공성지싱이 추진하는 통합 로봇 뇌 프로젝트의 이면

베이징의 스타트업 ‘공성지싱(Gongsheng Zhixing)’은 통합된 종단간(end-to-end) AI 모델이 업계의 계층적 추론 및 제어 아키텍처보다 성능이 뛰어나다고 주장하며, 휴머노이드 로봇이 폐쇄된 트랙에서 고카트를 운전하게 함으로써 이를 입증했다.

martti
4분 소요Posted: 2026년 8월 24일
공성지싱이 추진하는 통합 로봇 뇌 프로젝트의 이면

다층적 뇌 구조에 대한 반론

현재 휴머노이드 로봇 지능에 대한 주류 접근 방식은 추론을 위한 대규모 언어 모델을, 움직임을 제어하는 별도의 더 빠른 제어 시스템 위에 겹쳐 놓는 방식이다. 이 두 모델은 지연 시간의 간극을 사이에 두고 서로 소통하는데, 이로 인해 로봇이 예상치 못한 상황에 반응하기까지 0.5초의 주저함이 나타난다. ‘공성지싱(Gongsheng Zhixing)’이라는 베이징의 한 소규모 스타트업은 이러한 아키텍처가 ‘목적지’가 아닌 ‘우회로’에 불과하다고 내다보고 있으며, 이를 입증하기 위해 이례적으로 대대적인 방식을 택했다: 지난 8월, 공식 웹사이트를 공개하는 날과 동시에 첫 기술 시연 영상을 공개했는데, 이 영상에서는 두 발로 걷는 휴머노이드 로봇이 스티어링 휠을 잡고 실내 폐쇄 트랙을 따라 고카트를 운전하는 모습이 담겨 있었다.

‘공생 지행(Gongsheng Zhixing)’이라는 이름은 대략 ‘공생적 인식과 행동’으로 해석되며, 1996년생 연구원 딩펑샹(Ding Pengxiang)이 설립한 신체 기반 지능(embodied intelligence) 스타트업이다. 그의 팀은 베이징 인공지능 아카데미, 홍콩과학기술대학교, 샤오미, 알리바바의 DAMO 아카데미, 앤트 그룹, 칭화대학교 출신으로 구성되어 있다. 이 회사의 핵심 주장은 상업적 측면보다는 아키텍처에 초점을 맞추고 있다. 즉, 즉, 느린 계획 계층과 빠른 제어 계층 간의 인계 없이 과제에 대해 추론하고 직접 관절 수준의 운동 명령을 출력하는 단일 엔드투엔드 모델이, 자금이 풍부한 서구 연구소를 포함한 업계 대다수가 채택한 계층적 시스템보다 더 빠르고 일관성 있는 전신 움직임을 만들어낸다는 것이다.

고카트 시연이 실제로 검증하려 했던 것

8월 17일에 공개되어 그 후 며칠 동안 중국 기술 매체 전반에 걸쳐 광범위하게 보도된 이 시연은, 공성지싱(Gongsheng Zhixing)이 로봇 본체가 아닌 모델을 개발하기 때문에 유닛리(Unitree)가 제작한 휴머노이드 플랫폼에서 진행되었다. 로봇은 고카트의 운전석에 탑승해 양손으로 핸들을 잡고, 발을 페달 공간에 위치시킨 뒤, 폐쇄된 트랙에서 주행을 완료하며 제어했다.

오른발로 가속 페달을 밟고, 코너 진입 전에 신속하게 조향을 수정하는 방식이다. 이 회사는 고카트 자체가 제품의 목표가 아니라는 점을 자체 설명에서 분명히 밝혔다. 공성지싱(Gongsheng Zhixing)이 말했듯이, 이번 시연은 전신 지능 스트레스 테스트일 뿐, 자율주행 로봇 사업의 미리보기가 아니다.

이러한 프레임워크가 중요한 이유는, 고카트가 대부분의 로봇 시연에서 개별적으로 테스트되는 여러 기능을 긴밀하게 조율하여 작동하도록 요구하기 때문이다. 조향에는 앞쪽 트랙을 지속적으로 시각적으로 추적해야 하며, 가속 제어에는 밟고 있는 페달을 볼 수 없는 발로부터의 고유수용성 피드백이 필요합니다. 또한 이 두 가지 기능은 0.5초의 처리 지연만으로도 코너를 완전히 놓치게 되는 속도에서 서로 동기화되어야 합니다. 공셩 지싱(Gongsheng Zhixing)의 주장은, 자사의 모델이 손-눈-발의 협응, 시각적 타이밍, 정밀한 스로틀 조절을 세 개의 별도 하위 시스템이 동작에 대해 투표하는 방식이 아니라, 회사가 ‘주행 의미론(driving semantics)’이라고 부르는 개념과 원시적인 모터 출력을 결합하여 하나의 연속적인 추론 과정으로 처리했다는 점입니다.

기술적 도박, 알기 쉽게 설명

오늘날 대부분의 휴머노이드 제어 스택은 일종의 계층적 설계를 채택하고 있습니다. 즉, 비전-언어 모델이 장면을 해석하여 ‘컵을 집어라’와 같은 고수준 명령을 내리고, 이와 별개로 훨씬 더 빠른 저수준 정책이 해당 명령을 실제로 팔을 움직이는 데 필요한 관절 토크로 변환합니다. 이러한 분리는 실용적인 이유로 존재합니다. 대규모 추론 모델은 움직이는 로봇에 필요한 업데이트 속도(대개 초당 100회 이상)로 실행하기에는 너무 느리기 때문에, 업계는 상위 계층에서 더 강력한 추론 모델을 사용할 수 있다는 장점을 얻기 위해 2단계 시스템이 초래하는 지연 비용을 대체로 수용해 왔습니다.

공성 지싱(Gongsheng Zhixing)의 연구팀은 이러한 분리가 ‘변환 손실’을 초래한다고 주장합니다. 즉, 저수준 정책은 고수준 모델이 완전히 명시하지 않은 의도를 추측해야 하며, 두 시스템은 일반적으로 서로 다른 목표와 다른 데이터셋을 기반으로 훈련되기 때문에,

이는 특히 단일하고 독립적인 조작보다는 지속적이고 빠른 전신 협응이 요구되는 과제에서, 경직되고 덜 자연스러운 움직임으로 나타납니다. 예를 들어, 떨어지는 물체를 잡아야 하는 계층적 시스템의 경우, 제어 계층이 도달 궤적을 계산하기 시작하기 전에 추론 계층이 물체를 분류하고 명령을 내릴 때까지 기다려야 하는데, 통합 모델은 이러한 순차적인 지연을 단일 추론 단계로 압축하도록 설계되었다.

반면, 작업 행동 모델링과 동작 선험 지식 추출을 결합한 것으로 설명되는 이 대안은, 장면 이해에 사용되는 것과 동일한 표현을 통해 관절 수준 명령을 직접 출력하도록 통합 모델을 훈련시키지만, 그 대가로 훨씬 더 방대하고 비용이 많이 드는 훈련 문제를 감수해야 한다. 이 회사는 현재의 ‘Motion Expert’ 모델이 약 10억 개의 매개변수를 가지며, 1만 시간 이상의 동작 데이터로 훈련되었다고 밝혔습니다. 이 수치는 자본력이 더 풍부한 경쟁사들의 파운데이션 모델 개발 규모보다는 훨씬 작지만, 오프라인 연구 결과보다는 실시간 시연을 지원하기에 충분한 규모입니다. 이 회사의 설명에 따르면, ‘모션 프라이어 증류(Motion prior distillation)’란 모델이 이전에 캡처된 방대한 양의 인간 및 로봇 동작 라이브러리를 재사용 가능한 모션 프리미티브 집합으로 압축하도록 훈련받는 것을 의미하며, 통합 모델은 추론 시점에 모든 관절 궤적을 제1원리부터 생성하는 대신 이 프리미티브들을 즉시 참조하고 재조합함으로써, 이는 훈련 시간의 복잡성을 일부 희생하는 대신, 로봇이 실제로 작동할 때 지연 시간을 줄이는 설계 선택입니다.

상업적 실적 없는 신뢰성

Gongsheng Zhixing은 공식적으로 발표된 자금 조달 라운드도, 공개된 매출도 없으며, 이번 주 기준으로 개설된 지 불과 며칠밖에 되지 않은 웹사이트만 보유하고 있어, 실제 주장을 독립적으로 검증하기 어렵고, 조달 팀 입장에서는 단 하나의 영상과 회사의 기술적 설명 외에는 평가할 만한 자료가 아직 없다는 것을 의미합니다. 이 회사가 가진 것은 구체적이고 검증 가능한

연구 실적: 딩 펑샹(Ding Pengxiang)은 전 세계에서 가장 경쟁이 치열한 인공지능 컨퍼런스 중 하나인 AAAI 2026에서 우수 논문상을 수상한 비전-언어-행동(Vision-Language-Action) 연구 프로젝트인 ReconVLA에 기여했으며, 해당 연구팀은 최상위 학술대회에 40편 이상의 논문을 게재했고 그중 다수에서 최우수 논문상을 수상했다고 밝혔습니다.

이는 대부분의 초기 단계 휴머노이드 스타트업이 출시 시점에 제시하는 것과는 의미 있게 다른 신뢰도 지표입니다. 대규모 자금 조달을 바탕으로 한 전시회 시연은 자본과 하드웨어 확보 능력을 입증하는 반면, 주요 AI 학회에서 최근 최우수 논문상을 수상한 팀은 취약한 방법론을 기각할 동기가 충분한 동료 심사위원들로부터라도 연구 주장이 적어도 진지하게 받아들여지고 있음을 증명합니다. 이는 해당 접근 방식이 고카트 트랙을 넘어 확장 가능함을 증명하는 것은 아니며, 회사 측도 이를 주장하지 않도록 신중을 기해 왔습니다. 운전 시연은 완성된 제품이 아니라 계획된 일련의 공개 테스트 중 첫 번째 단계임을 명확히 밝히고 있습니다.

중국 내 경쟁이 치열한 체화형 AI 분야에서 이 기술의 위치는?

공성지싱(Gongsheng Zhixing)의 공개적 포지셔닝에는 창립자들이 ‘실리콘밸리 추종자 태도’라고 묘사하는 것을 단호히 거부하는 내용이 포함되어 있다. 이는 독자적인 기술적 접근 방식을 구축하기보다는 서구의 기초 모델 아키텍처를 차용하는 일부 중국 연구소의 경향을 가리킨다. 이러한 프레임이 해당 분야의 다른 기업들에 대해 정확한지, 아니면 대규모 경쟁을 펼칠 자본이 부족한 팀을 위한 단순한 마케팅 전략인지는 외부 관찰자들이 단 한 번의 시연만으로는 판단할 수 없는 문제이지만, 이는 막대한 자금을 확보한 수십 개의 경쟁사들이 훨씬 더 큰 훈련 예산과 하드웨어 자산을 동원해 유사한 체화된 AI 성과를 쫓고 있는 시장에서 이 회사가 어떻게 차별화를 꾀할 것인지를 시사한다.

또한 이 회사는 구매자들이 궁극적으로 무엇에 돈을 지불할지에 대해 구체적인 베팅을 하고 있다. 업계의 현재 2단계 아키텍처가 휴머노이드가 얼마나 자연스럽게

이 상황에서, 그간 얼마나 많은 로봇을 출하했는지와 관계없이 통합 모델 문제를 가장 먼저 해결한 측이 그 가치를 얻게 됩니다. 만약 한계 요소가 모델 아키텍처가 아니라 하드웨어, 배터리 밀도, 액추에이터 정밀도, 센서 지연 시간 등으로 판명된다면, 소프트웨어 계층에만 전적으로 베팅한 소규모 연구 중심 팀은, 같은 기간 동안 로봇을 구동하는 ‘뇌’가 아닌 기계 자체를 개선하는 데 주력한 경쟁사들에 비해 자원 면에서 밀릴 수 있습니다.

다음으로 주목해야 할 점

자금 조달 발표를 스타트업의 진정성을 가늠하는 주요 신호로 여겨온 시장에, 공성지싱(Gongsheng Zhixing)은 다른 순서를 시험하고 있다. 먼저 신뢰할 수 있는 기술적 주장을 발표하고, 이를 공개적으로 시연한 뒤, 자본이 증거를 따르게 하는 방식이다. 그 반대가 아니라. 단기적으로 주목해야 할 신호는, 이 첫 공개 이후 몇 달 내에 회사가 자금 조달 라운드를 발표할지, 데모 영상에만 의존하지 않고 기존 VLA 기준선과의 벤치마크 비교 결과를 공개할지, 그리고 다음 공개 테스트가 폐쇄된 고카트 트랙을 벗어나 실제 고객 수요가 뒷받침되는 상업적 응용 과제, 창고 내 물품 피킹 순서나 실제 고객 수요가 뒷받침되는 모빌리티 과제로 확장되는지 여부다.

그때까지는 고카트 영상은 회사 측이 직접 표현한 대로 ‘아이디어에 대한 스트레스 테스트’일 뿐, 그 아이디어가 성공했다는 증거는 아닙니다. 계층적 편의성보다 통합 아키텍처에 베팅한 박사급 연구팀이 자금 규모가 100배나 되는 경쟁사들을 능가할 수 있을지 여부는, 이 분야가 이 창업자가 다음에 어떤 답을 내놓을지 주목할 핵심 질문입니다.

여기에는 외부에서 중국의 체화형 AI 분야를 지켜보는 모든 이에게 더 광범위한 교훈이 담겨 있다. 외부에서는 자금 조달 발표와 출하 대수가 보도에서 주를 이루는 경향이 있는데, 이는 보고하기 가장 쉬운 수치이기 때문이다. 연구의 신뢰성은 더 느리고 헤드라인을 장식하기 어려운 신호이지만, 역사적으로 어떤 소규모 팀이 결국 자본과 인재 유입을 끌어모을지 예측하는 합리적인 지표로 작용해 왔다.

자금력이 더 풍부한 기존 기업들과 경쟁해야 하는 이유는, 매출이 발생하기 전 단계의 로봇 스타트업에 투자하는 투자자들이 해당 스타트업을 구축하는 사람들의 기술적 판단 외에는 투자 결정을 뒷받침할 만한 구체적인 근거가 거의 없기 때문이다. 최고 수준의 AI 컨퍼런스에서 최우수 논문상을 수상한다고 해서 공장 생산 라인에서 단 한 대의 제품도 출하되지는 않겠지만, 이는 정교한 투자자에게 해당 기술의 기초가 되는 방법론이 결과물에 상업적 이해관계가 없는 심사위원들의 면밀한 검증을 통과했음을 보여줍니다. 이는 무역 박람회 관객을 설득하는 것과는 다르며, 어쩌면 더 까다로운 시험이라고 할 수 있습니다.

면책 조항: 이 기사는 일반적인 정보 제공을 목적으로 하며, 투자, 법률 또는 조달에 대한 조언을 구성하지 않습니다. 독자는 비즈니스 결정을 내리기 전에 1차 출처를 통해 세부 사항을 확인해야 합니다.

RoboticsHumanoidRobotsPhysicalAIChinaAsiaRobotDeployment