임바디드 AI 업계가 전환점을 맞은 시점에, 한 건의 투자 유치가 흐름을 거슬러 성사됐다. 오늘(11월 2일) RoboScience는 A2 라운드에서 수억 위안 규모의 투자를 유치했다고 공식 발표했다. 이번 라운드는 호포자본, 훙루이다투자, 상하이반도체산업투자가 공동으로 리드했으며, 솽자본, 360전략투자, 궈롄퉁바오, 진딩캐피털을 비롯한 여러 상장사 플랫폼이 팔로우온 형태로 참여했다.

RoboScience를 들여다보면, 그 뒤에는 스탠퍼드대 AI Lab에서 같은 시기에 공부한 동기 동창 두 사람, 톈예와 사오린이 자리하고 있다. 두 사람은 학창 시절부터 로봇이 어떤 방식으로 인간의 삶 속에 들어올 수 있을지를 자주 함께 논의하곤 했다. 그리고 여러 해가 지나 중국 임바디드 AI 산업이 폭발하는 시점을 목격한 뒤, 두 사람은 귀국해 창업하는 길을 선택했고 RoboScience는 그렇게 탄생했다.

스탠퍼드는 세계 임바디드 AI 연구의 거의 대표적인 진원지 가운데 한 곳이다. ImageNet을 만든 리페이페이는 시각과 데이터에 기반한 패러다임을 세운 인물이고, Chelsea Finn이 이끄는 REAL Lab, 기하 계산 분야의 학자 Leonidas J.Guibas, 그리고 해외 대표 임바디드 기업 Pi의 창업팀까지 모두 스탠퍼드와 연결돼 있다. 2016년 전후로 스탠퍼드의 Leonidas J.Guibas 교수(미국 3대 아카데미 회원)가 이끄는 기하 계산 그룹에는 왕허, 사오린, 그리고 두 사람의 후배인 수하오 등 중국인 학생들이 모여 있었다.

3차원 기하에서 로봇 학습, 나아가 물리적 상호작용에 이르기까지 스탠퍼드에서 쌓인 연구 축적은 이 창업자들이 범용 임바디드 AI를 탐구하는 데 중요한 영감을 제공했다. 이러한 배경은 RoboScience의 기술 유전자에도 그대로 녹아 있다. 현재 회사가 자체 개발한 범용 임바디드 대형 모델 Visics는 로봇 본체를 넘나드는 일반화 난제를 돌파했고, 자체 개발한 물리 시뮬레이션 엔진 RoboMirage는 데이터 확보의 장벽을 한층 더 허물었다. 범용 임바디드로 향하는 길에서 RoboScience는 가장 어려운 관문을 정면으로 겨냥하는 쪽을 택한 것이다.

이 같은 시점에서 투자자들의 선택은 더욱 풍향계로서의 의미를 지닌다. 투자 유치를 마무리한 시점을 빌려, 투자계는 RoboScience 창업자 겸 CEO인 톈예와 심층 대화를 나눴다. 그 자리에서 기존의 대다수 임바디드 창업 이야기와는 결이 다른 서사가 천천히 펼쳐졌다.

두 스탠퍼드 동문, 손잡고 창업…임바디드 일반화 난제와 정면 승부

‘스탠퍼드 계열’이라는 점이 RoboScience가 대다수에게 남긴 첫인상이다.

이 팀의 싹은 바로 스탠퍼드에서 시작됐다. 톈예는 중국과학기술대학 학부를 졸업한 뒤 2014년 스탠퍼드로 유학을 떠나 앤드루 응 교수 문하에서 공부하며 AI 세계로 뛰어들었다.

이 유학 시절은 톈예의 인생에서 가장 소중한 경험 가운데 하나가 됐다. 당시 전 세계적으로 딥러닝이 막 일어나던 시기였고, 앤드루 응은 가장 이른 주창자 가운데 한 명이었다. 스승의 지도 아래 톈예는 세계 최전선의 기술을 접하는 것은 물론, 기술을 실제 시나리오에 적용하는 시도를 대량으로 해볼 수 있었다.

비즈니스 세계의 많은 위대한 창업 이야기는 대개 캠퍼스에서 맺어진 가장 순수한 우정에서 시작된다. 바로 이 긱과 혁신의 기운이 가득한 캠퍼스에서 톈예와 동기인 사오린이 인연을 맺었다. 다른 점이 있다면, 사오린은 임바디드 조작 전문가인 Jeannette Bohg와 기하 계산의 거장 Leonidas Guibas 문하에서 로봇 학습 분야에 집중했다.

연구 방향은 달랐지만 두 사람의 호기심은 의외로 같은 주파수에 맞춰져 있었다. 어떻게 하면 AI 역량을 물리 세계로 끌어들여, 범용 자연어로 로봇과 상호작용하며 조작할 수 있을까? “스탠퍼드 시절부터 우리는 로봇이 언제쯤 인류의 대규모 생산과 생활 속으로 실제로 들어올 수 있을지를 계속 이야기했습니다.”라고 톈예는 투자계에 회고했다.

하지만 당시 임바디드 AI라는 개념은 아직 폭발하지 않았고, 창업 타이밍도 무르익지 않은 상태였다. 그래서 톈예는 우선 애플에 들어가 애플의 AI 제품 생태계와 AI 응용 생태계를 구축하는 작업에 핵심적으로 참여했고, 엔지니어에서 기술 리더로 성장하며 세계 최초의 단말-클라우드 협동 대형 모델 추론 시스템인 Apple Intelligence와 ‘애플의 PyTorch와 CUDA’로 불리는 핵심 플랫폼 CoreML, CreateML을 주도했다. 사오린은 싱가포르국립대 컴퓨터과학과에 조교수로 합류해 로봇 학습과 정교한 조작 연구를 이어갔다.

바로 이 두 개의 전혀 다른 경험이 창업의 마지막 퍼즐 조각을 채웠다. 스탠퍼드에서 함께 출발한 뒤, 톈예는 애플에서 기술을 대규모 기기와 사용자에게 배포하는 엔지니어링 경험을 쌓았고, 사오린이 팀을 이끌며 진행한 일련의 연구도 훗날 창업의 기술적 토대가 됐다. 이렇게 ‘학술과 엔지니어링’이 서로를 보완하는 창업 조합이 완성됐다.

*RoboScience 두 창업자 기념 촬영(왼쪽 사오린, 오른쪽 톈예)

시간이 흘러 2024년, 대형 언어 모델의 범용성은 ChatGPT의 등장과 함께 폭발했고, 학계와 산업계 모두 이 스케일링 법칙을 물리 세계의 로봇에 복제하려 시도하기 시작했다. 마침내 기회를 만난 톈예는 과감히 회사를 그만두고 귀국해 창업에 나섰고, RoboScience를 세웠다. 두 사람은 계속 어깨를 나란히 했다. 톈예는 CEO를, 사오린은 최고과학자를 맡았다.

이 무렵 중국의 임바디드 AI 분야는 완전히 폭발했고, 각지의 자본과 최정상급 창업자들이 잇달아 뛰어들었다. 이 물결을 돌아보면 ‘스탠퍼드 계열’이 유난히 눈에 띈다. Hillbot 창업자 수하오, 인허범용 창업자 왕허, 충처즈넝 창업자 루처우…… 이들은 모두 스탠퍼드의 로봇·AI 학술 계보 출신이다. “AI 분야를 놓고 보면 스탠퍼드는 의심의 여지 없이 글로벌 최전선이며, 수많은 학술과 엔지니어링 혁신이 이곳에서 일어났다”는 것이 톈예의 감회다. 어느새 중국 임바디드 AI 분야에는 ‘스탠퍼드 군단’이 부상했다.

출발점이 높을수록 비전도 커지기 마련이다. RoboScience는 더 어려운 길을 택했다. 하드웨어와 소프트웨어를 아우르는 풀스택 기술 노선을 통해 범용 임바디드 대형 모델을 자체 개발하는 동시에, 로봇 본체와 물리 시뮬레이션까지 직접 하는 것이다.

“임바디드 AI에서 가장 중요한 것은 두 가지, 모델과 데이터입니다.” 톈예의 이 말은 RoboScience의 성장 경로를 거의 그대로 설명해 준다. 임바디드 AI가 마주한 일반화 난제를 돌파하기 위해 팀은 범용 임바디드 대형 모델 Visics를 자체 개발했다.

구체적으로 Visics는 VLOA(Vision-Language-Object-Action) 아키텍처를 채택하고, Object Trajectory(물체 3D 포인트클라우드 궤적)를 통일된 중간 표현 기준으로 삼는다. 이 설계는 ‘인지’와 ‘실행’을 완전히 분리한다. 상위의 임바디드 월드 모델이 물체의 물리적 운동 궤적을 예측하고 추론하며, 하위의 범용 조작 모델이 그 궤적을 어떤 로봇 본체에도 적용할 수 있는 제어 명령으로 변환하는 구조다.

동시에 회사는 고정밀 시뮬레이션 엔진 RoboMirage를 자체 개발했다. 전 테슬라 AI 총괄이자 OpenAI 공동 창업자인 Andrej Karpathy는 《Verifiability》라는 글에서, 어떤 과제에 충분히 효율적이고 전면적인 검증 환경이 갖춰져 있어 반복적인 시행착오와 효율적인 시행착오가 가능하고 보상 피드백을 자동으로 제공할 수 있다면, AI가 지속적인 훈련을 통해 그 문제를 해결할 가능성이 크게 높아진다고 제시했다.

RoboMirage는 이미 높은 동시성과 실시간성, 그리고 전 물체 공간에 대한 커버리지를 구현했다. 이는 RoboScience의 임바디드 모델 발전에 매우 큰 동력을 제공한다. 여기에 완전 자동화된 영상 라벨링·정제 파이프라인을 결합해 ‘시뮬레이션+영상’이라는 이중 데이터 플라이휠을 구축했다.

톈예는 한 세트의 수치를 공개했다. RoboScience의 데이터 노선은 데이터 1건당 획득 비용을 0.05위안까지 낮춰, 기존 방식의 1/20에서 1/200 수준으로 떨어뜨렸다. 2026년 초부터 10월까지 RoboScience의 영상 훈련 데이터는 100만 건에서 400만 건으로 늘었고 지금도 계속 확장 중이다. 데이터 규모와 비용이라는 이중 병목을 근본적으로 돌파함으로써 임바디드 분야의 스케일링 법칙을 위한 조건을 만들어낸 것이다.

범용 대형 언어 모델이 공간 이해 능력을 계속 드러내면서, 자본시장이 임바디드 AI 기업에 던지는 질문도 더욱 직설적으로 변했다. 범용 모델의 능력 경계가 계속 확장되는 상황에서, 임바디드 기업이 자체 개발한 ‘두뇌’의 독립적 가치와 장기적인 해자는 대체 어디에 있는가?

톈예의 판단은 이렇다. 범용 대형 언어 모델은 도구 호출과 과제 분해, 의도 편성에 능하지만, 과제를 이해하는 것에서 로봇을 구동해 안정적으로 조작을 완수하는 것까지는 여전히 물리 세계라는 문턱이 남아 있다. 임바디드 기업에게 핵심 가치는 서로 다른 하드웨어가 복잡한 환경에서 충분히 빠른 속도와 충분히 높은 성공률로 조작을 완수하고, 이 역량을 더 많은 본체와 과제에 재사용할 수 있게 하는 데 있다. 그 이면에는 모델이 접촉과 마찰, 탄성 등 물리 법칙을 학습해야 하고, 텍스트와 영상에서 직접 얻기 어려운 물리적 상호작용 데이터를 지속적으로 축적해 시스템이 물리 세계에서 실제 과제를 효율적이고 견고하게 완수하도록 해야 한다.

이것이 바로 RoboScience가 Visics 대형 모델과 RoboMirage 시뮬레이션 엔진을 함께 배치한 근본 논리다. 시뮬레이션 엔진을 통해 물리적 상호작용 데이터를 규모화해 생성함으로써 모델 훈련의 데이터 비용을 낮추고, 계층적으로 분리된 구조로 물체 운동 이해와 로봇 조작을 연결해 모델 역량이 특정 하드웨어에 의존하는 정도를 줄인다. 두 가지는 함께 상업적 가치가 있는 목표를 향한다. 동일한 조작 역량이 로봇 본체와 과제를 넘나들며 재사용되도록 함으로써, 새 하드웨어 적응과 새 시나리오 배치의 한계비용을 낮추는 것이다. 창업투자의 시각에서 이 노선이 지닌 상상 공간은 데이터와 모델의 지속적 축적을 대규모로 납품 가능한 범용 조작 역량으로 전환하고, 통일된 Visics 모델 인터페이스를 통해 더 많은 로봇 제조사와 응용 개발자에게 서비스를 제공하는 데 있다.

모델 측과 데이터 측에서 모두 거대한 도약을 이뤄낸 뒤, RoboScience는 1세대 로봇 본체인 REX G1 휠식 휴머노이드형 범용 로봇을 공개했다. 이 로봇은 물류와 리테일, 공장, 가정 등 시나리오에 폭넓게 활용될 수 있다.

애플이 그랬던 것처럼, 진짜 해자는 결코 특정 단일 기술이 아니라 하드웨어와 소프트웨어를 아우르는 시스템적 역량이다. RoboScience도 마찬가지다. 풀스택 역량을 구축함으로써 더 빠른 반복 속도를 확보하고, 복잡한 과제를 스스로 수행할 수 있는 차세대 로봇을 만들어가고 있다.

역주행 투자 유치, 1년 만에 임바디드 풀스택 클로즈드 루프 완성

투자자들은 일찍부터 이 스탠퍼드 동문 콤비를 주목해 왔다.

AI 시대에 투자자들은 창업 잠재력이 있는 대기업 임원과 대학 교수와 미리 관계를 맺어 두었다가, 이들이 창업을 결심할 때 가장 먼저 투자하는 방식을 취한다. 같은 일이 톈예에게도 일어났다. 기억하기로 그와 사오린이 아직 회사를 그만두기 전부터 투자자들이 잇달아 찾아와 정기적으로 교류를 이어갔다.

모든 것은 자연스럽게 이뤄졌다. RoboScience가 설립되자마자 링이창투가 단독 투자한 수천만 위안 규모의 시드 라운드가 재빨리 마무리됐다. 투자 유치를 완료한 두 달 뒤, 사오린 팀은 범용 정교 그래스프 프레임워크 D(R,O) Grasp으로 로봇 조작·운동 방향 최우수 논문상을 수상하며, 최근 5년 내 아시아 기관이 제1 소속 기관 자격으로 이 상을 받은 첫 사례가 됐다. 이 연구는 RoboScience가 본체를 넘나드는 정교 조작 난제를 돌파한 기술적 연원이기도 하다.

이후 투자자들은 계속해서 베팅을 늘렸다. 그해 7월에는 약 2억 위안에 가까운 엔젤 라운드를 완료했는데, 징둥이 리드하고 차오상국창투와 센스타임궈샹캐피털이 팔로우했으며 기존 주주인 링이창투가 추가로 투자했다. 2026년 2월에는 수억 위안 규모의 Pre-A 라운드를 완료했고, 푸화캐피털, 다천차이즈 등 저명한 투자기관이 참여했으며 차오상국창투와 링이창투 등이 계속 베팅을 늘렸다. 그리고 지금, 회사는 수억 위안 규모의 A 시리즈 라운드를 여러 차례 완료했다.

RoboScience는 투자 유치에 있어 줄곧 안정적이고 실용적인 리듬을 유지해 왔다. 실제로 상반기의 뜨거운 투자 열기를 지나 올해 하반기 임바디드 AI 분야는 눈에 띄게 식었고, 투자자들은 더욱 신중해졌으며 투자 기준도 엄격해졌다. 업계가 저점일수록 투자 유치의 무게감은 더 커진다.

투자자들이 과감히 베팅하도록 만든 것은 각 투자 국면마다 RoboScience가 달성한 마일스톤이다. 2025년 9월 고정밀 시뮬레이션 엔진 RoboMirage를 공개해 저비용·대규모 데이터 플라이휠을 뚫었고, 2026년 6월에는 범용 임바디드 대형 모델 Visics를 정식 출시해 VLOA 아키텍처로 본체·물체·과제를 넘나드는 일반화 능력을 입증했다. 불과 두 달 뒤 첫 휠식 휴머노이드 로봇인 REX G1이 공개됐다. 다시 말해 1년이라는 시간 안에 데이터와 모델, 로봇 본체 등 핵심 고리를 연결해 범용 임바디드 풀스택 클로즈드 루프를 형성한 것이다.

주목할 점은 이번 라운드를 완료하기 전 RoboScience가 텐센트클라우드와 전략적 협력을 맺고 세계 최초의 클라우드 EaaS(Embodied-AI-as-a-Service) 임바디드 AI 서비스를 구축했다는 사실이다. 이 협력을 기반으로 Visics는 세계 최초의 클라우드 임바디드 대형 모델이 되어 대중에게 호출 생태계를 개방했다.

그 배경에는 RoboScience가 상용화를 두고 쌓아온 고민이 담겨 있다. 톈예에 따르면 현재 팀에는 세 가지 산업화 노선이 있다. 최종 응용을 겨냥한 통합 임바디드 솔루션을 제공하는 한편, 클라우드에서 호출할 수 있는 모델 서비스 EaaS와 단말 측에 배포되는 컨트롤러를 제공함으로써 모델 역량을 더 폭넓은 개발자와 본체 기업, 시나리오 통합사업자에게 개방한다.

톈예의 표현대로 이 세 노선은 ‘깊이와 넓이’를 함께 고려한 것이다. 풀스택 노선은 핵심 시나리오를 깊게 파고들고, 컨트롤러와 EaaS는 역량을 외연으로 확장해 한 회사가 완전히 소화할 수 없는 광범위한 응용 시나리오를 커버한다.

이런 점들이 투자자들을 움직인 지점이기도 하다. 호포자본은 이렇게 밝혔다. “임바디드 AI 기술의 반복 주기가 빨라지면서 여러 분야에서 기술 검증에서 대규모 응용으로 넘어가는 단계를 겪고 있습니다. 개방형 시나리오에서의 범용 역량과 실제 도입 비용이 산업 돌파의 관건입니다. RoboScience는 이 핵심 과제를 중심으로 데이터·모델·본체를 관통하는 풀스택 기술 체계를 구축해 본체·물체·과제를 넘나드는 일반화 능력을 한층 강화했고, 실제 작업 환경에서 데이터 축적과 역량 반복 개선을 지속적으로 해내고 있습니다. 우리는 팀의 기술 경로에 대한 선견적 판단과 시스템화된 실행 능력을 높이 평가하며, 회사가 실제 시나리오에서 검증을 가속화하고 모델 역량의 대규모 재사용을 추진해 범용 임바디드 AI 시대의 중요한 인프라 플랫폼으로 성장할 것으로 기대합니다.”

상용화 양산과 대규모 검증이라는 시험대 앞에서 산업자본의 행보는 대개 풍향계로 여겨진다. 모든 플레이어에게 이런 투자자는 매우 귀하다. 재무적 지원뿐 아니라 실제 검증 시나리오까지 제공하기 때문이다.

RoboScience의 주주 구성을 들춰보면 이런 얼굴이 적지 않다. 징둥은 전국에 걸쳐 수십 개의 ‘아시아 1호’ 스마트 물류단지와 1000여 개의 창고를 보유하고 있고, 솽자본의 배후에는 홍콩의 천억 규모 부호가문인 리쿤키 가문이 있어 전 세계에 거대한 생산기지와 공급망 네트워크를 갖고 있다. 이들의 사업에는 비표준적이고 번거로우며 자동화가 어려운 공정이 대량으로 존재하는데, 이는 바로 임바디드 AI가 대체하기에 이상적인 시나리오다.

이번 라운드에도 여러 산업자본과 상장사 플랫폼이 등장해 팀을 이뤄 RoboScience에 신뢰표를 던졌다. 톈예는 내부적으로 여러 산업 파트너와 협력을 진행 중이며 머지않아 차례로 공개할 것이라고 밝혔다.

이보다 더 좋은 임바디드 기업의 시험장은 없을 것이다. 앞으로 RoboScience의 가속 경로는 더욱 선명해지고 있다. 이번 라운드에서 확보한 자금은 대형 모델의 지속적인 반복과 업그레이드를 중점적으로 지원하고, 물류·리테일·산업 등 핵심 시나리오에서의 POC 검증과 대규모 상용화를 추진하는 데 쓰인다. 동시에 고급 인재 확보도 더욱 강화한다.

범용 최종 단계를 향해

범용 임바디드 AI를 구현하는 것은 거의 모든 임바디드 창업자의 궁극적인 꿈이다.

이것은 매우 거대하고도 낭만적인 명제다. 그러나 ‘범용’은 로봇이 환경을 인지하고 스스로 결정하며 행동한 뒤 피드백으로 학습하고, 사람처럼 하면서 배우는 것을 의미하는 만큼, 그 이면에는 여전히 해결해야 할 공학적 난제가 많고 갈 길도 멀다. 상상과 현실의 간극이 드러나면서 업계는 ‘만능 환상’에서 ‘전용 우선’ 단계로 들어서기 시작했다. 급기야 ‘범용은 아직 너무 멀고, 버티컬 시나리오를 깊게 파는 것이 살아남는 길’이라는 견해까지 나온다.

하지만 톈예의 시각에서 이것은 양자택일의 문제가 아니다. “범용 임바디드 AI의 핵심은 한계비용을 낮추는 데 있고, 이것이 우리 미래의 핵심 경쟁력입니다.” 그는 이어 RoboScience가 풀스택 제품을 고집하는 이유가 바로 물류, 리테일 같은 특정 영역에서 심층적인 최적화를 이루기 위해서라고 설명했다.

“우리는 분명 특정 시나리오에 먼저 자리 잡아야 하지만, 그것을 뒷받침하는 것은 끊임없이 진화하고 점점 더 범용적이며 비용이 낮아지는 기반 기술입니다.” 톈예는 선순환적이고 지속 가능한 상업적 클로즈드 루프는 시나리오와 깊이 결합해야 하고, 장기적인 경쟁력은 한계비용을 계속 낮춰 규모를 확대하는 데서 나온다고 강조했다.

먼저 실제 고부가가치·고수요 산업에 진입하고, 이어 로봇을 더 넓은 시나리오로 이끌어 가는 것이 결국 모두가 기대하는 범용 임바디드 AI다. 이 길에서 가장 풀기 어려운 난제가 바로 일반화다.

간단히 말해, 현재 대다수 임바디드 모델은 고정된 시나리오에서 충분한 데이터 수집과 전용 훈련을 거치면 과제 성공률이 기본적으로 100%에 가까워진다. 하지만 조작 대상 물체를 바꾸거나 환경을 조금만 바꿔도 로봇의 과제 성공률은 크게 떨어진다.

이 난제에 대해 RoboScience는 자체적인 해법을 내놓았다. 자체 개발한 VLOA 구조로 이미 본체·물체·과제의 세 가지 차원에서 일반화를 지원하고 있다. 인상적인 장면은 2026년 세계인공지능대회에서 연출됐다. RoboScience는 현장에서 ‘30초 초고속 핸드 교체’를 선보였다. 직원이 서로 다른 브랜드의 정교한 핸드 하드웨어를 곧바로 교체했고, 재적응도 미세조정도 없이 핸드는 30초 안에 즉시 인식되어 여러 종류의 그래스프 과제를 매끄럽게 수행했다. ‘핸드만 바꾸면 바로 사용’을 실현해 본체를 넘나드는 일반화 능력을 검증한 것이다.

또한 Visics 범용 임바디드 대형 모델을 탑재한 정교한 핸드는 현장 관객이 제공한 임의의 물건도 성공적으로 집어냈다. 더 획기적인 것은 올해 8월 열린 WRC에서 RoboScience가 부스에서 월드 모델의 추론 과정을 동시에 공개해, 업계 최초로 월드 모델의 실시간 시각화 추론을 공개 시연한 기업이 된 것이다.

“임바디드 AI는 물리 세계와 밀접하게 관련된 일인 만큼, 실제 시나리오와 실제 과제, 그리고 알고리즘이 함께 진화해야 합니다.” 톈예는 맹목적으로 낙관하지 않는다. “분명 한 걸음씩, 작은 것에서 큰 것으로, 특정 산업에서 더 넓은 산업으로 나아가며 점진적으로 이뤄질 것입니다.” 그러면서도 그것이 향후 몇 년 안에 일어날 일이라고 확신한다.

임바디드 AI 창업 열풍을 겪으면서 논란과 거품도 뒤따랐다. 이 이야기에 톈예는 오히려 담담했다. “거품은 아마 모두가 서로 다른 시도를 하고 있기 때문에 생기는 것 같습니다. 생물 진화처럼 어떤 것은 진화 과정에서 사라지고 어떤 것은 살아남습니다. 이것은 기술 진화의 자연스러운 현상입니다.”

임바디드 후반전에서는 화려한 데모만으로 이야기하는 기업의 생존 압박이 갈수록 커질 것이다. 톈예는 오히려 ‘일을 하는 것’에 에너지를 쏟고 싶어 한다. “단기적인 변동은 우리에게 그저 노이즈일 뿐입니다. 상업의 본질로 돌아가면, 앞으로는 기술이 어떻게 실제로 제품에 안착하는지에 더 주목하게 될 것입니다.”

물리 세계 AGI로 가는 길의 종착점은 아직 멀다. 여러 해 뒤 돌아보면, 지금 이 순간이 분수령일지도 모른다.

模块化区块链Sophon通过节点销售筹集了6000万美元

인기 기사