중국 1위 로봇회사의 폭로 "10년 내에는 안 된다" (해담경제연구소 어예진 소장)

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

중국 1위 로봇회사의 경고대로, 범용 휴머노이드의 가정·공장 상용화는 물리 데이터와 신뢰성 병목 때문에 10년 내에도 장담하기 어렵다.

📌 핵심 요점

1. 춤·무술·덤블링 같은 시연은 정해진 환경과 동작을 반복 학습한 결과이며, 물건 위치나 무게가 조금만 달라져도 실패할 수 있어 범용 작업 능력을 증명하지 못한다.
2. 언어 모델은 기존 문서를 대규모로 활용할 수 있지만, 로봇은 압력·마찰·관절 각도·접촉력과 실패 복구 과정이 포함된 신체 데이터를 직접 생산해야 한다.
3. 작업 완수율 80%는 경제적으로 충분하지 않다. 포장이나 조리의 마지막 단계가 남으면 사람이 다시 투입돼야 하므로 불완전한 자동화는 인건비 절감과 생산성 향상을 제한한다.
4. 유니트리 창업자 왕싱은 낯선 환경에서 약 80%의 작업을 수행하는 로봇도 2~10년이 걸릴 수 있다고 전망했으며, 일상에서 자연스럽게 쓰이는 범용 로봇에는 훨씬 긴 시간이 필요하다고 봤다.
5. 중국은 정부 지원 훈련센터를 통해 로봇 판매와 데이터 생산을 촉진하고 있지만, 외부 고객 수요 부족과 제조사별 데이터 비호환성, 높은 수집·정제 비용이 시장의 자생력과 확장성을 제약한다.

🧩 배경과 문제 정의

• 중국 휴머노이드 로봇은 춤·격투기·덤블링 같은 정해진 동작에서는 빠르게 발전했지만, 가정과 공장의 낯선 환경에서 작업을 완수하는 능력은 아직 부족하다.
• 언어 모델과 달리 로봇은 압력·마찰·관절 각도·접촉력까지 포함한 물리 데이터를 직접 만들어야 하며, 작은 환경 변화와 실패에 스스로 대응하는 과정도 필요하다.
• 중국 정부와 기업은 훈련센터를 중심으로 로봇 판매와 데이터 생산을 순환시키고 있지만, 실제 외부 수요와 데이터 호환성, 막대한 훈련 비용이 상용화를 제약한다.

🕒 시간순 섹션별 상세정리

1. 화려한 시연 뒤에 남은 상용화 기대

• 베이징 세계로봇대회에 중국 휴머노이드 기술의 발전 수준을 확인하려는 관심이 집중됐고, 춤·무술·축구·덤블링 시연은 당장 실생활에 투입할 수 있다는 기대를 키웠다. [01:25]
• 투자자와 소비자가 원하는 것은 또 다른 묘기 시연이 아니라 공장과 가정에서 실제 작업을 맡을 수 있는 사람 형태의 로봇이다. [02:05]

2. 대화 능력과 물리 작업의 격차

• 대형 언어 모델을 탑재한 로봇은 사람과 대화하거나 수학 문제를 풀 수 있지만, 이는 현재도 구현 가능한 언어 처리 능력에 가깝다. [03:09]
• 청소 로봇은 거울을 통로로 오인해 충돌하고 요리 중 프라이팬 무게를 감당하지 못했으며, 말하기와 물체를 안전하게 다루는 물리 제어 사이의 격차가 드러났다. [03:40]

3. 통제된 무대에서만 성공하는 로봇

• 전시회 시연은 주방 구조와 물건 위치를 미리 지정하고 같은 동작을 수천 번 훈련한 결과여서, 정확한 좌표가 조금만 달라져도 재현하기 어렵다. [05:12]
• 싱크대 위치나 프라이팬 무게가 바뀌면 허공을 잡거나 물건을 떨어뜨릴 수 있어, 고정된 환경에서의 성공이 범용 작업 능력을 뜻하지 않는다. [05:37]

4. 유니트리 창업자의 보수적인 전망

• 유니트리 창업자 왕싱은 낯선 환경에서도 약 80%의 작업을 수행하는 로봇이 빠르면 2~3년, 늦으면 5~10년 안에 등장할 수 있다고 내다봤다. [06:36]
• 작업 수행률이 높아지더라도 ChatGPT처럼 누구나 일상에서 자연스럽게 사용하는 단계까지는 훨씬 긴 시간이 필요하다. [07:00]

5. 작업 완수율 80%의 경제적 한계

• 포장 작업의 80%만 끝낸 로봇이 테이프와 송장을 남겨두면 결국 사람이 다시 투입돼야 하므로, 불완전한 자동화는 인건비 절감 효과를 제한한다. [07:48]
• 밥을 짓는 과정에서도 쌀의 종류와 양에 맞춰 물을 조절하고 마지막 버튼까지 눌러야 하며, 일부 단계의 실패가 전체 작업을 무용하게 만든다. [08:18]

6. 상장 기업과 투자 유치 기업의 엇갈린 전망

• 업계 선두 창업자의 보수적인 발언은 낙관론을 기대했던 투자자에게 충격을 줬고, 상장 이후에야 기술적 한계를 인정했다는 비판도 나왔다. [09:01]
• 일부 로봇기업 창업자는 1~2년 안에 상용화가 가능하다고 전망하지만, 당장 투자를 유치해야 하는 이해관계가 낙관론에 영향을 줄 수 있다. [09:52]

7. 묘기보다 어려운 낯선 환경의 판단

• 사용자가 원하는 로봇은 정해진 라면만 끓이는 기계가 아니라, 재료가 달라졌을 때 새로운 조리법을 선택하고 처음 보는 환경에서도 작업을 이어가는 존재다. [11:03]
• 춤과 덤블링은 균형 제어와 관절 구동 능력을 보여주지만, 포장재가 손에 붙거나 부품 위치가 어긋나는 돌발 상황의 해결 능력과는 다르다. [11:38]

8. 신뢰성과 안전성이 만드는 마지막 장벽

• 젖거나 찌그러진 상자와 사람으로 막힌 이동 경로처럼 작은 변수가 생기면 작업 성공률이 급격히 떨어지고, 열 번 중 두세 번만 성공하는 로봇은 현장에 투입하기 어렵다. [12:23]
• 80%에서 100%에 가까운 신뢰도로 끌어올리는 과정에는 긴 시간이 필요하며, 작은 오류도 사고로 이어질 수 있어 안전 기준까지 높아진다. [12:49]

9. 인터넷에 존재하지 않는 신체 데이터

• ChatGPT는 기존 문서를 학습 자료로 활용할 수 있지만, 로봇에는 양파를 깔 때 손가락 근육과 관절을 어떻게 움직이는지 기록한 데이터가 없어 처음부터 생산해야 한다. [14:08]
• 물건 하나를 집는 훈련에도 사람이 옆에서 로봇을 조작해야 하며, 단순한 동작조차 많은 인력과 반복 작업을 요구한다. [14:54]

10. 무술 시연과 물체 조작의 역설

• 영상만으로 컵을 집는 형태는 배울 수 있지만, 크기와 재질이 다른 컵을 깨뜨리거나 떨어뜨리지 않고 잡는 힘은 별도의 물리 데이터가 필요하다. [15:52]
• 계획된 무술 동작은 빠르고 날렵하게 수행하면서도 과자 상자를 집는 단순 작업에서는 느리고 불안정해, 시연 성능과 실용 성능의 차이가 선명하다. [16:12]

11. 정부와 훈련센터가 만드는 순환 매출

• 미완성 로봇의 주요 구매자는 일반 고객이 아니라 로봇 훈련센터이며, 제조사와 훈련센터 양쪽에 중국 지방정부 자금이 투입된다. [16:55]
• 제조사는 정부 지원을 받은 훈련센터에 로봇을 판매해 매출을 만들고, 훈련센터는 그 로봇을 사람이 조작해 움직임 데이터를 생산한다. [17:49]

12. 인위적 수요와 산업 육성의 양면성

• 실제 로봇이 필요한 외부 고객이 거의 없는 상황에서 정부 자금이 제조사와 훈련센터를 돌며 인위적인 매출을 만드는 구조가 형성됐다. [18:53]
• 개별 기업이 훈련시설을 모두 따로 만드는 것은 비효율적이므로 공동 훈련센터는 불가피한 인프라일 수 있으며, 성과를 내면 산업 육성 모델이지만 실패하면 거대한 부실로 남는다. [19:19]

13. 로봇마다 달라지는 데이터와 비용

• 훈련센터에서 만든 데이터는 특정 제조사의 특정 로봇 구조에 맞춰져 있어 다른 로봇의 학습에 그대로 활용하기 어렵다. [21:12]
• 손이나 관절 구조를 조금만 바꿔도 접촉 방식과 힘 조절이 달라져 기존 데이터를 다시 만들 수 있으며, 인터넷 문서처럼 여러 모델이 공통으로 쓰기 어렵다. [21:38]

14. 영상 학습으로 복제할 수 없는 촉감

• 3차원 물리 작업은 위치와 접촉력, 집는 힘, 보정 과정과 성공 여부를 포함하므로 일반 동영상만으로 필요한 정보를 확보할 수 없다. [22:34]
• 표면의 마찰과 촉감, 흔들림은 화면으로 직접 느낄 수 없으며, 트리플 악셀 영상을 반복해서 본다고 곧바로 같은 동작을 수행할 수 없는 것과 같다. [23:02]

15. 대규모 인간 노동에 의존하는 학습 경쟁

• 작업자가 장갑과 헤드셋을 착용해 8시간 동안 물체를 다뤄도 유효한 훈련 데이터는 약 3시간만 남고, 실패 동작과 불필요한 인간 행동은 일일이 제거해야 한다. [23:51]
• 일상생활을 수행하는 로봇에는 약 1억 시간의 데이터가 필요하다는 추정이 나오며, 현재 생산 효율을 적용하면 원시 작업시간은 약 3억 시간에 달한다. [25:30]

16. 시연과 일상 활용 사이의 격차

• 중국어 명령에 반응하는 로봇도 발음이나 손짓이 조금만 달라지면 명령을 인식하지 못해, 여러 사람이 자연스럽게 사용하는 가정 환경에서는 신뢰성이 떨어진다. [30:16]
• 집 안을 걷는 능력만으로는 사람을 대신할 수 없으며, 물건을 집고 들고 옮기는 조작 능력이 부족해 기대했던 동반자형 휴머노이드의 실현은 예상보다 늦어질 가능성이 크다. [31:51]

17. 정교한 시연보다 중요한 작업 속도와 범용성

• 박스를 정교하게 접는 로봇도 작업 속도가 지나치게 느리면 생산 현장에 투입하기 어렵고, 기술 시연의 완성도가 곧바로 경제적 효율성으로 이어지지 않는다. [32:14]
• 하드웨어 업계는 물리적 성능 개선에 시간이 필요하다는 보수적 전망을 내놓는 반면, 소프트웨어·AI 업계는 학습 능력이 개발 속도를 앞당길 수 있다고 기대해 상용화 시점에 대한 판단이 엇갈린다. [32:35]

18. 불분명한 시장 수요와 상용화 검증

• 계란 프라이처럼 한 가지 작업은 로봇 팔로도 구현할 수 있지만, 휴머노이드는 조리·커피·청소처럼 서로 다른 작업을 전환해 수행해야 하므로 범용화 난도가 훨씬 높다. [33:31]
• 관련 매출에서 데이터센터 비중이 약 70%에 이르고, 중국에서는 자금 여력이 있는 공장에 로봇 구매와 시험 사용을 요구하는 사례도 있어 실제 공장이 사실상 학습·검증 장소 역할을 한다. [34:10]

🧾 결론

• 휴머노이드의 실질적인 상용화 기준은 화려한 동작이 아니라 낯선 환경에서 작업을 끝까지 수행하는 능력, 충분한 속도, 안전한 실패 복구다.
• 물리 데이터는 인터넷 문서처럼 손쉽게 복제하거나 여러 모델이 공유하기 어려우며, 하드웨어 구조가 바뀌면 상당 부분을 다시 수집해야 할 수 있다.
• 10년 내 상용화가 불확실하다는 전망은 로봇 기술이 발전하지 않는다는 뜻이 아니라, 범용 휴머노이드보다 제한된 작업을 수행하는 로봇이 먼저 확산될 가능성이 크다는 의미다.
• 결국 시장 형성 여부는 정부와 훈련센터가 만든 초기 수요를 넘어 실제 사용자가 인건비 절감과 생산성 향상을 입증할 수 있는지에 달려 있다.

📈 투자·시사 포인트

• 로봇 판매량만 보지 말고 외부 유료 고객 비중, 정부·훈련센터 매출 의존도, 현장에서 입증된 생산성 개선 사례를 구분해 확인해야 한다.
• 시연 영상보다 낯선 환경의 작업 완수율, 인간 개입 빈도, 작업 속도, 안전사고 및 실패 복구 성능이 기업 간 기술 격차를 판단하는 핵심 지표다.
• 데이터 수집 규모뿐 아니라 유효 데이터 비율, 시간당 생산비용, 로봇 기종 간 호환성까지 함께 평가해야 데이터 경쟁력의 실질적인 가치를 알 수 있다.
• 가정용 로봇은 가격·소음·사생활 보호·안전성까지 충족해야 하므로, 통제된 공장 환경의 제한적 자동화보다 상용화 시점을 더 보수적으로 볼 필요가 있다.
• 상장 여부와 투자 유치 필요성에 따라 경영진의 전망이 달라질 수 있으므로, 낙관적인 출시 일정은 이해관계와 실제 현장 지표를 함께 검토해야 한다.

⚠️ 불확실하거나 확인이 필요한 부분

• 왕싱이 제시한 2~10년 전망은 범위가 넓은 예측이며, 80% 작업 수행의 평가 환경과 작업 종류가 구체적으로 제시되지 않아 기업 간 비교 지표로 바로 사용하기 어렵다.
• 일상생활 로봇에 약 1억 시간의 데이터가 필요하다는 추정과 JD닷컴의 데이터 수집 계획은 실제 유효 데이터 비율, 정제 비용, 기종 간 전이 가능성을 추가로 확인해야 한다.
• 관련 매출에서 데이터센터 비중이 약 70%라는 수치는 대상 기업과 집계 기간, 데이터센터의 정의가 제시되지 않아 시장 수요의 정확한 규모로 해석하기 어렵다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 관심 기업의 매출을 일반 고객, 공장 시험 도입, 정부 지원 훈련센터 판매로 나눠 실제 외부 수요를 확인한다.
• 작업 완수율뿐 아니라 인간 개입률, 평균 작업 시간, 낯선 환경 성공률, 실패 복구율과 안전사고 지표를 추적한다.
• 기업별 데이터 수집 시간, 유효 데이터 비율, 시간당 비용, 하드웨어 변경 시 재수집 범위와 데이터 호환성을 비교한다.
• 범용 휴머노이드와 제한된 공장 작업용 로봇을 분리해 상용화 시나리오와 기대 매출을 평가한다.

❓ 열린 질문

• 낯선 환경에서 작업 완수율을 80%에서 100%에 가깝게 높이는 데 가장 큰 병목은 데이터 규모, 하드웨어 정밀도, 실패 복구 학습 중 무엇인가?
• 서로 다른 손과 관절 구조에서도 재사용할 수 있는 표준화된 물리 데이터나 학습 방식이 등장할 수 있는가?
• 중국의 훈련센터 중심 지원 정책은 전기차 산업처럼 자생적인 외부 수요로 이어질 것인가, 아니면 정부 자금에 의존하는 순환 매출로 남을 것인가?