[기획①]오픈AI, 로보틱스 전담팀 해체… 피지컬 AI 경쟁축 바뀌나
GPT-6 Astra 범용 AI와 로봇 통합…엔비디아·구글·피규어·테슬라는 독자 생태계 구축
사이언스모니터 기획시리즈 | 글로벌 피지컬 AI 패권 경쟁 ①
글로벌 인공지능(AI) 산업의 경쟁축이 디지털 환경에서 물리적 세계로 이동하고 있다. 언어와 이미지, 코드를 처리하던 범용 AI 모델이 로봇의 시각 인식과 공간 추론, 실제 행동까지 담당하는 피지컬 AI(Physical AI)로 확장되면서 기존 로봇 산업의 기술개발 방식에도 변화가 나타나고 있다.
오픈AI(OpenAI)가 독립 로보틱스 전담팀을 해체하고 관련 인력을 핵심 연구 및 응용 조직에 편입한 것은 이러한 산업 변화를 보여주는 상징적인 사건이다. 로봇을 위해 별도의 AI 모델을 개발하는 방식에서 벗어나 범용 파운데이션 모델(Foundation Model)의 지능을 실제 로봇에 적용하려는 전략적 전환으로 해석된다.
그러나 글로벌 경쟁 기업들이 같은 방향을 선택한 것은 아니다. 엔비디아(NVIDIA)는 로봇 학습과 시뮬레이션, 컴퓨팅 인프라를 통합하는 플랫폼을 구축하고 있으며 구글 딥마인드(Google DeepMind)는 로봇 특화 VLA(Vision-Language-Action) 모델을 발전시키고 있다. 피규어 AI(Figure AI)는 실제 제조 현장에서 축적한 데이터를 자체 모델에 반영하고 있으며 테슬라(Tesla)는 2026년 10월 휴머노이드 로봇 옵티머스(Optimus)의 생산을 시작했다고 발표했다.
사이언스모니터는 이번 7부작 기획시리즈에서 글로벌 피지컬 AI 산업의 기술 경쟁과 사업화 구조, 데이터 확보, AI 반도체 및 컴퓨팅 인프라, 국가별 산업 전략을 단계적으로 분석한다. 첫 번째 기사에서는 오픈AI의 조직개편과 테슬라의 생산 전환을 출발점으로 범용 AI 모델과 로봇 특화 기술이 경쟁하는 새로운 산업 구도를 살펴본다.
오픈AI, 로보틱스 연구를 범용 AI 조직으로 통합
오픈AI는 최근 독립 로보틱스팀을 해체하고 연구 인력을 사내 다른 조직으로 재배치했다.
미국 경제지 포천 11월 13일(현지시간) 보도에 따르면 로보틱스 연구팀은 마크 첸 최고연구책임자(CRO)가 이끄는 본 연구조직으로 옮겼다. 응용 로보틱스팀과 하드웨어팀은 그레그 브록먼 사장이 관할하는 응용(Applied) 조직에 편입됐다.
회사는 이번 조치가 로봇 사업의 후퇴가 아니라고 설명했다. GPT-6 Astra를 비롯한 범용 모델을 로보틱스에 직접 적용할 수 있게 된 점을 개편 이유로 들었다.
오픈AI의 로봇 조직은 과거에도 한 차례 정리됐다. 회사는 초기 로보틱스팀을 2020년 정리했다. 2024년에는 독립 로보틱스팀을 다시 꾸리고 휴머노이드 스타트업 피규어AI(Figure AI)와 로봇용 AI 모델을 함께 개발하기로 했다. 이 협력은 2025년 2월 피규어가 자체 로봇 AI를 개발하겠다고 밝히면서 끝났다.
근거로 제시된 수치는 시뮬레이션 결과
회사는 엔비디아 시뮬레이션 연구결과를 토대로 GPT-6 Astra 기반 에이전트가 시뮬레이션 로봇 조작 벤치마크에서 74.8%의 성공률을 기록했다고 밝혔다. 같은 순위표에서 로봇 특화 모델의 최고 성적은 51.0%였다.
전문가 평가는 엇갈린다. 카네기멜론대 로봇공학연구소의 관야 스 조교수는 포천에 이번 개편이 오픈AI가 로보틱스를 “더 이상 특수한 문제가 아닌” 범용 지능의 응용 분야로 본다는 신호라고 말했다. 러스 테드레이크 MIT 교수는 현장에 배치된 로봇이 해당 현장의 데이터를 모으며, 파운데이션 모델이 발전할수록 이 데이터의 가치가 커진다고 말했다. 테드레이크 교수는 로봇 기업 월든 로보틱스의 공동창업자 겸 CEO다.
엔비디아, 로봇 AI 개발 인프라를 선점하다
오픈AI가 범용 AI 모델의 로봇 적용 가능성에 주목한다면 엔비디아(NVIDIA)는 로봇의 학습부터 시뮬레이션, 추론, 배포까지 연결하는 플랫폼을 구축하고 있다.
엔비디아는 10월 21일 독일 베를린에서 열린 GTC를 계기로 Isaac 로보틱스 플랫폼의 확대를 발표했다. 이번 업데이트에는 로봇 운영체제인 Isaac OS, 로봇 학습 프레임워크 Isaac Lab 3.0, 휴머노이드 개발용 레퍼런스 플랫폼과 데이터·시뮬레이션 워크플로가 포함됐다.
특히 주목할 부분은 ChatGPT Astra와 NVIDIA Isaac, Cosmos를 결합해 로봇 데이터 생성과 학습, 평가를 가속하는 개발 워크플로다. 이는 범용 AI 모델과 로봇 특화 학습 플랫폼이 반드시 경쟁 관계에만 있는 것은 아니라는 점을 보여준다.
엔비디아의 Isaac GR00T는 휴머노이드 로봇의 추론과 행동을 위한 파운데이션 모델 및 개발 도구를 제공한다. 로봇의 카메라 영상, 자연어 명령, 현재 상태를 입력으로 받아 연속적인 행동을 생성하고, 실제 로봇과 시뮬레이션 환경에서 이를 평가하도록 설계됐다. Jetson Thor와 같은 온보드 컴퓨팅 플랫폼은 로봇 내부에서 AI 추론과 제어를 수행하는 기반이다.
이 전략의 산업적 의미는 크다. 엔비디아가 특정 휴머노이드 제조사의 승패에 직접 의존하지 않고 다양한 로봇 기업에 컴퓨팅과 소프트웨어를 공급할 수 있기 때문이다. GPU 공급을 넘어 로봇 AI 개발 생태계의 표준 플랫폼을 확보하려는 전략으로 볼 수 있다.
구글 딥마인드, 범용 추론과 로봇 행동 결합
구글 딥마인드(Google DeepMind)는 범용 모델의 지능을 로봇 행동으로 연결하는 VLA(Vision-Language-Action) 모델 개발을 강화하고 있다.
구글 딥마인드는 11월 10일 Gemini Robotics 2.5를 공개했다. 회사는 이를 자사의 가장 발전된 VLA 모델로 소개하면서 로봇이 학습할 수 있는 작업의 범위와 학습 속도, 조작 능력, 신뢰성 및 안전성을 개선했다고 밝혔다.
VLA는 시각 정보와 자연어 명령을 이해하는 데서 나아가 실제 행동을 생성하는 모델이다. 예를 들어 로봇이 작업대 위의 물체를 인식하고 사용자의 명령을 해석한 뒤 물체를 집어 옮기는 동작을 수행하는 과정에 활용된다.
오픈AI와 구글 딥마인드의 차이는 범용 모델과 로봇 특화 학습의 관계에서 나타난다. 오픈AI는 범용 프런티어 모델의 능력을 로봇에 직접 적용하는 방향을 강조한다. 구글 딥마인드는 Gemini 계열 모델의 발전과 함께 로봇의 실제 행동을 학습하고 평가하는 VLA 체계를 별도로 발전시키고 있다.
두 기업 모두 범용 AI의 능력을 물리적 세계로 확장한다는 목표를 공유하지만, 로봇의 행동 생성과 실제 환경 적응을 어떤 방식으로 구현할 것인지에서는 서로 다른 기술적 접근을 보이고 있다.
딥마인드는 로봇 기업 앱트로닉, 메르세데스-벤츠와 개념검증(PoC)도 진행했다. 앱트로닉의 휴머노이드 아폴로 2를 헝가리 케치케메트와 독일 진델핑에의 가동 중인 자동차 생산라인에 투입했다. 대량 보관함의 부품을 차량별 순서에 맞춰 트레이에 분류하는 작업에서 성공률 96%를 기록했다고 회사는 밝혔다.
이 시험에서는 작업 흐름을 추적하는 추론 모델 제미나이 로보틱스 ER과 손·팔 동작을 제어하는 제미나이 로보틱스 2.5가 함께 쓰였다. 범용 모델 하나에 맡기는 오픈AI의 설명과 달리 추론과 행동 제어를 나눈 구조다.
피규어 AI와 테슬라, 실제 현장에서 데이터 축적
범용 AI 모델 기업과 달리 휴머노이드 제조사들은 하드웨어와 실제 작업 환경을 결합해 데이터를 축적하는 전략을 취하고 있다.
피규어 AI는 오픈AI와의 협력이 종료된 뒤 자체 로봇 AI 모델 Helix를 중심으로 독자적인 기술 생태계를 구축했다. 휴머노이드 Figure 03을 비롯한 로봇 하드웨어와 자체 AI 모델을 결합해 산업 현장 적용을 추진하고 있다.
실제 제조 현장 배치는 로봇 AI의 경쟁력을 평가하는 중요한 기준이다. BMW는 미국 사우스캐롤라이나주 스파턴버그 공장에서 피규어의 휴머노이드 Figure 02를 활용한 작업 경험을 공개했다. BMW 발표에 따르면 해당 로봇은 10개월 동안 9만 개 이상의 부품을 이동하고 약 1,250시간 가동됐다. 이는 휴머노이드가 실험실을 넘어 반복적인 제조 작업에 투입될 수 있음을 보여주는 사례다.
테슬라, 옵티머스 초기 생산 개시
테슬라는 10월 21일 공개한 3분기 주주 업데이트에서 미국 캘리포니아주 프리몬트 공장의 양산용 라인에서 옵티머스 생산을 시작했다고 밝혔다. 테크크런치는 이 공간이 과거 전기차 생산에 쓰이던 곳이라고 전했다.
테슬라는 이 라인에서 나온 로봇이 자사가 만든 첫 ‘양산 품질(production-quality)’ 제품이라고 설명했다. 현재 제조 공정이 상업용 제품에 적합하다는 점을 입증했다고도 했다. 하드웨어와 공정은 계속 고칠 계획이다.
생산량과 가격, 생산 중인 기종의 세대는 공개되지 않았다. 주주 업데이트의 공장 현황표는 캘리포니아를 ‘초기 램프(Early Ramp)’, 텍사스를 ‘건설 중(Construction)’으로 표시했다. 두 곳 모두 생산능력 수치는 적혀 있지 않다.
일론 머스크 CEO는 실적 발표에서 현 단계를 “초기 생산”이라고 불렀다. 그는 “완전히 새로운 제품이어서 초기 증가 경사가 완만하고 다소 울퉁불퉁할 것”이라고 말했다. 외부 기업 공급 시점은 내년 말께로 제시했다. 설계와 AI 모두 보완할 부분이 남아 있다고도 했다.
범용 AI가 로봇 전용 모델을 대체할 수 있을까
이번 오픈AI 조직개편이 던지는 가장 중요한 질문은 범용 AI 모델이 로봇 특화 모델을 대체할 수 있는가 하는 점이다.
오픈AI는 범용 모델을 로봇에 직접 적용하는 쪽을 택했다. 구글 딥마인드는 추론 모델과 행동 모델을 나눠 함께 쓴다. 엔비디아는 학습·시뮬레이션·탑재 컴퓨팅을 플랫폼으로 공급한다. 피규어와 테슬라는 모델과 하드웨어, 생산을 자체 통합했다.
범용 모델은 언어 이해와 복합적인 추론, 시각 인식, 작업 계획에서 강점을 보인다. 반면 실제 로봇은 밀리초 단위의 반응과 정밀한 관절 제어, 균형 유지, 충돌 방지 등 물리적 제약을 다뤄야 한다. 대규모 클라우드 모델을 모든 제어 과정에 적용하는 것은 지연시간과 네트워크 의존성, 전력 소비 측면에서 비효율적일 수 있다.
범용 모델과 로봇 특화 AI, 경쟁보다 계층적 통합 가능성
피지컬 AI가 발전하면서 범용 대형언어모델(LLM)과 VLA, 월드 모델(World Model), 실시간 제어 시스템의 역할도 재편되고 있다.
LLM은 자연어 명령을 이해하고 복합적인 작업을 계획하는 데 강점을 갖는다. VLM은 카메라 영상과 언어 정보를 결합해 주변 환경을 이해한다. VLA는 이러한 정보를 실제 로봇의 행동으로 전환한다.
월드 모델은 물리적 환경의 변화와 행동 결과를 예측하는 데 활용된다. 로봇이 특정 물체를 밀거나 들어 올렸을 때 어떤 결과가 발생할지 예측하고, 행동을 실행하기 전에 위험을 평가하는 방식이다.
그러나 이러한 모델이 모터와 관절의 실시간 제어까지 모두 담당하는 것은 아니다. 균형 유지와 충돌 방지, 정밀한 위치 제어에는 별도의 제어 알고리즘과 센서 처리 시스템이 필요하다.
따라서 향후 피지컬 AI는 범용 모델과 로봇 특화 모델을 결합하는 계층형 구조로 발전할 가능성이 있다. 클라우드의 범용 모델이 복합적인 명령을 이해하고 작업 계획을 수립하면, 로봇 내부의 경량 모델과 제어 시스템이 시각 인식과 행동 결정, 실시간 동작을 수행하는 방식이다.
이 과정에서 온디바이스 AI와 엣지 컴퓨팅의 중요성이 커진다. 로봇이 네트워크 연결 없이도 일정 수준의 판단과 제어를 수행해야 하기 때문이다. 저전력 NPU, 메모리 대역폭, 실시간 센서 처리, 기능 안전 기술은 휴머노이드와 산업용 로봇의 상용화를 좌우할 핵심 요소가 될 수 있다.
결국 피지컬 AI 시장은 단일한 범용 모델이 모든 로봇을 제어하는 구조보다는 범용 파운데이션 모델, 로봇 특화 VLA, 시뮬레이션 플랫폼, 온디바이스 AI 반도체, 실제 산업 데이터가 결합하는 생태계로 발전할 가능성이 높다.
기획시리즈 예고 | 글로벌 피지컬 AI 패권 경쟁
1부. 오픈AI, 로보틱스 전담팀 해체… 피지컬 AI 경쟁축 바뀌나
2부. 엔비디아 Isaac·GR00T, 로봇 AI 플랫폼 패권 경쟁
3부. 휴머노이드 데이터 전쟁… 실제 산업 현장이 AI를 키운다
4부. 테슬라·피규어AI·유니트리, 휴머노이드 양산 경쟁
5부. 로봇용 NPU와 엣지 AI… 온디바이스 컴퓨팅의 부상
6부. 제조·물류·국방, 피지컬 AI 상용화의 경제성
7부. 미·중 피지컬 AI 패권 경쟁과 글로벌 공급망 재편
관련 기사
- 구글 딥마인드, ‘제미나이 로보틱스 2.5’ 공개…200여 개 과제 성공률 최대 100%↑, 로봇 탈옥 저항 99.5%
- 인공지능 다음 도전…언어 넘어 현실 세계로
- GPT-6 아스트라, 나비에-스토크스 문제 포함 10개 난제 AI 증명

편집장/ Editor-in-Chief
국가 안보 정책과 연계된 과학기술 분야 혁신 등 영향력 있는 분석을 생산하고 있다. 주로 핵심 과학기술 연구, 글로벌 안보, 지정학, 해양 전략을 주제로 집필한다.
Contact: navy@scimonitors.com / LinkedIn


![[사진] 시스템반도체 융합전문인력 양성센터 개소식](https://scimonitors.com/wp-content/uploads/2020/07/20072744-150x150.jpg)


![[기획2]엔비디아 Isaac·GR00T, 로봇 AI 플랫폼 패권 경쟁](https://scimonitors.com/wp-content/uploads/2026/11/jetson-thor-1-1536x864-png-150x150.webp)


