로봇 커피부터 서비스망까지…JD클라우드가 구축 중인 피지컬 AI 스택

JD클라우드가 2026년 9월 JDD 콘퍼런스를 앞두고 내세운 피지컬 AI는 화면 안에서 답변하는 AI를 넘어, 현실 세계를 인지하고 판단하고 행동하는 AI를 뜻한다. 핵심은 특정 휴머노이드 로봇 한 대에 베팅하는 것이 아니다. 로봇 유통, 학습 데이터, 모델, 시뮬레이션, 현장 배치, 유지보수를 연결하는 운영 스택을 만들겠다는 구상이다.

이는 상당히 큰 산업 전략이다. 다만 현재 공개된 내용은 서로 맞물린 여러 사업과 인프라의 집합에 가깝다. 모든 로봇과 기기를 아우르는 단일한 피지컬 AI 시스템이 이미 작동한다는 증거로 보기는 어렵다. 3754

JD가 노리는 선순환 구조

JD의 강점은 AI가 실제로 학습하고 일할 수 있는 공간을 이미 보유하고 있다는 점이다. 물류망, 유통 매장, 전자상거래, 가정용 기기 생태계가 그 기반이다. JD가 제시한 흐름은 다음과 같이 정리할 수 있다.

1. 실제 작업과 가정 내 활동 데이터를 수집한다.
2. 데이터를 정제·라벨링해 시뮬레이션과 모델 학습에 활용한다.
3. 소매점, 물류 현장, 가정용 기기 환경에서 시스템을 검증한다.
4. 광범위한 서비스망을 통해 로봇을 판매·배치·수리·업데이트한다.
5. 운영 중 얻은 데이터를 다음 학습 주기로 되돌린다.

JD는 수집·저장·라벨링·학습·평가·시뮬레이션·실물 로봇 테스트를 아우르는 체화 데이터 인프라와 함께, JoyAI-RA 체화 모델 및 JoyEgoCam 수집 장비를 공개적으로 설명했다. 54

공항 광고와 로봇 커피 매장: 추상적 메시지를 실물로

가장 눈에 띄는 부분은 브랜딩이다. JDD를 앞두고 JD클라우드의 피지컬 AI 슬로건은 중국 전역 공항 광고에 등장했다. AI를 디지털 인터페이스에서 실제 작업과 서비스의 세계로 옮기겠다는 메시지다. 37

보다 직접적인 시연은 베이징 갤럭시 SOHO에 문을 연 7FRESH Coffee의 24시간 무인 로봇 매장이다. 이 매장은 2026년 8월 16일 문을 열었으며, 원두 분쇄와 에스프레소 추출부터 혼합·제공까지 음료 제조 전 과정을 로봇이 담당한다. JD는 이 매장이 1시간에 202잔을 제공했다고 밝혔다. 1432

이는 주문, 반복 가능한 물리 작업, 자동 인도를 결합한 통제된 소매 환경의 실증 사례로는 의미가 있다. 그러나 이를 광범위한 로봇 자율성의 증명으로 확대 해석하기는 이르다. 커피 제조 라인은 예외 상황이 많은 창고, 낯선 가정, 공공 도로보다 훨씬 구조화된 환경이기 때문이다.

로봇 유통과 대규모 수요 만들기

JD는 로봇 개발사나 운영사에 머물지 않고, 로봇의 상업 유통 채널이 되려는 모습도 보인다. 2026 세계로봇대회에서 JD는 2028년까지 로봇 분야에 100억 위안 규모의 자원을 투입하고, 200개 이상 로봇 브랜드와 협력하며, 100개 브랜드의 매출이 각각 10억 위안을 넘도록 지원하겠다고 밝혔다. 10

물류 부문은 배치 규모의 가능성을 더한다. JD로지스틱스는 2030년까지 로봇 300만 대, 자율주행차 100만 대, 드론 10만 대를 조달할 계획을 앞서 발표했다. 2324

이 두 축이 결합되면, 개별 로봇이 파트너사의 제어 스택을 유지하더라도 JD는 큰 영향력을 가질 수 있다. 로봇을 고객에게 공급하고, 운영 현장을 제공하며, 구매 후 유지관리를 가능하게 하는 레이어가 되는 것이 JD의 기회다.

RoboBase와 재교육: 배치의 ‘보이지 않는 문제’

로봇은 판매만으로 산업 플랫폼이 되지 않는다. 설치, 부품 조달, 수리, 정기 점검, 테스트, 지역 단위 지원이 필요하다. JD는 80개의 RoboBase 시설을 구축하고 100여 개국에 걸친 사후서비스 역량을 마련할 계획이다. 향후 5년간 로봇 사후서비스 엔지니어 일자리 10만 개 이상을 만들겠다는 계획도 제시했다. 이 거점들은 시연, 인도, 유지보수, 연구개발, 파일럿 조립, 데이터 수집, 제조 고도화 등을 맡도록 설계됐다. 1022

JD는 약 120개 중국 학교와 협력해 배송 인력을 로봇 수리·정비 같은 업무로 재교육하는 계획도 추진 중인 것으로 전해졌다. 2124

이는 전략적으로 중요하다. 대규모 로봇 운용에는 AI 모델만큼이나 현장 운영 역량이 필요하기 때문이다. 다만 이는 현재 계획과 약속의 영역이다. 공개 자료만으로는 시설 구축 진척도, 교육의 질, 취업 성과, 자동화로 변화하는 일자리 규모에 서비스 직무가 상응할지 여부를 확인하기 어렵다.

실제 작업에서 배우는 데이터 엔진

피지컬 AI 전략의 중심에는 데이터 파이프라인이 있다. JoyEgoCam은 작업자가 머리에 착용해 1인칭 시점의 작업 수행 과정을 기록하는 장비다. JD는 이 데이터를 보정, 텍스트 설명, 자세 추정, 깊이 재구성, 손 분할, 자동 라벨링 등의 과정으로 처리한다고 설명한다. 47

JD가 공개한 초기 EgoLive 데이터셋에는 약 2,000시간의 1인칭 데이터, 6만 5,866개 작업 클립, 346개 현실 작업이 담겼다. 회사는 소매·물류·의료·서비스 등 실제 현장을 활용해 2년 동안 고품질 로봇 학습 데이터 1,000만 시간 이상을 수집하겠다는 목표도 제시했다. 478

구상 자체는 설득력이 있다. 사람이 실제 장소에서 작업을 보여주면 모델은 그 데이터를 학습하고, 시뮬레이션은 학습을 확장·평가하며, 실물 기기가 검증하고, 새 운영 데이터는 다시 파이프라인으로 돌아간다. JD는 이를 인간 작업 데이터에서 시뮬레이션, 실물 로봇 운용으로 이어지는 흐름으로 설명해 왔다. 4854

하지만 데이터 규모가 곧 로봇 성능 지표는 아니다. 1인칭 영상은 작업 맥락, 물체 간 관계, 업무 절차를 익히는 데 도움이 될 수 있다. 그렇다고 로봇이 안정적으로 행동하는 데 필요한 모든 정보를 자동으로 제공하는 것은 아니다. 로봇 자신의 관절 상태, 접촉력, 정밀 제어 궤적, 작업 실패 시 복구 방식은 별도의 핵심 정보다. 결국 중요한 것은 독립적으로 확인 가능한 작업 성공률, 안전성, 일반화 성능, 비용 지표다.

모델·시뮬레이션·실증 환경의 결합

JD는 소프트웨어 계층을 JoyAI라는 이름 아래 묶고 있다. 2026 세계인공지능대회(WAIC)에서 JoyAI 모델 매트릭스와 EgoLive 데이터셋을 공개하며, 데이터가 현실 경험을 제공하고 모델이 이해와 의사결정을 맡으며, 기기와 현장이 행동과 서비스를 수행하는 구조를 제시했다. 9

또 JD는 JoyAI-RA를 체화형 비전·언어·행동(VLA) 모델로 소개하고, 이를 EgoLive 및 RoboBase 프로젝트와 연결해 물리 세계 활용 사례를 추진하고 있다. 2 RoboBase, 소매 운영 현장, 물류 시설은 로봇을 장기간 시험·관찰·정비할 수 있는 장소를 제공한다는 점에서 AI 연구소만으로는 얻기 어려운 자산이 될 수 있다.

이 잠재적 플라이휠이 전략의 핵심이다. 다만 공개 설명만으로는 모든 구성 요소가 공통 런타임, 데이터 표준, 안전 정책, 권한 체계, 업데이트 방식을 공유하는지는 확인되지 않는다. 그 통합이 드러나기 전까지 ‘풀스택’은 하나로 완성된 플랫폼이라기보다 목표이자 인프라 로드맵으로 보는 편이 정확하다.

JoyInside, 가정으로 확장되는 접점

JoyInside는 AI 모델과 일상 기기를 연결하는 소비자용 접점이다. JD는 JoyInside AI Home을 선보였고, 2026년 말까지 1,000만 대 이상의 기기와 로봇이 이 생태계에 연결될 것으로 예상한다. 18

가정은 AI 서비스의 대형 종착지가 될 수 있는 동시에, 사람이 기기와 실제로 어떻게 상호작용하는지에 관한 피드백을 얻는 장소가 될 수 있다. 반면 통제된 소매 매장보다 훨씬 어려운 환경이기도 하다. 제조사가 다른 기기, 서로 다른 소프트웨어, 민감한 개인 생활 맥락이 한데 얽혀 있기 때문이다.

JDD에서 검증해야 할 다섯 가지

JD의 전략이 단순한 행사 슬로건 이상으로 보이는 이유는 실제 자산에 투자하고 있기 때문이다. 배치 환경, 로봇 유통 채널, 서비스 네트워크, 데이터 수집, 소비자 기기 통합이 그것이다. 남은 질문은 이 자산들이 실제로 하나의 체계가 되는지에 있다.

1. 상호운용성

JD에서 판매되고 RoboBase에서 지원받으며 JD 데이터 시스템으로 학습하고 JoyInside에 연결된 로봇이 공통의 신원 인증, 권한, 업데이트, 안전 계층을 공유할 수 있을까. 공개 발표는 구성 요소의 존재를 보여주지만, 하나의 플랫폼으로 작동한다는 점까지 입증하지는 않는다.

2. 통제된 절차 밖에서의 신뢰성

기록적인 커피 매장은 설계된 환경에서의 처리량을 보여준다. 하지만 낯선 가정·창고·매장과 서로 다른 로봇 본체에서 조작, 이동, 오류 복구가 안정적으로 가능하다는 증거는 아니다. JD는 작업 완료율, 사람 개입률, 사고, 가동률을 명확히 공개할 필요가 있다.

3. JD 자체 AI와 파트너 통합의 경계

200개 이상의 로봇 브랜드와 협력하는 전략은 강력한 마켓플레이스와 서비스 플랫폼을 만들 수 있다. 10 동시에 인지, 계획, 조작, 플릿 관리, 자율주행 같은 기능 중 어디까지가 JoyAI 고유 기능이고, 어디부터가 각 파트너의 기술 스택인지라는 구조적 질문을 낳는다.

4. 경제성과 노동 전환

피지컬 AI는 하드웨어 조달비뿐 아니라 유지보수, 다운타임, 보험, 규제, 예외 상황 처리 비용까지 포함해 경제성이 맞아야 한다. 재교육 계획은 주목할 만하지만, 새 정비 직무가 대체되는 업무를 얼마나 상쇄하는지, 지속 가능한 경력 전환을 제공하는지에 관한 공개 증거는 아직 부족하다.

5. 데이터 권리와 프라이버시

노동자와 가정의 현실 활동을 학습에 활용하는 구조에서는 동의, 보상, 보존 기간, 재사용, 접근 통제가 부차적인 문제가 될 수 없다. 현재 공개된 발표에는 광범위한 수집·처리 계획이 담겼지만, 대형 상업 생태계 전반에서 데이터 권리를 어떻게 관리할지에 대한 답은 충분하지 않다. 54

결론

JD클라우드는 피지컬 AI에 필요한 여러 전제조건을 쌓고 있다. 대중 수요를 만드는 홍보, 로봇 유통, 대규모 조달, 현실 데이터, 시뮬레이션, 배치 장소, 스마트 기기 접점, 유지보수 역량이 모두 포함된다. 특히 이를 기존의 커머스와 물류 운영에 연결할 수 있다는 점이 가장 큰 차별점일 수 있다.

다만 지금까지의 근거가 뒷받침하는 것은 피지컬 AI 인프라 구축이지, 로봇과 기기를 위한 검증된 범용 운영체제는 아니다. JDD와 그 이후 주목할 신호는 분명하다. 서로 다른 환경에서 기계가 안전하고 안정적이며 경제적으로 작동하는지, 그리고 데이터·모델·하드웨어·서비스 계층이 어떻게 상호운용되는지를 측정 가능한 방식으로 보여주는지다.