지난 30년은 소프트웨어가 세상을 바꿨지만, 이제는 피지컬 AI가 이끄는 하드웨어 중심의 시대로 전환되고 있다.

AI의 발전은 이제 기술이 ‘무엇을 할 수 있는가’를 넘어 ‘어디까지 확장될 수 있는가’까지 바꾸고 있다. AI는 패턴 인식 중심에서 추론 중심으로, 단일 과업 수행에서 범용 문제 해결로, 클라우드 중심에서 에지(edge, 네트워크의 끝단. 데이터가 실제로 만들어지고 사용되는 현장 가까운 곳을 의미) 중심으로 빠르게 이동하고 있다. 그리고 이런 역량의 진화는 현실 세계의 변화로 본격 이어지고 있다. 그 변화가 가장 선명하게 드러나는 분야가 바로 로보틱스다.

오랫동안 지능형 로봇은 ‘곧 현실이 될 미래’로만 여겨졌다. 하지만 취약한 소프트웨어, 높은 부품 가격, 예측하기 어려운 물리 환경이 상용화의 발목을 잡아왔다. 지금 달라진 것은 단일 기술의 돌파가 아니다. 여러 기술이 한 시점에 맞물리며 로보틱스의 조건 자체를 바꾸고 있다는 점이다. 맥락과 지시를 이해하는 대형 언어 모델, 사람 수준에 가까워진 컴퓨터 비전, 에지에서 실시간 추론이 가능한 반도체 플랫폼, 그리고 고성능 하드웨어를 더 낮은 비용에 구현할 수 있게 한 제조 기술이 동시에 성숙했다. AI는 이제 로보틱스를 가능하게 하는 수준을 넘어, 도입 속도 자체를 끌어올리고 있다. 10년에 걸쳐 진행됐을 변화가 몇 년 안에 압축돼 나타나고 있는 셈이다.

그 결과 투자 관점에서도 ‘일시적 유행’이 아닌 구조적 전환이 나타나고 있다. 인터넷과 클라우드 초기에는 그 영향력이 주로 코드 속에 보이지 않게 축적되었다. 반면 피지컬 AI의 부상은 실물로 확인된다. 창고에서는 주문을 처리하고, 병원에서는 수술을 집도하며, 건설 현장에서는 직접 자재를 옮긴다. 더 나아가 공장 바닥에서는 사람과 나란히 일하는 휴머노이드 형태로 확장되고 있다. 투자 기회 역시 반도체와 소프트웨어 같은 기반 기술부터 로봇 자체, 그리고 로봇이 바꾸는 산업 전반으로 넓게 퍼져 나가고 있다.

로보틱스 전환은 산업의 새 패러다임이다

현재 로보틱스의 변화는 특정 제품 하나나 몇 건의 기술 발표만으로 설명할 수 있는 일이 아니다. 경제, 인구, 기술을 둘러싼 큰 흐름이 오랜 시간 쌓이면서, 이제는 되돌리기 어려운 구조적 전환이 나타나고 있다. 제조업은 오래전부터 로보틱스의 핵심 무대였다. 전 세계 산업용 로봇의 설치 기반은 약 480만 대에 이르며, 이는 추가 확장을 뒷받침할 탄탄한 토대가 됐다. 2024년 한 해 신규 설치만 54만 2,000대에 달했는데, 이는 지난 10년 사이 2배 이상 늘어난 규모이자 연간 설치 기준으로 역사상 두 번째로 높은 기록이다. 지역별로는 아시아가 신규 배치의 74%를 차지했고, 유럽과 미주는 각각 16%와 9%였다. 연간 설치 대수는 2025년에 더 늘었고, 2028년에는 70만 대를 넘어설 것으로 전망된다.

다만 단순히 ‘숫자가 늘어났다’는 사실만으로는 핵심을 설명하기 어렵다. 자동화의 경제성 자체가 결정적으로 바뀌고 있기 때문이다. 지난 10년 동안 센서, 소프트웨어, 하드웨어 기술이 누적되면서 산업용 로봇 도입 비용은 약 25% 내려갔다. 반대로 미국 제조업 임금은 계속 올라왔고, 앞으로도 추가 상승이 예상된다. 로봇은 가격이 내려가고 임금은 비싸지는 격차가 커지는 추세다. 더 많은 산업과 지역에서 자동화가 ‘하면 좋은 선택’이 아니라 ‘하지 않기 어려운 선택’이 되고 있다.

여기에 해외 생산을 자국으로 다시 이전하려는 리쇼어링 움직임이 본격화되면서, 산업구조 전환에 추가적 추진 동력이 더해졌다. 지정학적 충격, 팬데믹 당시의 공급망 붕괴, 국가안보 우려가 겹치면서 제조업을 국내 시장으로 다시 끌어들이려는 전략적 재편이 빨라졌다. 제조 관련 건설 지출이 급증했고, 주요 기업의 대규모 투자 약속은 이 흐름이 일시적 유행이 아니라는 점을 뒷받침한다.

하지만 리쇼어링 물결은 노동력만으로는 완주하기 어렵다. 자동화는 재산업화의 보완재가 아니라 전제 조건이다. 필요한 생산량과 정밀도, 그리고 경쟁력 있는 비용 구조를 맞추려면 대규모 ‘초자동화’가 필수로 따라붙는다.

AI가 로봇의 도입을 빠른 속도로 바꾸고 있다

하드웨어 가격 하락이 로봇 도입의 비용 부담을 낮췄다면, AI는 ‘왜 지금 로봇 도입 속도가 갑자기 빨라졌는가’를 설명해준다. 로보틱스의 오랜 역사에서 로봇은 기본적으로 정해진 일만 반복하는 경직된 기계에 가까웠다. 산업용 로봇 팔도 사람이 미리 입력해 둔 프로그램에 따라 정해진 경로를 움직이며, 같은 동작을 수천 번 되풀이했다. 반복 작업에는 강력했지만, 환경이 조금만 달라져도 쉽게 흔들렸다. 정돈된 공장처럼 조건이 고정된 곳에는 잘 맞았지만, 물건 위치가 바뀌거나 예외 상황이 생기면 스스로 대응하지 못했다. 그런데 지금 그 한계가 빠르게 무너지고 있다.

컴퓨터 비전과 강화 학습, 강력한 언어 모델의 발전이 ‘보고, 판단하고, 상황에 맞춰 행동을 바꾸는’ 새로운 세대의 로봇을 가능하게 했다. 과거처럼 로봇을 한번 설치하면 고정된 방식으로만 돌리는 것이 아니라, 표준화된 연결 방식을 갖춘 소프트웨어 중심 플랫폼이 등장하면서 필요할 때 기능을 ‘끼우고 빼듯’ 빠르게 바꿀 수 있게 됐다. 이런 구조는 장비를 멈추는 시간을 줄이고, 작업 라인을 다시 구성하는 것도 쉽게 바꾸며, 도입 과정에서 생기는 시행착오와 실패 위험도 낮춘다. 결국 기업은 정밀도와 안정성을 유지하면서도 제품·공정 변화에 맞춰 유연하게 대응하는 ‘맞춤형 생산’의 이점을 더 싸게 얻을 수 있다.

이 흐름을 뒷받침하는 반도체 인프라도 빠르게 발전하고 있다. 데이터센터용 고성능 가속기부터 공장·로봇 현장에 붙는 에지 프로세서, 기기 내부에 들어가는 AI 칩까지 차세대 컴퓨팅 플랫폼이 현실 세계 곳곳에 퍼지고 있다. 최근 업계 행사에서는 여러 기업이 ‘더 적은 전력과 비용으로 더 빠르게 판단하고 학습하는’ 플랫폼을 공개했다. 이는 클라우드에서만 돌아가던 AI가 현장에서도 실시간으로 작동할 수 있음을 뜻하며, 이는 로봇이나 자율 시스템처럼 ‘즉시 판단’이 필요한 분야에 특히 중요하다.

이런 변화 속에서 협동 로봇, 즉 코봇(Cobot)이 빠르게 확산됐다. 코봇은 위험하거나, 반복적이거나, 정밀도가 요구되는 일을 비교적 낮은 비용으로 실행하고, 사람은 더 가치가 큰 업무에 집중한다. 그 결과 전통적 공장자동화와 AI 기반 피지컬 지능의 경계가 점점 사라지고 있다. 그리고 이 경계가 흐려질수록 과거에는 너무 복잡하고 변수가 많아 ‘로봇이 하기 어렵다’고 여기던 현장에까지 자동화 도입이 빠르게 확산되고 있다.

경제 전반으로 확산되는 로보틱스

현재 로보틱스 사이클의 두드러진 특징 중 하나는 변화가 일어나는 산업의 폭이 매우 넓다는 점이다. 한때 제조업 중심이던 자동화는 이제 물류, 헬스케어, 소매와 호텔, 교통 서비스, 그리고 인프라·건설 분야까지 빠르게 번지고 있다. 일견상 각 산업 분야는 달라 보이지만 이들이 공통으로 마주하는 현실은 비슷하다. 만성적 인력 부족이 이어지고 임금 부담이 커지는 반면, 고객과 사회가 요구하는 속도와 품질, 그리고 일관성에 대한 기대는 계속 높아지고 있다. 로보틱스가 각 분야에 가져온 변화는 다음과 같이 정리할 수 있다.

① 물류와 창고

이 분야는 피지컬 AI가 가장 눈에 띄게 활약하는 무대가 됐다. 대형 전자상거래 기업은 이미 전 세계적으로 100만 대가 넘는 창고 로봇을 운영하고 있으며, 일부 로봇은 포장된 물품을 옮기고 분류·식별하는 일을 사람의 개입을 최소화한 채 처리한다. 다른 대형 유통·물류 기업도 로보틱스를 도입해 처리량을 안정시키고, 인력 수급 변동에 따른 리스크를 줄이려 하고 있다. 자율 이동 로봇은 팔레트를 옮기는 일부터 마지막 분류 작업까지 맡으며, 전자상거래의 구조적 성장과 함께 ‘더 빠른 배송’에 대한 소비자의 기대에 빠른 속도로 부응하고 있다. 게다가 물류 현장의 노동은 비용과 이직률이 높아 사람만으로 운영을 유지하기가 점점 어려워지고 있다.

② 헬스케어

특히 서비스 로보틱스가 급부상하고 있는 분야를 꼽으라면 바로 헬스케어다. 높은 정밀도가 요구되는 동시에 인력 부족이 심각하고, 전 세계적인 고령화가 수요를 구조적으로 밀어 올리고 있기 때문이다. 최근 몇 년 사이 로봇 수술을 수행하는 외과의사의 비율이 크게 늘었고, 주요 수술 로봇 시스템의 설치 기반도 빠르게 확대됐다.

또 로봇의 역할은 수술에 머물지 않는다. 병원은 약품 배송, 위생 관리, 환자 이동 지원 같은 업무에 자율 시스템을 배치하면서 의료 인력이 진료와 환자 케어에만 집중하도록 돕고 있다. 이는 의료 시스템이 수용 능력의 한계에 가까워지는 상황에서 특히 중요한 변화다.

③ 교통 및 서비스

자율주행차는 피지컬 AI가 이미 상업적으로 성숙한 형태로 구현된 사례로 꼽힌다. 무인 차량은 주요 도시에서 상업 규모로 운영되고 있으며, 이런 시스템은 방대한 센서 데이터를 실시간으로 처리하면서 주행한다. 더 중요한 점은 이 과정에서 축적되는 기술이 특정 산업에 그치지 않는다는 것이다. 센서 융합, 현장 처리, 실시간 최적화 같은 기반 기술은 드론, 배송 로봇, 산업용 자율 차량 등 다른 영역으로 확산하며 파급효과를 만든다.

④ 소매와 호텔

소매와 호텔 산업에서의 변화는 이미 일상화되고 있다. 아시아와 미국의 주요 체인과 호텔에서는 자율 시스템, 청소 로봇, 배송 로봇이 점점 흔해지고 있다. 외식 분야에서는 자동화된 주방 시스템이 조립 작업을 정밀하고 일관되게 수행한다. AI의 인식 능력과 정밀도, 그리고 상황 적응력이 좋아질수록 ‘자동화가 경제적으로 가능한 영역’의 경계가 계속 넓어지고 있다. 따라서 이러한 흐름은 앞으로도 가속화될 가능성이 크다.

⑤ 인프라와 건설

이제 막 본격적으로 확장하고 있는 새로운 분야다. 건설 현장은 환경이 늘 바뀌고 변수가 많아 자동화하기 어려운 분야였지만, 최근에는 자재를 운반하면서 동시에 작업 데이터를 실시간으로 수집·전송하는 자율 로봇 같은 플랫폼이 등장했다. 이는 단순한 실험이 아니라 초기 상용화 단계에 들어선 시도이며, 세계에서 가장 규모가 큰 산업 중 하나인 건설 영역에서도 피지컬 AI가 현실에서의 생산성을 높이기 시작했음을 보여준다.

휴머노이드는 로봇의 활용 범위를 바꾼 게임체인저

협동 로봇과 자율 이동 시스템이 ‘현재 물결’이라면, 휴머노이드는 어쩌면 가장 판을 크게 바꿀 변화의 핵심이다. 휴머노이드는 기존 작업장을 로봇에 맞춰 새로 설계하지 않아도 사람이 쓰는 환경에서 그대로 움직이도록 만들어졌다. 계단을 오르고, 문을 열고, 상자를 들어 옮기며, 음성 지시에도 반응한다. 즉 사람을 기준으로 만들어진 공간을 그대로 활용할 수 있다는 점이 휴머노이드의 가장 큰 강점이다.

이런 특성 때문에 시장이 내포하는 기회는 매우 크다. 산업 현장 노동의 상당 부분은 물론이고, 장기적으로는 가정 단위까지 영향을 미칠 수 있다. 이미 파일럿 테스트가 진행 중이고, 주요 기업은 실제 현장 배치 일정도 확정해 두었다. 일부 모델은 꽤 무거운 물체를 들어 올릴 수 있고, 새로운 작업을 빠르게 익히며, 최소한의 감독만으로도 자율적으로 작동한다.

향후 10~20년을 놓고 보면 휴머노이드 판매 규모가 급격히 커질 가능성이 있다. 이 확산 속도는 자동차 산업이 초기에 시장을 넓혀 가던 흐름과 비슷한 궤적을 그릴 수도 있다. 완전히 같은 길을 걷는 것은 아니지만, 제한된 산업 현장에서 시작해 점차 더 넓은 시장으로 퍼져 나가는 ‘범용 기술’이라는 점에서 구조적 유사성은 분명하다.

시장 구도 역시 빠르게 세계화되고 있다. 한쪽에서는 고성능·고가 제품으로 프리미엄 시장을 선도하고, 다른 한쪽에서는 저렴하면서 특정 작업에 최적화된 플랫폼으로 비용 경쟁력을 끌어올리고 있다. 여기에 로봇을 구매가 아니라 구독·임대처럼 쓰게 하는 ‘서비스형 로봇’ 모델도 확산되고 있다. 이런 경쟁 방식의 차이는 향후 산업의 경쟁 구도를 좌우할 것이다.

피지컬 AI가 여는 새로운 산업구조

로보틱스를 단순히 ‘하드웨어가 좋아졌다’는 이야기로만 이해하면 핵심을 놓치기 쉽다. 피지컬 AI는 반도체, 소프트웨어, 에너지와 전력망 같은 인프라, 그리고 실제 현장 적용까지 이어지는 총체적 변화이다. 각 요소는 서로를 뒷받침하고 또 의존하면서 함께 커지고 있다.

먼저 로봇의 지능은 결국 이를 구동하는 실리콘, 즉 반도체 성능에 의해 좌우된다. 그래서 AI 반도체 산업은 가속 컴퓨팅 수요에 맞춰 빠르게 재편되는 중이고, 그 영향은 데이터센터에 머물지 않는다. 공장·물류 현장 등 전반으로 확산되면서 AI 프로세서 지출은 급증하고 있으며, 앞으로 더 큰 규모로 커질 가능성이 크다. 실제로 수요는 데이터센터를 넘어 로봇, 자율주행차, 드론, 차세대 에지 기기까지 넓어지고 있다.

다만 피지컬 AI의 확산은 ‘칩이 좋아지는 것’으로 끝나지 않는다. AI가 현실 세계로 들어오면서 이를 지탱할 물리적 인프라의 규모도 함께 커지고 있기 때문이다. 대형 AI 모델을 학습시키는 데는 막대한 전력이 필요하고, 데이터센터의 전력 소비는 이미 빠르게 증가하고 있다. 앞으로는 국가 전체 전력 수요에서 데이터센터가 차지하는 비중이 매우 커질 수 있는데, 이는 신규 발전 설비의 확대뿐 아니라 낡은 전력망을 현대화하는 수준의 투자가 요구된다.

이러한 흐름 속에서 대형 기술 기업은 AI 데이터센터 확장에 막대한 자본을 투입하고 있으며, 그 여파는 기술 기업에 국한되지 않는다. 데이터센터를 짓고 운영하려면 건설, 엔지니어링, 자재, 송배전망 같은 전력 인프라 기업까지 연쇄적으로 수요가 늘어난다. 여기에 제조업의 부활, 특히 대규모 반도체 공장 건설이 더해지면서 전력 수요는 한 단계 더 커진다. 반도체 공장 하나가 수만 가구와 맞먹는 전력을 소비할 수 있다는 점을 고려하면 향후 수년간 필요한 인프라 투자는 단기 이벤트가 아니라 중장기, 길게는 수십 년 단위의 기회로 이어질 가능성이 높다.

AI 가치 창출이 실현되는 투자 영역

AI 생태계에서 로보틱스는 자동화를 통해 생산·물류·서비스의 기반을 바꾸는 ‘인프라 촉진자’이기도 하다. 산업용 로봇만 해도 이미 전 세계에 수백만 대가 깔려 있다. 여기에 AI가 더해지면서 로봇은 정해진 동작을 반복하는 장비를 넘어 복잡하고 변화가 많은 환경에서도 상황에 대응하는 적응형 지능 시스템으로 진화하고 있다.

서비스 로보틱스 역시 빠르게 커지고 있다. 헬스케어, 국방, 물류, 교통 등 여러 분야에서 피지컬 AI는 실험 단계를 지나 주류 상업 응용으로 빠르게 이동하고 있다. 투자 기회도 특정 지점에 몰려 있지 않다. 부품을 만드는 기업, 로봇을 현장에서 실행시키는 시스템 통합 업체, 이를 구동하는 소프트웨어 플랫폼, 그리고 실제로 로봇을 도입해 산업을 바꾸는 최종 수요처까지 가치사슬 전반에 걸쳐 분산돼 있다.

이런 흐름을 종합하면, 로보틱스와 피지컬 AI는 글로벌 경제가 겪는 구조적 전환을 상징한다고 볼 수 있다. 변화는 단순히 빨라지고 있는 것만이 아니라 적용 범위가 넓어지고 깊이도 더해지고 있다. 제조업에 집중되던 자동화는 이제 물류, 헬스케어, 교통, 건설, 서비스 전반으로 확산되고, 로봇 비용 하락, 노동비 상승, 리쇼어링 필요성, AI 혁신이 서로를 밀어 올리며 선순환을 만든다.

프로토타입(시험용 모델)에서 실제 배치로 넘어가는 전환도 이미 진행 중이다. 휴머노이드 로봇은 각 기업들이 원하는 현장에 투입되어 일하는 중이고, 무인 운행 서비스는 주요 도시에서 상업 규모로 운영되고 있다. 창고 로봇은 이미 100만 대를 넘어섰다. 이는 앞으로 피지컬 지능이 경제 전반으로 확장될 것임을 구체적으로 보여준다.

투자자 관점에서 ‘지능의 시대’는 소프트웨어만의 이야기가 아니다. 이제는 하드웨어가 산업구조 자체를 변화시키는 동력이 되고 있다. 로보틱스와 피지컬 AI는 바로 그 교차점에 있으며, 향후 수십 년을 규정할 핵심 투자 테마로 자리 잡을 가능성이 크다.