In physical AI, capital and technology
are concentrated on the robot's body and brain.
EdgeLink builds the lifecycle of the spaces
where robots will work: the Robot Working System.
From design to unmanned operation,
the whole span runs on the NVIDIA stack.
피지컬 AI 분야의 자본과 기술은
로봇 본체와 두뇌에 집중되어 있습니다.
엣지링크는 로봇이 일하게 될 공간의 생애주기,
곧 로봇 작업 체계(Robot Working System)를 만듭니다.
설계부터 무인 운용까지
전 구간이 NVIDIA 스택 위에서 구동됩니다.
Robots are not held back by a shortage of robots.
They are held back because no space is ready for them to work in.
로봇이 현장에 투입되지 못하는 이유는 로봇이 부족하기 때문이 아니라,
로봇이 일할 수 있도록 준비된 공간이 없기 때문입니다.
Capital and talent are concentrated on the robot's body and the foundation model. Investment and technology have not yet reached the work of preparing the spaces where robots will operate, so few spaces are ready for a robot to be deployed into.
자본과 인재는 로봇 본체와 파운데이션 모델에 집중되어 있습니다. 로봇이 일할 공간을 준비하는 영역에는 아직 투자와 기술이 충분히 미치지 못하여, 로봇을 투입할 수 있는 공간이 부족한 상황입니다.
Robot pathways, measurement points and edge de-identification routes are physical conditions set by concrete and piping. Adding them after commissioning costs far more in time and money, so the design stage is the most economical point to build them in.
로봇 동선, 계측점, 엣지 비식별 경로는 콘크리트와 배관에 따라 정해지는 물리 조건입니다. 준공 뒤에 보완하려면 비용과 시간이 크게 늘어나므로, 설계 단계에서 반영하는 것이 가장 경제적입니다.
Synthetic and crawled data make it hard to prove which cause produced which result. Only records verified in a real space become assets that robot training can use.
합성 데이터와 크롤링 데이터는 결과가 어떤 원인에서 비롯되었는지 입증하기 어렵습니다. 실제 공간에서 검증을 거친 기록만이 로봇 학습에 활용할 수 있는 자산이 됩니다.
Six functions cycle through three stages: Design, Setup and Operation.
Each function's output is the precondition for the next, and the operating data
of the last flows back into the design of the next space, closing the loop.
설계(Design), 설치(Setup), 운용(Operation)의 세 단계를 6개 기능이 순환합니다.
앞 기능의 산출물이 다음 기능의 성립 조건이 되고,
마지막 기능의 가동 데이터는 다음 공간의 설계로 환류되어 루프가 완결됩니다.
Generates layouts and evaluates capacity, feasibility and cost. What sets it apart from existing tools is that it generates the data-collection design alongside: measurement points and robot pathways. The output is exported as OpenUSD and carried straight into the twin. This is Design-for-Data.
배치안을 생성하고 수용량, 타당성, 비용을 검토합니다. 계측점 배치와 로봇 동선, 곧 데이터
수집 설계를 함께 생성한다는 점이 기존 도구와 다릅니다. 산출물은 OpenUSD로 출력해 트윈에
그대로 연계합니다.
이것이 Design-for-Data입니다.
Quantifies what a space actually does under maximum load. The GPU cluster itself becomes the controllable load source, instrumented through DCGM telemetry. These measured values are the reference for Real-to-Sim calibration.
최대 부하에서 공간이 실제로 어떻게 거동하는지를 수치화합니다. GPU 클러스터 자체가 제어 가능한 부하원이 되며, DCGM 텔레메트리로 계측합니다. 이 실측값이 Real-to-Sim 보정의 기준값이 됩니다.
A continuously synchronized digital twin on Omniverse DSX Blueprint, built on measured reference values rather than assumptions. This twin becomes the training environment for robot policies.
Omniverse DSX Blueprint 기반의 상시 동기화 디지털 트윈입니다. 가정값이 아니라 실측 기준값을 토대로 구성합니다. 이 트윈이 로봇 정책의 훈련 환경이 됩니다.
Attributes the cause of an operating incident and seals the evidence, so that what happened is recorded as proof rather than as a claim.
운영 중 발생한 사건의 원인을 귀속하고 증거를 봉인합니다. 발생 경위를 주장이 아니라 증명으로 남깁니다.
Telemetry from the running infrastructure labels whether a robot task succeeded, with no human annotation and no simulation. Only verified records enter the dataset, and de-identification happens at the edge, so raw footage never leaves the site.
가동 중인 인프라의 계측값으로 로봇 작업의 성공 여부를 판정합니다. 사람이 라벨을 붙이거나 시뮬레이션에 의존하지 않습니다. 검증을 통과한 기록만 자산으로 편입하며, 비식별 처리는 현장 엣지에서 수행합니다.
Robots trained on verified data carry out operation and maintenance of the space, and their operating data feeds back into the design of the next one. We do not build the robots; the bodies come from the ecosystem.
검증 데이터로 학습한 로봇이 공간의 운용과 유지보수를 수행하고, 그 가동 데이터는 다음 공간의 설계로 환류됩니다. 로봇 본체는 직접 만들지 않고 생태계에서 조달합니다.
AIDCAIDC
High-density equipment, heat and liability all call for operation without people on the floor.
고밀도 설비와 발열, 사고 책임이 모두 무인 운용을 요구합니다.
Construction & manufacturing건설·제조
The workforce is shrinking faster than the work is.
일감이 줄어드는 속도보다 인력이 줄어드는 속도가 더 빠릅니다.
Defense & hazardous facilities국방·위험시설
The cost of sending a person in cannot be expressed in money.
사람을 투입하는 비용을 금액으로 환산할 수 없습니다.
A twin demo built on DSX Blueprint, now being extended to the actual target building. An early adopter of NVIDIA's AI-factory digital twin standard, from the design stage rather than after commissioning.
DSX Blueprint 기반 트윈 데모를 구축했으며, 실제 대상 건물 버전으로 확장하고 있습니다.
NVIDIA의 AI 팩토리 디지털 트윈 표준을 설계 단계부터 채택한 초기 사례입니다.
Multi-instance performance validated in March 2026 with a partner company: four concurrent instances rendering a real factory scene at 38–50 fps on RTX 6000 Blackwell.
2026년 3월 파트너사와 공동으로 멀티 인스턴스 성능을 검증했습니다.
RTX 6000 Blackwell에서 4개 인스턴스를 동시 구동해 실제 공장 모델을 38~50fps로 렌더링했습니다.
The first space is specified at 3 racks (216 GPUs) with direct liquid cooling. Measurement points and the edge de-identification path are already in the design, which makes the facility itself the proving ground where the loop runs, function by function.
첫 실증 공간은 3랙 216 GPU, DLC 수냉 구성으로 설계되어 있습니다.
계측점과 엣지 비식별 경로가 설계에 반영되어 있어,
시설 자체가 루프를 순서대로 가동하는 실증장이 됩니다.
We follow NVIDIA's three-computer architecture (training, simulation, execution) exactly as it is defined.
Our product is the layer that runs all three as one lifecycle loop around a real space.
And the boundary is the same one NVIDIA draws: we do not build robots.
NVIDIA가 정의한 3-컴퓨터 아키텍처(훈련, 시뮬레이션, 수행)를 그대로 따릅니다.
세 컴퓨터를 하나의 공간 생애주기 루프로 운영하는 계층이 엣지링크의 제품입니다.
사업 경계도 NVIDIA와 동일합니다. 엣지링크는 로봇을 만들지 않습니다.
EdgeLink is responsible for the design and the data-collection master plan
of a commercial facility being built in Seoul.
It is the first space where the Design-for-Data principle was applied to actual drawings.
The measurements it produces become the reference values
for judging whether a robot task succeeded, and that method has been filed as a patent.
엣지링크는 서울에 조성되는 상업 시설의 설계와 데이터 수집 기본계획을 담당합니다.
Design-for-Data 원칙을 실제 설계 도면에 적용한 최초의 공간입니다.
여기서 산출되는 계측값은 로봇 작업의 성공 여부를 판정하는 기준값이 됩니다.
이 방법은 특허로 출원했습니다.
216 GPUs, direct liquid cooling. Target operation 2027.
216 GPU, DLC 수냉 구성이며 2027년 가동을 목표로 합니다.
Power, cooling and environment, fixed at the design stage rather than after commissioning.
전력, 냉각, 환경 계측점을 준공 뒤가 아니라 설계 단계에서 확정했습니다.
Camera to edge processing to disposal of the original, inside the server room design.
카메라 입력부터 엣지 처리와 원본 폐기까지 서버룸 설계에 포함했습니다.
The environment layer can only be built by people who know spaces.
All three trained in the same place: architecture at Seoul National University.
environment 계층은 공간을 아는 팀만이 구축할 수 있습니다.
구성원 세 명 모두 서울대학교 건축학과 출신입니다.
Edgelink Inc. founded in Seoul, Korea.
엣지링크 주식회사 설립.
Isaac Sim multi-instance validation with a partner: 4 concurrent instances, 38–50 fps on RTX 6000 Blackwell.
Isaac Sim 멀티 인스턴스 검증. 파트너사와 공동, 4개 인스턴스 동시 구동, RTX 6000 Blackwell에서 38~50fps.
First patent filed on robot training-data generation (KR 10-2026-0142457); a causal-attribution filing is in preparation.
첫 특허 출원. 로봇 학습 데이터 생성(KR 10-2026-0142457). 원인 귀속 특허 1건은 출원 준비 중입니다.
SIM engine demonstrated internally, DSX Blueprint twin demo built, first-space data-collection design fixed in the drawings.
SIM 엔진 사내 실증, DSX Blueprint 트윈 데모 구축. 실증 공간의 데이터 수집 설계를 도면에 확정했습니다.
First space in operation (target): 3× GB300 NVL72, 216 GPUs, direct liquid cooling, Seoul. The loop starts turning.
첫 실증 공간 가동 목표. 서울, GB300 NVL72 3랙, 216 GPU, DLC 수냉. 이 시점부터 루프가 가동됩니다.
EdgeLink works with robot makers, foundation-model teams and facility owners
who need a space that is ready for robots to work in.
We collaborate with Seoul National University on robotics and data research.
로봇이 일할 공간이 필요한 로봇 제조사, 파운데이션 모델 팀, 시설 소유자와 협업합니다.
로보틱스와 데이터 연구는 서울대학교와 공동으로 추진하고 있습니다.
