로봇 껍데기에 속지 마세요, 돈 여기로 몰립니다
📺 원본 영상: 로봇 껍데기에 속지 마세요, 돈 여기로 몰립니다 (서울시립대학교 김덕진 겸임교수) (2부) 🎙️ 채널: 언더스탠딩 : 세상의 모든 지식 📅 정리 일자: 2026-04-26 ⚠️ Note: 본 리포트는 영상의 음성을 텍스트로 변환(STT)하여 정리한 것입니다. 화면에 표시된 자료(차트, 코드, 슬라이드 등)는 포함되지 않을 수 있습니다.
개요
서울시립대학교 김덕진 겸임교수가 피지컬 AI(Physical AI)의 현재와 투자 방향에 대해 깊이 있게 분석한다. 핵심 메시지는 단순하다. 보이는 로봇 껍데기에 집착하지 말고, 그 로봇이 작동하기 위해 필요한 인프라 레이어 전체를 이해해야 진짜 투자 기회가 보인다는 것이다. ChatGPT가 처음 등장했을 때 LLM 서비스보다 전력, GPU, 데이터센터, SSD 같은 하부 구조에 투자한 사람들이 더 큰 수익을 올렸던 역사적 교훈을 피지컬 AI 시대에도 그대로 적용해야 한다는 주장이다.
피지컬 AI의 현주소: 학습의 한계와 돌파구
보스턴 다이나믹스의 고백 — 아직 갈 길이 멀다
강연자가 CES에서 직접 보스턴 다이나믹스(Boston Dynamics) 부스를 방문해 담당자와 나눈 대화가 인상적이다. 전시장의 로봇이 단일 작업을 수행하는 것처럼 보였지만, 실상은 인간이 해당 작업을 5시간 동안 직접 시연하며 데이터를 입력했다고 한다. 더구나 학습된 작업이라도 오류 가능성이 있어 옆에 사람이 실시간으로 감시하며 즉각 교정해줘야 했다. 단 하나의 단순 작업에 5시간의 인간 시연이 필요하고, 공장의 다른 작업과 연동하려면 또다시 별도의 학습이 필요하다는 현실은 현재 피지컬 AI가 얼마나 많은 한계를 안고 있는지를 여실히 보여준다.
이 한계를 극복하기 위해 보스턴 다이나믹스는 Google DeepMind와 협업을 선언했고, 얼마 전 그 첫 번째 산출물이 공개되었다. 바로 스팟(Spot) 로봇에 Gemini Robotics ER — 즉, Embodied Robotics 기술 — 이 탑재된 것이다.
01:49 - 보스턴 다이나믹스 스팟 로봇에 Google DeepMind Gemini 두뇌 탑재 설명
뇌가 들어간 스팟 — 보고, 추론하고, 판단한다
이번 업데이트의 핵심은 스팟이 단순히 움직이는 기계에서 보고 판단하는 기계로 진화했다는 점이다. 강연자에 따르면, 이제 스팟은 문이 열려 있는지를 스스로 인식하고, 공장을 순찰하면서 아날로그 게이지를 읽어 온도 이상을 감지하면 즉시 알림을 보내는 수준에 이르렀다고 한다. 특히 강연자가 강조한 부분은 OTA(Over-The-Air) 업데이트 개념이다. 이미 공장에서 운용 중인 스팟 로봇이 새로운 하드웨어를 살 필요 없이 소프트웨어 업데이트만으로 능력이 향상되는 것은, 테슬라 차량이 업데이트 후 갑자기 성능이 개선되는 것과 동일한 패러다임이다. 로봇이 소프트웨어 플랫폼화 되고 있다는 강력한 신호다.
💡 [영상 참조] 강연자는 이 시점에서 스팟 로봇의 시각 인식 시연 영상과 VLA 아키텍처 다이어그램을 화면으로 보여주며 설명합니다. 상세 내용은 원본 영상을 확인하세요.
세계모델(World Model) — 데이터 없이 상상으로 행동한다
더 나아가 구글이 추구하는 다음 단계는 **세계모델(World Model)**이다. 강연자는 이를 다음과 같이 설명한다. 책이 비스듬히 놓여 있을 때, 사람은 데이터 없이도 “이렇게 잡으면 떨어지겠네, 저렇게 잡으면 되겠네”를 머릿속으로 시뮬레이션해 최적의 행동을 선택한다. 세계모델을 탑재한 AI 로봇도 바로 이 과정을 모방한다. 실제 물리 환경에서 가능한 행동들을 마치 유튜브 영상처럼 머릿속에서 연속으로 생성하고, 최적의 시퀀스를 선택한 뒤 동작하는 것이다. 아직 완벽하지는 않지만, 강연자는 이것이 “ChatGPT 모먼트처럼 한 번 팍 터지면 굉장히 빠르게 올 수 있다”고 전망했다.
이 기술 흐름은 VLA(Vision-Language-Action) 프레임워크로 정리된다. 로봇이 시각(Vision)으로 세계를 인식하고, 언어 모델(Language)로 추론하며, 행동(Action)으로 실행하는 삼위일체 구조가 바로 지금 피지컬 AI의 핵심 기술 방향이다.
03:54 - VLA 프레임워크 구조 — 컨버세이션 매니저, 툴, 픽업 액션 흐름 다이어그램
💡 핵심 투자 전략: 밸류 체인 레이어 분석법
원칙 - 먼저 뛴 자가 항상 이기는 건 아니다
강연자는 인터넷 시대의 역사를 소환한다. 네이버도 구글도 후발주자였다. 먼저 시작한 기업이 반드시 시장을 독식하지는 않았다. 피지컬 AI에서도 마찬가지 논리가 적용될 수 있다. 그렇다면 개인 투자자는 지금 무엇을 해야 하는가. 강연자의 답은 명확하다. 특정 로봇 기업을 찾으려 하지 말고, 먼저 피지컬 AI의 구조와 밸류 체인을 이해하라는 것이다.
ChatGPT가 등장했을 때 OpenAI의 상장을 기다리며 서비스 레이어만 주시했던 사람과, ChatGPT가 존재하기 위해 아래에 무엇이 필요한지를 먼저 공부한 사람 — 그 결과는 달랐다. 후자는 전력, GPU, 데이터센터, SSD의 수요 폭증을 예측해 수익을 거뒀다. 강연자는 이 교훈을 피지컬 AI에 그대로 적용하라고 강조한다.
피지컬 AI 밸류 체인 레이어
강연자가 책 집필 과정에서 가장 심도 있게 분석했다고 밝힌 피지컬 AI의 밸류 체인은 아래와 같은 레이어 구조로 구성된다.
| 레이어 | 내용 |
|---|---|
| 1. 전력(Power) | 데이터센터 및 로봇 구동을 위한 전력 인프라 |
| 2. 클라우드(Cloud) | AI 모델 학습 및 추론을 위한 클라우드 인프라 |
| 3. 칩(Chip) | GPU 및 AI 전용 반도체 |
| 4. 센서(Sensor) | 로봇의 시각·촉각·환경 인식 센서 |
| 5. 플랫폼(Platform) | 범용 AI 두뇌 및 로보틱스 운영 플랫폼 |
| 6. 로보틱스(Robotics) | 하드웨어 제조 및 시스템 통합 |
| 7. 응용(Application) | 산업별 특화 서비스 및 솔루션 |
09:04 - 피지컬 AI 밸류 체인 레이어 구조 — 전력·클라우드·칩·센서·플랫폼·로보틱스·응용 계층도
강연자는 이 구조를 알면 어떤 기업이 흥하고 지더라도 항상 수혜받는 레이어가 어디인지 보이기 시작한다고 강조한다. 특정 로봇 기업이 망해도 그 로봇을 구동하는 칩이나 플랫폼 기업은 살아남는다. 마치 인터파크가 망해도 전자상거래 자체는 성장을 멈추지 않았던 것처럼.
주목할 사례 - Skild AI와 한국 대기업의 움직임
강연자에 따르면, Skild AI는 5층 플랫폼 레이어에 해당하는 범용 두뇌 개발 기업이다. 특정 로봇에 종속되지 않고 모든 로봇에 범용으로 탑재될 수 있는 AI 두뇌를 만들고 있으며, 이 때문에 기업가치가 계속 상승하고 있다고 한다. 최근 한국의 한 대형 그룹 회장이 직접 실리콘밸리를 방문해 이 회사를 만난 것으로 전해졌는데, 강연자는 이를 하드웨어 강점을 가진 기업이 소프트웨어 두뇌를 확보하기 위한 전략적 움직임으로 해석했다. 삼성과 구글의 협업처럼, 하드웨어 강자가 AI 두뇌 스타트업과 협업하는 그림이 반복될 가능성이 크다는 분석이다.
10:06 - Skild AI — 피지컬 AI 밸류 체인의 5번째 플랫폼 레이어
피지컬 AI의 4가지 영역과 단계별 투자 시각
휴머노이드만이 피지컬 AI가 아니다
강연자는 NVIDIA가 피지컬 AI를 크게 네 가지로 분류한다고 소개한다. 우리가 흔히 피지컬 AI 하면 휴머노이드 로봇만 떠올리지만, 실제 시장은 훨씬 넓고 다양하게 구성되어 있다는 점을 강조한다.
| 유형 | 설명 | 예시 |
|---|---|---|
| 이동 기반 | 자율 이동 능력 중심 | 자율주행차, 자율주행 로봇 |
| 관측 기반 | 감지·모니터링 중심 | 드론, 순찰·구조 로봇 |
| 조작 기반 | 물리적 작업 수행 | 공장 로봇암, 산업용 매니퓰레이터 |
| 운영 기반 | 시스템·환경 제어 | 스마트빌딩, 산업 제어 시스템 |
13:41 - NVIDIA가 분류한 피지컬 AI 4가지 유형 — 이동·관측·조작·운영 기반 분류표
강연자가 지금 당장 가장 먼저 개화할 것으로 기대하는 영역은 관측 기반 피지컬 AI다. 통신이 끊겨도 자체 추론으로 움직이는 드론과 모니터링 로봇들이 이미 기술적으로 성숙했고, 하수관이나 복잡한 시설 내부 점검처럼 사람이 접근하기 어려운 환경에서의 수요가 명확하다는 이유에서다. 반면 휴머노이드는 아직 가야 할 길이 멀며, 이동·관측·조작 기반의 선행 기술들이 충분히 무르익은 뒤에야 진정한 범용 휴머노이드가 실현될 것이라는 단계적 시각을 제시했다.
손가락의 경제학 — 산업별 최적화
보스턴 다이나믹스의 로봇이 손가락 4개인 이유에 대해 강연자가 담당자에게 직접 물어본 일화는 인상적이다. 처음에는 3개였으나 집는 동작이 부족해 4개로 늘렸고, 공장 용도에서는 5개가 굳이 필요하지 않아 비용 효율을 위해 4개로 최적화했다고 한다. 강연자는 이 사례에서 피지컬 AI 시장의 분화 방향을 읽는다. 공장용 로봇은 가성비에 최적화된 설계로 가고, 수술 보조처럼 극도의 정밀도가 필요한 의료 분야에서는 5개 이상의 섬세한 손가락이 필요한 고사양 로봇이 따로 발전할 것이다. 산업별로 최적의 사양이 다르고, 이에 따라 부품·센서·소프트웨어의 요구사항도 다르게 형성된다. 결국 로봇 하나로 모든 걸 해결하려는 접근보다, 레이어별·산업별 특화 기업들이 각각의 시장에서 성장하는 구도가 될 것이다.
후지쯔(Fujitsu)의 사례 — 플랫폼 통합자의 역할
강연자는 CES에서 후지쯔가 보여준 사례를 흥미롭게 소개했다. 후지쯔는 스스로 로봇을 만들지 않고, 중국 Unitree의 로봇을 가져다가 관제 시스템을 얹었다. 평상시에는 방문객을 응대하고, 의심스러운 행동이 감지되면 해당 인물에게 접근해 모니터링하는 서비스다. 이는 하드웨어를 직접 제조하지 않고도 피지컬 AI 시장에서 가치를 창출하는 방식, 즉 플랫폼·통합자 레이어의 비즈니스 모델을 보여준다. 강연자는 이런 방식으로 디바이스 제조와 서비스 구성이 서로 다른 방향으로 분화할 것이라고 전망했다.
AI 경쟁 구도: 구글 vs. 애플 vs. OpenAI
OpenAI의 불안한 위치
강연자에 따르면 현재 전 세계 투자자들 사이에서 OpenAI에 대한 우려가 크다. 생성형 AI 시장의 선도자였지만 Gemini, Claude 등이 빠르게 추격하면서 “과연 제대로 IPO할 수 있을까”라는 의문이 제기되고 있다는 것이다. 동시에 OpenAI가 너무 커져서 상장에 실패할 경우 AI 시장 전체의 거품이 꺼질 수 있다는 ‘대마불사’ 논리도 시장에 혼재해 있다. 선도 기업이 반드시 최종 승자가 아니라는 인터넷 시대의 교훈이 여기서도 반복될 가능성이 있다.
구글의 선택 — 먼저 가는 놈이 많이 먹는다
강연자 개인의 시각에서 현재 가장 믿음직한 전략을 취하는 기업은 구글이다. 피지컬 AI에서 세계모델과 Embodied AI 연구를 선행하고, 스마트폰에 최적화된 온디바이스 AI도 병행하는 두 가지 방향을 동시에 밀어붙이고 있다. 강연자는 개인적으로 구글 주식을 상당량 보유하고 있으며, 먼저 가는 기업이 더 많은 것을 가져가는 시장이라고 판단하고 있다고 밝혔다.
애플의 방관 — 전략인가, 실패인가
애플에 대해서는 다소 비판적인 시각을 내비쳤다. 애플은 생성형 AI에서 독자 LLM 개발을 시도했지만, 자사의 강력한 프라이버시 정책 때문에 일반적인 구조의 LLM을 사용하지 못하고 앞뒤로 보안 레이어를 감싸는 복잡한 구조를 만들려다 제대로 작동시키지 못했다고 한다. 결국 임시방편으로 구글의 LLM을 탑재했는데, 강연자는 “한 번 들어온 구글을 바꾸기는 쉽지 않다”고 지적했다. 애플이 ‘안 하는 것’이 아니라 ‘못 하는 것’이라는 분석이다. 다만 애플의 압도적인 디바이스 생태계 권한 덕분에 구글 AI가 애플 기기에 탑재되면 구글도 좋고 애플도 어느 정도 혜택을 보는 구조가 형성될 수 있다는 점은 인정했다.
AI 시대의 직업 변화: 법조계에서 배우는 교훈
AI가 평준화하는 것과 대체하지 못하는 것
강연자가 당일 만난 한 변호사와의 대화에서 흥미로운 통찰이 나온다. 로펌들이 주니어 변호사 채용을 줄이고 있지만, AI가 대체하지 못하는 영역이 명확히 존재한다. 바로 ‘전관(前官)’, 즉 검찰·세무청·금융당국 등 출신으로 인맥과 권위를 가진 변호사들이다. AI가 법률 리서치와 문서 작성을 아무리 잘해도, 판사나 규제 기관과의 인간적 신뢰 관계를 대신할 수는 없다.
강연자는 이 사례를 더 넓은 구조로 확장한다. 예를 들어 율촌과 김&장이 소송에서 맞붙을 때, 예전에는 양쪽 주니어 변호사들이 밤새워 서류를 쌓아왔다면, 이제 그 작업은 AI가 대신한다. 그 결과 확보된 시간을 어떻게 쓰느냐가 승패를 가른다. 강연자의 표현대로 “AI가 만들어준 시간의 효율을 비효율의 낭만에 써야 한다”는 것이다. 만남, 관계 구축, 판단력 발휘 — 이런 영역은 오히려 AI 시대에 더 강조된다.
마무리 / 핵심 정리
김덕진 겸임교수가 이 강연에서 일관되게 주장하는 것은 구조를 먼저 이해하는 자가 이긴다는 것이다. 지금 피지컬 AI 시장은 ChatGPT가 처음 등장한 2022년 말과 비슷한 국면에 있다. 그 시점에 OpenAI의 상장만 기다렸던 사람과, ChatGPT가 돌아가기 위해 필요한 전기·GPU·데이터센터·SSD를 먼저 공부했던 사람 — 그 결과의 차이가 이미 역사가 되었다.
피지컬 AI의 밸류 체인 — 전력, 클라우드, 칩, 센서, 플랫폼, 로보틱스, 응용 — 각 레이어를 이해하면, 어떤 기업이 떴다 졌다 해도 항상 돈이 흘러가는 지점이 보인다. 그리고 그 안에서 범용 두뇌 플랫폼(Skild AI 같은), 관측·모니터링 중심의 피지컬 AI, 산업별 특화 솔루션 같은 구체적인 투자 테마가 보이기 시작한다. 강연자는 지금이 로봇의 껍데기를 쫓을 때가 아니라, 그 로봇을 가능하게 하는 구조를 공부할 때라고 강조하며 강연을 마무리했다.
📚 출처 및 참고
| 구분 | 내용 |
|---|---|
| 원본 영상 | 로봇 껍데기에 속지 마세요, 돈 여기로 몰립니다 (2부) |
| 채널 | 언더스탠딩 : 세상의 모든 지식 |
| 출연 | 김덕진 겸임교수 (서울시립대학교) |
| 리포트 작성 | 2026-04-26 |
| 작성 방식 | YouTube 영상 STT 변환 후 에디팅 |
💬 본 리포트는 영상 내용을 바탕으로 재구성되었습니다. 정확한 내용은 원본 영상을 참조해 주세요.