디지트(Digit)가 기업용 시장으로 진출함에 따라 애질리티 로보틱스(Agility Robotics)의 기업 가치가 25억 달러를 기록

이번 주 라스베이거스에서 열린 AI4 행사에 로봇 업계 관계자들이 모여 이 분야를 위한 대담한 이정표에 합의했습니다. 기업들은 ‘로봇을 도입해야 할지’가 아닌 ‘언제 구매할 수 있는지’를 묻기 시작했고, 휴머노이드와 이동형 조작 로봇의 시연이 주목을 받으면서, 이들은 2026년을 ‘로봇의 해’로 명명했습니다. 애질리티 로보틱스(Agility Robotics)는 시범 운영이 실제 구매 주문으로 이어지는 것에 대한 활발한 논의가 오가는 가운데, 25억 달러의 새로운 기업 가치를 확인했다.

AI4 프로그램은 물리적 AI에 중점을 두었으며, 순수 생성형 AI 시연의 화려한 연출은 상대적으로 축소되었다. 전시회장 내 방문객들은 물건을 들어 올리고, 운반하며, 배치할 수 있는 하드웨어 주변에 몰려들었다. 애질리티 로보틱스의 ‘디지트(Digit)’는 우아하게 걷고, 물건을 잡고, 쌓아 올리는 모습을 보여주었다. 신생 기업과 기존 기업들은 양산 규모로의 전환 일정을 제시하며, 실험실 벤치가 아닌 실제 공장 현장에서 더 안전한 인간-로봇 협업을 약속했다.

2015년에 설립되어 오리건주 코발리스에 본사를 둔 애질리티 로보틱스는 기업 자동화 분야에서 휴머노이드 플랫폼의 부상을 이끄는 핵심 기업으로 자리매김했다. 이 회사는 창고 및 공장 자재 취급 작업을 위해 설계된 이족 보행 이동형 조작 로봇인 ‘디지트(Digit)’를 설계하고 제작한다. 이 회사의 시장 틈새는 자율 주행 로봇과 고정형 로봇 팔 사이에 위치하며, 자동화가 여전히 어려운 반복적인 작업 흐름에 인간 수준의 이동성을 제공한다.

‘디지트(Digit)’는 업계에서 현재 ‘물리적 AI(Physical AI)’라고 부르는 개념의 대표적인 사례입니다. 이 용어는 기계 학습, 고전 제어 이론, 견고한 하드웨어를 결합하여 현실 세계에서 감지하고, 추론하며, 행동하는 시스템을 의미합니다. 챗봇이 단어와 이미지를 생성하는 반면, ‘디지트’는 실제 작업을 수행합니다. 이 로봇은 좁은 공간에서 기동하고, 다양한 물체를 조작하며, 사람이 함께 있는 환경을 위해 설계된 안전 범위 내에서 작동합니다.

기업의 구매 주기가 시범 운영 단계에서 본격적인 생산 단계로 전환되고 있다

지난 몇 년간 창고 및 제조 업계의 리더들은 휴머노이드에 대한 개념 검증(PoC)을 진행해 왔습니다. Agility의 가장 눈에 띄는 사례는 아마존과 함께 진행한 파일럿 프로젝트로, 지루하지만 필수적인 토트(tote) 재활용 작업을 처리하는 것이었습니다.

물류 센터. AI4에서 오간 대화에 따르면, 2024년과 2025년에는 대규모 주문이 등장할 것이며, 2026년이 본격적인 도입 시기가 될 것으로 보입니다.

구매자들의 사고 방식에는 중요한 미묘한 차이가 있다. 초기 실험에서는 휴머노이드가 넘어지지 않고 안정적으로 걸을 수 있는지가 주요 관심사였다. 오늘날의 질문은 작업당 총 비용과 창고 운영 시스템(WES)과의 통합에 초점을 맞추고 있다. 구매자들은 리드 타임, 서비스 수준 계약(SLA), 그리고 시간당 토트(tote) 단위로 측정되는 처리량 지표를 원한다. 이러한 분위기는 더 광범위한 성숙도를 반영했다. 지난 2년이 프롬프트와 토큰이 주를 이뤘다면, 향후 2년은 피킹과 팔레트가 주를 이룰 것이다.

Agility 기업 가치 평가의 배경이 된 자본 활용 전략

25억 달러에 달하는 애질리티의 기업 가치는 이 회사를 자본 집약적 경쟁의 선두 주자 반열에 올려놓았습니다. 물리적 AI는 공장, 재고, 현장 서비스, 안전 인증을 요구한다. 이는 선택적인 간접비가 아니다. 바로 진입 장벽이다. 이 회사는 오리건주 세일럼에 ‘로보팹(RoboFab)’ 제조 시설을 개장했으며, 고객 수요와 부품 공급이 조화를 이루면 연간 수천 대를 생산할 수 있는 길을 제시했다.

따라서 이 회사의 자본 구조는 두 가지 역할을 동시에 수행해야 한다. 핵심 메카트로닉스 및 소프트웨어 프로그램에 자금을 지원하면서, 동시에 단가를 낮추는 공급망 확장을 뒷받침해야 한다. 경쟁사들도 유사한 전략을 따르고 있다. 보도에 따르면 피겨 AI(Figure AI)는 올해 초 빅테크 및 자동차 업계 파트너들을 통해 기업 가치 약 26억 달러 수준에서 약 6억 7,500만 달러를 조달했다. 현대자동차는 2021년 보스턴 다이내믹스(Boston Dynamics)의 지배 지분을 약 11억 달러에 인수하여, 다리형 이동 기술을 더 광범위한 산업 자동화 전략에 통합했다. 이 경쟁사들은 단거리 질주와 마라톤을 동시에 소화할 수 있을 만큼 충분한 자본력을 갖추고 있다.

물리적 AI, 기업 기술 스택을 ‘채팅’에서 ‘섀시’로 전환

컨퍼런스 세션에서는 기업 AI 지출의 전환점이 설명되었다. 생성형 플랫폼은 문서화 및 코드 지원에 여전히 필수적이지만, 한계

달러는 재고와 부품을 이동시키는 시스템으로 전환하고 있다. 마치 수많은 똑똑한 사무원을 양성해 놓았지만, 이제는 제품을 출하하기 위해 지게차와 숙련된 작업자가 필요한 회사의 상황과 비슷하다고 생각하면 된다. 물리적 노동이 주를 이루는 환경에서는 ‘구체화되지 않은’ 지능은 금세 한계에 부딪힌다.

Digit의 차별화된 점은 인간과 호환되는 형태입니다. 이 로봇은 큰 인프라 변경 없이도 문턱을 넘고, 좁은 통로에서 방향을 전환하며, 선반에 닿을 수 있습니다. 이러한 접근 방식은 전용 구역과 컨베이어 재설계가 필요한 자율 주행 카트나 고정형 암으로 구성된 시스템과는 대조를 이룹니다. 수백 개의 기존 시설을 운영하는 사업자에게 있어, 건물이 로봇에 맞춰지는 것이 아니라 로봇이 건물에 적응하는 방식은 도입 시간과 자본 비용을 절감할 수 있다.

공급망 현실이 휴머노이드 도입의 성패를 좌우할 것

대규모 도입의 첫 물결은 정밀 부품 공급망의 악명 높은 병목 현상과 정면 충돌할 것이다. 휴머노이드 로봇은 스트레인 웨이브 기어, 높은 토크 밀도의 모터, 전력 전자 장치, 경량 구조 소재, 고성능 컴퓨팅에 의존한다. 하모닉 드라이브 시스템즈(Harmonic Drive Systems)와 나브테스코(Nabtesco)와 같은 일본 업체들이 핵심 구동 부품을 주도하고 있습니다. 스위스와 독일의 모터 전문업체들은 소형 서보 모터를 공급합니다. 센서는 IMU, 3D 카메라, 힘 센서 등을 포함해 일본, 유럽, 미국 기업들로부터 공급됩니다.

이러한 공급망 집중은 위험 요인으로 작용한다. 하모닉 드라이브의 경우, 수요가 급증할 때 납기 기간이 수개월로 길어지는 경우가 역사적으로 빈번했다. 고출력 밀도 배터리 셀은 전기 자전거 및 산업용 장비와 공급 경쟁을 벌이고 있다. 엣지 AI 컴퓨팅 보드는 주기적인 공급 부족 현상에 여전히 노출된 GPU와 NPU에 의존하고 있다. 수출 통제는 글로벌 진출을 목표로 하는 기업들의 조달 전략을 복잡하게 만든다. 애질리티(Agility)가 미국 내 생산을 결정한 것은 지정학적 위험을 완화하는 데 도움이 되지만, 일본, 유럽, 대만을 중심으로 발생하는 상류 부품 병목 현상으로부터는 완전히 벗어날 수는 없다.

이러한 현실을 관리하려면 다음과 같은 전략을 숙지해야 합니다.

자동차 산업. 핵심 부품의 다중 조달, 2차 및 3차 공급업체의 자격 심사, 공급 제약 조건을 고려한 설계는 어떤 머신러닝의 획기적인 발전만큼이나 전략적으로 결정적인 요소가 될 수 있습니다. 리드 타임이 긴 단일 구동 부품에 의존하는 휴머노이드 로봇은 어떤 출시 목표에 있어서도 단일 고장 지점이 됩니다. 성공하는 기업들은 하드웨어 조달을 최우선 엔지니어링 과제로 다룰 것입니다.

성능 대 가격 비율은 창고 운영 경제성과 일치해야 한다

기업들은 처리 단위당 비용과 투자 회수 기간을 기준으로 자동화 성과를 측정합니다. Digit의 경우, 이는 토트 상자 하역, 반품 용기 이동, 또는 준비 구역에서 컨베이어로 물품을 옮기는 등의 작업 전반에 걸쳐 로봇 작업 시간과 인력 작업 시간을 비교하는 것을 의미합니다. 로봇의 시간당 비용이 상각 시 12~20달러 수준이라면, 노동력이 부족하고 이직률이 높은 시장에서 경쟁력을 갖출 수 있습니다. 비용이 시간당 30달러를 넘어가거나 가동률이 떨어지면 가치 제안은 약화됩니다.

Agility는 Physical AI가 단일한 고정된 업무가 아닌 일련의 작업 전반에 걸쳐 범용성을 제공한다고 주장한다. 이러한 범용성은 비용을 더 많은 교대 근무에 분산시키고 유휴 시간을 줄여준다. 사실상 Digit은 물량 구성이 변화함에 따라 재배치될 수 있는 유연한 보조 인력 역할을 목표로 한다. 소프트웨어 분야의 비유로 들자면, 수요 변화에 따라 여러 서비스를 실행할 수 있는 클라우드 인스턴스와 같다. 이에 대한 회의적인 반론은 간단하다. 로봇 공학의 역사에는 범용성을 약속했으나, 현실 세계의 복잡성이 개입되자 틈새 시장 수준의 결과만 내놓은 사례들이 수두룩하다. 복잡하고 변동이 심한 업무 흐름 속에서 일관된 성능을 입증하는 것은 모든 휴머노이드 공급업체의 몫이다.

안전, 표준, 보험이 도입 속도를 좌우할 것

휴머노이드는 사람과 공간을 공유하므로 안전은 단순한 기능이 아닙니다. 이는 운영 허가를 받는 필수 조건입니다. 표준화 기구들은 기계 규범을 이족 보행 및 이동형 조작기에 적용하기 위해 움직이고 있습니다. 센서 중복 구성, 힘 제한, 실시간 낙상 감지는 기본 요건입니다. 대규모 고객들은 제3자 인증과 상세한 위험 요소를 요구할 것입니다.

단계적 도입을 허용하기 전에 평가를 실시해야 합니다.

보험사들도 자체 모델을 바탕으로 이 논의에 참여하고 있습니다. 보험료는 사고 발생률, 작업자와의 거리, 유지보수 프로그램의 품질에 따라 결정됩니다. 최고의 팀은 메카트로닉스와 AI뿐만 아니라 문서화, 운영자 교육, 복구 절차에서도 우위를 점할 것입니다. 안정성의 한계까지 성능을 추구하기보다, 우아하게 오류를 처리하고 안전하게 재설정할 수 있는 로봇이 더 신뢰할 만합니다.

경쟁 구도는 몇 가지 반복 가능한 업무로 수렴되고 있다

각 부스와 비공개 브리핑을 통해 동일한 업무 군들이 반복적으로 언급되었습니다. 토트(tote) 취급. 허리 높이의 케이스 피킹. 공장 내 라인 옆 자재 전달. 입고 및 출고 흐름을 위한 도크 작업. 이러한 작업들은 휴머노이드에 잘 맞는 공통된 제약 조건을 공유합니다. 적당한 무게, 예측 가능한 경로, 그리고 빈번한 인간과의 협업이 수반됩니다. 또한 이 작업들은 이직률이 높은 노동력에 의존하기 때문에 현재 비용이 많이 듭니다.

애질리티(Agility)의 전략은 디지트(Digit)의 작업 반경과 기동성이 경쟁 우위를 제공하는 이러한 반복 가능한 작업에 초점을 맞추고 있는 것으로 보인다. 피규어 AI(Figure AI)는 자동차 업계와의 파트너십을 구축하면서 유사한 분야를 공략하고 있다. 테슬라(Tesla)는 옵티머스(Optimus)를 궁극적으로 가정까지 진출할 수 있는 공장 근로자로 포지셔닝하고 있으나, 소비자 시장 진출은 여전히 추측의 영역에 머물러 있다. 생츄어리 AI(Sanctuary AI)는 경량 제조를 위한 정교한 조작 능력을 강조해 왔다. 보스턴 다이내믹스는 수십 년간의 이동성 연구 성과를 활용해 왔으나, 아직 대규모 창고 피킹 작업을 위한 휴머노이드를 발표하지는 않았다. 이 분야는 경쟁이 치열하지만 시장 규모는 방대하다. 소매업체, 택배 업체, 소비재 생산업체, 전자제품 제조업체 모두 중복되는 요구 사항을 공유하고 있다.

소프트웨어 스택이 진정한 경쟁 우위가 되고 있다

무역 박람회에서는 하드웨어가 주목을 받지만, 장기적인 경쟁 우위는 소프트웨어가 결정한다. 디지트(Digit)의 자율 시스템은 지각, 계획, 제어 계층을 작업 계획기와 융합하고 창고 시스템과 통합한 것으로 구성된다. 여기서 물리적 AI란 다양한 상황에 맞춰 물체를 잡는 방식을 적응시키는 능력을 의미한다.

엔터프라이즈 소프트웨어에서 생성된 목표를 추적하면서 손잡이를 잡고, 미끄러짐에서 회복하며, 팔 동작에 맞춰 발 위치를 조정합니다.

벤더들은 학습 시간을 단축하는 행동 라이브러리와 시뮬레이션 파이프라인을 구축하기 위해 경쟁하고 있습니다. 클라우드 기반의 재훈련 및 무선 업데이트를 통해 하드웨어를 교체하지 않고도 기능을 확장할 수 있습니다. 여기서 하이브리드 접근 방식이 등장하고 있습니다. 기업들은 적절한 경우 비전 및 언어 처리에 파운데이션 모델을 활용하지만, 이를 결정론적 제어기와 안전 범위(safety envelopes)로 감싸고 있습니다. 이는 학습된 지각 능력을 규칙 기반 주행 정책과 결합한 자율주행 스택에 비유할 수 있습니다. 그 결과, 데이터 규모의 이점을 그대로 누리면서도 예측 가능한 성능을 확보하게 됩니다.

노동 시장과 노조 역학은 현실 세계의 제약 요인으로 작용한다

물리적 자동화 이야기에서 노동 맥락을 빼놓을 수 없습니다. 미국 전역의 창고들은 인력 공석률과 인력 확보가 어려운 계절적 성수기 문제에 시달리고 있습니다. 반복적인 물건 들어 올리기로 인한 부상률은 결코 사소한 문제가 아닙니다. 신체적 부담을 줄이고 이직률을 완화하는 로봇은 성과를 개선할 수 있습니다. 하지만 노조와 근로자 협의회는 업무 재설계, 교육, 임금 영향에 대한 명확한 설명을 요구할 것입니다.

AI4 행사에서 여러 패널은 로봇이 인체공학적으로 가장 열악한 작업을 담당하고, 인간은 품질 관리, 예외 처리, 감독 업무로 전환하는 협업형 도입 모델을 강조했습니다. 기업이 부상 감소와 경력 경로 개선을 입증할 수 있다면 도입 속도는 가속화될 것입니다. 반면, 도입이 근로자 혜택 없이 인원을 감축하는, 간신히 위장된 비용 절감으로 비춰진다면 정치적·사회적 마찰이 예상됩니다. 소비자와 직접 접촉하는 브랜드 환경에서 발생할 수 있는 평판 손실은 실재합니다.

면책 조항: 이 기사는 정보 제공만을 목적으로 하며, 금융 또는 투자 조언을 구성하지 않습니다.