엔비디아에 피지컬AI 데이터 공급하는 20대 스타트업의 ''미친 실행력''ㅣ오픈그래프랩스

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

오픈그래프랩스 20대 창업팀의 ‘미친 실행력’은 엔비디아의 촉각 데이터 수요를 일주일 안의 실물과 반복 양산으로 검증하고, 하드웨어·소프트웨어·현장 운영을 결합해 피지컬 AI의 데이터 병목을 사업으로 전환한 데 있다.

📌 핵심 요점

1. 촉각 데이터라는 병목 선택: 기존 생성형 AI가 접촉과 힘의 작용을 충분히 반영하지 못한다는 문제에서 출발해, 자체 카메라와 촉각 글러브로 사람의 1인칭 영상·촉각 데이터를 함께 수집하고 가공하는 사업을 구축했다.
2. 고객에서 출발한 초고속 실행: 논문 검토에 머무르지 않고 스탠퍼드 연구자와 잠재 사용자에게 직접 피드백을 구했으며, 엔비디아 미팅 기회가 생기자 완벽한 제품을 기다리는 대신 일주일 안에 초기 실물을 만들어 가능성을 증명했다.
3. 구매 의향 이후 양산과 품질 체계 구축: 세 번째 프로토타입에서 빅테크 고객의 구매 의향을 확인한 뒤 중국에서 센서·PCB·장갑 생산을 추진하고, 7일 반복 주기와 약 500대 양산 계획을 세웠다. 동시에 다중 카메라의 시간 오차로 데이터가 무효가 되는 문제를 막기 위해 별도의 싱크 품질 검사도 도입했다.
4. 수직 통합으로 데이터 공급 능력 차별화: 고품질 데이터를 만드는 데 필요한 하드웨어, 가공 소프트웨어, 현장 운영을 한 팀 안에 묶었다. 이를 기반으로 엔비디아를 대표 고객으로 확보하고 국내 제조 대기업의 파이프라인을 검증했으며, 유럽 대규모 수집 환경에도 자체 소프트웨어를 공급했다.
5. 로봇 학습과 노동 전환을 함께 설계: 제조 현장의 숙련공 작업을 카메라와 촉각 글러브로 보존해 휴머노이드 학습 형식으로 전환하는 동시에, 자동화를 인간의 즉각적인 대체가 아니라 오늘의 일을 로봇에 인계하고 노동자가 다음 역할을 찾는 과정으로 제시했다.

🧩 배경과 문제 정의

• 피지컬 AI의 핵심 병목은 현실의 물리 법칙과 인간 행동을 학습할 고품질 데이터이며, 기존 생성형 AI도 접촉과 힘의 작용을 제대로 반영하지 못한다.
• 시각·청각 데이터와 달리 촉각 데이터는 수집 장치와 표준화된 방법이 부족해 전용 하드웨어부터 가공 소프트웨어까지 새로 구축해야 한다.
• 제조 현장의 인력 감소와 숙련공 은퇴가 빨라지는 가운데, 인간의 작업 데이터를 로봇 학습 자산으로 전환하면서 노동자의 다음 역할까지 함께 설계하는 일이 중요해지고 있다.

🕒 시간순 섹션별 상세정리

1. 피지컬 AI의 데이터 병목과 촉각 해법

• 오픈그래프랩스는 직접 만든 카메라와 촉각 글러브로 사람의 1인칭 영상과 촉각을 함께 수집하고, 가공한 데이터를 미국 빅테크와 프런티어 연구소에 판매한다. [00:34]
• 엔비디아를 대표 고객으로 확보해 오픈소스 생태계의 공식 파트너가 됐으며, 국내 제조 대기업과 파이프라인을 검증한 뒤 Q3부터 매출을 내기 시작해 이번 분기 약 10억 원을 예상한다. [01:22]

2. 서로 다른 경로로 쌓은 창업자의 역량

• 김조우는 학교를 자퇴한 뒤 검정고시와 중국 유학을 택했고, 과학자를 돕는 금융가가 되겠다는 목표로 또래보다 일찍 대학에 입학해 금융을 공부했다. [02:58]
• 한송호는 17세부터 반도체 웨이퍼 원자층 증착과 클린룸 환경 연구에 참여해 특허 2건과 논문 3편을 만들며 대학 학위 대신 실제 성과로 기술 역량을 증명했다. [03:48]

3. 해커톤 인연에서 공동 창업팀까지

• 블록체인 학회 강연을 계기로 연결된 팀은 여러 해커톤에 함께 참가해 글로벌 대회 약 5곳에서 우승했고, 프로젝트를 실제 제품으로 발전시키려면 하드웨어 담당자가 필요하다는 결론에 도달했다. [04:44]
• 샌프란시스코에서 만난 손범수의 제작 경험이 팀의 하드웨어 공백을 채웠고, 2주 동안 해커하우스에서 함께 생활하며 협업 가능성을 검증했다. [05:31]

4. 연구자 접촉에서 엔비디아 미팅까지

• 논문만으로 해결되지 않는 문제를 확인한 팀은 스탠퍼드 로보틱스 센터에서 촉각의 가능성과 실험 결과를 공유하고, 교수와 연구자들로부터 제품 방향을 구체화할 피드백을 얻었다. [06:23]
• 잠재 사용자를 찾기 위해 논문 저자와 엔지니어에게 이메일과 링크드인 메시지를 보냈고, 촉각 모달리티에 관심이 높던 엔비디아 구성원들의 높은 응답률이 2월 초 첫 미팅으로 이어졌다. [06:46]

5. 완벽한 제품보다 일주일 안의 실물 증명

• 엔비디아 연구팀 전체가 며칠 뒤 촉각 기술을 논의한다는 연락을 받자, 팀은 기회를 놓치지 않기 위해 사흘 연속 잠을 줄이며 데모를 준비했다. [07:37]
• 핵심 보드조차 도착하지 않은 상황에서 중국 전자상가를 돌며 케이블을 구했고, 미국행 비행기 출발 한 시간 반 전까지 공항에서 제작을 계속했다. [08:16]

6. 구매 의향을 확인한 뒤 시작한 중국 양산

• 2월부터 4월까지 시장 검증용 프로토타입을 반복 제작했고, 세 번째 버전에서 빅테크 고객의 구매 의향을 확인하자 즉시 중국행 비행기를 예약했다. [09:24]
• 약 두 달 동안 현지 공정과 PCB 제작사를 확보한 뒤 센서·PCB·장갑 패브릭 생산을 시작했으며, 두 달 안에 버전 1 약 500대를 양산할 계획을 세웠다. [10:03]

7. 데이터 수집 인프라와 제조 현장 적용

• 데이터를 모으기 전에 만난 대기업 고객이 기존 역량을 넘는 물량을 요청하자, 계약 기회를 실행력으로 감당하기 위해 멕시코와 한국의 수집 인프라를 빠르게 가동했다. [10:43]
• 머리와 양쪽 손목의 카메라는 서로 다른 시계를 사용해 시작·종료 시점이 쉽게 어긋났고, 이 동기화 문제를 그대로 두면 전체 데이터가 무효가 되기 때문에 별도의 싱크 품질 검사를 도입했다. [11:21]

8. 수직 통합 경쟁력과 고객 수요 우선 원칙

• 고품질 데이터에는 하드웨어, 데이터 가공 소프트웨어, 현장 운영 역량이 모두 필요하며, 오픈그래프랩스는 세 영역을 수직 통합해 단일 영역에 집중한 기존 사업자와 차별화했다. [12:58]
• 자체 소프트웨어는 유럽의 대규모 데이터 수집 기업인 마이크로AI 인프라의 핵심 축으로 공급되고 있으며, 해외 대형 운영 환경에서 활용될 정도의 기술 성숙도를 확보했다. [13:18]

9. 로봇과 인간이 함께 이동하는 미래

• 장기적으로 오픈그래프의 월드 모델에서 세상을 학습한 로봇이 더 능숙하게 일하고, 다음 세대가 신뢰할 수 있는 로봇과 함께 살아가는 환경을 목표로 삼았다. [15:08]
• 로봇의 모습은 아직 인간이 결정할 수 있으며, 감시와 위협의 존재보다 집의 문을 열어 주고 일상을 돕는 친구 같은 존재로 발전시킬 여지가 남아 있다. [15:57]

10. 정해진 경로를 벗어난 선택과 글로벌 도전

• 좋은 학교와 회사라는 전형적 경로를 모두 거쳐야만 원하는 일을 시작할 수 있는 것은 아니며, 중국에서 만난 다양한 삶은 정상과 비정상의 기준 자체가 환경마다 다르다는 인식으로 이어졌다. [17:20]
• 실패의 크기보다 시도하지 않은 후회가 더 오래 남을 수 있으므로, 순간적인 실패를 감수하더라도 스스로 행복한 결정을 선택하는 태도가 창업의 동력이 됐다. [17:53]

🧾 결론

• 이 사례의 실행력은 단순히 오래 일하는 속도가 아니라 고객 접촉, 수요 확인, 실물 제작, 양산, 현장 품질 관리가 끊기지 않도록 순서를 설계한 능력에 가깝다.
• 피지컬 AI 데이터의 경쟁력은 센서 하나보다 수집 장치, 가공 소프트웨어, 운영 인프라, 품질 검사를 함께 작동시키는 통합 시스템에서 형성될 가능성을 보여준다.
• 완성도보다 실제 구매자의 문제와 사용 환경을 먼저 확인한 전환이 초기 고객과 매출 기회를 확보하는 핵심 계기로 제시된다.
• 인간의 작업 데이터를 로봇 학습 자산으로 만드는 사업은 기술 개발뿐 아니라 숙련 지식의 보존과 현장 노동자의 역할 전환까지 포함해야 지속 가능한 방향을 만들 수 있다.

📈 투자·시사 포인트

• 초기 수요 신호: 엔비디아와 빅테크의 구매 의향, 국내 제조 대기업의 파이프라인 검증, 분기 매출 예상은 촉각 기반 피지컬 AI 데이터에 실제 기업 수요가 존재할 가능성을 보여준다.
• 경쟁우위 후보: 하드웨어·소프트웨어·현장 운영의 수직 통합과 싱크 품질 검사는 데이터의 재현성 및 고객 인수 가능성을 높이는 핵심 역량이 될 수 있다.
• 확장성 검증 과제: 중국 양산과 멕시코·한국 수집 인프라는 공급 확대의 기반이지만, 생산 수율과 운영비, 데이터 검수 비용, 고객별 맞춤화 수준에 따라 확장 경제성이 달라질 수 있다.
• 산업적 시사점: 제조업의 인력 감소와 숙련공 은퇴는 로봇 도입 수요뿐 아니라 인간의 암묵적 작업 기술을 데이터로 보존하는 별도 시장을 만들 수 있다.

⚠️ 불확실하거나 확인이 필요한 부분

• 엔비디아의 대표 고객 및 공식 파트너라는 관계에 대해 계약 기간, 최소 구매량, 독점성, 실제 데이터 구매 규모는 제시된 자료만으로 확인되지 않는다.
• Q3 매출 시작과 이번 분기 약 10억 원 예상이 실제 인식 매출인지, 계약 또는 수주 기준인지 명확하지 않으며 반복 매출 비중과 수익성도 공개되지 않았다.
• 버전 1 약 500대 양산과 멕시코·한국 수집 인프라의 실제 가동률, 생산 수율, 데이터 합격률, 납기 준수 결과는 추가 확인이 필요하다.
• 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

• 엔비디아 협업의 공식 파트너 범위, 구매 계약 구조, 고객 집중도와 갱신 조건을 확인한다.
• 약 10억 원의 예상 매출을 고객·제품별로 나누고 인식 시점, 반복성, 총마진, 현금 회수 조건을 점검한다.
• 촉각 정확도, 카메라 동기화 오차, 데이터 폐기율, 고객 검수 통과율 등 품질 지표를 요청한다.
• 촉각 글러브 500대 양산의 단가·수율·교체 주기와 멕시코·한국 현장 운영비를 반영해 데이터 단위당 경제성을 계산한다.

❓ 열린 질문

• 촉각 데이터를 포함한 학습 데이터는 시각 중심 데이터 대비 어떤 작업에서 얼마나 높은 로봇 성공률을 만드는가?
• 서로 다른 카메라 시계를 맞추는 싱크 품질 검사의 허용 오차와 자동화 수준은 어느 정도인가?
• 하드웨어·소프트웨어·현장 운영의 수직 통합은 고객과 국가가 늘어나도 데이터 품질과 수익성을 동시에 유지할 수 있는가?