Figure AI의 8일간 라이브 스트림 챌린지는 "재현 불가능한 완벽한 시연"이 아니라, 실제 상황에서 로봇이 작동함을 보여준 사건이었다. 결과는 인간이 근소하게 승리했지만(수행한 인턴 손에 물집이 잡힐 정도로 힘들었음), 휴머노이드 로봇의 실전 가능성을 증명한 사례로 앤드류 강은 평가한다.
앤드류 강은 로보 스트래티지(Robo Strategy, 나스닥 상장 최초의 로봇·물리적 AI 전용 벤처 펀드 중 하나) CEO로, Figure AI에 대한 투자는 펀드 역사상 최대 규모 투자 중 하나였다.
그는 휴머노이드 로봇의 지능이 일상적으로 필요한 대부분의 작업을 수행할 수준까지 발전하는 데 2~3년이 걸릴 것으로 예측하며, 이 기술이 육체노동을 "거의 모든 사람이 접근 가능한 상품"으로 바꾼다는 점에서 이전 기술 혁명과 근본적으로 다르다고 강조한다.
휴머노이드 로봇 시장 규모를 수십조 달러 단위로 추정하며(하향식 추산: 전 세계 육체노동 시장 50조 달러 규모), 로봇공학·AI 물결을 "제4차 산업혁명"으로 규정한다.
2. 논거/근거
투자 결정의 근거
Figure 투자는 만장일치가 아니었다. 추론(reasoning) AI 투자에 익숙한 다른 벤처 투자자들은 휴머노이드가 단기간에 성공하기 어렵고 리스크가 크다고 봤는데, 이는 로봇 분야가 그동안 대규모 벤처 성과를 낸 전례가 없었기 때문이다. 로보 스트래티지는 "상황이 변하고 있고 로봇 기술의 가속도가 이전과 다르다"는 맥락을 근거로 투자를 결정, 펀드 전체 방향을 로봇공학 투자로 전환했다.
앤드류는 Figure에 처음 투자할 당시 실제 시설 방문 없이, 창업자 브렛 애드콕(Brett Adcock)의 모든 공개 영상과 이전 회사(Archer Aviation 등으로 추정)에서의 작업물을 철저히 조사해 판단했다. 팀이 보유한 하드웨어 엔지니어링, 로봇 학습, 수작업 공학·차량관리 로봇 제어 등 매우 전문적인 배경지식이 결정적 근거였다.
로보 스트래티지는 "독단적이지 않은" 투자 철학을 갖고 있다: 확신은 강하지만 유연하게 유지하며, 세상에 대한 믿음을 계속 재평가하고 반증 정보가 나오면 기꺼이 생각을 바꾼다. 이를 위해 투자한 회사뿐 아니라 업계 전체(로봇 함대 확장 방식, 로봇 학습 연구, 하드웨어 개발)를 지속적으로 추적한다. 이런 종합 평가 기준으로 볼 때 Figure와 테슬라 옵티머스가 최고 기업으로 꼽힌다.
수직 통합 로봇 회사를 선호하는 이유
로보 스트래티지가 가장 많이 투자하는 대상은 "수직적으로 통합된" 로봇 회사들 — 로봇 지능(소프트웨어)뿐 아니라 하드웨어까지 자체 제작하는 곳이다.
근거: 로봇을 훈련시킬 때 하드웨어를 직접 제작해 서로 최적화하는 것이 합리적이다. 예컨대 관절 내 토크 감지 성능이 뛰어난 로봇은 시뮬레이션에서 더 잘 모델링되거나, 수집 데이터를 통합하는 모델 구축에 유리하다. 병렬로 시스템을 구축하면 훈련·연구 효율이 높아지고 결과적으로 로봇 성능도 향상된다.
데이터 병목과 자체 제조의 이점
로봇 학습에 필요한 핵심 데이터는 "구체적 신체(embodiment)에 특화된" 로봇 자체의 데이터다. 비유: 갑자기 키 7피트(213cm)의 몸이 되면 기존 몸과 다르게 세상과 상호작용하는 데 어색함을 느끼는 것처럼, 로봇도 자기 신체 형태에 맞는 데이터가 있어야 효과적인 모델을 만들 수 있다.
업계의 현재 병목: 로봇 100~1000대를 구매하려 해도 사전 주문과 생산 시간이 필요해 하루아침에 확보 불가능하다. 자체 제조 시설을 보유하면 모든 생산 로봇을 데이터 수집 목적으로 활용할 수 있어 이 병목을 회피한다. Figure, 테슬라 옵티머스 등이 바로 이 전략을 취한다. GPU 등 다른 공급망 부품에서 봤던 수요 급증 대비 공급 부족 현상이 로봇 부품에서도 재현될 수 있다는 우려가 배경이다.
시장 규모 추산 방법론
상향식(bottom-up) 접근: 휴머노이드 로봇 1대를 5만 달러에 판매/임대한다고 가정 — 이는 미국 육체노동자의 복리후생 포함 연간 인건비(약 5만 달러 이상)와 맞먹는 합리적 가격. 5만 달러 × 10만 대 = 5억 달러(연 매출 5억 달러 규모 기업). 여기서 규모를 10배 키우면(연간 100만 대 판매) 500억 달러. 참고로 매년 수십억 대의 휴대폰, 수억 대의 자동차·PC가 생산되는 것을 감안하면 휴머노이드 로봇도 이 정도 규모로 확장 가능하다고 본다.
하향식(top-down) 접근: 전 세계 육체노동 시장 자체가 50조 달러 규모.
두 관점 모두 휴머노이드 로봇 산업이 "수조 달러" 수익, "수십조 달러" 시가총액에 도달할 성장 궤도에 있음을 시사하며, 심지어 이것도 과소평가일 수 있다 — 노동력이 풍부해지고 저렴해지면 시장 자체가 확대되기 때문(예: 로봇을 우주로 보내거나, 데이터센터 건설의 핵심 병목인 배관·전기 작업 등 인력 집약적 공정에 투입).
AI 연구 가속과 물리적 AI로의 전이
AI 연구는 "완전히 평평한 경사면"이 아니라 자기 강화적으로 가속하는 현상이다 — 모델이 정교해질수록 AI 연구 자체의 자동화가 가속화되어, 이전에 많은 인력이 필요했던 작업이 24시간 365일 처리 가능해진다.
LLM 연구에서 나온 데이터 주석(annotation) 인프라 구축법, 강화학습 수행법, 중간 훈련(mid-training) 구성 방식 등 다수의 개념이 물리적 AI 모델에도 그대로 적용 가능하다고 본다. 다만 모델이 좋아지는 속도는 예상보다 빠르겠지만, 제조 공급망의 물리적 병목(챗봇처럼 순식간에 백만 개를 만들 수 없음) 때문에 로봇이 향후 2~3년 안에 모든 작업을 대체하지는 못할 것이라고 선을 그었다.
오픈소스 모델의 급속한 추격
2~3년 전 오픈소스 모델은 전체 토큰 생산량의 몇 %에 불과했지만, 현재는 25~30% 이상을 차지한다.
오픈소스와 최첨단(SOTA) 모델 간 격차는 과거 약 2년에서 현재 약 6개월로 축소됐다. 선반 정리, 마우스 조립 같은 단순 작업에는 고도의 지능이 필요 없으므로("이런 일에 아인슈타인이 필요한 게 아니다"), 오픈소스가 이 격차를 따라잡으면 물리적 AI의 모델 레이어는 거의 상품화(commoditized)될 것 — 앤드류는 이 시점을 3~5년 내로 예상한다. 그 시점이 오면 "지능이 정말 저렴해진다."
엔비디아의 전략적 포지션
엔비디아는 오픈소스 물리적 AI 모델(니트론/Nemotron, 자율주행차 모델, Cosmos, Dream Zero 등) 개발에 막대한 투자를 하고 있다. 이는 폐쇄형(closed-source) 모델이 시장을 장악하는 것이 엔비디아에게 "거의 실존적 위협"이기 때문 — Anthropic이 Google TPU에서 학습을 시작한 사례처럼, 기업들이 엔비디아 이외 하드웨어에 최적화하기 시작하면 엔비디아는 사업 기회를 잃는다. 따라서 엔비디아는 오픈소스 생태계를 키워 자사 하드웨어 종속성을 유지하려 한다.
미·중 로봇 산업 구도
미국과 중국 로봇 산업은 상당히 독립적으로 발전할 전망 — 미국에서 판매·사용되는 로봇은 미국 기업이, 중국에서는 중국 기업이 생산할 가능성이 높다(자국 내 생산·독립성을 추구하는 글로벌 흐름과 일치).
중국은 정부 자금을 통해 지방 자치 단체 로봇 기술에 이미 수십억 달러를 투입해왔다. 미국은 아직 이런 직접 투자가 없지만, 희토류 가공 회사·인텔 등 반도체 기업에 대한 투자 사례를 볼 때 향후 국내 로봇 산업에도 유사한 지원이 있을 것으로 예상.
현재는 미국이 물리적 지능 모델 분야에서 다소 앞서 있지만, 알리바바 연계 연구팀 등 중국에도 최첨단에 가까운 로봇 모델을 개발하는 우수한 연구 그룹이 다수 존재한다. 앤드류는 이를 "경쟁"보다는 결국 5~10년 후 양국 모두 목표 수준에 도달할 문제로 본다.
3. 사례/디테일
포트폴리오 기업: Figure AI, Uptronic, Dino Robotics(로봇 회사), Centerbots(산업용 로봇팔·협동로봇), Path Robotics(용접 등 특정 작업 특화), Dexmate(로봇 판매).
Figure AI 8일 라이브 스트림: 원래 8~10시간 예정이었으나 8일간 지속. 결과는 인간이 근소하게 승리, 도전을 수행한 인턴 손에 물집이 생길 정도로 힘든 작업이었음. "100번 시도 중 최고 결과 편집본"이 아닌 실제 성능 시연이라는 점에서 의미가 크다고 평가.
유니트리(Unitree) 등 중국 기업 전략: 미국 기업들과 달리, 완벽하게 작동하는 완제품을 기다리지 않고 하드웨어를 "연구·오락용 플랫폼"으로 먼저 출시한다. 유니트리 로봇을 사도 원하는 모든 작업을 바로 수행하진 못하지만, 이 방식으로 일종의 "개발자 모드" 생태계를 만들어낸다 — 사람들이 로봇으로 데이터를 수집하면 그것이 유니트리만의 데이터 자산이 되고, 그 데이터로 만든 모델은 유니트리 로봇에서 더 잘 작동하는 선순환이 생긴다. 앤드류는 이를 미국에서 드문 흥미로운 전략으로 평가하며, 포트폴리오사 Dexmate도 유사 전략을 고려할 수 있다고 언급.
로봇 앱 생태계 비유: 로봇을 아이폰에 비유 — 애플이 아이폰을 만들지만 시간관리·메모 앱 등은 훨씬 큰 서드파티 개발자 커뮤니티가 만든다. 마찬가지로 로봇에게 요리, 노인 돌봄, 특정 농업 기술을 가르치는 애플리케이션은 로봇 제조사가 아닌 외부 스타트업(AI에만 집중하고 하드웨어 제조는 고민하지 않는)에서 나올 수 있다.
현재 기술 수준 평가: 오늘날 로봇들은 발전했지만 Opus 4.8, ChatGPT 같은 LLM 수준에는 한참 못 미친다 — 반면 LLM은 이미 전 세계 거의 모든 기업에서 실제로 인간의 업무를 대체하고 있다. 이 격차가 크다는 점에서 로봇공학 산업이 아직 초기 단계이며, 누구도 "기회를 놓친 게 아니다"라고 강조.
4. 시사점
투자자 관점: 로봇공학은 아직 초기 산업이며, 조사(친구·업계 종사자와의 대화)로 시작해 입사·창업·투자 등 다양한 방식으로 참여할 수 있는 여지가 크다.
경고: 로봇 회사 창업은 소프트웨어 회사 창업과 본질적으로 다르다. 기계 설계, 전기공학, 고속 생산, 실세계 배치까지 아우르는 지식이 필요하며, 이는 수년~수십 년의 실전 경험 없이는 저평가되기 쉬운 난이도다. "나도 로봇 회사 차릴 거다"라는 말이 온라인에 흔하지만, 성공적인 휴머노이드/로봇 기업 구축에는 진짜 전문가들이 다수 필요하다.
산업 구조 전망: 수직 통합(하드웨어+소프트웨어 자체 제작) 기업이 데이터 수집·모델 최적화 측면에서 구조적 우위를 가지므로, 향후 투자·주목의 중심이 될 가능성이 높다.
모델 상품화 시나리오: 오픈소스 물리적 AI 모델이 3~5년 내 SOTA를 따라잡으면 지능 자체는 저렴한 상품이 되고, 경쟁 우위는 하드웨어 배포 능력·제조 스케일로 이동할 것 — 이는 엔비디아 같은 인프라 기업, 그리고 실제 로봇을 대량 배치하는 기업(Figure, 테슬라 등)에 유리한 구도를 시사한다.
거시 전망: 노동력이 저렴해지는 것이 오히려 시장을 확대시킨다는 역설 — 우주 개발, 데이터센터 건설처럼 현재 인력 병목으로 제약된 산업들이 로봇 노동력 투입으로 새롭게 열릴 수 있다.
