오리진플로우가 근육 신호 로봇 데이터에 거는 기대, 그 내막

아무도 인정하고 싶어 하지 않는 병목 현상이야말로 진짜 문제다

범용 로봇 팔을 개발하려는 모든 체형 기반 AI 기업들은 마케팅의 이면을 들여다보면, 결국 같은 희소 자원을 쫓고 있다. 바로 인간의 손이 작업을 정밀하고 반복적으로 수행하는 모습을, 모델이 실제로 학습할 수 있는 형식으로 충분히 기록해 둔 사례들이다. 원격 조작 장비는 대규모로 운영하기에는 속도가 느리고 비용이 많이 든다. 모션 캡처 슈트는 위치는 추적하지만, 물체를 실제로 잡았는지 여부를 결정하는 힘과 접촉 정보는 포착하지 못합니다. 가장 저렴하고 풍부한 데이터 소스인 영상만으로는 모델이 손이 얼마나 세게 누르고 있는지, 혹은 손가락 끝이 언제 미끄러졌는지 파악할 수 없는데, 이는 로봇이 단단한 블록보다 더 섬세한 물체를 조작하는 데 필요한 정확한 정보입니다. 베이징에서 설립된 지 1년도 채 되지 않은 스타트업 오리진플로우(OriginFlow)는 모델 아키텍처가 아니라 바로 이러한 데이터 격차가 휴머노이드와 로봇 팔의 조작 능력이 실제로 얼마나 빠르게 향상될 수 있는지에 대한 결정적인 제약 조건이라는 주장을 내세워 5억 위안(약 6,900만 달러) 이상의 자금을 조달했다.

오리진플로우(OriginFlow)는 하얼빈공과대학교 메카트로닉스 공학부에서 학사 학위를 취득하고, 현재 칭화대학교 차량 및 모빌리티 학부에서 박사 과정을 밟고 있는 25세의 친셴타오(Qin Shentao)가 2025년 8월에 설립했다. 설립 1년도 채 되지 않아 이 회사는 엔젤 투자, 전략적 투자, 프리-A1 투자 라운드를 성공적으로 마감했으며, 투자자로는 위안허푸화(Yuanhe Puhua), 블루 레이크 캐피털, 오아시스 캐피털 등이 참여했다. 이는 올해 중국 내 경쟁이 치열한 체화형 AI 투자 시장 기준으로도 이례적인 자금 조달 속도이며, 자금력이 풍부한 업계 주요 플레이어들이 데이터 문제에 대한 실질적인 해결책이 시급히 필요하다는 결론을 내렸음을 반영한다.

NeuroScale이 실제로 포착하는 것

오리진플로우의 해법은 ‘뉴로스케일(NeuroScale)’이라 명명한 데이터 수집 패러다임으로, 카메라, 장갑, 외골격이 아닌 비침습적 신경-운동 인터페이스를 기반으로 구축되었다. 이 회사의 ‘오리진킷(OriginKit) Gen 1.0’ 하드웨어는 표면 근전도를 측정하는 손목 밴드로,

근육이 수축할 때 발생하는 전기 신호를, 사후에 손의 위치를 추적하는 방식이 아닌 피부에서 직접 측정하는 방식입니다. 이 회사가 ‘PULSE’라고 명명한 자체 개발 모델은 이 원시 전기 신호를 연속적인 손 자세, 가해진 힘, 촉각 피드백 데이터로 변환해 냅니다. 카메라 기반 시스템은 애초에 동작을 생성한 근육 신호에 접근할 수 없기 때문에 이러한 정보를 복원할 수 없습니다.

손의 위치를 추적하는 것과 그 동작을 지시한 신경 신호를 읽어내는 것의 차이는 OriginFlow가 기술적으로 내건 핵심 전략이다. 모션 캡처 시스템은 모델에게 손가락 끝이 어디에 위치했는지는 알려줄 수 있지만, 하지만 그 동작에 얼마나 많은 힘이 가해졌는지, 그립이 조여지고 있는지 아니면 이미 미끄러지고 있는지, 혹은 물체의 예상치 못한 저항에 대응해 동작 도중 손이 어떻게 자세를 조정했는지는 알 수 없습니다. 바로 이러한 세밀한 피드백 루크가 달걀을 으깨지 않고 집을 수 있는 로봇과, 단단하고 탄력성이 없는 물체만 다룰 수 있는 로봇을 구분 짓는 요소입니다. OriginFlow는 근육 신호를 직접 포착함으로써, 체화형 AI 업계가 대규모로 수집하기 가장 어려웠던 데이터 범주인 힘과 접촉 정보를 정확히 복원하고자 시도하고 있습니다.

근육 신호에서 “휴먼 토큰”으로

이 회사가 밝힌 야망은 단순히 더 나은 손 데이터를 수집하는 데 그치지 않습니다. OriginFlow는 해독된 자세, 힘, 촉각 정보를 ‘휴먼 토큰(Human Tokens)’이라 부르는 형태로 패키징합니다. 이는 데이터를 수집하는 데 사용된 특정 하드웨어에 얽매이지 않고, 서로 다른 로봇 구현체 간에 이전될 수 있도록 설계된, 기계 학습이 가능한 동작 표현입니다. 이러한 개념은 대규모 언어 모델이 텍스트를 처리하는 방식에서 직접 차용한 것입니다. 토큰이란 원래 어떤 문서에서 유래했는지에 관계없이 모델이 학습할 수 있는 정보 단위를 의미하며, 오리진플로우는 물리적 상호작용 데이터도 동일한 방식으로 토큰화될 수 있다고 보고 있습니다. 이를 통해 한 손목 밴드에 기록된 잡기 동작으로 다른 업체가 제작한 로봇 손을 훈련시킬 수 있게 될 것입니다.

완전히 다른 제조사입니다.

친은 근본적인 문제를 직설적으로 지적했습니다. 그는 현실 세계에는 복잡한 물리적 상호작용 정보를 학습 가능한 표현으로 추상화할 수 있는 계층이缺如하다고 말했습니다. 이는 지난 10년 동안 구축된 토큰화 및 임베딩 파이프라인을 통해 텍스트와 이미지 데이터가 이미 갖추고 있는 바로 그 계층과 같습니다. 만약 그 격차가 오리진플로우(OriginFlow)의 주장이 전제하는 것처럼 근본적인 것이라면, 물리적 상호작용 데이터를 위한 최초의 널리 채택되는 추상화 계층을 구축하는 기업은 개별 로봇 공학 연구실에 손목 밴드를 판매하는 단순한 하드웨어 공급업체를 넘어, 전체 체화형 AI 산업의 인프라 공급업체로 자리매김할 것이다.

투자자들이 이토록 빠르게 움직인 이유

5개월 동안 5억 위안(약 6,900만 달러)을 유치한 이 자금 조달 속도는, 이번 라운드에 대한 대부분의 보도가 간과한 맥락을 고려해야만 이해할 수 있다. 중국의 체화형 AI 부문은 2026년 대부분을 로봇 하드웨어에서 투자 초점을 전환하는 데 보냈는데, 이 시장은 유사한 사양을 추구하는 수십 개의 휴머노이드 제조업체들로 포화 상태에 이르렀으며, 대신 로봇이 실제로 유용해지는 속도를 결정하는 데이터 및 시뮬레이션 인프라로 관심을 돌렸다. 로봇 제조사들과 경쟁하기보다는 모든 하드웨어 제조사에 동시에 서비스를 제공할 수 있다고 설득력 있게 주장할 수 있는 데이터 수집 기업은, 또 다른 휴머노이드 스타트업을 지원하는 것과는 구조적으로 다른 투자 논리이며, 이는 중국에서 가장 활발히 활동하는 여러 로봇 투자자들이 하드웨어에 비해 저평가되었다고 결론 내린 바로 그 논리입니다.

그렇다고 해서 이 투자 논리가 입증된 것은 아닙니다. 오리진플로우(OriginFlow)의 상용화 계획, 이름을 밝히지 않은 선도 기업들과의 산업 제조 파트너십, 그리고 58그룹과의 가사 서비스 데이터 수집 파트너십은 여전히 초기 단계에 머물러 있으며, 개별 계약별로 진행되고 있습니다. 또한 데이터 인프라 기업의 실제 가치는 충분한 수의 로봇 제조업체들이 자체적으로 경쟁적인 데이터 파이프라인을 구축하기보다는 해당 기업의 데이터 형식을 채택하느냐에 전적으로 달려 있습니다. 현재 오리진플로우에 투자하는 투자자들은

초기 단계의 기업들은 현재의 매출 실적보다 ‘추상화 계층’ 이론을 더 적극적으로 지지하고 있으며, 이는 업계의 병목 현상이 현재 어디에 있는지보다는 앞으로 어디로 이동할지에 대한 내기나 다름없다.

모든 데이터 인프라 투자가 직면하는 ‘보급 문제’

인접 산업의 인프라 계층 역사는 여기서 유용한 교훈을 제공합니다. 데이터 형식은 특정 벤더의 독점 도구가 아닌 공유 표준으로서 하류 사용자들 사이에서 임계치만큼 널리 채택되어야만 비로소 진정한 가치를 갖게 되며, 이러한 채택 임계치는 그 어떤 기술적 결함보다도 더 많은 유망한 인프라 기업들을 몰락시켜 왔습니다. OriginFlow의 ‘휴먼 토큰(Human Token)’ 포맷은 경쟁사인 sEMG나 원격 조작 데이터 제공업체들과만 경쟁하는 것이 아니라, 특히 제조사가 자체 데이터 파이프라인에 이미 투자한 경우라면 외부 공급업체의 포맷을 표준화하기보다 자체 훈련 데이터를 독점적으로 유지하려는 모든 휴머노이드 제조사의 동기와도 경쟁해야 한다.

유사한 sEMG 원리에 기반한 소비자용 증강현실 제어를 위한 신경 인터페이스 손목 밴드에 대한 메타(Meta)의 자체 연구는, 근육 신호 캡처를 유망한 인터페이스 계층으로 여기는 기업이 오리진플로우(OriginFlow)뿐만이 아님을 상기시켜 줍니다. 다만 메타의 노력은 로봇 훈련 데이터가 아닌 인간-컴퓨터 상호작용을 목표로 하고 있으며, 이는 상이한 상용화 목표와 도입 경로를 가진 분야이다. 오리진플로우에 대한 보다 직접적인 경쟁 압력은 중국 내 신체 기반 AI(embodied-AI) 부문의 원격 조작 데이터 기업들과 시뮬레이션 중심 데이터 제공업체들로부터 비롯되는데, 이 중 몇몇 기업은 올해 자체 데이터 인프라 전략을 바탕으로 오리진플로우와 비슷한 규모 또는 그 이상의 자금 조달을 성사시켰습니다. 이는 오리진플로우가 ‘휴먼 토큰(Human Tokens)’을 여러 독점 옵션 중 하나가 아닌 업계 표준으로 정립할 수 있는 기회가, 자금 조달 속도가 시사하는 것보다 더 좁을 수 있음을 의미합니다.

피치 뒤에 숨겨진 데이터 소유권 문제

오리진플로우의 모델은 또한 체화형 AI 훈련 데이터를 구매하는 모든 주체가 결국 직면하게 될 질문을 제기하는데, 이는 이번 사태 이전부터 존재해 온 문제이다.

특정 기업에 국한되지 않고 그 기업보다 더 오래 지속될 문제입니다. 즉, 사람이 특정 기업의 손목밴드를 착용하고 작업을 수행할 때 생성된 데이터의 소유권은 누구에게 있으며, 그 결과물인 ‘휴먼 토큰(Human Tokens)’이 로봇 제조사에 판매되거나 라이선스가 부여된 후에도 해당 기업이 어떤 권리를 보유하게 되는가 하는 문제입니다. 물리적 상호작용 데이터 세트가 내부에서 수집되는 부산물이 아닌 거래 가능한 상업적 자산으로 자리 잡음에 따라, 모든 통합 업체가 직면하게 될 데이터 소유권 문제가 바로 이것이며, 현재까지 공개된 오리진플로우(OriginFlow)의 자료는 데이터 권리와 라이선스 조건보다는 데이터 수집 방법론을 더 상세히 설명하고 있는데, 이는 업계 전반에 걸쳐 흔히 볼 수 있는 불균형이지만, 58그룹(58 Group)과의 가정 서비스 파트너십을 통해 공장 내부가 아닌 가정 내에서 데이터 수집이 시작됨에 따라 더욱 중요한 문제가 될 것입니다.

사실 가정 서비스 분야는 오리진플로우의 로드맵 중 상업적·윤리적으로 더 복잡한 부분이다. 산업 제조 데이터 수집은 기존 직장 내 동의 체계 하에 기업 자체 부지 내에서 이루어지지만, 반면, 로봇이 결국 동일한 동작을 학습할 수 있도록 개인이 청소, 요리 또는 돌봄 업무를 수행하는 방식을 포착하는 가정 서비스 데이터 수집은 사적인 주거 공간 내 활동을 기록하는 것을 수반하며, 이러한 맥락에서는 동의, 데이터 보존 및 재식별 위험이 공장 현장보다 훨씬 더 큰 문제를 야기한다. 오리진플로우와 58 그룹이 이 파트너십의 동의 및 데이터 처리 조건을 어떻게 구성하느냐에 따라, 향후 다른 가정용 로봇 기업들이 sEMG 기반 데이터 수집 업체와 파트너십을 맺는 데 얼마나 편안함을 느낄지가 결정될 것으로 보인다.

이 가설이 옳음을 입증할 요소

OriginFlow의 추상화 계층 전략이 효과를 거두고 있다는 가장 명확한 신호는 또 다른 자금 조달 라운드가 아니라, 가급적이면 OriginFlow와 이미 지분 또는 파트너십 관계를 맺고 있지 않은 특정 로봇 제조사가 상용 제품의 훈련 입력 자료로 ‘휴먼 토큰(Human Tokens)’을 공개적으로 채택하는 것입니다. 그런 일이 일어나기 전까지는, 이번 자금 조달 라운드는 투자자들이 이 가설을 긍정적으로 평가하고 있다는 증거일 뿐입니다.

이는 설득력 있는 주장이지만, 시장이 경쟁사의 방식이 아닌 OriginFlow의 방식을 채택했다는 증거는 아니다. 이 차이를 구분하는 것은 이 소식을 단순한 자금 조달 소식이 아닌, 체화형 AI의 실제 제약 요소가 어디로 이동하고 있는지에 대한 신호로 받아들이는 모든 이에게 중요하다.

향후 12개월 동안 데이터 병목 현상에 대한 업계 내 경쟁적 예측 중 어느 것이 옳았는지, 즉 로봇 조작의 제약 요인이 하드웨어 정밀도였는지, 모델 아키텍처였는지, 아니면 오리진플로우가 주장하듯 언어 모델이 텍스트를 추상화하는 방식과 마찬가지로 물리적 상호작용 데이터를 추상화할 수 있는 계층이 부재했기 때문인지가 드러날 것이다. 진셴타오(Qin Shentao)의 관점이 타당하다면, 다른 로봇들이 학습하는 토큰 포맷을 보유한 기업이 이번 주 새로운 데모를 선보이는 어떤 단일 휴머노이드 제조사보다 업계의 진로에 더 큰 영향을 미칠 수 있으며, 이는 OriginFlow의 향후 상업적 로드맵이 어떻게 전개되든 간에 주목할 만한 가능성이다.

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