인공지능 산업이 새로운 단계로 넘어가고 있습니다.
지금까지 AI 산업의 핵심 경쟁은 “누가 더 강력한 AI 모델을 만드는가”에 가까웠습니다.
하지만 이제는 질문이 달라지고 있습니다.
AI 모델의 성능뿐만 아니라,
- AI를 얼마나 빠르게 개발할 수 있는가
- 안전성과 인간의 통제를 어떻게 확보할 것인가
- 기업들이 실제 업무에 AI를 얼마나 많이 사용하는가
- AI가 실제 매출과 이익을 만들어내는가
- AI에 필요한 GPU와 메모리를 얼마나 많이 생산할 수 있는가
- 데이터센터와 전력을 얼마나 빠르게 확보할 수 있는가
- AI 에이전트와 로봇이 실제 사람의 일을 얼마나 대신할 수 있는가
등이 함께 중요해지고 있습니다.
쉽게 말하면 AI 경쟁이 소프트웨어 하나의 경쟁에서 반도체·데이터센터·전력·기업 생산성·로봇까지 연결된 거대한 산업 경쟁으로 확대되고 있는 것입니다.
AI 산업의 첫 번째 과제는 ‘속도와 안전성’의 균형
AI 산업에서 가장 먼저 부딪히는 문제는 개발 속도를 얼마나 빠르게 유지할 것인가입니다.
엔비디아 CEO 젠슨 황은 AI 개발을 늦추기보다는 기존 법률과 기업 내부의 안전관리 체계를 활용하면서 빠르게 발전해야 한다는 입장입니다.
반면 앤트로픽 CEO 다리오 아모데이는 AI가 너무 빠르게 발전하고 있기 때문에 안전장치가 따라갈 수 있도록 개발 속도를 조절할 필요가 있다고 주장하고 있습니다.
중요한 것은 AI 개발을 멈출 것인가, 계속할 것인가의 단순한 문제가 아니라는 점입니다.
앞으로 AI 산업의 중요한 과제는 빠른 기술 발전과 안전성·감독을 동시에 확보하는 방법이 될 가능성이 높습니다.
스콧 베센트가 강조한 또 하나의 문제는 ‘책임’
미국 재무장관 스콧 베센트가 강조하는 부분은 조금 다릅니다.
그의 핵심 메시지는 AI가 아무리 발전하더라도 책임의 주체는 AI가 아니라 인간이며, AI 기업은 자신들이 만든 제품에 대한 책임을 져야 한다는 것입니다.
AI가 스스로 판단하고 업무를 수행하는 시대가 가까워질수록 이 문제는 더욱 중요해질 수 있습니다.
AI 시스템이 금융·의료·기업 경영·국가 안보와 관련된 중요한 결정을 지원하다가 문제가 발생한다면,
“AI가 그렇게 판단했다”
는 말만으로 책임을 피하기는 어렵습니다.
결국 기업이 AI를 개발하고 배포한다면 누가 관리하고, 누가 감독하며, 문제가 발생했을 때 누가 대응할 것인지가 명확해야 한다는 것입니다.
베센트는 동시에 미국과 중국이 AI로 인해 발생할 수 있는 국가 안보 위험을 관리하기 위해 양국 간 소통 체계가 필요하다는 취지의 입장도 강조했습니다.
따라서 AI 시대에는 기술 발전 속도뿐만 아니라 책임과 대응 체계도 중요한 경쟁력이 될 수 있습니다.
AI 산업의 진짜 시험은 이제 ‘기업이 실제로 사용하는가’
AI 산업을 바라보는 시각도 조금씩 바뀌고 있습니다.
지금까지는 AI에 필요한 GPU와 데이터센터 같은 인프라를 구축하는 데 막대한 돈이 투자되는 단계였습니다.
하지만 이제부터는 기업들이 실제 업무에 AI를 도입하는 ‘AI 도입 사이클’이 본격적으로 시작될 가능성이 있다는 분석이 나오고 있습니다.
쉽게 말하면,
1단계: AI를 사용할 수 있는 인프라 구축
↓
2단계: 기업의 실제 AI 도입
↓
3단계: 생산성 향상
↓
4단계: 매출·이익 증가
라는 구조입니다.
모건스탠리가 주목하는 부분도 바로 이것입니다.
AI 데이터센터와 GPU에 얼마나 많은 돈이 투자됐는지도 중요하지만, 결국 투자한 돈이 실제 기업의 생산성과 이익으로 돌아오는지가 중요하다는 것입니다.
따라서 앞으로 AI 산업을 볼 때는
“AI에 얼마나 많은 돈이 투자되고 있는가?”
뿐만 아니라
“기업들이 AI를 얼마나 많이 사용하고 있으며, 그 결과 매출·이익·생산성이 얼마나 개선되고 있는가?”
를 함께 확인해야 합니다.
AI 투자 확대의 다음 병목은 반도체
AI가 실제 기업 업무에 더 많이 사용되기 시작하면 자연스럽게 필요한 컴퓨팅 능력도 증가합니다.
그리고 여기에서 다시 반도체가 중요해집니다.
AI 산업의 핵심 반도체는 GPU만 있는 것이 아닙니다.
AI 시스템에는
- GPU
- CPU
- HBM
- DRAM
- NAND
- 첨단 패키징
- 네트워크 반도체
등 다양한 부품이 필요합니다.
따라서 AI 도입이 확대될수록 반도체 산업 전체에 영향을 줄 수 있습니다.
하지만 동시에 새로운 경쟁도 시작되고 있습니다.
대표적인 사례가 중국 메모리 기업 CXMT입니다.
CXMT의 부상… 중국 메모리 경쟁이 다시 중요해진다
중국 메모리 반도체 기업 CXMT는 DRAM 기술과 생산 능력을 빠르게 확대하고 있습니다.
이는 삼성전자·SK하이닉스·마이크론 등 글로벌 메모리 업체들에게 중요한 경쟁 변수가 될 수 있습니다.
다만 CXMT의 기술 발표만 보고 경쟁력을 판단해서는 안 됩니다.
반도체 산업에서는 “기술을 개발했다”와 “대규모로 안정적으로 생산할 수 있다”가 전혀 다른 문제이기 때문입니다.
앞으로 CXMT를 볼 때는 다음과 같은 부분을 함께 확인할 필요가 있습니다.
- 실제 생산량은 얼마나 되는가
- 가격 경쟁력은 확보할 수 있는가
- 중국 스마트폰·전자 업체들이 얼마나 많이 사용하는가
- 수율을 얼마나 안정적으로 높일 수 있는가
- HBM 같은 고부가 메모리까지 경쟁 범위를 확대할 수 있는가
결국 CXMT의 진짜 경쟁력은 기술 발표가 아니라 대량 생산과 가격 경쟁력에서 확인될 가능성이 높습니다.
마이크론의 다음 실적에서는 ‘매출’보다 HBM4가 중요하다
AI 메모리 수요가 증가하면서 마이크론 역시 빠르게 성장하고 있습니다.
지금까지는 메모리 가격 상승이 마이크론의 매출과 이익을 크게 끌어올리는 중요한 요인이었습니다.
하지만 앞으로는 단순한 매출 성장률보다 고부가 메모리 제품을 얼마나 많이 판매하고 높은 수익성을 유지할 수 있는지가 더욱 중요해질 수 있습니다.
특히 주목할 제품이 HBM4입니다.
HBM은 AI GPU가 데이터를 빠르게 처리할 수 있도록 돕는 고대역폭 메모리입니다.
AI 모델이 커질수록 GPU의 계산 능력뿐만 아니라 GPU에서 얼마나 빠르게 데이터를 공급할 수 있는가도 중요해집니다.
따라서 앞으로 마이크론의 실적을 볼 때는 단순히
“매출이 얼마나 늘었는가?”
보다
- HBM4 생산량은 얼마나 증가했는가
- 고부가 제품의 비중은 얼마나 높아졌는가
- 높은 메모리 가격과 마진이 유지되고 있는가
- 차세대 제품의 생산 능력은 얼마나 확대되고 있는가
등을 확인하는 것이 중요합니다.
AI 추론 시대에는 NAND도 중요해진다
AI 반도체 경쟁이 DRAM과 HBM에만 집중되는 것도 아닙니다.
AI가 실제 서비스에 사용되는 추론 단계가 확대되면 데이터를 저장하고 불러오는 역할을 하는 NAND의 중요성도 커질 수 있습니다.
샌디스크가 바라보는 AI 시대의 NAND 시장도 이런 변화와 연결됩니다.
과거에는 NAND를 단순히
“데이터를 저장하는 메모리”
정도로 생각했다면, AI 시대에는 대규모 데이터센터에서 AI가 데이터를 빠르게 읽고 활용하기 위한 핵심 저장 인프라로 역할이 확대될 수 있습니다.
따라서 샌디스크를 볼 때는 다음을 확인할 필요가 있습니다.
- 데이터센터 NAND 수요가 얼마나 빠르게 증가하는가
- 장기 공급계약이 실제 매출과 수익성으로 연결되는가
- 고대역폭 플래시(HBF) 같은 새로운 기술이 AI 추론 시장에서 경쟁력을 확보하는가
즉, AI 산업이 성장하면 GPU와 HBM뿐만 아니라 저장장치 시장까지 함께 변화할 수 있습니다.
AI 투자 붐의 핵심은 결국 ‘생산성’
여기까지 연결하면 AI 산업의 가장 중요한 질문이 다시 등장합니다.
“이렇게 많은 돈을 투자해서 실제로 얼마나 많은 경제적 가치를 만들어낼 수 있는가?”
미국 경제에서도 변화가 나타나고 있습니다.
과거 미국의 기업 투자는 주택과 전통적인 설비 등에 상당 부분 집중됐지만, 최근에는 컴퓨터·정보처리 장비·데이터센터 등 AI와 연결된 투자의 중요성이 커지고 있습니다.
이런 투자가 계속되려면 결국 AI가 실제 경제활동의 생산성을 높여야 합니다.
기업이 AI를 도입한 뒤
- 직원 10명이 하던 일을 8명이 처리할 수 있게 되거나
- 같은 인력으로 더 많은 고객을 처리하거나
- 소프트웨어 개발 속도가 빨라지거나
- 고객 서비스 비용이 줄어들거나
- 새로운 제품을 더 빠르게 출시할 수 있다면
AI 투자가 실제 경제적 성과로 이어지는 것입니다.
따라서 앞으로 AI 산업을 판단할 때 AI 인프라 투자 규모만 보는 것은 충분하지 않습니다.
AI가 실제 생산성을 얼마나 높이는지가 중요합니다.
스티브 아이스먼이 보는 AI 산업의 또 다른 위험
AI 산업의 장기적인 성장 가능성을 인정하더라도 경쟁이 심해지면 기업들의 수익성이 압박받을 수 있습니다.
투자자 스티브 아이스먼은 AI 기업들이 안전성을 이유로 개발 속도를 늦추는 이야기를 하고 있지만, 실제 시장에서는 경쟁이 너무 치열해 속도를 늦추기 어려울 수 있다는 취지의 주장을 하고 있습니다.
현재 AI 시장에서는
- OpenAI
- Anthropic
- Meta
- 오픈 웨이트 모델
등이 서로 경쟁하고 있습니다.
이 경쟁에서 중요한 것은 단순히 모델 성능만이 아닙니다.
AI 모델의 가격이 얼마나 내려가는지, 고객을 얼마나 확보하는지, 높은 컴퓨팅 비용을 감당하면서도 수익성을 유지할 수 있는지도 중요합니다.
아이스먼이 AI 기업들이 규제를 이용해 경쟁을 막으려 한다고 보는 부분은 그의 해석과 주장이라는 점을 구분해서 볼 필요가 있습니다.
하지만 AI 산업에서 가격 경쟁과 수익성이 중요한 변수가 될 수 있다는 문제 제기는 주목할 필요가 있습니다.
AI 경쟁은 ‘챗봇’에서 ‘에이전트’로 이동하고 있다
AI 산업의 또 다른 변화는 AI 에이전트입니다.
기존 챗봇은 사용자가 질문하면 답을 제공하는 방식이 중심이었습니다.
반면 AI 에이전트는 사용자의 요청을 이해하고 여러 단계를 직접 수행하는 것을 목표로 합니다.
“출장을 준비해줘”
라고 하면
항공편 검색 → 호텔 검색 → 일정 정리 → 예약 과정 지원
등을 하나의 작업으로 연결할 수 있습니다.
이런 변화는 AI 산업의 경쟁 방식 자체를 바꿀 수 있습니다.
메타의 Muse가 보여주는 새로운 AI 경쟁
메타의 Muse는 이런 에이전트 경쟁과 연결된 사례로 볼 수 있습니다.
AI 경쟁이 단순히
“누가 가장 똑똑한 모델을 만드는가?”
에서
“누가 사용자를 가장 잘 이해하고 실제 업무를 대신 수행할 수 있는가?”
로 확대될 수 있기 때문입니다.
메타는 수년간 축적한 사용자 데이터를 가지고 있다는 강점이 있습니다.
사용자의 관심사와 행동을 이해할 수 있는 데이터가 많다면 AI 에이전트가 개인에게 더 적합한 서비스를 제공하는 데 활용할 가능성이 있습니다.
하지만 동시에 해결해야 할 문제도 있습니다.
다른 기업의 서비스에 접근할 수 있어야 하고, 개인정보를 보호해야 하며, 사용자가 AI를 믿고 실제 업무를 맡길 수 있어야 합니다.
결국 AI 에이전트 시대에는 기술 성능뿐만 아니라 데이터·서비스 접근권·개인정보 보호·사용자 신뢰가 함께 중요해질 수 있습니다.
AI 에이전트 확산은 AMD의 CPU 시장에도 영향을 줄 수 있다
AI 에이전트가 실제 업무를 수행하기 시작하면 AI 계산량만 증가하는 것이 아닙니다.
에이전트가 작업을 수행하려면 서버에서
- 데이터 처리
- 작업 관리
- 여러 애플리케이션 실행
- 사용자 요청 처리
- 데이터베이스 접근
등 다양한 작업이 동시에 발생합니다.
이 과정에서 CPU의 역할도 중요해질 수 있습니다.
따라서 AMD를 볼 때도 단순히
“AI GPU 시장에서 얼마나 성장하는가?”
만 볼 것이 아니라,
“AI 에이전트가 확산되면서 서버 CPU 수요가 얼마나 증가하는가?”
도 함께 살펴볼 필요가 있습니다.
AI가 단순한 답변 도구에서 실제 업무를 수행하는 시스템으로 발전할수록 GPU와 CPU가 함께 필요한 컴퓨팅 수요가 커질 수 있기 때문입니다.
AI 데이터센터가 늘어나면서 가장 중요한 문제는 ‘전력’
AI 모델과 에이전트 사용이 늘어나면 결국 더 많은 컴퓨팅 능력이 필요합니다.
그리고 컴퓨팅 능력을 확보하려면 데이터센터가 필요합니다.
데이터센터가 늘어나면 다시 문제가 생깁니다.
전력입니다.
AI 데이터센터는 기존 데이터센터보다 훨씬 많은 전력을 필요로 할 수 있기 때문에 미국에서는 이미 전력 확보가 중요한 산업 이슈가 되고 있습니다.
미국 경제가 AI·컴퓨터·데이터센터 중심으로 투자를 확대하고 있는 것도 결국 전력 인프라가 뒷받침돼야 가능한 변화입니다.
데이터센터 전력 문제는 원자력 발전으로도 이어진다
대표적인 사례가 구글과 조지아 파워의 합의입니다.
구글은 새로운 원자력 발전소를 건설하는 대신 기존 보글와 햇치 원전의 설비를 업그레이드해 약 96MW의 추가 전력을 확보하는 방식을 추진했습니다.
이를 통해 구글의 AI·데이터센터 전력 수요에 대응하면서 조지아 파워 고객들에게 약 9억 달러의 예상 혜택도 제공하려는 사업입니다.
여기서 중요한 점은 AI 시대의 전력 확보가 반드시
“새로운 발전소를 처음부터 건설하는 것”
만을 의미하지 않는다는 것입니다.
기존 발전소의 효율과 발전 능력을 높여 이미 존재하는 전력 인프라를 최대한 활용하는 방법도 중요해지고 있습니다.
데이터센터 규제가 늘어나면 전력 확보 방식도 바뀔 수 있다
AI 데이터센터가 빠르게 늘어나면서 미국 여러 지역에서는 데이터센터 건설을 제한하는 모라토리움도 등장하고 있습니다.
하지만 지역 규제가 생겼다고 해서 데이터센터 건설이 모두 중단되는 것은 아닙니다.
개발 업체들은
- 프로젝트를 다른 지역으로 이동하거나
- 설계를 변경하거나
- 규제 예외를 얻거나
- 자체 발전설비를 설치하는
방법으로 대응할 수 있습니다.
이 때문에 현재까지는 미국 전체 AI 데이터센터 구축 속도를 크게 떨어뜨리는 효과가 제한적이라는 분석도 나옵니다.
스페이스X 사례가 보여주는 데이터센터 규제의 한계
이런 현상을 보여주는 사례 가운데 하나가 스페이스X입니다.
스페이스X는 스타베이스 인근 약 444에이커의 토지를 브라운스빌시 관할에서 제외했습니다.
브라운스빌 시의회는 8월 29일 해당 토지의 관할권 배제를 승인했고, 이후 데이터센터 관련 90일 모라토리움 절차를 시작했습니다.
SemiAnalysis는 스페이스X가 이 부지에 데이터센터를 계획하고 있다고 보도했지만, 스페이스X가 토지의 구체적인 용도를 공식 확인한 것은 아닙니다.
이 사례가 중요한 이유는 데이터센터 규제가 만들어지더라도 개발 업체가 사업 구조와 위치를 바꾸는 방식으로 대응할 가능성을 보여주기 때문입니다.
데이터센터 규제의 진짜 변수는 ‘규제 건수’가 아니다
SemiAnalysis는 미국 전역의 300건이 넘는 지역 데이터센터 모라토리움 및 금지 조치를 데이터센터 프로젝트와 비교했습니다.
규제 대상이 될 수 있는 약 20GW 규모의 77개 프로젝트를 조사한 결과 실제로 지연된 프로젝트는 3개에 불과했습니다.
지연 용량은 총 1,525MW였으며, 뉴욕주의 주 차원 행정 조치까지 포함하면 약 2.3GW로 추정됐습니다.
이 결과가 의미하는 것은 간단합니다.
데이터센터 규제의 숫자가 많다고 해서 실제 AI 인프라 건설이 그만큼 줄어드는 것은 아니라는 것입니다.
오히려 ‘전력망 밖에서 전기를 만드는 데이터센터’가 늘어날 수도 있다
여기에서 등장하는 개념이 비대면 전력입니다.
일반적인 데이터센터는
발전소 → 전력망 → 데이터센터
라는 구조로 전기를 공급받습니다.
하지만 비대면 전력 방식에서는 데이터센터가 현장에 발전설비를 설치하거나 전용 발전설비를 활용해 필요한 전력을 직접 확보할 수 있습니다.
SemiAnalysis는 이러한 프로젝트를 확정 장비 주문 물량이 약 75GW에 달하며, 텍사스로 향하는 물량이 가장 많다고 분석했습니다.
즉, 데이터센터 규제가 오히려 전력망에 대한 의존도를 낮추는 방향으로 산업을 변화시킬 가능성도 있는 것입니다.
AI 전력 수요가 GE베르노바와 블룸에너지로 이어지는 이유
이런 변화는 전력 관련 기업에도 영향을 줄 수 있습니다.
GE베르노바의 가스 발전 백로그와 슬롯 예약은 2분기에 100GW에서 116GW로 증가했고, 회사는 연말까지 최소 125GW를 기대하고 있습니다.
블룸에너지 역시 AI 데이터센터에 필요한 현장 전력 시스템 수요의 영향을 받고 있습니다.
블룸에너지는 2분기 매출이 10억 7,000만 달러로 전년 동기 대비 166% 증가했다고 밝혔습니다.
또한 미국의 주요 하이퍼스케일러들이 자사의 현장 전력 시스템을 AI 인프라에 사용할 수 있도록 승인했다고 밝혔습니다.
이처럼 AI 산업의 성장은 GPU와 반도체 기업뿐만 아니라 발전 설비·전력망·현장 발전 시스템 기업으로까지 파급될 수 있습니다.
미국 경제가 AI 투자 사이클에 들어섰다는 의미
지금까지의 내용을 하나로 연결하면 AI 산업의 구조가 보입니다.
AI 모델 발전
↓
AI 에이전트 확산
↓
기업의 AI 도입 증가
↓
생산성 향상 가능성
↓
GPU·CPU 수요 증가.
↓
HBM·DRAM·NAND 수요 증가.
↓
데이터센터 확대
↓
전력 수요 증가
↓
원전·가스 발전·연료전지·전력망 투자 증가
라는 연결고리입니다.
이 때문에 미국 경제가 주택이나 전통적인 설비 중심의 투자에서 정보처리 장비와 AI 인프라 중심의 투자로 이동하고 있다는 점이 중요합니다.
그런데 높은 에너지 가격에도 경제가 버티는 이유는 무엇일까?
현재 미국 경제에서 또 하나 눈에 띄는 부분은 연료비 상승이라는 강한 비용 충격을 받고도 소비와 AI 투자가 경제성장을 밀어 올리고 있다는 점입니다.
일반적으로 유가와 연료비가 급등하면 소비자의 가처분 소득이 줄고 기업의 비용이 증가하면서 경기에는 부담이 될 수 있습니다.
하지만 현재는 AI 관련 투자와 소비가 동시에 경제를 지지하는 모습을 보이고 있습니다.
따라서 앞으로 미국 경제와 증시를 볼 때는 단순히
“기름값이 올랐으니 경기 침체가 오는가?”
만 볼 것이 아니라,
“강한 소비와 AI 투자가 높은 에너지 가격과 금리 상승을 얼마나 오래 버틸 수 있는가?”
를 함께 확인할 필요가 있습니다.
애플은 AI와 프리미엄 전략을 동시에 시험하고 있다
AI 산업의 변화는 스마트폰 시장에도 영향을 미치고 있습니다.
애플의 아이폰 18 Pro와 Pro Max는 초기 수요가 비교적 안정적인 모습을 보이고 있으며, 지난 해보다 생산량을 약 18% 늘렸는데도 배송 리드타임이 약 2~4주 수준을 유지하고 있다는 점이 눈에 띕니다.
반면 중국에서는 리드타임이 상대적으로 짧아졌습니다.
일부 소비자들이 10월 중순 출시가 예상되는 첫 폴더블 아이폰 Duo를 기다리고 있기 때문일 가능성이 있습니다.
따라서 애플을 볼 때는 단순히 아이폰 판매량만 볼 것이 아니라,
아이폰 18 Pro 수요 → 공급 확대 → 배송 대기 → 중국 소비자 수요 → 폴더블 Duo 출시
라는 흐름을 함께 볼 필요가 있습니다.
애플의 프리미엄 전략도 중요하다
애플은 올해 Pro·Pro Max 모델을 기본 모델보다 먼저 출시하는 전략을 취했습니다.
Pro 모델의 배송 대기 기간이 지난 해보다 약 15% 길어졌다는 점은 초기 수요가 강하게 나타나고 있다는 신호로 해석될 수 있습니다.
여기에 10월 출시되는 초고가 폴더블 Duo가 추가됩니다.
시장 분석가 진 먼스터의 전망대로라면 Duo는 전체 아이폰 출하량에서는 약 8%에 불과하더라도 높은 가격 때문에 아이폰 매출의 약 14%를 차지할 가능성이 있습니다.
결국 애플의 프리미엄 전략에서 중요한 것은
“아이폰을 몇 대 팔았는가?”
뿐만 아니라
“고가 Pro·Pro Max와 초고가 폴더블의 비중을 높여 전체 아이폰 매출을 얼마나 성장시킬 수 있는가?”
가 될 수 있습니다.
테슬라 로드스터도 ‘예약’보다 실제 양산이 중요하다
테슬라는 오랫동안 출시를 미뤄왔던 차세대 로드스터의 예약을 다시 시작했습니다.
예약을 위해 5만 달러가 필요하지만, 현재 단계에서는 최종 가격과 일부 차량 사양이 확정된 상태는 아닙니다.
따라서 예약이 재개됐다는 사실만으로 대규모 판매가 확정됐다고 볼 수는 없습니다.
실제로 중요한 것은 앞으로
10월 공개 행사
↓
최종 사양·가격 확정
↓
실제 생산
↓
고객 인도
까지 연결되는지입니다.
테슬라의 새로운 제품을 평가할 때도 마찬가지입니다.
화려한 발표보다 실제로 얼마나 많이 생산하고 고객에게 인도할 수 있는가가 중요합니다.
옵티머스의 진짜 경쟁력은 ‘멋진 동작’이 아니다
이 원칙은 테슬라의 옵티머스에도 그대로 적용됩니다.
휴머노이드 로봇이 격투나 춤 같은 복잡한 동작을 보여주는 것은 흥미롭지만, 실제 산업에서는 그것만으로 충분하지 않습니다.
더 중요한 것은
사람이 원격으로 조종하지 않아도 로봇이 주변 환경을 이해하고 스스로 판단하며 실제 업무를 수행할 수 있는가
입니다.
즉, 휴머노이드 로봇 산업의 다음 경쟁은
“얼마나 멋진 동작을 보여주는가?”
가 아니라
“얼마나 안전하고 안정적으로 사람의 일을 대신할 수 있는가?”
가 될 가능성이 높습니다.
테슬라 옵티머스 대량 생산의 다음 관문은 공급망
테슬라가 중국의 옵티머스 공급업체들을 대상으로 감사를 진행한 것도 이런 대량 생산 준비와 연결됩니다.
연간 100만 대 규모의 옵티머스 생산을 목표로 한다면 단순히 로봇 설계만으로는 부족합니다.
수많은
- 액추에이터
- 관절 모듈
- 모터
- 센서
- 배터리
- 제어장치
를 안정적으로 공급받아야 합니다.
따라서 앞으로 옵티머스의 경쟁력을 판단할 때는 시연 영상보다
공급업체 생산 능력 → 부품 품질 → 생산라인 구축 → 원가 → 실제 배치
를 함께 살펴볼 필요가 있습니다.
결국 대량 생산할 수 있는 로봇이 실제 산업에서 경쟁력으 ㄹ갖게 될 가능성이 높기 때문입니다.
답글 남기기