조지아주 사바나, 현대차 공장 안에 새 건물이 하나 들어섰다.
이름은 '로보틱스 메타플랜트 애플리케이션 센터'. 그 안에서 Atlas가 자동차 부품을 집어 올리고, 정해진 순서에 맞게 내려놓는 연습을 반복하고 있다. 훈련 시설이라는 형식을 빌렸지만, 실질적으로는 양산 라인 입문 시험장이다.
같은 시기, 중국에서는 XPENG이 휴머노이드 로봇 전용 생산 라인 완공을 공식화했다. 그리고 로이터는 중국이 춤추는 로봇들을 전장으로 보낼 준비를 하고 있다고 보도했다. 미국 NIST는 3천만 달러 이상을 12개 중소 제조업 지원 센터에 투입하기로 했다.
세 개의 뉴스가 같은 달에 몰려 있다. 우연일까.
그렇지 않다. 이것은 기술 경쟁의 국면이 바뀌었다는 신호다.
GPU 전쟁, 파운드리 전쟁이 '두뇌' 쟁탈전이었다면, 지금 시작되는 것은 '손과 발' 쟁탈전이다. 인간 형태의 몸을 가진 로봇이 실제 공장 바닥에 배치되는 순간, 소프트웨어가 물리 세계를 직접 통제하기 시작한다. 이 전환이 왜 중요한가. 공장 라인은 설계를 바꾸기가 극도로 어렵기 때문이다. 한번 특정 로봇 플랫폼에 맞춰 동선과 공정이 최적화되면, 나중에 다른 시스템으로 갈아타는 비용은 기하급수적으로 올라간다. 먼저 들어온 쪽이 잠금 효과(lock-in)를 확보한다.
역사에서 비슷한 장면을 찾는다면, 나는 19세기 미국 철도를 떠올린다.
당시 철도 회사들은 노선 자체보다 게이지(선로 폭)를 두고 싸웠다. 어느 게이지로 전국망이 굳어지느냐에 따라 누구의 기관차가 전국을 달릴 수 있는지가 결정됐다. 선로 폭이 표준이 되는 순간, 다른 규격의 기관차는 전국 시장에서 물리적으로 배제됐다. 오늘 휴머노이드 로봇이 공장에 침투하는 방식이 정확히 이것이다. 어느 플랫폼의 모션 데이터, 어느 훈련 프로토콜, 어느 센서 인터페이스가 제조업 표준이 되느냐. 그것이 굳어지는 순간, 나머지는 호환되지 않는 기관차가 된다.
흥미로운 건 시장이 이 경쟁의 속도를 아직 반영하지 못하고 있다는 점이다.
GitHub에서 한 오픈소스 프로젝트가 '비용-성과 단위(cost-per-completed-outcome)' 측정 기준을 새로 정의하는 이슈를 열었다. 61개의 댓글이 달렸다. 핵심 논점은 간단하다. 토큰당 비용(＄/token)이라는 지표는 이미 낡았다는 것. 로봇이 물리 동작을 완수하는 데 드는 실제 비용, 재시도 횟수, 검증 비용, 구현 실행 비용이 전부 따로 움직이기 시작했기 때문이다. 즉, 업계 스스로 '우리가 지금 새로운 경제 단위에 진입하고 있다'는 걸 인식하고 있다.
시간당 30달러에 가정집 청소를 하는 로봇이 상용 서비스로 등장했다는 소식도 같은 달에 나왔다. 제조업이라는 통제된 환경을 벗어나, 비정형 공간으로 로봇이 들어가기 시작한 것이다. 공장 라인은 미리 설계된 무대다. 가정집 거실은 그렇지 않다. 같은 달에 두 가지가 동시에 진행됐다는 것은 투자금과 기술 개발이 이미 두 방향 모두를 향해 달리고 있다는 뜻이다.
그런데 나는 여기서 다른 질문을 던지고 싶다.
로봇이 공장을 접수하는 속도보다, 공장을 접수당한 노동자가 재배치되는 속도가 훨씬 느리다면 어떻게 되는가.
과거 산업혁명 당시 방직기는 직공들의 일자리를 빼앗았지만, 동시에 더 많은 면직물이 필요해지면서 다른 종류의 일자리가 생겨났다. 경제학자들은 이것을 '보완 효과'라고 불렀다. 그런데 휴머노이드 로봇은 특정 직무만 대체하는 것이 아니라, 인간의 형태 자체를 모방한다. 부품을 집고, 이동하고, 판단하고, 배우는 일련의 동작 전체를 흉내 낸다. 보완 효과가 발생할 틈새가 이전보다 훨씬 좁아진다는 뜻이다.
NIST가 3천만 달러를 중소 제조업 지원에 쏟아붓는 맥락이 여기 있다. 기술 격차가 벌어지는 속도를 정부가 감지하고 있다는 신호다. 대기업은 자체 자금으로 Atlas를 훈련시킬 수 있다. 중소 제조업체는 그 비용을 감당할 수 없다. 로봇 자동화가 확산될수록 제조업 생태계의 양극화가 심화될 가능성이 있고, 정부 지원은 그 속도를 늦추려는 시도다.
문제는, 3천만 달러로 얼마나 버틸 수 있냐는 것이다.
중국의 전략은 다르다. 거실이나 공장이 아니라, 전장을 향하고 있다.
춤추도록 훈련된 로봇들이 전투 맥락에서 재학습된다는 건, 민간 기술과 군사 기술 사이의 경계가 소프트웨어 업데이트 한 번으로 흐려질 수 있다는 뜻이다. 이미 우크라이나 전선에서는 드론과 로봇이 지뢰 제거와 공중 보급에 투입됐다는 보도가 나온다. 하드웨어 플랫폼은 하나, 소프트웨어 목적은 여럿. 이것이 휴머노이드 로봇이 기존 군사 장비와 다른 점이다. 탱크는 탱크고, 전투기는 전투기다. 하지만 이족보행 로봇은 오늘 공장에서 부품을 옮기고, 내일 설정값이 바뀌면 다른 일을 한다.
기술 그 자체가 중립적이라는 오래된 믿음이 여기서 다시 시험대에 오른다.
공장 자동화를 논할 때 우리는 흔히 효율, 비용, 생산성을 이야기한다. 맞는 말이다. 그런데 지금 벌어지고 있는 것은 그 이상이다.
어느 나라의 로봇이 전 세계 공장 바닥을 먼저 채우느냐. 어느 플랫폼의 훈련 데이터가 제조업 표준이 되느냐. 어느 나라가 그 데이터로 군사 능력까지 확장하느냐. 이 세 가지 질문이 동시에 답해지는 10년이 시작됐다. 조지아주 사바나의 훈련 센터는 그 10년의 첫 번째 문이다.
마녀의 예언 — 공장 자동화 전쟁의 승자는 가장 빠른 로봇을 만든 쪽이 아니라, 자신의 로봇이 훈련한 공장을 표준으로 만든 쪽이다.
관찰 기록: 2027년 3월까지 현대-보스턴 다이나믹스 Atlas의 실제 양산 라인 투입 비율(훈련 전용 대비)과 XPENG 생산 라인의 가동률을 공개 발표 자료로 추적하여, 훈련 단계가 실제 배치 단계로 전환되었는지 여부를 확인한다.
본 글은 정보 제공 목적으로 작성된 에세이이며, 특정 자산에 대한 투자 권유가 아닙니다. 투자의 최종 판단과 책임은 본인에게 있습니다.