오픈AI가 로봇 몸까지 직접 만듭니다 — 중국을 빼면 한 대에 13만 1천 달러

챗봇을 만들던 회사가 로봇 몸을 만들겠다고 했습니다. 샘 알트만이 팟캐스트에서 직접 확인해 준 이야기입니다.

그런데 발표보다 흥미로운 건 그 뒤에 붙은 숫자입니다. 로봇 한 대를 중국 부품 없이 만들면 값이 세 배 가까이 뜁니다. 오늘은 그 계산을 따라가 보겠습니다.

알트만이 휴머노이드는 확실히 한다고 답했습니다

오픈AI의 샘 알트만이 팟캐스트에 나와 로봇 계획을 확인했습니다. 회사가 사람 모양 로봇을 만들 것이냐는 질문에 확실히 하겠다고 답했습니다.

그동안은 소문 수준이었습니다. 채용 공고와 인수 이야기가 오갔지만 회사가 직접 말한 적은 없었습니다. 이번에 대표가 공개 석상에서 인정한 것이 달라진 점입니다.

질문은 데이터센터용이냐 사람 모양이냐였습니다

진행자가 물은 것은 두 갈래였습니다. 데이터센터 안에서 서버를 다루는 기계를 만드는 것인지, 아니면 사람처럼 팔다리가 달린 로봇을 만드는 것인지였습니다.

두 방향은 난이도가 전혀 다릅니다. 데이터센터 로봇은 환경이 정해져 있어 훨씬 쉽습니다. 사람 모양은 계단도 오르고 문도 열어야 해서 어렵습니다.

답은 둘 다였습니다

알트만은 둘 다라고 답했습니다. 사람 모양도 만들고 다른 형태도 만들겠다고 했습니다.

이 답은 회사가 한 갈래를 고르지 않았다는 뜻입니다. 로봇 몸체 자체를 여러 형태로 실험하겠다는 이야기이고, 그만큼 하드웨어 조직을 크게 가져가겠다는 신호이기도 합니다.

채용 공고 19개가 먼저 말해 줬습니다

포브스가 오픈AI의 샌프란시스코 채용 공고를 세어 봤더니 로봇 관련 자리가 열아홉 개였습니다. 대표의 발언보다 먼저 나온 증거였습니다.

채용 공고는 회사가 무엇을 하려는지 가장 정직하게 보여 줍니다. 보도자료는 다듬을 수 있지만 사람을 뽑는 자리는 실제 일감이 있어야 열립니다.

액추에이터 담당만 네 자리입니다

열아홉 자리 가운데 네 자리가 액추에이터를 다룹니다. 액추에이터는 로봇의 관절을 실제로 움직이는 부품입니다. 사람으로 치면 근육에 해당합니다.

기술 프로그램 관리자 자리 하나도 액추에이터 업무를 맡습니다. 부품 하나를 두고 담당자와 관리자를 따로 두는 것은 그 부품이 프로젝트의 중심이라는 뜻입니다.

회로기판 설계와 열 시뮬레이션도 뽑습니다

나머지 공고는 인쇄회로기판 배치, 열 시뮬레이션, 펌웨어, 시제품 제작으로 이어집니다. 전부 물리적인 물건을 만들 때 필요한 일입니다.

열 시뮬레이션이 목록에 있다는 점이 특히 눈에 띕니다. 로봇이 움직이면 모터에서 열이 나고, 그 열을 빼지 못하면 기계가 멈춥니다. 이미 그 단계를 걱정하고 있다는 뜻입니다.

재고와 부품 조달 담당까지 있습니다

재고 관리와 원자재 조달을 맡는 자리도 있습니다. 연구 단계가 아니라 실제로 물건을 몇 개 만들지 세는 단계에 필요한 역할입니다.

부품을 사 오려면 공급업체와 계약해야 하고, 몇 개를 언제까지 받을지 정해야 합니다. 이런 자리가 열렸다는 것은 계획이 문서 밖으로 나왔다는 신호입니다.

소프트웨어 회사의 채용 목록이 아닙니다

이 목록을 나란히 놓고 보면 소프트웨어 회사가 아니라 하드웨어 회사의 구인란처럼 보입니다. 모델을 훈련하는 자리보다 물건을 만드는 자리가 더 눈에 띕니다.

오픈AI는 오랫동안 모델로만 알려진 회사였습니다. 그 회사가 부품 조달 담당을 뽑는다는 것 자체가 방향이 바뀌었다는 이야기입니다.

알트만은 몸보다 뇌가 어렵다고 봅니다

알트만은 로봇 몸을 만드는 일보다 그 몸을 움직이는 지능을 만드는 일이 훨씬 중요하다고 말했습니다. 로봇을 작동하게 하는 두뇌를 알아내는 일이 핵심이라는 취지였습니다.

몸은 이미 여러 회사가 만들고 있습니다. 다리가 걷고 손이 물건을 집는 기술은 어느 정도 자리를 잡았습니다. 문제는 무엇을 집을지 스스로 판단하는 부분입니다.

로봇을 움직이는 피지컬 AI가 진짜 숙제입니다

물리 세계에서 동작하는 AI를 피지컬 AI라고 부릅니다. 화면 안의 글자가 아니라 실제 물건과 공간을 다루는 지능입니다.

언어 모델은 틀리면 문장 하나가 이상해질 뿐입니다. 로봇이 틀리면 컵이 깨지거나 사람이 다칩니다. 허용되는 오차의 폭이 다릅니다.

단기 목표는 집이 아니라 공장입니다

알트만이 말한 이상은 누구나 집에 로봇 한 대를 두는 미래입니다. 다만 회사의 단기 목표는 거기가 아닙니다.

당장은 산업 인프라와 데이터센터 자동화가 우선이라고 알려졌습니다. 환경이 통제된 곳에서 먼저 쓰고, 거기서 얻은 데이터로 모델을 키우겠다는 순서입니다.

데이터센터 자동화가 먼저입니다

데이터센터는 로봇에게 편한 곳입니다. 바닥이 평평하고 조명이 일정하고 물건 위치가 정해져 있습니다. 예상 밖의 상황이 적습니다.

게다가 오픈AI는 이미 대규모 데이터센터를 짓고 있습니다. 자기가 지은 건물 안에서 자기 로봇을 시험할 수 있다는 것은 큰 이점입니다.

그런데 몸을 만들려면 부품이 필요합니다

여기서 계획과 현실이 만납니다. 두뇌를 아무리 잘 만들어도 몸을 조립하려면 실제 부품을 사 와야 합니다.

부품은 코드처럼 복사되지 않습니다. 누군가 광산에서 원료를 캐고, 공장에서 깎고, 배에 실어 보내야 합니다. 그 경로가 어디를 지나는지가 이번 이야기의 핵심입니다.

오픈마인드가 그 값을 계산했습니다

로봇 회사 오픈마인드가 2026년 피지컬 AI 준비지수를 내면서 로봇 한 대의 부품값을 나라별 조건으로 계산했습니다.

지수 자체는 나라별 순위를 매기는 보고서입니다. 그 안에 부품값 계산이 들어 있고, 그 숫자가 이번 뉴스에서 가장 많이 인용됐습니다.

중국을 거치면 한 대에 4만 6천 달러입니다

일반적인 공급망, 즉 중국을 지나는 경로로 만들면 휴머노이드 한 대의 부품값이 약 4만 6천 달러로 계산됐습니다. 우리 돈으로 육천만 원대입니다.

이 값도 싸지는 않습니다. 다만 자동차 한 대 값 수준이라 대량 생산이 시작되면 더 내려갈 여지가 있는 구간입니다.

중국을 빼면 13만 1천 달러가 됩니다

같은 로봇을 중국 공급업체 없이 만들면 부품값이 약 13만 1천 달러로 뜁니다. 우리 돈 일억 팔천만 원대입니다.

값이 세 배 가까이 오르면 사업 계획이 통째로 바뀝니다. 공장에 백 대를 넣으려던 계획이 서른 대로 줄어듭니다.

세 배 가까이 뜁니다

4만 6천에서 13만 1천으로 오르는 것은 단순한 물가 차이가 아닙니다. 같은 부품을 다른 곳에서 구할 때 치러야 하는 값입니다.

이 차이는 관세로 생기는 것이 아닙니다. 애초에 그 부품을 그 규모로 만드는 공장이 다른 나라에 충분히 없기 때문에 생깁니다.

원인은 액추에이터입니다

값이 뛰는 지점은 대부분 액추에이터입니다. 앞에서 오픈AI가 담당자를 넷이나 뽑은 그 부품입니다.

액추에이터는 모터와 감속기와 센서가 한 덩어리로 들어간 부품입니다. 정밀 가공이 필요하고 대량으로 만들어야 값이 내려갑니다.

부품값의 40~60퍼센트를 차지합니다

오픈마인드 계산에 따르면 액추에이터가 휴머노이드 부품값의 40에서 60퍼센트를 차지합니다. 절반 안팎이 관절 하나하나에 들어가는 셈입니다.

그래서 액추에이터 공급처가 어디냐에 따라 전체 값이 흔들립니다. 나머지 부품을 아무리 아껴도 이 부분을 바꾸지 못하면 값이 안 내려갑니다.

희토류 소결 소재의 94퍼센트가 중국에서 나옵니다

액추에이터 안의 모터에는 강한 자석이 들어갑니다. 그 자석을 만드는 소결 희토류 소재의 약 94퍼센트를 중국이 생산합니다.

94퍼센트는 사실상 한 곳에 몰려 있다는 뜻입니다. 나머지 6퍼센트로 세계 수요를 감당할 수는 없습니다.

피지컬 AI 준비지수가 순위를 매겼습니다

오픈마인드는 나라별로 로봇을 만들 준비가 얼마나 됐는지 점수를 매겼습니다. AI 실력, 인적 자원, 소재, 공급망을 함께 봤습니다.

이 지수가 흥미로운 이유는 AI 실력만 보지 않았다는 점입니다. 모델을 잘 만드는 것과 로봇을 실제로 찍어 내는 것이 다르다는 전제를 깔고 있습니다.

중국 82.9, 일본 69.6, 미국 69.0입니다

종합 점수는 중국이 82.9로 1위였습니다. 일본이 69.6, 미국이 69.0으로 뒤를 이었습니다.

미국이 3위라는 점이 눈에 띕니다. AI 모델에서는 앞서 있는데 종합 순위에서는 일본에도 밀렸습니다.

미국은 AI에서 앞서고 소재에서 밀립니다

항목을 나눠 보면 이유가 분명해집니다. 미국은 AI와 인적 자원에서 높은 점수를 받았습니다. 모델과 연구자는 충분하다는 뜻입니다.

문제는 물건 쪽입니다. 소재와 공급망 항목에서 크게 뒤처졌고, 그 격차가 종합 순위를 끌어내렸습니다.

소재·공급망 점수는 48.5 대 95입니다

소재와 공급망 항목에서 미국은 48.5점, 중국은 95점을 받았습니다. 거의 두 배 차이입니다.

이 한 항목이 오늘 이야기의 전부라고 해도 지나치지 않습니다. 로봇의 병목이 소프트웨어가 아니라 기계라는 사실을 숫자로 보여 줍니다.

로봇 투자는 이미 기록을 갈아치웠습니다

돈은 이미 이쪽으로 몰리고 있습니다. 크런치베이스 집계로 올해 로봇 스타트업이 모은 돈이 230억 달러를 넘었습니다.

지난해 한 해 전체가 260억 달러 규모였는데, 올해는 아직 몇 주가 남은 시점에 그 근처까지 왔습니다.

올해 230억 달러가 로봇에 들어갔습니다

230억 달러는 우리 돈으로 삼십조 원이 넘는 금액입니다. 2019년의 로봇 투자가 40억 달러였던 것과 비교하면 여섯 배 가까이 늘었습니다.

이 돈이 한꺼번에 들어온 이유는 분명합니다. 챗봇을 움직인 그 기술이 로봇도 움직일 수 있다는 기대 때문입니다.

휴머노이드에만 86억 달러가 몰렸습니다

그중 사람 모양 로봇에만 86억 달러가 들어갔습니다. 지난해 한 해 전체의 1.8배입니다.

투자자들이 사람 모양을 고른 이유는 시장이 크기 때문입니다. 공장도 집도 사람이 쓰도록 만들어져 있어서, 사람 모양이면 그대로 들어갈 수 있습니다.

실제 사례 — 챗봇 회사가 공장을 알아야 하는 이유

어떤 국내 부품 회사가 로봇 팔을 만든다고 생각해 보겠습니다. 설계도 끝났고 제어 소프트웨어도 준비됐습니다. 남은 것은 관절 모터를 사 오는 일뿐입니다.

견적을 받아 보니 중국 업체가 가장 쌉니다. 국내와 일본 업체도 있지만 값이 두세 배입니다. 여기서 결정이 갈립니다. 값을 택하면 공급망이 한 곳에 묶이고, 안정성을 택하면 값이 뜁니다.

오픈AI가 지금 마주한 문제가 규모만 다를 뿐 같은 문제입니다. 모델을 잘 만드는 실력과 부품을 제때 싸게 받는 능력은 전혀 다른 근육입니다.

핵심 정리

샘 알트만이 오픈AI가 사람 모양 로봇을 직접 만들겠다고 확인했습니다. 채용 공고 열아홉 자리가 그 계획을 뒷받침합니다.

다만 로봇 한 대의 부품값은 중국을 거치면 4만 6천 달러, 빼면 13만 1천 달러입니다. 원인은 부품값의 절반을 차지하는 액추에이터이고, 그 안의 희토류 소재 94퍼센트가 중국에서 나옵니다.

피지컬 AI 준비지수는 중국 82.9, 일본 69.6, 미국 69.0을 매겼습니다. 미국은 AI에서 앞서지만 소재와 공급망에서 48.5 대 95로 밀립니다. 로봇의 병목은 지능이 아니라 부품입니다.

참고하실 만한 것

로봇 소식을 볼 때 발표된 성능보다 부품 조달 이야기를 함께 보시면 실현 가능성이 더 잘 보입니다. 시제품은 한 대만 만들면 되지만 제품은 수천 대를 같은 값에 만들어야 합니다.

SVIL은 AI 소식을 큰 글씨와 쉬운 설명으로 정리해 전해 드리고 있습니다. 이 글이 도움이 되셨다면 블로그를 구독해 주세요.

출처

• Forbes — OpenAI Is Making A Humanoid Robot
• Humanoids Daily — Sam Altman Confirms OpenAI Will Do a Humanoid
• The Daily Caller — Beijing Could Throw Wrench In Altman Humanoid Robot Dreams
• AI Business — China Humanoid Edge Is Hardware, Not AI
• Forbes — Top 25 Countries Ranked For Robots And Physical AI
• Seeking Alpha — OpenAI recent hires show push towards humanoid robotics
• Crunchbase News — Robotics Startups On Fire As Venture Funding Surges
• Value Add Pulse — Robotics startups raise $23B, humanoid funding hits $8.6B

협업문의 : kuroicode@gmail.com
블로그 : https://blog.svil.dev/
홈페이지 : https://svil.dev/