중국 1위 로봇회사의 폭로 “10년 내에는 안 된다”
📺 원본 영상: 중국 1위 로봇회사의 폭로 “10년 내에는 안 된다” (해담경제연구소 어예진 소장)
🎙️ 채널: 언더스탠딩 : 세상의 모든 지식
📅 정리 일자: 2026-08-26
⚠️ Note: 본 리포트는 영상의 음성을 텍스트로 변환(STT)하여 정리한 것입니다. 화면에 표시된 자료와 차트, 기사 원문, 영상 속 로봇의 실제 동작은 포함되지 않을 수 있으며, 일부 기업 현황과 수치는 별도의 독립 검증 없이 강연 내용을 기준으로 서술했습니다.
개요
중국의 휴머노이드 로봇은 춤과 무술, 달리기, 공중제비 같은 인상적인 동작을 보여주며 상용화가 임박했다는 기대를 키워왔습니다. 그러나 강연자는 정해진 동작을 반복하는 능력과 낯선 환경에서 물건을 다루고 실패를 복구하는 능력은 전혀 다른 문제라고 지적합니다. 이번 영상은 이러한 기술적 간극뿐 아니라 로봇을 학습시킬 물리 데이터의 부족, 중국 정부와 훈련센터를 중심으로 형성된 초기 시장, 그리고 낙관적인 상용화 전망을 투자 판단에 그대로 반영할 때의 위험까지 함께 분석합니다.
화려한 시연 뒤에 숨은 상용화의 시간표
베이징에서 열린 World Robot Conference(세계로봇대회)는 중국 휴머노이드 산업의 발전 수준을 확인할 수 있는 무대로 소개됩니다. 대중이 기대한 것은 새로운 춤이나 공중제비가 아니라 공장과 가정에서 실제로 사람의 일을 대신할 수 있는 제품의 출시 일정이었습니다. 그러나 강연자가 전한 Unitree(유니트리) 창업자 겸 CEO 왕싱싱의 답변은 이러한 기대와 상당한 거리가 있었습니다. 왕싱싱은 빠르면 2~3년, 늦으면 5~10년 안에 로봇이 낯선 환경에서도 약 80%의 작업을 수행하는 모습을 볼 수 있을 것이라고 전망하면서도, ChatGPT처럼 일상적으로 사용하는 단계까지는 상당한 시간이 더 필요하다는 취지로 말했다고 합니다.
여기서 중요한 것은 ‘80%’가 반드시 높은 완성도를 뜻하지 않는다는 점입니다. 포장 작업에서 물건을 상자에 넣었지만 테이프와 송장을 붙이지 못하거나, 밥을 준비하면서 취사 버튼을 누르지 못한다면 남은 20%를 결국 사람이 처리해야 합니다. 하나의 연속된 작업은 마지막 단계까지 완료되어야 경제적 가치가 생기므로, 부분 성공률과 업무 대체율은 같은 개념이 아닙니다. 특히 작업 단계가 연쇄적으로 연결된 환경에서는 개별 단계의 성공률이 높더라도 전체 과정의 신뢰도는 훨씬 낮아질 수 있습니다.
💡 [영상 참조] 강연자는 왕싱싱의 발언이 소개된 기사 화면을 보여주며 2~10년의 전망과 약 80%의 작업 수행 수준을 설명합니다.
📺 원본 영상에서 확인하세요.
춤추는 로봇과 일하는 로봇은 무엇이 다른가
휴머노이드가 군무와 격투기, 공중제비를 안정적으로 수행한다는 것은 균형 제어와 관절 구동 능력 같은 하드웨어 기술이 빠르게 발전했다는 증거입니다. 그러나 이런 시연은 사전에 규정된 환경과 좌표, 반복적으로 학습한 동작을 기반으로 이루어지는 경우가 많습니다. 노래가 바뀌거나 물건의 위치가 조금 달라지는 등 조건이 변하면 기존에 학습한 동작을 그대로 적용하기 어려울 수 있습니다. 따라서 시연 영상의 완성도만으로 로봇이 스스로 판단하고 다양한 업무를 수행할 수 있다고 결론 내리는 것은 성급합니다.
가사나 공장 업무에는 훈련 과정에서 접하지 못한 변수가 끊임없이 등장합니다. 포장재가 정전기 때문에 손에 붙거나, 부품이 원래 위치에서 1~2cm 벗어나거나, 케이블이 떨어지고 상자가 젖거나 찌그러질 수 있습니다. 선반 앞을 사람이 가로막으면 충돌하지 않도록 경로를 바꿔야 하고, 물건을 놓쳤다면 실패 원인을 판단해 다시 잡아야 합니다. 강연자는 이처럼 실패를 인식하고 안전하게 복구하는 능력이 정해진 동작을 재현하는 것보다 훨씬 어려운 문제라고 설명합니다.
가정용 휴머노이드는 공장용 로봇보다 요구 조건이 더 까다로울 가능성이 큽니다. 가격이 충분히 낮아야 할 뿐 아니라 소음, 안전, 사생활 보호, 어린이나 반려동물과의 충돌 위험까지 해결해야 하기 때문입니다. 공장에서는 작업 공간을 로봇에 맞춰 통제할 수 있지만, 가정은 매 순간 환경이 변하고 예상하지 못한 장애물이 나타납니다. 한 번의 오류가 재산 피해나 인명 사고로 이어질 수 있다는 점에서 가정용 제품에 요구되는 신뢰도는 단순한 데모 성공률보다 훨씬 높습니다.
언어모델과 로봇의 결정적 차이
ChatGPT와 같은 Large Language Model(대형 언어모델)은 인터넷과 도서관에 이미 축적된 문서, 코드, 대화 자료를 대규모 학습에 활용할 수 있었습니다. 반면 로봇이 컵을 잡고 양파를 까며 계란을 깨는 데 필요한 데이터는 기존 문서에서 그대로 가져올 수 없습니다. 손가락과 관절의 각도, 물체에 가해지는 압력, 접촉력, 미끄러짐, 표면 마찰과 행동의 순서를 실제 장비로 측정해야 하기 때문입니다. 강연자는 이 차이를 휴머노이드 발전 속도를 제한하는 가장 근본적인 병목으로 제시합니다.
영상만 많이 보여주는 방식에도 뚜렷한 한계가 있습니다. 카메라는 물체의 모양과 움직임을 기록할 수 있지만, 컵을 찌그러뜨리지 않을 정도의 힘이나 미끄러지는 물체를 다시 잡을 때 필요한 접촉 정보를 완전하게 전달하지 못합니다. 피겨스케이팅 영상을 수없이 본 사람이 곧바로 빙판에서 고난도 점프를 수행할 수 없는 것처럼, 시각적 형태를 이해하는 것과 몸으로 동작을 실행하는 것은 다른 학습 문제입니다. Embodied AI(체화 인공지능)는 지능이 물리적 몸과 환경의 상호작용을 통해 학습되어야 한다는 점에서 언어 중심 AI보다 데이터 획득 비용이 훨씬 큽니다.
또한 물리 데이터는 로봇 하드웨어에 강하게 종속될 수 있습니다. 특정 손과 관절 구조로 수집한 데이터가 다른 제조사의 로봇이나 변경된 부품에 그대로 적용되지 않는다면, 한 번 만들어진 데이터의 재사용 가치가 낮아집니다. 언어 데이터 하나로 여러 모델을 학습시킬 수 있는 소프트웨어 산업과 달리, 휴머노이드 산업에서는 장비와 데이터가 함께 표준화되지 않는 한 제조사마다 비슷한 훈련을 반복해야 할 수 있습니다. 이는 개발 기간을 늘리는 동시에 자본력이 부족한 스타트업의 진입 장벽을 높이는 요인입니다.
데이터 생산은 왜 이렇게 느리고 비싼가
영상에서 소개된 훈련센터에서는 작업자가 장갑과 헤드셋 같은 웨어러블 장비를 착용하고 물건을 집거나 양파를 까는 행동을 반복합니다. 이 과정에서 촉감과 압력, 관절 움직임을 기록하지만, 8시간 동안 작업해도 학습에 사용할 수 있는 데이터는 약 3시간 분량에 그친다고 설명합니다. 작업자가 컵을 찌그러뜨린 실패 동작이나 작업과 무관하게 코를 긁고 눈물을 닦는 행동까지 그대로 학습시키면 로봇이 이를 정답의 일부로 오인할 수 있기 때문입니다. 결국 원시 데이터를 수집하는 것만큼 실패와 불필요한 동작을 골라내는 정제 과정도 중요해집니다.
강연에서는 휴머노이드가 일상생활을 원활히 수행하려면 약 1억 시간의 훈련 데이터가 필요하다는 추정도 소개됩니다. 이 수치를 확정된 산업 표준으로 받아들이기보다는 물리 데이터 확보의 규모를 설명하기 위한 강연 내 추정치로 이해할 필요가 있습니다. 방송에서는 8시간의 작업으로 3시간의 유효 데이터가 나온다는 비율을 단순 적용하면 실제 작업시간이 훨씬 더 커질 수 있다는 계산도 이어집니다. 데이터의 다양성과 품질, Simulation(시뮬레이션) 활용 수준, 모델의 전이학습 능력에 따라 실제 필요량은 크게 달라질 수 있습니다.
| 강연에서 언급된 항목 | 수치 | 해석상 주의점 |
|---|---|---|
| 낯선 환경에서 기대하는 작업 수행 수준 | 약 80% | 전체 업무의 완결성이나 상업적 신뢰도를 의미하지는 않음 |
| 해당 수준에 도달할 것으로 제시된 기간 | 빠르면 2~3년, 늦으면 5~10년 | 왕싱싱의 전망으로 소개된 범위 |
| 훈련센터의 작업 대비 유효 데이터 | 8시간 작업당 약 3시간 | 실패와 불필요한 인간 행동을 제거한 결과로 설명 |
| 일상생활 수행에 필요하다고 언급된 데이터 | 약 1억 시간 | 강연에서 인용한 추정치이며 독립 검증되지 않음 |
| JD.com의 데이터 수집 참여 계획 | 최대 60만 명 | 직원 10만 명과 일반인 신청자 50만 명으로 설명 |
| JD.com의 데이터 축적 목표 | 2년간 1천만 시간 | 웨어러블 장비를 이용한 실제 행동 데이터 계획 |
| 중국 휴머노이드 스타트업 | 최근 2년간 약 370개 | 강연에서 기사 내용을 바탕으로 제시 |
| 중국 내 로봇 훈련센터 | 약 60개 | 강연에서 소개된 추정 규모 |
💡 [영상 참조] 강연자는 작업자가 장갑과 장비를 착용하고 로봇의 물체 조작 데이터를 만드는 훈련 영상을 보여줍니다. 음성에서는 압력과 관절 각도, 미끄러짐 같은 정보가 함께 기록되어야 한다고 설명합니다.
📺 원본 영상에서 확인하세요.
JD.com의 해법과 중국의 규모 전략
훈련센터만으로 막대한 물리 데이터를 생산하기 어렵다는 판단 아래, 강연에서는 중국의 전자상거래 기업 JD.com(징둥닷컴)의 계획이 소개됩니다. JD.com은 직원 10만 명과 신청을 받은 일반인 50만 명에게 장갑을 비롯한 웨어러블 장비를 제공하고, 이들이 수행한 다양한 동작을 로봇 훈련 데이터로 수집하겠다고 발표한 것으로 설명됩니다. 최대 60만 명을 동원해 2년 동안 1천만 시간의 실제 장면 데이터를 확보하겠다는 구상입니다. 이는 인터넷에서 데이터를 복제하는 방식이 아니라 수많은 사람이 직접 몸을 움직여야 하는 대규모 노동집약형 프로젝트입니다.
이 접근법은 휴머노이드 산업에서 중국이 가진 독특한 경쟁력을 보여줍니다. 중국은 많은 제조 현장과 인력, 지방정부의 자금, 대규모 플랫폼 기업을 한꺼번에 동원할 수 있기 때문에 다른 국가가 감당하기 어려운 데이터 수집을 산업정책으로 밀어붙일 수 있습니다. 특히 단순한 물건 이동처럼 반복 빈도가 높은 공장 작업부터 데이터를 축적한다면 가정용 범용 로봇보다 제한된 산업 현장에서 먼저 성과가 나타날 가능성이 있습니다. 다만 수집된 데이터가 특정 로봇에만 적용된다면 규모의 이점이 제조사 간 데이터 파편화로 상쇄될 수 있습니다.
로봇끼리 학습 결과를 공유하면 속도가 빨라질 것이라는 기대도 나오지만, 영상은 이 가능성을 제한적으로 바라봅니다. 같은 회사의 동일한 하드웨어라면 여러 작업을 나누어 학습한 뒤 결과를 통합할 여지가 있지만, 손과 관절 구조가 다른 로봇 사이에서는 단순한 복사가 어렵기 때문입니다. 실제 업무 역시 계란을 깨고 조리하며 정리하는 과정처럼 단계들이 서로 영향을 주므로 완전히 독립된 작업으로 분할하기 어렵습니다. 결국 데이터 공유가 가속 효과를 내려면 하드웨어 표준화와 전이학습, 행동 모델의 범용성이 함께 발전해야 합니다.
중국 휴머노이드 시장의 순환 구조
강연에서 가장 흥미로운 부분은 아직 최종 소비자가 충분하지 않은 중국 휴머노이드 시장에서 매출이 형성되는 방식입니다. 지방정부의 자금 조달 기구가 로봇 제조사와 훈련센터 양쪽에 자금을 공급하고, 제조사는 정부 지원을 받아 설립된 훈련센터에 미완성 로봇을 판매합니다. 훈련센터는 해당 로봇으로 행동 데이터를 생산한 뒤 이를 다시 제조사에 판매합니다. 결과적으로 정부 자금이 제조사와 훈련센터 사이를 순환하면서 로봇 판매와 데이터 구매라는 양방향 거래를 만들어냅니다.
💡 [영상 참조] 강연자는 지방정부, 로봇 제조사, 훈련센터 사이의 투자와 판매 관계를 회색·빨간색·파란색 화살표로 표시한 구조도를 설명합니다. 화면의 세부 수치는 STT에 포함되지 않았으므로 원본 영상을 참조해야 합니다.
📺 원본 영상에서 확인하세요.
이 구조는 두 가지 시각으로 해석할 수 있습니다. 실제 외부 수요 없이 정책 자금으로 매출을 만들어낸다는 점에서는 시장의 자생력을 과장하는 순환 매출로 볼 수 있습니다. 반대로 모든 제조사가 막대한 비용의 훈련시설을 별도로 만드는 것은 비효율적이므로, 정부와 기업이 공동 인프라를 구축해 초기 데이터를 생산하는 불가피한 산업 육성 방식으로 볼 수도 있습니다. 강연은 이 모델이 정당한 선행투자인지 인위적인 매출 부양인지는 결국 기술적 성과와 민간 수요가 나타나는지에 따라 판단될 것이라고 분석합니다.
중국 전기차 산업 역시 초기에는 정부의 구매와 보조금이 시장 형성에 중요한 역할을 했다는 비교가 제시됩니다. 휴머노이드 산업도 정책 수요가 기술 축적과 비용 절감으로 이어진다면 장기적으로 독립적인 시장을 만들 수 있습니다. 그러나 훈련센터와 정부기관이 주요 구매자로 남고 실제 공장에서 인건비를 줄였다는 고객 사례가 등장하지 않는다면, 기업의 매출은 산업의 실사용 가치를 과대평가하게 만들 수 있습니다. 따라서 로봇 판매량보다 구매자의 성격과 현장 재구매 여부를 확인하는 것이 더 중요합니다.
데모 영상이 상용성을 증명하지 못하는 이유
강연은 로봇에 관한 짧은 동영상을 그대로 믿어서는 안 된다고 거듭 강조합니다. 천 번의 시도 중 한 번 성공한 장면만 공개되더라도 시청자는 로봇이 언제나 같은 작업을 수행한다고 받아들이기 쉽습니다. 그러나 실제 상용화에서 중요한 것은 최고 성능을 보여준 한 번의 성공이 아니라 수백 번 반복했을 때의 평균 성공률, 작업 속도, 실패 후 복구 능력입니다. 촬영 환경이 통제되어 있었는지, 원격조종이나 사전 프로그래밍이 사용되었는지, 편집되지 않은 연속 작업에서도 같은 성능이 유지되는지를 함께 살펴봐야 합니다.
사용자의 명령을 이해하는 능력도 비슷한 문제를 드러냅니다. 영상에서는 진행자가 직접 체험한 중국 로봇이 성인의 정해진 중국어 명령에는 반응했지만, 어린이가 같은 뜻의 말을 다르게 발음하자 반응하지 못한 사례가 소개됩니다. 실제 가정에서는 가족 구성원의 목소리와 억양, 표현 방식이 모두 다르므로 정해진 명령어 하나에만 반응하는 시스템은 사람을 대신하기 어렵습니다. 범용 휴머노이드는 이동과 조작뿐 아니라 모호한 지시를 문맥에 맞게 해석하는 능력까지 안정적으로 결합해야 합니다.
💡 핵심 투자 전략: 상용화 일정이 아니라 검증 가능한 현장 지표를 본다
영상이 제시하는 핵심적인 투자 원칙은 ‘내년 상용화’ 또는 ‘2년 내 보급’ 같은 기업의 일정만 믿고 투자하지 않는 것입니다. 아직 자금 조달이 필요한 기업은 기술 발전 속도를 낙관적으로 설명할 유인이 있으며, 통제된 데모는 실제 현장의 실패율을 감출 수 있습니다. 반대로 이미 업계 선두에 있는 기업의 보수적인 전망은 기술 병목을 더 현실적으로 반영할 가능성이 있습니다. 다만 어느 한 경영자의 발언만으로 결론을 내리기보다 서로 다른 이해관계를 가진 기업들의 전망을 비교해야 합니다.
실행 단계에서는 출하량이나 시연 영상보다 최종 사용자의 반복 구매, 작업 한 건당 비용, 무개입 연속 가동시간, 실패 복구율과 실제 인건비 절감 효과를 확인해야 합니다. 고객 구성이 정부기관과 훈련센터에 집중되어 있다면 정책 지원을 제외한 민간 수요가 존재하는지도 구분해야 합니다. 매출이 발생하더라도 제조사가 투자한 훈련센터가 다시 제품을 구매하는 구조라면, 이를 독립된 외부 고객 매출과 동일하게 평가하기 어렵습니다. 결국 상용화의 증거는 로봇을 샀다는 발표가 아니라 고객이 현장에서 생산성을 얻고 추가 구매까지 했다는 사실입니다.
이 전략에도 주의할 점은 있습니다. 정부 주도 시장이라고 해서 반드시 실패하는 것은 아니며, 중국 전기차처럼 정책 지원이 기술 축적과 규모의 경제를 촉진할 가능성도 있습니다. 또한 AI 모델과 Simulation, 하드웨어 표준화에서 돌파구가 나오면 데이터 생산 속도가 현재 예상보다 빨라질 수 있습니다. 따라서 지나친 낙관론과 함께 “앞으로도 절대 불가능하다”는 단정도 피하고, 데이터 비용과 현장 신뢰도가 실제로 개선되는지를 지속해서 추적해야 합니다.
먼저 열릴 시장은 범용 가정보다 제한된 공장이다
현재 공장에서 널리 쓰이는 로봇 팔은 정해진 위치에서 반복 작업을 매우 정확하게 수행합니다. 휴머노이드를 만드는 이유는 사람이 사용하도록 설계된 복도와 계단, 작업대와 도구를 큰 시설 변경 없이 활용하기 위해서입니다. 그러나 사람과 비슷한 외형을 갖추는 것과 사람이 수행하는 다양한 일을 이해하는 것은 별개의 문제입니다. 계란 프라이 전용 로봇 팔보다 휴머노이드가 가치 있으려면 조리와 청소, 운반, 정리 같은 여러 업무를 하나의 기계가 안정적으로 전환해가며 처리해야 합니다.
이 때문에 초기 상용화는 모든 집안일을 수행하는 범용 가정보다 변수가 제한된 제조 현장에서 먼저 나타날 가능성이 큽니다. 공장에서는 통로와 물건의 위치, 작업 절차를 일정하게 유지할 수 있고, 단순한 운반이나 부품 전달만 자동화해도 큰 경제적 효과를 얻을 수 있습니다. 중국은 제조 현장이 방대하므로 특정 작업에 특화된 휴머노이드만 성공해도 상당한 시장을 만들 수 있습니다. 다만 이런 산업용 성과를 곧바로 가정용 범용 로봇의 상용화로 확대해석해서는 안 됩니다.
하드웨어 업계와 AI 소프트웨어 업계가 상용화 전망을 다르게 보는 이유도 여기에 있습니다. 하드웨어 전문가는 마찰과 충격, 부품 편차와 안전 문제를 직접 다루기 때문에 보수적인 전망을 내놓는 경향이 있고, AI 전문가는 모델의 성능 향상이 학습 속도를 급격히 높일 가능성에 주목합니다. 실제 발전 속도는 두 영역 가운데 하나만으로 결정되지 않으며, 정교한 하드웨어와 범용 행동 모델, 저비용 데이터 생산이 동시에 발전해야 합니다. 영상의 논지는 하드웨어의 인상적인 발전이 곧 범용 지능의 완성을 뜻하지는 않는다는 데 있습니다.
마무리 / 핵심 정리
중국 휴머노이드 산업은 균형 제어와 관절 구동, 대규모 제조 역량에서 빠른 진전을 이루었지만, 실생활 상용화의 핵심 병목은 낯선 환경에서 물체를 안전하게 다루고 실패를 복구하는 능력입니다. 언어모델이 이미 존재하는 문서를 흡수해 성장했다면, 휴머노이드는 압력과 마찰, 촉감과 관절 움직임을 포함한 물리 데이터를 새로 생산해야 합니다. 이 데이터는 수집과 정제에 많은 사람과 시간, 장비를 요구하며 하드웨어가 달라지면 재사용하기 어렵다는 문제까지 안고 있습니다.
중국은 지방정부와 기업, 훈련센터를 연결하고 수십만 명 규모의 데이터 수집을 추진함으로써 이 병목을 정면으로 돌파하려 합니다. 이러한 정책 주도 구조는 초기 산업을 성장시키는 기반이 될 수도 있지만, 최종 수요가 형성되지 않는다면 순환 매출과 과잉투자로 남을 위험도 있습니다. 따라서 산업의 진짜 전환점은 더 화려한 춤이나 공중제비가 아니라 로봇이 실제 현장에서 장시간 일하고, 예외 상황을 스스로 해결하며, 고객이 경제적 효과를 확인해 다시 구매하는 순간이 될 것입니다.
영상이 전하는 결론은 휴머노이드가 불가능하다는 것이 아니라 대중이 기대한 시간표보다 훨씬 늦을 수 있다는 것입니다. 2~10년 안에 제한된 환경에서 상당수 작업을 수행하는 로봇이 등장하더라도, ChatGPT처럼 누구나 일상에서 사용하는 범용 휴머노이드까지는 추가적인 시간이 필요할 수 있습니다. 투자자와 소비자는 기업의 상용화 선언보다 데이터 생산 능력, 현장 신뢰도, 독립적인 고객 수요와 반복 구매를 중심으로 기술의 진척을 판단해야 합니다.
📚 출처 및 참고
| 구분 | 내용 |
|---|---|
| 원본 영상 | 중국 1위 로봇회사의 폭로 “10년 내에는 안 된다” (해담경제연구소 어예진 소장) |
| 채널 | 언더스탠딩 : 세상의 모든 지식 |
| 영상 길이 | 약 35분 |
| 리포트 작성 | 2026-08-26 |
| 작성 방식 | YouTube 영상 STT 변환 후 문맥 교정 및 에디팅 |
💬 본 리포트는 영상 내용을 바탕으로 재구성되었습니다. STT에서 불명확한 고유명사와 일부 대화는 문맥에 따라 교정하거나 생략했으며, 기사 화면에만 표시된 세부 정보는 추정하지 않았습니다. 정확한 발언과 시각 자료는 원본 영상을 참조해 주세요.