피지컬 AI 동향: 2026년, 코드가 현실 시스템으로 확장되다

30초짜리 휴머노이드 영상은 인상적입니다. 생산 라인의 한 교대는 훨씬 깁니다.

2026년에 벌어진 변화는 만능 노동자의 등장이 아닙니다. 일부 제한된 업무에서 실제 생산 데이터가 나오기 시작했다는 쪽에 가깝습니다. 화려한 영상, 고객사 공장 안에서 촬영한 시연, 반복 생산 운용을 같은 증거로 놓으면 이 차이가 사라집니다.

피지컬 AI(Physical AI)는 화면 속 답변 대신 현실의 행동을 출력합니다. 카메라와 센서로 환경을 읽고 작업을 계획한 뒤 로봇 팔이나 이동체를 제어하죠. 2026년 7월 26일까지 공개된 1차 자료에서 어디까지 확인됐는지, 그 경계를 나눠봤습니다.

피지컬 AI를 움직이는 세 층

로봇이 “컵을 들어 옮겨”라는 지시를 수행하려면 적어도 세 층이 함께 돌아가야 합니다.

인지와 추론: 카메라 영상, 언어 지시, 공간 관계를 해석합니다.
행동 정책: VLA(Vision-Language-Action) 모델이 목표를 로봇의 행동으로 바꿉니다.
실행과 안전: 저수준 제어기, 충돌 방지, 비상 정지, 작업 셀이 실제 움직임을 제한합니다.

VLA 벤치마크가 올랐다고 로봇 전체의 생산성이 함께 오르는 건 아닙니다. 손의 내구성, 작업 실패 후 복구, 배터리, 네트워크, 안전 인증, 기존 설비와의 통합이 한 군데라도 막히면 로봇은 멈춥니다.

시뮬레이션과 합성 데이터는 현실 학습 비용을 줄여줍니다. 현장 검증까지 대신해 주지는 않습니다.

영상 하나로 산업을 판단하지 않는 네 단계

단계	확인할 증거	기사에서의 해석
연구·영상 데모	선별된 작업 영상, 자체 벤치마크	가능성을 보여주지만 반복성과 운영비는 알 수 없음
현장 시범	고객 시설, 제한된 기간과 작업	환경 적응은 확인했지만 상시 생산과는 다름
반복 생산 운용	교대 일정, 가동시간, 처리량, 개입 기록	제한된 작업에서 생산 기여를 입증
확장된 상용 운영	여러 현장·업무, 구매 고객, 비용·안전 데이터	범용성과 경제성을 판단할 수 있는 단계

2026년의 휴머노이드 시장은 대체로 첫째와 둘째 단계에 머뭅니다. 공개 수치가 있는 일부 제조 작업만 셋째 단계에 닿았습니다.

‘공장에 들어갔다’는 말만으로는 표의 어느 칸인지 알 수 없습니다.

2026년 주요 사례: 무엇이 확인됐나

Google DeepMind: 강한 모델 연구, 제한된 배포

Google DeepMind는 2025년 9월 Gemini Robotics 1.5와 Gemini Robotics-ER 1.5를 공개했습니다. Robotics 1.5는 시각과 지시를 로봇 동작으로 바꾸는 VLA 모델이고, ER은 공간을 추론하고 도구를 호출해 여러 단계의 작업 계획을 만드는 모델입니다. 공개 당시 Robotics 1.5는 일부 파트너에게만, ER 1.5는 Gemini API를 통해 개발자에게 제공됐습니다. 연구 성과와 접근성 확대를 보여준 발표이지 공장 생산성 보고서는 아닙니다. (Google DeepMind, 2025년 9월)

2026년에는 추론 계열의 최신 공개 버전이 Gemini Robotics-ER 1.6으로 바뀌었습니다. Google은 계기판 읽기와 안전 지시 준수 등 자체 평가 개선을 제시하고 AI Studio와 API 제공을 시작했습니다. 이 숫자는 Google의 평가 조건 안에서 나온 모델 성능입니다. 특정 로봇의 사이클타임이나 무인 가동률과 바로 비교할 수는 없습니다. (Google DeepMind, Gemini Robotics-ER 1.6)

개발자에게는 반가운 변화입니다. 범용 모델이 고수준 계획과 행동 정책의 출발점을 제공하면 작업별 개발량을 줄일 수 있으니까요.

구매자라면 모델 이름보다 자신의 작업 셀에서 측정한 성공률과 복구 시간을 묻겠습니다.

Figure와 BMW: 제한된 작업이지만 생산 증거가 있다

데모와 생산 운용의 차이는 BMW 스파턴버그 공장 사례에서 선명하게 드러납니다. BMW는 Figure 02가 2025년 10개월 동안 차체 공정에서 판금 부품을 용접 지그에 넣었고, 3만 대가 넘는 BMW X3 생산을 지원했다고 밝혔습니다. Figure가 별도로 공개한 숫자는 평일 10시간 교대, 1,250시간 이상의 가동, 9만 개 이상의 부품 투입입니다. 공급사만이 아니라 고객사 BMW도 작업과 생산 기여를 확인했습니다. 공개된 휴머노이드 사례 중에서는 꽤 강한 증거입니다. (BMW Group, 2026년 6월, Figure, 2025년 운용 결과)

범위를 넓히면 안 됩니다. 정해진 부품을 정해진 지그에 넣는 제조 업무에서 얻은 숫자입니다. 가사 전반이나 임의의 공장 업무를 자율적으로 수행했다는 증거는 아닙니다.

후속 Figure 03는 2026년 6월 BMW 공장에서 부품을 골라 순서대로 카트에 배치하는 물류 업무를 시연했습니다. BMW도 이를 새 배치 프로젝트로 설명합니다. Figure 02에는 누적 생산 결과가 있고, Figure 03에는 새로운 현장 시연이 있습니다. 아직 같은 칸에 놓을 수는 없습니다.

Boston Dynamics Atlas: 제품화와 현장 성과 사이

Boston Dynamics는 2026년 1월 전동식 Atlas의 제품 버전을 공개하고 생산을 시작했으며, 2026년 물량은 Hyundai의 Robotics Metaplant Application Center와 Google DeepMind에 배치할 예정이라고 발표했습니다. 부품 수를 줄이고 자동차 공급망과 호환되도록 설계했다는 설명은 연구용 로봇에서 산업 제품으로 이동하고 있음을 보여줍니다. (Boston Dynamics, 2026년 1월)

“생산을 시작했다”와 “고객 생산 라인에서 목표 가동률을 달성했다” 사이에는 긴 간격이 있습니다. 현재 자료가 말하는 건 예정된 출하와 초기 현장 시험까지입니다. Atlas는 배치 전·초기 배치 단계에 두겠습니다.

기다려야 할 숫자는 실제 교대당 처리량, 사람의 개입 횟수, 고장 간 평균시간입니다.

Tesla Optimus: 규모 계획은 생산 운용 증거가 아니다

Tesla Optimus는 관심에 비해 공개된 운영 숫자가 적습니다. Tesla가 2026년 7월 제출한 2분기 10-Q는 Optimus를 개발 중인 범용 휴머노이드로 설명하고, 대규모 생산을 위한 준비와 투자를 진행 중이라고 적었습니다. 이 공시에는 Optimus 로봇군이 고객 또는 Tesla 공장에서 반복 생산 업무를 완수했다는 가동 수치가 없습니다. (Tesla 2026년 2분기 10-Q)

“공장 배치 완료”, “수천 대가 실전 투입”, 특정 세대의 양산 완료 같은 표현은 현재 공시로 뒷받침되지 않습니다. 지금 공개된 건 규모를 키우려는 계획이지, 현장의 가동 성적표가 아닙니다.

NVIDIA: 로봇 제조사가 아니라 개발 스택의 확장

NVIDIA는 2026년 1월 오픈 VLA 모델 Isaac GR00T N1.6, 물리 추론 모델, 시뮬레이션·평가 도구를 공개했습니다. 로봇 회사가 데이터 생성, 학습, 시뮬레이션, 온로봇 추론을 잇는 개발 기반입니다. 생태계에는 분명 진전입니다.

발표 자료에 파트너 이름이 실렸다는 사실만으로 그 회사 로봇의 생산 배치까지 입증되지는 않습니다. (NVIDIA, 2026년 1월)

로봇 이름보다 먼저 물어야 할 여섯 가지

로봇 도입 제안서나 투자 발표를 볼 때는 데모 영상보다 다음 질문이 유용합니다.

업무 범위가 고정돼 있는가? 물체 종류, 배치 위치, 조명, 바닥 상태가 바뀌어도 같은 성능이 나오는가.
분모가 공개됐는가? 성공 장면 수가 아니라 전체 시도 수, 교대당 처리량, 누적 가동시간이 있는가.
사람의 개입을 어떻게 세는가? 원격조종, 리셋, 물체 재배치, 안전 정지를 모두 개입에 포함하는가.
기존 자동화와 비교했는가? 휴머노이드가 꼭 필요한 작업인지, 고정형 로봇 팔이나 이동 로봇이 더 싸고 안정적인지 비교했는가.
총비용에 통합 비용이 들어갔는가? 로봇 가격뿐 아니라 작업 셀 변경, 안전 설비, 유지보수, 감독 인력, 다운타임을 포함했는가.
고객사가 결과를 확인했는가? 공급사의 발표만 있는지, 실제 사용 고객이 기간과 생산 결과를 함께 공개했는지 확인해야 합니다.

가동시간·개입률·비용이 빠져 있다면 저는 일단 기술 데모 쪽에 놓겠습니다. ‘범용 로봇 경제’는 그 세 숫자를 확인한 다음에 해도 늦지 않습니다.

새 영상이 나와도 확인할 숫자는 거의 같다

피지컬 AI는 전진하고 있습니다. 자연어 지시, 시각 추론, 행동 정책이 하나의 개발 흐름으로 묶였고, Figure 02처럼 실제 생산에 기여한 제한적 사례도 나왔습니다. 그렇다고 Google의 모델 발표, Figure 03의 새 업무 시연, Atlas의 예정된 배치, Optimus의 생산 준비를 같은 줄에 놓을 수는 없습니다.

가정용 만능 휴머노이드나 간병 대체를 2026년의 현실로 받아들이기는 이릅니다. 지금 설득력 있는 시장은 작업이 반복되고 성과를 숫자로 남길 수 있는 제조·물류 쪽입니다.

새 발표가 나오면 영상보다 세 가지를 먼저 찾으세요. 얼마나 오래 일했는지, 몇 번 사람이 개입했는지, 기존 자동화보다 비용이 나았는지.

셋 중 하나라도 빠졌다면 인상적인 로봇일 수는 있어도, 아직 검증된 노동력이라고 부르지는 않겠습니다.