2026년, 구체적인 지능 산업의 “전환점”
2026년은 구체적인 지능(embodied intelligence) 산업에 있어서 “전환점”이 될 것입니다. 과거의 기술 시연(demo)에서 본격적인 산업화 단계로 넘어가는 해입니다. 이제 로봇들은 단순한 “장식품”이 아니라 물류, 산업, 상업(예: 카페)과 같은 실제 환경에서 지속적으로 작업을 수행할 수 있으며, 실제 주문을 받고 고객의 검증을 받고 있습니다. 모델의 능력, 데이터 규모, 하드웨어의 안정성이 모두 향상되었습니다. 기업들은 “적합한 시나리오를 찾고, 주문을 확보하며, ROI(투자 대비 수익)를 계산하는” 데 집중하고 있습니다. 자본의 열기도 급상승하고 있습니다(투자가 5배 증가하고 상장이 잇따르고 있지만, 산업의 진입 장벽도 크게 높아졌습니다. 이제 중요한 질문은 “로봇이 실제로 작업을 할 수 있는가, 제품을 제대로 배송할 수 있는가, 고객이 돈을 지불할 의향이 있는가”입니다.
상세한 분석
1. “기술 시연”에서 “실제 작업”으로의 전환
이전의 구체적인 지능 로봇들은 주로 전시회에서 옷을 접거나 커피를 만드는 “데모”에 불과했으며, 멋있어 보였지만 실용적이지는 않았습니다. 2026년은 달라졌습니다:
- 실제 주문이 주류가 되었습니다: 전시회에서 선보이는 로봇들은 대부분 실제 주문을 받거나 “시범 운영 후 문제가 없는지 확인(POC: Proof of Concept)”하는 결과물입니다. 예를 들어, 무계동력(WujiDongli)은 한국의 커피 브랜드와 협력한 “인간-로봇 카페”를 현장에 선보였으며, 성해도(StarSeaMap)는 징동(JD.com)의 로봇 물류 창고를 복제하여 시간당 1,816개의 패키지를 자동으로 분류했습니다.
- 고객들이 경제적 효과를 고려하기 시작했습니다: 2025년에는 기업들이 비용을 고려하지 않고 기술을 시험했지만, 2026년에는 고객들이 ROI를 심각하게 고려합니다. 예를 들어, 물류 분야에서 로봇이 작업을 통해 비용을 절약할 수 있는지, 산업 분야에서는 효율성과 안정성이 요구됩니다. 이는 과거의 “단순한 시연”과는 완전히 다릅니다.
- 가정용 시나리오는 아직 멀었습니다: 최종 목표는 가정용이지만, 산업계의 공통된 의견은 적어도 5년은 더 걸릴 것입니다. 현재는 물류(환경이 열악하고 인건비가 높음), 산업(반복적인 작업이 많음), 상업(카페, 무인 소매)과 같이 수익을 창출할 수 있는 시나리오에 집중하고 있습니다.
2. 로봇이 8시간 동안 지속적으로 작업할 수 있을까? 그 뒤에는 어떤 기술적 진전이 있을까?
올해 로봇의 가장 큰 변화는 “장시간 동안 복잡한 작업을 수행할 수 있다는 것”입니다. 예를 들어, 천색지능(QianXunZhiNeng)의 Moz1은 거실을 정리하는 작업을 여러 개의 작업으로 자동으로 나누고, 물건의 위치가 변경되어도 즉시 대응할 수 있습니다. 이러한 변화의 배경에는 두 가지 핵심적인 진전이 있습니다:
- 모델 능력의 향상: 이전에는 모델이 로봇 하드웨어에 종속되어 있었지만(예: 로봇의 관절 길이가 바뀌면 모델이 작동하지 않았음), 이제는 “상호작용 세계 모델(interaction world model)”을 사용하여 특정 하드웨어에 의존하지 않고 다른 로봇에 쉽게 적용할 수 있습니다. 또한 모델은 “제로 샘플(zero-sample) 능력”을 갖추고 있어, 한 시나리오에서 다른 시나리오로 빠르게 적용할 수 있습니다(예: 택배 분류에서 공장 부품 이동으로). 이전에는 2개월이 걸렸지만, 이제는 1~2일 만에 가능합니다.
- 하드웨어의 안정성 향상: 이전에는 로봇이 1시간만 작동할 수 있었지만, 이제는 6~8시간 동안 안정적으로 작동할 수 있습니다. 이는 모터, 배터리, 구조 설계 등 하드웨어의 안정성이 향상된 결과입니다. 실제로 작업을 해야 하므로, 반시간 만에 전원이 다 되거나 고장나서는 안 됩니다.
3. 데이터가 “연료”가 되었습니다: 데이터가 많을수록, 다양할수록, 정확할수록 로봇은 더 똑똑해집니다
구체적인 지능의 핵심은 “학습”이며, 데이터는 “학습 자료”입니다. 2026년에 데이터에는 세 가지 큰 변화가 있었습니다:
- 데이터 양의 급증: 고객들의 데이터 요구량이 지난해의 몇 백~몇 천 시간에서 올해는 수십만 시간, 심지어 수백만 시간으로 급격히 증가했습니다.
- 데이터의 질 향상: 더 이상 무작위로 데이터를 수집하는 것이 아니라 “다양성”을 추구합니다. 예를 들어, 한 시나리오에서 단 하나의 데이터만을 수집하는 것이 아니라, 다른 사람, 다른 자세, 다른 조명 조건을 고려해야 합니다. 또한 데이터의 정확도도 향상되었습니다(예: 로봇의 손이 화면 밖으로 나가지 않았는지, 데이터의 표기 형식이 정확한지 등).
- 데이터 출처의 다양화: 기업 자체에서 수집하는 데이터뿐만 아니라 전문 데이터 회사, 시뮬레이션 데이터(컴퓨터로 생성된 데이터), 합성 데이터 등 다양한 데이터가 모델의 발전을 이끌고 있습니다. 마치 학생들이 더 다양한 연습 문제를 풀면 성적이 좋아지는 것과 같습니다.
4. 적합한 시나리오를 찾는 것은 “경주 트랙을 선택하는 것과 같습니다”: 기업들은 각자의 전략을 가지고 있습니다
산업화를 위해서는 적합한 시나리오를 선택하는 것이 매우 중요합니다. 다른 기업들의 전략은 다릅니다:
- 무계동력(WujiDongli): 카페 시나리오를 선택한 이유는 체인점의 복제성이 높고, 한국의 인건비가 높아 로봇을 사용하는 것이 더 경제적이며, 다양한 고객과 주문에 대응하는 능력을 훈련할 수 있기 때문입니다. 올해는 수백 대의 로봇을 판매할 계획입니다.
- 성동기원(XingDongJiYuan): 물류 시나리오를 선택한 이유는 물류 창고의 환경이 열악하고(밤에 작업해야 하고, 에어컨이 없으며, 소음이 큼), 인력을 절약할 수 있으며, 물류에는 명확한 작업량과 정확도 요구가 있어 ROI를 계산할 수 있기 때문입니다.
- 지평제(ZhiPingJiang): 반도체, 생명공학, 자동차와 같은 분야를 선택한 이유는 “고청결성(로봇이 위생적인 환경에서 작동할 수 있음), 고효율성, 고안정성” 때문입니다.
- 기타 기업들: 각자의 산업 특성에 맞는 시나리오를 선택하고 있습니다.
5. 결론
구체적인 지능은 빠르게 발전하고 있으며, 이는 산업계에 큰 변화를 가져올 것입니다. 기업들은 이러한 변화에 대비하고 적절한 전략을 수립해야 합니다. 또한, 정부와 사회도 이러한 변화를 지원하고 새로운 기술의 활용을 장려해야 합니다.