# 로보틱스 및 피지컬 AI 예측: 2026년의 6가지 투자 전망

> Clean Markdown view of GeekNews topic #28932. Use the original source for factual precision when an external source URL is present.

## Metadata

- GeekNews HTML: [https://news.hada.io/topic?id=28932](https://news.hada.io/topic?id=28932)
- GeekNews Markdown: [https://news.hada.io/topic/28932.md](https://news.hada.io/topic/28932.md)
- Type: GN+
- Author: [neo](https://news.hada.io/@neo)
- Published: 2026-04-27T10:26:02+09:00
- Updated: 2026-04-27T10:26:02+09:00
- Original source: [bvp.com](https://www.bvp.com/atlas/bessemer-predicts-robotics-and-physical-ai)
- Points: 10
- Comments: 1

## Topic Body

- 로보틱스 산업은 현재 **GPT-2.5 수준의 단계**에 있으며, 파운데이션 모델이 실제 역량을 보여주고 있으나 실험실 성과와 현장 배포 간의 격차가 여전히 큼  
- Goldman Sachs가 1년 만에 6배 상향한 **2035년 380억 달러 시장** 전망도 Bessemer는 보수적이라고 판단하며, 로보틱스 데이터 비용만 향후 2년간 **업계 전체 30억 달러 이상** 소요 예상  
- 미국 로보틱스 기업 창업자의 48%가 **Stanford, MIT, Berkeley, CMU 4개 기관** 출신으로, 인재 집중이 승자 독식 구조를 가속화할 전망  
- 방위 로보틱스 기업의 Series A 중앙값이 비방위 기업의 2배인 **1억 500만 달러**에 달하며, Anduril의 600억 달러 밸류에이션 등 **최초의 500억 달러 이상 IPO**가 이 분야에서 나올 것으로 예측  
- 지난 5년간 3,000만 달러 이상 투자받은 로보틱스 기업이 소프트웨어의 **18분의 1 수준**인 42개에 불과해, 로보틱스 버블이 아닌 **구조적 과소 투자** 상태  
  
---  
  
### 로보틱스의 구조적 수요와 시장 전망  
  
- 반복적 육체노동이나 위험한 작업 환경에 대한 인력 대체 수요가 미국, 유럽, 일본, 중국의 **인구 구조 변화**로 인해 지속 증가 중  
- 일부 애널리스트들은 로보틱스 시장이 **2035년까지 380억 달러**에 도달할 것으로 예측했으며, Goldman Sachs는 이 전망을 1년 만에 6배 상향 조정  
- Bessemer는 이 전망조차 속도와 규모 양면에서 **보수적**이라고 판단  
- Bessemer 파트너 Jeremy Levine은 "향후 10~20년 안에 지구상에 **지금보다 10만 배 많은 로봇**이 존재할 것"이라고 발언  
- Bessemer는 **인재 이동, 기술 돌파구, 구조적 순풍**이 동시에 가속화되는 시점에서 투자 기회를 포착하며, 포트폴리오에 Waymo, Mind Robotics, Foxglove, Breaker, Noda, Voxel51, DroneDeploy, Auterion, Perceptron, ANYbotics 등 포함  
  
### 예측 1: 로보틱스의 ChatGPT 모먼트는 다가오고 있지만 아직 도달하지 않음  
  
- 로보틱스 산업은 **GPT-2.5 모먼트**에 해당하는 단계로, 파운데이션 모델이 실질적 역량을 보여주고 스케일링 법칙이 나타나기 시작했으나 **연구실 데모와 프로덕션 배포 간의 격차**가 여전히 큼  
- Physical Intelligence의 **π0 모델**은 인간 수준의 민첩성으로 빨래를 개는 데 성공  
- 2026년 2월 발표된 **EgoScale 논문**은 사전학습 데이터 규모에 따라 정책 성능이 예측 가능하게 향상됨을 입증, 로보틱스 파운데이션 모델이 **LLM과 동일한 데이터 기반 향상 곡선**을 따른다는 첫 강력한 증거 제시  
- 두 가지 핵심 미해결 질문 존재  
  - 연구실 성능과 프로덕션이 요구하는 **99.9% 신뢰도** 간의 격차를 좁히려면 얼마나 많은 데이터가 필요한지  
  - 로보틱스의 ChatGPT 모먼트가 도래할 때 그 모습이 어떨지  
- 챗봇과 달리 텍스트 박스로 역량을 증명할 수 없으며, **인간 개입 없이 낯선 환경에서 복잡한 작업을 수행하는 로봇**이 그 증거가 될 것  
- 이미 상용화된 분야: **창고 자동화, 수술 보조, 라스트마일 배송, 산업 검사** 등 제한된 환경의 목적 특화 시스템이 현재 매출 발생 중  
- Perceptron CEO Armen Aghajanyan: "실세계 로보틱스의 핵심은 더 나은 제어 알고리듬이 아니라 **물리 세계를 이해하는 파운데이션 모델**이며, 로봇 제어는 그 위의 얇은 레이어에 불과"  
  
### 예측 2: 스케일링 법칙의 등장 — 데이터는 비싸고 자본이 해자이며, 월드 모델이 지름길이 될 가능성  
  
- LLM은 인터넷에서 수백 조 토큰의 텍스트를 활용할 수 있었으나, 로보틱스에는 그에 상응하는 **코퍼스가 존재하지 않음**  
- 전 세계 로봇 조작 데이터는 약 **30만 시간**으로 추정되며, 인터넷 비디오 약 **10억 시간**, 텍스트 **300조 토큰**과 비교하면 구조적 격차 존재  
- Bessemer는 향후 2년간 업계 전체 로보틱스 데이터 비용이 **30억 달러 이상**에 달할 것으로 추정  
  - 텔레오퍼레이션, 자아중심 비디오, 시뮬레이션, 물리적 시연 수집 등 포함  
  - 로봇 데이터는 스크래핑하거나 구매할 수 없고, **작업별·환경별로 직접 생성**해야 함  
- Zeromatter CEO Ian Glow: "텔레옵만으로는 성공적인 데이터 전략이 될 수 없으며, 인터넷이나 시뮬레이터에서 **강화학습을 통해 데이터를 가져와야** 필요한 규모와 다양성 확보 가능"  
- **월드 모델**: 인터넷 규모의 비디오에서 물리 법칙을 학습하는 신경망  
  - Meta의 **V-JEPA 2**는 100만 시간 이상의 비디오로 학습 후, 62시간의 추가 로봇 데이터만으로 실제 로봇 팔에서 **80% 제로샷 pick-and-place 성공률** 달성  
  - 단, NVIDIA의 **Cosmos**는 학습에 10,000개의 H100 GPU를 3개월간 사용했으며, 월드 모델도 **자본 집약적 접근**  
- **시뮬레이션과 강화학습**: 보행(locomotion)에는 sim-to-real 전환이 잘 작동하나, **조작(manipulation)** 에서는 연성 물체, 직물, 액체 등의 충실도 문제로 아직 **미해결 연구 과제**  
- Voxel51 CEO Brian Moore: "물리적 AI에서 선두와 허세를 가르는 것은 **데이터 품질에 대한 집착**이며, 나쁜 데이터는 비효율이 아니라 위험"  
  
### 예측 3: 인재 집중이 빠르게 승자를 결정 — 50개 기업이 성공하는 시장이 아님  
  
- 최근 5년간 설립되어 3,000만 달러 이상 투자받은 미국 로보틱스 기업 중 **창업자의 43%가 박사 학위** 보유  
- 그 중 **48%가 Stanford, MIT, Berkeley, CMU 4개 기관** 출신  
- 56%가 최소 1명의 박사 공동창업자를, 43%가 학계 직접 출신 창업자를 보유  
- 인재 해자(moat)는 **인재 → 자본 → 데이터 파트너십 → 고객 관계 → 독점 데이터셋** 순으로 복리 효과 발생, 승자 독식 구조가 대부분의 예상보다 빠르게 형성  
- LLM 분야에서는 오픈소스(Llama, Mistral)가 역량 접근을 민주화했으나, 로보틱스에서는 **LeRobot, Genesis, Isaac Lab** 등의 오픈소스가 성장 중이지만 "여전히 로봇이 필요"하다는 물리적 마찰 존재  
- **sim-to-real 전환, 조작, 보행, 센서 퓨전** 등에서 가장 깊은 전문성을 가진 팀이 오픈소스 릴리스로 쉽게 복제할 수 없는 우위 구축 중  
  
### 예측 4: 풀스택 기업이 단기 가치 확보 — 순수 파운데이션 모델 기업은 기다려야 함  
  
- LLM에서는 GPT-4 같은 **단일 API 엔드포인트**로 2인 팀도 프론티어 AI 제품을 바로 구축 가능했으나, 로보틱스는 **도메인별 데이터 수집, 환경 맞춤 파인튜닝, 하드웨어 통합, 운영 인프라** 필요  
- 현재 구축되는 해자는 모델 아키텍처보다 **독점 데이터 파이프라인, 도메인 전문성, 배포 인프라, 피드백 루프를 생성하는 고객 관계**에 존재  
- **하드웨어 비용 하락**이 이 역학을 가속화  
  - DroneDeploy CEO Mike Winn: "건설 분야 지상 로봇이 대당 **10만 달러에서 1만 5,000달러 미만**으로, 도킹 드론이 **20만 달러에서 2만 달러 미만**으로 하락하면서 배포 확장의 임계점 통과 중"  
- 스택은 세 레이어로 분리  
  - **인프라 레이어**: 파운데이션 모델, 월드 모델  
  - **애플리케이션 레이어**: 커스텀 하드웨어를 가진 풀스택 기업(휴머노이드, 산업용 시스템) + 상용 기성 플랫폼에 AI를 적용하는 풀스택 기업  
- 가치가 애플리케이션 레이어에 집중되는 이유는 인프라 레이어가 아직 엔드투엔드 배포를 **독립적으로 지원할 만큼 범용적이지 않기** 때문  
- 파운데이션 모델이 향상되고 sim-to-real 전환이 성숙하면 로보틱스의 **API 모먼트**가 도래할 것이나, 이는 **2028년 이후의 이야기**이며 현재 창에서는 수직 통합이 지속가능한 가치를 창출하는 영역  
- Foxglove CEO Adrian Macneil: "물리적 AI의 결정적 우위는 모델의 새로움이 아닌 **데이터 인프라의 품질**이며, 모델이 수렴할수록 가장 강한 데이터 플라이휠을 가진 기업이 승리"  
  
### 예측 5: 방위 로보틱스가 해당 카테고리 최초의 500억 달러 이상 IPO를 이끌 것  
  
- 방위 로보틱스 기업의 **Series A 중앙값**이 2025년 기준 **1억 500만 달러**로, 비방위 기업의 **5,000만 달러**의 2배 이상이며, 이 격차는 2021년 이후 매년 확대  
- Anduril은 2026년 3월 **600억 달러 밸류에이션**으로 마감, Saronic은 같은 달 자율 조선을 위한 **17억 5,000만 달러 Series D** 유치  
- 방위 조달 주기는 길지만 예측 가능하며, 계약 규모가 크고 갱신율이 높으며 전환 비용이 상당  
- 상업 로보틱스와 달리 방위 구매자는 ROI가 아닌 **국가 안보 위험**이라는 다른 계산법으로 운영  
- 지정학적 측면이 이를 증폭: **2025년 전 세계 판매 휴머노이드 로봇의 약 90%가 중국산**  
- 중국 AI 모델은 미국 대비 평균 약 **7개월 뒤처져** 있으나 그 격차가 지속적으로 좁혀지고 있으며, 미국 정부가 로보틱스를 **국가 안보 필수 사항**으로 취급하기 시작  
- **듀얼유스(이중 용도)** 차원: 가장 방어적인 기업들은 단일 목적 무기 시스템이 아닌 상업적 적용이 가능한 **자율 플랫폼, 인식 시스템, 의사결정 인프라** 구축 중  
- Breaker 공동창업자 Matthew Buffa: "가장 흥미로운 기업들은 방위와 상업 중 양자택일이 아니라, **방위 요구사항을 충족할 만큼 유능하면서 상업적으로도 혁신적인 시스템** 구축"  
  
### 예측 6: 로보틱스 버블은 없음 — 오히려 이 분야에 충분한 자금이 들어오지 않는 중  
  
- 지난 5년간 3,000만 달러 이상 투자받은 **소프트웨어 기업은 745개**, 로보틱스는 **42개**로 18배 적음  
  - 반면 로보틱스의 기저 시장은 전 세계 소프트웨어 지출보다 **30배 큰** 규모  
- 하드웨어 비즈니스의 자본 집약성을 감안하더라도, **기회 대비 구조적 과소 투자** 상태  
- 대부분의 애널리스트가 향후 10년간 **50배 산업 성장**을 전망하나, Bessemer는 이것도 기존 워크플로 자동화에 국한된 추정이며 **범용 로봇이 창출할 새로운 경제 활동 카테고리**를 반영하지 못한다고 판단  
- 모든 투자받은 기업이 성공하는 것은 아니며, 일부 밸류에이션은 과대 평가 상태이고 자본은 **소수의 리더에게 집중**될 것  
- 그러나 선별성과 희소성은 다른 문제로, 전체 로보틱스 투자 수준은 **기회의 크기와 역량 발전 속도 대비 여전히 한참 부족**  
- ChatGPT 모먼트 도래 전, 인재 통합 완료 전인 **지금이 핵심 기업에 투자하는 창구**이며, 변곡점의 증거를 기다리면 기회를 놓침  
- Flexion CEO Nikita Rudin: "5년 후 전 세계에 배포된 대부분의 로봇은 오늘날 알려진 스타트업이 아닌, **아직 로봇을 만들기 시작하지도 않았지만 대규모로 만들 줄 아는 기업**이 제작할 것"  
  
### 미해결 과제와 열린 논쟁  
  
- **신뢰도 격차**: 작업 성공률 80%에서 99.9%로의 향상은 선형 문제가 아님  
  - **촉각 센싱, 포스 피드백, 조작을 위한 sim-to-real 전환** 등 근본적으로 다른 접근 필요  
  - Argus Systems CEO Lisa Yan: "Waymo에서의 경험상 실제 배포는 시간이 갈수록 더 어렵고 전문적인 데이터 큐레이션 문제를 드러내며, **99%에서 99.9%로의 격차를 좁히는 것은 대부분의 예상보다 오래 걸림**"  
- **추론 비용 문제**: 월드 모델과 대형 비전-언어-행동 모델은 실시간 실행 비용이 높음  
  - 텍스트 모델은 수천 명의 동시 사용자가 공유 인프라에서 배치 처리 가능하나, 로보틱스 모델은 **로봇당 수 밀리초마다 환경 상태를 생성**해야 하므로 사실상 **전용 GPU 파이프라인** 필요  
  - LLM 추론 비용은 3년간 약 **1,000배 하락**했으며, 로보틱스가 유사한 곡선을 따를지 여부가 파운데이션 모델 접근법의 상업적 실현 가능성 결정  
- **해석 가능성(Interpretability)이 차세대 인프라 레이어로 부상**  
  - 2026년 1분기에만 6~7개 월드 모델 기업에 약 **60억 달러**가 유입  
  - Vayu Robotics 공동창업자 Mahesh Krishnamurthi: "산업이 성숙할수록 해석 가능성은 **타협 불가능한 요소**가 되며, 현재 이 모델들은 블랙박스 상태, **이를 열기 위한 도구를 만드는 스타트업의 물결** 예상"  
- **오픈소스 vs 클로즈드**: LLM에서는 오픈소스가 생태계 발전을 극적으로 가속화했으나, 물리적 데이터와 배포 인프라가 모델 아키텍처만큼 중요한 로보틱스에서 같은 역학이 적용될지는 미확인  
  - 오픈소스가 모델 아키텍처를 예상보다 빠르게 상품화할 것이나, **데이터와 배포 레이어는 충분히 오래 독점적으로 유지**될 가능성  
  - 스택의 어느 부분을 개방하고 어느 부분을 보호할지 이해하는 기업이 **전략적 우위** 확보  
  
### 두 가지 진실의 공존  
  
- Cobot CEO Brad Porter: "로보틱스의 ChatGPT 모먼트는 대부분이 생각하는 것보다 빨리 오고 있으며, 도래 시 **생산 시간(실제 로봇, 실제 작업, 실제 환경)** 이 병목이 될 것, 데모가 아닌 **배포에 최적화하는 기업**이 결정적으로 분리"  
- 스텔스 로보틱스 기업 공동창업자 Philipp Wu: "타임라인은 대부분의 예상보다 훨씬 길며, **범용 로보틱스는 아직 5년 이상 소요**"  
- 이 두 관점은 상충이 아닌 **다른 차원을 설명**: Porter는 변곡점에 이르는 경로를, Wu는 그 변곡점이 실제로 얼마나 먼지를 기술  
- 창업자를 위한 함의: **지금 결정적으로 배포하되, 범용 모먼트를 지평선으로 삼고 구축**할 것  
- 변곡점은 다가오고 있으며, 인재가 이동하고 하드웨어가 상품화되고 데이터 인프라가 구축되는 중이며, **향후 10년간 물리적 AI를 정의할 기업들이 지금 바로 설립되고 투자받고 있음**

## Comments



### Comment 56377

- Author: ragingwind
- Created: 2026-04-27T12:45:30+09:00
- Points: 1

어떤 회사들이 나올지 궁금하군요