① 자기 현장을 '데이터 광산'으로 쓰려는 제조사
삼성전자, 대표 직속 'RX 사업추진실' 출범

삼성전자가 'RX(로봇 경험) 사업추진실'을 출범시키며 로봇 사업의 실행 속도를 끌어올립니다. 노태문 대표이사 겸 DX부문장이 직접 조직을 이끌고, 로봇 개발을 맡아온 미래로봇추진단, 삼성리서치 내 로봇 인력, 생산기술연구소 등 흩어져 있던 로봇 R&D·사업화 조직이 한 지붕 아래로 묶여요. 2021년 로봇사업화 TF → 로봇사업팀 격상 → 2024년 레인보우로보틱스 인수로 이어져온 행보의 결정판이죠. 인재 영입도 눈에 띕니다 — 지능형 자율 로봇 시스템·제어 분야 석학인 김현진 서울대 교수와 로봇 손(Hand) 전문가 김의겸 아주대 교수가 합류하고, 로봇 파운데이션 모델(RFM)과 보행·전신 제어 기술을 가진 해외 스타트업 투자·M&A도 검토 중인 것으로 알려졌어요. 보도가 짚는 핵심도 분명합니다 — 피지컬 AI는 제조·행동 데이터가 핵심 경쟁력이고, 로봇이 실제 현장에서 부품을 잡고 옮기고 조립하는 과정 하나하나가 모두 데이터라는 것.

🔗 뉴스 원문 보기삼성전자, 'RX 사업추진실' 출범…로봇 사업 본격 시동 (조선일보) →

② 수출된 건 로봇이 아니라 '4년의 운영 데이터'입니다
팀네이버, 1784 모델 도쿄 미드타운 야에스에 첫 상용화

팀네이버가 NTT동일본·미쓰이부동산과 함께 도쿄 핵심 상업지구 '도쿄 미드타운 야에스' 빌딩에 스마트빌딩 운영 솔루션을 제공합니다. 성남 사옥 1784에서 구축·운영해온 스마트빌딩 모델의 최초 외부 도입·상용화 사례예요. 클라우드 기반 자율주행 로봇 딜리버리 서비스를 우선 시작하고, 실내 자율주행 로봇 '루키', 다수 로봇의 동선과 역할을 통합 관제하는 오케스트레이션 플랫폼 '아크브레인(ARC brain)', 디지털트윈, 비전 기반 측위 기술 '아크아이(ARC eye)'가 투입됩니다. 아크브레인은 클라우드 프로세싱으로 로봇뿐 아니라 스피드게이트·엘리베이터 등 건물 설비와 연계해 끊김 없는 운영을 돕죠. 팀네이버는 1784에서 4년간 로봇 딜리버리 서비스를 운영하며 시간대별 최적 경로, 반복 예외 상황 같은 실제 물리 환경의 운영 데이터를 축적해왔고, 이를 바탕으로 로봇 전용 엘리베이터 같은 스마트 설비나 특수한 클라우드 환경이 없는 일반 빌딩에서도 서비스가 가능하도록 기술을 최적화해왔습니다. 현지에서는 미쓰이부동산이 서비스 제공·연계를, NTT동일본이 디지털트윈 구축과 로봇 유지보수를 맡아요.

🔗 뉴스 원문 보기도쿄 한복판 누비는 자율주행 배달 로봇…팀네이버, 스마트빌딩 AI 솔루션 개시 (인포스탁데일리) →

③ 현장이 없는 자는 '현장 접근권'에 돈을 냅니다
中 피사이봇, 로봇 두뇌에 1억 달러 몰리며 유니콘 등극

중국 피지컬 AI 스타트업 피사이봇(링추인텔리전스)이 기업가치 14억8000만 달러를 인정받으며 유니콘에 합류합니다. 약 1억 달러 규모 신규 투자를 유치 중인데, 투자자 명단이 흥미로워요 — 중국 자동차업체 체리자동차와 애플·테슬라에 부품을 공급하는 렌즈테크놀로지가 참여했습니다. 2024년 상하이 설립, 누적 투자금 약 3억 달러. 주력은 로봇·자율주행차용 월드모델 — AI가 현실 세계의 구조와 사물의 움직임을 학습해 다음 상황을 예측하고 행동하게 돕는 기술이에요. 피사이봇은 장갑과 휴머노이드 등 자체 하드웨어로 사람과 기계의 움직임을 수집해 모델을 학습시키고, 현재 중국 대형 물류업체와 글로벌 광섬유 케이블 제조사 현장에서 플랫폼을 시험 중입니다. 기사가 짚는 구조적 배경도 중요해요 — 인터넷 텍스트로 학습하는 LLM과 달리 로봇 데이터는 장비와 인력을 투입해 직접 확보해야 해 비용이 크고, 수집 환경·로봇 종류에 따라 형식이 달라 표준화도 어렵죠. 피사이봇은 올해 100만 시간 분량의 데이터를 확보해 범용 '월드 액션 모델'을 만들고, 2년 안에 피지컬 AI의 기술 도약 전환점이 온다고 봅니다. 공동창업자의 말이 핵심이에요 — "오픈AI와 메타 같은 실리콘밸리 선도 AI 연구소도 충분한 고품질 데이터를 갖고 있지 않다."

🔗 뉴스 원문 보기[AI는 지금] 로봇 두뇌에 1억 달러 몰렸다…中 피사이봇, 유니콘 등극 (지디넷코리아) →

당신의 현장은 비용 센터가 아니라 '광산'입니다 — 단, 채굴 장비가 돌아가야 광산입니다

이번 주 세 뉴스를 하나의 문장으로 다시 묶으면 이렇습니다.

지금까지 로봇 도입의 손익계산은 '자동화 효과' 하나만 따졌습니다. 그런데 이번 주 뉴스가 보여주는 질서에서는 항목이 하나 늘어요 — 로봇이 돌아가는 순간부터 쌓이는 작업 데이터라는 자산. 같은 팔레타이징 로봇이라도 3년 뒤 '3년치 우리 공정 데이터를 가진 라인'과 '아무것도 안 쌓인 라인'의 가치는 다릅니다. 전자는 차세대 AI 모델을 우리 공정에 맞게 학습시킬 원료를 가진 것이고, 후자는 그때 가서 남의 범용 모델을 비싸게 사와야 하니까요. 지난주 "지금 휴머노이드의 직무는 생산이 아니라 학습"이라고 했죠 — 이번 주는 그 문장의 후속입니다. 그 학습의 원료는 실리콘밸리가 아니라 당신의 현장에 있습니다. 그래서 도입 검토 전에 던져야 할 질문은 이렇습니다.

• Q1우리 현장의 작업 데이터는 지금 어디로 흘러가고 있는가 — 쌓이고 있긴 한가, 장비사 서버로만 가는가, 아무 데도 안 남는가?
• Q2로봇 도입 계약서에 데이터 소유권과 접근권 조항이 있는가 — 5년 뒤 이 조항이 장비 가격보다 중요해질 수 있다
• Q3숙련공의 암묵지 — 피사이봇이 장갑으로 캐는 바로 그것 — 가 정년과 함께 사라지고 있진 않은가? 기록할 수단이 있는가?
• Q4"휴머노이드가 성숙하면 도입하겠다"는 계획이라면 — 그 모델이 왔을 때 학습시킬 우리 공정의 데이터는 준비돼 있는가?