철도의 미래가 '더 빠른 이동'과 '더 똑똑한 운영'이라는 두 갈래에서 동시에 달리고 있다. 한쪽에서는 진공에 가까운 튜브 안에서 자기부상 열차를 달리게 하는 하이퍼튜브가 시속 1200㎞의 가능성을 시험하고, 다른 한쪽에서는 인공지능(AI)이 철도차량의 설계와 제작, 운행, 정비 전 과정을 연결하는 '피지컬 AI' 철도가 현실로 다가오고 있다. 26일 서울 강남구 코엑스에서 열린 '2026 국토교통기술대전' 마지막 날 전략기술세미나에서는 민재홍 한국철도기술연구원 하이퍼튜브연구단장과 이원상 현대로템 최고기술책임자(CTO·상무)가 각각 '철도 기술의 비전과 미래', '철도 모빌리티 분야 AX 및 피지컬 AI 활용'을 주제로 발표했다. 민 단장은 하이퍼튜브를 “철도 속도의 물리적 한계를 넘어서는 차세대 교통수단"으로 소개했다. 하이퍼튜브는 진공에 가까운 튜브 안에서 차량을 자기부상 방식으로 띄우고 선형모터로 추진하는 개념이다. 바퀴와 레일의 마찰, 공기저항을 크게 줄여 기존 고속철도보다 훨씬 높은 속도를 목표로 한다. 기존 철도는 속도가 높아질수록 공기저항이 급격히 커지는 구조다. 특히 공기저항은 속도의 세제곱에 비례해 증가하는 만큼, 시속 350~400㎞를 넘어서는 구간부터는 속도 향상보다 에너지 부담이 더 커질 수 있다. 하이퍼튜브는 공기 밀도를 낮춘 튜브와 자기부상 기술을 결합해 이 한계를 넘겠다는 구상이다. 철도연은 축소형 시험 장치에서 시속 1200㎞ 수준의 주행을 구현한 바 있다. 이를 통해 아진공 환경에서도 공기 압축에 따른 속도 한계가 절대적이지 않다는 점을 실험적으로 확인했다는 설명이다. 현재는 오송 시험선에 180m 규모의 하이퍼튜브 시험선을 구축 중이다. 기존 자기부상열차 시험선로를 개조해 추진과 부상 성능을 검증하는 시설로 활용하며, 올해 10월부터 추진 성능 시험을 시작할 계획이다. 민 단장은 “하이퍼튜브는 단순히 빠른 열차를 만드는 기술이 아니라, 속도와 에너지 효율, 승차감, 안전성, 경제성을 동시에 풀어야 하는 복합 시스템"이라며 “시험선 구축과 함께 실제 운행 모델의 건설비·운영비를 분석해 상용화 가능한 구조를 만들어야 한다"고 말했다. 철도연은 향후 시험 결과를 토대로 실용화 모델과 운영 개념을 재정립할 방침이다. 단순히 더 긴 시험선을 만드는 데 그치지 않고, 수요와 노선, 차량 크기, 운행 방식, 건설·운영 비용을 함께 따져 경제성을 확보하겠다는 구상이다. 현대로템은 AI 전환의 무대를 열차 자체로 확장했다. 피지컬 AI는 로봇만을 뜻하는 개념이 아니라, 물리 법칙이 작동하는 실제 공간에서 데이터를 수집하고 AI가 이를 분석해 예측·판단·제어까지 수행하는 체계를 의미한다. 철도차량은 달리는 동안 진동과 온도, 마모, 전력 사용량 등 방대한 데이터를 만들어내는 만큼 피지컬 AI를 적용할 수 있는 대표적 산업 장비라는 설명이다. 이원상 현대로템 CTO는 “철도 모빌리티의 AX는 단순히 AI 기능 하나를 붙이는 문제가 아니라 설계와 제작, 운행, 유지보수까지 전 생애주기를 데이터로 연결하는 일"이라며 “철도차량 자체가 피지컬 AI의 핵심 적용 대상이 될 수 있다"고 말했다. 현대로템은 우선 사내 업무 자동화 분야에서 AI 적용을 확대하고 있다. 철도차량 수출 과정에서 필요한 기술문서 번역, 부품목록 작성, 도면 검토, 기술 변경사항 비교 등 반복 업무에 AI를 적용하는 방식이다. 특히 철도차량 부품 카탈로그 작성은 기존에 프로젝트당 수개월이 걸리던 작업이지만, AI를 활용하면 수주 단위로 줄일 수 있다는 설명이다. 방대한 도면과 부품 데이터를 사람이 수작업으로 정리하는 대신 AI가 부품번호를 기반으로 형상과 도면, 관련 정보를 연결하는 구조다. 디지털트윈도 제조 현장에 깊숙이 들어오고 있다. 현대로템은 차량 설계 데이터와 생산설비, 조립 순서, 작업자 동선, 지그와 치구 정보를 가상공장에 구현해 실제 제작 전에 공정을 시뮬레이션하고 있다. 조립 과정에서 발생할 수 있는 간섭과 작업 순서 문제, 로봇 동선 등을 미리 찾아내 공정 지연과 재작업을 줄이기 위한 것이다. 이 CTO는 “예전에는 차량 3차원 모델을 화면에 띄우는 데만 오랜 시간이 걸렸지만, GPU 성능 향상으로 이제는 복잡한 철도차량 모델도 실시간에 가깝게 구현하고 시뮬레이션할 수 있게 됐다"며 “설계와 제작, 운영 데이터를 하나로 연결하는 기반이 마련되고 있다"고 말했다. 현대로템은 AI 기반 상태기반 유지보수(CBM) 기술도 고도화하고 있다. 차량과 인프라에 부착한 센서가 진동, 온도, 마모 등 상태 데이터를 실시간 수집하고, 이를 엣지컴퓨팅과 통신망을 통해 분석해 고장을 예측하는 방식이다. 사람이 정기적으로 차량 지붕이나 하부에 올라가 판토그래프와 대차 상태를 직접 점검하던 방식에서 벗어나, 카메라와 3차원 스캐너가 자동으로 상태를 확인하고 AI가 이상 징후를 판별하는 체계를 구축하는 것이 목표다. 서울교통공사 9호선에서는 카메라와 3D 스캐너를 활용해 차량 부품 상태를 자동 점검하는 기술을 실증하고 있다. 차량이 검사 설비를 통과하면 AI가 마모와 변형 여부를 분석하고, 문제 발생 가능성과 유지보수 필요 시점을 판단하는 방식이다. 트램 분야에서는 자율주행 기술과 AI 관제가 결합된다. 일반 철도와 달리 트램은 도로 위에서 자동차와 보행자, 자전거 등과 함께 움직여야 하는 만큼 카메라와 라이다, 레이더를 활용해 선로 주변 위험 요소를 실시간 인식해야 한다. 현대로템은 선로 위 장애물과 보행자, 차량을 감지하고 정밀 정차를 지원하는 기술을 개발 중이다. 교차로 신호체계와 연계해 트램에 우선신호를 부여하면 표정속도를 크게 높일 수 있다는 설명도 나왔다. 이 CTO는 “피지컬 AI는 특정 로봇이나 단일 장비의 문제가 아니라, 실제 물리 세계의 복잡한 시스템을 이해하고 예측하며 피드백을 통해 다음 단계로 고도화하는 AI"라며 “철도는 설계·제조·운영·유지보수 전반에서 이를 적용할 수 있는 산업"이라고 강조했다. 하이퍼튜브가 '시속 1000㎞ 시대'라는 철도의 지평을 넓히는 기술이라면, AX와 피지컬 AI는 지금의 철도를 더 안전하고 효율적으로 움직이게 하는 기술이다. 하나는 미래의 속도를 향하고, 다른 하나는 현재의 철도를 학습시키고 있다. 결국 두 기술은 철도가 단순한 운송수단을 넘어 스스로 상태를 읽고, 위험을 예측하며, 더 멀리 달리는 지능형 인프라로 바뀌는 길목에서 만난다. 장혜원 기자 dalgu@ekn.kr