2025년 AI 업계 대화는 온통 하나였죠. "GPU 없어서 못 산다."
근데 a16z 파트너 Will Bitsky는 이렇게 잘라 말해요. "2025년 AI의 화두가 컴퓨트 제약과 데이터센터 증설이었다면, 2026년은 데이터 제약, 그중에서도 중공업 데이터를 향한 새로운 쟁탈전이 될 것"이라고요. 그리고 그 데이터는 화면 안이 아니라 공장 바닥과 물류 창고에 있대요.
다들 GPU 싸움인 줄 알았죠
지난 2년간 AI 업계의 서사는 명확했어요. 누가 더 많은 GPU를 확보하느냐, 누가 더 큰 모델을 학습시키느냐가 승부처였죠. 근데 a16z 파트너 4명이 함께 진행한 이번 팟캐스트는 그 프레임 자체를 흔들어요.
Ryan McEntush(전자-산업 스택 담당 파트너)는 이렇게 정리했어요. "소프트웨어는 우리가 생각하고 디자인하고 소통하는 방식을 바꿨다. 이제는 우리가 움직이고 짓고 생산하는 방식을 바꿀 차례"라고요. 전기화, 소재과학, AI가 동시에 수렴하면서 처음으로 물리 세계 전체를 소프트웨어로 제어할 수 있는 조건이 갖춰졌다는 거예요.
그런데 정작 이 물결에서 이기는 건 가장 좋은 모델을 가진 회사가 아니라, 가장 먼저 '현장 운영 데이터'를 쌓은 회사라는 게 Bitsky의 핵심 주장이에요. 중공업 현장의 트럭 운행, 계량기 검침, 정비 기록, 생산 라인 하나하나가 전부 모델 학습의 재료인데, 여태 이걸 수집·주석·학습 파이프라인으로 연결하는 산업 어휘 자체가 없었다는 거예요. 그 빈틈을 메우는 스타트업들이 지금 새로운 승자로 떠오르고 있어요.
실제로 숫자가 이걸 뒷받침해요. 고품질 텔레오퍼레이션 데이터(로봇을 원격 조작하며 수집·라벨링·표준 포맷으로 패키징한 데이터) 수집 비용이 2024년 초 시간당 약 340달러에서 2025년 4분기 136달러로 떨어졌고, 2026년 3월 기준 표준 픽앤플레이스 작업으로 한정하면 118달러까지 더 내려왔어요. 데이터를 쌓는 진입장벽 자체가 빠르게 낮아지고 있다는 뜻이에요.
근데 공장에서는 이미 증명되고 있어요
이게 그냥 VC들의 낙관적 스토리텔링이면 걸러 들어야겠죠. 근데 이번엔 실제 생산 라인에서 나온 숫자가 있어요.
BMW 스파턴버그 공장에서는 Figure AI의 휴머노이드 로봇 2대가 11개월 동안 실전 배치돼, 시트 금속 부품 9만 개 이상을 적재하며 BMW X3 3만여 대 생산에 기여했어요. 매일 10시간 평일 근무를 소화하며 누적 가동 시간만 약 1,250시간이에요. 아마존 계열 물류센터에서는 Agility Robotics의 이족보행 로봇 Digit이 사람 개입 없이 톳(운반함)을 옮기는 작업을 실전 운영 중이고요. 국내에서도 현대차가 2028년까지 보스턴 다이나믹스 아틀라스를 연 3만 대 규모로 생산해 2만 5천 대 이상을 자사 공장에 우선 투입할 계획을 밝혔고, 피규어는 5월에 200시간 연속 무중단 작업 기록을 세웠어요.
이게 파일럿 단계가 아니라 실전 규모로 넘어가고 있다는 증거는 시장 지표에서도 보여요.
| 예전 | 지금 | |
|---|---|---|
| 상용 휴머노이드 플랫폼 수 | 3개 (2024년) | 12개 (2026년) |
| 텔레오퍼레이션 데이터 비용 | 시간당 약 $340 (2024년 초) | 시간당 $136 (2025년 4분기) |
| VLA(비전-언어-행동 모델) 신규 배치 채택률 | 5% 미만 (18개월 전) | 40% (2026년) |
| 로보틱스 벤처 투자(글로벌) | 2024년 기준 | $9.4B, 2025년 +41% YoY |
특히 VLA(Vision-Language-Action) 모델 채택률이 2년 만에 5%도 안 되던 수준에서 신규 배치의 40%까지 뛴 게 중요해요. 로봇이 사람처럼 "보고, 이해하고, 행동"하는 구조가 실험실을 벗어나 실제 라인에 들어왔다는 신호거든요. 시장 전체로 보면 물리적 AI 시장은 2030년 4,300억 달러, 2040년에는 1조 6천억 달러 규모로 성장할 거라는 전망도 나와요. 산업 자동화, 자율주행, 헬스케어, 국방까지 9개 버티컬을 아우르는 규모예요.
로봇 안 만드는 회사도 상관 있는 이유
여기까지 읽고 "우리 회사는 제조업도 로보틱스도 아닌데?"라고 생각하실 수 있어요. 근데 이번 팟캐스트에서 나온 두 번째 개념, 물리적 관찰성(Physical Observability)이 힌트가 돼요.
a16z 파트너 Zabie Elmgren은 미국 도시에 이미 10억 개 이상의 네트워크 카메라·센서가 깔려 있고, 그 덕분에 "도시, 전력망, 인프라에서 지금 무슨 일이 벌어지고 있는지 실시간으로 이해하는 일이 시급해졌고, 동시에 가능해졌다"고 말해요. 지금까지는 이 데이터가 그냥 흘러가버렸다는 거예요.
이 얘기를 일반 비즈니스 언어로 바꾸면 이래요. 당신 회사도 이미 '구조화되지 않은 운영 데이터'를 매일 만들어내고 있다는 것. 고객 응대 로그, 매장 CCTV, 물류 동선, 작업 시간 기록 — 이런 게 전부 "잠재적 해자"예요. 지금 이 데이터를 수집·정리해두는 회사와, 나중에 몰려서 시작하는 회사의 격차는 텔레오퍼레이션 비용이 60% 떨어진 것처럼 시간이 지날수록 좁혀지지 않고 오히려 벌어질 가능성이 커요.
지금 시작하는 데이터 해자 체크리스트
- 우리 회사의 "정리 안 된 현장 데이터" 목록 만들기
CCTV, 콜센터 녹취, 작업 로그, 배송 동선처럼 지금도 쌓이고 있지만 아무도 안 보는 데이터를 먼저 나열해보세요. - 최소 파이프라인부터 설계하기
로보틱스 업계가 그렇듯, 완벽한 시스템보다 "캡처 → 라벨링 → 표준 포맷 저장"의 최소 루프를 먼저 돌리는 게 핵심이에요. - 작게 시작하기
업계에서는 대부분의 조작 작업을 300~1,200개 시연 데이터만으로 학습시켜요. 전사 데이터가 아니라 한 팀, 한 프로세스부터 파일럿을 돌리면 충분해요. - 따라갈 기업 리스트 만들기
Figure, Agility Robotics, Wandelbots, Galaxea처럼 산업 데이터를 자산화하는 스타트업들의 움직임을 분기별로 체크해두면, 우리 업종에 언제 이 흐름이 넘어올지 감이 잡혀요. - "데이터 우선순위"를 정기 안건으로 올리기
분기 전략 회의에 "이번 분기에 어떤 운영 데이터를 새로 구조화했는가"를 KPI 하나로 넣어보세요. 나중에 AI를 붙일 때 이 차이가 그대로 경쟁력이 돼요.
