저자: Sam Padilla

편역: Yuliya, PANews

편집자 주: 이 글은 로봇 데이터 산업 현황에 관한 관찰 기사를 번역한 것입니다. 저자는 지난 46일 동안 180회의 회의를 열고 투자자, 연구자, 창업자, 그리고 47개 데이터 생산 업체와 교류하며 2026년 11월의 로봇 데이터 시장을 그려보고 2027년의 향방을 추론하고자 했습니다. 이하 번역 원문입니다:

지난 46일 동안 나는 180회의 회의에 집중적으로 참석했다. @Eidon_AI 프로젝트 회고를 발표한 이후, 나는 로봇 분야의 수십 명의 투자자, 연구 학자, 스타트업 창업자들과 심도 있는 논의를 진행했다.

동시에 @ByCrux의 의향 등록표를 오픈한 이후, 우리는 이미 47개 데이터 생산 업체를 엄격하게 심사하고 그들의 상세한 데이터 사양 기준을 수집했다. 이 모든 1차 정보에 더해 나와 @_varunnair가 막대한 시간을 투입해 업계 전체를 체계적으로 정리한 덕분에, 나는 현재 시장 상황에 대해 매우 명확하고 투철한 이해를 갖게 되었다.

시장 수요는 전혀 둔화될 기미가 없지만, 모두가 갈구하는 데이터의 형태는 격변하고 있으며 반복 속도도 매우 빠르다. 더 큰 규모와 더 깊은 기반을 갖춘 기존 업계 플레이어들도 진입을 가속하고 있다. 이 산업은 성숙기로 향하고 있고, 경쟁도 갈수록 치열해지고 있다.

이 글은 2026년 11월 로봇 데이터 산업의 전경을 스케치한 것이며, 내년 업계 전체의 향방을 예고하기도 한다.

1시간 데이터는 도대체 얼마의 가치가 있을까?

이하에서 나는 시간당 데이터 단가를 여러 번 언급할 것이다. 이 수치들은 대량의 업계 커뮤니케이션과 심층 연구를 바탕으로 도출한 최선의 추정치다. 이 시장은 가격 면에서 극도로 불투명한 것으로 알려져 있으므로, 아래의 가격 추정치는 적당히 신중하게 받아들이기 바란다.

1시간 로봇 데이터의 실제 가치는 주로 다섯 가지 핵심 차원에 달려 있다: 모달리티, 지리적 지역, 수집 장면, 배타성, 그리고 라벨링 정도다.

모달리티와 센서 구성

로봇 데이터 수집의 근본 목적은 물리 세계의 움직임을 기록하는 것이다. 그러나 동작 수요가 완전히 똑같은 두 실험실은 없고, 캡처 방식이 완전히 똑같은 두 수집 팀도 없다.

이러한 모달리티와 기술 경로의 차이는 1시간 학습 데이터 가격을 결정하는 가장 핵심적인 요인이며, 약 5달러에서 120달러 안팎까지 치솟는 거대한 가격 범위를 직접 만들어낸다.

서로 다른 모달리티를 복잡도에 따라 대략적으로 나열하면:

가장 단순한 쪽에 있는 것은 '1인칭 시점 영상'(즉 사람 눈의 시점으로 찍은 영상)이다. 여기에는 두 가지가 있다:

• 하나는 가장 기본적인 '단안(모노)'으로, 단일 렌즈로 찍은 일반 영상이다. 평소 휴대폰을 이마에 묶고 녹화한 것이 바로 이것이다.
• 다른 하나는 '양안 스테레오'로, 전용 듀얼 렌즈 카메라가 필요하며 두 카메라를 일정 거리 떨어뜨려 동시에 촬영한다. 사람에게 두 눈이 있듯이, 듀얼 렌즈로 찍은 영상은 화면 속 물체가 당신에게서 얼마나 떨어져 있는지(깊이 정보)를 바로 계산할 수 있다.

가장 복잡한 쪽에 있는 것은 '촉각 데이터', 즉 물건을 만졌을 때의 감촉이다. 지금 시장에는 촉각을 기록하는 온갖 센서들이 쏟아져 나왔지만, 모두가 속으로 불안해한다: 이 물건이 내구성이 있을까? 쓸 만할까? 이 센서에서 수집한 데이터를 다른 로봇에 옮겨도 통할까? 아직 누구도 절대적인 지배력을 지닌 제품을 내놓지 못했다.

하지만 업계 전체가 은밀히 인정하는 것은: 촉각 데이터가 절대적으로 로봇 학습의 차세대 궁극적 기회라는 점이다.

이 양극 사이에 끼어 있는 것은 각양각색의 난전 구도다. 이마 시점 영상만으로는 부족하다고 느낀 사람들이 몸에 각종 부속을 붙이기 시작했다—예를 들어 손목에 카메라를 달거나, 전용 핸드헬드 그리퍼 장비(UMI)를 쓰거나, 전신 골격 동작을 기록하는 모션캡처 슈트를 입거나(우리가 예전에 Eidon에서 하던 일이 바로 이것이다), 심지어 사람이 로봇을 원격 조종해 데이터를 기록하는 방식까지 있다.

지역, 환경, 배타성, 데이터 라벨링

모달리티가 가격의 기본 범위를 결정한다면, 다음 네 가지 요인은 가격이 그 범위 안에서 위로 올라갈지 아래로 할인될지를 결정한다:

• 지리적 출처: 미국 본토에서 수집된 데이터는 항상 각 가격대의 꼭대기에 자리 잡고 있다. 가장 인기가 많은 지리적 지역인데, 대다수 미국 로봇 기업이 겨냥하는 첫 상용 배치 시나리오가 바로 여기에 있기 때문이다. 반대로 가격의 바닥에 있는 것은 인도와 동남아시아에서 온 1인칭 시점 영상으로, 현재 이런 공급은 이미 심각하게 과잉 상태다. 구매자들이 보유한 재고가 실제 필요량을 훨씬 초과해 이 데이터의 가격은 가장 낮고, 심지어 몇몇 핵심 구매자는 아예 구매를 완전히 중단했다.
• 환경과 작업: 상업 장면의 가치는 가정 주거 장면보다 훨씬 높다. 대부분의 아르바이트 인력은 자기 집에서 영상을 찍기 때문에, 모두가 이미 지겨워할 정도다. 하지만 실제 공장이나 작업장에 들어가 촬영하려면 허가를 받기가 극히 어렵다. 그래서 전문 배관공이 배선 작업을 하거나 냉난방 기술자가 에어컨을 수리하는 실전 장면은 극도로 희소해 자연히 높은 가격에 팔린다.
• 배타성: 독점 데이터는 그 자체로 프리미엄이 붙는다. 구매자가 기꺼이 더 많은 돈을 내는 것은 상당 부분 경쟁자가 동일한 데이터를 확보할 가능성을 사들이는 것이다. 솔직히 말해, 지금 시장에서 진행 중인 대량의 수집 프로젝트는 뒤에서 전부 독점 계약이 체결되어 있다.
• 데이터 라벨링: 정제와 라벨링을 거친 데이터의 판매가는 처리되지 않은 원본 데이터보다 분명히 높다. 그러나 나는 적지 않은 기업과 창업자들이 이 문제에 과도하게 베팅하는 것을 보았다. 나의 실제 경험에 따르면, 데이터 라벨링이 시간당 단가를 끌어올리는 효과는 사실 대다수가 상상하는 것보다 훨씬 작다.

이 몇 가지 핵심 변수가 어떻게 상호작용하고 시간이 지나면서 어떻게 진화하는지 이해한다면, 제1원리에서 출발해 내년 업계 전체의 대략적인 향방, 수요가 어떻게 바뀔지, 어떤 베팅을 맹목적으로 따라가서는 안 되는지, 그리고 앞으로 돈이 어디로 흘러가야 하는지를 도출할 수 있을 것이다.

단안은 죽었고, 양안은 동났다

돌이켜보면 2024년 우리가 막 @Eidon_AI를 시작했을 때, 행인에게 돈을 주고 휴대폰을 머리에 묶게 해 자기 일하는 모습을 찍게 하는 방식은 사람들 눈에…… 꽤 괴상하고 상상하기 힘든 것으로 보였다.

당시 로봇 업계에는 1인칭 시점 영상에 대한 거대한 공급 공백이 있었고, 데이터가 어디서 왔는지, 어떤 장비로 수집했는지 따질 겨를조차 없었다.

그러니 보라, 불과 2년 만에 흐름이 완전히 뒤집혔다: 여러 대형 실험실은 이미 단안 1인칭 시점 영상을 완전히 사지 않는다, 특히 인도, 중국, 동남아시아에서 들어오는 물량은 더욱 그렇다. 저가 시장은 진작에 배가 불렀고, 연구자들의 안목도 단일 렌즈가 줄 수 있는 빈약한 정보를 이미 한참 넘어섰다.

우리가 받은 모든 공급업체 신청서 가운데 '단안 1인칭 시점 영상'은 여전히 수량이 가장 많은 재고이며, 출하지도 예외 없이 인도, 필리핀, 파키스탄, 동남아시아에 몰려 있다.

현재 미국 본토에서 대규모 독점 수집을 전문으로 하는 극소수 프로젝트를 제외하면, 우리와 이야기한 거의 모든 데이터 팀이 이미 전면적으로 양안 카메라로 전환했거나, 필사적으로 양안 방향으로 돌아서고 있다.

이는 업계 전체에 새로운 합격선을 그은 것과 같고, 이 문턱이 많은 사람을 아예 문 밖에서 막아서고 있다. 양안 스테레오 카메라를 사려면, 자재 원가가 가장 저렴한 저사양 모델을 골라도 한 대에 200달러는 든다. 조금 더 좋은 HD 기성 상용품을 사면 바로 1000달러를 넘어선다.

즉 지금 100명에게 영상을 찍게 하려면, 그들에게 한 명당 카메라 한 대씩만 지급해도 하드웨어 구매비로 5만 달러를 쏟아부어야 한다. 더 이상 예전처럼 '휴대폰 앱을 대충 만들어 앱스토어에 올리고 다들 다운로드하면 바로 시작'하는 경자산·제로코스트 방식이 아니다. 바로 이 하드웨어 장벽 때문에 내가 현재 보는 모든 양안 데이터 생산능력은 거의 전부 사전에 예약·매진되었다. 많은 수집 팀이 이 양안 카메라를 살 돈을 마련하기 위해 미리 구매자에게 달려가 매출 배분이나 독점 계약을 맺고 초기 자금을 조달해야 했다.

우리가 심사한 데이터 생산 업체 가운데 양안 데이터를 내놓을 수 있는 곳은 대략 4분의 1에 불과하다. 실제로 재고를 보유해 언제든지 팔 수 있는 곳은 겨우 두 곳뿐이고, 두 곳을 합친 재고도 총 1750시간 정도에 불과하다. 나머지 대부분 팀은 독점 주문을 받아 문을 닫고 작업에 매달리거나, 계약금을 받은 뒤에야 수요에 맞춰 작업을 시작한다.

하지만 다른 각도에서 보면 이것 자체가 거대한 새 기회다. 업계는 지금 하드웨어 제조와 데이터 수집의 수익 구조를 모두 이해하는 카메라 제조사의 진입을 극도로 갈망하고 있으며, 모두가 몸에 맞는 양안 카메라가 나오기를 애타게 기다리고 있다.

한마디로 현황을 요약하면: 양안 스테레오가 새로운 최저선이 되었고, 시장의 현물 재고는 거의 제로이며, 돈을 들고도 믿을 만한 전용 카메라 공급사를 찾기 어려운 지경이다.

촉각 센싱: 다음 격전지

촉각은 지금 모든 연구 대가들의 눈에 비치는 큰 먹잇감이며, 앞으로 몇 년간 데이터 수집의 주전장은 절대 여기다. 올해 초 우리 팀이 자체 Eidon 촉각 장갑을 양산할지 저울질하던 때, 외부에서 제시된 매입 호가는 무려 시간당 120달러에 달했다.

시장 수요는 비정상적으로 왕성하지만, 둘러보면 현재의 공급 측은 이를 충족할 능력이 전혀 없다.

현재 찾을 수 있는 촉각 데이터셋은 규모가 한심할 정도로 작을 뿐 아니라, 모두 각 대학 실험실이 각자 싸우며 만든 장난감 수준으로 완전히 다른 센서에 흩어져 있다. 이 데이터로 기존 모델을 미세조정하거나(예를 들어 T-Rex 다지 손가락 파지 논문, arXiv:2606.17055 참고), 특정 소동작을 학습시키는 것은 그럭저럭 되지만; 대형 모델의 기반을 닦는 사전 학습에 쓰기에는 이 정도 데이터로는 이에 낄 만큼도 되지 않는다.

하지만 생각해보라, 1인칭 시점 영상도 2년 전엔 똑같이 이 꼴이지 않았나? 그때 누군가 '우리가 몇만 시간의 사람 눈 영상을 모아 사전 학습하겠다'고 감히 말했다면, 모두가 헛소리한다고 여겼다.

그런데 오늘날 우리는 이미 규모가 10만 시간을 넘는 오픈소스 데이터셋을 보유하고 있다.

촉각 데이터 수집의 난이도는 카메라 하나 메고 다니는 것보다 백 배, 천 배 높지만, 이미 나팔이 울렸고 모두가 앞다투어 총검을 겨누며 누가 먼저 영상 규모에 걸맞고 사전 학습에 충분한 거대한 촉각 데이터베이스를 구축하는지 겨루고 있다.

하지만 이 분야는 정말 너무 새롭고 황량하다. 업계는 지금까지 표준 센서가 어떤 모습이어야 하는지조차 정하지 못했고, 로봇이 감지하는 촉각 신호는 이를 수집한 특정 하드웨어에 완강히 묶여 있다. A 장갑에서 수집한 감각을 B 장갑이나 C 로봇 팔에 가져가면, 알고리즘이 과연 이를 인식할 수 있고 범용으로 쓸 수 있을까? 이것은 연구계에서 지금까지도 풀리지 않은 수수께끼다.

이러한 기술 개발과 엔지니어링 실현의 난제 외에도, 현실에서의 도입 장애도 만만치 않다.

수집 작업자에게 두꺼운 센서 장갑을 끼우면 손바닥과 손가락이 전부 둔해져, 원래는 능숙했던 작업을 이제는 전혀 매끄럽게 해내지 못한다; 시판 장갑 대부분의 내구성은 혹독한 테스트를 거친 적이 없어 조금만 써도 망가진다; 장갑 한 켤레 가격이 45008000달러에 달해, 100명의 작업자에게 보급하면 장갑 구입에만 45만80만 달러가 들어간다. 이는 양안 카메라를 사는 비용의 무려 10배다. 설령 시간당 100달러의 높은 가격에 팔 수 있다 해도, 45~80시간의 유효 데이터를 연속으로 팔아야 겨우 이 장갑의 원가를 회수할 수 있다—여기에 작업자 임금, 촬영 실패로 폐기되는 비용, 후처리 비용, 그리고 장비가 고장 나 수리·보수하는 감가상각은 아직 계산에 넣지도 않았다.

지금 모든 수집 팀이 외부에 자기가 '촉각 데이터'를 한다고 선언하고 싶어 하지만, 이 일을 제대로 해내는 것, 규모화된 양산을 이루는 것은 말할 것도 없이 그 복잡함과 난이도가 극히 크다.

그런데 흥미롭게도, 우리는 데이터 수집 전용 하드웨어를 맞춤 제작하는 신생 세부 분야가 형성되고 있는 것을 목격하고 있다. 내 생각에 2027년으로 향하는 지금 이 시점에서, 이는 틀림없이 이 분야 전체에서 가장 주의 깊게 추적할 만한 방향 중 하나다.

앞으로 생산량이 올라가면 하드웨어 원가는 분명 내려갈 것이지만, 현 단계에서는 다운스트림 구매자가 큰돈을 낼 의향만 있다면 수집 하드웨어의 수익 계산은 상상 이상으로 달콤하다.

이 부분에 대해서는 사실 더 깊이 파고들 만한 세부 사항이 많아, 나는 추후 별도로 긴 글을 써서 촉각 분야를 철저히 해부할 것이다.

시장은 성숙기로 빠르게 진입하고 있다

올해 1월, 기존 AI 데이터 기업 Defined.ai는 CES 전시회에서 피지컬 AI 데이터 사업 진출을 발표했다. 그들이 발표하자마자 우리는 곧바로 협력을 성사시켜, 우리가 보유한 신체 동작 자세 데이터셋을 묶어서 그들에게 팔았다.

3월에 이르러, 배달 거인 DoorDash는 'Tasks'라는 내부 소프트웨어를 바로 출시해, 자사 배달원들이 한가할 때 휴대폰으로 옷 개기 같은 집안일을 찍게 하고 돈을 지불해, 이를 최전선 대기업의 로봇 학습에 제공했다.

그뿐만 아니라 기술 스택의 상하류를 따라 보면, 원래 로봇을 하지 않던 여러 기업들도 앞다투어 이 물길에 눈을 돌리고, 대거 뱃머리를 돌려 이 분야로 밀려들기 시작했다.

중후반기 자금 조달 규모는 더욱 터무니없을 정도다: XXDOF는 6월에 7000만 달러를 조달했고, 당시 다음 라운드에서 12억 달러 밸류에이션의 투자를 논의 중이었다고 한다; Mecka는 10월에 6000만 달러의 시리즈 B를 유치했다; 대규모 언어모델 데이터로 출세한 큰손 Micro1조차 로봇 사업만으로 연환산 매출(ARR)이 이미 1억 달러 고지를 돌파했다고 공개적으로 밝혔다.

우리의 산업 지도에서 '데이터 서비스'는 이미 전체 산업 체인의 세 번째로 큰 영역이 되었고, 로봇을 만드는 본체 제조사와 장면 도입을 하는 통합업체에 이어 세 번째이며, 거의 매주 새로운 얼굴이 뛰어들고 있다.

원래부터 선도 AI 실험실에 공급하던 기존 데이터 상인들도 지금 모두 총구를 돌리고 있다. 예를 들어 Polyshares는 과거 줄곧 AI 대기업에 산업 운영 데이터와 3D 모델을 팔아왔는데, 얼마 전 곧바로 Amelia Robotics와 손잡겠다고 발표하며 순식간에 자신의 거대한 중개 판매망을 전부 로봇 분야에 연결했다.

이러한 큰 흐름은 내가 180번의 대화에서 깨달은 가장 뼈아픈 결론을 거듭 입증한다: 로봇 데이터 사업에서 끝까지 남을 수 있는 진정한 진입장벽은 사실 두 가지뿐이다—하드코어한 전용 하드웨어, 그리고 하늘을 뚫는 고객 관계다.

이 둘 사이에 끼어 있는 잡일들—데이터 정제, 품질 검사, 현장 운영, 수작업 라벨링, 데이터 시각화, 심지어 시뮬레이션 도구를 만드는 것까지—은 각각 유용하지만, 기껏해야 모두가 갖춰야 하는 기본 자격 요건일 뿐이다. 새해를 내다볼 때, 나는 이 중간 잡일 층만으로 장기적인 방어선을 구축할 수 있다고 정말로 생각하지 않는다.

그래서 지금 선도 실험실 임원 몇 명을 아는 사람이라면 누구나 필사적으로 이 관계를 수익화하려 하고; 그래서 중간에서 수수료를 뜯는 중개·집계 분야가 무서운 속도로 빠르게 사람들로 메워지고 있다.

결론과 생각

지금 업계에는 '로봇의 데이터 병목 문제'가 곧 완전히 해결될 것이라는 목소리가 계속 나온다. 이 말이 전혀 근거 없는 것은 아니다: 어쨌든 지나온 이 짧은 2년 동안 업계 전체가 힘을 합쳐 이미 수백만 시간의 사람 눈 1인칭 시점 영상을 만들어냈다.

지금에 와서 단안 영상은 이미 값싼 범용 상품으로 전락했고, 양안 스테레오 영상은 가장 기본적인 합격선이 되었으며, 촉각 데이터가 겪는 극심한 결핍은 2024년 초의 1인칭 시점 영상보다도 더 심각하다. 만약 모든 데이터 모달리티가 필연적으로 비슷한 S자 진화 곡선을 거친다면, 나는 장담하건대 양안과 촉각에 대한 수요가 단기간에 식을 리 없다.

하지만 로봇 데이터라는 이 판에서 자신의 시간과 에너지, 그리고 주머니 속 돈을 어디에 걸어야 하는지는 즉흥적으로 정할 일이 아니다. 아주 직관적인 계산을 한번 해보자: 순수익 100만 달러를 벌려면 각기 다른 경로에서 각각 몇 시간을 갈아 넣어야 할까?

• 단안 영상의 현재 시간당 5달러라는 폭락 가격으로 계산하면, 100만 달러를 벌려면 밤낮없이 꼬박 20만 시간을 수집해야 한다. 이는 완전히 극히 미미하고 갈수록 얇아지는 마진 틈새에서 목숨을 걸고 물량을 쌓는 막노동이다.
• 촉각 데이터의 시간당 100달러라는 높은 가격으로 계산하면, 1만 시간만 모으면 목표를 달성할 수 있다. 하지만 미안하게도, 지금 쓸 만한 하드웨어는 아예 만들어지지 않았고 장비는 터무니없이 비싸며, 구매자가 가져가서 대체 어떻게 알고리즘에 집어넣어야 하는지는 과학자들조차 아직 제대로 연구해내지 못했다.

이렇게 계산해보면 오히려 정중앙에 낀 방식이 현재 가장 가성비가 높고 가장 상업적으로 합리적인 스위트 스폿이 된다.

양안 스테레오, 손목 카메라, 핸드헬드 UMI 그리퍼, 전신 모션캡처 트래킹을 하면 같은 100만 달러를 버는 데 필요한 수집 시간이 단안 영상 판매보다 4분의 1에서 12분의 1 수준으로 줄어든다; 가장 중요한 것은 이런 데이터 수집에 쓰는 하드웨어가 지금 모두 존재하고 언제든 현물로 살 수 있으며 비용도 상대적으로 통제 가능하다는 점이다.

시장 전체의 총수요는 절대 위축되지 않겠지만, 합격선은 무자비하게 높아지고, 흐름은 격렬하게 방향을 틀고 있으며, 이 트랙은 전례 없이 붐비고 있다.

이 업계에서 발판을 굳히고 진정한 해자를 갖춘 데이터 기업이 되기 위한 기회의 창은 지금 확실히 아직 열려 있다; 하지만 내가 보기에는 모두가 탑승할 수 있는 시간이 정말 얼마 남지 않았다.