본문으로 건너뛰기
피드

AI가 화면 밖으로 나왔다, 인간형 로봇 공장 투입이 본격화되는 중

ai-ml 약 8분
vote
0
댓글
북마크

챗봇과 이미지 생성 중심이던 AI 투자 열기가 로봇, 자율주행, 물류 자동화 같은 현실 세계로 옮겨가고 있다는 분석이 나왔다. 2026년 상반기 로봇 기업 투자액은 558억 달러로 이미 전년도 연간 기록의 거의 두 배에 달했고, BMW·토요타·아마존·테슬라·엔비디아가 전면에 서 있다.

  • 1

    2026년 상반기 로봇 기업 투자 유치액이 558억 달러로 급증함

  • 2

    Figure AI 로봇은 BMW 조립라인에서 X3 3만 대 이상 생산에 기여했고 부품 배치 정확도 99% 이상을 기록함

  • 3

    아마존은 물류 네트워크에서 100만 대째 로봇을 가동했고 DeepFleet 모델로 이동 효율을 10% 높임

  • 4

    테슬라는 모델S·모델X 생산을 접고 프리몬트 공장을 옵티머스 로봇 생산 기지로 전환함

  • 5

    UBS는 2050년 인간형 로봇 3억 대 시대를, 골드만삭스는 2035년 시장 규모 2050억 달러를 전망함

AI가 드디어 화면 밖으로 나오는 중

  • 이번 기사의 핵심은 간단함. 생성형 AI 다음 전장이 챗봇이 아니라 공장, 물류센터, 자동차 조립라인으로 이동하고 있다는 것임.

    • 포브스에 글을 쓴 미래학자 버나드 마르는 이를 두고 “AI가 드디어 화면을 벗어났다”는 식으로 봄.
    • 여기서 말하는 피지컬 AI(Physical AI)는 텍스트를 생성하는 AI가 아니라, 로봇과 기계가 현실 세계에서 움직이고 판단하게 만드는 AI를 뜻함.
  • 돈의 흐름도 꽤 노골적임. 2026년 상반기 로봇 기업들이 끌어모은 투자금이 558억 달러, 한화로 약 84조 원 수준임.

    • 시장조사업체 Dealroom 기준으로 전년도 연간 기록의 거의 두 배에 해당함.
    • “로봇이 언젠가 오겠지”가 아니라, 이미 자본시장은 다음 사이클로 찍고 들어간 분위기임.

중요

> 2026년 상반기 로봇 투자액 558억 달러는 단순한 기대감 수준을 넘어선 숫자임. 생성형 AI 인프라 다음으로 자본이 어디를 보고 있는지 꽤 선명하게 보여줌.

공장과 물류센터에는 이미 들어가 있음

  • Figure AI의 인간형 로봇은 BMW 사우스캐롤라이나 조립라인에 투입돼 X3 생산에 실제로 기여함.

    • 기사에 따르면 X3 차종 3만 대 이상 생산에 관여했고, 부품 배치 정확도는 99% 이상을 기록함.
    • 인간형 로봇이 데모 영상용 장난감이 아니라 반복 작업과 조립 보조 영역에서 실험 단계를 넘어가고 있다는 신호임.
  • Agility Robotics의 Digit도 토요타 캐나다 우드스톡 공장에서 RAV4 물류를 지원하고 있음.

    • 최소 7대 이상의 Digit 로봇이 투입됐고, 계약 형태는 서비스형 로봇(RaaS)임.
    • 기업 입장에서는 로봇을 한 번에 대량 구매하는 대신 서비스처럼 도입해 리스크를 줄이는 방식이라 확산 속도가 빨라질 수 있음.
  • 아마존은 이미 스케일이 다른 얘기를 하고 있음. 물류 네트워크에서 100만 대째 로봇을 가동했다고 밝힘.

    • 자체 개발한 DeepFleet AI 모델이 이 로봇 군단의 움직임을 조율함.
    • 이동 효율은 10% 개선됐다고 하는데, 물류에서는 이 정도 개선도 비용으로 환산하면 엄청난 차이가 남.

테슬라와 보스턴 다이내믹스도 제조 쪽으로 방향을 틀고 있음

  • 테슬라는 더 상징적인 선택을 함. 14년 동안 만들던 모델S와 모델X 생산을 끝내고 프리몬트 공장을 옵티머스 인간형 로봇 생산 기지로 바꾸겠다고 발표함.

    • 일론 머스크는 이를 “자율성에 기반한 미래”로 설명함.
    • 옵티머스 V3는 7~8월 대량 생산에 들어갈 예정이고, 37개 관절과 초속 1.2m 보행 속도를 갖춘 것으로 소개됨.
    • 목표 시장도 산업용에만 묶지 않고 가정용까지 같이 보고 있음.
  • Figure AI도 양산 쪽 속도를 올리는 중임. 새 공장 BotQ에서 시간당 로봇 1대 생산 속도로 Figure 03을 만들기 시작함.

    • 로봇 업계에서 진짜 어려운 건 멋진 프로토타입보다 안정적인 양산임.
    • 그래서 “시간당 1대” 같은 수치가 꽤 중요함. 영상보다 제조 능력을 봐야 하는 단계로 넘어왔다는 얘기라서임.
  • 보스턴 다이내믹스의 전동형 Atlas도 첫 양산분이 현대자동차그룹과 DeepMind로 출하되기 시작함.

    • 현대차는 미국 조지아주 Metaplant America에 Atlas를 시범 투입했음.
    • 목표는 2028년 전기차 조립을 전면 지원하는 것이고, 연간 생산 규모는 3만 대로 계획돼 있음.

엔비디아와 소프트뱅크가 보는 다음 파도

  • 엔비디아 젠슨 황은 피지컬 AI를 “생성형 AI를 넘어서는 다음 대형 물결”로 봄.

    • 엔비디아는 지난 3월 GTC에서 로봇 두뇌 개발사와 산업 자동화 기업 110곳과의 협력을 발표함.
    • 인간형 로봇 분야에만 200억 달러, 한화 약 30조 원이 투자됐다는 점도 강조함.
  • 소프트뱅크도 이 판에 크게 들어옴. ABB 로보틱스 부문을 54억 달러, 약 8조 2085억 원에 인수함.

    • 손정의 CEO는 인간형 로봇, 산업용 로봇, 그리고 그 중심의 피지컬 AI에서 “다음 수조 달러 기회”가 나온다고 봄.
    • 예전의 PC, 스마트폰 같은 플랫폼 전환을 로봇에서 다시 보겠다는 시각임.
  • 독일 Neura Robotics도 대형 투자를 받음. 아마존, 엔비디아, 유럽투자은행 등이 참여한 투자 규모가 최대 14억 달러임.

    • 기업가치는 70억 달러, 약 10조 6379억 원으로 평가됨.
    • 로봇 스타트업이 단순 연구개발 회사가 아니라 대형 산업 인프라 플레이어로 평가받기 시작했다는 의미가 있음.

그래도 아직 넘어야 할 벽은 많음

  • 기업들의 관심은 이미 높음. Capgemini 조사에서는 대상 기업의 79%가 피지컬 AI를 도입했거나 검토 중이라고 나옴.

    • 경영진의 67%는 이를 핵심 전략으로 분류함.
    • 즉 “재미있는 실험”이 아니라 경영 의사결정 테이블에 올라온 주제라는 얘기임.
  • 하지만 현실 로봇은 소프트웨어보다 훨씬 빡셈. 배터리, 신뢰성, 안전 기준, 하드웨어 비용이 다 발목을 잡음.

    • 챗봇은 틀려도 다시 답하면 되지만, 공장 로봇이 틀리면 장비 파손이나 작업자 안전 문제로 바로 이어짐.
    • 그래서 피지컬 AI는 모델 성능뿐 아니라 센서, 제어, 시뮬레이션, 안전 인증, 운영 유지보수까지 같이 봐야 함.
  • 전망치는 꽤 공격적임. UBS는 2035년까지 인간형 로봇 200만 대가 산업 현장에 들어가고, 2050년에는 3억 대로 늘어날 것으로 봄.

    • 골드만삭스는 2035년 관련 시장 규모를 2050억 달러, 약 311조 원으로 추산함.
    • 증권가에서는 이 흐름을 PC, 스마트폰에 이은 세 번째 기술 대전환으로 읽는 분위기임.
  • 한국 개발자 입장에서 이 뉴스가 중요한 이유는 로봇이 결국 소프트웨어 문제이기도 하기 때문임.

    • 로봇 운영에는 컴퓨터 비전, 강화학습, 엣지 추론, 시뮬레이션, 로봇 운영체제, 관제 시스템, 안전 모니터링이 다 엮임.
    • 제조와 물류가 강한 한국 산업 구조를 생각하면, 피지컬 AI는 해외 빅테크 뉴스로만 보기엔 너무 가까운 주제임.

생성형 AI가 소프트웨어 생산성을 흔들었다면, 피지컬 AI는 공장·물류·제조 라인을 직접 건드리는 흐름임. 한국 개발자 입장에서도 로봇 제어, 시뮬레이션, 엣지 AI, 안전 시스템 쪽 수요가 커질 가능성을 봐야 할 타이밍임.

댓글

댓글

댓글을 불러오는 중...

ai-ml

플랜바이, 건축 설계 AI 자동화 들고 북미 AEC 시장 공략

플랜바이테크놀로지스가 AIA 컨퍼런스 온 아키텍처 & 디자인 2026에서 건축 시각화 플랫폼 플라나와 외관 설계 워크플로우 플랫폼 플래드를 북미 시장에 공개한다. 클라우드 AI 렌더링, 노드 기반 설계, 위성 지도 연동을 앞세워 반복 시안 작업과 고비용 렌더링 문제를 줄이겠다는 그림이다.

ai-ml

AI 인프라 사이클, 한국은 이제 ‘모델’보다 ‘공장’을 봐야 한다

AI 투자는 단순한 서버 증설이 아니라 지능·추론·코딩 비용을 낮추는 새 생산함수에 대한 설비투자로 봐야 한다는 분석이다. 미국 중심으로 시작된 GPU·데이터센터 투자 사이클이 한국에서는 HBM, 전력·냉각, 통신, 클라우드, SI, 로봇·자동화까지 확장될 수 있다는 게 핵심이다. 다만 실제 투자 사이클로 인정받으려면 전력 수전, GPU 조달, 앵커 테넌트 확보가 확인돼야 한다.

ai-ml

비즈니스 AI, 결국 승부는 모델보다 데이터 품질

생성형 AI를 업무에 쓰려면 프롬프트만 잘 쓰는 걸로는 부족하고, AI가 참고하는 데이터의 품질과 범위를 관리해야 한다는 내용이다. 최신 반도체, 서버, 알고리즘보다 먼저 봐야 할 건 AI가 무엇을 학습하고 어떤 맥락을 보고 답하는지라는 점을 짚는다.

ai-ml

어렵던 블록체인, 이제 AI 비서가 붙는 중

블록체인은 관심도 면에서 AI에 밀린 것처럼 보이지만, 디지털 자산의 보유와 이전을 기록하는 인프라 역할은 여전히 남아 있어. 문제는 지갑, 시드 문구, 서명, 수수료 같은 사용 경험이 너무 어렵다는 점이고, AI가 이 복잡한 절차를 사람 말로 풀어주는 인터페이스가 될 수 있다는 내용이야.

ai-ml

출구조사도 AI에게 물어볼 수 있을까

전화 여론조사 응답률이 5% 아래로 떨어지고, 28억 원짜리 출구조사도 크게 빗나가면서 AI 기반 ‘실리콘 샘플링’이 보완책으로 거론되고 있다. 엔비디아의 한국인 100만 명 가상 인물 데이터와 해외 연구 사례는 가능성을 보여주지만, AI가 사회적으로 바람직한 답을 내놓는 편향과 선거 당일의 맥락을 못 잡는 한계도 뚜렷하다.