로보택시는 왜 제조 AI보다 상용화가 늦을까? 자율주행 상용화 시차 3가지 (현대차·모셔널)

「피지컬AI 완전정복」 연재 · 3번째 글
지금까지의 연재:
1. 피지컬 AI란 무엇인가: 엔비디아 Cosmos·로봇·자율주행 핵심 정리
2. 리벨리온·텔레칩스·마음AI·넥스트칩, 피지컬AI 밸류체인 4단계 종목 위치 정리

3줄 요약
– 공장은 닫힌 운동장, 도로는 열린 운동장입니다.
– 같은 피지컬AI라도 돈 되는 속도가 다릅니다.
– 2026년 자본은 인프라보다 응용 수익을 봅니다.

피지컬AI 작동 원리와 밸류체인 큰 그림은 1편, 2편에서 이미 다뤘습니다. 이번 글은 그다음 질문에만 집중합니다. 왜 어떤 응용처는 이미 매출과 생산성으로 증명되는데, 어떤 응용처는 수년째 “곧 상용화” 단계에 머무는가입니다.

핵심은 기술 자체의 좋고 나쁨보다 적용되는 공간의 성격, 규제가 요구하는 안전 수준, 그리고 돈을 회수하는 속도가 다르다는 점입니다. 같은 엔진을 달아도 고속도로를 달리는 일과 공장 안 레일을 도는 일의 난도가 다른 것과 비슷합니다.

같은 피지컬AI인데 상용화 속도가 갈리는 이유

제조, 물류, 국방 쪽 피지컬AI는 2026년 현재 이미 “데모”를 넘어 현장 계약과 운영 성과로 넘어가고 있습니다. HD현대중공업은 스마트 조선소 구축을 통해 공정 지연을 줄이고 야드 운영을 최적화하며 30% 생산성 향상을 검증했습니다.^[1] 카본식스는 제조 특화 AI 솔루션으로 10곳 이상 현장에서 실제 매출을 만들고 있습니다.^[2]

반면 로보택시와 완전자율주행은 기대는 크지만, 실제 시장 숫자는 아직 비어 있습니다. 2023년까지 로보택시의 상업 매출은 사실상 0에 가까웠습니다. 반면 글로벌 시장조사업체 카운터포인트리서치는 글로벌 로보택시 서비스 시장이 2035년 1,680억 달러(약 230조 원) 규모로 커질 것으로 전망합니다. 현재의 매출과 미래의 전망이 크게 분리돼 있다는 뜻이기도 합니다.

이 차이는 간단히 말해 “실험실 문제”가 아니라 “현장 문제”입니다. 공장 자동화는 울타리 안 축구장입니다. 규칙이 비교적 고정돼 있고, 누가 들어오고 나가는지 통제할 수 있습니다. 도로는 장마철 시장 골목과 비슷합니다. 사람, 자전거, 공사, 갑작스러운 끼어들기처럼 예외가 끝없이 섞입니다.

투자자에게 중요한 것은 기술 시연이 아니라 현금흐름으로 이어지는 시간입니다. 2026년 들어 투자 관심이 ‘인프라’에서 ‘실제 수익을 창출하는 응용 기술’로 이동하고 있다는 지적도 이 맥락에서 읽어야 합니다.^[31] AI 예산이 넉넉하던 시기를 지나, 이제는 “그래서 얼마를 벌 수 있나”를 먼저 묻는 단계로 넘어가고 있습니다.^[33]

한 줄 정리: 피지컬AI의 상용화 시차는 기술 격차보다 ‘환경·규제·수익 회수’ 구조의 차이에서 먼저 갈립니다.

첫 번째 결정 요인: 폐쇄 공간은 학습이 빠르고, 개방 공간은 예외가 쌓입니다

제조 현장은 피지컬AI에 유리한 교과서적 환경입니다. 설비 배치, 작업 순서, 이동 동선이 반복됩니다. 쉽게 말해 로봇이 매일 같은 복도와 같은 문을 지나 같은 상자를 옮기는 구조입니다. 이런 곳에서는 데이터를 모으고, 틀린 동작을 고치고, 다시 배포하는 주기가 짧아집니다.

카본식스 사례가 그 구조를 잘 보여줍니다. 기존 로봇 자동화는 전문가가 몇 주간 현장에 상주하며 복잡한 코딩과 데이터 입력을 해야 했지만, 시그마키트는 한 시간 만에 데이터 수집, 약 하루 학습 후 공정 투입이 가능하다고 설명합니다.^[2] 다른 기사에서도 24시간 이내 도입이라는 표현이 반복됩니다.^[5] 이건 단순한 편의 기능이 아니라, 자동화 도입의 마찰비용을 크게 낮춘다는 뜻입니다.

왜 중요할까요. 제조업에서 가장 비싼 것은 기계값만이 아닙니다. 멈춤 시간, 라인 재설계, 외부 엔지니어 상주 비용, 현장 작업자와의 조정 비용이 같이 붙습니다. 그래서 “정확도 몇 % 향상”보다 “이번 주에 넣어서 다음 달에 돌릴 수 있나”가 더 중요합니다. 카본식스가 고객에게 AI 모델 구조보다 몇 개월 안에 투자금 회수라는 언어로 설명한다는 점은 그래서 본질적입니다.^[4]

비슷한 맥락에서 KAIST는 2026년 국내 최초 AI 기반 100% 무인공장 플랫폼을 공개했습니다.^[8] 100% 국산 기술로 통합 구축된 피지컬AI 테스트베드 ‘카이로스’도 같은 흐름입니다.^[9] 완전한 일반지능이 아니라, 통제 가능한 환경에서 전체 공정을 이어붙이는 능력이 먼저 돈이 된다는 뜻입니다.

반대로 도로는 똑같은 장면을 다시 만나기 어렵습니다. 비슷해 보여도 정확히 같은 상황이 거의 없습니다. 그래서 학습이 ‘많이’ 필요한 것이 아니라 ‘끝없이’ 필요합니다. 이 차이가 상용화 속도를 가르는 첫 번째 분기점입니다.

한 줄 정리: 폐쇄 공간에서는 데이터 수집·학습·배포가 짧은 고리로 돌지만, 개방 도로에서는 예외가 무한히 늘어납니다.

제조는 왜 지금 돈이 되는가: 기술보다 ‘도입 문법’이 맞았기 때문입니다

많은 분이 제조 피지컬AI의 경쟁력을 로봇 손이나 비전 모델 성능에서 먼저 찾습니다. 물론 중요합니다. 다만 사업화 시점에서는 기술 성능보다 구매 문법이 더 중요할 때가 많습니다.

공장장 입장에서 AI는 멋진 기술이 아니라 설비투자안입니다. 냉장고를 살 때 모터 원리를 보지 않고 전기요금과 소음부터 보듯, 공장은 생산성 몇 %, 인건비 절감 얼마, 투자 회수 몇 개월을 먼저 봅니다. 데모데이 자료는 카본식스가 고객 설득을 “우리 AI가 더 좋다”가 아니라 “이 공정에 적용하면 생산성이 X% 올라가고 인건비가 Y% 줄어든다”는 방식으로 한다고 설명합니다.^[4]

이 접근은 현재 시장 분위기와 정확히 맞물립니다. “AI에 돈을 쓰는데 결과를 못 보여주면 예산이 잘린다”는 문제의식이 나온 것도 같은 맥락입니다.^[33] 즉, 2026년 B2B AI는 기술 쇼케이스보다 재무팀이 승인할 수 있는 언어가 중요합니다.

이 점에서 제조는 구조적으로 유리합니다. 고객이 기업이고, 구매 결정자가 명확하며, 성과 지표도 비교적 바로 잡힙니다. 불량률, 사이클타임, 가동률, 인력 대체, 재작업 감소처럼 숫자로 잘라 볼 수 있습니다. 테슬라식 데이터 플라이휠(도구 사용→데이터 축적→모델 개선→더 나은 도구)이 제조에서도 작동하지만, 제조는 그 출발점이 매출 계약이라는 점이 다릅니다.^[2]

여기서 중요한 투자 관전 포인트는 “누가 가장 똑똑한 모델을 가졌나”보다 “누가 고객 공정에 빨리 들어가고, 빨리 증명하고, 빨리 확장하나”입니다. 제조업 자동화에서 아직 자동화되지 않은 공정이 업계 추산 60~80%에 달한다는 설명도 이런 여지를 뒷받침합니다.^[13] 빈 땅이 남아 있다는 뜻입니다.

한 줄 정리: 제조 피지컬AI는 기술 우위만이 아니라 ‘구매자가 이해하는 숫자’로 번역되기 때문에 상용화가 빠릅니다.

물류는 제조보다 넓지만, 여전히 ‘반쯤 닫힌 세계’입니다

물류는 제조보다 복잡합니다. 박스 크기도 다르고, 수요도 흔들리며, 피킹 작업(창고에서 물건을 집어 주문별로 모으는 일)과 이동 경로가 계속 바뀝니다. 그럼에도 로보택시보다 상용화가 빠른 이유는, 이 복잡성이 기업이 설계한 울타리 안에서 발생하기 때문입니다.

아마존은 2025년에 100만 번째 로봇을 배치하고, 자사 로봇군을 구동할 새로운 AI 파운데이션 모델을 출시했다고 밝혔습니다.^[1] 이 숫자의 의미는 단순한 보급 대수가 아닙니다. 물류 로봇은 한 번 깔리면 창고 운영체계와 얽혀서 데이터가 계속 쌓입니다. 즉, 설치 대수가 늘수록 모델 개선 속도와 운영 노하우 축적이 같이 커집니다.

현대차그룹의 HMGICS도 디지털 트윈(현실 공장을 가상공간에 복제해 미리 시험하는 것) 기반으로 생산과 물류를 최적화하는 사례를 제시했습니다.^[1] 결국 제조와 물류 사이 경계가 흐려지고 있습니다. 공장 안 물류, 공장 밖 물류, 창고 자동화가 하나의 운영 소프트웨어로 묶이기 시작한 것입니다.

물류 피지컬AI의 수익 모델은 특히 명확합니다. 사람 구하기 어려운 야간, 반복 이동, 단순 운반에서 비용 절감이 바로 보입니다. 로보택시와 달리 소비자 인지도가 없어도 됩니다. 창고 운영비가 줄고 처리량이 늘면 됩니다. 눈에 잘 띄지 않지만, 자본시장은 이런 조용한 자동화를 더 높게 평가하는 시기로 가고 있습니다.

다만 물류도 완전히 쉬운 분야는 아닙니다. 비정형 물체를 집는 작업, 냉동·유통기한·파손 같은 제약이 남아 있습니다. 그래서 물류 안에서도 AMR(자율이동로봇, 창고 안에서 스스로 길을 찾아 움직이는 로봇), 분류, 운반은 빠르고, 범용 피킹은 더디게 갑니다. 같은 산업 안에서도 상용화 시차가 갈린다는 점을 봐야 합니다.

한 줄 정리: 물류는 제조보다 복잡하지만 공간과 규칙을 운영자가 통제할 수 있어 로보택시보다 훨씬 빠르게 돈이 됩니다.

국방은 왜 예상보다 빨리 붙는가: 규제보다 임무가 먼저이기 때문입니다

국방 피지컬AI는 많은 개인 투자자가 과소평가하는 영역입니다. 이유는 간단합니다. 공개 데이터가 제한적이고, 민수 시장처럼 화려한 사용자 경험이 드러나지 않기 때문입니다. 하지만 도입 논리는 오히려 매우 분명합니다.

전장에서는 완벽보다 위험 감소와 임무 효율이 먼저입니다. 사람이 직접 들어가기 위험한 정찰, 군수 보급, 탐색, 무인 감시에서 드론과 UGV(무인지상차량, 사람이 타지 않고 지상에서 움직이는 차량)의 가치는 설명이 쉽습니다. 제조가 “인건비 절감”이라면 국방은 “인명 위험 절감”입니다. 그래서 의사결정 속도가 달라집니다.

벤처투자 흐름도 이를 보여줍니다. 중기부 자료에서 방산·우주항공·해양 분야 벤처투자액은 2025년 2,383억원, 전년 대비 19.2% 증가했습니다.^[11] 같은 표에서 로보틱스가 감소한 것과 비교하면, 자금이 단순 로봇 일반론보다 안보와 임무형 자동화 쪽으로 기울고 있음을 읽을 수 있습니다.^[11]

파블로항공은 2026년 1월 프리IPO 브릿지 라운드에서 110억원을 유치했고, LIG넥스원과 대한항공의 전략적 투자를 확보했습니다.^[12] 이 구조가 중요합니다. 대형 방산 제조사가 전략적 투자자로 붙는다는 것은 단순 재무투자가 아니라, 향후 체계 통합과 양산 파트너 가능성까지 열어 둔다는 뜻입니다.

현대로템의 사례는 신중하게 읽어야 합니다. 현대로템은 2025년 연결 영업이익 1조원을 처음 돌파했는데, 이 실적을 견인한 것은 무인화·AI가 아니라 K2 전차의 폴란드 수출입니다(영업이익 4,556억원→1조56억원, 전년 대비 +120.7%). 다만 회사가 무인화와 전장 AI를 차세대 성장축으로 앞세우기 시작했다는 점에서, 국방 피지컬AI가 실적 서사에 들어오기 시작했다는 신호로는 읽을 수 있습니다. 1조원이라는 숫자를 곧바로 ‘AI 성과’로 오독하지 않는 것이 중요합니다.

한 줄 정리: 국방 피지컬AI는 안전 논쟁이 없는 것이 아니라, ‘임무 달성·위험 감소’가 우선이라 상용화 문턱을 더 빨리 넘습니다.

로보택시가 늦는 진짜 이유: ‘롱테일’은 남은 1%가 아니라 대부분의 비용입니다

자율주행 지연을 설명할 때 흔히 “기술이 조금만 더 발전하면 된다”고 말합니다. 하지만 핵심은 평균 성능이 아니라 예외 처리입니다. 도로에서는 99%가 아니라 마지막 1%가 사업을 막습니다. 그리고 그 1%가 가장 어렵고, 가장 비싸며, 가장 법적 책임이 큽니다.

이 문제를 보통 롱테일(Long-tail) 문제라고 부릅니다. 자주 일어나는 평범한 상황은 잘 처리해도, 드물게 발생하는 돌발 상황의 종류가 너무 많아 끝이 보이지 않는다는 뜻입니다.^[20] 마트 계산은 잘하는 학생이 운동장 전체에서 날아오는 공과 사람 움직임까지 동시에 예측해야 하는 상황으로 바뀌는 셈입니다.

현대차그룹의 HDP(고속도로 주행 파일럿, 특정 고속도로 구간에서 운전자가 개입을 줄일 수 있는 레벨3 기능) 출시가 여러 차례 연기된 배경에도 안전성과 책임 소재 문제가 있었다는 설명이 나옵니다.^[19] 한국은 이미 2019년 12월 레벨3 안전기준, 2020년 4월 보험제도를 마련했습니다.^[18] 제도가 전혀 없어서 못 하는 것이 아니라, 제도가 있어도 상용 책임을 짊어질 기술 완성도와 운영 체계가 더디다는 뜻입니다.

여기서 중요한 것은 규제가 단순 장애물이 아니라는 점입니다. 공장 로봇 사고는 대체로 사업장 안전 규정과 작업 구역 통제로 관리합니다. 반면 로보택시는 공공도로, 보행자, 보험, 형사·민사 책임, 도시 행정이 얽힙니다. 같은 “사고 1건”이어도 법적·사회적 파장이 완전히 다릅니다. 그래서 도로 위 자동화는 기술 문제이면서 동시에 제도 문제입니다.

테슬라, 웨이모, 현대차 모셔널 모두 각기 다른 경로를 가지만, 공통점은 하나입니다. 서비스 가능한 지역과 조건을 매우 좁게 설정한 뒤 확장하려 한다는 점입니다. 그것이 바로 롱테일 비용을 관리하는 현실적 방법이기 때문입니다.

한 줄 정리: 로보택시 상용화의 병목은 평균 주행 능력이 아니라, 드물지만 치명적인 예외와 그 책임을 누가 질 것인가입니다.

전망과 현실의 간극: 숫자는 크지만, 현재 매출 검증은 아직 비어 있습니다

로보택시 관련 자료를 보면 늘 시장 전망이 먼저 눈에 들어옵니다. 카운터포인트리서치는 글로벌 로보택시 서비스 시장이 2035년 1,680억 달러(약 230조 원), 운행 대수는 360만 대에 이를 것으로 전망합니다. 충분히 인상적인 숫자입니다. 하지만 투자 판단에서 더 중요한 질문은 “그 숫자가 언제 손익계산서로 내려오나”입니다.

앞서 봤듯 2023년까지 로보택시의 실제 상업 매출은 사실상 0이었습니다. 쉽게 말해 지도 위에 미래 도시를 크게 그려 놓았지만, 현재 운영 중인 상가 월세 수입은 아직 거의 없는 단계입니다. 그래서 전망치는 성장 산업의 방향을 보여주지만, 현재 기업가치를 바로 정당화해주지는 않습니다.

모셔널 사례는 이 간극을 잘 보여줍니다. 현대차가 뒷받침하는 모셔널은 2026년 말 라스베이거스에서 안전 요원 없는 완전 무인 로보택시 상업 서비스를 목표로 하고 있습니다.^[28] 이 표현에서 중요한 단어는 “목표”와 “상업 서비스”입니다. 비로소 지금이 아니라 이제부터 실질 매출 흐름을 검증해 보겠다는 단계라는 뜻입니다.

같은 현대차그룹 내에서도 흥미로운 대비가 있습니다. 한쪽에서는 웨이모와 협력해 수년간 5만 대 이상, 약 25억 달러 규모 계약의 자율주행 차량 공급 모델이 언급됩니다.^[21] 이건 운영 소프트웨어를 직접 완성하지 않아도, 차량 제조와 시스템 최적화에서 돈을 버는 길이 있다는 뜻입니다. 즉, 도로 위 자율주행에서도 완전자율주행 운영사와 자율주행 파운드리(맞춤형 차량 생산)의 수익 모델은 다르게 봐야 합니다.^[27]

투자자는 여기서 구분해야 합니다. “자율주행이 온다”와 “로보택시 운영사가 곧 고수익을 낸다”는 같은 말이 아닙니다. 하드웨어 공급, 차량 플랫폼, 센서, 데이터 인프라, 운영 소프트웨어, 지역 규제 대응은 각기 다른 속도로 돈이 됩니다.

한 줄 정리: 로보택시 시장의 미래 규모는 크지만, 2026년 현재 투자 판단은 ‘전망치’보다 ‘실제 상업 매출 시작 시점’에 더 가까워야 합니다.

규제의 차이는 결국 인증 비용의 차이입니다

같은 피지컬AI라도 규제가 다르면 사업 모델이 달라집니다. 이를 가장 쉽게 이해하는 방법은 인증 비용으로 보는 것입니다. 자동차 한 대를 도로에 올리는 일은, 공장 안 설비 하나를 특정 라인에 넣는 것보다 훨씬 넓은 이해관계자를 상대해야 합니다.

제조 로봇은 산업안전, 작업자 분리, 공정 품질 기준 중심으로 검증됩니다. 위험은 크지만, 통제 주체가 명확합니다. 공장 소유자와 운영자가 대부분 책임을 관리합니다. 반면 자율주행차는 도로교통법, 보험, 지자체 인허가, 소비자 수용성, 사고 조사 체계가 한꺼번에 붙습니다.^[18][23]

한국 정부 로드맵은 2027년 AI 기반 레벨4 완전자율주행 상용화 목표를 제시하고, 2026년 광주광역시 자율주행차 200대 투입, 2026년 규제 합리화 과제 정비, 자율주행 서비스 제도화 추진을 담고 있습니다.^[18] 방향은 분명합니다. 다만 로드맵이 곧바로 손익분기점(사업이 적자를 벗어나는 지점)을 의미하지는 않습니다.

이 차이는 ROI에도 그대로 반영됩니다. B2B 고객은 한 공장, 한 창고, 한 부대에 설치하면 바로 비용 절감이 나타납니다. B2C 모빌리티는 도시 허가, 차량 fleet(차량 집단) 구축, 운영 관제, 안전 요원, 보험료, 고객 확보, 사고 대응 비용이 선행됩니다. 투자 회수 기간이 길어질 수밖에 없습니다.

그래서 자율주행은 기술이 느린 산업이라기보다, 인증과 운영자본이 큰 산업에 가깝습니다. 반면 제조·물류·국방은 제한된 환경에서 작은 성공을 먼저 만들고 그것을 확장하는 구조입니다. 이 차이가 멀티플(주가나 기업가치가 이익 대비 몇 배인지 보는 기준)에도 영향을 줍니다. 시장은 보통 더 빨리 검증되는 현금흐름에 높은 확률을 부여합니다.

한 줄 정리: 자율주행이 느린 것은 규제가 많아서만이 아니라, 인증과 운영에 들어가는 총비용이 훨씬 크기 때문입니다.

한국 정책의 배분을 보면, 정부도 ‘먼저 되는 곳’부터 밀고 있습니다

정책은 종종 시장보다 늦다고 생각하기 쉽지만, 이번에는 오히려 시장의 현실을 잘 반영하고 있습니다. 정부는 “피지컬AI를 키운다”는 큰 구호보다, 실제로는 데이터·제조·자금에 먼저 무게를 두고 있습니다.

과기정통부는 2년간 340억원을 투입해 ‘피지컬 AI 선도기술개발’ 사업을 시작했고, 월드모델과 로봇 파운데이션 모델 국산화를 목표로 잡았습니다.^[42][44] 핵심 KPI도 추상적이지 않습니다. 월드모델 적용으로 실제 로봇 동작 성공률을 20%포인트 이상 향상시키겠다는 목표입니다.^[47] 이는 제조·물류 현장 실증과 바로 연결되는 지표입니다.^[48]

6월 29일 발표된 제조AI 2030 전략은 2030년까지 민관 20조원 공동 투자와 100조원 이상 경제적 부가가치 창출 목표를 제시했습니다.^[41][62] 핵심은 국가 제조 데이터 라이브러리와 월드모델 기반 합성데이터 생산 체계입니다.^[40][50] 다시 말해 정부도 “도로 위 완전자율주행을 먼저 밀겠다”가 아니라, 한국이 강한 제조 데이터에서 출발해 피지컬AI의 기초 체력을 만들겠다는 선택을 한 셈입니다.

자금 배분도 같은 방향입니다. 정부는 향후 5년간 150조원 규모의 국민성장펀드를 조성할 계획을 제시했고,^[52][55] 2026년 7월에는 AI·로봇·미래차·방산·반도체·이차전지 등 6개 분야에 올해 16조원 자금 공급 방침이 나왔습니다.^[53] 여기서 중요한 것은 미래차가 포함됐다는 사실보다, AI팩토리·AI로봇·AI반도체를 기반으로 제조업 전반에 AX(인공지능 전환) 를 확산하겠다는 문맥입니다.^[53]

또 하나 봐야 할 것은 데이터 주권입니다. 정부 문서에는 피지컬AI 1위 달성을 위해 AI고속도로, 데이터 거버넌스, 6G·백본망 고도화, 국가데이터 통합플랫폼 표준 연계를 추진한다는 계획이 담겨 있습니다.^[57][58]피지컬AI는 결국 데이터 산업이기 때문에, 공장과 창고, 국방 현장의 데이터를 국가 단위 인프라로 다루겠다는 뜻입니다.

한 줄 정리: 한국 정책의 중심은 로보택시보다 제조 데이터·월드모델·정책금융이며, 이는 상용화가 빠른 영역부터 키우겠다는 현실적 배분입니다.

투자자가 구분해서 봐야 할 것: ‘피지컬AI’ 하나로 묶으면 오히려 놓칩니다

이쯤에서 중요한 결론 하나가 나옵니다. 피지컬AI는 하나의 산업이 아니라, 상용화 속도가 다른 여러 산업의 묶음입니다. 그래서 “피지컬AI 수혜주”를 한 바구니로 담는 접근은 생각보다 거칠 수 있습니다.

첫째, 제조·물류는 단기 실적 확인형입니다. 고객 도입 수, 반복 수주, 설치 후 생산성 개선, PoC(개념검증, 작은 시험 프로젝트)에서 양산 전환율이 중요합니다. 카본식스처럼 현장 도입 속도와 투자 회수 논리를 증명하는 기업이 유리합니다.^[2][4]

둘째, 국방은 프로그램 편입형입니다. 전략적 투자자, 체계업체와의 협력, 군 실증, 조달 진입 여부가 핵심입니다. 파블로항공처럼 LIG넥스원, 대한항공과 연결되는 구조는 단순 스타트업 펀딩보다 한 단계 더 깊습니다.^[12]

셋째, 로보택시와 완전자율주행은 옵션 가치형입니다. 성공하면 매우 크지만, 시기와 손익이 불확실합니다. 따라서 당장 높은 밸류에이션(주가가 기대를 얼마나 많이 선반영했는지 보는 개념)을 정당화하려면 상업 서비스 지역 확대, 안전 요원 제거, 보험 구조 안정화 같은 실증 신호가 필요합니다.^[28]

넷째, 인프라와 응용을 분리해 봐야 합니다. 최근 시장은 인프라만으로는 부족하고, 응용에서 실제 수익이 나는가를 더 묻고 있습니다.^[31] 그러나 역설적으로 응용이 커질수록 데이터, 시뮬레이션, 월드모델, 온디바이스 반도체(기기 안에서 직접 AI를 돌리는 칩)의 가치도 다시 올라갑니다. 다만 순서가 바뀐 것입니다. “기술이 있으니 언젠가 팔리겠지”가 아니라 “팔리는 응용처가 커지니 그 뒤 인프라가 다시 중요해지는” 흐름입니다.

그래서 투자 체크리스트도 응용처별로 달라져야 합니다. 같은 매출 100억원이라도 제조 자동화 100억원과 로보택시 파일럿 100억원은 질이 다릅니다. 반복성, 확장성, 규제 노출, 운영자본 부담이 다르기 때문입니다.

한 줄 정리: 피지컬AI 투자에서 가장 먼저 해야 할 일은 ‘같은 테마’가 아니라 ‘다른 상용화 곡선’을 분리해서 보는 것입니다.

마무리

제 판단의 핵심은 단순합니다. 피지컬AI의 승부는 “누가 제일 멋진 데모를 만들었는가”보다 “어느 환경에서 먼저 반복 수익을 만들 수 있는가”에서 갈립니다.

앞으로 가장 먼저 볼 신호는 세 가지입니다. 제조·물류에서는 PoC가 얼마나 빨리 양산 전환으로 이어지는지, 국방에서는 전략적 투자와 조달 편입이 실제 계약으로 이어지는지, 로보택시에서는 안전 요원 제거 뒤에도 운영 지역과 시간대가 넓어지는지입니다. 이 셋 중 하나라도 흐름이 꺾이면 기대와 현실의 간극은 다시 크게 벌어질 수 있습니다.

다음 글에서는 이 상용화 시차를 바탕으로, 한국 상장사와 비상장 생태계가 어느 응용처에서 어떤 역할을 맡고 있는지 더 구체적으로 이어보겠습니다.

References

작성자 소개

amadas80

Administrator

웹사이트 방문 모든 글 보기