핵심 내용 요약
“실체화된 지능”(즉, 인간처럼 세상을 인식하고 행동하며 이해할 수 있는 로봇)은 단순한 자본의 투기적인 사기가 아니라, 로봇 분야에서 일어나고 있는 진짜 변화이지만 아직 대규모로 적용되지는 않은 “패러다임의 전환”입니다. 이러한 변화는 세 가지 주요 기술(전통적인 제어 기술, 강화 학습, 대규모 모델)과 중국의 산업적 기반(거대한 로봇 시장, 완전한 공급망, 정책적 지원)에 의해 뒷받침되고 있습니다. 하지만 단기적으로는 많은 데모 장면들이 실용적이지 않아 실질적인 성과가 부족한 상황입니다. 장기적으로는 비용과 신뢰성과 같은 중요한 문제들을 해결해야 합니다.
1. 기술적 측면: 세 가지 기술의 결합
실체화된 지능의 발전은 단일 기술에 의한 것이 아니라, 전통적인 제어 기술, 강화 학습, 대규모 모델의 조합에 의해 이루어집니다:
- 전통적인 제어 기술은 여전히 유효하지만, 이제는 충분하지 않습니다: 과거의 로봇(예: 산업용 로봇 암)은 “고정된” 로봇이었습니다. 엔지니어가 먼저 모델을 만들고, 고정된 동작 로직을 프로그래밍하여 특정 작업을 정확하게 수행할 수 있었지만, 복잡한 환경(예: 발과 다리가 달린 로봇이 자갈길을 걷거나 민첩한 손으로 부드러운 물건을 잡는 경우)에서는 제대로 작동하지 못했습니다.
- 강화 학습을 통해 로봇은 스스로 기술을 학습합니다: 엔지니어가 동작 단계를 프로그래밍하는 대신, 로봇이 가상 환경에서 반복적으로 시행착오를 통해 스스로 학습합니다(예: 1만 번 넘어지면서 기어오르는 법을 배우는 것). 보상 메커니즘(올바른 행동에 대한 보상)을 통해 로봇은 스스로 동작 전략을 만들어냅니다. 이는 복잡한 기술의 빠른 반복 학습을 가능하게 합니다(예: 사족 로봇이 복잡한 지형에 적응하는 것).
- 대규모 모델은 ‘임무 이해’의 부족한 부분을 보완합니다: 과거의 로봇은 단지 명령을 수행할 뿐이었지만, 이제는 ‘의도’를 이해할 수 있습니다. 예를 들어, “못을 박을 수 있는 도구를 가져오세요”라고 하면, 로봇은 단순히 “망치”만 찾는 것이 아니라 “못을 박는” 기능을 이해하여 스크루드라이버나 돌까지 찾을 수 있습니다. 대규모 모델(예: GPT 계열)을 통해 로봇은 인간의 말을 이해하고 임무의 맥락을 파악할 수 있게 되어, 단순히 “동작을 할 수 있는” 것에서 “임무를 완수할 수 있는” 것으로 발전했습니다.
2. 중국의 산업적 기반: 기반은 있지만, 보편적인 사용까지는 아직 멀었습니다
중국은 로봇 분야에서 이미 탄탄한 기반을 가지고 있지만, 이것이 곧바로 실체화된 지능의 성숙을 의미하는 것은 아닙니다:
- 산업용 로봇은 이미 실제로 사용되고 있습니다: 2024년 중국의 산업용 로봇 설치량은 전 세계의 54%를 차지했으며, 국내 제조업체의 시장 점유율이 처음으로 외국 기업을 넘어섰습니다(57%). 2025년에는 생산량이 전년 대비 28% 증가할 것으로 예상됩니다. 이러한 로봇들은 주로 공장 자동화(예: 자동차 용접)에 사용되며, 제조업의 업그레이드에 필수적인 요소입니다.
- 휴먼형 로봇은 아직 ‘시범 단계’에 있습니다: 2025년 전 세계 휴먼형 로봇의 출하량은 1.8만 대이며, 수익은 4억 4천만 달러에 달합니다. 수치는 작지만, 이는 실험실 모델에서 상업적 시범(예: 공연, 교육, 가이드)으로의 발전을 의미합니다.
- 정책적 지원은 있지만, 문제도 존재합니다: 정부는 2025년까지 제조업용 로봇의 밀도를 두 배로 늘리겠다는 목표를 제시했지만, 휴먼형 로봇은 ‘뇌, 소뇌, 신체’ 기술의 혁신이 필요합니다. 현재 150개가 넘는 휴먼형 로봇 기업 중 절반은 스타트업이나 다른 분야에서 진출한 기업들로, 중복 연구 개발과 제품의 집중 문제가 발생할 수 있습니다.
3. 단기적인 문제점: 많은 데모 장면들이 실용적이지 않아 수익 창출에는 시간이 필요합니다
현재의 실체화된 지능은 아직 수익을 창출할 수 있는 단계에 이르지 않았으며, 주요 문제는 다음과 같습니다:
- 사용 시나리오가 제한적입니다: 85%의 휴먼형 로봇이 공연, 교육, 가이드와 같은 ‘전시용’ 목적으로 사용되고 있으며, 공장, 창고, 노인 돌봄과 같은 실제적인 환경에서 안정적으로 작동하는 로봇은 매우 적습니다.
- 핵심 지표들이 충족되지 않습니다: 장기적으로 수익을 창출하려면 다음과 같은 문제들을 해결해야 합니다: 로봇은 얼마나 오래 연속적으로 작동할 수 있을까요? 고장률은 얼마인가요? 유지보수 비용은 얼마나 비쌀까요? 안전 책임은 어떻게 처리할까요? 이러한 문제들은 단순한 데모 영상으로는 해결할 수 없습니다.
- 거품 위험: 많은 기업들이 자금 조달을 위해 PPT를 통해 홍보하지만, 제품의 중복성이 높고 연구 개발 자원이 낭비되고 있습니다. 국가 발전 개혁 위원회도 이러한 위험을 경고하고 있습니다.
4. 장기적인 기회: 단순히 “춤을 추는 로봇”이 아니라, “시스템의 능력”이 중요합니다
실체화된 지능의 미래는 누가 로봇을 더 잘 춤추는지가 아니라, 기술, 하드웨어, 사용 시나리오를 실제로 통합할 수 있는 기업이 승리할 것입니다:
- 기술의 완전한 통합이 필요합니다: 전통적인 제어 기술(신뢰성 있는 실행) + 강화 학습(기술 학습) + 대규모 모델(임무 이해)이 모두 필수적입니다. 예를 들어, 물건을 옮길 수 있는 로봇은 먼저 “상자를 창고로 옮기세요”라는 명령을 이해해야 하고(대규모 모델), 그 다음에 이동 경로를 계획해야 하며(강화 학습), 마지막으로 상자를 정확하게 잡아야 합니다(전통적인 제어 기술).
- 실제 사용 시나리오의 확보가 필요합니다: 실제 수익을 창출할 수 있는 시나리오를 찾아야 합니다. 예를 들어, 공장에서의 물품 운반, 노인원 돌봄 등의 분야는 높은 비용을 감수할 수 있으며, 이러한 분야에는 실제로 필요성이 있습니다.
- 전문가들의 기회: 전통적인 제어 기술을 이해하는 사람들은 강화 학습과 대규모 모델을 결합하여 실체화된 지능의 핵심 능력을 더 빠르게 습득할 수 있습니다. 결국 제어 기술은 로봇의 “기본 기술”이며, 이 기술이 없으면 아무리 똑똑한 로봇도 제대로 작동할 수 없습니다.
결론: 과장도, 부정도 하지 마세요. 이것은 “천천히 진행되는 변화”입니다
실체화된 지능은 아직 초기 단계에 있지만, 기술의 발전과 시장의 수요에 따라 점차 성숙해질 것입니다. 기업들은 이러한 변화에 적응하고 새로운 기회를 찾아야 합니다. 동시에, 정부와 산업계는 이러한 변화를 지원하고 필요한 정책과 인프라를 제공해야 합니다.