[피지컬 AI 밸류체인 총정리 ①] AI가 몸을 얻는다는 것 — 밸류체인 지도 한눈에 보기

2026년 8월 19일, 중국 상하이증권거래소. 항저우의 로봇 회사 유니트리(Unitree Robotics)가 기술주 시장인 커촹반(STAR Market)에 상장했습니다. 공모가는 주당 150.8위안이었는데 첫 거래 시초가는 1,100위안이었습니다. 개인 청약 경쟁률은 5,000배를 훌쩍 넘겼고, 상장 첫날 시가총액은 4,000억 위안대, 우리 돈 90조원 안팎까지 치솟았습니다. 그런데 이 회사의 2025년 매출은 16억9,900만 위안, 약 3,300억원입니다. 같은 해 5월, 태평양 건너 캘리포니아 프리몬트에서는 정반대 방향의 장면이 있었습니다. 테슬라가 14년간 모델 S를, 11년간 모델 X를 만들어온 라인에서 마지막 차량을 출고한 뒤, 그 설비를 46일 만에 통째로 뜯어냈습니다. 그 자리에 들어서는 것은 자동차가 아니라 휴머노이드 로봇 옵티머스입니다. 그리고 7월 16일, 현대차그룹은 소프트뱅크가 쥐고 있던 보스턴다이내믹스 잔여 지분 9.65%를 약 3억2,500만 달러에 사들여 이 회사를 100% 자회사로 만들었습니다. 세 장면은 서로 다른 나라에서 벌어졌지만 한 방향을 가리킵니다 — 지금까지 화면 안에서만 살던 AI가, 몸을 얻어 물리 세계로 걸어 나오려 하고 있다는 것입니다. 오늘부터 4부에 걸쳐, 이 ‘피지컬 AI’라는 산업이 어떤 단계로 나뉘고 각 단계에서 누가 무엇을 만들고 있는지, 그 지도를 총정리해보겠습니다.

1. 왜 지금 피지컬 AI인가 — 석 장의 카드

반도체 밸류체인 시리즈에서 우리는 AI의 ‘두뇌’를 다뤘습니다. 전력·원전 시리즈에서는 그 두뇌를 쉬지 않고 돌리기 위한 ‘전기’를 다뤘고, 조선·방산 시리즈에서는 거대한 쇳덩이를 정밀하게 잘라 붙이는 중후장대 제조업의 세계를 봤습니다. 이번 시리즈는 정확히 이 셋이 겹치는 자리에 있습니다. AI라는 두뇌가, 전기를 먹으면서, 금속으로 만든 몸을 실제로 움직이는 산업 — 그것이 피지컬 AI입니다.

그런데 ‘로봇의 시대가 온다’는 이야기는 사실 수십 년째 반복돼온 이야기입니다. 1980년대에도, 2010년대에도 같은 말이 있었고 매번 기대만큼의 일은 벌어지지 않았습니다. 그렇다면 왜 하필 지금일까요. 최근 1~2년 사이에 실제로 벌어진 일들을 석 장의 카드로 정리해보겠습니다.

📌 알아두면 좋은 개념 — 피지컬 AI, 왜 그냥 ‘로봇’이라 부르지 않을까 피지컬 AI(Physical AI)는 학계에서 ‘체화지능(embodied intelligence)’이라고도 부르는데, 기존의 ‘로봇’과는 강조점이 다릅니다. 지금까지의 산업용 로봇은 사람이 미리 짜둔 동작 순서를 그대로 반복하는 기계였습니다. 자동차 공장의 용접 로봇은 정해진 좌표로 팔을 뻗어 정해진 시간만큼 용접할 뿐, 그 앞에 놓인 물건이 무엇인지 ‘알지’ 못합니다. 위치가 1cm만 어긋나도 그대로 허공에 용접합니다. 반면 피지컬 AI는 카메라로 본 장면과 사람이 건넨 말을 이해한 뒤, 스스로 어떻게 움직일지를 판단하는 쪽입니다. 즉 이 산업의 주인공은 ‘팔다리를 가진 기계’가 아니라 ‘팔다리를 갖게 된 AI’이며, 그래서 로봇이라는 오래된 단어 대신 피지컬 AI라는 새 이름이 쓰이고 있습니다. 이 이름을 산업 용어로 밀어붙인 곳은 엔비디아이고, 중국 정부는 2025년 정부업무보고서에서 ‘체화지능’을 육성할 미래산업으로 공식 명시했습니다.

💡 쉽게 비유하면 — 몸이 없던 천재 지금까지의 AI는 아주 똑똑하지만 몸이 없는 사람과 비슷했습니다. 무엇이든 읽고 쓰고 계산하고 그림도 그리지만, 눈앞의 컵 하나를 직접 들어 옮길 수는 없었습니다. 피지컬 AI는 이 천재에게 손과 발을 붙여주는 일입니다. 그런데 손발을 붙이는 순간, 지금까지 없던 종류의 문제가 한꺼번에 쏟아집니다 — 컵이 미끄러우면 얼마나 세게 쥐어야 하는지, 앞으로 사람이 지나가면 몇 초 만에 멈춰야 하는지, 배터리가 두어 시간밖에 못 가면 나머지 스무 시간은 어떻게 할지. 이 시리즈에서 만날 기업들은 대부분 이 ‘손발을 붙이는 문제’의 어느 한 조각을 맡고 있는 회사들입니다.

카드 ① — 완성차 회사가 자동차 라인을 뜯어냈습니다

테슬라는 2026년 5월 초 프리몬트 공장에서 모델 S·X의 마지막 차량을 내보냈습니다. 두 모델의 누적 생산 대수는 61만 대를 넘었지만, 최근 연간 판매량은 3만 대 수준까지 줄어 있었습니다. 테슬라는 이 라인을 46일 만에 철거하고 그 자리에 옵티머스 전용 라인을 짓고 있습니다. 회사는 프리몬트를 연 최대 100만 대, 기가 텍사스에 짓고 있는 2세대 라인을 연 1,000만 대 규모로 만들겠다고 밝혔는데, 이 숫자들은 모두 ‘회사가 제시한 목표’이며 아직 실현된 실적이 아닙니다. 실제로 2026년 7월 22일 2분기 실적 발표에서 테슬라는 생산라인을 구축 중이라고만 밝혔을 뿐, 양산 개시 시점도 대수도 공개하지 않았습니다. 일론 머스크 본인이 옵티머스가 1만 개가 넘는 고유 부품으로 이뤄져 있어 초기 생산 속도는 예측하기 어렵다고 말했고, 2025년 초에 내걸었던 ‘연내 1만 대’ 목표도 달성하지 못했습니다.

같은 시기 현대차그룹은 반대편에서 같은 방향으로 걸었습니다. 2026년 1월 CES에서 양산형 아틀라스를 공개했고, 7월에는 보스턴다이내믹스를 100% 자회사로 편입했습니다. 소프트뱅크가 2020년 계약에 따라 풋옵션을 행사하면서 잔여 지분 9.65%를 약 3억2,500만 달러에 인수한 것인데, 이 가격을 지분율로 단순 역산하면 회사 전체의 평가액은 33억 달러 안팎이 됩니다(정식 밸류에이션은 향후 상장 절차에서 확정될 사안입니다). 그리고 3분기 중 미국 조지아주 HMGMA 부지 안에 RMAC(로봇 메타플랜트 응용센터)을 엽니다. 아틀라스는 이곳에서 실제 공장과 똑같은 환경으로 훈련·검증을 거친 뒤, 2028년부터 부품 서열 작업에 투입되고 2030년에는 조립처럼 복잡한 공정으로 확대된다는 것이 회사가 밝힌 로드맵입니다. 2028년까지 연 3만 대 규모의 로봇 생산능력과 연 35만 개 이상의 액추에이터 제조시설을 갖추겠다는 목표도 함께 제시됐습니다.

두 회사가 던진 메시지는 같습니다 — 자동차를 만들던 설비와 조직으로 로봇을 만들겠다는 것입니다. 완성차 회사가 이 자리에 서 있는 것은 다각화가 아니라 같은 사업의 확장이며, 그 근거는 로봇의 관절이 자동차 부품과 같은 기술에서 나오기 때문입니다.

카드 ② — 로봇이 전시장에서 공장으로 내려왔습니다

지난 몇 년간 휴머노이드 로봇은 주로 무대 위에서 춤을 추거나 공중제비를 넘었습니다. 최근 1~2년 사이 달라진 것은 이 로봇들이 실제 생산 현장으로 자리를 옮겼다는 점입니다. 미국 피규어AI는 자사 로봇 Figure 02가 BMW 스파르탄버그 공장에서 11개월간 파일럿을 수행하며 9만 개 이상의 부품을 처리했고 배치 정확도 99% 이상을 기록했다고 밝혔습니다. 중국 유비테크의 워커 시리즈는 BYD·지리·폭스콘 공장에서 실증 중이고, 국내에서는 레인보우로보틱스의 양팔 이동로봇 RB-Y1이 쿠팡 물류센터 파일럿에 투입됐습니다. 한국기계연구원은 2026년을 휴머노이드가 연구개발 단계를 넘어 상업적 응용으로 들어서는 ‘상용화 원년’으로 진단했습니다.

여기서 중요한 것은 투입 대수가 아니라 무대의 성격입니다. 공장은 조명과 동선이 통제돼 있고, 같은 작업이 반복되며, 무엇보다 사고가 났을 때 책임 소재와 안전 규정이 명확합니다. 반대로 가정집은 조명도 바닥재도 물건 배치도 집집마다 다르고, 아이와 반려동물이 예고 없이 지나다닙니다. 로봇이 처음 돈을 벌기 시작하는 자리로 공장과 물류 현장이 먼저 꼽히는 이유가 여기 있으며, 이 시리즈에서 만날 완성체 기업 대부분이 ‘가정용’이 아니라 ‘산업용’을 첫 시장으로 잡고 있는 것도 같은 이유입니다.

카드 ③ — 자율주행이 먼저 상업화의 문을 열었습니다

휴머노이드보다 한발 앞서 실제 매출을 만들고 있는 쪽은 바퀴 달린 몸, 즉 자율주행차입니다. 알파벳 계열 웨이모(Waymo)는 2026년 2월 드래고니어·DST글로벌·세쿼이아가 주도한 라운드에서 160억 달러를 조달하며 기업가치 1,260억 달러(포스트머니)를 인정받았습니다. 자율주행 업계 사상 최대 규모입니다. 2026년 중반 기준 미국 10개 안팎의 도시에서 유료 로보택시를 운영하며 주당 약 50만 건을 소화하고 있고, 2025년 한 해 운행 건수는 1,400만~1,500만 건으로 전년의 약 3배로 늘었습니다. 회사는 연말까지 주 100만 건을 목표로 제시했는데, 이는 아직 달성되지 않은 목표치입니다. 테슬라도 오스틴·댈러스 등지에서 로보택시를 운영하고 있지만 안전요원이 동승한다는 점에서 웨이모와는 단계가 다릅니다.

자율주행 이야기가 왜 휴머노이드 시리즈에 등장하는지 의아하실 수 있습니다. 답은 이 둘이 같은 부품과 같은 소프트웨어를 쓴다는 데 있습니다. 카메라·라이다·관성센서로 주변을 인식하고, 온보드 칩이 그 자리에서 추론하고, 액추에이터가 물리적 동작을 실행하는 구조는 자동차든 사람 모양 로봇이든 똑같습니다. 다만 그 몸이 바퀴 넷이냐 팔다리 넷이냐가 다를 뿐입니다. 이 시리즈가 휴머노이드와 자율주행을 하나의 섹터로 묶은 이유가 바로 이것이고, 실제로 2026년 2월 자율주행 반도체 회사 모빌아이(Mobileye)가 휴머노이드 스타트업 Mentee Robotics를 인수하며 ‘자율주행과 휴머노이드를 아우르는 피지컬 AI’로의 확장을 선언한 것이 그 증거이기도 합니다.

2. 피지컬 AI 밸류체인 3단계 지도

반도체가 설계→제조→후공정, 전력·원전이 발전→송배전→저장으로 이어졌던 것처럼, 피지컬 AI도 큰 갈래로 나눠 봐야 어느 회사가 어디에서 무엇을 하고 있는지가 정리됩니다. 이 시리즈는 아래 세 단계로 나눠 접근합니다.

표를 좌우로 밀어서 보실 수 있습니다.

이 표를 보고 가장 먼저 잡아두셔야 할 점은, 이 세 단계가 반도체처럼 한 방향으로 이어지는 일직선 조립 라인이 아니라는 것입니다. 반도체는 설계도가 있어야 웨이퍼에 새길 수 있고, 새겨야 포장할 수 있습니다. 앞 단계가 끝나야 뒤 단계가 시작되는 릴레이 구조입니다. 반면 피지컬 AI는 조선·방산에 훨씬 가깝습니다 — 감속기는 일본이, 라이다는 중국이, 온보드 AI 반도체는 미국이, 완성체는 미국·중국·한국이 각자 별도의 경쟁 구도를 이루고 있고, 이 갈래들이 현대차·테슬라 같은 몇몇 대기업 안에서 수직계열화로 얽혀 있습니다. 감속기 회사는 휴머노이드 회사가 망해도 산업용 로봇을 팔아 살아남을 수 있고, 반대로 완성체 회사는 부품을 일본에서 사 오든 중국에서 사 오든 자기 로봇을 만들 수 있습니다. 각 단계가 서로에게 의존하되 종속되지는 않는 구조입니다.

그래서 앞으로 2~4부를 읽으실 때, 같은 그룹의 이름이 여러 편에 반복해서 등장하는 것을 보시게 될 겁니다. 현대차그룹만 해도 현대모비스가 ①부품(아틀라스용 액추에이터)에, 현대차와 보스턴다이내믹스가 ②완성체에, 현대오토에버가 ③두뇌(차량·로봇 소프트웨어 플랫폼)에 각각 등장합니다. 테슬라 역시 액추에이터를 자체 설계하면서(①), 옵티머스와 자율주행차를 만들고(②), FSD와 자체 VLA를 개발합니다(③). 엔비디아는 ③두뇌 단계에 있지만 사실상 ②완성체 기업 거의 전부의 파트너이기도 합니다. 조선·방산 시리즈에서 한화그룹이 여러 갈래에 걸쳐 등장했던 것과 같은 상황이라고 보시면 됩니다.

📌 알아두면 좋은 개념 — 이 시리즈에서 반복될 다섯 낱말 앞으로 네 편을 읽는 동안 계속 만나실 말들입니다. 여기서 한 번 풀어두면 뒤에서는 설명 없이 넘어가겠습니다.

액추에이터 — 로봇의 관절 하나를 통째로 부르는 말입니다. 모터와 감속기와 제어기와 센서를 한 덩어리로 묶은 것인데, 사람 몸으로 치면 근육과 뼈와 신경이 함께 들어간 어깨 관절 하나에 해당합니다. 예전에는 부품을 따로 사서 조립했는데 지금은 통째로 사는 쪽이 늘고 있고, 그 변화가 이 산업의 값을 바꾸고 있습니다.

감속기 — 모터의 빠른 회전을 느리고 힘센 회전으로 바꿔주는 부품입니다. 자전거 뒷바퀴의 기어와 원리가 같은데, 로봇에서는 그 기어가 손톱만 한 크기 안에 수십 개 들어가야 해서 만들기가 어렵습니다. 로봇 한 대의 원가에서 가장 큰 몫을 차지하는 부품이며, 이 시리즈에서 병목이라는 말이 나오면 대개 이것을 가리킵니다.

백래시 — 기어와 기어 사이에 남는 아주 작은 틈입니다. 톱니가 완벽하게 맞물릴 수 없어 생기는데, 이 틈 때문에 모터를 정확히 돌려도 관절이 그만큼 늦게 반응합니다. 로봇이 정밀한 작업을 못 하는 이유가 대체로 여기 있고, 감속기 회사들이 60년 동안 줄여온 것도 이 틈입니다.

VLA — 보고(Vision) 듣고(Language) 움직이는(Action) 것을 하나의 모델로 묶었다는 뜻의 줄임말입니다. 예전 로봇은 사람이 동작을 하나하나 지정해줘야 했는데, 이 방식은 ‘빨간 상자를 옮겨’라는 말만 듣고 스스로 팔을 움직입니다. 4부에서 자세히 다룹니다. 페이로드 — 로봇 팔이 들 수 있는 최대 무게입니다. 5킬로그램 로봇, 20킬로그램 로봇처럼 부르는데, 이 숫자가 커지면 관절도 커지고 값도 뜁니다. 그래서 완성체 회사들이 여러 모델을 만드는 것이고, 어느 무게대를 노리느냐가 그 회사의 전략을 보여줍니다.

3. 관절·감각·전원·두뇌는 실제로 어떻게 작동하나

밸류체인 표는 ‘누가 무엇을 만드는가’까지만 알려줍니다. 그런데 이 산업을 제대로 읽으려면 한 단계 더 내려가야 합니다 — 그 부품이 실제로 어떤 원리로 작동하고, 그래서 왜 아무나 만들 수 없는지까지요. 앞으로 2~4부에서 개별 기업을 만날 때마다 되돌아오게 될 기초 개념들이니, 여기서 한 번에 잡아두겠습니다.

① 관절 — 모터만으로는 로봇이 서지 못합니다

사람의 팔을 로봇으로 흉내 내려면 관절마다 회전하는 장치가 필요합니다. 이 장치를 액추에이터(actuator, 구동장치)라고 부르는데, 액추에이터는 보통 네 가지가 한 덩어리로 묶인 부품입니다 — 힘을 만드는 모터, 그 힘을 쓸 만하게 바꿔주는 감속기, 얼마나 돌았는지 재는 센서(엔코더), 그리고 이 셋을 조율하는 제어기입니다. 휴머노이드 한 대에는 이런 액추에이터가 수십 개 들어가고, 보스턴다이내믹스의 아틀라스는 한 대당 30개 이상이 탑재되는 것으로 알려져 있습니다.

여기서 초보자가 가장 헷갈리는 지점이 ‘모터만 좋으면 되는 것 아닌가’입니다. 그렇지 않습니다. 전기모터는 아주 빠르게 돌지만 회전하는 힘, 즉 토크가 약합니다. 반면 로봇 관절은 반대를 요구합니다 — 천천히, 그러나 아주 강하게 움직여야 합니다. 팔꿈치 관절이 분당 3,000번씩 돌 이유는 없지만, 5kg짜리 물건을 든 팔을 버텨내는 힘은 반드시 필요합니다. 이 간극을 메우는 부품이 감속기입니다.

💡 쉽게 비유하면 — 감속기는 자전거의 기어입니다 언덕을 오를 때 자전거 기어를 낮추면 페달은 훨씬 여러 번 밟아야 하지만 그만큼 힘은 덜 듭니다. 페달의 회전수를 희생해서 바퀴를 굴리는 힘을 키운 것입니다. 감속기가 하는 일이 정확히 이것입니다. 모터의 빠른 회전을 몇십 분의 1, 몇백 분의 1로 줄이는 대신 그만큼 토크를 키워줍니다. 다만 자전거 기어와 결정적으로 다른 조건이 하나 있습니다. 로봇 관절은 기어가 조금이라도 헐거우면 팔 끝이 흔들려버리기 때문에, 힘을 키우면서 동시에 ‘유격이 거의 없어야’ 합니다. 이 두 가지를 함께 만족시키는 것이 정밀 감속기가 어려운 이유입니다.

📌 알아두면 좋은 개념 — 백래시, 로봇의 정밀도를 갉아먹는 유격 맞물린 두 톱니바퀴 사이에는 미세한 틈이 있습니다. 이 틈 때문에 입력 쪽이 방향을 바꿀 때 출력 쪽이 곧바로 따라오지 못하고 잠깐 헛도는데, 이 현상을 백래시(backlash)라고 부릅니다. 손목 관절의 백래시가 아주 조금만 있어도, 팔 전체 길이만큼 증폭되어 손끝에서는 몇 밀리미터의 오차로 나타납니다. 반복 정밀도가 생명인 산업용 로봇과 휴머노이드에서 감속기를 아무거나 쓸 수 없는 이유가 이것이고, 뒤에 나올 하모닉 드라이브가 비싼 값을 받는 이유이기도 합니다. 휴머노이드 관절에 가장 널리 쓰이는 정밀 감속기가 하모닉 드라이브(파동기어 감속기)입니다. 이름은 낯설지만 하모닉 드라이브 원리 자체는 단순하고, 한 번 이해해두면 앞으로 나올 국내외 감속기 기업 이야기가 전부 쉬워집니다.

💡 쉽게 비유하면 — 말랑한 타원 고리가 딱딱한 원 안에서 구르는 구조 딱딱한 원형 고리 안쪽에 톱니가 빙 둘러 나 있다고 상상해보세요. 그 안에 말랑말랑한 금속 고리를 하나 더 넣는데, 이 고리는 바깥쪽에 톱니가 있고 딱딱한 고리보다 톱니가 정확히 두 개 적습니다. 이제 이 말랑한 고리 안에 타원형 막대를 끼워 넣어 고리를 타원으로 찌그러뜨리면, 타원의 긴 쪽 양 끝 두 지점에서만 안팎의 톱니가 맞물립니다. 타원형 막대를 한 바퀴 돌리면 맞물리는 지점도 한 바퀴 돌면서, 말랑한 고리는 반대 방향으로 딱 톱니 두 개만큼만 밀려납니다. 막대를 한 바퀴 돌려야 고리는 톱니 두 칸 움직이는 셈이니, 회전이 극적으로 느려지고 그만큼 힘은 세집니다. 실제 구조도 이 비유 그대로입니다. 하모닉 드라이브는 부품이 세 개뿐입니다. 모터축에 연결된 타원형 캠(웨이브 제너레이터), 바깥에 톱니가 난 얇은 컵 모양의 탄성체(플렉스플라인, 출력축 역할), 그리고 안쪽에 톱니가 난 고정 링(서큘러 스플라인)입니다. 플렉스플라인의 톱니 수는 서큘러 스플라인보다 항상 두 개 적게 설계되며, 그래서 감속비는 ‘플렉스플라인 톱니 수 ÷ 2’로 결정됩니다. 톱니가 200개면 100:1이 되는 식입니다. 부품 세 개만으로, 그것도 한 단(段)에 100:1이 넘는 감속비를 구현하면서도 감속비를 키운다고 부피나 무게가 늘지 않는다는 점이 이 방식의 결정적 장점입니다. 사람 팔뚝만 한 공간 안에 관절을 욱여넣어야 하는 휴머노이드에는 이보다 나은 선택지가 마땅치 않습니다.

백래시가 거의 없는 이유도 이 구조에서 나옵니다. 일반 기어는 톱니 한두 쌍만 맞물리기 때문에 그 틈이 그대로 오차가 되지만, 하모닉 드라이브는 탄성 변형을 이용해 전체 원주의 30% 안팎에 해당하는 다수의 톱니가 늘 동시에 맞물려 있습니다. 여러 쌍이 서로의 유격을 상쇄하면서 결과적으로 헐거움이 사라지는 것입니다.

그렇다면 왜 아무나 못 만드느냐. 핵심은 그 ‘말랑한 컵’, 플렉스플라인에 있습니다. 이 부품의 벽 두께는 1mm가 채 되지 않는 고강도강이고, 여기에 마이크론 단위 정밀도로 톱니를 깎아야 합니다. 얇은 벽을 가공하려면 일단 단단히 고정해야 하는데, 고정하는 힘 자체가 벽을 변형시켜버리기 때문에 잡는 방법부터가 난제입니다. 게다가 이 얇은 금속은 로봇이 작동하는 내내 초당 수십 번씩 타원으로 찌그러졌다 펴지기를 반복합니다. 수억 번의 변형을 견디고도 갈라지지 않게 만들려면 어떤 강재를 쓸지, 어떻게 열처리할지, 톱니 곡선을 어떤 모양으로 깎을지에 대한 축적된 노하우가 필요합니다. 파동기어의 기본 특허는 이미 오래전 만료됐는데도 진입장벽이 여전한 이유가 여기 있습니다 — 진짜 장벽은 특허 문서가 아니라, 60년 넘게 쌓인 재료·열처리·가공 데이터와 ‘어떻게 하면 깨지는지’에 대한 실패 기록입니다.

감속기에는 또 하나의 큰 축이 있습니다. RV(사이클로이드) 감속기입니다. 이쪽은 평기어로 1차 감속을 한 뒤, 사이클로이드 곡선 모양의 원판이 원통형 핀들과 맞물려 2차 감속을 하는 2단 구조입니다. 이론상 핀의 60% 이상이 동시에 하중을 나눠 받기 때문에 같은 부피에서 하모닉 대비 부하용량이 수 배에 이르고, 충격에도 훨씬 강합니다. 고장 양상도 다릅니다 — 하모닉은 얇은 플렉스플라인이 어느 순간 파단되며 관절이 통째로 죽는 반면, RV는 성능이 서서히 나빠지며 미리 신호를 줍니다. 대신 신품 기준 백래시가 하모닉보다는 다소 큽니다. 그래서 6축 산업용 로봇에서는 무거운 하중을 받는 베이스·어깨·팔꿈치에 RV를, 정밀도가 중요한 손목과 소형 관절에 하모닉을 쓰는 분업이 자리 잡았습니다. 휴머노이드에서도 같은 논리로 다리·허리에는 강한 쪽을, 팔·손목에는 정밀한 쪽을 배치하는 설계가 일반적입니다. 이 분업 구조를 알아두면 2부에서 하모닉드라이브시스템스와 나브테스코를 나란히 볼 때 두 회사가 왜 정면 경쟁 관계가 아닌지 바로 이해되실 겁니다.

② 감각 — 카메라와 라이다는 무엇이 다른가

로봇이 물건을 집으려면 먼저 그 물건이 어디에 얼마나 떨어져 있는지 알아야 합니다. 이 ‘본다’는 일을 하는 방식이 크게 두 갈래로 갈리고, 이 갈림길이 지금 이 산업에서 가장 뜨거운 노선 대결입니다.

💡 쉽게 비유하면 — 눈으로 보는 방식과 박쥐처럼 재는 방식 카메라는 사람의 눈과 같습니다. 빛의 세기와 색깔을 평면 격자에 받아 적을 뿐, 거리를 직접 재지는 않습니다. 사람이 원근감을 느끼는 것은 두 눈의 시차와 경험으로 뇌가 ‘추론’한 결과이지, 자로 잰 값이 아닙니다. 반면 라이다는 박쥐에 가깝습니다. 레이저를 쏘고 그것이 물체에 부딪혀 되돌아오는 시간을 재서 거리를 곧바로 계산합니다. 추론이 아니라 측정입니다. 원리를 조금 더 들여다보면 이렇습니다. 카메라는 렌즈로 들어온 빛을 이미지 센서의 픽셀마다 전기 신호로 바꿔 2차원 영상을 만듭니다. 거리 정보는 이 영상 안에 직접 담겨 있지 않기 때문에, 신경망이 ‘이 정도 크기로 보이는 사람은 대략 몇 미터쯤 떨어져 있다’는 식으로 추정해야 합니다. 라이다는 다릅니다. 레이저 펄스를 쏜 뒤 되돌아오기까지 걸린 시간(Time of Flight)에 빛의 속도를 곱해 거리를 냅니다. 빛은 1초에 약 30만km를 가므로 1m 떨어진 물체를 왕복하는 데 약 6.7 나노초, 즉 10억분의 6.7초가 걸립니다. 이 찰나의 시간차를 오차 없이 재고 초당 수십만~수백만 점을 찍어 3차원 점군(point cloud)을 만드는 것이 라이다 기술의 핵심입니다.

테슬라는 카메라만 쓰는 쪽을 택했습니다. 사람도 눈 두 개로 운전하니 문제는 센서가 아니라 지능이라는 논리이고, 일론 머스크는 라이다를 ‘목발’에 비유하며 2021년에는 레이더까지 걷어냈습니다. 반대 진영인 웨이모 등은 안개·역광·야간처럼 카메라가 흔들리는 조건에서 물리적으로 거리를 재는 장치가 안전 여유를 준다고 봅니다. 어느 쪽이 옳은지는 아직 판정되지 않았지만, 판을 흔든 변수는 따로 있습니다 — 가격입니다. 중국 허사이의 CEO는 2017년 20만 위안(약 2만9,500달러)을 넘던 라이다 가격이 2025년 차세대 ADAS용 제품 기준 200달러 아래로 떨어졌다고 공개적으로 밝혔습니다. 8년 만에 99.5% 하락입니다. ‘라이다는 너무 비싸다’는 것이 카메라 진영의 핵심 논거 중 하나였는데, 그 전제가 통째로 무너지고 있는 셈입니다.

시각 말고도 로봇에는 여러 감각이 필요합니다. 기울기와 가속도를 재서 균형을 잡게 해주는 관성센서(IMU)는 이족보행 로봇이 넘어지지 않는 데 필수적이고, 손끝에 닿는 힘을 재는 힘·토크 센서는 달걀을 깨뜨리지 않고 집는 것 같은 작업에 반드시 필요합니다. 뒤에서 다시 나올 ‘힘 제어’라는 개념이 바로 이 센서 위에서 돌아갑니다.

📌 알아두면 좋은 개념 — 액추에이터를 볼 때 쓰는 세 가지 눈금 자유도(DOF, Degree of Freedom)는 독립적으로 움직일 수 있는 축이 몇 개인가를 뜻합니다. 사람 손은 손가락 마디마디가 따로 움직이니 자유도가 높고, 집게발은 열고 닫는 하나뿐이라 자유도가 1입니다. 최근 공개된 휴머노이드의 손은 한쪽에 16~22 자유도 수준까지 올라왔는데, 자유도가 하나 늘 때마다 그 안에 액추에이터와 센서가 하나씩 더 들어가야 한다는 뜻이라 손이 유독 비싼 부위가 됩니다. 토크 밀도(Nm/kg)는 무게 1kg당 낼 수 있는 회전력입니다. 로봇은 자기 팔의 무게도 스스로 들어야 하므로, 액추에이터가 무거워지면 그걸 드느라 더 큰 액추에이터가 필요해지는 악순환에 빠집니다. 배터리 지속시간과 동작 안정성이 결국 이 지표에 걸려 있습니다. 힘 제어와 위치 제어의 구분도 중요합니다. 위치 제어는 ‘관절을 30도까지 돌려라’처럼 목표 각도를 따라가는 방식으로, 물체 위치가 늘 똑같은 공장 라인에서는 충분합니다. 반면 힘 제어는 ‘이 물건을 3뉴턴의 힘으로 쥐어라’처럼 접촉하는 힘 자체를 조절합니다. 물체 모양이 매번 다르거나 사람 옆에서 일해야 하는 상황에서는 힘 제어가 필수인데, 이것이 산업용 로봇과 피지컬 AI를 가르는 기술적 분기점 중 하나입니다.

③ 전원 — 하루 스물네 시간을 어떻게 버틸 것인가

상대적으로 조명을 덜 받지만, 현장에서 가장 먼저 부딪히는 벽은 배터리입니다. 현재 공개된 휴머노이드들의 연속 작동 시간은 대체로 두 시간에서 길어야 여덟 시간 수준입니다. 참고로 엔비디아가 내놓은 휴머노이드 레퍼런스 설계의 배터리는 0.972kWh로 약 3시간 작동을 상정하고 있습니다. 사람은 8시간 교대로 돌아가며 24시간 라인을 채우지만, 로봇을 도입하려는 이유 중 하나가 애초에 ‘24시간 쉬지 않는 노동’이었다는 점을 생각하면 이 제약은 뼈아픕니다.

그래서 완성체 업체들은 배터리 용량을 늘리는 대신 우회로를 택하고 있습니다. 유비테크의 워커 S2는 로봇이 스스로 배터리를 갈아 끼우는 방식으로 24시간 가동을 표방하고, 피규어AI의 Figure 03은 교체형 팩과 바닥 유도충전을 함께 씁니다. 배터리를 키우면 무거워지고, 무거워지면 토크 밀도 문제가 다시 발목을 잡기 때문에 ‘더 큰 배터리’가 답이 되기 어려운 구조입니다. 이 지점에서 전력·원전 시리즈에서 다뤘던 배터리 산업과 이 시리즈가 만나며, 앞으로 휴머노이드용 고출력 셀과 전력관리 반도체가 별도의 경쟁 영역으로 떠오를 가능성이 큽니다.

④ 두뇌 — VLA는 기존 로봇 소프트웨어와 무엇이 다른가

지금까지의 로봇 소프트웨어는 인지 → 계획 → 제어라는 세 모듈로 나뉘어 있었습니다. 카메라가 본 것을 분석해 물체를 식별하고(인지), 어떤 경로로 팔을 뻗을지 계산하고(계획), 각 관절을 몇 도씩 돌릴지 지시하는(제어) 구조입니다. 각 단계가 분리돼 있어 어디서 잘못됐는지 추적하기 쉽다는 장점이 있지만, 결정적 한계가 있습니다 — 사람이 미리 정의해둔 상황에서만 작동한다는 것입니다. 컵의 손잡이가 반대편을 향해 있거나, 처음 보는 모양의 물건이 놓여 있으면 그 즉시 멈춥니다.

VLA(Vision-Language-Action, 비전-언어-행동) 모델은 이 세 모듈을 하나로 합쳤습니다. 카메라 영상과 사람의 말(“빨간 컵을 오른쪽 선반에 올려”)을 함께 입력받아, 중간 단계 없이 관절을 어떻게 움직일지에 해당하는 제어 신호를 곧바로 출력하는 단일 신경망입니다. 왜 하필 언어모델이 로봇에 들어왔을까요. 비정형 환경에서는 규칙을 미리 다 적어두는 것이 원천적으로 불가능하기 때문입니다. 대신 인터넷 규모의 텍스트와 이미지로 이미 세상을 학습한 모델을 가져와, ‘컵이란 무엇이고 보통 어떻게 잡는 물건인가’라는 상식을 로봇 제어에 이식하는 쪽이 훨씬 빠릅니다. 구글의 RT-2가 비전-언어 모델을 로봇 제어의 백본으로 처음 사용한 이래, 이 방식이 사실상의 표준 접근법이 됐습니다.

💡 쉽게 비유하면 — 매뉴얼을 든 신입과, 눈치로 배우는 견습생 기존 로봇 소프트웨어는 두꺼운 매뉴얼을 든 신입사원과 같습니다. 매뉴얼에 적힌 상황은 완벽하게 처리하지만, 적혀 있지 않은 상황이 나오면 손을 놓습니다. VLA는 옆에서 선배가 하는 걸 보며 눈치로 배우는 견습생에 가깝습니다. 정확도는 매뉴얼만 못할 수 있지만, 처음 보는 물건이 나와도 ‘저건 아까 그 컵이랑 비슷하게 생겼으니 이렇게 잡으면 되겠다’고 넘겨짚습니다. 지금 이 산업이 통째로 견습생 쪽으로 갈아타고 있는 이유는, 공장 바깥의 현실 세계가 매뉴얼로 다 적을 수 있는 곳이 아니기 때문입니다.

실제 구현에서는 두 개의 뇌를 겹쳐 쓰는 방식이 많이 쓰입니다. 엔비디아의 Isaac GR00T가 대표적인데, 느리지만 깊게 생각하는 추론 모듈(사람으로 치면 “저 선반이 오른쪽이니 몸을 돌려야겠다”를 판단하는 쪽)과, 빠르게 몸을 움직이는 행동 생성 모듈(초당 수십 번 관절 명령을 뿜어내는 쪽)을 함께 학습시킵니다. 사람이 생각과 반사신경을 동시에 쓰는 것과 같은 구조라고 보시면 됩니다.

이 두뇌를 로봇 몸통 안에서 실제로 돌리는 것은 온보드 AI 반도체입니다. 클라우드에 연결해 계산하면 통신 지연 때문에 사람 앞에서 급정지하지 못하므로, 추론은 반드시 로봇 안에서 이뤄져야 합니다. 현재 사실상의 표준으로 자리 잡은 것이 엔비디아 Jetson Thor로, 2,070 FP4 테라플롭스의 연산 성능과 128GB 메모리를 40~130W 전력 범위에서 제공합니다. 서방과 중국의 개발사들이 모두 엔비디아 시뮬레이션 환경에서 학습하고 엔비디아 칩으로 추론하는 구도가 굳어지고 있다는 점은, 4부에서 다시 짚어볼 만한 대목입니다.

그런데 이 단계의 진짜 병목은 모델 구조가 아니라 데이터입니다. 거대언어모델은 수조 개의 토큰으로, 비전-언어 모델은 수십억 장의 이미지로 학습합니다. 반면 로봇 행동 데이터는 많아야 수백만 개의 동작 궤적 수준입니다. 유튜브에 컵을 드는 영상은 넘쳐나지만, 그 영상에는 그 순간 각 관절이 몇 도였는지, 손끝에 얼마의 힘이 걸렸는지, 모터에 어떤 명령이 들어갔는지가 기록돼 있지 않아 학습에 쓸 수 없습니다. 결국 사람이 VR 장비나 원격 조종기로 로봇을 직접 조작해 시연 데이터를 만들어내야 하는데(텔레오퍼레이션), 이 방식은 비싸고 느립니다. 그래서 가상 공간에서 로봇을 수천 대 동시에 굴려 데이터를 뽑아내는 시뮬레이션과 합성 데이터가 별도의 산업층으로 떠올랐고, 현대차그룹이 RMAC이라는 훈련 전용 시설을 따로 짓는 것도 정확히 이 문제 때문입니다.

4. 왜 세 단계가 동시에 움직이는가 — 하나가 아니라 여러 갈래입니다

로봇 기술은 어제오늘 나온 것이 아닙니다. 하모닉 드라이브는 60년 전 발명됐고, 이족보행 로봇도 20년이 넘었습니다. 그런데 왜 하필 지금 부품·완성체·두뇌 세 단계가 동시에 움직이기 시작했을까요. 원인은 하나가 아니라 여러 갈래입니다.

① 언어모델이 ‘말’에서 ‘행동’으로 넘어왔습니다

가장 결정적인 변화는 부품이 아니라 소프트웨어 쪽에서 왔습니다. 앞서 본 VLA가 등장하면서, 로봇 개발의 문법 자체가 ‘상황마다 규칙을 짜는 일’에서 ‘데이터를 먹여 학습시키는 일’로 바뀌었습니다. 이것이 왜 큰가 하면, 규칙 기반 개발은 작업 하나를 늘릴 때마다 개발 공수가 그만큼 늘어나는 구조인 반면 학습 기반 개발은 같은 모델에 데이터만 더 넣으면 되기 때문입니다. 반도체 시리즈에서 다룬 거대언어모델의 발전이, 그 자체로는 화면 안의 사건이었지만 결과적으로 물리 세계의 로봇 산업을 열어젖힌 셈입니다. 두 시리즈가 이어지는 지점이 바로 여기입니다.

② 부품 원가가 무너지기 시작했습니다

기술이 있어도 값이 맞지 않으면 산업이 되지 않습니다. 최근 이 전제가 흔들리고 있습니다. 앞서 본 라이다의 8년간 99.5% 하락이 대표적이고, 테슬라는 관절 액추에이터 시스템 원가를 기존 방식 기준 약 3만8,000달러에서 약 9,000달러 수준으로 낮췄다고 밝힌 바 있습니다. BofA는 중국산 휴머노이드의 부품 원가(BOM)가 2025년 약 3만5,000달러에서 2030년 1만7,000달러 미만으로 내려갈 것으로 전망했는데, 이는 어디까지나 전망치이며 기관별 편차가 큽니다. 중국 유니트리의 보급형 모델 G1이 1만6,000달러 수준에서 팔리고 있다는 점도 이 흐름의 한 단면입니다. 태양광 모듈과 SSD, 스마트폰 카메라가 걸어온 대량생산 원가곡선을 로봇 부품이 지금 따라 내려가고 있습니다.

③ 로봇을 팔 곳이 먼저 생겼습니다

이 산업의 가장 오래된 질문은 ‘만들어도 누가 사느냐’였습니다. 최근 이 질문에 답이 생기기 시작한 것이 세 번째 변화입니다. 현대차그룹은 현대차·기아 생산거점에서만 2만5,000대 이상의 자체 수요가 있다고 밝혔고, 테슬라 역시 자기 공장을 첫 시장으로 삼고 있습니다. 완성차 회사가 로봇을 만들면 스스로가 첫 고객이 되는 구조라, 초기 판로를 외부에서 찾지 않아도 됩니다. 여기에 제조업 인력난과 리쇼어링 흐름이 겹치며 BMW·BYD·폭스콘 같은 외부 고객사들도 실증에 나섰습니다. 다만 이 수요들은 대부분 아직 파일럿이나 계획 단계이며, 확정된 매출로 잡힌 것은 극히 일부라는 점은 분명히 해둘 필요가 있습니다.

④ 국가가 산업정책으로 밀고 있습니다

중국은 2023년 산업정보화부(MIIT)가 ‘휴머노이드 로봇 혁신발전 지도의견’을 내놓으며 2025년 양산, 2027년 세계 선도라는 목표를 명시했고, 2025년 정부업무보고서에는 ‘체화지능’이 미래산업으로 올랐습니다. 2025년 11월에는 국가휴머노이드로봇표준화기술위원회가 설립되며 유니트리와 아지봇의 창업자들이 부위원장으로 참여했습니다. 지방정부 보조금도 광범위하게 투입되고 있습니다. 한국도 산업통상자원부가 ‘K-휴머노이드 연합’을 통해 2030년까지 1조원 이상을 투입하고 2029년 연 1,000대 이상 양산 체계를 갖춘다는 목표를 제시했고, 2025년 7월에는 국가 R&D 과제로 ‘휴머노이드 액추에이터 개발’이 별도 편성됐습니다. 조선·방산 시리즈에서 봤던 것처럼, 산업의 초기 국면에서 정부 정책은 기업의 기술력만큼이나 판을 흔드는 변수입니다.

5. 한국은 이 지도의 어디에 서 있나

피지컬 AI는 반도체나 전력·원전보다 국가별 편중이 훨씬 심한 산업입니다. 한 줄로 요약하면 이렇습니다 — 관절은 일본, 라이다는 중국, 카메라모듈은 한국, AI 반도체와 VLA는 미국, 완성체는 미국·중국·한국이 각축, 그리고 출하 물량은 압도적으로 중국입니다. 이 한 줄이 이 시리즈 전체의 뼈대이므로, 표로 조금 더 풀어보겠습니다.

표를 좌우로 밀어서 보실 수 있습니다.

① 관절 — 40년 굳은 일본 과점을, 아래에서 두 나라가 뚫고 있습니다

한국의 가장 뚜렷한 약점이자 동시에 가장 큰 기회가 이 구간입니다. 정밀 감속기는 오랫동안 일본의 나브테스코와 하모닉드라이브시스템스 계열이 사실상 양분해왔습니다. 다만 여기서 인용되는 점유율 숫자는 기관마다 크게 갈리므로 주의가 필요합니다 — 파동기어라는 좁은 세그먼트만 보면 하모닉드라이브시스템스 계열이 80%대라는 조사가 있는 반면, 시장조사기관 Dataintelo는 나브테스코와 하모닉드라이브시스템스의 합산 매출 점유율을 2025년 기준 45~50%로 봅니다. 어느 제품군을 놓고 세느냐, 매출 기준이냐 수량 기준이냐에 따라 그림이 달라지므로, 이 시리즈에서는 인용할 때마다 기준을 함께 밝히겠습니다.

중요한 것은 이 과점이 지금 현재형으로 흔들리고 있다는 점입니다. 중국의 리더드라이브(綠的諧波)는 중국 내 하모닉 감속기 시장의 60% 이상, 세계 기준으로도 30%대를 확보하며 아래에서 치고 올라오고 있습니다. 한국에서는 에스피지가 하모닉·RV·유성 세 종류를 모두 양산하는 국내 유일 기업으로, 에스비비테크가 베어링 회사에서 출발해 국내 최초로 하모닉 감속기를 국산화한 회사로 각각 진영을 만들고 있고, 로보티즈는 액추에이터 모듈 다이나믹셀로 다른 축을 잡고 있습니다. 여기에 현대모비스가 2026년 1월 CES에서 보스턴다이내믹스에 아틀라스 양산 시점의 액추에이터를 공급하기로 합의하며 로보틱스 첫 고객사를 확보했습니다. 자동차 부품에서 쌓은 설계·신뢰성 평가·양산 경험을 그대로 로봇 액추에이터에 옮기겠다는 구상입니다.

다만 이 구간을 다룰 때 반드시 함께 봐야 할 것이 실제 매출 규모입니다. 에스피지의 2025년 매출은 3,417억원 수준이지만 그중 로봇용 정밀감속기 비중은 아직 3% 안팎이고, 다른 국내 부품사들도 로봇 매출 비중이 한 자릿수에 머무는 곳이 대부분입니다. 지금은 본업이 신사업을 먹여 살리는 단계라는 뜻이며, 개별 기업 편에서는 이 비중을 매번 숫자로 밝히겠습니다.

② 감각 — 세계 1위 카메라모듈이 로봇 쪽으로 방향을 틀고 있습니다

반대로 한국이 세계 최상위에 있는 구간이 카메라모듈입니다. LG이노텍은 스마트폰 카메라모듈 세계 1위 기업으로, 보스턴다이내믹스와 로봇 비전센싱을 공동개발하고 카카오모빌리티와 자율주행 협력을 맺는 등 로봇·모빌리티 쪽으로 접점을 넓히고 있습니다. 삼성전기는 광학솔루션과 MLCC라는 두 축을 갖고 있는데, 휴머노이드가 관절마다 전자부품을 대량으로 쓰기 때문에 카메라와 수동부품 양쪽에서 수요가 생기는 이중 접점이 특징입니다. 다만 두 회사 모두 로봇향 매출은 전체 매출 대비 아직 미미한 수준이라는 점을 분명히 해둘 필요가 있습니다.

라이다는 사정이 다릅니다. 중국 업체들이 물량과 가격으로 시장을 장악한 가운데, 국내에서는 에스오에스랩이 현대차의 로봇 플랫폼에 라이다를 공급하며 현대차 로보틱스 밸류체인에 실제로 편입된 사례를 만들었습니다. 규모는 아직 작고 적자 구간이지만, ‘한국 로봇의 눈을 국산으로 바꾼다’는 서사가 성립하는 몇 안 되는 자리입니다.

③ 완성체·두뇌 — 현대차와 삼성, 두 진영이 갈렸습니다

완성체 단계에서 한국은 두 개의 진영으로 정리됩니다. 하나는 현대차그룹으로, 보스턴다이내믹스라는 하드웨어 자산 위에 구글 딥마인드의 Gemini Robotics를 얹고 RMAC에서 데이터를 모으는 개방형 조합입니다. 다른 하나는 삼성전자로, 2025년 3월 레인보우로보틱스 지분을 35%로 늘려 자회사로 편입하고 CEO 직속 조직을 신설했습니다. 레인보우로보틱스는 카이스트 휴보 연구팀에서 출발해 국내에서 이족보행 이력을 가진 사실상 유일한 회사입니다. 여기에 LG전자가 로보스타의 최대주주이면서 로보티즈·엔젤로보틱스의 2대 주주로 들어가 있고, SK가 유일로보틱스 2대 주주로 콜옵션까지 확보해두는 등, 국내 4대 그룹이 이미 로봇 기업에 말을 심어둔 상태입니다.

두뇌 단계는 한국이 가장 얇은 구간입니다. 온보드 AI 반도체와 VLA 파운데이션 모델 모두 미국이 사실상 표준을 쥐고 있고, 국내에서는 현대오토에버가 차량 소프트웨어 플랫폼과 SDV(소프트웨어 정의 차량)를 담당하며 ‘로봇과 자동차가 결국 같은 소프트웨어 스택을 공유한다’는 이 시리즈의 논지를 국내 사례로 보여주는 정도입니다. 반도체 시리즈에서 한국이 메모리에는 강하지만 시스템반도체에는 약했던 것과 비슷한 비대칭이, 이 산업에서도 부품(강)과 두뇌(약)의 형태로 반복되고 있는 셈입니다.

6. 그늘도 있다 — 균형 잡힌 시각

여기까지 읽으시면 이 산업이 곧 폭발할 것처럼 느껴지실 수 있습니다. 그래서 이 시점에서 반대편도 함께 봐야 합니다. 이 시리즈에서 앞으로 반복해서 짚게 될 그늘은 크게 네 가지입니다.

첫째, 테마와 실적의 괴리가 다른 어떤 섹터보다 큽니다. 앞서 언급했듯 국내 부품사 대부분의 로봇 매출 비중은 한 자릿수 이하입니다. 반도체나 전력·원전 시리즈에서는 이미 확정된 실적과 수주잔고를 놓고 이야기할 수 있었지만, 이 산업에서는 상당수 기업이 ‘앞으로 이렇게 하겠다’는 계획 단계에 있습니다. 실적이 아직 없다는 것 자체가 이 산업을 다루지 않을 이유는 아니지만, 계획을 실적처럼 읽는 순간 판단이 크게 어긋납니다.

둘째, 기술적으로 아직 풀리지 않은 문제가 남아 있습니다. 배터리 지속시간, 손의 정교함, 그리고 무엇보다 학습 데이터 부족이 대표적입니다. BofA는 액추에이터·센서·감속기·배터리가 대규모 양산에 필요한 물량과 신뢰성, 원가 구조를 아직 갖추지 못했다는 점을 스케일업의 핵심 난제 중 하나로 꼽았습니다. 룸바를 만든 로봇공학자 로드니 브룩스처럼 ‘휴머노이드가 범용 조수가 되는 것은 수십 년 안에는 어렵다’고 보는 회의론도 업계 안에 분명히 존재합니다.

셋째, 중국의 물량 공세가 양날의 검입니다. 부품 원가를 끌어내려 산업 전체의 문턱을 낮춘다는 점에서는 순풍이지만, 국산화를 막 시작한 한국 부품사 입장에서는 일본과 겨루기도 전에 아래쪽에서 가격으로 밀려 올라오는 상대를 만나는 셈입니다. 여기에 중국 업체들이 일본 업체의 설계를 근접 복제한다는 지식재산권 논란도 계속되고 있습니다.

넷째, 밸류에이션입니다. 이 글 서두의 유니트리 상장 사례가 상징적입니다. 매출의 수백 배에 이르는 값이 붙는 것을 두고 시장 안에서도 투기적 요소를 지적하는 목소리가 나왔고, 실제로 이 회사의 2026년 1분기 순이익은 연구개발비 증가로 전년 동기 대비 감소했습니다. 산업의 방향이 맞다는 것과, 지금 가격이 적정하다는 것은 완전히 별개의 질문입니다.

⚠️ 숫자를 볼 때 주의할 점 이 시리즈에서 다루는 수치는 성격이 크게 세 가지로 갈립니다. ① 이미 확정된 사실 — 현대차그룹의 보스턴다이내믹스 100% 자회사 편입, 삼성전자의 레인보우로보틱스 35% 지분 확보, 웨이모의 1,260억 달러 기업가치 조달, 유니트리 상장. ② 회사가 제시한 목표 — 테슬라 프리몬트 연 100만 대, 현대차그룹 2028년 아틀라스 연 3만 대·액추에이터 연 35만 개, 유비테크의 연도별 출하 목표. ③ 조사기관의 전망치 — 시장 규모, 연간 출하량, 2030년 부품 원가 구조. 특히 ②와 ③은 아직 실현되지 않은 숫자입니다. 원가 비중만 해도 액추에이터를 30%로 보는 기관과 70%로 보는 기관이 함께 존재하고(손을 액추에이터에 포함하느냐에 따라 갈립니다), 감속기 점유율도 세그먼트 정의에 따라 45%에서 85%까지 벌어집니다. 앞으로 이 시리즈에서는 인용할 때마다 출처와 기준, 그리고 확정인지 목표인지 전망인지를 문장에서 구분해 밝히겠습니다.

7. 이 지도가 말해주는 것 — 다섯 가지 해석

여기까지가 사실입니다. 그런데 이 사실들을 나란히 놓고 이어보면, ‘로봇 산업이 뜬다’는 헤드라인 너머로 다섯 가지 시사점이 보입니다.

① 이 산업의 병목은 두뇌가 아니라 관절에 있습니다

로봇 뉴스의 헤드라인은 대부분 AI 모델이 차지합니다. 그런데 원가 구조를 열어보면 정반대 그림이 나옵니다. BofA는 2030년 휴머노이드 부품 원가에서 선형 액추에이터가 27%, 회전 액추에이터가 24%를 차지해 액추에이터만 51%에 이르고, 정교한 손까지 더하면 약 70%가 될 것으로 추정했습니다. 같은 표에서 제어 시스템은 10%, 비전·센서는 4%에 불과합니다. 모건스탠리가 옵티머스 2세대를 분해해 추정한 결과도 총 약 5만5,000달러 중 다리 한쪽이 약 2만1,000달러(38.6%)로, 액추에이션이 원가를 지배한다는 같은 결론에 닿습니다. 무엇보다 현대차그룹이 공식 자료에서 액추에이터를 ‘휴머노이드 재료비의 60% 가량을 차지하는 부품’이라고 못 박은 것은, 실제로 로봇을 만들려는 당사자가 스스로 확인해준 숫자라는 점에서 무게가 다릅니다. 그리고 이 구조는 우리가 앞선 세 시리즈에서 반복해서 봐온 병목의 조건을 정확히 충족합니다. 수요는 급증하는데(완성체를 만들겠다는 회사는 빠르게 늘고 있습니다), 공급 증설은 구조적으로 느리고(벽 두께 1mm 미만의 플렉스플라인을 마이크론급으로 깎는 공정은 설비만 사 온다고 되지 않습니다), 대체가 어렵습니다(로봇의 설계와 제어 소프트웨어, 정비 재고가 특정 감속기 치수에 맞춰져 있어 바꾸려면 로봇을 다시 설계해야 합니다). 반도체에서 HBM이, 전력·원전에서 초고압 변압기가, 조선·방산에서 특수선 건조 슬롯이 앉아 있던 자리에 이 산업에서는 액추에이터·감속기가 앉아 있습니다. ‘몸값의 절반은 관절에 있다’ — 이 한 문장이 앞으로 4부 내내 이어질 이 시리즈의 관통 프레임입니다.

② 완성차 회사가 로봇을 만드는 것은 다각화가 아니라 같은 사업의 확장입니다

테슬라와 현대차가 나란히 휴머노이드에 뛰어든 것을 두고 ‘본업이 어려우니 신사업을 벌인다’고 읽는 시선이 있습니다. 밸류체인을 놓고 보면 그 반대에 가깝습니다. 자율주행차와 휴머노이드는 부품이 겹치고(카메라·라이다·관성센서·액추에이터·배터리), 소프트웨어 스택이 겹치고(주변을 인식해 행동을 출력하는 엔드투엔드 모델), 무엇보다 ‘안전 인증을 통과한 부품을 대량으로, 일정한 품질로 찍어내는 능력’이 겹칩니다. 조선·방산 시리즈에서 상선과 군함이 블록건조공법이라는 같은 제조 DNA를 공유하기에 한 지붕 아래 있는 것이 자연스럽다고 짚었는데, 여기서도 똑같은 논리가 작동합니다. 이 해석이 실제로 맞다는 증거는 여러 곳에서 나옵니다. 현대모비스가 로봇 액추에이터를 첫 진출 분야로 고른 이유를 회사 스스로 ‘차량용 부품 설계 역량과 양산 경험에 가장 가까운 시장이기 때문’이라고 설명한 것, 자율주행 반도체 회사 모빌아이가 휴머노이드 스타트업을 인수하며 두 영역을 한 이름으로 묶은 것, 그리고 테슬라가 FSD를 만들던 팀과 데이터로 옵티머스를 학습시키는 것이 모두 같은 이야기입니다. 이 시리즈가 휴머노이드와 자율주행을 굳이 하나의 섹터로 합친 것도 이 때문이며, 뒤집어 말하면 부품과 스택이 겹치지 않는 순수 로봇 기업일수록 이 경쟁에서 규모의 불리함을 안고 시작한다는 뜻이기도 합니다.

③ 이 산업에서 원가 하락은 부수 효과가 아니라 판을 바꾸는 변수입니다

보통 원가 하락은 산업이 성숙한 뒤에 따라오는 결과로 이해됩니다. 그런데 피지컬 AI에서는 순서가 반대입니다. 원가 하락이 먼저 오고, 그것이 기술 노선까지 바꿔놓습니다. 라이다가 8년 만에 99.5% 싸지자 ‘라이다는 비싸서 못 쓴다’는 카메라 진영의 논거 하나가 통째로 무력해졌습니다. 논쟁의 축이 ‘경제성’에서 ‘정말 필요한가’로 옮겨간 것인데, 이건 기술적 승부가 아니라 가격이 만들어낸 변화입니다. 감속기 쪽도 마찬가지입니다. 중국 업체들이 가격을 끌어내리는 것은 단순한 저가 경쟁이 아니라, 60년 노하우로 쌓아 올린 일본의 프리미엄 장벽을 아래에서부터 무너뜨리는 일입니다. 그래서 이 산업의 뉴스를 읽을 때는 성능 발표만큼이나 가격 발표를 눈여겨봐야 합니다. 반도체가 성능 경쟁의 산업이고 전력·원전이 ‘얼마나 끊기지 않느냐’라는 안정성 프리미엄의 산업이었다면, 피지컬 AI는 적어도 지금 국면에서는 원가 곡선이 산업의 문을 여는 열쇠를 쥐고 있습니다. 한국 부품사 입장에서 이것은 양면적입니다 — 원가 하락은 시장 자체를 키워주지만, 그 하락을 주도하는 쪽이 경쟁자라면 시장이 커지는 만큼 자리는 좁아질 수 있기 때문입니다.

④ 부품은 돈으로 늘릴 수 있지만, 데이터는 시간으로만 쌓입니다

①번에서 지금의 병목이 관절이라고 했는데, 그 병목이 풀린 뒤를 미리 생각해볼 필요가 있습니다. 전력·원전 시리즈에서 우리는 이 산업이 ‘병목이 계속 자리를 옮겨 다니는 산업’이라고 짚었습니다. 계통연계가 풀리면 변압기가, 변압기가 풀리면 저장이 병목이 되는 식이었습니다. 피지컬 AI에서도 같은 질문을 던져야 합니다 — 감속기 생산능력이 확충되고 나면, 다음 병목은 어디일까요.가장 유력한 후보는 학습 데이터입니다. 감속기 공장은 돈과 시간을 들이면 지을 수 있고, 실제로 중국 업체들이 그렇게 하고 있습니다. 그런데 로봇 행동 데이터는 다릅니다. 로봇이 실제 현장에서 실제 작업을 수행한 시간만큼만 쌓이고, 그 시간은 돈으로 압축되지 않습니다. 이 관점에서 보면 현대차그룹이 훈련 전용 시설(RMAC)을 따로 짓고 아틀라스를 공장에 투입하기 전 1만 시간 규모의 학습을 계획한 것, 테슬라가 자기 공장을 첫 배치 장소로 삼은 것, 그리고 웨이모가 축적한 1억 마일 단위의 주행 기록이 전부 같은 자산으로 보이기 시작합니다. ‘로봇을 만들 수 있는 회사’보다 ‘로봇을 실제로 일 시킬 현장을 가진 회사’가 유리해지는 구조인 셈입니다. 그래서 이 시리즈를 읽으실 때 던져보시면 좋을 질문은 두 가지입니다. 첫째, 이 회사는 관절·감각·전원·두뇌 중 어느 자리에 서 있는가. 둘째, 이 회사는 데이터가 쌓이는 현장을 갖고 있는가, 아니면 남의 현장에 부품을 파는 쪽인가. 실적이 아직 본격적으로 나오지 않은 산업에서 지도를 읽는 방법은, 매출 숫자를 비교하는 것이 아니라 이 두 질문에 답해보는 것입니다.

⑤ 이 산업에서는 발표되는 숫자와 확인되는 숫자가 유난히 멉니다

마지막은 이 시리즈를 읽는 방법에 관한 이야기입니다. 앞선 세 섹터를 다루며 익힌 습관이 여기서는 잘 통하지 않기 때문입니다. 반도체와 조선에서는 수주가 곧 매출의 예고였습니다. 계약이 발표되면 몇 분기 뒤에 그만큼이 실적으로 잡혔고, 전력·원전에서는 착공이 곧 물량이었습니다. 그래서 발표를 따라가면 실적이 어디로 갈지 대체로 보였습니다. 피지컬 AI에서는 그 거리가 훨씬 멉니다. 아직 팔리는 물건보다 앞으로 팔릴 것이라는 이야기가 많은 단계이기 때문입니다. 부품 공급에 합의했다는 소식과 그 물량이 실제로 매출이 되는 시점 사이에 몇 해가 놓이고, 로봇을 몇 대 출하했다는 발표에는 실제로 일하는 것과 시험용·연구용이 섞여 있으며, 국책과제에 선정됐다는 것은 개발까지만 보장하지 채택까지 보장하지 않습니다. 그래서 이 시리즈의 개별 기업 편을 읽으실 때 소식을 두 갈래로 나눠 보시길 권합니다. 회사가 발표하는 것과 공시를 열어야 나오는 것입니다. 앞쪽에는 수주와 점유율과 라인업과 판매 대수와 대기업 지분이 있고, 뒤쪽에는 이익률과 가동률과 현금흐름과 대당 단가가 있습니다. 앞쪽은 그 회사가 하고 싶은 이야기이고 뒤쪽은 그 회사가 지금 실제로 겪고 있는 일입니다. 둘이 같은 방향을 가리키면 그 회사의 이야기는 사실입니다. 어긋나면 아직 이야기 단계입니다. 그리고 이 시리즈에서 만나실 기업 대부분이 지금 그 어긋난 구간에 서 있습니다 — 나쁘다는 뜻이 아니라 산업이 그런 단계라는 뜻이며, 그래서 판단의 기준을 발표가 아니라 공시에 두어야 합니다.

8. 오늘 배운 내용 한눈에 정리

9. 마무리하며

상하이에서는 매출 3,300억원짜리 로봇 회사에 90조원대의 값이 붙었고, 프리몬트에서는 14년을 버틴 자동차 라인이 46일 만에 사라졌습니다. 두 장면 모두 아직 실적으로 증명된 것은 아닙니다. 그래서 지금 필요한 것은 예측이 아니라 지도입니다 — 이 산업이 어떤 단계로 나뉘고, 각 단계에서 무엇이 어렵고, 누가 그 어려운 일을 하고 있는지에 대한 지도 말입니다. 오늘 그 지도의 윤곽을 그렸으니, 다음 편부터는 세 단계를 하나씩 깊이 파고들겠습니다.

• 2부 — 부품(액추에이터·감속기·센서): 오늘 원리만 짚고 넘어간 하모닉 드라이브와 RV 감속기를 실제 기업의 제품 단위로 들여다보고, 일본 과점을 국산화와 중국 저가 공세가 양쪽에서 밀어붙이는 구도를 정리합니다. 카메라·라이다·힘센서 등 감각 부품과 배터리·전력관리까지 함께 다룹니다.
• 3부 — 완성체(휴머노이드·자율주행차): 왜 굳이 사람 모양이어야 하는지부터, 같은 부품으로 서로 다른 몸을 만드는 미국·중국·한국 업체들의 전략 차이를 비교합니다. 적자를 감수하며 공장으로 파고드는 쪽과 저가 대량으로 밀어붙이는 쪽이 중국 안에서도 갈린다는 점을 함께 짚습니다.
• 4부 — 두뇌(AI 반도체·VLA·데이터): VLA 모델이 어떻게 학습되는지, 온보드 추론칩이 왜 엔비디아 중심으로 굳어졌는지, 그리고 이 단계의 진짜 병목인 로봇 행동 데이터를 누가 어떻게 쌓고 있는지를 다룹니다.

오늘 잡아둔 세 단계 구분과 ‘몸값의 절반은 관절에 있다’는 프레임을 기억해 두시면, 다음 편부터 등장하는 개별 기업들이 이 지도의 어디에서 무엇을 하고 있는지 훨씬 선명하게 보이실 겁니다. 다음 편부터 등장하는 개별 기업들이 이 지도의 어디에서 무엇을 하고 있는지 훨씬 선명하게 보이실 겁니다.

본 글은 정보 제공을 목적으로 하며, 특정 종목에 대한 매수·매도 추천이 아닙니다. Core Asset Insight(코어에셋인사이트)는 목표주가를 제시하거나 저평가·고평가를 판정하지 않으며, 기업과 산업의 사업구조·기술·밸류체인에서의 위치를 설명하는 데 목적을 둡니다. 본문의 수치는 작성 시점에 공시·발표된 자료를 기준으로 하며, 확정된 사실과 회사가 밝힌 계획, 제3자 기관·언론의 추정을 구분해 표기했습니다. 공시와 시장 상황은 이후 달라질 수 있으니 최신 자료를 함께 확인하시기 바랍니다. 필자는 본문에 언급된 종목을 보유하고 있을 수 있으며, 글의 발행 전후 일정 기간에는 해당 종목을 매매하지 않습니다. 투자 판단과 책임은 투자자 본인에게 있습니다.

📚 함께 보면 좋은 글

⚙️ 피지컬 AI 밸류체인 총정리 마스터하기

• [피지컬 AI 밸류체인 총정리 ①] AI가 몸을 얻는다는 것 — 밸류체인 지도 한눈에 보기
• [피지컬 AI 밸류체인 총정리 ②] 부품(액추에이터·감속기·센서), 몸값의 절반이 여기 있다
• [피지컬 AI 밸류체인 총정리 ③] 완성체(휴머노이드·자율주행차), 같은 부품 다른 몸
• [피지컬 AI 밸류체인 총정리 ④] 두뇌(AI 반도체·VLA·데이터), 로봇이 생각하는 법
• [허브: 피지컬 AI 밸류체인 총정리 완결편] 이 지도 하나면 끝입니다