몸이 상장되고, 머리가 성적표를 냈다.
최종 수정일: 9월 3일
Chinese start-up Unitree sees humanoid robots in wide commercial use this decade |
South China Morning Post
유니트리 휴머노이드. 몸값이 공개 시장에 오른 상징. 출처: SCMP
피지컬 AI가 공장 바닥에 닿으려면, 로봇 VLA와는 다른 운영체제가 필요하다.
주당 150.80위안. 중국 유니트리 로보틱스가 상하이 스타마켓에 찍은 공모가다.
8월 19일 첫날 주가는 600% 넘게 치솟았다. 휴머노이드와 로봇개의 ‘몸’에 공개 시장이 값을 매긴 순간이다.
그로부터 채 한 달도 되지 않은 7월 30일, 구글 딥마인드는 그 몸을 움직일 ‘머리’를 세 개로 나눠 공개했다.
Gemini Robotics 2, 임바디드 추론 모델 ER 2, 로봇 본체에서 돌아가는 On-Device 2.
몸이 값이 되고 머리가 숫자가 되는 사이, 공장의 질문은 바뀌고 있다. “로봇이 할 수 있나”가 아니라
“그 모델을 우리 설비·우리 규정·우리 폐쇄망 위에 어떻게 올리는가”다.
미스릴이 지난 2년 반 동안 25곳 넘는 현장에서 쌓아 온 답이 그 지점에 있다.
1. 몸값과 머리값, 같은 달에 열린 두 시장
유니트리의 상장은 중국 본토 첫 순수 휴머노이드·피지컬 AI 기업의 공개 시장 데뷔였다.
2025년 매출 약 17억 위안, 순이익 약 2.8억 위안. 아직 적자인 휴머노이드 스타트업이 즐비한 가운데,
이미 로봇개와 휴머노이드를 팔고 흑자를 낸 회사가 자본시장의 기준점을 찍었다.
같은 여름, 자본은 몸만이 아니라 뇌에도 몰렸다. 피겨 AI는 약 390억 달러 기업가치로 풀스택을 베팅했고,
피지컬 인텔리전스와 스킬드 AI는 몸에 독립적인 범용 로봇 모델을 팔았다.
샤오펑 도고틱스는 2026년 8월 단일 라운드 9억 달러를 조달했다. 딥마인드는 모델과 벤치마크를 같은 날 내놓고 성적표를 먼저 공개하는 세 번째 길을 택했다.
세 갈래가 선명하다. 몸을 스케일하는 쪽, 뇌를 범용으로 파는 쪽, 벤치마크를 같이 여는 쪽.
미스릴이 서 있는 자리는 네 번째다. 이미 돌아가고 있는 공장의 MES·SCADA·FDC·PLC를 교체하지 않은 채,
그 위에 판단 레이어를 올리는 쪽.
2. 전구는 92%, 쓰레받기는 32% — 그리고 공장의 액션 스페이스는 관절이 아니다.
딥마인드 발표에서 가장 중요한 것은 데모 영상이 아니라, 스스로 공개한 성공률 표다.
전신 조작 (아폴로 2, 인스파이어 핸드)책상에서 집기 68.4% · 선반에서 집기 76.3% · 바닥에서 집기 45.7%
다지 정밀 조작 (아폴로 2, 샤파웨이브 핸드)전구 빼기 92% · 전구 끼우기 36% · 쓰레기봉투 묶기 44% · 지퍼백 밀봉 40% · 쓰레받기 쓸어담기 32% 그리퍼 조작 (프랑카 듀오)집어 옮기기 74.2% · 공구 키팅 78.9% · 정밀 삽입 89.6% 같은 손, 같은 모델이다. 전구를 빼는 일은 열 번에 아홉 번 되고, 끼우는 일은 세 번에 한 번이다.
56%포인트가 벌어졌다. 규칙성도 분명하다. 물체 위치가 예측 가능한 환경은 높고,
자세를 크게 바꾸거나 힘과 정렬을 동시에 맞춰야 하는 작업은 낮다.
Gemini Robotics 2 brings whole body intelligence to robots — Google DeepMind
딥마인드 Gemini Robotics 2. 전신 조작과 손재주를 하나의 정책으로 묶은 모델.
선반 집기, 체스, 키보드, 컵 정리, 정밀 삽입. 과제마다 성공률이 갈린다.
이 표는 정직하다. 다만 공장에 그대로 옮기면 질문이 하나 더 생긴다.
로봇 VLA가 내보내는 명령은 6자유도 엔드이펙터의 연속 제어다.
제조 현장이 받는 명령은 온도, 가스, RF, Recipe ID다.
미스릴이 제조 AX를 설계하며 정리한 구조적 간극은 이 네 줄이다.
핵심 요인 | 로봇 VLA (RT-2 / π / GR00T) | 산업 현장이 요구하는 것 |
Action Space | 6DoF 엔드이펙터 연속 제어 | 레시피 파라미터, 설비 커맨드 |
Sensor Modality | RGB + Depth + 관절 상태 | FDC 시계열 + 영상 + 음향·진동·열 |
Control Frequency | 30~200Hz 연속 모터 명령 | 웨이퍼·배치 단위 이벤트 트리거 |
Safety & Audit | 충돌 회피, 블랙박스 가능 | 모든 판단에 근거. 수율·불량·중대재해 책임 추적 |
범용 로봇 모델이 약해서가 아니다. 제어 대상이 다르다. 팔 관절을 움직이는 지능과,
챔버 압력을 허용 범위 안에서 보정하는 지능은 같은 ‘VLA’라는 이름을 쓰더라도 입출력과 책임이 다르다.
딥마인드가 On-Device 2를 내놓은 이유는 몸이 클라우드를 기다릴 수 없어서다.
공장이 클라우드를 거부하는 이유는 한 가지 더 있다.
공정 데이터는 밖으로 나갈 수 없다.
Power & Data Solutions for Cleanroom Automation | VAHLE USA | VAHLE
반도체 팹. 여기서 명령은 관절이 아니라 레시피와 인터록이다.
3. 미스릴이 택한 구조: 하나의 코어, 네 개의 어댑터
미스릴을 산업안전 회사로만 보면 절반만 본 것이다. 제품 라인은 넷이다. 그러나 엔진은 하나다.
NENYA - 산업 현장의 영상·센서·공정·행동으로 직접 학습
sVLA(Specialized Vision-Language-Action) 코어
Guardian-Alpha - 능동형 산업안전. 사람·위험·IoT 제어
Optima-Alpha / Optima-Vision - 제조 운영·설비 이상·품질·불량
Robotics & Physical OS - 로봇·드론·휴머노이드의 액션 레이어
가디언에서 옵티마로, 옵티마에서 로보틱스로 넘어가는 경로는 사업 피벗이 아니다.
같은 NENYA 코어 위에 도메인 어댑터를 얹는 확장이다.
Perception(인지) → Context(맥락) → Evidence(근거) → Action(조치). 네 제품이 공유하는 문장이다.
이 구조가 현장에서 성립하는 이유는 다섯 가지다.
산업 데이터로 만든 코어.
NENYA는 오픈소스 VLM을 파인튜닝한 챗봇이 아니다.
최신 LLM/VLM 방법론을 흡수하되 백본에 종속되지 않고,
산업 인코더·멀티모달 융합·추론기·XAI·검증 게이트·PLC 어댑터를 자체 레이어로 쌓은
설비 특화 파운데이션 모델이다. 일반 모델이 “무엇이 보이는가”를 푸는 동안, NENYA는 “이 레시피,
이 챔버, 이 SOP에서 지금 무엇이 허용되는가”를 푼다.
기존 시스템 위에 얹는다.
MES·SCADA·FDC·PLC를 교체하지 않는다. 현장 위에 판단·추천·진단 레이어만 올린다.
도입 장벽과 리스크를 동시에 낮추는 조건이다. NENYA가 제안을 내고, 규칙이 검증하고, PLC가 실행한다.
AI가 설비를 직접 돌리는 그림이 아니다.
카메라와 폐쇄망에서 돌아간다.
별도 센서 인프라 없이도 기존 CCTV로 안전을 볼 수 있고,
제조 쪽에서는 이미 붙어 있는 FDC·센서 로그를 그대로 받는다.
추론은 온프레미스 엣지다. Jetson Orin NX 기준 내부 측정으로 200ms 미만.
데이터가 공장 밖으로 나가지 않는다.
Choosing The Right Monitor For CCTV And Location-Critical Video Surveillance | AG Neovo Global
기존 CCTV와 관제 화면이 이미 있는 공장. 미스릴의 출발점은 이 화면을 교체하는 것이 아니라,
그 위에 판단을 올리는 것이다.
판단에 근거가 붙는다.
옵티마의 운영 페루프는 네 칸이다.
Perception(영상·센서·로그) → Decision(원인 추론·행동 추천) → Action(허용된 control envelope 안에서의 실행) → Audit(Evidence Chain). 알람 화면이 제품이 아니다. 데이터 흐름과 판단 근거가 닫히는 구조가 제품이다.
잘못된 액션이 수율 손실과 중대재해로 이어지는 현장에서, 설명 없는 정지는 해명이 아니라 쟁점이다.
논문이 아니라 사이트로 검증한다.
2023년 11월 설립 이후 2년 반. 현장 배치 25곳 이상, 누적 학습 프레임 2,300만.
위험 행동 감지 재현율 98.7%, 위양성 0.8%, 안전사고 감소 94%(도입 전 대비, 내부 운영 기준).
한일현대시멘트, 삼표, 성신양회, SPC, 아주, 동원시스템즈, 한국타이어.
시멘트에서 식음료, 반도체 장비, 2차전지로 도메인이 늘어나는 동안 코어는 바뀌지 않았다.
Process of Making Hard Hats. Safety Product Manufacturer in Korea
가디언-알파가 가장 먼저 본 것들 중 하나. 안전모는 장비가 아니라 규정이다.
4. 딥마인드의 200개, 미스릴의 25개 사이트
On-Device 2가 새 로봇에 적응하는 데 예시 200개 미만이면 충분하다고 딥마인드는 밝혔다.
200개는 적은 숫자다. 그런데 0개는 아니다. 파운데이션 모델도 새로운 몸 앞에서는 그 현장의 예시를 요구한다.
공장에서는 그 문장이 더 세다. 공정·설비별 파라미터와 실패 모드가 모두 다르고, 데이터는 반출할 수 없다.
범용 모델이 산업 상황을 한 번에 이해하지 못하는 이유가 여기 있다.
전이(transfer)가 아니라 어댑터가 필요한 이유이기도 하다.
그래서 미스릴의 확장은 “새 모델을 다시 만든다”가 아니라 “같은 코어에 도메인 어댑터를 붙인다”다.
가디언 어댑터는 안전모·구획 위반·충돌 근접을 보고 PTZ와 설비 신호로 닫는다.
옵티마-알파 어댑터는 FDC·PLC·센서 로그로 공정 drift와 설비 이상을 본다.
반도체 클리닝·에칭 라인에서는 챔버 압력·온도·유량·RF·가스·레시피를 한 화면에 올린다.
옵티마-비전 어댑터는 스크래치·파티클·패턴 불량을 분류한다.
로보틱스 어댑터는 같은 판단 언어를 로봇개·드론·휴머노이드의 순찰과 조작으로 옮긴다.
2차전지 코팅 적용 사례에서는 불량률 26% 감소, 설비 다운타임 31% 감소,
수율 3.8%p 상승이 고객 피드백 기준으로 정리됐다. 반도체 장비 블라인드 테스트에서는
기존 시스템 2/5 대비 NENYA Gen1이 5/5를 맞춘 기록이 있다.
숫자의 출처가 실험실 리더보드가 아니라 라인이다.
Lithium ion batteries production - How does it work – TYCORUN
2차전지 라인. 코팅 한 줄의 drift가 수율로 바로 읽힌다.
자율 OS 쪽으로 가면 루프는 더 짧아진다. 장비 내부 엣지 GPU가 센서와 비전과 로그를 직접 보고,
이상 감지부터 대응까지 전 구간 2초 이내를 목표로 한다. 원본 데이터는 장비 밖으로 나가지 않고,
서명된 모델 가중치와 메타데이터만 내부 레지스트리로 동기화한다. 연합학습과 망분리 배포가 그 운영 체계다.
클라우드 OTA가 막힌 팹에서 모델을 갱신하는 현실적인 방법이다.
NENYA의 세대도 이 책임 구조에 맞춰져 있다. Gen 1은 이해와 설명이다. 이미 서비스되고 있다.
Gen 2는 조치와 검증 게이트다. 허용 범위 안의 Typed Action만 통과시킨다.
Gen 3는 PLC 연동과 피드백 재학습이다. 지향점은 완전 자율 제조 지능이지만,
지금 현장에서 돌아가는 것은 “제안하는 AI + 검증하는 규칙 + 실행하는 PLC”다.
이 순서를 건너뛰면 데모는 빨라지고 책임은 남는다.
A robot dog spends its days patrolling Posco's steel mill in Pohang, North Gyeongsang, on the lookout for hazards that humans once checked for — and were endangered by. It is just
포스코 제철소를 순찰하는 로봇개. 몸이 현장에 들어가면, 남는 질문은 순찰이 아니라 판단과 근거다.
Industrial Inspection Solutions | Boston Dynamics
산업 점검용 로봇개. Physical OS가 붙는 자리는 전시장이 아니라 이 통로다.
5. 엔터프라이즈가 지금 적어야 할 세 줄
1) 도입 단위를 로봇에서 작업과 설비로 바꿔라.
딥마인드가 32%짜리 과제를 표에 실은 것은 진전이다. 발주 문서에는 “휴머노이드 도입”이 아니라
“이 공정의 이 작업, 목표 성공률, 실패 시 인터록, 판단 근거를 누가 남기는가”가 적혀야 한다.
검증 데이터셋은 공급사가 아니라 발주처가 쥐고 있어야 한다.
2) 평가 문항을 우리 규정에서 먼저 만들어라.
ASIMOV-Agentic 같은 벤치마크는 필요하다. 그러나 그 문항이 밀폐공간 작업허가,
LOTO, 고소 추락, 컨베이어 끼임, IATF 품질 추적을 다루지 않으면 그 점수는 우리 현장의 점수가 아니다.
미스릴이 Evidence Chain을 페루프의 마지막 칸에 둔 이유가 여기 있다.
3) 레거시를 적으로 두지 마라.
범용 모델이 강해질수록, 현장에 이미 있는 FDC와 CCTV와 PLC의 가치는 오히려 커진다.
교체 비용이 도입을 막는 공장일수록, 레트로핏이 가능한 레이어가 먼저 돈이 된다.
25개 사이트가 먼저 가디언으로 열린 이유이고, 그 위에 옵티마가 올라가는 이유다.
6. 숫자가 공개된 다음
로봇 파운데이션 모델이 이제 성적표를 들고 공장 문을 두드립니다.
휴머노이드 제조사들은 이미 공개 시장에서 몸값을 인정받았습니다.
문제는 그 사이에 남는 공백입니다. 스펙타클이 아니라 운영입니다.
지난 7월 구글 딥마인드가 Gemini Robotics 2를 공개하며 함께 내놓은 성공률 표가 그 공백을 정확히 보여줍니다. 같은 로봇, 같은 손으로 전구를 빼는 작업은 92%, 쓰레받기로 쓸어담는 작업은 32%였습니다.
모델도 하드웨어도 바뀌지 않았는데 과제 하나가 달라졌을 뿐인데 성공률이 56%포인트 벌어진 겁니다.
이건 모델의 한계를 보여주는 숫자가 아니라, 벤치마크 성적표 하나로는 어떤 현장에서 몇 퍼센트가 나올지 아무도 확정할 수 없다는 사실을 보여주는 숫자입니다.
그래서 질문은 이렇게 바뀌어야 합니다. 우리 현장의 레시피와 금지 동작을 이 표 옆에 놓았을 때,
지금 몇 퍼센트에서 출발하게 될까요. 그리고 그 나머지 퍼센트, 즉 실패가 나는 구간은 누가 멈추고
그 판단을 무엇으로 남길 것인가요. 이 질문에 답하는 층이 없으면, 92%는 그저 홍보 문장으로 남고,
우리 현장에서 실제로 마주칠 숫자는 32% 쪽에 더 가까울 수 있습니다.
미스릴의 답은 단순합니다. 판단의 코어는 NENYA, 안전은 가디언, 수율은 옵티마, 움직임은 Physical OS가
맡습니다. 같은 판단 언어가 사람 옆의 카메라에서 시작해 챔버 센서와 순찰 로봇까지 이어집니다.
이 구조는 NVIDIA Inception, TIPS, 충남 C-STAR, 고려대 패턴인식·머신러닝 연구실과의 R&D가 뒷받침하며,
해외 시장은 선웨이, TOA, 엘Swe디/AOI를 통해 이미 문이 열려 있습니다.
92%와 32% 사이, 우리 현장은 어디에 있나
딥마인드가 공개한 표는 모델의 성적표입니다.
그리고 이 표가 스스로 증명한 것은, 같은 모델도 과제가 바뀌면 성공률이 56%포인트까지 벌어진다는 사실입니다. 공장에 필요한 것은 그 옆의 빈칸, 즉 이 공정·이 설비·이 SOP에서 실제로 나올 성공률이 몇 퍼센트인지,
실패가 발생했을 때 누가 멈추고 그 판단을 무엇으로 남길지에 대한 답입니다.
제조 AI 도입은 모델 선정만으로 끝나지 않습니다. 현장 업무, 설비 데이터, 품질 기준, 운영 인력, 보안 정책,
유지보수 체계가 함께 맞아야 딥마인드의 표에 나온 숫자가 우리 현장에서도 재현됩니다.
그렇지 않으면 92%는 실험실의 숫자로 남고, 우리가 마주하는 현실은 32% 쪽에 가까워집니다.
클라우드를 기다릴 수 없는 몸과 데이터를 외부로 내보낼 수 없는 공장이 동시에 존재하는 이유가 여기에 있습니다.
미스릴은 이 빈칸을 과제 정의 단계부터 함께 채웁니다.
이미 갖춰진 CCTV·FDC·PLC 위에 NENYA 판단 레이어를 어떻게 얹을지,
가디언으로 안전을 닫을지 옵티마로 수율을 볼지, PoC 이후 운영과 사이트 확장을 어떤 순서로 진행할지를
현장 데이터와 규정에 맞춰 설계합니다.
보유한 로그와 영상, 막고 싶은 사고, 올리고 싶은 수율만 있어도 충분합니다.
이 재료로 지금 적용 가능한 지점부터 점검해 보시기 바랍니다.
미스릴과 제조 AI 도입 방향을 함께 논의해 보세요.
댓글