이렇게까지 밀어준다고? 휴머노이드에 올인한 중국
출연: KB증권 아시아시장팀 박수현 팀장
채널: 언더스탠딩 : 세상의 모든 지식
원본 영상: 이렇게까지 밀어준다고? 휴머노이드에 올인한 중국
중국은 왜 휴머노이드를 먼저 많이 만드는가
중국은 아직 일상과 산업 현장에서 널리 쓰이지 않는 휴머노이드를 왜 대량으로 만들고 있을까. 중국 로봇 기업과 세계로봇컨퍼런스(WRC)를 둘러본 박수현 팀장은 이 질문을 생산량보다 데이터 확보 방식에서 풀어낸다.
박 팀장은 영상에서 말하는 지난해 세계 휴머노이드 출하량의 약 97%가 중국에서 나왔으며, 출하된 로봇 가운데 약 70%는 연구개발이나 데이터 수집용이었다고 설명한다. 그는 연구개발용 비중이 높다는 사실을 실수요 부족으로만 해석하지 않는다. 로봇을 움직이며 학습 데이터를 얻으려면 먼저 많은 로봇이 필요하고, 중국 정부가 이 과정을 지원하고 있다는 것이다.
그가 주목하는 변화는 산업 육성 방식이다. 과거에는 현금 보조금으로 기업의 진입과 생산 확대를 유도했다면, 이제는 지분투자와 연산 자원, 학습 데이터, 훈련 환경을 결합해 로봇의 지능을 높이려 한다는 설명이다. 다만 양산과 범용성은 별개의 문제다. 박 팀장은 가까운 시기에는 특정 산업의 제한된 업무를 수행하는 로봇이 먼저 자리 잡고, 장기적으로는 로봇의 ‘브레인’이 경쟁의 중심이 될 것으로 본다.
저렴해진 부품, 달라진 전시장의 초점
전기차 공급망이 로봇의 원가를 낮춘다
박 팀장이 현장에서 확인한 변화 중 하나는 부품 가격의 추가 하락이었다. 그는 로봇에서 원가 비중이 높은 부품으로 관절을 구성하는 액추에이터를 짚고, 감속기 가격이 낮아지는 흐름을 설명한다.
가격 경쟁력의 배경으로는 전기차 부품 기업의 진출을 꼽는다. 전기차 시장의 경쟁이 치열해지면서 일부 기업이 휴머노이드 부품으로 사업을 넓히고, 기존 생산설비와 공급망을 활용한다는 것이다. 박 팀장은 전기차에서 쌓인 제조 역량이 로봇의 원가를 낮추는 기반이 된다고 본다.
부품 선택에서도 가장 높은 정밀도만을 추구하지는 않는다는 설명이 이어진다. 박 팀장은 하모닉 감속기와 유성 감속기를 비교하며 정밀도와 가격뿐 아니라 사람과 함께 일할 때의 안전성도 고려해야 한다고 말한다. 현업 관계자에게 들은 설명으로는, 외부 힘에 따라 움직일 수 있는 유성 감속기의 역구동성이 협업 환경에서 장점이 될 수 있다는 것이다.
현장에는 두 다리 대신 바퀴로 이동하는 로봇도 많았다고 한다. 하체 구조를 단순하게 만들어 비용을 줄이면 상체에는 더 정밀한 부품을 사용할 여지가 생긴다. 사람처럼 걷는 외형보다 당장 수행할 작업에 맞춰 비용과 기능을 조합하는 접근이다.
움직임을 보여주는 시연에서 작업 성과로
전시의 초점도 바뀌었다. 박 팀장은 춤, 쿵푸, 복싱 같은 움직임이 부각되던 때와 달리, 이번에는 생산라인과 물류 현장에서 어떤 일을 할 수 있는지가 더 강조됐다고 전한다. 작업 성공률이나 충전 후 작동 시간처럼 구매자가 효용을 판단하는 데 필요한 정보도 눈에 띄었다고 한다.
국유자본이 참여한 휴머노이드 플랫폼의 존재감도 커졌다. 기업의 제품뿐 아니라 정부가 데이터를 모으고 산업을 지원하는 구조가 함께 전면에 등장했다는 관찰이다.
코딩 대회와 로봇 운동회에 다양한 연령층이 참여하는 모습도 소개된다. 박 팀장은 이를 로봇을 산업 관계자만의 기술로 남겨두지 않고, 사회 전반이 익숙하게 받아들이도록 하는 과정으로 해석한다.
현금 보조금에서 지분투자와 학습 지원으로
박 팀장은 과거 중국이 전기차·배터리·태양광 산업을 육성하면서 생산자와 소비자에게 보조금을 지급하고, 토지와 인건비를 지원했다고 설명한다. 이 방식은 생산 확대를 이끌었지만, 보조금에 기대는 기업이 늘고 이후 구조조정이 필요해지는 문제도 낳았다는 평가다.
그가 보는 현재의 제약은 재정이다. 부동산 경기 부진으로 예전처럼 광범위하게 현금을 지급하기 어려워지면서, 휴머노이드에서는 지분투자를 통해 기업의 성장에 참여하는 방식이 중요해졌다고 본다. 지분투자의 목적에는 기업 육성뿐 아니라 데이터에 대한 관여와 투자 이익의 공유도 포함된다는 설명이다.
지원 자원으로는 학습에 필요한 연산 능력, 토큰·API 이용 지원, 로봇의 실제 작업 데이터가 소개된다. 특히 데이터는 개별 기업이 확보하기 어려운 자원을 공동으로 마련한다는 점에서 중요하게 다뤄진다.
박 팀장은 이런 지원이 기업을 가려내는 역할도 할 수 있다고 본다. 연산 자원과 데이터를 실제 성과로 연결하려면 기술 역량이 필요하기 때문이다. 현금 지원으로 많은 기업의 진입을 유도하던 방식보다 유망한 기업에 성장이 집중될 수 있다는 해석이다.
그렇다고 현장 기업의 자금 사정이 넉넉한 것은 아니다. 박 팀장은 방문한 기업들로부터 직접적인 현금 지원은 많지 않다는 이야기를 들었다고 전한다. 연구개발 공간과 생산시설을 제공하고 성과에 따라 이용을 이어가게 하는 사례도 소개한다. 정부의 육성 의지와 기업이 체감하는 자금 여력은 구분해서 볼 필요가 있다는 대목이다.
물체를 알아보는 능력과 움직이는 능력의 차이
로봇의 ‘브레인’에는 동작 데이터가 필요하다
박 팀장은 로봇의 브레인을 소프트웨어와 데이터로 나누고, 소프트웨어의 역할을 사람의 대뇌와 소뇌에 비유한다. 앞에 노트북이나 마우스가 있다는 사실을 알아보는 것과, 그것을 집기 위해 몸을 어떻게 움직일지 결정하는 것은 서로 다른 문제라는 설명이다.
실제 동작에는 관절의 각도, 팔을 뻗는 거리, 물체를 잡는 압력 같은 정보가 필요하다. 하드웨어가 정확하게 움직인다고 해서 주변 상황을 판단하고 필요한 행동을 수행하는 능력까지 자동으로 생기지는 않는다. 박 팀장은 좋은 모델과 하드웨어가 있어도 범용 로봇이 곧바로 등장하기 어려운 이유를 실제 행동 데이터의 부족에서 찾는다.
그는 데이터 피라미드를 통해 동영상에서 얻는 관찰 정보와 실제 로봇의 동작 데이터를 구분한다. 물체가 어떻게 생겼는지 관찰하는 것만으로는 특정 로봇이 그 물체를 잡는 데 필요한 움직임을 충분히 배울 수 없다는 것이다.
이 간극을 메우는 방법으로 사람이 로봇을 원격으로 조작하며 동작을 가르치는 텔레오퍼레이션이 소개된다. 사람이 장비를 착용하고 시범을 보이면 로봇이 대응하는 동작을 수행하며 데이터를 쌓는다. 이후 로봇이 스스로 작업을 시도하는 과정에서도 데이터를 얻는다는 설명이다.
시뮬레이션도 활용되지만 가상환경과 현실 사이의 차이는 남는다. 박 팀장은 원격조작과 실제 로봇의 움직임을 통해 이 차이를 줄이는 과정이 중요하다고 강조한다.
좋은 데이터는 자동으로 쌓이지 않는다
박 팀장은 원격조작 시연에서 마우스 하나를 집게 하는 일도 쉽지 않았다고 회고한다. 사람과 로봇의 팔 길이가 달라, 사람이 자연스럽게 하는 움직임을 로봇에 그대로 옮기기 어려웠다는 것이다.
작업과 무관한 행동이 섞이는 문제도 있다. 영상에서는 물건을 집으려다 파리를 쫓는 동작을 예로 든다. 이런 행동까지 기록되면 학습에 쓸 수 있는 시범을 가려내야 한다.
박 팀장이 설명하는 데이터 수집에는 로봇과 인력뿐 아니라 훈련 환경, 숙련된 시범, 결과를 정리하는 작업이 필요하다. 중국 정부가 개입하는 지점은 기업 혼자 부담하기 어려운 이 반복적인 과정이다.
혁신센터는 산업별 공동 훈련장이다
박 팀장은 중국에 전국적으로 큰 단위의 로봇 혁신센터가 약 22개 있다고 설명한다. 이 센터들은 산업별로 데이터를 수집하고 표준화한다. 지역의 제조업 기반과 로봇 학습을 연결하는 구조다.
그의 설명에 따르면 센터에는 자동차 생산라인이나 의류 작업 공간처럼 로봇이 연습할 물리적 환경이 마련된다. 로봇은 그 안에서 작업을 반복하며 데이터를 축적한다. 재정 여력이 있는 지방정부가 직접 출자하거나, 기술 협력이 필요한 기업과 함께 센터를 운영하는 방식도 소개된다.
박 팀장은 이를 미국의 개별 기업 중심 데이터 수집과 대비한다. 기업이 각자의 사업 현장에서 데이터를 모으는 방식에 비해, 중국은 여러 산업의 훈련 환경을 공동 기반시설로 마련하려 한다는 비교다.
그는 이 구조를 데이터 확보와 기술 표준 형성을 함께 추진하는 시도로 해석한다. 산업별 작업을 일정한 방식으로 기록하고 공유하면, 이후 로봇의 양산과 적용에도 그 기준이 영향을 줄 수 있다는 것이다.
국유기업의 공장도 데이터 수집 기반으로 언급된다. 박 팀장은 국유기업의 생산 현장에 로봇을 투입하고 산업별 데이터를 수집·표준화하도록 하는 정책을 소개하며, 정부가 현장 접근을 조직할 수 있다는 점을 중국의 특징으로 짚는다.
다만 그는 이런 여건만으로 최종 승자를 단정하지 않는다. 다양한 산업 환경에서 데이터를 축적할 수 있다는 평가와, 궁극적인 경쟁 결과는 아직 알 수 없다는 판단을 함께 제시한다.
시험 성적이 높아도 환경이 바뀌면 어려워진다
박 팀장은 로봇의 과제 수행 능력을 평가하는 시험에서 높은 성적을 얻더라도 현실 적응력이 충분하다고 보기는 어렵다고 설명한다. 카메라 위치나 조명 같은 조건을 바꾸자 성능이 크게 낮아진 사례를 소개하며, 다양한 환경의 데이터가 필요하다는 점을 짚는다.
진행자는 이를 조금만 환경이 달라져도 하던 일을 못하는 문제로 정리한다. 같은 물체를 다루더라도 위치와 시야, 밝기가 바뀌면 작업이 어려워질 수 있다는 것이다.
박 팀장은 학습한 조건에서의 높은 점수와 여러 현실 환경에서 안정적으로 일하는 능력을 구분한다. 다양한 장소와 작업 조건에서 데이터를 확보하고 활용하는 능력이 기업 간 차이를 만들 것이라는 전망이다.
‘로봇 학교’에서 특정 업무를 배운다
데이터를 계속 쌓으려면 비용을 부담할 주체와 수익을 낼 경로도 필요하다. 영상에서는 이를 ‘로봇 유치원’과 ‘로봇 학교’라는 사례로 설명한다.
로봇 유치원은 서로 다른 물체를 만지며 촉감 데이터를 축적하는 공간으로 소개된다. 박 팀장은 이 단계만으로는 수익화 경로가 뚜렷하지 않을 수 있다고 말한다.
로봇 학교는 보다 구체적인 고객 수요와 연결된다. 필요한 과제를 배우고, 기준에 미달하면 추가 훈련을 받고, 통과하면 현장에 투입하는 방식이다.
편의점은 이를 설명하기 위한 예시다. 점주가 매장 도면, 냉장고 위치, 운반할 물건과 동선 등을 전달하면 로봇이 해당 작업을 집중적으로 배우는 구상이다. 모든 환경에서 모든 일을 하는 로봇을 기다리기보다, 고객에게 필요한 일을 가르치는 서비스가 먼저 성립할 수 있다는 뜻이다.
박 팀장은 이런 맞춤형 훈련을 구독 서비스로 제공할 가능성을 제시한다. 로봇 하드웨어뿐 아니라 그 로봇이 특정 업무를 수행하도록 만드는 학습 과정도 사업이 될 수 있다는 전망이다.
대량생산 이후의 경쟁력은 어디에서 나오는가
박 팀장은 중국의 휴머노이드 육성을 제조업과 수출 경쟁력의 관점에서도 설명한다. 생산량과 가격만으로 경쟁력을 오래 유지하기는 어렵고, 기술적 진입장벽이 필요하다는 판단이다. 휴머노이드에서는 그 역할을 브레인이 맡을 것으로 본다.
그가 설명하는 구상은 저렴한 로봇을 많이 배치해 실제 동작 데이터를 모으고, 이를 지능 개선으로 연결하는 것이다. 지능이 발전해 하드웨어 정밀도에 대한 의존을 일부 줄일 수 있다면, 절감한 비용을 다시 지능 개발에 투입할 수 있다는 논리다. 박 팀장은 혁신센터가 이 과정에서 기업 혼자 해결하기 어려운 데이터 수집과 학습 비용을 나눠 맡는다고 해석한다.
산업 현장 적용 사례로는 가전 생산라인의 최종 검수 업무가 소개된다. 냉장고 문을 여닫거나 터치스크린을 확인하는 제한된 작업부터 신뢰를 쌓고, 이후 다른 공정으로 적용 범위를 넓힐 수 있다는 전망이다.
이 설명의 출발점은 모든 공정을 한꺼번에 대체하는 범용 로봇이 아니다. 현재 가능한 업무에 투입하고, 그 경험을 다음 학습과 개선에 활용하는 방식이다.
엔비디아 생태계에 대한 의존과 대안 모색
박 팀장은 중국 휴머노이드 기업들이 로봇 학습 플랫폼과 연산칩에서 엔비디아 생태계에 상당히 의존한다고 설명한다. 데이터 수집을 주도하는 것과 필요한 기술 요소를 모두 독자적으로 확보하는 것은 별개의 문제라는 것이다.
그가 강조하는 것은 칩 하나의 성능뿐 아니라 시뮬레이션, 학습 소프트웨어, 실행 하드웨어가 연결된 생태계다. 중국 기업들이 자체 연산칩과 대안을 준비하고 있다는 설명도 이어진다.
박 팀장은 향후 미국의 규제가 확대될 가능성을 염두에 두고 이러한 움직임을 해석한다. 중국 내부에서 개방형 생태계를 이끌 기업이 누구인지에 대해서는 아직 구도가 명확하지 않다고 답한다.
한국 부품 기업의 기회와 장기 경쟁력
한국에 관한 대화에서는 부품 기업의 기회와 인력 확보 문제가 함께 다뤄진다. 박 팀장은 동행한 국내 감속기·액추에이터 분야 관계자들로부터 후배 인력을 구하기 어렵다는 이야기를 들었다고 전한다. 진행자는 경험이 필요한 하드웨어 창업의 특성과 실패 후 재취업 부담을 연결해 해석한다.
박 팀장은 중국 시장에서 역량을 보이는 한국 부품 기업도 있다고 평가한다. 현재는 충분한 물량을 공급할 수 있는 부품업체가 적어, 생산능력을 갖춘 일부 기업이 주문과 가격 협상력을 확보할 여지가 있다는 설명이다.
진행자는 이런 수익성이 얼마나 오래 유지될 수 있는지 묻는다. 시장이 커지면 경쟁자가 늘고, 브레인이 발전하면 높은 하드웨어 정밀도에 대한 의존도 달라질 수 있기 때문이다. 박 팀장도 액추에이터가 장기적으로 범용 부품에 가까워질 가능성을 인정한다.
투자 관점에서 박 팀장은 현재의 하드웨어 실적과 함께 완성 로봇 및 브레인 개발로 나아갈 계획을 보겠다고 말한다. 부품을 잘 공급하는 능력에 더해 데이터 수집과 소프트웨어 역량을 어떻게 확보하는지가 중요하다는 판단이다.
기업을 보는 기준도 데이터 활용 능력으로 옮겨간다
영상 후반의 기업 비교에서도 같은 관점이 이어진다. 박 팀장은 유니트리와 유비테크를 비교하며 상대적으로 유비테크를 선호한다고 밝힌다. 자동차 제조업 고객과의 관계, 생산라인에서 축적하는 데이터, 모델 개발을 그 이유로 든다.
그가 중요하게 보는 것은 로봇을 제조할 수 있는지뿐 아니라 고객 현장에서 반복한 작업을 지능 개발에 연결할 수 있는지다. 기존 공정과 설비의 작동 방식을 이해하는 자동화 기업의 경험도 이 맥락에서 평가한다.
박 팀장은 휴머노이드가 자동화 설비 사이에서 문제를 확인하고 대응하는 ‘지휘자’ 역할을 할 가능성도 제시한다. 기존 자동화 설비와 로봇의 지능을 결합하는 방향이다.
유니트리에 대해서는 상대적으로 저렴하고 공급받기 쉬운 하드웨어가 여러 브레인 개발사의 기준 로봇으로 쓰일 수 있다는 장점을 설명한다. 소프트웨어 역량과 생태계 호환성을 어떻게 발전시키느냐에 따라 성장 경로가 달라질 수 있다는 판단이다.
범용 로봇보다 특정 작업의 상용화가 먼저다
박 팀장은 중국이 휴머노이드 개발을 서두르는 배경으로 제조업의 인력 문제와 생산 경쟁력 유지의 필요성을 꼽는다. 인구 감소와 교대근무 기피, 공급망 경쟁이 로봇 도입을 재촉한다는 해석이다.
현장에서 미완성 기술과 시연 실패를 공개하는 모습도 인상적이었다고 말한다. 원격조작이나 정교한 작업이 매끄럽지 않아도 반복적으로 적용하고 수정하는 태도가 상용화 속도를 높일 수 있다는 평가다.
그의 가까운 전망은 산업별로 특화된 로봇이 제한된 업무에 먼저 자리 잡는 것이다. 이후 여러 일을 더 유연하게 수행하는 브레인이 등장하면 경쟁 구도가 다시 바뀔 수 있다고 본다.
영상이 제시하는 중국의 휴머노이드 육성 방향은 현재 가능한 작업에 로봇을 배치하고, 그 경험을 학습에 되돌리는 방식이다. 박 팀장은 저렴한 하드웨어와 정부 지원이 이 과정의 기반이 되며, 장기 경쟁력은 현장의 데이터를 로봇의 실제 수행 능력으로 바꾸는 데서 나온다고 본다.
출처
- 이렇게까지 밀어준다고? 휴머노이드에 올인한 중국 (KB증권 아시아시장팀 박수현 팀장)
- 채널: 언더스탠딩 : 세상의 모든 지식
- 출연: KB증권 아시아시장팀 박수현 팀장