중국은 어떻게 휴머노이드 로봇 시장을 장악했나

중국은 휴머노이드 로봇을 잘 만드는 나라가 됐지만, 아직 휴머노이드 로봇을 무엇이든 맡길 수 있는 노동자로 만든 것은 아니다.

중국의 전략은 비교적 분명하다. 저렴한 부품과 대규모 공급망을 바탕으로 로봇을 많이 생산하고, 공장·대학·연구소·훈련센터에 배치한 뒤, 실제 환경에서 움직임과 작업 데이터를 모으는 방식이다. 이 데이터가 언젠가 ‘몸을 가진 인공지능’, 즉 물리적 세계를 보고 판단하고 행동하는 **구현형 AI(embodied AI)**의 돌파구로 이어질 것이라는 기대가 깔려 있다.

다만 현재의 출하량과 투자액은 중국이 강력한 기술 축적 프로그램을 가동하고 있다는 사실을 보여줄 뿐이다. 범용 로봇의 실용성과 안정적인 수익성이 입증됐다는 뜻은 아니다.

출하량 1위와 상업적 생산성은 다르다

중국 업체들은 2026년 상반기 전 세계 휴머노이드 로봇 출하량 약 1만9,100대 가운데 97% 이상을 차지한 것으로 추정됐다. 다만 조사기관마다 ‘출하’와 ‘휴머노이드 로봇’의 정의, 집계 범위가 다르다. 따라서 지난해 전 세계 약 2만 대 중 중국산이 95%였다는 식의 수치는 실제 현장에서 생산적인 업무를 수행하는 로봇의 수라기보다 산업 추세를 보여주는 추정치로 보는 편이 정확하다. 7

실제로 출하된 로봇 상당수는 인력을 대체하는 고객사보다 데이터 수집 시설, 대학, 연구소, 시연 행사, 정부 지원 시범사업으로 향할 수 있다. 한 로봇산업 분석가는 2026년 생산량의 50~70%가 유료 생산 활동이 아니라 ‘데이터 공장’에서 학습 데이터 수집에 사용될 수 있다고 추정했다. 4

이 때문에 중국의 제조 우위와 로봇의 어색한 동작 사이에는 반드시 모순이 있는 것은 아니다. 중국은 공급망 조정, 부품 원가 절감, 빠른 설계 변경, 대량 생산에 강하다. 정부 보조금과 부품 가격 하락이 가격 경쟁력을 높였고, 베이징은 앞선 로봇산업 육성 계획을 통해 연구개발과 금융 지원도 뒷받침했다. 9

그 결과 중국 기업들은 상대적으로 저렴한 로봇 플랫폼을 빠르게 늘릴 수 있었다. 그러나 시각 인식, 섬세한 손동작, 배터리 지속시간, 고장 대응, 예외 상황 처리, 처음 보는 작업에 대한 일반화 능력은 여전히 별개의 문제다.

훈련센터는 시장이라기보다 ‘학습 인프라’다

중국이 곳곳에 세우는 휴머노이드 로봇 훈련센터는 이 전략의 핵심이다. 광시 지역 정부는 1,800만 달러 규모의 입찰을 통해 UBTech의 휴머노이드 로봇과 관련 장비를 도입했다. 이 시설의 목표는 물리적 세계를 인식하고 판단하며 행동하는 구현형 AI에 필요한 학습 데이터를 생산하는 것이다. 2

이런 시설은 하드웨어와 소프트웨어를 함께 개선할 기회를 제공한다. 로봇이 공장이나 물류 현장에서 어떤 동작을 실패하는지 확인하고, 그 데이터를 다시 모델과 기계 설계에 반영할 수 있기 때문이다.

하지만 경제성은 아직 순환 구조에 가깝다. 훈련용 로봇을 구매하고, 운영 인력을 고용하고, 시설을 유지하며, 데이터를 정제·라벨링하고, 고장 난 하드웨어를 교체하는 데 비용이 든다. 이후 로봇이 고객에게 충분한 가치를 제공해 이 비용을 회수해야 비로소 사업이 성립한다.

로봇 훈련 데이터를 판매해 수익을 내겠다는 모델은 아직 시장 자체가 작고 가격도 불확실하다. 로이터가 취재한 광시의 한 시설 관계자들도 높은 운영비와 낮은 데이터 가격 때문에 보조금 없이 수익을 낼 뚜렷한 경로가 없다고 설명했다. 따라서 훈련센터는 시장의 증거라기보다 시장을 만들기 위한 국가적 실험에 가깝다.

‘로봇의 챗GPT 순간’은 지능의 도약에 대한 베팅

유니트리 창업자 왕싱싱은 휴머노이드 로봇의 구현형 지능이 ‘챗GPT의 순간’에 다가가고 있다고 말했다. 3 이 표현은 로봇산업의 병목이 걷기나 공중제비 같은 동작 시연이 아니라 로봇의 두뇌라는 점을 오히려 분명하게 보여준다.

언어 모델은 인터넷과 문서 등 대규모 디지털 데이터를 비교적 저렴하게 확보할 수 있었고, 성능 평가도 반복하기 쉬웠다. 반면 로봇은 실제 공간에서 물체를 만지고, 넘어지고, 부딪히고, 때로는 안전사고를 일으킬 수 있다. 물리적 학습 데이터는 수집 속도가 느리고 비용이 높으며, 안전 규제의 제약도 받는다.

더 많은 로봇을 배치하면 데이터의 양은 늘어날 수 있다. 그러나 데이터가 많다고 해서 자동으로 좋은 학습이 이뤄지는 것은 아니다. 서로 다른 조명과 물체, 작업자, 공간에서 수집된 다양하고 정확하며 다른 로봇에도 적용할 수 있는 데이터가 필요하다.

왕싱싱 본인도 로봇이 인간만큼 효율적이지 않고 새로운 기술을 익히는 데 시간이 걸린다는 점을 인정했다. 업계가 말하는 ‘챗GPT 순간’이 곧바로 눈앞에 온다는 뜻으로 해석하기 어려운 이유다. 8

유니트리 상장은 현재 실적보다 성공 가능성에 베팅했다

중국 휴머노이드 로봇 업체 유니트리는 상하이 과학기술혁신판에 상장한 첫 중국 본토 휴머노이드 로봇 제조사가 됐다. 공모가는 주당 150.8위안이었지만, 상장 첫날 주가는 장중 629%까지 뛰었고 종가는 공모가보다 460% 이상 높은 845위안으로 마감했다. 6

이 열기는 현재의 로봇 활용도보다 미래의 선택권에 대한 투자로 읽을 수 있다. 로이터는 유니트리가 수익을 내고 있지만 상업 환경에서 실제로 사용되는 로봇은 많지 않다고 보도했다. 유니트리 한 곳의 흑자만으로 산업 전체의 수익성이나 범용 로봇 시장의 성립을 입증할 수는 없다. 6

현재 기술 수준과 기업가치 사이의 간극은 거품 위험도 키운다. 비슷한 기능의 업체들이 가격 경쟁에 몰릴 수 있고, 정부 보조금이 붙은 시범사업이 반복적인 민간 수요로 이어지지 않으면 업계 재편과 통합이 불가피할 수 있다.

정부 조달은 ‘닭과 달걀’ 문제를 풀지만, 성과를 흐릴 수도 있다

중국의 산업정책은 초기 수요를 직접 만들어내는 방식으로 작동한다. 중국은 최근 1년 동안 휴머노이드 로봇 기업에 200억 달러 이상을 배정했고, AI와 로봇을 포함한 스타트업 지원을 위해 1조 위안, 약 1,370억 달러 규모의 펀드도 발표했다. 12

공공 입찰과 지방정부 훈련센터, 국유기업의 시험 환경은 로봇 기업이 가장 얻기 어려운 두 가지를 제공한다. 실제 배치 장소와 학습 데이터다. 정부가 초기 구매자 역할을 하면 기업은 제품을 현장에 보내고, 고객은 아직 완성되지 않은 기술을 시험해볼 수 있다.

이 방식은 기술 발전을 앞당길 수 있지만, 동시에 진짜 수요를 가릴 위험이 있다. 보조금이나 행정 지시가 사라진 뒤에도 기업이 같은 로봇을 계속 구매할지, 로봇이 사람을 고용하는 것보다 실제로 비용을 줄이는지는 별도로 검증해야 한다.

미국의 수입 제한은 수출 확장에 제동

미국 연방통신위원회(FCC)는 국가안보 위험과 핵심 산업의 국내 생산 확대를 이유로 7월 신규 중국산 휴머노이드 및 사족보행 로봇의 수입을 제한했다. 11

단기적인 상업 충격은 제한적일 수 있다. 미국에서 휴머노이드 로봇이 실제 상업 현장에 대규모로 배치된 사례가 아직 많지 않기 때문이다. 5 그러나 장기적으로는 중국 업체가 주요 시장의 판매량과 고객 피드백, 국제 표준 형성 과정에서 영향력을 잃을 수 있다.

중국 내수시장만으로도 상당한 규모를 만들 수 있지만, 미국 시장의 배제는 규모의 경제와 해외 검증 기회를 줄이는 요인이다. 반대로 미국 기업에는 중국 공급망과 경쟁해야 하는 부담이 커질 수 있다.

진짜 승부처는 공중제비가 아니라 운영 지표

중국이 휴머노이드 로봇의 하드웨어 경쟁에서 먼저 앞선 것은 분명하다. 저비용 생산, 빠른 반복 개선, 정부 조달, 대규모 데이터 수집을 한데 묶은 전략은 다른 국가가 단기간에 따라 하기 어렵다.

그러나 중국의 대량 출하가 곧 범용 로봇의 탄생을 의미하지는 않는다. 향후 확인해야 할 지표는 다음과 같다.

• 비정형 환경에서의 작업 성공률
• 사람과 함께 일할 때의 안전성과 독립적으로 측정한 가동률
• 새로운 작업을 다시 학습하는 데 필요한 시간과 비용
• 로봇 한 시간당 실제로 절감하는 노동비
• 유지보수와 교체 비용을 포함한 총소유비용
• 정부 구매 없이도 유지되는 반복적인 민간 수요와 영업이익

중국의 하드웨어 규모는 구현형 AI의 돌파구가 나왔을 때 중국 기업들이 가장 먼저 이를 대량 적용할 가능성을 높인다. 하지만 지금의 출하량과 투자 열기는 ‘유용한 범용 로봇을 이미 만들었다’는 증거가 아니다. 현재 중국이 구축한 것은 완성된 로봇 노동시장이라기보다, 그 시장을 선점하기 위한 거대한 생산·실험·학습 시스템에 가깝다.