중국에서 휴머노이드 로봇의 움직임을 ‘가르치는’ 새로운 직업이 등장하고 있다. 중국 인사·사회보장부가 국가 직업 목록에 추가할 예정인 구체지능 로봇 응용 기술자다. 구체지능(embodied intelligence)은 AI가 화면 속 정보만 처리하는 것이 아니라, 로봇 같은 물리적 기기를 통해 주변 환경을 인식하고 실제 행동으로 옮기는 기술을 뜻한다.

이 직무의 연봉은 50만~80만 위안으로 보고됐다. 다만 이는 모든 채용 공고에 적용되는 보장 급여가 아니라, 관련 직무에서 거론되는 보수 범위로 봐야 한다. 612

코드를 한 줄씩 쓰는 일과는 다르다

로봇 응용 기술자는 전통적인 의미의 소프트웨어 개발자와 다르다. 로봇의 행동을 코드로 일일이 입력하기보다, 로봇이 실제 작업을 수행하도록 조종하고 그 과정을 데이터로 남긴다.

현장에서는 다음과 같은 업무가 이뤄진다.

• 휴머노이드 로봇을 원격 조종해 물리적 작업을 수행하기
• 로봇의 팔과 관절을 직접 유도하거나 잘못된 동작을 교정하기
• 물건 집기, 분류, 운반, 작업 장비 사용 등을 반복 시연하기
• 작업을 안전하고 안정적으로 완료했는지 확인하기
• 실패나 예외 상황을 기록해 엔지니어에게 전달하기
• 특정 공장이나 작업장 환경에 맞게 시연 방식을 조정하기

실제 물리 환경에서는 성공적인 동작 하나하나가 센서에 기록돼 모델 학습을 위한 ‘원천 교육 자료’가 된다. 4 따라서 이 직무의 핵심은 단순히 로봇을 조작하는 데 있지 않다. 반복 가능하고 정확하며, AI 모델 개선에 활용할 수 있는 시연 데이터를 만들어내는 능력이 중요하다.

사람의 움직임이 왜 AI 데이터가 될까

텍스트와 이미지 중심의 AI는 디지털 자료만으로도 학습할 수 있다. 하지만 로봇은 3차원 공간에서 행동하는 법을 배워야 한다. 물체가 어디에 있는지, 어느 정도의 힘을 가해야 하는지, 장애물을 어떻게 피할지, 작업이 계획대로 되지 않았을 때 어떻게 대응할지를 알아야 한다.

사람이 로봇을 이끌며 작업을 시연하면 한 번의 시도에서 여러 정보가 함께 기록된다.

• 로봇 관절의 움직임과 이동 경로
• 카메라 등 센서가 포착한 주변 환경
• 작업이 진행된 순서
• 물체 및 주변 환경과의 접촉 정보
• 작업 성공 여부와 실패 원인

공장과 물류 현장에서 수집한 데이터가 특히 중요한 이유도 여기에 있다. 실제 현장은 물체의 상태와 배치가 조금씩 달라지고, 로봇이 물리적 접촉을 겪으며, 안전 규칙과 작업 시간 같은 제약도 존재한다. 이런 변수는 시뮬레이션만으로 완벽하게 재현하기 어렵다. 실제 작업 시연은 로봇의 인식·지시 이해·물리적 행동을 연결하는 AI 시스템을 훈련하고 평가하는 데 활용될 수 있다. 47

비용 문제도 인력 수요를 키우는 요인이다. 신화통신이 인용한 자료에 따르면, 과거에는 하나의 응용 시나리오를 개발하는 데 학습 데이터만 1,000만 위안 이상이 들기도 했다. 4 체계적인 현장 시연으로 더 품질 높은 데이터를 확보할 수 있다면, 기업은 범용 로봇을 특정 공정에 맞게 적용하는 데 걸리는 시간과 비용을 줄일 수 있다.

왜 지금 이런 직업이 생겼나

휴머노이드 로봇은 연구실 시연을 넘어 산업 현장 투입 단계로 이동하고 있다. 그러나 로봇을 실제 작업에 배치하는 데 필요한 인력은 기술 발전 속도를 따라가지 못했다.

기업이 필요로 하는 사람은 로봇 제어만 아는 사람도, AI 소프트웨어만 다루는 사람도 아니다. 로봇 제어, 센서, 조작 작업, 안전, 작업 설계, 데이터 품질을 동시에 이해해야 한다.

공장 작업을 잘 수행하는 현장 인력이 기계가 학습할 수 있는 형태로 시연 데이터를 만드는 법을 알지는 못한다. 반대로 소프트웨어 전문가는 로봇이 물리적 환경에서 실패하는 이유를 직접 진단할 경험이 부족할 수 있다. 새 직업은 바로 이 중간 영역을 제도화하려는 시도다.

즉, 구체지능 AI의 상용화에는 모델을 설계하는 연구자와 하드웨어를 만드는 엔지니어만 필요한 것이 아니다. 로봇이 최종적으로 일하게 될 환경에서 반복적으로 유용한 행동을 수행하게 만드는 실무자도 필요하다.

급등한 채용 수요와 연봉이 보여주는 것

2026년 관련 지표는 기업의 수요와 적합한 경험을 가진 인력 공급 사이에 큰 격차가 있음을 보여준다.

2026년 1~4월 채용 자료를 인용한 보고서에 따르면 구체지능 분야의 채용 수요는 전년 대비 약 15배 늘었고, 구체지능 AI 시장 전체의 월평균 급여는 6만2,000위안으로 집계됐다. 이 수치는 시장 전체 평균으로, 모든 로봇 응용 기술자의 급여를 의미하지는 않는다. 3

중국 채용 플랫폼 리핀의 2026년 로봇 인재 보고서에서는 휴머노이드 로봇 분야의 채용이 전년 대비 215.8% 증가했고, 평균 연봉 제시액은 40만6,100위안에 달했다. 두 통계는 같은 대상을 측정한 것은 아니다. 하나는 구체지능 AI 채용 전반을, 다른 하나는 휴머노이드 로봇 채용을 다룬다. 9

그럼에도 두 수치는 공통된 흐름을 보여준다. 산업이 전문 인력을 양성하는 속도보다 빠르게 커지고 있다는 점이다. 특히 기업이 높은 보수를 제시하는 분야는 로봇을 만드는 일 자체보다, 로봇을 특정 업무에 투입할 수 있도록 신뢰할 만한 실제 데이터를 확보하는 일에 가깝다.

공장이 로봇의 훈련장이 된다

수요는 로봇 스타트업에만 국한되지 않는다. 복잡한 생산 환경을 보유한 제조업체는 로봇을 훈련하고 검증하는 데 필요한 반복 작업, 장비, 운영 조건을 제공할 수 있다.

민스그룹과 아지봇의 협력은 이런 모델을 보여주는 사례다. 관련 보도에 따르면 민스그룹의 공장 네트워크는 아지봇 로봇이 실제 산업 현장에서 학습하고 데이터를 수집하는 훈련 기지로 활용된다. 이를 통해 알고리즘을 더 빠르게 개선한다는 구상이다. 32

이런 협력은 공장의 역할이 단순한 로봇 구매자를 넘어선다는 점을 보여준다. 공장은 로봇이 학습할 데이터를 만들어내는 환경이 될 수 있다. 작업과 조건이 다양할수록 로봇이 언제 실패하는지 더 많이 확인하고 성능을 개선할 기회도 늘어난다.

다만 특정 기업의 사업 확장률이나 채용 공석 수 같은 주장은 독립적인 확인이 없는 한 업계 전체의 지표로 확대 해석하기 어렵다. 현재 자료로 확인되는 보다 분명한 결론은 제조업체가 구체지능 AI 개발 과정에 직접 참여하기 시작했으며, 공장 작업을 로봇 학습 데이터로 전환할 실무 인력이 필요해졌다는 점이다.

대학이 당장 인력 부족을 해결하기 어려운 이유

중국은 인재 양성을 위한 교육 체계도 마련하고 있다. 2026년에는 9개 대학이 구체지능을 학부 전공으로 개설할 수 있도록 승인받았다. 구체지능이 정식 고등교육 분야로 편입되고 있다는 의미다. 21

그러나 대학 교육만으로 단기적인 인력 공백을 메우기는 어렵다. 초기 입학 정원은 모두 합쳐 연간 수백 명 수준으로 알려졌고, 이들이 졸업해 현장에 진입하기까지는 수년이 걸린다. 첫 졸업생은 2030년 전후에 나올 것으로 예상된다. 16

교육 과정도 만만치 않다. 구체지능 분야의 인력은 로봇공학, 환경 인식, 센서 융합, 시뮬레이션 데이터를 실제 로봇에 적용하는 ‘시뮬레이션-현실 전이’, 조작 기술, 안전, 데이터 운영 등을 폭넓게 익혀야 할 수 있다.

기존 컴퓨터공학이나 기계공학 과정이 이런 요소 중 일부를 제공할 수는 있지만, 기업이 원하는 것은 여러 분야의 지식을 실제 작업 환경에서 결합할 수 있는 사람이다. 그 결과 학위가 있다는 것과 현장에 바로 투입할 수 있다는 것 사이에 단기적인 간극이 생긴다. 전문 단기 과정, 직업교육, 로봇 연구실, 기업 내 훈련이 이 공백을 메우는 경로가 될 수 있다.

로봇 산업의 다음 병목은 ‘데이터를 만드는 사람’

이 새로운 직업이 주목받는 이유는 연봉만이 아니다. 물리적 AI가 상용화되는 과정에서 어디가 병목이 될지를 보여주기 때문이다.

소프트웨어 AI는 더 나은 모델과 컴퓨팅 자원을 디지털 인프라를 통해 비교적 빠르게 확장할 수 있다. 반면 구체지능 AI는 물리적 접근성, 숙련된 조작자, 안전한 실험 환경, 품질 높은 시연 데이터가 모두 필요하다. 로봇은 모든 작업을 벤치마크나 가상 환경만으로 배울 수 없다.

중국이 로봇 응용 기술자를 새로운 직업으로 분류하려는 것은 인력 부족에 대한 대응인 동시에 산업이 성숙해지고 있다는 신호다. AI를 현실 세계로 가져오려면 사람이 직접 행동하며 기계를 가르쳐야 하고, 그 과정에서 얻은 관찰과 시연이 결국 로봇의 지능을 구성하는 일부가 되기 때문이다.

중국에서 휴머노이드 로봇의 움직임을 ‘가르치는’ 새로운 직업이 등장하고 있다. 중국 인사·사회보장부가 국가 직업 목록에 추가할 예정인 구체지능 로봇 응용 기술자다. 구체지능(embodied intelligence)은 AI가 화면 속 정보만 처리하는 것이 아니라, 로봇 같은 물리적 기기를 통해 주변 환경을 인식하고 실제 행동으로 옮기는 기술을 뜻한다.

이 직무의 연봉은 50만~80만 위안으로 보고됐다. 다만 이는 모든 채용 공고에 적용되는 보장 급여가 아니라, 관련 직무에서 거론되는 보수 범위로 봐야 한다. 612

코드를 한 줄씩 쓰는 일과는 다르다

로봇 응용 기술자는 전통적인 의미의 소프트웨어 개발자와 다르다. 로봇의 행동을 코드로 일일이 입력하기보다, 로봇이 실제 작업을 수행하도록 조종하고 그 과정을 데이터로 남긴다.

현장에서는 다음과 같은 업무가 이뤄진다.

• 휴머노이드 로봇을 원격 조종해 물리적 작업을 수행하기
• 로봇의 팔과 관절을 직접 유도하거나 잘못된 동작을 교정하기
• 물건 집기, 분류, 운반, 작업 장비 사용 등을 반복 시연하기
• 작업을 안전하고 안정적으로 완료했는지 확인하기
• 실패나 예외 상황을 기록해 엔지니어에게 전달하기
• 특정 공장이나 작업장 환경에 맞게 시연 방식을 조정하기

실제 물리 환경에서는 성공적인 동작 하나하나가 센서에 기록돼 모델 학습을 위한 ‘원천 교육 자료’가 된다. 4 따라서 이 직무의 핵심은 단순히 로봇을 조작하는 데 있지 않다. 반복 가능하고 정확하며, AI 모델 개선에 활용할 수 있는 시연 데이터를 만들어내는 능력이 중요하다.

사람의 움직임이 왜 AI 데이터가 될까

텍스트와 이미지 중심의 AI는 디지털 자료만으로도 학습할 수 있다. 하지만 로봇은 3차원 공간에서 행동하는 법을 배워야 한다. 물체가 어디에 있는지, 어느 정도의 힘을 가해야 하는지, 장애물을 어떻게 피할지, 작업이 계획대로 되지 않았을 때 어떻게 대응할지를 알아야 한다.

사람이 로봇을 이끌며 작업을 시연하면 한 번의 시도에서 여러 정보가 함께 기록된다.

• 로봇 관절의 움직임과 이동 경로
• 카메라 등 센서가 포착한 주변 환경
• 작업이 진행된 순서
• 물체 및 주변 환경과의 접촉 정보
• 작업 성공 여부와 실패 원인

공장과 물류 현장에서 수집한 데이터가 특히 중요한 이유도 여기에 있다. 실제 현장은 물체의 상태와 배치가 조금씩 달라지고, 로봇이 물리적 접촉을 겪으며, 안전 규칙과 작업 시간 같은 제약도 존재한다. 이런 변수는 시뮬레이션만으로 완벽하게 재현하기 어렵다. 실제 작업 시연은 로봇의 인식·지시 이해·물리적 행동을 연결하는 AI 시스템을 훈련하고 평가하는 데 활용될 수 있다. 47

비용 문제도 인력 수요를 키우는 요인이다. 신화통신이 인용한 자료에 따르면, 과거에는 하나의 응용 시나리오를 개발하는 데 학습 데이터만 1,000만 위안 이상이 들기도 했다. 4 체계적인 현장 시연으로 더 품질 높은 데이터를 확보할 수 있다면, 기업은 범용 로봇을 특정 공정에 맞게 적용하는 데 걸리는 시간과 비용을 줄일 수 있다.

왜 지금 이런 직업이 생겼나

휴머노이드 로봇은 연구실 시연을 넘어 산업 현장 투입 단계로 이동하고 있다. 그러나 로봇을 실제 작업에 배치하는 데 필요한 인력은 기술 발전 속도를 따라가지 못했다.

기업이 필요로 하는 사람은 로봇 제어만 아는 사람도, AI 소프트웨어만 다루는 사람도 아니다. 로봇 제어, 센서, 조작 작업, 안전, 작업 설계, 데이터 품질을 동시에 이해해야 한다.

공장 작업을 잘 수행하는 현장 인력이 기계가 학습할 수 있는 형태로 시연 데이터를 만드는 법을 알지는 못한다. 반대로 소프트웨어 전문가는 로봇이 물리적 환경에서 실패하는 이유를 직접 진단할 경험이 부족할 수 있다. 새 직업은 바로 이 중간 영역을 제도화하려는 시도다.

즉, 구체지능 AI의 상용화에는 모델을 설계하는 연구자와 하드웨어를 만드는 엔지니어만 필요한 것이 아니다. 로봇이 최종적으로 일하게 될 환경에서 반복적으로 유용한 행동을 수행하게 만드는 실무자도 필요하다.

급등한 채용 수요와 연봉이 보여주는 것

2026년 관련 지표는 기업의 수요와 적합한 경험을 가진 인력 공급 사이에 큰 격차가 있음을 보여준다.

2026년 1~4월 채용 자료를 인용한 보고서에 따르면 구체지능 분야의 채용 수요는 전년 대비 약 15배 늘었고, 구체지능 AI 시장 전체의 월평균 급여는 6만2,000위안으로 집계됐다. 이 수치는 시장 전체 평균으로, 모든 로봇 응용 기술자의 급여를 의미하지는 않는다. 3

중국 채용 플랫폼 리핀의 2026년 로봇 인재 보고서에서는 휴머노이드 로봇 분야의 채용이 전년 대비 215.8% 증가했고, 평균 연봉 제시액은 40만6,100위안에 달했다. 두 통계는 같은 대상을 측정한 것은 아니다. 하나는 구체지능 AI 채용 전반을, 다른 하나는 휴머노이드 로봇 채용을 다룬다. 9

그럼에도 두 수치는 공통된 흐름을 보여준다. 산업이 전문 인력을 양성하는 속도보다 빠르게 커지고 있다는 점이다. 특히 기업이 높은 보수를 제시하는 분야는 로봇을 만드는 일 자체보다, 로봇을 특정 업무에 투입할 수 있도록 신뢰할 만한 실제 데이터를 확보하는 일에 가깝다.

공장이 로봇의 훈련장이 된다

수요는 로봇 스타트업에만 국한되지 않는다. 복잡한 생산 환경을 보유한 제조업체는 로봇을 훈련하고 검증하는 데 필요한 반복 작업, 장비, 운영 조건을 제공할 수 있다.

민스그룹과 아지봇의 협력은 이런 모델을 보여주는 사례다. 관련 보도에 따르면 민스그룹의 공장 네트워크는 아지봇 로봇이 실제 산업 현장에서 학습하고 데이터를 수집하는 훈련 기지로 활용된다. 이를 통해 알고리즘을 더 빠르게 개선한다는 구상이다. 32

이런 협력은 공장의 역할이 단순한 로봇 구매자를 넘어선다는 점을 보여준다. 공장은 로봇이 학습할 데이터를 만들어내는 환경이 될 수 있다. 작업과 조건이 다양할수록 로봇이 언제 실패하는지 더 많이 확인하고 성능을 개선할 기회도 늘어난다.

다만 특정 기업의 사업 확장률이나 채용 공석 수 같은 주장은 독립적인 확인이 없는 한 업계 전체의 지표로 확대 해석하기 어렵다. 현재 자료로 확인되는 보다 분명한 결론은 제조업체가 구체지능 AI 개발 과정에 직접 참여하기 시작했으며, 공장 작업을 로봇 학습 데이터로 전환할 실무 인력이 필요해졌다는 점이다.

대학이 당장 인력 부족을 해결하기 어려운 이유

중국은 인재 양성을 위한 교육 체계도 마련하고 있다. 2026년에는 9개 대학이 구체지능을 학부 전공으로 개설할 수 있도록 승인받았다. 구체지능이 정식 고등교육 분야로 편입되고 있다는 의미다. 21

그러나 대학 교육만으로 단기적인 인력 공백을 메우기는 어렵다. 초기 입학 정원은 모두 합쳐 연간 수백 명 수준으로 알려졌고, 이들이 졸업해 현장에 진입하기까지는 수년이 걸린다. 첫 졸업생은 2030년 전후에 나올 것으로 예상된다. 16

교육 과정도 만만치 않다. 구체지능 분야의 인력은 로봇공학, 환경 인식, 센서 융합, 시뮬레이션 데이터를 실제 로봇에 적용하는 ‘시뮬레이션-현실 전이’, 조작 기술, 안전, 데이터 운영 등을 폭넓게 익혀야 할 수 있다.

기존 컴퓨터공학이나 기계공학 과정이 이런 요소 중 일부를 제공할 수는 있지만, 기업이 원하는 것은 여러 분야의 지식을 실제 작업 환경에서 결합할 수 있는 사람이다. 그 결과 학위가 있다는 것과 현장에 바로 투입할 수 있다는 것 사이에 단기적인 간극이 생긴다. 전문 단기 과정, 직업교육, 로봇 연구실, 기업 내 훈련이 이 공백을 메우는 경로가 될 수 있다.

로봇 산업의 다음 병목은 ‘데이터를 만드는 사람’

이 새로운 직업이 주목받는 이유는 연봉만이 아니다. 물리적 AI가 상용화되는 과정에서 어디가 병목이 될지를 보여주기 때문이다.

소프트웨어 AI는 더 나은 모델과 컴퓨팅 자원을 디지털 인프라를 통해 비교적 빠르게 확장할 수 있다. 반면 구체지능 AI는 물리적 접근성, 숙련된 조작자, 안전한 실험 환경, 품질 높은 시연 데이터가 모두 필요하다. 로봇은 모든 작업을 벤치마크나 가상 환경만으로 배울 수 없다.

중국이 로봇 응용 기술자를 새로운 직업으로 분류하려는 것은 인력 부족에 대한 대응인 동시에 산업이 성숙해지고 있다는 신호다. AI를 현실 세계로 가져오려면 사람이 직접 행동하며 기계를 가르쳐야 하고, 그 과정에서 얻은 관찰과 시연이 결국 로봇의 지능을 구성하는 일부가 되기 때문이다.