로봇에게 세상을 가르치는 데이터, 몸값은 유니콘인데 알맹이는 아직 없다 🤖📊

## 무슨 일이 있었나
로봇이 무대 위에서는 춤도 추고 재주도 넘지만, 막상 가정이나 공장에 투입되면 서랍 하나 여는 것도 버벅거립니다. 원인은 간단합니다. 배울 데이터가 없기 때문입니다. 거대언어모델은 수십조 개의 토큰을, 자율주행은 수백억 시간의 주행 기록을 먹고 자랐지만, 로봇이 물건을 집고 옥기고 접는 이른바 조작 데이터는 공개적으로 쓸 수 있는 양이 겨우 수십만 시간 수준에 불과합니다.
이 병목이 최근 반년 사이 독립된 투자 섹터를 하나 만들어냈습니다. 광룬즈넝은 두 달 만에 두 차례 연속 투자를 유치하며 기업가치 20억 달러를 넘어, 세계 최초의 구현체 데이터 유니콘이 됐습니다. 2025년 창업한 젠즈로봇에는 앤트그룹과 디디 같은 빅테크가 베팅했고, 로봇 유니콘 즈위안에서 분사한 미펑커지도 수억 위안을 끌어모았습니다.
이 회사들이 파는 것은 진짜 로봇 동작 데이터입니다. 가장 비싸고 정교한 방식은 실기 채집으로, 작업자가 VR·AR 헤드셋을 쓰고 로봇 팔의 움직임을 하나하나 원격 조작해 시연합니다. 테슬라는 옵티머스용 데이터 수집 인력에 시급 25~48달러를 지급할 정도로 공을 들입니다. 반면 중국 현지에서는 채용 게시판에 하루 240위안짜리 수집원 공고가 널려 있고, 이들은 옷 개기·신발끈 묶기·캐비닛 열기 같은 단순 동작을 온종일 반복합니다. 놀라운 건 속도입니다. 로봇 본체 기업들이 아직 연구개발비만 태우고 있는 단계에서, 데이터 기업들은 분기당 5.5억 위안 규모 계약을 따내며 먼저 현금을 만지고 있습니다.
## 이게 왜 중요한가
로봇 산업의 밸류체인을 자율주행에 빗대면 이해가 빠릅니다. 자율주행은 센서·차량·지도·데이터·알고리즘이 십수 년에 걸쳐 함께 성숙했고, 그 과정에서 매핑·시뮬레이션·데이터 라벨링이라는 두툼한 서브산업이 생겼습니다. 구현체 지능은 그 압축판을 몇 년 안에 겪는 중입니다. 문제는 로봇의 조작이 자율주행의 주행보다 훨씬 더 다양하고 미묘하다는 점입니다. 도로는 규칙이 있지만, 집안일과 공장 라인은 사물의 종류·재질·순서가 사실상 무한대입니다. 그래서 데이터의 양뿐 아니라 다양성과 표준화가 동시에 필요한데, 지금은 회사마다 채집 장비·좌표계·포맷이 제각각이라 데이터를 모아도 서로 합쳐 쓰기가 어렵습니다. 결국 로봇 본체 기업 입장에서 데이터는 자체 조달하기엔 너무 비싸고, 외부에서 사자니 표준이 안 맞는 이중고에 걸려 있고, 바로 이 틈새에서 데이터 전문 기업들이 삽 파는 사람으로 먼저 돈을 벌고 있는 것입니다.
## 한국 독자·비즈니스에 주는 시사점
한국의 로봇·AI 스타트업과 투자자들에게 이 흐름은 두 가지를 동시에 말해줍니다. 기회와 거품입니다.
기회 쪽에서 보면, 진입장벽이 상대적으로 낮은 서비스형 사업이 열려 있습니다. 국내에는 이미 물류·서빙 로봇 운영 경험이 있는 회사, VR 모션캡처·시뮬레이션 스튜디오, 제조 현장에 강한 SI 업체들이 있습니다. 이들이 로봇 본체를 직접 만들지 않아도, 특정 산업에 특화된 고품질 조작 데이터를 표준화된 포맷으로 채집·정제해 파는 사업 모델은 초기 자본이 로봇 완제품 개발보다 훨씬 적게 듭니다. 실제로 중국 사례처럼 로봇 본체 기업보다 데이터 기업이 먼저 매출을 낸다는 점은, 한국 스타트업이 완제품 경쟁이 아니라 데이터 인프라 경쟁으로 우회해 글로벌 로봇 기업들의 고객이 될 여지가 있다는 뜻입니다. 특히 한국어 환경, 한국식 가전·주방·아파트 구조에 특화된 조작 데이터는 해외 기업이 구하기 어려운 희소 자산이 될 수 있습니다.
다만 투자자라면 거품 신호도 함께 봐야 합니다. 첫째, 이 섹터의 계약 규모가 아직 소수 고객에 집중돼 있어 분기 5.5억 위안 같은 숫자가 지속 가능한 매출인지, 몇 건의 대형 계약에 기댄 일시적 숫자인지 구분이 필요합니다. 둘째, 표준 부재 문제는 구조적입니다. 지금 잘 팔리는 데이터 포맷이 1~2년 뒤 업계 표준 로봇 학습 프레임워크와 호환되지 않으면 자산 가치가 급격히 떨어질 수 있습니다. 즉 데이터 기업에 투자할 때는 얼마나 팔았나보다 표준화·재사용 가능성을 얼마나 확보했나를 먼저 물어야 합니다. 셋째, 노동집약적 수집 구조 자체가 마진 확장의 한계를 가지고 있어서, AI 자동 생성으로 전환할 로드맵이 없는 회사는 결국 인건비 상승과 함께 마진이 눌릴 위험이 있습니다.
## 전망
데이터 병목은 단기간에 풀리기 어렵습니다. 자율주행이 표준화되기까지 십 년 넘게 걸렸다는 점을 감안하면, 구현체 지능의 조작 데이터 생태계도 최소 3~5년은 각축전이 이어질 가능성이 큽니다. 다만 그 사이 시뮬레이션과 실기 데이터를 섞어 쓰는 하이브리드 채집, 그리고 산업별 특화 데이터셋이 먼저 자리를 잡을 것으로 보입니다. 한국은 로봇 완제품 경쟁에서는 후발주자지만, 특정 산업 도메인의 데이터 품질과 현장 운영 노하우로 글로벌 공급망의 한 축을 담당할 문은 아직 열려 있습니다.
출처: 타이메이티(TMTPost) 원문 https://www.tmtpost.com/8066890.html