위성이 궤도에서 직접 지구를 읽는다 — Loft Orbital, NASA JPL에 'Gemma 3 우주 AI' 선정

'찍어서 내려보내는' 위성에서, '보고 판단하는' 위성으로

자, 핵심부터. Loft Orbital이 6월 23일, NASA 제트추진연구소(JPL)로부터 지구과학용 AI 소프트웨어를 '우주에서' 검증할 파트너로 선정됐어. 그냥 위성을 하나 더 쏜다는 얘기가 아니야. 위성이 궤도 위에서 직접 AI를 돌려 지구를 해석하는, '우주 AI'의 본격 검증 무대가 열린 거야.

배경엔 이미 증명된 한 방이 있어. Loft의 YAM-9 위성은 2026년 4월, 구글 딥마인드의 Gemma 3 비전-언어 모델(VLM)을 궤도에서 직접 실행했어. 엔비디아 Jetson Orin AGX 같은 온보드 프로세서 위에서 모델을 돌려, 위성이 스스로 "이건 자연환경과 인간 개발이 만나는 지점", "이건 철도 허브 주변 인프라" 같은 자연어 질의에 답하며 이미지를 분류했지. 사상 최초로, 위성이 원본 픽셀을 지상에 안 내려보내고도 '무엇을 봤는지'를 스스로 판단한 거야.

왜 이게 큰 뉴스냐. 지금까지 지구관측 위성은 '카메라'였어. 찍은 방대한 원본 데이터를 지상으로 통째로 내려보내면, 지상의 분석가와 컴퓨터가 그제야 들여다봤지. 그런데 위성이 궤도에서 직접 판단하면, 데이터 지연(latency)이 통째로 사라져. 산불·홍수 같은 재난이 '며칠 뒤 분석'이 아니라 '실시간 탐지'가 되는 거야. NASA JPL이 이걸 자기 AI 소프트웨어로 검증하겠다고 나선 건, 이 패러다임을 진지하게 보고 있다는 뜻이야.

그래서 오늘 풀 이야기는 이거야. Loft Orbital이 뭘 하는 회사고 YAM-9가 뭘 해냈는지, NASA JPL의 'NAVI-Orbital'이 무슨 소프트웨어인지, 위성이 직접 판단하면 뭐가 달라지는지, 그리고 이 흐름이 우주·AI 산업에 뭘 던지는지. 등장인물부터 잡자.

등장인물 — Loft Orbital, NASA JPL, 그리고 우주의 Gemma 3

먼저 Loft Orbital. '위성 인프라를 서비스처럼 빌려주는' 회사야. 직접 위성을 운영하면서, 고객이 자기 센서나 소프트웨어를 위성에 '탑재'해 우주에서 돌릴 수 있게 해줘. 쉽게 말하면 '우주의 클라우드 호스팅' 같은 거지. 고객은 위성을 처음부터 만들 필요 없이, Loft의 위성 위에 자기 임무 모듈만 올리면 돼. YAM-9가 바로 그 플랫폼 위성 중 하나야.

다음은 NASA JPL(제트추진연구소). 화성 탐사 로버부터 심우주 임무까지 맡아온, NASA의 대표 연구소야. 이번에 JPL이 들고 온 건 'NAVI-Orbital'이라는 소프트웨어인데, 핵심은 '위성이 직접 자연어 질의에 답하게' 만드는 제로샷 비전-언어 모델 기반 시스템이야. JPL은 이걸 실제 우주 환경에서 검증하고 싶었고, 그 검증대로 Loft의 인프라를 골랐어.

세 번째는 궤도 위의 Gemma 3. 구글 딥마인드의 경량 오픈 모델이야. 거대 클라우드 GPU가 아니라 위성에 실리는 작은 온보드 칩에서도 돌아갈 만큼 가볍다는 게 핵심이야. 무겁고 비싼 프런티어 모델이 아니라, '가벼워서 어디서든 돌아가는' 모델이 우주라는 극한 환경에서 진가를 발휘한 거지. 엣지 AI의 끝판왕이 우주인 셈이야.

이 셋의 관계를 한 문장으로 묶으면 이래. 우주 인프라를 빌려주는 회사(Loft)의 위성 위에서, 가벼운 AI 모델(Gemma 3)이 직접 돌며, NASA의 지구과학 소프트웨어(JPL의 NAVI-Orbital)를 우주에서 검증한다. 이게 이야기의 뼈대야.

한 가지 더 짚으면, 이 조합이 의미 있는 건 '세 가지가 다 남의 것일 수도 있었다'는 점이야. 위성은 Loft, 모델은 구글, 소프트웨어는 NASA — 서로 다른 주체의 기술이 한 위성 위에서 매끄럽게 맞물려 돌아갔어. 이건 우주 AI가 더 이상 한 거대 기관이 모든 걸 직접 만드는 영역이 아니라, '레고처럼 조립하는' 모듈형 생태계로 진화하고 있다는 신호야. 각자가 가장 잘하는 한 조각만 들고 와도 우주에서 작동하는 시스템을 만들 수 있다는 거지.

핵심 내용 — 무엇이 발표됐나

말로 풀면 흩어지니까, 확인된 사실을 표로 보자.

항목	내용
선정 발표	2026년 6월 23일, NASA JPL이 Loft Orbital 선정
검증 대상	JPL의 지구과학 AI 소프트웨어 'NAVI-Orbital'
플랫폼 위성	Loft Orbital YAM-9
선행 성과	2026년 4월, YAM-9에서 Gemma 3 VLM 궤도 실행 성공
온보드 하드웨어	엔비디아 Jetson Orin AGX급 프로세서
핵심 기능	자연어 질의로 위성이 직접 이미지 분류 (원본 픽셀 미전송)
비행 검증 시작	2026년 6월부터, 추가 배포는 2027~2028년
목표 적용	산불·홍수 등 재난의 실시간 탐지, 데이터 지연 제거

표를 한 줄씩 보자. 우선 '원본 픽셀을 안 내려보낸다'는 점이 결정적이야. 기존 위성은 찍은 모든 데이터를 지상으로 전송해야 했는데, 통신 대역폭이 한정돼 있어서 이게 늘 병목이었어. 위성이 궤도에서 직접 "이 장면은 홍수다"라고 판단하면, 방대한 원본 대신 '결론'만 내려보내면 돼. 대역폭과 시간을 동시에 아끼는, 발상의 전환이야.

두 번째로 '자연어 질의'라는 인터페이스가 혁신적이야. 예전엔 위성 이미지를 분류하려면 특정 객체마다 전용 모델을 따로 학습시켜야 했어. 그런데 NAVI-Orbital은 비전-언어 모델 기반이라, "철도 허브 주변 인프라를 찾아라" 같은 말로 된 질의를 위성이 그 자리에서 이해하고 답해. 사전에 안 배운 객체도 제로샷으로 찾아낸다는 게 핵심이야. 위성에 '눈'뿐 아니라 '말귀'까지 생긴 거지.

세 번째로 단계적 로드맵도 짚자. 비행 검증은 2026년 6월부터 시작하고, AI 탑재 위성에 대한 추가 배포는 2027~2028년에 이뤄질 예정이야. 그리고 지구 어디든 실시간으로 커버하려면 YAM-9 같은 위성이 50~100기 정도 필요하다는 게 Loft의 그림이야. 한 번의 성공 실험을 넘어, 위성 군집(constellation)으로 키우겠다는 장기 비전이 깔려 있어.

각자의 이득 — 누가 뭘 얻나

Loft Orbital의 이득부터 보자. 첫째, NASA JPL이라는 최고 권위의 레퍼런스를 확보했어. '우주 AI를 검증하려면 Loft의 인프라'라는 인식은, 다른 정부·기업 고객을 끌어들이는 강력한 명함이 돼. 둘째, '위성을 서비스로'라는 자기 비즈니스 모델의 결정적 증명이야. 고객이 자기 소프트웨어(NAVI-Orbital)를 Loft 위성에 올려 우주에서 돌렸다는 건, Loft가 약속한 '우주 호스팅'이 실제로 작동한다는 뜻이거든.

NASA JPL의 이득도 분명해. 자기 AI 소프트웨어를 실제 우주 환경에서, 위성을 처음부터 만들 필요 없이 빠르게 검증할 길을 얻었어. 재난 대응처럼 속도가 생명인 임무에서, 데이터 지연을 없애는 온보드 AI는 게임체인저야. 산불을 며칠 뒤가 아니라 발생 즉시 잡아낼 수 있다면, 그 가치는 돈으로 환산하기 어려워.

그리고 의외의 수혜자는 구글 딥마인드야. 자기 경량 모델 Gemma 3가 '우주에서도 돌아간다'는 건 엣지 AI의 극한 사례거든. 클라우드가 안 닿는 가장 먼 곳에서도 작동한다는 증명은, Gemma 같은 오픈·경량 모델의 활용처가 지상의 IoT·로봇을 넘어 우주까지 뻗는다는 강력한 마케팅이 돼. 무거운 프런티어 모델 경쟁과는 다른 축에서, '가벼움의 가치'를 입증한 거지.

과거 유사 사례 — 성공과 실패

엣지 AI가 '현장 판단'으로 판을 바꾼 사례는 지상에 이미 많아. 가장 가까운 건 자율주행차야. 차가 클라우드에 물어보고 답을 기다릴 시간이 없으니, 카메라가 본 걸 차 안에서 즉시 판단하지. 위성의 온보드 AI도 정확히 같은 논리야. 통신 지연이 치명적인 환경에선, '현장에서 바로 판단'이 유일한 답이 돼.

성공의 교과서는 데이터를 줄여서 가치를 키운 사례야. 모든 원본을 다 보내는 대신, 현장에서 의미 있는 것만 추려 보내면 대역폭·비용·시간이 동시에 줄어. 위성이 '홍수 발생'이라는 결론만 내려보내는 방식이 그 전형이고, 이게 통하면 위성 운영의 경제성이 통째로 바뀌어.

반대로 실패의 위험도 분명히 있어. 우주는 방사선·전력·발열 같은 제약이 극한이라, 지상에서 잘 돌던 모델이 궤도에서 안정적으로 동작한다는 보장이 없어. 또 위성이 스스로 판단한 결과가 틀렸을 때, 그걸 검증하고 교정하는 절차도 까다로워. YAM-9의 4월 실험이 '된다'를 보여줬다면, 이번 JPL 검증은 '얼마나 신뢰할 수 있나'를 묻는 진짜 시험대야.

경쟁자 카운터 플레이

전통적인 대형 위성·항공우주 기업들의 카운터는 '신뢰성과 규모'야. 이미 수많은 관측 위성을 운영해 온 이들은, 검증된 안정성과 방대한 데이터 자산을 무기로 'AI는 우리도 올린다'며 따라붙을 수 있어. 다만 Loft의 '서비스형 위성'처럼 빠르고 유연하게 고객 소프트웨어를 올리는 민첩성은 쉽게 흉내 내기 어려운 차별점이야.

다른 경량 모델 진영도 이 흐름을 본다면 우주·엣지 시장에 눈독을 들일 거야. Gemma 3가 궤도 실행의 첫 사례를 가져갔지만, Llama 계열이나 다른 오픈 경량 모델도 같은 자리를 노릴 수 있어. '가장 극한 환경에서 돌아가는 모델'이라는 타이틀은, 엣지 AI 경쟁의 강력한 깃발이 되거든.

그리고 클라우드 사업자들은 묘한 위치야. 위성이 직접 판단하면 '데이터를 다 내려받아 클라우드에서 분석'하는 수요 일부가 줄 수 있거든. 하지만 반대로, 위성이 추린 결론을 모으고 더 큰 분석을 돌리는 '지상 백엔드' 수요는 여전히 클라우드 몫이야. 결국 '현장 판단(위성)'과 '심층 분석(클라우드)'이 역할을 나누는 하이브리드로 가는 게 자연스러운 그림이야.

그래서 뭐가 달라지는데

재난 대응·공공 분야라면 이건 직접적인 희소식이야. 산불·홍수·지진 같은 재난을 위성이 실시간으로 탐지하면, 대응 시간이 며칠에서 분 단위로 줄어들 수 있어. 데이터를 기다리다 골든타임을 놓치던 구조가, '발생 즉시 경보'로 바뀔 잠재력이 있는 거지. 다만 신뢰성 검증이 끝나기 전까진 보조 수단으로 보는 게 안전해.

우주·AI 스타트업이라면 주목할 건 '진입 장벽이 낮아진다'는 점이야. 위성을 처음부터 만들지 않아도, Loft 같은 플랫폼에 자기 AI 소프트웨어만 올리면 우주에서 검증할 수 있어. '우주 = 거대 자본만의 영역'이라는 공식이 깨지고, 소프트웨어 중심의 작은 팀에게도 기회가 열리는 흐름이야.

일반 독자라면 이 뉴스의 의미는 'AI가 클라우드를 떠나 현장으로 간다'는 거야. 우리가 쓰는 AI는 보통 거대한 데이터센터에 있지만, 진짜 혁신은 종종 'AI가 가장 닿기 어려운 곳에서 스스로 판단할 때' 일어나. 위성이 궤도에서 지구를 읽는 이 장면이, 그 방향의 가장 극적인 예시야.

한 걸음 더 — '대역폭의 경제학'과 우주 엣지 AI

이 사건의 숨은 핵심은 '대역폭의 경제학'이야. 지구관측 위성의 가장 큰 비용·제약은 사실 카메라가 아니라 '내려보내기'야. 위성이 찍는 데이터는 어마어마한데, 궤도에서 지상국으로 보낼 수 있는 통신 대역폭은 한정돼 있고 비싸. 그래서 위성은 늘 '찍을 수 있는 것의 일부만 겨우 내려보내는' 병목에 시달려 왔어. 위성이 궤도에서 직접 판단해 '결론만' 보내면, 이 병목이 통째로 사라져. 같은 통신량으로 훨씬 많은 가치를 뽑아내는, 위성 경제성의 근본적 재설계인 거야.

여기서 Gemma 3 같은 경량 모델의 의미가 다시 보여. 우주는 전력·발열·방사선이라는 삼중 제약의 극한이야. 데이터센터처럼 수백 와트를 쓰는 GPU는 위성에 올릴 수 없고, 작은 온보드 칩에서 돌아가야 해. 그래서 '가장 똑똑한 모델'이 아니라 '제약 안에서 충분히 똑똑한 가벼운 모델'이 정답이 돼. 프런티어 모델 경쟁이 '크기와 성능'의 싸움이라면, 우주는 정반대로 '얼마나 작게 줄여도 쓸 만한가'의 싸움이고, Gemma 3가 그 첫 승전보를 올린 거지.

그리고 NASA JPL이 굳이 'Loft의 위성을 빌려' 검증한다는 점도 곱씹을 만해. 예전 같으면 JPL이 자체 위성을 설계·제작·발사하는 데만 수년과 막대한 예산이 들었어. 그런데 '서비스형 위성'에 자기 소프트웨어만 올리니, 검증 사이클이 수년에서 수개월로 줄어. 이건 우주 R&D의 속도 자체를 바꾸는 변화야. 하드웨어를 소유하는 시대에서, 우주 인프라를 '구독'하는 시대로 넘어가는 신호인 거지.

다만 이 모든 장밋빛 그림엔 '신뢰성'이라는 무거운 숙제가 깔려 있어. 위성이 스스로 '이건 홍수다'라고 판정했는데 틀렸다면, 그 오판을 지상에서 어떻게 잡아내고 교정하느냐가 핵심이야. 원본 픽셀을 안 보내는 게 효율의 핵심인데, 그러면 지상에서 재검증할 원본이 없다는 역설도 생겨. 그래서 이번 JPL 검증의 진짜 질문은 '되느냐'가 아니라 '얼마나 믿고 맡길 수 있느냐', 그리고 '틀렸을 때 어떻게 되돌리느냐'야. 우주 엣지 AI의 미래는 성능이 아니라 이 신뢰의 설계에서 갈릴 거야.

🥄 남은 궁금증 세 가지

— 위성이 직접 판단하면 틀릴 위험은 없어? 당연히 있어. 우주는 방사선·전력 제약이 극한이라, 지상에서 잘 돌던 모델도 궤도에선 흔들릴 수 있어. 그래서 이번 JPL 검증의 핵심이 '되느냐'가 아니라 '얼마나 믿을 만하냐'야. 신뢰성은 아직 검증 중이라 단정하긴 일러.

— 나랑 무슨 상관이야? 당장은 직접 상관없어. 다만 산불·홍수 같은 재난 경보가 빨라지면, 결국 우리 안전과 연결돼. 위성이 더 똑똑해지는 게 지상의 안전 시스템으로 돌아오는 구조야.

— 왜 거대 모델이 아니라 Gemma 3 같은 작은 모델이야? 위성에 실리는 칩은 데이터센터 GPU와 비교가 안 되게 작고 전력도 빠듯해. 그래서 '가벼워서 어디서든 돌아가는' 경량 모델이 정답이야. 우주에선 똑똑함보다 '돌아가느냐'가 먼저거든.

참고 자료

• Loft Orbital Selected by NASA's Jet Propulsion Laboratory to Deploy AI Software for Earth Science Applications — BusinessWire
• A satellite just learned to find things on its own — here's what that means — TechCrunch
• Satellite AI Inference Clears Orbit: Gemma 3 Ran Aboard YAM-9 in April — TechTimes
• Loft Orbital's YAM-9 Runs Google DeepMind's Gemma 3 Directly in Space — AlphaSignal
• NAVI-Orbital: First In-Orbit Demonstration of a Zero-Shot Vision-Language Model for Autonomous Earth Observation — arXiv

수치는 발표 시점 기준이라 바뀔 수 있어.