중국의 월드 모델 스타트업은 왜 미국식 템플릿 없이도 승부할 수 있다고 보나

월드 모델은 물리 AI의 핵심 기술로 부상하고 있다. 그럴듯한 영상을 만드는 데 그치지 않고, 환경이 어떻게 변하는지, 어떤 행동이 어떤 결과를 낳는지를 표현하려는 시스템이다. WAIC 2026에서 Muka Robotics, Shengshu Technology, EvoPhys.ai, Chengwei Capital 관계자가 참여한 패널은 중국 스타트업이 미국의 최전선 AI 연구소를 그대로 모방하지 않아도 경쟁할 수 있다는 문제의식을 제기했다.

이들의 주장은 중국이 최첨단 컴퓨팅 자원에 동등하게 접근한다는 뜻은 아니다. 오히려 월드 모델의 진전이 앞으로는 학습 효율, 현실 세계 상호작용 데이터, 로봇을 통한 빠른 실험과 검증에 더 크게 좌우될 수 있다는 논리다. WAIC 현장에서도 체화 AI와 로보틱스의 비중은 컸다. 한 보도에 따르면 200곳이 넘는 체화 AI·로봇 기업이 행사에 참여했다. 8

GPU 규모보다 중요한 것은 ‘반복의 효율’인가

패널은 아직 기술 표준과 사업 모델이 정착되지 않은 월드 모델 분야에서, 미국 대형 AI 연구소와의 단순 비교가 큰 의미를 갖지 않을 수 있다고 봤다. 컴퓨팅 자원이 더 적더라도 유용한 물리 세계 데이터를 저렴하게 수집하고, 이질적인 데이터를 효율적으로 쓰는 구조를 설계하며, 실제 기계에서 실패를 신속하게 검증할 수 있다면 경쟁력이 생길 수 있다는 것이다.

Muka Robotics가 32개 GPU로 WorldArena에서 높은 순위를 얻었다고 소개된 사례는 이런 ‘효율 우선’ 접근의 예시로 제시됐다. 다만 이는 회사 측이 제시한 벤치마크 성과이며, 전반적 기술 우위를 독립적으로 검증한 결과로 볼 수는 없다. 3

실용적인 차이는 분명하다. 영상 모델은 화면이 얼마나 자연스러운지로 평가받을 수 있지만, 체화형 월드 모델은 로봇이 물리적 제약 아래에서 예측한 행동을 실제로 성공시키는지로 시험받는다. 접촉, 운동, 물체 상태를 잘못 예측하면 실제 로봇 운용에서 곧바로 드러날 수 있다.

로봇은 데이터원이자 평가 장치가 될 수 있다

패널의 논리는 월드 모델과 체화 지능 사이의 피드백 고리에 기반한다.

1. 월드 모델은 로봇을 돕는다. 로봇이 행동에 따른 환경 변화를 예측하고 가능한 결과를 가늠하도록 지원한다.
2. 로봇은 월드 모델을 돕는다. 행동 조건이 포함된 상호작용 데이터를 만들고, 예측이 실제 물리 세계에서 맞았는지 직접 피드백한다.
3. 배치와 재학습을 반복한다. 이 과정이 데이터 수집, 모델 설계, 평가 방식의 개선 속도를 높일 수 있다.

왜 중국의 로봇 생태계가 이 논의에서 중요하게 거론되는지도 WAIC 전시 규모에서 일부 확인할 수 있다. 상하이시 WAIC 안내는 제조·일상생활·엔터테인먼트 등 동적 응용 시나리오에 300대 이상의 로봇이 등장했다고 설명했고, 다른 보도는 200곳이 넘는 체화 AI·로봇 기업의 참가를 전했다. 108

그렇다고 특정 국가가 결정적인 데이터 우위를 이미 확보했다는 뜻은 아니다. 다만 다양한 로봇이 실제 환경에서 운용될수록 상호작용 데이터를 얻고, 물리 예측이 유용한지 시험할 기회도 늘어날 수 있다는 것이 패널의 전략적 논리다.

촘촘한 공급망은 실험 속도를 높일 수 있다

패널은 이른바 ‘선전식’ 하드웨어 협업 구조도 강점으로 언급했다. 부품 공급사, 시스템 통합업체, 로봇 제조사, 소프트웨어 팀이 지리적·상업적으로 가까이 연결돼 있으면 모델의 실패에서 다음 실험까지 걸리는 시간을 줄일 수 있다는 주장이다.

여기서 핵심은 단순히 하드웨어 가격이 낮다는 데 있지 않다. 센서 구성, 로봇 말단장치, 데이터 수집 절차, 기체 설정을 바꾸고, 그 결과로 나온 데이터를 빠르게 학습에 반영하는 능력이 중요하다는 것이다. 물리 AI에서는 모델의 성능이 데이터를 수집하고 검증하는 기계·센서·환경과 분리되기 어렵기 때문이다.

다만 이는 기술 주도권을 보장하는 사실이라기보다 전략적 가설에 가깝다. 공급망의 대응력이 실험을 빠르게 만들 수는 있어도, 일반화 성능·안전성·신뢰성·사업성 문제를 저절로 해결해 주지는 않는다.

아키텍처 효율도 가설의 한 축이다

Shengshu Technology의 월드 액션 연구는 패널이 말한 아키텍처 중심 접근의 구체적 사례다. MotuBrain 연구는 영상과 행동을 하나의 생성 프레임워크 안에서 함께 모델링한다. 정책 모델링, 월드 모델링, 영상 생성, 역동역학, 영상·행동 공동 예측을 하나의 모델이 수행하는 서로 다른 추론 방식으로 다룬다. 32

Shengshu는 MotuBrain이 이해·예측·행동을 함께 모델링해 이질적 데이터의 활용도를 높이고 과제 간 전이를 강화하는 것을 목표로 한다고 설명한다. 33 쉽게 말해 세계를 관찰하는 시스템, 변화를 예측하는 시스템, 행동을 고르는 시스템 사이의 경계를 줄이려는 시도다.

이것이 하나의 논문 구조만으로 분야의 승패를 정했다는 뜻은 아니다. 다만 영상, 행동, 물리적 예측 과제에서 정보를 재활용할 수 있는 프레임워크가 가능하다면, 유용한 능력이 컴퓨팅 규모에 단순 비례하지 않을 수 있다는 패널의 관점을 보여준다.

원초적 상호작용에서 물리를 배우려는 접근

EvoPhys.ai는 같은 병목을 다른 방향에서 풀려는 사례로 제시됐다. 대규모로 정제된 영상 데이터에 주로 의존하기보다, 기초적인 상호작용으로부터 물리 법칙성을 학습하려는 접근이다. 목표는 힘, 접촉, 운동, 행동의 결과에 더 단단히 연결된 모델을 만드는 것이다.

WAIC에서도 이 기술 영역의 활동은 확인됐다. TrendForce는 무어 스레드가 베이징대의 5D 월드 모델 ‘EvoPhys-World’를 중국산 컴퓨팅 인프라에서 전체 학습한 사례를 시연했다고 보도했다. 9 이는 해당 분야의 연구·개발이 활발하다는 점은 뒷받침하지만, 패널의 국가 간 성능 비교나 데이터 효율, 주도권 주장을 독립적으로 입증하는 것은 아니다.

‘태산’의 기회이자 부담이라는 뜻

패널이 비유한 ‘태산’은 기회와 부담을 함께 뜻한다.

기회

월드 모델이 로봇·자율 시스템·시뮬레이션의 핵심 계층으로 자리 잡는다면, 초기 참여 기업은 어떤 데이터를 모을지, 물리 추론을 어떻게 평가할지, 어떤 로봇 형태를 지원할지, 어떤 응용이 실제 가치를 만드는지를 정하는 데 영향을 줄 수 있다. 아직 확고한 세계 선도 기업이나 검증된 제품 공식이 없다는 점은 선발 주자에게 공간을 줄 수 있다.

부담

반대로 따라 할 완성된 청사진이 없다는 것은 실행 위험도 크다는 뜻이다. 스타트업은 어떤 데이터 파이프라인, 하드웨어 플랫폼, 모델 구조, 평가법, 고객, 수익 모델이 살아남을지 불확실한 상태에서 비용이 큰 선택을 해야 한다. 물리 세계에서의 검증은 소프트웨어만으로 동작하는 모델 평가보다 느리고 비쌀 수도 있다.

따라서 이 주장을 ‘중국이 이미 월드 모델 경쟁에서 이겼다’는 선언으로 읽어서는 안 된다. 더 정확히는, 물리 세계에서 학습하고 행동해야 하는 신흥 분야에서는 컴퓨팅 자원과 함께 반복 속도, 데이터 품질, 아키텍처가 전략 변수가 될 수 있다는 주장이다.

앞으로 확인해야 할 네 가지

이 가설의 성패는 행사장의 서사보다 다음과 같은 증거로 판단해야 한다.

• 독립 평가: 개별 시연이 아니라 다양한 환경에서 물리 예측과 실제 로봇 성능을 측정하는 결과
• 데이터 효율: 현실적으로 수집·라벨링할 수 있는 수준의 상호작용 데이터로도 의미 있는 성능 향상을 내는지
• 기체 간 전이: 한 로봇, 센서 구성, 작업에서 학습한 모델이 대규모 재학습 없이 다른 조건에도 일반화되는지
• 도입 경제성: 월드 모델이 로봇의 안전성·신뢰성·비용을 충분히 개선해 지속 가능한 상용 운용으로 이어지는지

현재 자료는 WAIC의 활발한 로봇 참여와 Shengshu의 월드 액션 모델 구성을 뒷받침한다. 그러나 패널이 언급한 구체적인 컴퓨팅 비교, 잠재적 데이터 공급 로봇 기업 수, 중국 산업 전반의 우위는 독립적으로 확정되지 않았다. 지금 단계에서 이는 반복 가능한 현실 세계 성과로 검증돼야 할 야심찬 전략적 가설로 보는 편이 타당하다. 8103233