스피릿 AI, “로봇 두뇌가 2027년까지 ‘챗GPT의 순간’을 맞이할 수 있을 것”이라고 전망

스피릿 AI는 설립 이후 20개월 동안 6억 7천만 달러 이상을 조달했으며, 공동 창업자는 이 자금이 특정 기한을 목표로 하고 있다고 밝혔습니다. 2027년 중반까지 로봇 지능 분야의 “GPT-3.0의 전환점”을 달성하는 것인데, 이때가 되면 휴머노이드 로봇이 음성 지시를 받아 특정 작업에 대한 재훈련 없이도 완전히 새로운 물리적 작업을 수행할 수 있게 될 전망이다. 현재 기업 가치가 200억 위안(약 29억 달러)으로 평가되는 이 항저우 기반 스타트업은 단순히 이러한 이정표를 약속하는 데 그치지 않습니다. 이미 CATL 배터리 공장과 JD.com의 물류 운영 현장에서 구조화된 교대 근무를 수행하는 바퀴 달린 휴머노이드 로봇을 운영 중이며, 이는 구매자들에게 이 주장이 단순한 마케팅인지 아니면 실제 능력 곡선인지에 대한 이례적으로 빠른 데이터 포인트를 제공하고 있다.

스피릿 AI는 2024년 1월, 산업용 로봇 제조사 로카이(Rokae)의 전 최고기술책임자(CTO)인 한펑타오(Han Fengtao) 최고경영자(CEO)와, 공동 창업자이자 수석 과학자이며 칭화대학교 로봇공학 부교수로도 재직 중인 가오양(Gao Yang)이 항저우에서 공동 설립했다. 이 회사는 현재 약 300명의 정규직 직원을 두고 있으며, 전국적으로 1,000명에 가까운 계약직 인력이 모델 훈련에 사용되는 물리적 상호작용 데이터의 라벨링 및 선별 작업을 지원하고 있다. 투자자 명단에는 CATL과 JD.com이 모두 포함되어 있어, 이들 기업은 스피릿 AI의 하드웨어에 대한 후원자이자 동시에 실제 적용 현장이 되고 있다.

‘뇌의 병목 현상’에 이제 마감 기한이 붙었다

하드웨어 열풍을 타고 자금을 조달하는 창업가치고는 가오의 문제 제기 방식이 유난히 직설적이다. “뇌는 실제로 전체 로봇 공학 스택에서 가장 취약한 고리입니다.” 이 발언은 단순한 부품 공급업체가 한 말보다 더 큰 의미를 지닌다. Spirit AI는 지난 2년 동안 자본의 대부분을 바퀴 달린 휴머노이드 본체와 이를 제어하는 모델 개발에 쏟아부었음에도, 가오 씨는 여전히 그 모델을 제약 요인으로 지목하고 있기 때문이다. 그의 예측은 검증 가능할 정도로 구체적이다. 2027년 중반까지 “GPT-3.0의 이정표”가 달성될 것이며, 그 시점에 로봇이 개방형 언어 입력을 분석할 수 있을 것으로 기대한다고 밝혔다.

오늘날 휴머노이드 시연에서 주를 이루는, 좁은 범위의 반복 훈련을 거친 루틴이 아니라, 익숙하지 않은 다단계 신체 작업을 지시받고 수행할 수 있다.

이러한 전망은 ‘구현된 지능(embodied intelligence)’이 대규모 언어 모델(LLM)이 그랬던 것처럼 확장되고 있는지, 즉 더 많은 데이터와 연산 능력이 확실하게 더 큰 능력을 가져다주는지, 아니면 훈련 데이터가 부족하고 수집 비용이 비싸며 텍스트보다 시뮬레이션하기 훨씬 어렵기 때문에 물리적 작업이 그러한 확장에 저항하는지에 대한 업계의 광범위한 논쟁 속에 자리 잡고 있다. 가오(Gao) 자신의 답변은 확장 가능성에 무게를 둡니다. “진전은 매우 빠릅니다. 오늘날 로봇은 넓은 공간에서 작동하며 연속적이고 복잡한 워크플로를 수행합니다.” 이 설명은 대부분의 휴머노이드 업체들이 여전히 무역 박람회에서 보여주는 단일 작업대, 단일 작업 시연과 암묵적으로 대조를 이룹니다. 바퀴 달린 휴머노이드나 이족 보행 휴머노이드 공급업체를 평가하는 조달 팀은 이러한 대조를 실제 제품 평가의 핵심 질문으로 삼아야 합니다. 즉, 해당 시스템이 변화하는 환경에서도 일반화되는 능력을 갖추고 있는지, 아니면 카메라가 설치되기 전 엔지니어들이 몇 주 동안 세심하게 조정한 연습된 시퀀스 안에서만 유창해 보이는지에 대한 질문입니다.

Moz1이 실제 작업 현장에서 실제로 수행하는 일

스피릿 AI가 현재 제시할 수 있는 증거는 2027년 전망보다 범위가 좁으며, 그 격차야말로 모든 구매자에게 있어 솔직한 출발점이다. 7자유도 힘 제어식 이중 팔을 기반으로 제작된 바퀴 달린 휴머노이드인 Moz1 수십 대가 CATL의 배터리 생산 라인과 JD.com의 소매 및 물류 운영 현장에 배치되어 있습니다. 단순하고 구조화된 작업에 대해 이 회사는 90%의 성공률을 보고하고 있는데, 이 수치는 승리로 치부하거나 실망으로 받아들이기보다는 차분히 살펴볼 가치가 있습니다. 90%는 무인 생산 라인에 필요한 신뢰성 기준에는 훨씬 미치지 못하지만, 이는 시뮬레이션 벤치마크나 단일 통제된 시연이 아닌 실제 도입 사례에서 도출된 실제 수치이며, Spirit AI가 현재 거의 어떤 휴머노이드 스타트업도 보여주지 못하는 것, 즉 반복적이고 측정 가능한 성능을

몇 시간이 아니라 몇 주에 걸쳐 타사의 공장 현장을 살펴보는 것입니다.

이 차이점야말로 현재 조달 및 자동화 담당자들이 휴머노이드 로봇 분야 전반을 검토할 때 반드시 선별해야 할 핵심 요소입니다. 부스 시연에서 미리 정해진 피킹 앤 플레이스(pick-and-place) 순서를 흠잡을 데 없이 수행하는 로봇은 구매자에게 실제 배치 시의 신뢰성에 대해 거의 아무것도 알려주지 않습니다. 반면, 가동 중단이 직접적인 비용으로 이어지고 안전 허용 오차가 엄격한 CATL의 생산 환경 내에서 구조화된 작업을 수행하는 로봇은, 비록 성공률이 아직 기업용 수준에 미치지 못하더라도 구매자에게 의미 있는 정보를 전달해 줍니다. 스피릿 AI(Spirit AI)가 공개한 자체 수치조차 “작동한다”와 “인간의 백업 없이도 충분히 안정적으로 작동한다” 사이의 격차를 인정하고 있는데, 이는 대부분의 공급업체가 공개적으로 밝히기를 꺼리는 부분보다 훨씬 더 신뢰할 만한 정보입니다.

두 배포 현장은 서로 다른 요소를 테스트하기 때문에, 통제된 시범 운영과 실제 생산 조건에 가까운 환경을 구분하려는 구매자에게 유용합니다. CATL의 배터리 생산 라인은 엄격한 안전 허용 오차와 고정된 사이클 타임을 갖는 제조 환경이며, 도움이 되기보다 병목 현상을 일으키는 로봇은 즉시 제거해야 한다는 강력한 인센티브가 존재합니다. 반면 JD.com의 소매 및 물류 현장은 설계상 더 복잡한 환경으로, 상품의 형태가 다양하고 레이아웃이 수시로 바뀌며 작업 순서를 예측하기 어렵습니다. 두 환경 모두에서 비슷한 성공률을 보여줄 수 있는 공급업체는, 엄격하게 통제된 환경에서만 좋은 성과를 내는 공급업체보다 일반적인 환경에 더 가까운 능력을 입증한 것입니다. 스피릿 AI는 두 현장의 성과를 직접 비교한 세부 분석을 공개하지 않았으며, 구매자들이 90%라는 수치를 단일하고 균일한 수치로 간주하기 전에 요청할 만한 합리적인 다음 공개 사항이다.

자본은 하드웨어가 아닌 모델을 지지하고 있다

2024년부터 연이어 유치된 스피릿 AI의 6억 7,000만 달러 규모 자금 조달은, 잘 알려진 몇몇 중국 휴머노이드 제조사들에 비해 규모가 작다는 점보다는, 투자자들이 진정한 병목 현상이 어디에 있다고 생각하는지를 시사한다는 점에서 주목할 만합니다. 하드웨어는,

적어도 액추에이터, 바퀴 달린 베이스, 힘 제어형 팔 수준에서는 중국 휴머노이드 공급망 전반에 걸쳐 점차 상품화되어, 현재 여러 제조업체가 대체로 비슷한 수준의 차체를 제작할 수 있게 되었습니다. 여전히 부족한 것은, 성능 좋은 차체를 모호한 지시를 받아 올바른 물리적 동작 순서를 생성할 수 있는 시스템으로 만들어주는 소프트웨어 스택입니다. 스피릿 AI(Spirit AI)의 약 1,000명으로 구성된 계약자 네트워크는 모델이 이러한 격차를 해소하는 데 필요한 실제 상호작용 데이터를 생성하고 라벨링하기 위해 특별히 마련된 것이며, 이 회사의 기업 가치는 누가 가장 저렴한 팔을 제작하든 상관없이 소프트웨어 문제를 먼저 해결하는 주체가 불균형적으로 큰 가치를 선점할 것이라는 기대에 기반하고 있다.

이러한 가설은 RobotAIGeek이 중국의 광범위한 휴머노이드 출하 데이터에서 추적한 패턴과 일치하는데, 해당 데이터에 따르면 실제 근무 교대를 지속할 수 있는 로봇의 비중보다 단위 출하량이 훨씬 더 빠르게 증가해 왔다. 업계는 로봇을 구동할 ‘두뇌’를 구축하는 속도보다 ‘몸체’를 만드는 속도가 더 빨랐으며, Spirit AI가 투자자들에게 제시하는 주장은 다음 단계의 가치가 ‘몸체’가 아닌 ‘두뇌’에서 창출될 것이라는 점이다. 더 나은 훈련 환경을 통해 동일한 격차를 해소하기 위해 현재 베이징에서 진행 중인 별도의 노력(RobotAIGeek이 베이징 한 연구소의 자가 채점 시뮬레이션 접근법에 대해 보도한 내용 참조)은, 비록 구체적인 데이터 수집 방식은 다르더라도 ‘두뇌’를 희소 자원으로 간주하는 것이 스피릿 AI만의 입장이 아님을 강조한다.

이러한 차이는 계약자 네트워크에서 드러납니다. 전국적으로 약 1,000명의 인력이 스피릿 AI의 로봇이 새로운 과제를 시도할 때 이를 조작하고, 수정하며, 주석을 달며 하루를 보내고 있으며, 이를 통해 거의

시뮬레이션을 통해 설득력 있게 합성하는 것은 불가능하다. 이는 인터넷에서 텍스트를 수집하는 것보다 훈련 데이터를 확보하는 데 더 시간이 오래 걸리고 비용도 더 많이 드는 방법이며, 이것이 바로 가오의 2027년 목표 시한이 보수적이기보다는 공격적으로 보이는 이유 중 하나다. 또한 이 전략이 성공한다면, 스피릿 AI의 진정한 경쟁 우위는 모즈1(Moz1) 하드웨어가 아니라, 경쟁사가 단순히 구매하거나 복제할 수 없는, 수정된 물리적 시연 사례로 구성된 축적된 라이브러리라는 것을 의미합니다.

구매자들이 지금부터 2027년까지 실제로 주목해야 할 점

오늘날 휴머노이드 시스템 시범 운영을 결정해야 하는 자동화 구매자에게 가오의 2027년 전망 자체는 실행 가능한 데이터 포인트가 아닙니다. 실행 가능한 것은 스피릿 AI가 이미 공개한 성공률 수치의 추이입니다. 만약 CATL과 JD.com의 도입 사례가 향후 몇 분기 동안 구조화된 작업에서 90%의 성공률을 기록하는 것에서 산업적 신뢰성에 더 가까운 수준으로 발전한다면, 그 추세선은 창업자가 인터뷰에서 제시하는 어떤 언어 모델 비교보다도 더 광범위한 확산에 대한 준비 상태를 훨씬 더 잘 예측해 줄 것이다. 만약 그 수치가 정체된다면, 그것 또한 충분히 의미 있는 정보이며, 아마도 업체들이 자발적으로 밝히는 것보다 업계 전반에서 더 흔한 현상일 것이다.

자사의 가장 취약한 부분을 공개적으로 지목하고, 이에 대한 구체적인 수치를 발표하는 기업은 현재 대부분의 경쟁사보다 구매자들에게 더 많은 평가 기준을 제공하고 있는 셈이다. 90%라는 수치는 2027년 이전에 확인된 다음 단계의 점검 지점으로 주목해야 할 수치이며, 이 수치와 진정한 무인 신뢰성 간의 격차가 바로 나머지 6억 7천만 달러가 실제로 투입될 부분입니다.

이 분석은 Spirit AI의 공동 창업자가 회사의 자금 조달 이력, 기술 로드맵, 그리고 CATL 및 JD.com에서의 현재 도입 현황에 대해 공개적으로 밝힌 내용을 바탕으로 합니다. 본 내용은 일반적인 정보 제공을 목적으로 하며, 투자, 금융 또는 법률 자문을 구성하지 않습니다.

메인 이미지 출처: Spirit AI, South China Morning Post 제공.