AI 로봇 수익화 관련

 

1. 문제의식

• 빅테크와 생성형 AI 기업들은 AI 인프라와 모델 개발에 막대한 자금을 투입하고 있음.
• 그러나 현재 생성형 AI의 주요 수익원은 기업용 AI, 코딩 AI, 개인용 AI 등 대부분 소프트웨어 영역에 머물러 있음.
• 이 소프트웨어 시장만으로는 천문학적 AI 투자비를 회수하기 어렵다는 우려가 존재함.
• 따라서 생성형 AI 기업이 진짜 큰돈을 벌 수 있는 다음 시장은 로봇일 가능성이 큼.

2. 핵심 주장

• 로봇은 소프트웨어 AI보다 훨씬 큰 물리적 노동 시장을 겨냥함.
• 소프트웨어 AI는 지식노동자의 생산성을 높이는 데 그치지만, 로봇은 몸으로 하는 노동 전체를 대체하거나 보완할 수 있음.
• 단기적으로는 구글처럼 로봇 두뇌를 여러 하드웨어 업체에 공급하는 방식이 유리함.
• 장기적으로는 테슬라처럼 하드웨어, AI, 데이터, 실제 사용처를 모두 내재화한 수직통합 모델이 더 큰 파이를 가져갈 가능성이 있음.

3. 로봇 시장이 큰 이유

• 세계 GDP는 약 110조 달러로 추산됨.
• 이 중 노동자 임금으로 돌아가는 비중은 약 52~53%임.
• 전 세계 인건비 총액은 약 58조 달러 수준으로 볼 수 있음.
• 지식노동자는 전 세계 노동인구의 약 30%임.
• 지식노동자가 받는 임금 총액은 약 35~50조 달러로 추산됨.
• 지식노동자는 인원 비중은 낮지만 평균보다 높은 임금을 받기 때문에 금액 기준 비중이 큼.
• 그러나 세계 노동인구의 약 70%는 몸으로 하는 노동을 수행함.
• 노동 시간 기준으로 보면 물리적 노동의 비중은 더 큼.
• 따라서 로봇은 단순 지식노동보다 훨씬 넓은 노동 시장을 겨냥할 수 있음.

4. 소프트웨어 AI의 한계

• 소프트웨어 AI는 주로 지식노동자의 업무 효율을 높이는 방식으로 작동함.
• 즉, 사람을 완전히 대체하기보다는 생산성을 일부 개선하는 도구에 가까움.
• 한 추산에 따르면 AI가 지식노동자의 생산성을 10% 높이면 연간 3.5~5조 달러의 가치가 생김.
• 이는 매우 큰 금액이지만, 소프트웨어 AI가 현실적으로 노릴 수 있는 상한에 가까움.
• 소프트웨어 AI 매출은 결국 사람이 하던 일의 가치, 즉 인건비 예산에 묶이는 경향이 있음.

5. 로봇의 차별점

• 로봇은 단순히 인건비를 줄이는 도구가 아님.
• 로봇은 노동 공급 자체를 늘릴 수 있음.
• 기존 경제학에서 노동력은 인구수에 의해 제한되는 고정 자원임.
• 그러나 로봇은 이 고정된 노동 공급을 확장하는 변수로 작동함.
• 즉, 기존 파이를 나눠 먹는 것이 아니라 새로운 파이를 만드는 구조임.
• 제조업에서는 인건비보다 공장, 장비, 설비에 쓰는 자본적 지출이 더 큰 경우가 많음.
• 로봇은 인건비 예산뿐 아니라 설비 투자 예산까지 겨냥할 수 있음.

6. 왜 지금 로봇인가

• 로봇 산업은 오래전부터 유망하다고 평가받았지만, 실제 확산은 느렸음.
• 가장 큰 이유는 데이터 부족이었음.
• LLM은 인터넷에 널린 텍스트를 대량으로 학습할 수 있음.
• 반면 로봇은 물리적 행동 데이터를 필요로 함.
• 예컨대 물건을 어느 각도로 잡아야 하는지, 얼마나 세게 쥐어야 하는지, 팔을 어떻게 뻗어야 하는지 등을 학습해야 함.
• 이러한 데이터는 인터넷에 충분히 존재하지 않음.
• 과거에는 사람이 로봇을 직접 원격 조종해 데이터를 만들어야 했고, 비용과 시간이 많이 들었음.
• 이 데이터 병목을 생성형 AI 기술이 완화하기 시작함.

7. VLA 모델의 의미

• VLA는 Vision-Language-Action의 약자임.
• 비전은 눈으로 보는 능력임.
• 언어는 명령과 의미를 이해하는 능력임.
• 행동은 실제로 몸을 움직이는 능력임.
• VLA 모델은 이 세 가지를 하나로 묶은 로봇용 AI 모델임.
• LLM이 이미 학습한 세상 지식과 상식을 로봇 제어에 활용할 수 있음.
• 예를 들어 로봇이 컵, 물, 쏟아짐 같은 개념을 이미 이해한 상태에서 행동을 배우는 구조임.
• 따라서 모든 물리 행동을 처음부터 학습할 필요가 줄어듦.
• 이 지점에서 LLM을 보유한 AI 기업이 유리해짐.

8. 영상 사전학습과 시뮬레이션

• 로봇은 유튜브 등 영상 데이터에서 사람이 물건을 다루는 방식을 사전학습할 수 있음.
• 사람이 컵을 들거나 물건을 옮기는 영상을 대량으로 보면, 로봇은 실제로 해보지 않아도 기본 행동 패턴을 배울 수 있음.
• 여기에 시뮬레이터를 활용하면 가상 공간에서 로봇을 반복 훈련시킬 수 있음.
• 자율주행 분야에서 활용된 것처럼, 실제 세계를 컴퓨터 안에 구현해 훈련 데이터를 대량 생산하는 방식임.
• 이를 통해 비싼 실제 로봇 데이터 의존도를 낮출 수 있음.
• 대규모 데이터, 사전학습, 월드모델, 시뮬레이션은 생성형 AI 기업들이 강점을 가진 영역임.

9. 로봇 시장의 수익 구조

• 로봇에서 돈이 나오는 영역은 크게 세 가지임.
• 첫째, 하드웨어임.
  • 관절, 모터, 배터리, 센서, 로봇 몸체 등이 해당됨.
• 둘째, 소프트웨어임.
  • AI 모델, 제어 프로그램, 로봇 운영체제 등이 해당됨.
• 셋째, 통합 서비스임.
  • 공장이나 현장에 로봇을 설치하고 운영하는 서비스임.
• 단기적으로는 하드웨어가 큰 매출을 가져갈 가능성이 높음.
• 휴머노이드는 정밀 제조가 어렵고 부품 가치가 높기 때문임.
• 그러나 장기적으로는 스마트폰처럼 하드웨어가 표준화되고, 소프트웨어와 운영체제가 더 높은 마진을 가져갈 가능성이 큼.

10. 중국 하드웨어 업체의 단기 우위

• 중국은 전 세계 산업용 로봇 설치에서 큰 비중을 차지함.
• 중국은 미국보다 훨씬 많은 로봇을 산업 현장에 설치하고 있음.
• 유니트리 같은 중국 로봇 기업도 빠르게 성장하고 있음.
• 따라서 로봇 시장 초기 매출의 상당 부분은 LLM 회사보다 하드웨어 제조사와 중국 업체로 흘러갈 가능성이 큼.
• 즉, 초기 로봇 시장은 “두뇌”보다 “몸체”가 돈을 가져가는 구간임.

11. 구글식 모델

• 구글식 모델은 로봇의 몸체는 여러 회사가 만들고, 두뇌는 구글이 공급하는 방식임.
• 제미나이 로보틱스가 대표 사례임.
• 구글은 여러 형태의 로봇에 공통으로 적용 가능한 로봇 두뇌를 만들려 함.
• 하드웨어 비용은 로봇 제조사가 부담함.
• 구글은 AI 모델을 API나 소프트웨어 형태로 공급함.
• 로봇 한 대가 늘어날 때 구글의 추가 비용은 상대적으로 작음.
• 따라서 단기 자본 효율이 높고, 소프트웨어 마진을 빠르게 확보할 수 있음.

12. 테슬라식 모델

• 테슬라식 모델은 로봇 몸체와 두뇌를 모두 자체 개발하는 수직통합 방식임.
• 옵티머스가 대표 사례임.
• 테슬라는 외부 LLM 회사에 의존하지 않고 자체 AI와 자체 하드웨어를 결합하려 함.
• 현재 옵티머스는 외부 판매가 없고, 테슬라 공장 내 배치와 데이터 수집용으로 사용되는 단계임.
• 제조 원가는 한 대당 5만~10만 달러로 추정됨.
• 목표 판매가는 2만~3만 달러 수준으로 제시됨.
• 따라서 초기에는 팔수록 손해를 보거나 높은 가격을 받아야 할 가능성이 큼.

13. 단기 승부: 구글 우위

• 단기적으로는 구글식 모델이 유리함.
• 이유는 하드웨어 비용을 직접 부담하지 않기 때문임.
• 구글은 남의 로봇 위에 AI 두뇌를 얹어 소프트웨어 사용료를 받을 수 있음.
• 자기 자본을 적게 쓰면서 고마진 소프트웨어 사업을 할 수 있음.
• 반면 테슬라는 로봇 생산 설비, 부품, 제조 원가, 초기 손실을 직접 감당해야 함.
• 따라서 단기 자본 효율은 구글식 모델이 앞섬.

14. 장기 승부: 테슬라 잠재력

• 장기적으로는 테슬라식 모델이 더 큰 파이를 가져갈 가능성이 있음.
• 테슬라는 로봇을 만드는 회사이면서 동시에 로봇을 사용하는 고객임.
• 자기 공장에 배치한 로봇이 곧바로 학습 데이터를 생성함.
• 이 데이터는 다음 세대 로봇 개선과 원가 절감에 직접 반영됨.
• 자율주행차에서 쌓이는 시각·행동 데이터도 로봇 학습에 활용될 수 있음.
• 즉, 데이터 수집, 하드웨어 생산, AI 학습, 실제 현장 적용이 한 회사 안에서 순환함.
• 규모가 커지면 단위당 경제성이 크게 좋아질 수 있음.

15. 구글과 테슬라의 차이

• 구글의 상한은 자체 AI 모델을 만들지 못하는 로봇 하드웨어 회사들임.
• 즉, 구글은 여러 로봇 회사에 두뇌를 공급하는 플랫폼 사업자가 될 수 있음.
• 테슬라는 로봇 자체를 만들고, 그 로봇을 자기 공장에서 사용하고, 데이터를 다시 학습에 활용할 수 있음.
• 구글은 자본 효율이 높음.
• 테슬라는 장기 독점 잠재력이 큼.
• 단기적으로는 구글이 더 현실적임.
• 장기적으로는 테슬라가 더 큰 업사이드를 가질 수 있음.

16. 결론

• 생성형 AI의 다음 대형 수익화 시장은 로봇일 가능성이 큼.
• 소프트웨어 AI는 지식노동 생산성 향상에 머물지만, 로봇은 물리적 노동 시장 전체를 겨냥함.
• 로봇 시장 초기에는 하드웨어 업체와 중국 로봇 기업이 큰 매출을 가져갈 가능성이 높음.
• 장기적으로는 로봇의 두뇌, 운영체제, AI 모델이 더 높은 마진을 가져갈 가능성이 큼.
• 단기 승자는 구글식 로봇 AI 플랫폼일 가능성이 큼.
• 장기 잠재 승자는 테슬라식 수직통합 로봇 생태계일 가능성이 큼.