휴머노이드 로봇 10,000대가 출하됐다, 중국이 만들고 미국이 AI를 넣는다

AGIBOT가 2026년 3월 누적 10,000대 출하를 달성했습니다. 2023년 설립 이후 첫 1,000대에 2년이 걸렸지만, 최근 3개월 만에 5,000대를 추가로 찍어냈습니다. Unitree의 G1은 $13,500에 팔리고 있고, Figure AI의 로봇은 BMW 공장에서 월요일부터 금요일까지 10시간씩 일하며 30,000대의 X3 생산에 기여하고 있습니다.

여기서 주목할 숫자가 하나 더 있습니다. 2025년 글로벌 휴머노이드 로봇 판매량의 약 90%가 중국 기업 제품이었습니다. 상위 6개 판매 기업이 전부 중국 회사입니다. 반면 AI 두뇌를 설계하는 건 미국입니다. Google DeepMind의 Gemini Robotics, NVIDIA의 GR00T, OpenAI와 Figure AI의 협업이 로봇의 지능을 담당합니다. 하드웨어는 중국, 소프트웨어는 미국. 이 분업 구조가 2026년 휴머노이드 산업의 지형도입니다.

대량 생산 원년, 숫자가 말해주는 것

"로봇이 온다"는 말은 수십 년째 반복되어 왔습니다. 하지만 2026년이 다른 이유는 실제 출하 대수 에 있습니다. 프로토타입이 아니라 공장에서 찍어내고, 현장에서 일하는 로봇의 숫자입니다.

AGIBOT의 성장 곡선이 이를 잘 보여줍니다. 첫 1,000대까지 2년, 5,000대까지 추가 1년, 그리고 5,000대에서 10,000대까지는 단 3개월이었습니다. CTO 펑즈후이(Peng Zhihui)는 이렇게 말했습니다.

"이것은 우리의 확장 능력에서 근본적인 전환을 반영합니다. 소규모 니치 애플리케이션에서 견고한 대규모 상업 수요로의 이동입니다."

(원문: "This reflects a fundamental shift in our ability to scale, from small niche applications to robust large-scale commercial demand.")

Unitree도 만만치 않습니다. 2025년 5,500대를 판매해 글로벌 1위를 기록했고, 2026년에는 10,000~20,000대 출하를 목표로 잡았습니다. 6.79억 명이 시청한 2026년 중국 춘절 갈라에서 Unitree 로봇이 쿵푸 퍼포먼스를 선보인 것은 단순한 홍보가 아니었습니다. 양산 체제에 들어간 기업의 자신감 표현이었습니다.

미국 쪽에서는 Figure AI가 가장 눈에 띕니다. BotQ라는 전용 공장에서 연간 12,000대 생산 체제를 갖췄고, 4년 내 총 100,000대를 목표로 합니다. CNC 기계로 1주일 걸리던 부품을 사출 성형과 다이캐스팅으로 20초 만에 생산하는 제조 혁신이 이를 가능하게 했습니다.

Tesla의 Optimus Gen 3는 2026년 1월 Fremont 공장에서 양산을 시작했습니다. 연말까지 50,000~100,000대, 나아가 연간 100만 대 생산 능력을 목표로 하고 있습니다. 다만 현실적으로는 아직 Tesla 공장 내에서 학습 및 데이터 수집 용도로 운용되고 있으며, Musk 본인도 소비자 판매는 2027년 말로 예고한 상태입니다.

배경: Physical AI는 왜 지금 가능해졌나

휴머노이드 로봇의 갑작스러운 양산 전환은 하나의 기술이 아닌, 네 가지 기술의 동시 수렴에서 비롯됩니다. Deloitte의 Tech Trends 2026 보고서가 이를 정리하고 있습니다.

Physical AI란 "기계가 물리적 세계를 자율적으로 인식, 이해, 추론하고 실시간으로 상호작용할 수 있게 하는 인공지능 시스템"을 의미합니다. 사전 프로그래밍된 동작을 반복하는 산업용 로봇과는 근본적으로 다릅니다. 환경을 인식하고, 경험에서 학습하며, 예측하지 못한 상황에 적응합니다.

첫 번째 수렴은 Vision-Language-Action(VLA) 모델 입니다. 컴퓨터 비전, 자연어 처리, 모터 제어를 하나의 모델에 통합합니다. 로봇이 "저 선반에서 빨간 상자를 집어와"라는 자연어 명령을 이해하고, 시각적으로 대상을 찾고, 팔을 뻗어 집는 일련의 동작을 하나의 추론 과정으로 처리합니다.

두 번째는 온보드 컴퓨팅 의 발전입니다. 신경 처리 장치가 클라우드 의존 없이 로봇에서 직접 저지연 AI 처리를 가능하게 했습니다. 공장 바닥에서 Wi-Fi가 끊겨도 로봇이 멈추지 않아야 한다는 현실적 요구에 대한 답입니다.

세 번째는 하드웨어 자체의 발전 입니다. 향상된 센서, 정교한 액추에이터, 공간 컴퓨팅, 그리고 결정적으로 EV 산업이 만들어놓은 배터리 공급망이 합류했습니다. 로봇의 관절과 전기차의 모터가 공유하는 부품이 늘어나면서, 규모의 경제가 작동하기 시작한 것입니다.

네 번째는 훈련 방법론의 전환 입니다. 시뮬레이션에서 수백만 번의 시행착오를 거친 뒤 실세계에서 미세조정하는 Sim2Real 접근법이 성숙했습니다. 다만 Ohio State 공과대학장 Ayanna Howard는 여전히 한계를 지적합니다.

"시뮬레이션 환경의 시각 이미지는 꽤 좋지만, 실세계에는 다르게 보이는 뉘앙스가 있습니다."

(원문: "Simulated environments look pretty good visually, but there are nuances in the real world that look different.")

이 네 가지가 2024~2025년 사이에 동시에 임계점을 넘었습니다. 그 결과가 지금 우리가 보고 있는 양산 물결입니다.

핵심 데이터: 가격이 무너지고 있다

숫자를 직접 보겠습니다. 2025년 휴머노이드 로봇 평균 원가는 약 $35,000이었습니다. 2023년에서 2024년 사이에만 제조 비용이 40% 감소했습니다. 그리고 Unitree G1이 $13,500 이라는 가격표를 내걸면서 시장의 기대치를 완전히 바꿔놓았습니다.

Bank of America Institute는 2035년까지 로봇 원가가 $13,000~$17,000에 도달할 것으로 전망합니다. 이 숫자가 왜 중요할까요? 미국 제조업 평균 시급이 $28~$32입니다. 연간 인건비로 환산하면 $58,000~$67,000입니다. $20,000짜리 로봇을 3년간 운용하면 유지보수를 포함해 연간 비용이 약 $10,000~$15,000이 됩니다. 인건비의 4분의 1 수준입니다.

비용 하락을 이끄는 동인은 다섯 가지입니다. EV 산업의 부품 공급망 공유, 사출 성형과 다이캐스팅 등 대량 생산 공정 전환, AI 칩 가격 하락, 중국의 제조 역량과 정부 보조금, 그리고 설계 자체의 최적화입니다. Figure AI는 Figure 03을 설계할 때 부품 수, 조립 단계, 불필요한 컴포넌트를 공격적으로 줄였습니다. "대량 생산을 위해 처음부터 설계된" 최초의 휴머노이드입니다.

경제성 전환점, 즉 로봇을 고용하는 것이 사람을 고용하는 것보다 저렴해지는 시점은 선진국 제조업 기준으로 2028~2030년 으로 예상됩니다.

주요 플레이어: 누가 얼마나 만들고 있나

2025년 출하량 기준으로 현재 경쟁 구도를 보면 격차가 극명합니다. Unitree가 5,500대, AGIBOT가 5,168대를 출하한 반면, 미국의 Figure AI, Agility Robotics, Tesla는 각각 약 150대 수준에 그쳤습니다. 중국 기업이 1만 대를 넘기는 동안 미국 기업은 수백 대에 머물러 있는 것입니다.

AGIBOT 는 2023년 상하이에서 설립되어 불과 3년 만에 글로벌 시장 점유율 49%를 차지했습니다. A2(풀사이즈), X2(컴팩트), G2(산업용)에 이르는 제품 라인업으로 접객, 엔터테인먼트, 제조, 물류, 보안 등 8개 상용 분야에 진출했습니다. "One Robotic Body, Three Intelligences"라는 기술 철학 아래 모션 지능, 인터랙션 지능, 태스크 지능을 통합합니다.

Unitree 는 가격 파괴의 선두주자입니다. G1이 $13,500, H2가 $29,900입니다. 서양 경쟁사 대비 60~75% 저렴 합니다. 2026년 목표는 10,000~20,000대로, 달성하면 단일 기업으로는 최초로 연간 만 대 이상 출하하는 휴머노이드 회사가 됩니다.

Tesla 의 Optimus Gen 3는 Gen 2 대비 22% 경량화되었고, 22 자유도의 손가락과 손목 관절을 갖추고 있습니다. 2026년 목표는 50,000~100,000대이지만, 현재로서는 공장 내 학습과 데이터 수집이 주 용도입니다. Giga Texas에서 연간 1,000만 대 전용 공장을 건설 중이고 2027년 양산을 목표로 합니다. 숫자만 보면 압도적이지만, 실제 "유용한 작업"을 수행하고 있는지에 대해서는 회의적 시각이 적지 않습니다.

Boston Dynamics 의 Atlas는 CES 2026에서 양산 버전을 공개하며 "Best Robot" 상을 수상했습니다. 2026년 생산분은 전량 모회사 Hyundai에 납품됩니다. Hyundai와 공동으로 연간 30,000대 생산이 가능한 공장 건설을 계획하고 있으며, 조지아주 사바나의 Metaplant America에 2028년 초기 배치 예정입니다.

Figure AI 는 다른 방향에서 존재감을 입증하고 있습니다. BMW Spartanburg 공장에서 Figure 02가 1,250시간 가동하며 90,000개 이상의 부품을 적재 하고 30,000대 이상의 BMW X3 생산에 기여했습니다. 데모가 아닌 실제 생산 현장에서의 성과입니다. BotQ 공장에서 Figure 03의 연간 12,000대 생산을 시작했고, 2026년 말에는 가정용 테스트도 계획하고 있습니다.

Apptronik 의 Apollo는 $935M의 누적 펀딩과 $5B 밸류에이션을 기록했습니다. Google과 B Capital이 공동 리드한 투자 라운드에 Mercedes-Benz, John Deere, Qatar Investment Authority 등이 참여했습니다. Google DeepMind의 Gemini 3와 Gemini Robotics AI를 탑재해, 낯선 물체 핸들링과 음성 명령 수행, 실시간 환경 변화 적응을 데모했습니다.

주목할 만한 신흥 기업도 있습니다. 중국 쑤저우의 UniX AI 는 Wanda 2.0으로 호텔, 부동산 관리, 보안 분야에 수백 대를 배치했고, 2025년 World Humanoid Robot Sports Competition에서 호텔 객실 청소 1위를 차지했습니다. 독일에서는 BMW Leipzig 공장에 Hexagon Robotics의 AEON이 배치되어, 유럽 자동차 생산 현장 최초의 Physical AI 도입 사례가 되었습니다.

AI 두뇌 전쟁: LLM이 로봇의 몸을 얻다

하드웨어는 중국이 압도하고 있지만, 로봇에 들어가는 AI 두뇌 의 경쟁은 완전히 다른 양상입니다. 여기서는 미국이 주도권을 쥐고 있습니다.

Google DeepMind의 Gemini Robotics 는 현재 가장 주목받는 로봇 AI 모델입니다. Gemini 2.0 기반의 VLA 모델로, 물리적 행동을 텍스트나 이미지와 동등한 출력 모달리티로 추가한 것이 핵심입니다. 학습하지 않은 새로운 상황에도 일반화가 가능합니다. DeepMind는 Boston Dynamics, Agile Robots, Apptronik과 동시에 파트너십을 체결하며 사실상 로봇 AI의 "Android"를 만들고 있습니다.

NVIDIA 는 인프라 측면에서 접근합니다. GTC 2026에서 발표한 Cosmos 3는 합성 세계 생성, 비전 추론, 행동 시뮬레이션을 통합한 최초의 월드 파운데이션 모델입니다. Isaac GR00T N1.6은 휴머노이드 전용 오픈 추론 VLA 모델로, 전신 제어와 Cosmos Reason 기반 추론을 결합합니다. Isaac Sim과 Isaac Lab을 통한 시뮬레이션 학습 파이프라인은 이미 업계 표준이 되어가고 있습니다.

학술 쪽에서도 의미 있는 진전이 있습니다. Nature Machine Intelligence에 발표된 ROS 2 기반 LLM 프레임워크는 LLM의 출력을 자동으로 로봇 행동으로 변환합니다. 인라인 코드 또는 행동 트리 실행 모드를 지원하며, 산업 현장 실증에서 음성 명령을 로봇 행동으로 변환하는 글로벌 성공률 98.46% 를 달성했습니다.

그리고 이 블로그에서 이전에 다뤘던 AMI Labs 의 움직임도 이 맥락에서 다시 볼 필요가 있습니다. Yann LeCun이 설립한 AMI Labs는 $1.03B 시드 라운드(유럽 최대)를 마감하며 JEPA 아키텍처 기반 World Model을 개발하고 있습니다. LLM이 텍스트는 잘 처리하지만 물리적 세계의 인과관계를 이해하지 못한다는 한계를 정면으로 겨냥한 접근입니다. NVIDIA, Temasek, Bezos Expeditions가 투자한 이유도 여기에 있습니다. 1차 상용 타겟이 산업용 로보틱스라는 점에서, AMI Labs의 World Model이 실제 로봇에 탑재되는 날이 그리 멀지 않을 수 있습니다.

실무 영향: AI 개발자에게 Physical AI가 의미하는 것

이 모든 변화가 소프트웨어 중심의 AI 개발자에게는 어떤 의미일까요? Physical AI는 완전히 새로운 기술 스택을 요구합니다.

전통적인 AI 개발이 데이터셋 → 모델 학습 → API 배포라는 파이프라인을 따른다면, Physical AI는 여기에 시뮬레이션, 센서 융합, 실시간 제어, 안전 검증이 추가됩니다. VLA 모델은 텍스트와 이미지를 입력받아 물리적 행동 을 출력합니다. "프롬프트 엔지니어링"이 아닌 "행동 엔지니어링"이 필요한 영역입니다.

구체적으로 살펴보면, 몇 가지 새로운 역할과 기술 수요가 떠오르고 있습니다. 첫째, Sim2Real 엔지니어 입니다. NVIDIA Isaac Sim 같은 시뮬레이션 환경에서 로봇을 훈련시키고, 실세계와의 갭을 줄이는 전문가입니다. 둘째, 로봇 플릿 오케스트레이션 입니다. Amazon이 100만 번째 로봇을 배치하며 DeepFleet AI를 개발한 것처럼, 수천 대의 이종 로봇을 관리하는 소프트웨어가 필요합니다. 셋째, 안전 검증 엔지니어 입니다. 소프트웨어 버그는 서버를 다운시키지만, 로봇의 버그는 물리적 사고를 일으킵니다. ISO 안전 표준 준수, 사이버보안, 책임 프레임워크를 다루는 역할입니다.

IFR(국제로봇연맹)의 2026년 글로벌 로보틱스 5대 트렌드에서도 이 변화를 읽을 수 있습니다. "분석적 AI(예측 유지보수), 생성적 AI(시뮬레이션 학습 데이터), 에이전틱 AI(복합 실세계 운용)의 통합"이 첫 번째 트렌드로 꼽혔습니다. AI의 세 가지 형태가 하나의 물리적 플랫폼 위에서 수렴하고 있는 것입니다.

글로벌 산업용 로봇 시장은 2026년 $16.7B(약 22조 원) 로 사상 최고치를 기록할 전망입니다(IFR). 휴머노이드 로봇 시장만 따지면 2026년 $46B, 2035년 $3050B, 그리고 UBS와 Morgan Stanley는 2050년까지 각각 $1.4T과 $5T를 전망합니다. 누적 업계 펀딩은 이미 $9.8B를 돌파했습니다.

커뮤니티 반응: 기대와 현실 사이

업계 전반적으로 "2026년이 진정한 Mass Production Year Zero"라는 공감대가 형성되어 있습니다. BMW 공장에서 Figure 02가 30,000대 X3 생산에 기여한 실적은 "로봇이 정말로 일할 수 있다"는 증거로 평가받고 있습니다. Unitree G1의 $13,500이라는 가격은 "로봇 민주화"의 시작으로 환영받고 있습니다.

하지만 냉정한 시각도 만만치 않습니다. Tesla Optimus에 대한 회의론 이 가장 두드러집니다. Musk가 직접 "공장에서 유용한 작업을 수행하고 있지 않다"고 인정한 상황에서, 연간 100만 대 생산 목표는 비현실적이라는 비판이 있습니다.

노동 시장 우려 도 뜨거운 쟁점입니다. 대규모 로봇 배치가 공장과 공공 공간으로 확산되면, 안전 기준과 노조 합의, 책임 규정이 AI 모델이나 액추에이터만큼 중요해진다는 지적이 나옵니다. 다만 현재 주류 내러티브는 순수 대체보다는 "Co-botics" , 즉 협업 모델입니다. 로봇이 위험하거나 반복적인 작업을 맡고, 인간은 감독과 기술 유지보수 역할로 전환된다는 시각입니다.

Agility Robotics의 공동창업자이자 Oregon State 교수인 Jonathan Hurst는 휴머노이드의 형태적 이점을 이렇게 설명합니다.

"우리 세계는 인간의 몸에 맞춰 만들어졌습니다."

문, 계단, 주방, 공장의 통로. 기존 인프라를 바꿀 필요 없이 그대로 활용할 수 있다는 것이 휴머노이드가 다른 형태의 로봇보다 유리한 이유입니다.

반면 Ohio State 공과대학장 Ayanna Howard는 보다 신중한 입장입니다.

"저는 근본적으로 어딘가에 항상 사람이 루프에 있어야 한다고 믿습니다. 항상요."

(원문: "I fundamentally believe that somewhere there always needs to be a human in the loop. Always.")

AI의 물리적 구현은 물리적 힘을 가하므로, 결과가 비가역적이라는 점을 강조한 것입니다. 소프트웨어 버그는 Ctrl+Z로 되돌릴 수 있지만, 로봇의 실수는 그렇지 않습니다.

Sim2Real 갭 에 대한 개발자 커뮤니티의 우려도 지속되고 있습니다. 시뮬레이션은 도움이 되지만 실세계의 모든 물리학과 에지 케이스를 포착하지 못한다는 의견이 주류입니다. 그리고 중국 의존도 문제도 있습니다. 전체 생산의 90%를 중국이 담당하는 상황은 반도체 못지않은 공급망 리스크를 내포하고 있습니다.

전망: 2035년, 로봇 한 대 $13,000의 세계

단기적으로 2026~2027년은 중국 기업들의 압도적 생산량 우위가 지속될 것입니다. 핵심 관전 포인트는 Tesla Optimus Gen 3가 실제 생산성을 입증할 수 있느냐입니다. Boston Dynamics Atlas의 Hyundai 공장 배치가 시작되고, Figure 03의 가정용 테스트가 2026년 말에 예정되어 있습니다. Google DeepMind Gemini Robotics의 산업 현장 실증 결과도 공개될 것입니다.

중기적으로 2028~2030년에는 인건비 대비 경제성 전환점이 도래합니다. 물류와 창고에서 의료, 호스피탈리티로 배치 영역이 확산되고, AMI Labs 등의 World Model 기반 차세대 로봇 지능이 상용화될 전망입니다. Atlas를 위한 연간 30,000대 전용 공장이 가동됩니다.

장기적으로 2035년에는 로봇 원가가 $13,000~$17,000에 도달합니다. UBS는 직장에 200만 대의 휴머노이드가 배치될 것으로 전망하고, 범용 가정용 휴머노이드 어시스턴트 시장이 형성됩니다. 2050년이 되면 3억 대, $1.4~5T 규모의 시장이 될 것이라는 것이 UBS와 Morgan Stanley의 추정입니다.

하지만 구현 장벽도 분명히 존재합니다. Deloitte는 Sim2Real 갭, 안전 및 신뢰성, 규제 불확실성, 데이터 관리, 인간 수용성, 사이버보안, 플릿 오케스트레이션의 7가지를 주요 장벽으로 꼽았습니다. 특히 로봇이 공장에서 공공 공간으로 이동하면서, 관할권 간 상충하는 규제가 큰 허들이 될 수 있습니다.

Naturgy Energy Group의 CDO Rafael Blesa는 에너지 산업의 관점을 이렇게 밝혔습니다.

"고전압이나 가스 파이프 관련 위험한 현장 작업에 로봇 배치까지 3~4년이 걸릴 것입니다. 하지만 그것은 생명을 구할 수 있습니다."

휴머노이드 로봇의 대량 생산 시대는 이미 시작되었습니다. 10,000대라는 숫자는 더 이상 미래의 약속이 아니라 현재의 팩트입니다. 중국이 하드웨어를, 미국이 AI를 담당하는 분업 구조는 반도체 산업의 파운드리-팹리스 모델을 떠올리게 합니다. 다만 AI가 물리적 힘을 갖는다는 것은, 소프트웨어만 다루던 시대와는 질적으로 다른 책임을 요구합니다. 이 산업이 어떤 규범과 안전장치 위에서 성장하느냐가, 기술 자체만큼이나 중요한 질문이 될 것입니다.