핵심 내용 요약
올해 휴먼형 로봇 산업에서 두 가지 중요한 변화가 있었습니다. 첫째, 출하량이 급증했는데(중국 상반기에만 4만 대 이상 출하되어 전 세계 시장의 97%를 차지함), 그러나 대규모 상업화까지는 아직 갈 길이 멉니다. 둘째, 산업의 초점이 “기술 과시(달리기, 점프, 테니스 등)”에서 “실용성(작업 수행 능력)”으로 전환되었습니다. 이제는 운동 성능이 아니라 낯선 환경에서도 효율적으로 작업을 완수할 수 있는 “생산성”이 경쟁의 핵심이 되고 있습니다. 또한, 업계 종사자들은 “ChatGPT 시대의 기준”을 명확히 하고 있으며(로봇이 언어 명령을 통해 80%의 작업을 완수할 수 있는 경우), 일반화 능력과 데이터 축적이 현재 가장 큰 걸림돌로 여겨지고 있습니다. 따라서 비즈니스 모델도 “로봇 판매”에서 “생산성 판매”로 전환되고 있습니다.
1. “기술 과시”에서 “실용적인 작업자”로의 변화
지난 몇 년 동안 휴먼형 로봇들은 “고난도 동작”(예: 유수신 로봇이 초인적인 속도인 12.65미터/초로 달리기, 은하유니버설 로봇이 테니스를 치는 것)을 선보였습니다. 하지만 이러한 “멋진 동작들”은 실제 사용 환경과 거리가 멉니다. 공장에서는 로봇이 부품을 조립해야 하고, 가정에서는 청소가 필요하며, 창고에서는 물건을 분류하고 포장해야 합니다.
올해 산업은 이러한 “실용적인 작업”에 초점을 맞추기 시작했습니다. 예를 들어, 유수신은 로봇이 회의실을 청소하는 모습을 보여주었으며(7~8가지 작업을 순서대로 수행하며 방해 요소에도 대처함), 성해도와 징동의 협력으로 만들어진 로봇은 하루에 100건 이상의 주문을 처리했습니다(인간의 개입 없이). 이러한 작업들은 멋지지 않아 보일 수 있지만, 왕흥흥은 “실용적 가치가 있으며 난이도가 높지 않다”고 말했습니다. 이는 로봇이 우리 삶에 들어오기 시작하는 신호입니다. 결국 기업들도 자신의 회의실을 깨끗하게 유지하기 위해 실제로 작업을 할 수 있는 로봇이 필요합니다.
2. 4만 대 출하량의 이면: 대규모 활용에는 무엇이 부족한가?
상반기에 4만 대가 출하된 것은 많아 보일 수 있지만, 대부분 소량으로 시범 운영 중이며 대규모로 확산되지는 않았습니다. 그 이유는 세 가지입니다:
1. 효율성 부족: 예를 들어, 로봇이 반팔 셔츠를 접는 데 2분이 걸리며, 성해도의 창립자는 “로봇의 효율성이 인간의 70~80%에 불과하다”고 말했습니다. 공장에서 로봇은 간단한 부품을 조립하지만, 속도가 인간보다 느립니다.
2. 일반화 능력 부족: 일반화 능력이란 로봇이 새로운 작업을 배우는 데 드는 비용을 의미합니다. 현재 로봇에게 새로운 작업을 가르치려면 10시간의 훈련이 필요하며, 환경이 바뀌면(예: 물건의 위치가 변경됨) 성공률이 떨어집니다. 이는 마치 한 직원이 고정된 업무만 할 수 있고 다른 업무로 옮기려면 재교육이 필요한 것과 같습니다.
3. 정밀도 부족: 센티미터 단위의 작업(예: 물건을 드는 것)은 안정적으로 수행할 수 있지만, 밀리미터 단위의 정밀한 작업(예: 세밀한 조립)에는 추가적인 학습이 필요합니다.
이러한 문제들로 인해 로봇은 특정 환경에서만 사용될 수 있으며, 더 복잡한 상황으로 확장되지 못하고 있습니다.
3. 비즈니스 모델의 변화: “로봇 판매”에서 “생산성 판매”로
이전에는 로봇 회사들이 완제품을 판매하여 수익을 얻었습니다(총 이익률 40~60%). 하지만 이제는 “로봇이 수행하는 작업”에 초점을 맞추고 있습니다:
- 1단계: 완제품 판매(현재)
- 2단계: 솔루션 구독(미래): 예를 들어, 로봇이 완료한 주문 수에 따라 비용을 청구하며, 총 이익률은 약 20%로 낮아집니다.
- 3단계: 물리적 세계의 토큰화(더 장기적인 목표): 로봇이 창출한 가치에 따라 비용을 청구하는 것입니다. 예를 들어, 포장 작업을 완료할 때마다 비용을 받으며, 가치는 하드웨어에서 지능 능력으로 전환됩니다.
성해도는 이미 “수천 대 규모의 생산성 주문”을 처리하고 있으며, 내년에는 만 대에 이를 수 있을 것입니다. 이는 앞으로 로봇 회사를 평가할 때 단순히 판매량이 아니라 “얼마나 많은 작업을 할 수 있는지, 교육 비용이 얼마인지, 성공률이 높은지”를 기준으로 할 것임을 의미합니다.
4. “ChatGPT 시대”는 언제 올까? 기준과 걸림돌
작년에 많은 사람들이 “실체화된 지능의 ChatGPT 시대가 언제 올지”를 물었습니다. 올해 업계 종사자들은 구체적인 기준을 제시했습니다:
- 유수신의 왕흥흥: 로봇이 낯선 환경에서 언어 명령을 통해 80%의 작업을 완수할 수 있으면 그것이 전환점입니다. 시간은 빠르면 2~3년, 늦으면 5~10년 정도 소요될 것입니다.
- 은하유니버설의 왕허: 현재의 실체화 모델은 GPT2 수준이며, ChatGPT 시대에 도달하기 위해서는 로봇이 일반적인 작업에서 70~80%의 성공률을 가져야 하고, 일반 사람들도 로봇을 빠르게 훈련시킬 수 있어야 합니다. 회사는 2028년에 이를 실현하는 것을 목표로 합니다.
가장 큰 걸림돌:
- 일반화 능력 부족: 특정 환경에서는 성공률이 90%에 가깝지만, 환경이 변하면(예: 물건의 위치가 바뀜) 실패합니다.
- 데이터 부족: 로봇의 “뇌”를 훈련시키기 위해서는 수천 시간 분량의 데이터가 필요하지만, 현재는 10만 시간에 불과합니다.
- AI와 로봇의 호환성 부족: 로봇은 물건을 들어야 한다는 것을 알지만, 마지막 몇 센티미터의 오차(시각, 촉각의 정확도 문제)로 인해 작업에 실패합니다.
5. 미래 경쟁의 초점: 데이터와 모델이 핵심이 될 것
이전에는 로봇 경쟁이 하드웨어(속도, 관절의 유연성)를 기준으로 했습니다. 하지만 이제는 “소프트웨어와 데이터”로 전환되고 있습니다:
- 유수신은 “물리적 AI의 자가 진화”를 추구하고 있습니다. 대형 모델이 자동으로 제어 코드를 생성하도록 하고, 시뮬레이션과 실제 테스트를 통해 기술과 데이터를 반복적으로 축적하여 진화의 효율성을 높입니다.
- 모든 회사들이 데이터를 확보하기 위해 경쟁하고 있습니다. 데이터는 로봇을 훈련시키는 “교재”이며, 모델은 “뇌”와 같습니다. 더 많은 실제 사용 데이터를 가진 회사가 일반화 능력에서 선도적일 것입니다.
간단히 말해, 로봇이 “실험실의 전시품”에서 “실제 생산성 도구”로 변하기 위해서는 단순히 더 빠르게 움직이는 것이 아니라 변화하는 환경에서도 안정적으로 작업을 할 수 있는 것이 중요합니다. 이것이 바로 산업의 진정한 “성인식”입니다.
이 뉴스는 로봇 산업이 “기술 과시 시대”에서 “실용적인 시대”로 전환하고 있으며, 앞으로 몇 년간의 핵심 관심사는 누가 먼저 로봇을 “신뢰할 수 있는 작업자”로 만들 수 있는지입니다.