한국 공장 다 뺏깁니다: 몰려오는 ‘중국 로봇’ 공포
📺 원본 영상: 한국 공장 다 뺏깁니다 몰려오는 ‘중국 로봇’ 공포 (마음AI 최홍섭 대표) 🎙️ 채널: 언더스탠딩 : 세상의 모든 지식 📅 정리 일자: 2026-03-17 ⚠️ Note: 본 리포트는 영상의 음성을 텍스트로 변환(STT)하여 정리한 것입니다. 화면에 표시된 자료(차트, 코드, 슬라이드 등)는 포함되지 않을 수 있습니다.
개요
이 영상은 Physical AI(피지컬 AI) 전문 스타트업 마음AI의 최홍섭 대표가 출연하여, 인간형 로봇(휴머노이드)을 중심으로 한 Physical AI 산업의 현황과 생태계를 심층 분석한 인터뷰다. 중국 로봇 산업의 무서운 성장 속도, 한국이 보유한 가치사슬의 가능성과 한계, 그리고 수직계열화(Vertical Integration) 전략의 필요성을 현장 경험을 바탕으로 풀어낸다. “지금 안 하면 한국 공장은 중국인 노동자로 가득 찰 것”이라는 강렬한 경고가 핵심 메시지로 관통한다.
Physical AI란 무엇인가: 생각보다 훨씬 넓은 무대
최홍섭 대표는 Physical AI를 단순히 “공장 로봇”이나 “집안일 하는 휴머노이드”로 국한하지 말아야 한다고 강조한다. 그의 정의에 따르면 Physical AI는 행동할 수 있는 디바이스라면 모두 잠재적 후보가 된다. 이족보행 로봇만이 아니라 바퀴로 이동하는 로봇, 팔만 있는 고정형 로봇, 심지어 Elon Musk가 “자동차도 로봇이다”라고 정의했듯이 자율주행 차량까지도 이 범주에 포함된다.
이 넓은 정의 아래서 실제 수요처를 살펴보면 제조업 공장, 농업 현장, 건설 현장, 그리고 국방 분야까지 뻗어 있다. 강연자는 이 분야들의 공통점을 짚는다. 미국이나 캐나다처럼 평탄한 대규모 농장에서 GPS로 경로를 따라가는 방식이면 기존 기계로도 충분하지만, 과수원처럼 장애물이 많고 울퉁불퉁한 환경에서 가지 사이에 숨은 과일을 찾아 유연하게 딸 수 있는 것은 지금까지 오직 사람만이 할 수 있었다. 5살짜리 아이도 당연하게 할 수 있는 이 동작이 기존의 규칙 기반(Rule-based) 로봇에게는 불가능에 가까운 난제였다는 것이다.
건설 현장 역시 마찬가지다. 최홍섭 대표에 따르면, 제조업이 생산성을 두 배로 향상시키는 동안 건설업의 생산성 향상은 불과 20%에 그쳤다. 수십 년 전과 비교해도 공구가 약간 달라졌을 뿐, 여전히 사람이 일일이 판단하며 작업해야 하는 환경이 그대로다. 포클레인으로 파다가 잘 안 파지면 각도를 바꿔보는 식의 유연한 판단을 규칙 기반 자동화로 구현하는 것은 거의 불가능했다. 국방 역시 전장의 복잡하고 예측 불가능한 환경 때문에 규칙 기반 자동화가 사실상 불가능하며, Physical AI가 아니고서는 접근조차 어려운 분야다.
텔레오퍼레이션: 데이터 수집 전쟁의 핵심 열쇠
Physical AI가 이 모든 분야에 도전할 수 있게 된 핵심 전환점은 데이터 수집 방식의 변화다. 최홍섭 대표는 “지금부터는 그냥 데이터 수집하는 싸움”이라고 단언한다. AI 모델을 어떻게 만들고 데이터를 어떻게 수집해야 하는지에 대한 방법론이 이미 정립된 만큼, 이제 남은 것은 얼마나 많은 고품질 데이터를 얼마나 빠르게 모으느냐의 싸움이라는 것이다.
데이터 수집의 핵심 도구는 텔레오퍼레이션(Teleoperation), 즉 원격 조종이다. 건설 현장의 포클레인을 예로 들면, 사무실에서 장비를 원격으로 조종하는 시스템이 이미 실용화되어 있다. 야외의 더위와 위험을 감수하지 않아도 되기 때문에 현장 인력 기피 현상의 대안으로 개발된 이 시스템이, 의도치 않게 Physical AI의 최고 훈련 데이터 소스가 된 것이다. 사람이 원격 조종하는 장면, 즉 화면에 표시된 상황과 그에 대한 조종 동작을 짝지어 반복 학습시키면 AI가 스스로 “이런 상황에서는 이렇게 하는구나”를 터득하게 된다. 돌 캐내는 장면을 2만 개 집어넣으면, 학습을 마친 AI는 별도의 규칙 지정 없이도 돌을 캐낼 수 있게 되는 것이다.
이 원리에서 최홍섭 대표는 하나의 간명한 판단 기준을 제시한다. “이 작업을 텔레오퍼레이션으로 할 수 있나?” 이 질문에 “예스”라면, Physical AI로도 결국 할 수 있다는 뜻이다. 그리고 원격 조종으로 할 수 없는 작업이라면 애초에 사람도 하기 어려운 작업일 가능성이 높다. 결론은 Physical AI로 “웬만한 건 다 할 수 있다”는 것이다.
수직계열화의 역설: 왜 다 직접 해야 하는가
Physical AI의 기술적 특성은 산업 구조에도 근본적인 변화를 요구한다. 과거의 제조업에서는 어떤 부품은 직접 만들고 어떤 부품은 외주를 주는 방식이 상식이었다. 하지만 Physical AI 시대에는 이 공식이 무너진다고 최홍섭 대표는 주장한다.
Tesla가 왜 모터 하나까지 직접 설계하는지가 이를 잘 보여준다. Tesla는 처음에 외부 모터 회사에서 부품을 사서 썼지만, AI 모델을 실제로 로봇에 돌려보니 원하는 스펙이 무엇인지 역으로 정의되기 시작했다. 특정 관절에는 힘보다 정밀도가 중요하고, 다른 관절에는 반대로 힘이 세야 했다. 그런 맞춤형 요구를 외부의 범용 부품 업체에 전달해도, 업체는 특정 고객 하나를 위해 설계를 바꿀 유인이 없다. 결국 원하는 사양의 부품을 원하는 시점에 얻으려면 직접 만드는 수밖에 없다는 결론에 이르게 된다. 패러다임이 바뀐 것이다. AI 모델을 돌리기 위해 필요한 하드웨어의 스펙이 역으로 정의되는 구조, 즉 소프트웨어가 하드웨어를 규정하는 세계가 된 것이다.
마음AI도 하드웨어를 직접 만들지 않는 소프트웨어 회사로서 이 한계를 뼈저리게 느꼈다고 한다. 하드웨어 회사가 만들어준 로봇의 한계 내에서만 작동해야 했기 때문이다. 이 경험이 최홍섭 대표가 수직계열화를 강하게 주장하는 배경이 된다.
중국의 공세: 국가 단위 수직계열화와 선전 속도
Tesla가 기업 단위에서 수직계열화를 실현했다면, 중국은 국가 단위에서 이를 달성했다. 최홍섭 대표는 이것이 중국 Physical AI의 가장 강력한 경쟁 우위라고 분석한다.
중국의 선전(Shenzhen)에는 이른바 “로봇 백화점”이 존재한다. 과거 한국의 용산전자상가처럼, 이곳에서는 로봇의 팔, 다리, 반도체, 배터리 등 모든 부품을 그 자리에서 구매하고 조립까지 당일 완료할 수 있다. 한국에서 새로운 액추에이터(Actuator) 하나를 주문해 받으려면 두 달이 걸리는 반면, 중국에서는 아침에 필요를 인식하면 당일 부품을 구해 테스트를 마칠 수 있다. 이 “선전 속도(Shenzhen Speed)“가 개발 주기에서 압도적인 차이를 만든다.
그 결과 선전에 본사를 둔 Ubtech(유비테크)는 많은 이들의 예상을 깨고 Tesla보다 먼저 휴머노이드의 대규모 양산 타이틀을 가져갔다. 현재 중국에는 400여 개의 휴머노이드 관련 기업이 있으며, 이 중 주목할 만한 기업은 약 10개 수준이다.
💡 [영상 참조] 강연자는 이 시점에서 화면에 중국 휴머노이드 기업들의 현황과 양산 규모를 보여주는 자료를 제시합니다. 📺 원본 영상에서 확인하세요.
이 중에서도 최홍섭 대표가 가장 주목하는 기업은 상하이 기반의 AGIBOT이다. 이름 자체가 “AGI(Artificial General Intelligence, 범용 인공지능) + Robot”의 합성어로, 처음부터 Physical AI를 위한 로봇 개발을 목적으로 창업됐다. 현재까지 누적 약 2조 원의 투자를 유치했으며, 빠른 성장 속도를 반영하듯 두 달마다 사무실이 건물 한 층에서 한 채, 그리고 두 채로 확장되고 있다. AGIBOT은 반도체를 제외한 로봇 하드웨어부터 AI 모델까지 모두 직접 개발한다. 최홍섭 대표는 “써봤는데 잘한다”고 직접 평가했다.
AGIBOT이 특히 앞선 이유는 “데이터 팩토리(Data Factory)” 전략에 있다. 수백 명의 작업자가 상시 원격 조종 방식으로 설거지, 빨래, 조립 등의 동작 데이터를 수집한다. 더 많은 데이터를 모으기 위해 하드웨어를 지속적으로 개선하고, 개선된 하드웨어는 더 좋은 데이터를 만들며, 더 좋은 데이터는 AI 모델을 더 똑똑하게 만든다. 이 선순환 구조가 AGIBOT의 빠른 기술 발전을 이끌고 있다. 베이징에는 Galbot(갤봇) 같은 기업도 있는데, 최홍섭 대표는 “수위를 다투는 좋은 휴머노이드”를 만든다고 평가하며 조만간 국제적으로도 유명해질 것이라고 전망했다.
중앙정부와 지방정부가 호응하며 생태계를 밀어붙이는 중국의 전략은, 안보적 측면에서도 기인한다. Physical AI 로봇은 총 하나만 들어주면 바로 전투 병력이 된다는 점에서, 중국 정부는 이 산업을 단순한 돈벌이가 아닌 방위산업의 연장으로 인식하고 있다. 그렇기 때문에 부품 하나하나를 자국산으로 채우려는 강한 의지가 있으며, 한국 기업이 중국에 납품하는 것은 정치적, 산업 생태계적 이유로 쉽지 않을 것이라는 것이 최홍섭 대표의 판단이다.
한국의 가치사슬: 다 있는데 왜 못 하나
최홍섭 대표는 Physical AI 산업의 전체 가치사슬을 분석해본 결과, 한국이 그 구성 요소를 모두 보유하고 있다는 점에 놀랐다고 말한다. AI 기업, 로봇 제조사, 부품 업체, 반도체, 배터리까지 다 있다. 어느 나라든 가치사슬 중 하나쯤은 빠진 구멍이 있다는 일반적인 상황과 비교할 때 상당히 이례적이다.
그러나 “있다”는 것과 “잘 엮여 있다”는 것은 다른 문제다. 한국의 가장 큰 약점은 AI 기업과 로봇 기업이 분절되어 있다는 점이다. 미국에서는 AI 회사가 로봇을 만들고, 중국에서는 로봇 회사와 AI 회사가 처음부터 함께 간다. 반면 한국에서는 AI 회사는 AI만, 로봇 회사는 로봇만 하는 구조가 지속되고 있어 완성된 제품으로서의 경쟁력을 갖추기 어렵다.
하드웨어 정밀도의 격차에 대한 우려도 있었지만, 최홍섭 대표는 이 부분에서 오히려 낙관적인 시각을 제시한다. 과거 제조 로봇에서는 일본의 Harmonic Drive 같은 고정밀 감속기가 필수였지만, Physical AI 시대에는 다르다. 휴머노이드는 사람의 동작을 모방하는 것이 목표이므로, 사람 수준의 정밀도면 충분하다. 오차가 나더라도 AI 지능이 이를 보정하기 때문이다. 이 맥락에서 Tesla도, 중국도, 한국도 액추에이터를 자체 개발해 쓰고 있으며, 한국 기업들의 하드웨어 역량으로도 충분히 경쟁할 수 있다는 것이 그의 판단이다.
문제는 방향성이다. 한국의 로봇 회사들이 “무엇을 만들어야 하는지”를 모른 채 하드웨어만 개발하고 있다는 것이다. 액추에이터의 크기와 힘, 내구성 스펙은 실제로 AI 모델을 돌려봐야 역으로 정의된다. AI 회사와 로봇 회사가 따로 논다면, 서로 필요한 스펙을 알 수 없고 결국 시장성 없는 제품이 나오게 된다. 최홍섭 대표가 지속적으로 “원팀”으로 뭉쳐야 한다고 강조하는 이유가 바로 여기에 있다.
배터리와 AI 반도체: 한국이 잡아야 할 기회
최홍섭 대표는 한국이 특히 강점을 가질 수 있는 두 가지 핵심 부품 영역을 짚는다.
첫째는 배터리다. 전기차 시장에서 중국의 LFP(리튬인산철) 배터리에 눌렸던 NCM 배터리의 상황과 달리, 휴머노이드 시장은 완전히 다른 게임이 될 것이다. 사람의 몸에 장착해야 하는 배터리는 부피가 극도로 제한되기 때문에 에너지 밀도가 가장 중요한 지표가 된다. 전기차처럼 “많이 싣는” 전략이 통하지 않는다. 게다가 휴머노이드 내부에서 냉각 시스템을 구성하는 것은 자동차보다 훨씬 어렵다. 현재 대부분의 휴머노이드는 배터리 한계로 약 2시간밖에 작동하지 못하는데, 상업적 ROI를 확보하려면 최소 6시간, 이상적으로는 8시간 가동이 필요하다. 이 목표를 달성하려면 기존 전기차 NCM 배터리보다 훨씬 높은 에너지 밀도와 안전성을 가진 고급 배터리가 필수적이다. “싸고 무거운” LFP가 설 자리가 없는 시장인 만큼, 한국 배터리 기업들이 오랜 기간 축적해온 고밀도 배터리 기술이 이 틈새를 정조준할 수 있다.
둘째는 AI 반도체, 구체적으로는 휴머노이드에 탑재되는 추론용 칩이다. NVIDIA의 GPU는 범용성을 극대화한 만큼 소비전력과 발열이 크다. 하지만 휴머노이드 내부에 탑재되는 칩은 스마트폰 칩처럼 저전력, 저발열이 필수인 동시에 GPU에 준하는 AI 연산 성능도 확보해야 한다. 최홍섭 대표는 이를 요리 비유로 설명한다. GPU는 요리사의 식칼처럼 당근을 별 모양으로도 썰 수 있는 범용 도구다. 반면 전용 AI 칩은 별 모양 틀처럼 특정 작업만 하되, 속도와 전력 효율이 압도적으로 높다. 강연자는 이 유형의 칩을 ‘NPU’라고 표현하는데, 특정 AI 모델만을 고속·저전력으로 구동하도록 최적화된 전용 추론 칩을 가리킨다.
💡 [영상 참조] 강연자는 이 시점에서 화면에 한국 AI 반도체 기업 사례와 NPU 구조를 시각 자료로 제시합니다. 📺 원본 영상에서 확인하세요.
한국에는 이미 10개 이상의 팹리스(Fabless) AI 반도체 설계 기업들이 있으며 기술 수준도 괜찮다고 최홍섭 대표는 평가한다. 문제는 용기다. 이들이 Physical AI 전용 칩 하나에만 뾰족하게 집중한다면 NVIDIA와 정면 대결하는 것이 아니라, NVIDIA가 공략하기 어려운 틈새에서 독보적인 위치를 차지할 수 있다. 아울러 한국에는 파운드리(반도체 위탁 생산) 역량까지 있기 때문에, 칩 설계사와 파운드리가 긴밀하게 결합한다면 “메이드 인 코리아” 로봇용 칩의 완성도를 높일 수 있다. 이 모든 논의에서 투자 규모도 중요한 시사점을 준다. AGIBOT은 반도체를 제외한 Physical AI 전체를 누적 2조 원으로 해냈다. 최홍섭 대표는 한국 기업 중 2조 원을 투자할 수 있는 곳이 한두 개가 아님을 강조하며, 문제는 돈이 아니라 이 분야에 대한 확신과 우선순위라고 단언한다.
미국 빅테크의 각기 다른 전략
미국은 Tesla를 선두로 빅테크와 스타트업들이 활발한 생태계를 구성하고 있다. 최홍섭 대표는 각 기업의 접근법이 흥미롭게도 크게 다르다고 분석한다.
Google은 철저히 소프트웨어 중심으로 접근한다. 로봇을 직접 만들지 않고, 어떤 로봇에도 탑재 가능한 범용 AI 모델을 만들어 플랫폼화하겠다는 전략이다. 자사의 광고와 검색 사업에서 플랫폼 지배력으로 수익을 창출했던 DNA가 Physical AI에도 그대로 이식된 것이다. 최홍섭 대표는 “될까?”라는 의문을 품으면서도 나름의 논리가 있다고 본다.
Amazon은 실용주의 노선을 택했다. 세계 최대의 물류센터를 자체 운영하고 있어 당장 로봇을 써볼 수 있는 환경이 갖춰진 만큼, 최첨단 AI를 굳이 쓰지 않더라도 규칙 기반으로 처리 가능한 것부터 빠르게 현장에 투입하는 방식을 선택했다. Meta는 가장 독특한 포지셔닝을 보인다. Physical AI 조직이 메타버스 조직 산하에 있으며, VR/AR과 Physical AI를 연계하려는 의도가 엿보인다. 구체적인 방향성은 불분명하지만, 천억 원 단위의 파격적인 처우로 최고의 인재들을 흡수하고 있다는 점에서 방향만 제대로 잡으면 폭발력이 발현될 가능성이 있다.
스타트업 진영에서는 Tesla와 유사하게 수직계열화를 추구하는 Figure AI 같은 회사가 있는 반면, Google 전략과 유사하게 AI 모델에만 집중하는 “로봇 없는 로봇 회사”들도 있다. Skild AI, Physical Intelligence(π) 등이 이 범주에 속하며 조 단위의 투자를 받고 있다.
좋은 휴머노이드를 만드는 법: 기준이 바뀌었다
Boston Dynamics는 전통적으로 가장 정밀하고, 힘세고, 민첩한 휴머노이드의 대명사였다. 그러나 최홍섭 대표는 Physical AI 시대의 “좋은 휴머노이드” 기준은 근본적으로 달라졌다고 말한다.
지금의 기준에서 좋은 휴머노이드는 Physical AI 데이터를 수집하기 위한 텔레오퍼레이션이 얼마나 자연스럽고 쉬운지에 달려 있다. 화면으로 보기에 유려하게 움직이는 로봇도, 실제로 숙련되지 않은 조종자가 쓰면 데이터 수집이 불가능한 경우가 많다. 조종자가 마치 자기 몸을 직접 움직이듯 자연스럽게 작업을 수행할 수 있어야 비로소 고품질의 훈련 데이터가 쌓인다.
또 하나는 속도, 즉 기민성이다. 실제 공장 현장은 1초에 하나씩 쳐내는 속도를 요구하는 경우가 많아, 데모 영상에서처럼 느릿느릿 움직이는 로봇은 양산 현장에 투입될 수 없다. 최홍섭 대표는 중국의 로봇들이 전반적으로 한국 로봇에 비해 기민함에서 앞서 있다고 솔직하게 평가하면서도, 이는 극복 불가능한 격차는 아니라고 덧붙인다. 기민성은 결국 액추에이터 종류의 선택과 소프트웨어 제어 방식의 조합, 그리고 시행착오를 통한 경험의 축적에서 나오기 때문이다. 감속기의 기어비가 높으면 힘은 세지고 정밀해지는 대신 느려지는 트레이드오프가 있어, 이 최적점을 찾는 것은 오직 반복적인 실험과 현장 경험을 통해서만 가능하다.
마무리: 지금 시작하지 않으면 공장은 뺏긴다
최홍섭 대표의 최종 경고는 단호하다. 중국산 AI 모델과 중국산 로봇이 한국의 공장을 채우게 된다면, 그것은 사실상 중국인 노동자가 한국 공장에서 일하는 것과 다름없다는 것이다. 한국의 제조업 경쟁력은 물론 일자리도 뿌리째 흔들릴 수 있다는 의미다.
그러나 그는 비관론자가 아니다. LLM(거대언어모델) 개발에서는 빅테크의 막대한 GPU 투자를 따라가기가 현실적으로 불가능했지만, Physical AI는 다르다. AGIBOT 수준의 기업을 만들기 위해 필요한 2조 원은 한국 기업이 감당할 수 없는 규모가 아니다. 스마트폰 시대에 Samsung과 Apple이 시장을 양분했듯이, 휴머노이드 시대에 Tesla와 한국 기업이 나란히 설 수 있다는 것이 그의 꿈이다. 집집마다 자동차 한 대씩 사듯 휴머노이드를 사는 날이 오면, 그 시장을 Tesla와 양분하는 한국 기업이 탄생하는 것이다. 그리고 그 미래는, 지금 이 시점에 시작하기로 결단하는 기업들에게만 열려 있다.
📚 출처 및 참고
| 구분 | 내용 |
|---|---|
| 원본 영상 | 한국 공장 다 뺏깁니다 몰려오는 ‘중국 로봇’ 공포 |
| 채널 | 언더스탠딩 : 세상의 모든 지식 |
| 출연자 | 최홍섭 대표 (마음AI) |
| 영상 길이 | 약 57분 |
| 리포트 작성 | 2026-03-17 |
| 작성 방식 | YouTube 영상 STT 변환 후 에디팅 |
💬 본 리포트는 영상 내용을 바탕으로 재구성되었습니다. 정확한 내용은 원본 영상을 참조해 주세요.
변경 내역 요약
| 위치 | 원문 | 수정 | 사유 |
|---|---|---|---|
| 배터리와 AI 반도체 섹션 (2곳) | 'MPU'라고 표현 / MPU 구조 | 'NPU'라고 표현 / NPU 구조 | STT 오인식 수정. 엣지 디바이스 탑재형 AI 전용 추론 칩의 표준 용어는 NPU(Neural Processing Unit)이며, MPU(Micro Processing Unit)는 범용 마이크로프로세서를 가리켜 문맥상 부적합 |
| 스크린샷 7건 | — | 미삽입 | 제공된 스크린샷 목록 전체가 webUrl 없음 상태이므로 삽입 조건 미충족. 기존 💡 [영상 참조] 블록은 원본 그대로 유지 |