을 듣고 위험한 조작이 감지되면 경고를 준다. 

정비 주기가 다가오면 서비스 예약까지 연결된다. 캐터필러는 이미 광산 분야에서 완전 자율 주행 덤프트럭을 운용해 온 만큼, 건설 장비로 자동화 범위를 넓히는 것은 시간 문제로 여겨졌다. 이번 시범 사업은 그 다음 단계를 시험하는 성격이 강하다.

또 하나의 축은 디지털 트윈이다. 캐터필러는 엔비디아의 시뮬레이션 플랫폼인 NVIDIA Omniverse를 활용해 실제 공사 현장을 가상 공간에 그대로 복제하고 있다. 

디지털 트윈은 현실의 복사본이라고 보면 이해하기 쉽다. 장비 배치, 작업 순서, 자재 이동 경로를 가상 공간에서 미리 돌려보며 어느 지점에서 병목이 생기는지 확인한다. 캐터필러 장비는 초당 수천 건의 데이터를 본사로 보내고 있으며, 이 데이터가 쌓일수록 시뮬레이션은 현실에 가까워진다. 

결과적으로 공기 지연과 자재 낭비를 줄이는 데 활용할 수 있다. 이 협업은 그 동안 고착되어 왔던 캐터필러의 매출 구조를 바꾸는 데도 영향을 미친다. 장비 가격 경쟁에서 벗어나 데이터 기반 서비스와 장기 계약 비중을 높일 수 있기 때문이다. 

고객 입장에서는 장비를 사는 비용보다 운영 비용을 줄이는 효과가 크고 캐터필러는 장비가 현장에 있는 한 지속적인 수익을 확보할 수 있다. AI는 이 연결고리를 강화하는 도구다.

엔비디아 역시 이번 협업을 통해 또 다른 수익 경로를 갖고 있다. 장비에 탑재되는 엣지 AI 칩과 소프트웨어 플랫폼을 판매하고, 디지털 트윈 구축을 위한 시뮬레이션 라이선스와 개발 도구를 공급한다. 여기에 AI 모델 학습과 업데이트에 필요한 데이터센터용 GPU까지 자연스럽게 파이프라인을 확장할 수 있다. 캐터필러 장비가 늘어날수록 엔비디아의 하드웨어와 소프트웨어가 함께 설치되는 방식이다.

이번 협업은 산업 현장의 돈 버는 방식을 바꾸는 일종의 실험이다. 특히 흙먼지와 소음이 가득한 건설 현장에서 AI가 어떻게 작동할 수 있으며 그 데이터가 어떻게 수익으로 이어지는지를 살펴보기 위한 실험으로 보인다.