저자: Zen, PANews
오늘날 글로벌 embodied AI 산업 지도를 펼쳐 보면, 자동차 기업이 거의 모든 곳에 존재한다는 사실을 발견하게 된다.
직접 로봇을 만드는 곳으로는 Tesla의 Optimus, 샤오펑의 IRON, 그리고 Boston Dynamics를 보유한 현대자동차가 있다. 로봇에 최초의 실제 일자리를 제공한 곳도 BMW, 메르세데스-벤츠 같은 자동차 제조사였다. 로봇 기업의 주주 명단에도 자동차 산업 자본이 자주 등장한다. 메르세데스-벤츠는 Apptronik에 직접 투자했고, 즈위안 로보틱스 뒤에는 BYD, 상하이자동차(SAIC) 등 자동차 기업이 있다.
즉, 오늘날 embodied AI 산업에서 로봇을 만들든, 로봇을 훈련시키든, 로봇을 구매하든, 로봇 기업에 자금을 대든 자동차 산업은 결코 비껴갈 수 없는 세력이다.
이번 주에 일어난 두 가지 일은 이러한 관계를 또 한 단계 새로운 국면으로 밀어 올렸다.
8월 24일, 샤오펑의 로봇 사업이 9억 달러 이상의 첫 라운드 파이낸싱을 완료했다. 투자 후 기업가치는 63억 달러를 넘어서며 중국 embodied AI 업계의 단일 라운드 사모펀드 조달 기록을 단번에 갈아치웠다. 이어 8월 26일 현대자동차는 CEO Investor Day에서 많은 로봇 스타트업보다 더 완성도 높은 로봇 로드맵을 발표했다.
로봇은 이제 연구실 속 기술 제품에서, 대량 생산과 장기 훈련, 일자리 확보, 그리고 최종적으로 기업의 구매와 파이낸싱이 필요한 산업재로 변모하고 있다. 경쟁이 이 단계에 접어들면, 자동차 산업이 지난 수십 년간 구축해 온 거대한 시스템의 가치가 갑자기 드러나기 시작한다.
로봇 양산이 시작되면, 경기는 자동차 산업의 홈그라운드로 이동한다
자동차와 휴머노이드 로봇은 모두 극도로 복잡한 전자기계 제품이며, 매우 중요한 공통점이 하나 있다. 소프트웨어의 중요성은 계속 높아지지만, 결국 물리적 기계를 통해 결과를 구현해야 한다는 점이다.
자동차의 소프트웨어와 제어 시스템은 궁극적으로 제동, 조향, 차체 움직임과 연결된다. 로봇 모델이 출력하는 동작도 결국 관절 운동, 파지, 실제 조작으로 이어진다. 정밀도의 오차는 그럴듯해 보이는 벤치마크 테스트에 영원히 머물지 않는다. 그것은 결국 파손된 부품, 멈춰 선 생산 라인, 나아가 안전사고로 나타날 수 있다.
따라서 로봇이 진정으로 양산 단계에 접어들면 평가 기준도 함께 바뀐다. 몇 차례 성공적인 주행, 파지, 운반은 “그것이 해낼 수 있다”는 것만 증명할 뿐이다. 산업 생산이 진짜로 주목하는 것은 같은 동작을 수천, 수만 번 반복하면서도 충분한 정밀도와 신뢰성, 일관성을 계속 유지할 수 있느냐 하는 점이다.
BMW와 Figure의 공장 테스트는 실제 산업 생산에 투입되는 로봇에 대한 사람들의 요구와 기대를 어느 정도 보여준다. Figure 02는 BMW 미국 스파턴버그 공장에서 약 10개월간 연속 가동되며 용접용 판금 부품을 집어 옮기는 작업을 수행했다. 이 기간 로봇은 누적 약 1,250시간 동안 작업하며 9만 개 이상의 부품을 운반했고, 3만 대 이상의 BMW X3 생산에 참여했다. BMW는 이 공정에서 로봇이 밀리미터급 위치 정밀도를 달성해야 한다고 특히 강조했다.
밀리미터급 정밀 조작을 한 번 해내는 것은 기술적 역량일 뿐이다. 수만 개 부품을 연속 작업하는 동안 안정성을 유지해야 비로소 산업용 제품이라는 시험 문제에 가까워진다.
자동차 기업이 로봇에 이전해 줄 수 있는 것은 기성 부품 공급업체 몇 곳에 그치지 않는다. 자동차 산업이 수십 년간 축적한 것은 복잡한 제품을 설계 도면에서 대량 생산으로 끌어올리는 일련의 방법론 전체다. 제조 가능성을 고려한 설계(DFM), 공급망 관리, 부품 표준화, 품질 관리, 내구성 테스트, 그리고 생산 라인 택트 타임, 정비 효율, 제품 이력 추적을 중심으로 구축된 생산 시스템이 그것이다.
현대가 자사 Boston Dynamics 로봇에 대해 세운 생산 계획은 전형적인 사례다. 올해 CES 기간 동안 현대자동차그룹은 계열사들의 로봇 산업 밸류체인 내 역할 분담을 공개했다. 현대자동차와 기아는 제조 인프라, 공정 관리, 대량 생산 데이터를 제공한다. 현대모비스는 고성능 액추에이터를 담당하며, 자동차 부품 설계 및 양산 경험을 활용해 핵심 부품의 표준화와 제조 가능성 최적화를 추진한다. 현대글로비스는 물류와 공급망을 책임진다.
최신 세대 Atlas의 설계 변화는 이러한 ‘자동차 산업적 사고’를 더욱 구체적으로 보여준다. 양산을 염두에 두고 Boston Dynamics는 기존 50종 이상의 서로 다른 모터에 대응하던 액추에이터를 대폭 표준화해 최종적으로 3가지 핵심 유형으로 통합했고, 현장에서 교체 가능한 팔다리와 자동 배터리 교체 기능을 추가했다.
이런 변경에는 공상과학적 색채가 거의 없지만, 로봇이 진정한 상품이 될 수 있는지와 직결된다. 제품이 연간 1만 대 규모에 들어서면 전용 부품이 하나 늘 때마다 새로운 조달, 재고, 품질 검사, 정비, 공급망 리스크를 의미한다. 정비 시간이 한 번 줄어들 때마다 더 높은 설비 가동률과 더 낮은 고객 운영 비용을 뜻한다. 규모가 수십 대에서 수만 대로 확대되면 부품 표준화, 수율, 정비 효율이 가져다주는 가치는 배가된다.
따라서 embodied AI의 1차 경쟁이 ‘누가 로봇을 만들 수 있는가’였다면, 다음 경쟁은 ‘누가 로봇을 안정적으로 양산할 수 있는가’가 될 가능성이 크다. 그리고 이것이야말로 자동차 산업이 가장 잘하는 게임이다.
자율주행이 남긴 것은 알고리즘만이 아니라 Physical AI 인프라 전체다
제조 역량으로 로봇의 ‘몸’을 해결한 뒤에는 더 중요하고 더 많은 비용이 드는 과제가 기다린다. 바로 로봇의 ‘두뇌’를 어떻게 지속적으로 반복 진화시킬 것인가 하는 문제다.
이 지점에서 지능형 자동차 산업이 지난 10년간 쏟아부은 투자는 일부 자동차 기업에 상당히 풍요로운 ‘유산’을 남겨주었다.
자율주행의 발전은 사실상 Tesla, 샤오펑, 현대 같은 기업들이 현실 세계 AI 인프라 전체를 미리 구축하도록 강제했다. 차량은 실제 환경 데이터를 수집하고, 클라우드는 가치 있는 데이터와 실패 사례를 선별하며, 훈련 세트는 컴퓨팅 클러스터로 들어가고, 모델은 훈련과 검증을 거쳐 다시 차량에 배포되며, 차량은 다시 새로운 데이터를 만들어낸다.
현실 세계, 데이터, 모델, 배포, 그리고 다시 현실 세계로. 이 순환 고리는 Physical AI가 반복 진화하는 데 의존하는 핵심 메커니즘이자, 자동차 기업이 embodied AI에 진출할 때 갖는 최대 기술적 우위다.
현대가 최근 발표한 로드맵은 이러한 투자를 상당히 완결된 형태로 보여준다. Atria AI는 올해 한국의 실제 도로 데이터 수집을 시작하며, 현대는 2028년 NVIDIA와 협력한 첫 양산 SDV에 L2+ 시스템을 배포하고, 2029년부터 100MW 규모 AI 데이터센터를 가동해 5만 장 이상의 GPU를 수용할 계획이다. 현대차그룹은 앞서 AI 인프라와 인재에 5억 달러 이상을 투자하고 Google DeepMind, NVIDIA 등과 Physical AI 관련 협력을 구축하겠다고 밝힌 바 있다.
이러한 자산은 처음에는 대부분 자동차 산업만을 위해 쓰였지만, ‘자동차만 훈련시킬 수 있다’는 벽이 존재하는 것은 아니다. 고성능 컴퓨팅 클러스터, 데이터 엔지니어링 플랫폼, 시뮬레이션 도구, 모델 배포 시스템, 엣지 컴퓨팅 역량, OTA 체계는 본질적으로 Physical AI를 훈련하고 운영하는 데 필요한 범용 인프라다. 로봇 사업이 합류하면 이미 지어진 AI 공장에 새로운 제품 라인 하나가 추가되는 셈이다.
샤오펑의 노선은 더욱 직접적이다. 샤오펑은 VLA 2.0, Robotaxi, IRON을 이미 Physical AI 프레임워크로 통합했다. 이번 로봇 파이낸싱에서 모델 연구개발 자체가 자금 사용처 중 하나다. 샤오펑이 내세우는 자사 강점에도 온디바이스 AI 칩, Physical AI 기반 모델, 훈련 컴퓨팅, 고품질 데이터 폐쇄 루프가 포함된다.
이는 최근 몇 년간 여러 지능형 자동차 기업이 로봇 산업에 진출한 것을 단순히 ‘제2의 성장 곡선’ 찾기로만 이해할 수 없는 이유이기도 하다.
이미 자율주행에 수년간 투자하고 대규모 AI 팀과 컴퓨팅 인프라를 구축한 기업들에게 로봇은 매우 매력적인 가능성을 제공한다. 과거에는 네 바퀴만 제어할 수 있던 Physical AI 역량을 두 손과 두 발을 가진 기계로 확장할 수 있다는 가능성이다.
물론 자동차 기업의 로봇 산업 진출이 이음새 없는 전환을 의미하는 것은 아니다. 다만 처음부터 시작해야 하는 스타트업에 비하면, 그 뒤에 놓인 값비싼 데이터 및 훈련 인프라를 처음부터 다시 구축할 필요가 없다는 뜻이다.
자동차 기업은 입장료의 일부를 이미 스스로 미리 지불한 셈이다. 하지만 여전히 수억 달러 규모의 자금을 조달해 데이터, 컴퓨팅, 훈련 도구, 모델 팀을 구축해야 한다.
자동차 공장, 로봇의 ‘레벨업 사냥터’가 되다
몸이 생겼고 ‘두뇌’를 훈련시킬 인프라도 갖췄다면, 다음 난제가 따라온다. 데이터는 어디서 얻을 것인가? 이 지점에서 자동차 기업이 보유한 공장이 또 하나의 에이스 카드로 떠오른다.
엄밀히 말하면 제조업 기업에는 모두 공장이 있다. 폭스콘, 아마존, 대형 물류 기업 역시 embodied AI에서 매우 중요한 참여자가 될 것이다. 자동차 공장의 특별함은 앞서 말한 제조 시스템 및 Physical AI 역량과 정확히 맞물려 있다는 데 있다.
아직 진정한 범용 능력을 갖추지 못한 오늘날의 휴머노이드 로봇에게 자동차 공장의 위상은 절묘하다. 연구실보다 훨씬 복잡하면서도 가정이나 상업 지구만큼 통제 불가능하지는 않다. 작업자는 움직이고, 부품에는 편차가 있으며, 생산 공정은 변한다. 로봇은 환경을 인식하고 대응해야 한다. 동시에 작업 위치, 자재, 작업 흐름, 평가 지표는 상대적으로 안정적이다.
더 중요한 것은 자동차 제조가 대량의 고빈도 반복 작업을 제공한다는 점이다. 파지, 운반, 정렬, 조립, 검사 같은 작업이 하루에 수백 번에서 수천 번까지 반복될 수 있다. 같은 동작이 성공했는지 실패했는지, 시간이 얼마나 걸렸는지, 사람의 개입이 필요했는지, 생산 택트 타임에 영향을 주었는지 모두 명확한 결과로 남는다.
따라서 자동차 기업이 가진 공장은 단순한 ‘로봇 응용 시나리오’가 아니다. 로봇에 경험을 지속적으로 만들어주는 기계이기도 하다. Figure 02가 BMW 미국 스파턴버그 공장에서 수련하고, 즈위안 로보틱스가 상하이자동차와 협력해 로봇을 현장에 투입해 일하게 하는 이유가 바로 이것이다.
현대는 이를 위해 전용 훈련장을 따로 지었다. 올해 6월, 현대의 Robot Metaplant Application Center(RMAC)가 미국에서 가동을 시작했으며 연말까지 규모를 10배로 확대할 계획이다. RMAC는 실제 생산 환경을 모사해 제조 로봇이 훈련, 데이터 수집, 테스트, 검증을 먼저 마친 뒤 정식 생산 라인에 투입되도록 한다. 현대가 설계한 폐쇄 루프는, Software-Defined Factory에서 로봇이 실제로 가동하며 얻은 데이터를 다시 RMAC로 보내 재훈련과 최적화에 활용하는 방식이다.
이는 과거 많은 로봇 기업의 개발 방식과 뚜렷한 차이를 보인다. 예전에는 실험실에서 역량을 충분히 키운 뒤 밖으로 나가 고객을 찾았다. 현대 같은 완성차 업체가 지금 시도하는 것은 로봇 연구개발, 시뮬레이션 훈련, 실제 공장, 양산 배치를 하나의 순환 구조로 잇는 것이다. 로봇이 아직 모든 사람에게 팔릴 만큼 성숙하지 않은 단계에서는 그룹 스스로가 첫 고객이 되는 셈이다.
자동차 판매 1위를 굳건히 지키고 있는 도요타는 올해 이런 강점을 로봇 전략에 직접 반영했다. 도요타는 자사 글로벌 공장이 매년 약 1000만 대의 자동차를 생산하며 숙련공과 Toyota Production System을 보유하고 있고, 이러한 생산 현장이 로봇의 지속적인 학습과 개선을 위한 중요한 기반이 될 것이라고 밝혔다. 도요타가 현재 공개한 시나리오에는 부품 운반, 피킹, 의료 장비 이송 등이 포함된다.
이는 완성차 업체가 embodied AI(체화된 인공지능) 업계에서 차지하는 매우 특수한 위치를 드러낸다. 보통 로봇이 충분히 성숙하지 않으면 일반 고객은 구매를 미루는 선택을 한다. 그러나 자동차 그룹은 로봇을 먼저 자사가 통제할 수 있는 공장에 투입해 일하게 하고, 내부 수요를 배치 규모로 전환한 뒤, 배치 과정에서 나오는 데이터를 제품 개선에 다시 활용할 수 있다.
embodied AI 초기에는 일종의 악순환이 존재한다. 고객이 없으면 충분한 실제 데이터를 얻기 어렵고, 데이터가 없으면 로봇이 빠르게 발전하기 어렵고, 로봇이 충분히 성숙하지 않으면 고객은 더더욱 구매를 꺼린다. 그런데 자동차 기업이 보유한 공장은 바로 이 순환 고리에 틈을 낼 수 있다.
로봇이 ‘자산 비즈니스’가 되기 시작할 때
다만 로봇을 양산할 수 있고 모델이 계속 발전하며 공장 배치까지 검증됐다고 해도, 진정한 대규모 시장이 형성되기까지는 여전히 더 현실적인 관문이 남아 있다. 어떻게 팔 것인가 하는 문제다.
이것이 이번 주 현대자동차 투자자의 날에서 특히 주목할 만한 부분이기도 하다. 현대차 CEO 호세 무뇨스(José Muñoz)는 Atlas의 기술 노선만 이야기하지 않고 딜러와 Hyundai Capital까지 이야기를 이어갔다. 기존 딜러 네트워크가 향후 로봇의 유통과 판매를 맡을 가능성이 있고, 그룹 금융 부문은 리스와 할부를 모두 잠재적 수단에 포함해 관련 금융 방안을 연구 중이라는 것이다.
이는 현대가 로봇을 장기적으로 조달하고 금융을 일으켜 운영해야 하는 산업 자산으로 간주하기 시작했음을 의미한다. 미래에 고성능 로봇 한 대가 여전히 수만 달러라면 500대는 수천만 달러의 자본적 지출이 된다. 이후에는 배치, 유지보수, 소프트웨어, 부품 교체, 가동 중단 손실까지 뒤따른다.
기업 고객 입장에서는 구매 결정에 로봇 성능만 영향을 미치는 것이 아니다. 금융 비용, 감가상각 주기, 수리 효율, 소프트웨어 과금 방식, 잔존가치 산정 방식까지 모두 고려 대상이 된다. 이러한 문제들은 로봇이 소규모 시범 사용에 머물지, 아니면 지게차·서버·기타 산업 장비처럼 기업의 일반적인 자본적 지출 예산에 편입될 수 있을지를 결정한다.
자동차 업계는 바로 이 문제를 오랫동안 다뤄왔다. 글로벌 판매 네트워크, 기업 고객 시스템, 대출·금융리스, 정비 거점, 부품 관리, 자산 잔존가치와 중고 유통은 원래 자동차 한 대가 공장을 떠난 뒤 반드시 거쳐야 하는 전체 생애주기다.
현대는 지금 이 시스템을 로봇에 복제하려 하고 있다. 그룹이 앞서 발표한 계획에 따르면 로봇은 인도 후에도 OTA 소프트웨어 업데이트, 하드웨어 유지보수·수리, 원격 모니터링 등의 서비스를 계속 받을 수 있으며, 나아가 Robotics-as-a-Service 방식으로 완전한 솔루션을 제공한다.
이 역량은 embodied AI 업계에서 특히 간과되기 쉽다. 스타트업은 보통 모델, 자유도, 목표 시장 규모를 설명하는 데 많은 지면을 할애하지만, ‘애프터서비스 거점’과 ‘장비 금융’을 가장 눈에 띄는 자리에 놓는 경우는 드물다. 그러나 로봇이 정말로 연간 수만 대씩 팔리기 시작하면, 이런 요소들은 갑자기 조연이 아니게 된다.
샤오펑자동차 CEO 허샤오펑과 IRON
샤오펑은 이미 이 단계로 나아가기 시작했다. IRON은 먼저 샤오펑 매장과 캠퍼스에 투입된 뒤, 2027년 중국 및 해외의 리테일·서비스 등 외부 고객을 대상으로 대규모 인도에 나설 계획이다. 이미 제조 기지, 매장 체계, 해외 채널, 기업 협력 자원을 보유한 자동차 회사에게 이 상용화 경로는 연구개발팀만 가진 로봇 스타트업보다 분명히 짧다.
여기까지 오면 ‘완성차 업체의 로봇 진출’은 단순히 로봇 사업부를 하나 더 만드는 것이 아니다. 이들이 embodied AI 업계로 실제로 가져오는 것은 과거 자동차를 중심으로 구축해온 제조, 채널, 서비스, 금융, 자산관리 시스템이다.
로봇이 하나의 제품에서 금융 조달과 유지보수, 지속적 운영이 필요한 수천수만 대의 산업 자산으로 바뀌기 시작하면, ‘AI’에 의존하지 않는 이 시스템이 오히려 점점 더 중요해질 것이다.
embodied AI가 반드시 완성차 업체의 것이 되지는 않지만, 자동차 산업을 비껴가기는 점점 어려워진다
물론 자동차 회사가 이런 자원을 갖고 있다고 해서 미래 로봇 산업을 반드시 자동차 대기업이 지배하리라는 뜻은 아니다.
BMW가 굳이 스스로 Figure가 될 필요는 없으며, Mercedes-Benz도 로봇 스타트업과 협력할 수 있다. 미래에는 독립적인 로봇 본체 기업과 파운데이션 모델 기업이 다수 등장하고, 자동차 기업은 대형 고객, 제조 파트너, 데이터 필드, 상용화 채널에 가까운 역할을 맡을 가능성도 충분히 있다.
그러나 업계의 경쟁 기준은 변하고 있다. 초기 embodied AI에서 가장 희소한 것은 실제로 구동되는 로봇이었고, 그래서 시장은 자연스럽게 모션 컨트롤, 손재주, 놀라운 데모를 쫓았다. 점점 더 많은 기업이 이 문턱을 넘으면 희소한 것과 핵심 포인트는 점차 뒤쪽으로 이동하는데, 바로 그것이 자동차 산업의 가장 깊은 해자다.
현대의 3만 대 생산능력 계획, 샤오펑의 9억 달러가 넘는 로봇 자금 조달, 그리고 BMW·도요타 등 자동차 기업의 생산라인 로봇에 대한 지속적인 투자 확대는 결국 같은 사실을 가리킨다. embodied AI가 AI 연구실의 문제에서 점점 더 복잡한 산업 공학의 문제로 바뀌고 있다는 것이다.
로봇 업계 입장에서 자동차 회사가 반드시 최종 승자가 되리라는 보장은 없다. 그러나 로봇 경쟁이 다음 단계로 계속 나아가면서, 자동차 산업은 이미 경기를 조용히 자신의 홈그라운드로 끌고 왔다.
