로봇은 느려도 돈이 된다

하드웨어 종속을 탈피하여 자생적 네트워크 효과를 창출하는 로봇 앱스토어의 도래

아직 인간처럼 걷지 못하는 로봇 2025년 4월 19일, 베이징 이좡(E-Town) 기술 허브에서 개최된 하프마라톤은 단순한 스포츠 이벤트가 아니었다.

12,000명의 인간 주자들과 함께 21대의 휴머노이드 로봇이 21.097km에 도전한 이 날, 로봇 산업의 현재 위치가 적나라하게 드러났다.

주최 측은 ‘하프마라톤’이라는 포맷을 채택했다.

단거리는 기술의 ‘스턴트’를 보여주기에 적합하지만, 중거리 이상이 되면 연속적 균형, 에너지 관리, 지형 대응력 등 로봇 시스템의 전체적인 완성도가 시험대에 오르게 된다.

즉 하드웨어-알고리즘-배터리가 유기적으로 작동하는가를 묻는 자리였다.

결과는 냉정했다.

완주율은 52%.

21대 중 11대만이 결승선을 넘었다.

평균 완주 시간은 약 5시간으로, 인간 평균의 두 배를 넘었다.

가장 빠른 ‘Tiangong Ultra’조차도 세 번의 배터리 교체 끝에 느린 조깅 속도로 간신히 완주했다.

일부 로봇은 출발과 동시에 전복되었고, 몇몇은 중간에 멈춰 섰다.

이 날의 현장은 단지 “기술이 부족하다”는 표면적 진단보다 더 뿌리 깊은 질문을 던진다: “왜 아직도 로봇은 못 걷는가?” 기술력만의 얘기가 아니다.

왜 수천억 달러가 투자된 산업이 여전히 ‘걷기’조차 버거워하는가? 왜 AI는 초당 수천 개의 프롬프트를 생성하는데, 로봇은 여전히 땅을 딛는 데 허우적대는가? 로봇의 하드웨어는 시간의 흐름을 따라 느리게 진화한다.

반면, 자본은 단기 성과를 요구하며 훨씬 빠른 속도로 움직인다.

기술의 정밀도는 반복 학습과 시스템 통합을 전제로 하지만, 자본은 분기 보고와 매출 지표를 우선한다.

결국 이 산업은 기계의 리듬과 자본의 리듬이 엇박자를 내는 구조 속에서 진화 중이다.

하드웨어는 수년 단위로 진보하지만, 자본은 분기 단위로 방향을 바꾼다.

이 시간의 비대칭성이 바로 로봇 산업의 핵심 병목이다.

AI는 클라우드 위에서 무한히 반복 학습하며 진화할 수 있지만, 로봇은 중력, 마찰, 배터리, 부품 수명이라는 물리적 조건 아래에서만 진화할 수 있다.

이때 필요한 것은 속도가 아니라, 속도 간의 정렬이다.

이 느림은 단순한 지체가 아니다.

하드웨어의 진화가 자본의 리듬을 따라가지 못할 때, 자본은 방향을 틀기 시작한다.

기술을 밀어붙이던 자본은 이제, 기술 위에 올라탈 구조를 찾는다.

로봇의 느린 보행은 자본과 시간의 구조적 병목 하프마라톤에 출전한 다수의 로봇은 자율성이 없었다.

인간 조력자의 원격 조작에 의존한 이유는 단순히 기술이 부족해서가 아니다.

넘어지지 않는 법을 배우지 못한 것이 아니라, 넘어지지 않게 만들 수 있는 데이터셋, 반복 실행 시간, 테스트 인프라가 현저히 부족했기 때문이다.

이는 딥러닝 초기에 GPU 없이 모델을 훈련시키던 시도와 유사하다.

알고리즘은 있었지만, 그것을 작동 가능하게 할 연산력과 시간, 비용이 뒷받침되지 않았다.

로봇 보행은 단순한 이동이 아니다.

센서 피드백, 실시간 판단, 정밀한 관절 동기화, 에너지 효율성 등 수십 개의 요소가 동시에 작동해야 가능한 복합적 행위다.

그러나 이 시스템 전체를 반복적으로 실험할 수 있는 학습 환경, 말그대로 물리적인 시간 단위의 학습 데이터가 현저히 부족하다.

로봇이 한 번 걷는 데는 수십 분이 걸리고, 실패는 물리적 손상으로 이어진다.

이로 인해 학습은 중단되고, 시스템은 다시 초기화된다.

로봇은 하드웨어인 동시에 학습을 위한 리소스 덩어리다.

속도의 문제가 아니라, 반복 자체가 불가능한 구조다.

즉 병목은 기술의 부족이 아니라, 기술이 ‘학습 가능해지기 위한 환경’의 부재에서 발생한다.

로봇 하드웨어는 태생적으로 느리게 진화한다.

문제는 그 느림을 감내하고, 반복 학습을 가능하게 할 자본 구조가 여전히 과거의 프레임에 갇혀 있다는 점이다.

빠른 회수와 지표 중심의 벤처캐피털 구조는 로봇처럼 느리게 성장해야 하는 시스템에 적대적이다.

그 결과는 명확하다.