0
- 중국은 거대 전기차 공급망과 정책 지원을 바탕으로 완성형 로봇 제작을 넘어 피지컬 AI 생태계 전반을 구축하고 있습니다.
- 현장 실증과 실패 데이터를 대규모로 축적하고 개방하면서 로봇의 산업적 완성도를 비약적으로 끌어올리는 플라이휠이 작동 중입니다.
- 한국 역시 단일 완성품 개발에 머물지 않고 공공·산업 테스트베드 구축과 실증 데이터 공유 체계를 시급히 마련해야 합니다.
화면 속에서 텍스트와 이미지로 대화하던 생성형 AI가 이제 물리적인 몸을 얻어 현실 세계로 뛰어나오고 있습니다. 과거 중국 휴머노이드 로봇이 덤블링이나 군무를 선보일 때 ‘쇼에 불과하다’고 평가절하하던 시대는 이미 지나갔습니다. 오늘날 중국은 단순한 완제품 제조를 넘어 부품 공급망, 실증 경기, 데이터 개방, 유소년 교육까지 연결된 피지컬 AI(Physical AI) 생태계 전체를 완성해 가고 있습니다.
전 세계 로봇 생산량의 압도적인 비중이 왜 중국에 집중되고 있는지, 그리고 거대한 플라이휠이 작동하는 현장에서 우리가 무엇을 직시해야 하는지 짚어봅니다.
1. 전시장을 넘어 현실로 나온 로봇들
최근 글로벌 테크 전시회의 중심축은 소프트웨어 거대언어모델(LLM)에서 하드웨어와 결합된 ‘임바디드 AI(Embodied AI)’로 빠르게 이동했습니다. 미국 CES 무대에서 30개가 넘는 로봇 기업 중 대다수를 중국 기업이 차지한 데 이어, 상하이 세계인공지능대회(WAIC)와 베이징 세계로봇컨퍼런스(WRC), 월드 휴머노이드 로봇 게임즈(WHRG)로 이어지는 현장은 그 변화를 명확히 보여줍니다.
40만 명이 넘는 관람객이 몰린 상하이 월드 AI 컨퍼런스 현장은 중국발 AI 기술의 뜨거운 열기를 실감케 했습니다.
현장에서 목격된 로봇들은 단순 관람용 데모에 그치지 않았습니다. 100m 달리기나 축구 같은 스포츠 종목부터 호텔 룸 클리닝, 사무실 서류 정리, 핀셋을 이용한 미세 부품 조립 등 총 51개 세부 종목에서 치열하게 성능을 겨뤘습니다. 로보테라(RobotEra) 같은 기업들은 이미 실제 우정국 물류 현장에 로봇을 투입해 실증 운영을 진행하고 있으며, 유비텍(UBTECH) 등은 제조 공장 라인과 협동 로봇 시나리오를 가정한 대규모 배치를 추진하고 있습니다.
전 세계 로봇 생산량 중 약 97%가 중국산이라는 수치가 보여주듯, 중국은 연구실 단계를 벗어나 실제 물리적 필드에서 수천 대의 로봇을 가동하고 있습니다.
2. 답변하는 AI에서 행동하는 AI로의 전환
지금 벌어지는 변화의 본질은 AI가 답변을 제공하는 단계를 지나 현실 공간에서 직접 물리적 과업을 수행하는 ‘행동’의 단계로 진입했다는 데 있습니다. 두뇌 역할을 하는 LLM 기술을 미국이 주도해 왔다면, 시각과 센서 데이터를 받아 운동 신경을 제어하고 팔다리를 움직이는 물리적 실행 영역에서는 중국이 가파르게 치고 나가는 모습입니다.
이제 AI는 화면 속 텍스트를 넘어 물리적인 신체를 가지고 인간과 실시간으로 상호작용하는 단계로 나아가고 있습니다.
이 격차는 하드웨어와 소프트웨어가 결합되는 ‘데이터 축적 속도’에서 발생합니다. 로봇이 인간의 자연어 명령을 듣고 물건을 정리하거나 위험 지역에 진입하려면 현실 환경에서의 수많은 시행착오 데이터가 필요합니다. 중국은 수많은 로봇을 일상과 산업 현장에 직접 부딪히게 함으로써 고장, 낙하, 파손, 작업 실패 등 실전 데이터를 실시간으로 흡수하며 완성도를 끌어올리고 있습니다.
3. 부품 생태계와 정책 플라이휠의 결합
중국 로봇 굴기가 가속화되는 배경에는 크게 네 가지 동력이 유기적으로 맞물려 있습니다.
- 전기차 공급망의 로봇 산업 전이: 포화 국면에 접어든 중국 전기차 산업의 배터리, 모터, 액추에이터, 라이다(LiDAR) 센서 생태계가 휴머노이드 부품 공급망으로 빠르게 전환되었습니다. 허사이(Hesai) 같은 센서 기업부터 정교한 힘 제어가 가능한 덱스트러스 핸드(Dexterous Hand) 전문 기업들이 밀집해 즉각적인 프로토타이핑과 양산을 뒷받침합니다.
- 10년 이상 지속된 일관된 국가 전략: ‘중국제조 2025’부터 시작된 로봇 육성 정책과 2017년 차세대 AI 발전 계획이 유기적으로 이어지며 장기적인 연구개발과 인프라 투자를 견인했습니다.
- 소비 진작과 표준 인프라 구축: 로봇 구매 바우처를 지급해 초기 수요를 만들고, 4S·6S 형태의 공인 판매·서비스 매장 기준을 수립하며 로봇 식별 ID 체계를 도입하는 등 제도적 기반을 선제적으로 닦고 있습니다.
- 풀뿌리 인재 풀과 경진대회 생태계: 2015년부터 100만 명 이상의 누적 참가자를 배출한 청소년 로봇 컨테스트를 통해 초·중·고교 단계부터 하드웨어 조립과 디버깅을 체득한 엔지니어링 인재가 꾸준히 양성되고 있습니다.
로봇 학습을 위한 데이터를 적극적으로 공개하며 생태계를 확장하고 있는 아지봇의 행보가 눈에 띕니다.
4. 여전한 중국 산업의 불확실성
물론 중국 로봇 산업이 장밋빛 전망만으로 채워진 것은 아닙니다. 현재 시장 내부에서도 단기간에 20개가 넘는 유니콘 기업이 등장하면서 발생한 가치 거품론과 수익성 부재에 대한 비판이 적지 않습니다.
미·중 기술 분쟁 심화에 따른 핵심 반도체 조달 제한과 글로벌 공급망 분리 문제 역시 중국 로봇 기업들이 해외 시장으로 확장할 때 중대한 걸림돌로 작용합니다. 대규모 보급 시 발생할 수 있는 프라이버시 침해 우려와 로봇 폐기물 처리 등 환경적·사회적 비용 또한 해결해야 할 현실적 과제로 남아 있습니다.
5. 한국 산업과 생태계가 나아가야 할 방향
중국이 개별 로봇 개발을 넘어 'AI 로봇 산업 시스템 자체'를 설계하고 있는 지금, 한국의 대응 전략도 근본적으로 재정비되어야 합니다. 단순히 외형적인 휴머노이드 완제품 개발에만 매달려서는 거대한 제조 생태계를 앞세운 경쟁에서 우위를 점하기 어렵습니다.
데이터 부족을 극복하기 위해 로봇의 실패 경험까지 공유하며 생태계를 키우는 전략이 중요해지고 있습니다.
- 실증 테스트베드와 현장 개방: 물류센터, 제조 공장, 의료 현장 등 실제 환경에 로봇을 투입할 수 있는 필드를 적극적으로 열어주어야 합니다. 가동 시간, 성공률, 복구 주기, 인간 개입 빈도 같은 핵심 운영 지표를 축적해야 합니다.
- 데이터의 표준화 및 오픈 생태계: 중국 기업들이 수백만 건의 데이터셋과 API를 개방하며 개발자를 끌어모으듯, 실패 데이터까지 포괄하는 공공·산업 표준 데이터 플랫폼을 마련해 연구소와 기업이 공유할 수 있어야 합니다.
- 한국 강점 산업과의 전략적 결합: 반도체, 자동차, 조선, 배터리 등 한국이 글로벌 경쟁력을 보유한 고정밀 제조 분야의 도메인 지식을 피지컬 AI와 결합하여 고부가가치 특화 영역을 선점해야 합니다.
- 엔지니어링 교육의 실전적 재설계: 이론 중심 주입식 교육을 탈피해 현장에서 하드웨어를 직접 제작하고 실패를 경험할 수 있는 실무 중심 STEM 교육 환경을 구축해야 합니다.
FAQ
중국 로봇 기술이 쇼나 연출이 아니라고 평가하는 이유는 무엇인가요?
단순한 무대 시연에 그치지 않고 WRC와 WHRG 등 대규모 실증 현장에서 달리기, 축구 같은 고기동 과업은 물론 호텔 청소, 부품 조립 등 실제 산업 시나리오 51개 종목을 직접 수행하며 측정 가능한 수치와 데이터를 축적하고 있기 때문입니다.
중국이 피지컬 AI 분야에서 빠르게 앞서나갈 수 있는 핵심 원동력은 무엇인가요?
전기차 산업에서 축적된 모터, 배터리, 라이다 센서 등 탄탄한 부품 공급망과 정부의 일관된 정책 지원, 대규모 내수 시장, 그리고 실패 데이터를 실시간으로 피드백하는 현장 투입 역량이 결합되었기 때문입니다.
한국이 중국의 로봇 굴기에 맞서 취해야 할 현실적인 전략은 무엇인가요?
완제품 휴머노이드 자체에만 집중하기보다 반도체·자동차·조선 등 한국이 강점을 가진 제조 현장에 테스트베드를 적극 구축하고, 공통 운영 지표와 실증 데이터를 산학연이 공유하는 개방형 생태계를 마련해야 합니다.
