중국의 로봇 표준은 가이드라인에 불과하며, 구체적인 규격이 아닙니다.

중국은 이미 운영 중인 산업에 대한 100개의 표준 프레임워크를 발표하지 않습니다. 이는 다른 의미도 있습니다. 즉, 해당 기술이 가장 어려운 문제를 스스로 해결하지 못했기 때문에, 보조적인 지원이 필요하다는 것입니다.

2026년 3월, 중국 표준화청은 국가 표준 체계를 도입했습니다.인간형 로봇공학과 실체화된 AI8월 중순이 되자, 산업 및 정보기술부는 관련 계획안을 발표했습니다.2028년까지 최소 100개의 주요 표준을 달성할 예정이며, 200개 이상의 기업이 참여할 것으로 예상됩니다.4월에 중국은 자신이 ‘’이라고 부르는 것을 시작했습니다.세계 최초의 ISO 국제 표준인 ‘내포된 지능’에 관한 표준: 인간형 로봇 데이터셋.

이것은 규제적 조치가 아닙니다. 특정 공학적 장벽을 중심으로 구성된 산업 정책 전략입니다.

문제는 계산이 아니라, 존재하지 않는 데이터입니다.

인터넷에 존재하는 수십억 개의 페이지, 게시물, 문서 등을 바탕으로 훈련된 언어 모델들입니다. 추가적인 훈련 데이터가 필요한 비용은 거의 없습니다. 하지만 실제로 작동하는 AI는 그렇게 작동할 수 없습니다.

로봇의 모든 훈련 예시는 물리적 상호작용을 기록합니다. 예를 들어, 손이 부품을 잡는 것, 팔이 상자를 선반 위에 올리는 것, 감각 정보에 반응하여 발생하는 관절의 움직임 등입니다. 이러한 데이터는 결코 기록되지 않습니다. 이 데이터는 인간 운영자가 물리적 하드웨어를 사용하여 의도적으로 생성해야 합니다. 종종 원격 조작을 통해 이루어집니다. 각 예시를 만들기 위해서는 로봇의 시간, 운영자의 시간, 그리고 물리적 설정 비용이 필요합니다.주변 비용은 규모가 커질수록 감소하지 않는다..

그리고 단순히 더 많은 데이터를 모델에 넣는 것만으로는 도움이 되지 않습니다. 2026년 초에 발표된 연구에 따르면…개선하는 것보다는 성능을 향상시키는 것이 중요합니다.– ‘부정적 전이’라는 현상입니다. 데이터의 품질과 호환성이 양보다 더 중요합니다.

그렇다면 중국이 실제로 무엇을 하고 있는 걸까요?

표준화된 데이터셋 형식은, 표준화된 텍스트 코퍼라와 마찬가지로, 컴퓨터 비전 데이터를 기업과 로봇들 사이에서 재사용할 수 있도록 하는 노력입니다. 만약 A 회사의 데이터셋이 B 회사의 데이터셋과 동일한 형식으로 정리된다면, 그 데이터들은 공유되고 재사용될 수 있습니다. ISO 표준을 채택한 중국은 바로 이러한 상호운용성 문제를 해결하기 위한 목표를 세웠습니다.

100개의 표준 체계는 더욱 발전된 형태입니다. 표준화된 테스트 방법을 통해 구매자들은 여러 제조업체의 로봇들을 비교할 수 있습니다. 표준화된 안전 관리 체계를 통해 규제 기관은 각 회사마다 새로운 규정을 만들지 않고도 그 로봇들의 사용을 승인할 수 있습니다. 이는 연구실에서 시작된 기술이 실제 생산 분야로 전환될 수 있다는 것을 의미합니다. 물론, 그러한 기술이 실현될 수 있다면 말입니다.

표준과 기계 사이의 간격

이곳에서 이야기가 보도자료와는 다른 점이 나타납니다.현재 7개의 중국 로봇회사가 200억 위안 이상의 가치를 가지고 있습니다.(약 28억 달러 정도)하나는 60억 달러에 팔렸습니다.또 다른 회사는 1년도 채 되지 않은 기간에 설립되었으며, 가치가 10억 달러에 달합니다. 이러한 평가를 내리는 기술은 다른 이야기를 전해줍니다.

심사 과정에서, 200억 위안 이상의 가치를 지닌 회사의 엔지니어들이 15분 만에 수건 접는 작업을 완료할 수 없었습니다. 제조 공장 시연회에서는…로봇이 단 하나의 베어링을 가져오는 데 70초가 걸렸습니다.또 다른 인간형 로봇은 90초를 걸어서 상자를 안고 가져와서 선반 위에 올려놓는 데 시간이 걸렸습니다. 그 속도라면, 한 명의 공장 직원을 대체하기 위해 수십 대의 로봇이 필요할 것입니다. 하지만 그러한 비용은 경제적으로 합리적이지 않습니다.

기준은 매우 높습니다. 하지만 로봇들은 아직 존재하지 않습니다.

이것은 중국에만 있는 현상이 아닙니다. 같은 데이터 부족 문제가 전 세계의 모든 기업들에게 영향을 미치고 있습니다. 차이점은 중국이 시장의 힘을 기다리는 대신 제도적 협력을 통해 이 문제를 해결하기로 결정했다는 점입니다. 하지만 그 방법이 성공할지는 여전히 불확실합니다. 데이터 세트 형식을 표준화한다고 해서 물리적인 상호작용 데이터가 자연스럽게 생성되는 것은 아닙니다. 여전히 사람들이 로봇을 조작해야 하며, 시간과 작업별로 계속해서 작업이 필요합니다.

이것이 미국 투자자들에게 의미하는 바는 무엇인가요?

인간형 로봇을 개발하는 회사들 – 중국이나 미국, 혹은 다른 곳의 회사들도 마찬가지입니다 – 대부분은 아직 수익을 내지 못한 상태입니다. 그들의 가치 평가는 실제 산업적 활용성과는 별개로 결정됩니다. 하지만 Agility Robotics와 같은 몇몇 회사는 이미 수익을 거두고 실제 상용화된 제품도 있습니다. UBTech와 같은 회사들은 공개적으로 정보를 제공하고 있습니다.아그리젯 로보틱스는 SPAC 합병을 통해 공개 시장에 상장할 계획입니다.유니트리는 최초의 순수 인간형 로봇 관련 IPO를 준비하고 있습니다. 각 로봇에 대한 투자 사례는, 데이터 문제가 해결되고, 로봇들이 산업적 수준으로 성능을 발휘하며, 자본이 고갈되기 전에 누군가가 그 로봇들을 구매할 것이라는 가정 위에 세워집니다.

어떤 로봇이 이긴다 하더라도 이익을 얻는 회사들은 더 높은 위치에 있습니다. Nvidia는 모든 로봇의 정책을 학습시키는 GPU를 판매하며, 로봇 회사들이 물리적 AI 데이터 격차를 해소하는 데 사용하는 Isaac 시뮬레이션 플랫폼과 Cosmos 기반 모델도 운영합니다.물리적 AI를 통한 수익이 10배 증가할 것이라고 예측됨.그 예측은 단순한 추측에 불과합니다. 엔비디아의 핵심 데이터 센터 사업은 이미 연간 83%의 성장률을 기록하고 있으며, 총 마진은 74%, ROIC는 87%입니다. 실제적인 AI 기술이 그러한 속도로 성장하는 회사의 전략을 바꿀 수 있을 정도로 큰 규모가 되어야 합니다.

수년간 옵티무스를 개발해온 테슬라는 2026년 7월 중순까지도 프리몽트 공장에서 생산을 시작하지 않았습니다. 신뢰할 수 있는 소식에 따르면, 총 생산량은 수백 대에 불과합니다. 회사의 주가는 약 365달러로, 전년 대비 거의 19% 하락했습니다. 시장에서는 곧 이 로봇으로부터 수익이 발생할 것으로 보이지 않는 것 같습니다.

진정한 질문은 어떤 로봇 회사가 승리하는가가 아닙니다.

문제는, 실체화된 AI가 로봇이 인간 노동자의 비용보다 낮은 비용으로 유용한 작업을 수행할 수 있는 단계에 도달하는지 여부입니다. 데이터의 한계 때문에, 이는 컴퓨팅 중심의 계획보다 더 느린 길을 취하게 됩니다. 중국의 표준 정책도 이러한 제약을 인정하는 것으로, 산업 정책으로 포장된 것입니다. 표준은 목적지를 정하는 것일 뿐, 그 길을 만드는 것은 아닙니다.

투자자들에게는 이 구분이 중요합니다. 도구나 장비를 판매하는 회사들은 현재 실제 수익을 얻고 있으며, 해당 분야의 발전에 따라 혜택을 받습니다. 로봇을 개발하는 회사들은 시연, 평가, 그리고 실행 일정 등이 있습니다. 이 두 범주 사이에는 위험 프로필이 근본적으로 다릅니다. 한쪽은 기술이 성숙해질 때까지 돈을 벌 수 있지만, 다른 쪽은 기술이 성숙하기 전까지는 돈을 벌 수 없습니다.