중국의 체화 AI 스타트업 ACE 로보틱스가 휴머노이드 로봇의 ‘두뇌’가 2027년 말까지 ChatGPT와 비슷한 전환점을 맞을 수 있다고 전망했다. 왕샤오강 ACE 로보틱스 회장은 세계 모델(world model)의 발전과 현실 환경 데이터 수집이 체화 지능을 크게 끌어올릴 수 있다고 밝혔다. 134

다만 여기서 말하는 ‘ChatGPT 순간’은 휴머노이드 로봇이 2027년 곧바로 무엇이든 해내게 된다는 뜻이 아니다. 기술적으로 중요한 변곡점이 올 수 있다는 전망에 가깝다. 왕 회장 역시 체화 세계 모델이 여러 산업에서 폭넓게 활용되기까지는 그 이후에도 약 4~5년이 더 걸릴 수 있다고 내다봤다. 34

로봇에게 ‘ChatGPT 순간’이란 무엇인가

ChatGPT가 고도화된 언어 모델을 대중이 직접 사용할 수 있게 만든 계기였다면, 로봇 분야의 유사한 돌파구는 범용성이 높은 ‘두뇌’의 등장이다. 제한된 실험실 시연이나 정해진 동작을 반복하는 수준을 넘어, 로봇이 주변을 인식하고 물리적 상황을 추론하며 변화하는 환경에서 행동을 선택하는 능력이 핵심이다. 1

세계 모델은 물리적 환경이 어떻게 작동하고 앞으로 어떻게 변할지를 내부적으로 표현하려는 AI 모델이다. 여기에 현실 환경 데이터가 더해지면 로봇이 실제로 물체를 다루고, 작업에 실패하고, 사람과 상호작용하는 과정까지 학습 자료로 활용할 수 있다. 실험실에서 모든 상황을 재현하기 어려운 로봇 분야에서는 이 데이터가 특히 중요하다.

여전히 가장 큰 병목은 AI 모델

로봇은 주로 텍스트나 디지털 화면에서 작동하는 AI보다 훨씬 복잡한 문제를 해결해야 한다. 불완전한 센서 정보를 해석하고, 처음 보는 공간을 이해하고, 불확실한 상황에서 행동을 계획한 뒤, 실수나 돌발 상황에도 안전하게 대응해야 한다.

그럴듯한 답변을 만들어내는 모델이 곧바로 물체를 안정적으로 집거나, 떨어뜨린 물건을 회수하거나, 작업장의 예기치 않은 변화에 대응하는 모델이 되는 것은 아니다. 로이터 보도는 AI 모델을 로봇의 현실 세계 지능을 가로막는 주요 병목으로 지목했다. 1

이 때문에 로봇의 기계적 형태를 하나 더 만드는 것보다 여러 로봇에 적용할 수 있는 공통 ‘두뇌’를 개선하는 일이 더 중요할 수 있다. 물론 이 모델이 훈련에서 보지 못한 상황에도 일반화할 수 있어야 한다는 전제가 따른다.

현실 세계 데이터 확보도 만만치 않다

물리적 환경에서 수집한 데이터는 비용과 시간이 많이 든다. 성공한 동작뿐 아니라 다양한 장소, 물체, 사람의 행동, 실패 사례와 예외 상황까지 담아야 하기 때문이다. 특정 시연만 반복해 모은 데이터는 로봇에게 한 가지 작업을 따라 하게 만들 수는 있지만, 낯선 조건에 대처하는 폭넓은 이해까지 보장하지 않는다.

ACE는 지금까지 약 10만 시간의 데이터를 수집한 것으로 전해졌지만, 회사가 추구하는 체화 지능의 범위에는 부족하다고 보고 있다. 5 이에 따라 ACE는 데이터 확보를 부수적인 작업이 아니라 모델 개발과 나란히 놓인 핵심 전략으로 다루고 있다.

모델 성능이 빠르게 향상되더라도 현실 세계 학습 데이터의 양과 다양성, 품질이 충분하지 않으면 발전 속도는 제한될 수 있다. 특정 벤치마크에서 높은 점수를 받았다는 사실만으로 창고, 호텔, 매장 같은 실제 현장에서 안정적으로 작동한다고 단정할 수 없는 이유다.

Unitree의 전망과 얼마나 비슷한가

ACE가 제시한 2027년 말이라는 시점은 휴머노이드 로봇 제조사 Unitree 창업자 왕싱싱의 전망과 대체로 맞닿아 있다. 왕싱싱은 로봇 두뇌의 ‘ChatGPT 순간’이 2~3년 안에 올 수 있다고 말한 것으로 전해졌다. 13

다만 두 전망 모두 독립적으로 검증된 일정이라기보다 업계 관계자들의 기대치로 보는 편이 정확하다. 모델, 데이터, 컴퓨팅 인프라의 발전이 속도를 높일 수 있다는 공통된 믿음을 보여주지만, 실제 돌파구가 예정대로 나타나거나 모든 작업에서 같은 성능을 낸다는 보장은 없다.

기술적 돌파구가 곧바로 상용화를 뜻하지 않는 이유

ACE는 기술적 변곡점이 오더라도 체화 세계 모델이 여러 산업에서 널리 상용화되기까지는 추가로 4~5년이 필요할 것으로 예상한다. 34 모델이 더 똑똑해진 뒤에도 다음과 같은 과제가 남기 때문이다.

• 실제 운영 환경에서 안전성과 신뢰성을 검증해야 한다.
• 서로 다른 로봇 몸체, 센서, 제어 시스템과 모델을 통합해야 한다.
• 하드웨어와 운영 비용을 낮춰야 한다.
• 반복 가능한 업무에서 충분한 현장 데이터를 확보해야 한다.
• 시연을 넘어 기업이 비용을 감수할 만한 생산성을 입증해야 한다.

따라서 2027년은 모델의 이정표가 될 수 있지만, 사업 현장에서의 상용화 이정표는 그보다 늦게 나타날 가능성이 크다. 기업이 휴머노이드 로봇을 평가할 때도 한 번 작업을 성공했는지보다, 같은 작업을 얼마나 일관되고 안전하며 경제적으로 대규모 수행할 수 있는지를 봐야 한다.

ACE는 어떻게 격차를 줄이려 하나

오픈소스 Kairos와 벤치마크 성능

ACE의 전략에서 오픈소스 세계 모델 프로젝트 Kairos는 중요한 위치를 차지한다. 로이터는 ACE의 주력 모델이 벤치마크에서 엔비디아 모델보다 높은 성능을 냈다고 보도했다. 다만 벤치마크 우위가 실제 현장 배치에서의 우수성을 입증하는 것은 아니라고 함께 지적했다. 1

공개 테스트는 정해진 능력을 비교하는 데 유용하지만, 실제 배치에는 다양한 환경과 실패 유형을 거치는 검증이 필요하다. Kairos가 개발자와 연구자의 참여를 끌어내고 피드백을 축적하는 데 도움이 될 수는 있지만, 궁극적인 의미는 평가 환경의 성능을 실제 물리적 업무로 얼마나 잘 이전하느냐에 달려 있다.

투자 유치와 IPO 구상

관련 보도에 따르면 ACE는 앤트그룹과 센스타임의 지원을 받고 있으며, 시장 여건이 허락하면 기업공개(IPO)를 추진하겠다는 구상도 갖고 있다. 5612 이러한 자금은 모델 연구, 데이터 확보, 상용 확장에 투입될 수 있다. 다만 제공된 보도만으로 회사의 전체 자금 조달 내역이 독립적으로 확인됐다고 보기는 어렵다.

실제 환경에서 데이터 수집

ACE는 운영 데이터를 전략적 자산으로 보고 있다. 로봇이 실제 현장에서 작업하고, 그 과정에서 얻은 상호작용 데이터를 다시 학습에 활용하며, 개선된 모델을 다음 배치에 적용하는 순환 구조다. 45

물론 데이터 수집 시간만 늘린다고 지능이 자동으로 향상되는 것은 아니다. 데이터가 실제 환경을 얼마나 대표하는지, 다양한 조건을 포함하는지, 모델 개선과 직접 연결되는지가 함께 중요하다.

배치 목표와 칩 공급망 다변화

일부 외부 보도는 ACE가 1년 안에 최소 1,000개 매장에 기술을 배치하고, 2년 안에 1만 곳으로 확대할 계획이라고 전했다. 이 수치는 완료된 실적이 아니라 회사가 제시한 목표로 봐야 한다. 713

같은 보도는 ACE가 무인 소매점, 호텔, 물류 등에서 기술을 활용하고, 공급망 위험을 낮추기 위해 엔비디아와 중국산 AI 칩을 함께 사용하려 한다고 설명한다. 이를 통해 향후 하드웨어 비용을 낮추려는 의도도 거론됐다. 13 다만 제공된 자료만으로 해당 배치 규모나 구체적인 칩 공급 계약 전체를 독립적으로 확인할 수는 없다.

2027년 전망을 가를 진짜 시험대

ACE의 전망은 비교적 구체적이다. 2027년 말까지 체화 지능에서 ChatGPT와 같은 기술적 변곡점이 나타나고, 이후 수년 동안 상용화가 이어진다는 그림이다. 가장 현실적인 해석은 휴머노이드가 갑자기 모든 일을 할 수 있게 된다는 것이 아니라, 발전한 세계 모델과 대규모 현실 데이터가 로봇의 적응력을 크게 높일 수 있다는 의미다.

결정적인 증거는 실제 배치 현장에서 나올 것이다. 로봇이 낯선 물리적 작업을 안정적으로 수행하고, 그 과정에서 유용한 데이터를 만들어내며, 기업이 감당할 수 있는 비용으로 운영되는지가 관건이다. 그 증거가 쌓이기 전까지 2027년의 ‘ChatGPT 순간’은 전망으로 남는다. AI 모델과 현실 세계 데이터라는 두 병목 역시 당분간 로봇 산업의 핵심 과제로 남을 가능성이 크다. 145

중국의 체화 AI 스타트업 ACE 로보틱스가 휴머노이드 로봇의 ‘두뇌’가 2027년 말까지 ChatGPT와 비슷한 전환점을 맞을 수 있다고 전망했다. 왕샤오강 ACE 로보틱스 회장은 세계 모델(world model)의 발전과 현실 환경 데이터 수집이 체화 지능을 크게 끌어올릴 수 있다고 밝혔다. 134

다만 여기서 말하는 ‘ChatGPT 순간’은 휴머노이드 로봇이 2027년 곧바로 무엇이든 해내게 된다는 뜻이 아니다. 기술적으로 중요한 변곡점이 올 수 있다는 전망에 가깝다. 왕 회장 역시 체화 세계 모델이 여러 산업에서 폭넓게 활용되기까지는 그 이후에도 약 4~5년이 더 걸릴 수 있다고 내다봤다. 34

로봇에게 ‘ChatGPT 순간’이란 무엇인가

ChatGPT가 고도화된 언어 모델을 대중이 직접 사용할 수 있게 만든 계기였다면, 로봇 분야의 유사한 돌파구는 범용성이 높은 ‘두뇌’의 등장이다. 제한된 실험실 시연이나 정해진 동작을 반복하는 수준을 넘어, 로봇이 주변을 인식하고 물리적 상황을 추론하며 변화하는 환경에서 행동을 선택하는 능력이 핵심이다. 1

세계 모델은 물리적 환경이 어떻게 작동하고 앞으로 어떻게 변할지를 내부적으로 표현하려는 AI 모델이다. 여기에 현실 환경 데이터가 더해지면 로봇이 실제로 물체를 다루고, 작업에 실패하고, 사람과 상호작용하는 과정까지 학습 자료로 활용할 수 있다. 실험실에서 모든 상황을 재현하기 어려운 로봇 분야에서는 이 데이터가 특히 중요하다.

여전히 가장 큰 병목은 AI 모델

로봇은 주로 텍스트나 디지털 화면에서 작동하는 AI보다 훨씬 복잡한 문제를 해결해야 한다. 불완전한 센서 정보를 해석하고, 처음 보는 공간을 이해하고, 불확실한 상황에서 행동을 계획한 뒤, 실수나 돌발 상황에도 안전하게 대응해야 한다.

그럴듯한 답변을 만들어내는 모델이 곧바로 물체를 안정적으로 집거나, 떨어뜨린 물건을 회수하거나, 작업장의 예기치 않은 변화에 대응하는 모델이 되는 것은 아니다. 로이터 보도는 AI 모델을 로봇의 현실 세계 지능을 가로막는 주요 병목으로 지목했다. 1

이 때문에 로봇의 기계적 형태를 하나 더 만드는 것보다 여러 로봇에 적용할 수 있는 공통 ‘두뇌’를 개선하는 일이 더 중요할 수 있다. 물론 이 모델이 훈련에서 보지 못한 상황에도 일반화할 수 있어야 한다는 전제가 따른다.

현실 세계 데이터 확보도 만만치 않다

물리적 환경에서 수집한 데이터는 비용과 시간이 많이 든다. 성공한 동작뿐 아니라 다양한 장소, 물체, 사람의 행동, 실패 사례와 예외 상황까지 담아야 하기 때문이다. 특정 시연만 반복해 모은 데이터는 로봇에게 한 가지 작업을 따라 하게 만들 수는 있지만, 낯선 조건에 대처하는 폭넓은 이해까지 보장하지 않는다.

ACE는 지금까지 약 10만 시간의 데이터를 수집한 것으로 전해졌지만, 회사가 추구하는 체화 지능의 범위에는 부족하다고 보고 있다. 5 이에 따라 ACE는 데이터 확보를 부수적인 작업이 아니라 모델 개발과 나란히 놓인 핵심 전략으로 다루고 있다.

모델 성능이 빠르게 향상되더라도 현실 세계 학습 데이터의 양과 다양성, 품질이 충분하지 않으면 발전 속도는 제한될 수 있다. 특정 벤치마크에서 높은 점수를 받았다는 사실만으로 창고, 호텔, 매장 같은 실제 현장에서 안정적으로 작동한다고 단정할 수 없는 이유다.

Unitree의 전망과 얼마나 비슷한가

ACE가 제시한 2027년 말이라는 시점은 휴머노이드 로봇 제조사 Unitree 창업자 왕싱싱의 전망과 대체로 맞닿아 있다. 왕싱싱은 로봇 두뇌의 ‘ChatGPT 순간’이 2~3년 안에 올 수 있다고 말한 것으로 전해졌다. 13

다만 두 전망 모두 독립적으로 검증된 일정이라기보다 업계 관계자들의 기대치로 보는 편이 정확하다. 모델, 데이터, 컴퓨팅 인프라의 발전이 속도를 높일 수 있다는 공통된 믿음을 보여주지만, 실제 돌파구가 예정대로 나타나거나 모든 작업에서 같은 성능을 낸다는 보장은 없다.

기술적 돌파구가 곧바로 상용화를 뜻하지 않는 이유

ACE는 기술적 변곡점이 오더라도 체화 세계 모델이 여러 산업에서 널리 상용화되기까지는 추가로 4~5년이 필요할 것으로 예상한다. 34 모델이 더 똑똑해진 뒤에도 다음과 같은 과제가 남기 때문이다.

• 실제 운영 환경에서 안전성과 신뢰성을 검증해야 한다.
• 서로 다른 로봇 몸체, 센서, 제어 시스템과 모델을 통합해야 한다.
• 하드웨어와 운영 비용을 낮춰야 한다.
• 반복 가능한 업무에서 충분한 현장 데이터를 확보해야 한다.
• 시연을 넘어 기업이 비용을 감수할 만한 생산성을 입증해야 한다.

따라서 2027년은 모델의 이정표가 될 수 있지만, 사업 현장에서의 상용화 이정표는 그보다 늦게 나타날 가능성이 크다. 기업이 휴머노이드 로봇을 평가할 때도 한 번 작업을 성공했는지보다, 같은 작업을 얼마나 일관되고 안전하며 경제적으로 대규모 수행할 수 있는지를 봐야 한다.

ACE는 어떻게 격차를 줄이려 하나

오픈소스 Kairos와 벤치마크 성능

ACE의 전략에서 오픈소스 세계 모델 프로젝트 Kairos는 중요한 위치를 차지한다. 로이터는 ACE의 주력 모델이 벤치마크에서 엔비디아 모델보다 높은 성능을 냈다고 보도했다. 다만 벤치마크 우위가 실제 현장 배치에서의 우수성을 입증하는 것은 아니라고 함께 지적했다. 1

공개 테스트는 정해진 능력을 비교하는 데 유용하지만, 실제 배치에는 다양한 환경과 실패 유형을 거치는 검증이 필요하다. Kairos가 개발자와 연구자의 참여를 끌어내고 피드백을 축적하는 데 도움이 될 수는 있지만, 궁극적인 의미는 평가 환경의 성능을 실제 물리적 업무로 얼마나 잘 이전하느냐에 달려 있다.

투자 유치와 IPO 구상

관련 보도에 따르면 ACE는 앤트그룹과 센스타임의 지원을 받고 있으며, 시장 여건이 허락하면 기업공개(IPO)를 추진하겠다는 구상도 갖고 있다. 5612 이러한 자금은 모델 연구, 데이터 확보, 상용 확장에 투입될 수 있다. 다만 제공된 보도만으로 회사의 전체 자금 조달 내역이 독립적으로 확인됐다고 보기는 어렵다.

실제 환경에서 데이터 수집

ACE는 운영 데이터를 전략적 자산으로 보고 있다. 로봇이 실제 현장에서 작업하고, 그 과정에서 얻은 상호작용 데이터를 다시 학습에 활용하며, 개선된 모델을 다음 배치에 적용하는 순환 구조다. 45

물론 데이터 수집 시간만 늘린다고 지능이 자동으로 향상되는 것은 아니다. 데이터가 실제 환경을 얼마나 대표하는지, 다양한 조건을 포함하는지, 모델 개선과 직접 연결되는지가 함께 중요하다.

배치 목표와 칩 공급망 다변화

일부 외부 보도는 ACE가 1년 안에 최소 1,000개 매장에 기술을 배치하고, 2년 안에 1만 곳으로 확대할 계획이라고 전했다. 이 수치는 완료된 실적이 아니라 회사가 제시한 목표로 봐야 한다. 713

같은 보도는 ACE가 무인 소매점, 호텔, 물류 등에서 기술을 활용하고, 공급망 위험을 낮추기 위해 엔비디아와 중국산 AI 칩을 함께 사용하려 한다고 설명한다. 이를 통해 향후 하드웨어 비용을 낮추려는 의도도 거론됐다. 13 다만 제공된 자료만으로 해당 배치 규모나 구체적인 칩 공급 계약 전체를 독립적으로 확인할 수는 없다.

2027년 전망을 가를 진짜 시험대

ACE의 전망은 비교적 구체적이다. 2027년 말까지 체화 지능에서 ChatGPT와 같은 기술적 변곡점이 나타나고, 이후 수년 동안 상용화가 이어진다는 그림이다. 가장 현실적인 해석은 휴머노이드가 갑자기 모든 일을 할 수 있게 된다는 것이 아니라, 발전한 세계 모델과 대규모 현실 데이터가 로봇의 적응력을 크게 높일 수 있다는 의미다.

결정적인 증거는 실제 배치 현장에서 나올 것이다. 로봇이 낯선 물리적 작업을 안정적으로 수행하고, 그 과정에서 유용한 데이터를 만들어내며, 기업이 감당할 수 있는 비용으로 운영되는지가 관건이다. 그 증거가 쌓이기 전까지 2027년의 ‘ChatGPT 순간’은 전망으로 남는다. AI 모델과 현실 세계 데이터라는 두 병목 역시 당분간 로봇 산업의 핵심 과제로 남을 가능성이 크다. 145