Unitree 수장이 찬물을 끼얹나? 체화지능의 '챗GPT 모멘트'는 과연 얼마나 남았나

인간형 로봇이 가장 뜨거운 시기에 접어든 지금, 중국 A주 ‘휴머노이드 로봇 1호주’의 수장이 업계에 찬물을 끼얹는 듯한 발언을 내놨다.

8월 20일 2026 세계로봇대회에서 유니트리(Unitree) 창업자 왕싱싱은 상장 후 첫 공개 연설에서 임바디드 AI(체화된 인공지능)의 챗GPT 모멘트가 아직 오지 않았다고 솔직히 밝히며, 빠르면 2~3년, 늦으면 5년 또는 10년이 걸릴 것이라고 말했다.

지난 2년 동안 휴머노이드 로봇은 가장 뜨거운 테크 ‘패션 아이템’이 됐다. 각종 공연 무대, 게임업체 전시회, 심지어 쇼핑몰과 소매 매장 입구에서 미래 지향적인 로봇을 점점 더 쉽게 볼 수 있다. 이 로봇들은 능숙하거나 다소 서툰 동작으로 춤추고, 걷고, 손을 흔들고, 관객과 악수하며 빠르게 연구실에서 대중의 시야로 들어오고 있다.

하지만 화려한 시연 이면에서 이 로봇들의 실제 능력은 ‘미래 로봇’에 대한 대중의 상상과는 아직 거리가 멀다. 적어도 보다 일반적인 기대에서 로봇은 무대에 올라 공연하거나 마케팅 업무를 맡는 데 그쳐서는 안 되고, 실제로 공장과 가정에 들어가 운반, 정리, 도구 조작, 일부 가사·돌봄 업무를 수행해야 한다. 대중의 질문은 줄곧 구체적이고 직접적이다. 로봇은 언제 진짜 일을 할 수 있을까?

대규모 언어 모델(LLM) 분야에서 챗GPT는 상징적인 답을 제시한 바 있다. 챗GPT는 최초의 언어 모델은 아니었지만, 수많은 일반 사용자가 AI가 어떤 능력의 임계점을 넘었다는 사실을 직관적으로 느끼게 한 첫 사례였다. 비슷한 순간이 임바디드 AI 분야에서 언제 찾아올지는 로봇 업계에서 가장 주목받는 질문 중 하나가 됐다.

로봇이 수많은 가정에 들어가려면 핵심은 일반화 능력

8월 20일 열린 세계로봇대회에서 유니트리 창업자 왕싱싱은 임바디드 AI의 현재 가장 큰 병목으로 업계에서 이미 반복적으로 논의돼 온 문제인 일반화 능력을 지목했다.

그가 보기에 현재 많은 로봇 모델은 고정된 환경에서 충분한 데이터 수집과 학습만 이뤄지면 작업 성공률이 100%에 근접할 수 있다. 하지만 조작 대상이 달라지거나 환경이 조금만 바뀌어도 로봇의 성공률은 뚜렷하게 떨어질 수 있다.

이는 로봇이 실제 생활과 가정에 들어가는 데 있어 가장 중요한 문턱이기도 하다.

왕싱싱은 상당히 구체적인 판단 기준을 제시했다. 어느 날 로봇 한 대를 완전히 낯선 가정이나 환경에 데려갔을 때 음성이나 언어 명령만으로 약 80%의 작업을 수행할 수 있다면, 임바디드 AI는 자신의 ‘챗GPT 모멘트’를 거의 맞이한 것이라는 설명이다. 시간적으로는 빠르면 2~3년, 늦으면 5년에서 심지어 10년이 더 걸릴 수 있다고 봤다.

왕싱싱은 특히 진짜 어려운 것은 로봇이 ‘대략 어떻게 해야 하는지’를 아는 것이 아니라 마지막 몇 cm, 심지어 몇 mm라고 강조했다.

예를 들어 로봇이 물체를 집도록 할 때 모델이 전체 동작을 올바르게 계획했고 로봇팔도 물체 근처까지 이동했더라도, 마지막 순간의 위치 오차, 촉각 피드백, 파지 강도가 정확하게 보정되지 않으면 전체 작업이 실패할 수 있다.

이 역시 로봇과 대규모 언어 모델이 크게 다른 점이다.

언어 모델의 입력과 출력은 항상 디지털 공간에서 이뤄지지만, 로봇의 모든 인식과 동작은 실제 물리 세계와 상호작용해야 한다. 센서에는 노이즈가 있고 액추에이터에는 오차가 있으며, 물체의 위치·재질·무게도 계속 변한다. 이러한 오차는 작업 실행이 거듭될수록 누적된다. 따라서 임바디드 AI의 경우 ‘대충 할 수 있는’ 단계에서 ‘안정적으로 정확히 하는’ 단계로 가는 것이 처음 작업 하나를 배우는 것보다 더 어려울 수 있다.

왕싱싱이 이러한 판단을 내놓은 시점과 거의 동시에, 갤럭시 제너럴(银河通用) 창업자 겸 CTO인 왕허(王鹤)도 더욱 구체적인 연도를 제시했다. 왕허는 데이터가 지속적으로 축적되고 기술이 한 단계 더 도약하면 임바디드 AI가 2028년 ‘챗GPT 모멘트’를 맞이할 것으로 예상된다고 밝혔다. 그는 이 시점을 로봇이 특정 작업에 대한 전용 훈련을 거치지 않은 상태에서도 일상 업무의 약 70~80%를 수행할 수 있는 단계로 정의했다.

두 사람의 판단은 실제로 매우 비슷하다. 왕싱싱은 로봇이 낯선 환경에 들어갔을 때의 작업 완수율에 주목했고, 왕허는 전용 훈련이 없는 상황에서 기초 모델이 보여주는 직접적인 일반화 능력에 주목했지만, 두 사람 모두 임계점을 약 70~80%의 미지의 작업 성공률에 뒀다.

이는 그들이 말하는 ‘챗GPT 모멘트’가 오늘날 휴머노이드 로봇이 선보이는 운동 능력이나, 대량 학습을 거친 고정 데모가 99% 이상의 성공률을 달성하는 것을 의미하지는 않는다는 뜻이기도 하다. 진짜 변화는 로봇이 고정된 환경, 고정된 물체, 전용 훈련에 대한 의존에서 벗어나기 시작한 뒤에 나타나야 한다.

로봇은 언제 진정으로 ‘눈을 뜰까’, 전망은 일제히 2~5년

한 달 전 2026 세계인공지능대회(WAIC)에서는 임바디드 AI 분야의 주요 창업자와 연구자 6명에게 같은 질문을 던지는 라운드테이블이 열렸다.

7월 19일 즈위안 로보틱스(智元机器人)와 미펑테크(觅蜂科技)가 개최한 ‘즈치 임바디드 포럼’의 마지막 라운드테이블에서 사회자는 6명의 게스트에게 아주 직접적인 질문을 던졌다. 로봇의 챗GPT 모멘트까지 몇 년이 남았는가?

결과는 놀라울 만큼 집중됐다. 즈위안 로보틱스 파트너이자 미펑테크 회장 겸 CEO인 야오마오칭은 2년, Sunday Robotics 공동창업자 겸 CEO 자오쯔하오(Tony Zhao)는 3년 이내, 텐센트 수석과학자이자 Robotics X 실험실장인 장정유는 3~5년, Dyna Robotics 공동창업자 겸 수석과학자 마예청은 약 4년, Physical Intelligence 연구과학자 런즈이는 4~5년, 조지아공대 교수 쉬단페이는 5년이라고 답했다.

6명은 전혀 다른 회사와 연구기관 출신이고 기술 노선도 제각각이지만, 최종 답변은 모두 향후 2~5년으로 모였다.

그중에서도 야오마오칭이 가장 낙관적이었다. 그의 판단은 주로 데이터 규모의 성장에 기반한다. 야오마오칭은 현재 피지컬 AI의 추가 발전을 가로막는 핵심을 ‘데이터, 표상, 폐루프’라는 세 가지 벽으로 요약할 수 있다고 봤다. 인터넷 세계에서 값싸게 얻을 수 있는 방대한 텍스트·이미지와 달리, 로봇의 실제 상호작용 데이터는 비쌀 뿐 아니라 로봇 본체, 작업, 환경의 차이에 따른 제약을 받는다.

진정한 ‘개봉 즉시 사용’이 가능한 로봇은 개방형 자연어 명령을 이해하고, 일반적인 작업에서 약 70~80%의 기본 성공률을 달성해야 한다. 이를 실현하려면 임바디드 AI는 현재 수준을 크게 웃도는 규모의 데이터가 필요하다. 그는 향후 수억 시간 단위의 데이터 규모가 필요할 수도 있다고까지 말했다.

즉 야오마오칭의 판단 틀에서 ‘챗GPT 모멘트’는 상당 부분 스케일링(Scaling) 문제다. 실제 세계 데이터, 시뮬레이션 데이터, 인터넷 비디오, 1인칭 시점 데이터, 로봇 배치 후 회수되는 데이터가 점차 규모를 갖추면 모델 능력도 그에 따라 임계점을 넘을 수 있다는 것이다.

Sunday Robotics의 자오쯔하오는 시기를 3년 이내로 봤다. 더 복잡한 로봇 본체를 무작정 추구하기보다, 자오쯔하오는 로봇의 ‘두뇌’가 언제 진정으로 성숙할지에 더 주목한다. Sunday Robotics는 오랫동안 가정용 로봇과 기초 모델에 집중해 왔다. 충분히 강력한 로봇 기초 모델이 복잡한 환경과 작업을 이해할 수 있다면, 상대적으로 단순하고 저렴한 그리퍼를 사용하는 로봇으로도 많은 실제 문제를 먼저 해결할 수 있다는 생각이다.

장정유는 훨씬 신중한 입장이다. 그가 제시한 답은 3~5년이지만, 이 시간 창이 단지 더 큰 모델이 갑자기 나타나기만을 기다리면 된다는 의미는 아니라고 강조했다. 대규모 언어 모델이 빠르게 규모화된 능력을 갖출 수 있었던 중요한 전제는 Transformer가 비교적 통일된 아키텍처로 점차 자리 잡았다는 점이다. 그러나 로봇 지능에는 아직 이처럼 명확한 기술 패러다임이 형성되지 않았다.

고수준 인지, 시각 인식, 작업 계획부터 실시간 모션 제어, 신체 피드백, 안전 반응까지 로봇 한 대는 서로 다른 시간 척도의 문제를 동시에 처리해야 한다. 따라서 진정한 돌파구는 데이터 수집, 시뮬레이션, 실제 배포, 실패 복구, 하드웨어와 모델이 함께 진화해야 가능하며, 대규모 언어 모델의 스케일링 법칙(Scaling Law)을 단순 복제해서는 얻기 어렵다. 그래서 장정유는 판단을 내놓으면서도 업계가 여전히 ‘착실하게 해내야 한다’고 특히 강조했다.

Dyna Robotics의 마예청은 약 4년이라는 시간을 제시했다. 그의 판단은 상업적 배포에서 더 비롯됐다. 연구실 데모의 경우 80%나 90%의 성공률만으로도 기술 노선이 유효하다는 사실을 입증하기에 충분할 수 있지만, 실제로 로봇을 구매해 작업시키는 공장이나 서비스 기업에는 이러한 신뢰성이 대개 턱없이 부족하다. 따라서 임바디드 AI의 ‘챗GPT 모멘트’는 로봇이 더 많은 작업을 이해하게 된다는 의미일 뿐 아니라, 실제 상업 환경이 받아들일 수 있는 신뢰성 수준까지 끌어올려야 한다는 의미이기도 하다.

Physical Intelligence의 런즈이는 4~5년을 제시했다. 그는 Physical Intelligence에 합류하기 전에는 이 과정에 10년이 걸릴 수 있다고 생각한 적도 있지만, 지난 1년간 로봇 기초 모델의 발전으로 예상 시점이 크게 앞당겨졌다고 말했다.

Physical Intelligence 자체도 현재 대표적인 ‘로봇 기초 모델’ 노선의 기업 중 하나로, 여러 로봇 본체와 작업을 아우르는 데이터 훈련을 통해 하나의 모델이 점차 더 넓은 조작 능력을 갖추도록 하는 것을 목표로 한다. 이 논리에서 정말 중요한 것은 로봇 능력이 모델과 데이터 규모의 확대에 따라 계속 발현되고, 궁극적으로 대규모 언어 모델과 유사한 제로샷 전이(zero-shot transfer) 효과를 낼 수 있는지다.

조지아공대 교수인 쉬단페이의 답변이 가장 보수적이었지만, 그래도 5년에 불과했다. 특정 모델 노선에 베팅하기보다 그는 다음 세 가지 더 근본적인 지표에 주목한다. 모델이 데이터에서 실제로 학습할 수 있는지, 학습된 능력이 새로운 환경과 작업으로 일반화될 수 있는지, 그리고 추론 속도가 실제 세계에서 로봇의 실시간 조작 요구를 충족할 수 있는지다.

왕싱싱의 ‘최소 2~3년’, 왕허의 ‘2028년’, 그리고 WAIC 게스트 6명의 답변을 함께 놓고 보면, 점점 더 분명해지는 현상이 있다. 구현 지능 업계가 이전에는 멀게만 느껴졌던 ‘범용 로봇’의 시간표를 향후 한 기술 주기 안으로 압축하고 있다는 점이다.

뚜렷한 역사적 시점인가, 아니면 점진적으로 진행되는 과정인가?

다만, 이 창업자들과 연구자들의 시간 예측이 점점 가까워지고 있지만, 실제로 그들이 같은 기준으로 “ChatGPT 모멘트”를 논하고 있는 것은 아니다.

왕허(王鹤)가 주목하는 것은 기반 모델 자체의 능력 도약이다. 그의 정의에 따르면, 로봇이 새로운 작업마다 별도로 특화 훈련을 다시 할 필요 없이 기반 모델만으로 일상 업무의 70%~80%를 수행할 수 있게 되면, 임바디드 지능은 ChatGPT와 유사한 임계점을 넘어선 것이 된다. 이 기준은 우선 모델이 특정 작업에 맞춘 “특화 지능”에서 전이 능력이 강한 범용 지능으로 나아갈 수 있는지를 가늠한다.

왕싱싱(王兴兴)이 제시한 기준은 로봇이 실제 세계에 본격적으로 들어온 뒤의 성능에 더 가깝다. 그도 80% 안팎의 작업 완수율을 중요한 문턱으로 보지만, 강조하는 것은 로봇이 낯선 환경에 들어간 뒤 언어 명령만으로 대부분의 작업을 수행할 수 있는지 여부다. 그에 따르면 오늘날 많은 로봇은 충분히 훈련된 고정 환경에서 아주 높은 성공률을 달성할 수 있지만, 정말 어려운 것은 환경, 물체, 작업이 바뀐 뒤에도 모델이 계속 작동할 수 있느냐다.

이 두 정의는 비슷해 보이지만, 실제로 주목하는 층위가 완전히 같지는 않다. 모델이 이미 꽤 괜찮은 제로샷 또는 작업 간 전이 능력을 갖췄다고 해도, 그 모델을 탑재한 로봇이 곧바로 신뢰할 수 있는 생산 도구가 된 것은 아니다. 왕싱싱은 WRC에서 유니트리가 실제로 자동차 공장과 자체 공장에 로봇을 배치했고 간단한 조립 작업도 일부 수행할 수 있지만, 아직 대규모로 확산하지는 못했다고 언급했다. 중요한 이유 중 하나는 로봇의 효율이 여전히 인간보다 낮고, 새로운 작업을 만나면 다시 훈련해야 하는 경우가 많기 때문이다.

싱하이투(星海图) CEO 가오지양(高继扬)은 이 문제에 대해 꽤 흥미로운 이중적 판단을 내놓았다. 이번 WRC에서 공개된 산업 로드맵에서 싱하이투는 2027년을 기술적 차원의 “GPT 모멘트”로 명시하고, Scaling Law가 기반 모델 능력의 변곡점을 넘어서게 한 뒤 버티컬 시나리오 응용이 빠르게 열리기 시작할 것으로 봤다. 반면 진정한 “상업화 변곡점”은 2028년으로 설정했고, 이후 2029년의 심층 침투와 2030년의 광범위한 배치를 거칠 것으로 전망했다.

하지만 임바디드 지능이 ChatGPT식 역사적 시점을 재현할지에 관해 이야기하면서 가오지양은 “그런 순간이 올 가능성은 크지 않다”고 분명히 밝혔다. 이유는 임바디드 지능이 모든 사람을 대상으로 하는 소프트웨어 제품을 통해 순식간에 확산되기보다는, To B 현장에서 시작해 산업별로, 작업별로 점진적으로 풀려갈 가능성이 크기 때문이다.

기술적 돌파와 대중의 순간적 인식은 동시에 일어나기 어렵다. GPT의 폭발은 누구나 휴대폰이나 컴퓨터로 직접 경험할 수 있다는 데 힘입었지만, 임바디드 지능이 가장 먼저 착지하는 현장은 공장, 창고 같은 생산 현장이라 일반 대중이 직관적으로 체감하기 어렵기 때문이다. 따라서 산업 전환점은 “가랑비에 옷 젖듯” 조용히 스며드는 방식으로 나타나며, 사람들이 갑자기 알아차렸을 때는 이미 곳곳에 퍼져 있게 된다.

이 두 표현은 완전히 모순되지는 않는다. 가오지양은 사실상 모델 능력의 기술적 변곡점과 산업 확산의 사회적 변곡점을 구분한 것이다. 전자는 특정 연도에 비교적 뚜렷하게 나타날 수 있지만, 후자는 현장 검증, 규모 생산, 비용 하락, 비즈니스 모델 성숙을 거쳐 현실 세계로 점진적으로 전달되어야 한다.

이는 로봇과 대형언어모델 사이의 가장 두드러진 차이 중 하나이기도 하다. 2022년 11월 ChatGPT가 출시된 뒤 모델 능력의 변화는 거의 같은 날 전 세계 사용자에게 전달될 수 있었다. 소프트웨어 제품이라면 서버와 연산 능력이 감당할 수 있는 한, 사용자 한 명을 추가하는 비용은 상대적으로 제한적이다. 사용자가 웹페이지를 열고 질문을 입력하면 모델 능력의 도약을 곧바로 체감할 수 있다. 따라서 기술 돌파, 제품 출시, 대규모 사용자 채택은 ChatGPT에게 거의 같은 시간 창으로 압축되었다.

로봇은 반드시 실제 몸을 통해 물리 세계로 들어와야 한다. 어떤 기반 모델이 내일 갑자기 훨씬 더 강한 일반화 능력을 갖추게 된다 해도, 이 능력은 여전히 칩, 센서, 관절, 정교한 로봇 손, 액추에이터를 통해 실제 동작으로 전환되어야 하며, 정밀도, 안정성, 안전, 수명, 유지보수, 비용 같은 일련의 엔지니어링 문제도 마주해야 한다.

따라서 임바디드 지능은 결국 2022년 11월 30일처럼 뚜렷한 역사적 시점을 재현하기 어려울 가능성이 크다. 그것은 일련의 점진적으로 나타나는 임계점들의 모습으로 드러날 가능성이 더 크다. 훗날 사람들이 돌이켜 “임바디드 지능의 ChatGPT 모멘트”를 확인하게 되더라도, 모든 사람이 인정하는 하나의 시점을 찾기는 어려울지도 모른다.