비교하고 잘 사는, 다나와 : 가격비교 사이트

다나와 앱
다나와 앱 서비스 목록
다나와 APP
다나와 가격비교 No.1 가격비교사이트 다나와 앱으로
간편하게 최저가를 확인하세요.
- -
QR코드
빈 이미지
다나와 앱 서비스 목록 닫기

[화성 골드러시] ③ AI 옵티머스가 공장을 걷기 시작했다, 데이터로 돌아가는 머스크의 AI 제국

2026.11.20. 19:00:16
조회 수
48

공유하기

레이어 닫기

지금 보는 페이지가 마음에 든다면
공유하기를 통해 지인에게 소개해 주세요.

로그인 유저에게는 공유 활동에 따라
다나와 포인트가 지급됩니다.

자세히 >

URL이 복사되었습니다.
원하는 곳에 붙여넣기(Ctrl+V)하세요.

레이어 닫기

※한 데이터 사이언티스트가 10년 가까운 시간 동안 일론 머스크의 회사들의 데이터를 분석했다. 그러자 서로 무관해 보이던 사업들이 ‘화성’이라는 하나의 설계도 위에서 움직이는 것을 발견했다. 그는 이 현상을 책 ‘화성 골드러시’에서 소개하고 5회에 걸친 기고를 통해 우리나라 산업의 현재와 미래를 점검하고, 함께 활로를 찾으려 한다.

데이터를 수집, 전송, 저장, 연산하여 돈으로 바꾸는 머스크의 데이터 생태계, 메모리 강국 한국은 왜 데이터 생태계를 만들지 못하나

10월 21일 테슬라가 캘리포니아 프리몬트 공장에서 휴머노이드 로봇 ‘옵티머스’의 생산을 시작했다. 테슬라는 주주 서한에서 이 로봇을 '우리가 만든 첫 양산 품질의 로봇'이라고 표현했다. 생산 라인이 들어선 곳은 올해 5월까지 모델 S와 모델 X를 만들던 공장이다. 자동차를 만들던 공장이 로봇을 만드는 공장으로 바뀐 것이다.

머스크는 생산을 늘리는 과정이 느리고 순탄하지 않을 것이라면서도, 2027년 말까지 주당 2만 대를 생산하겠다고 밝혔다.

공장에서 일하는 휴머노이드 로봇 옵티머스 / 출처=전성기 데이터 사이언티스트 (생성형AI 제작)
공장에서 일하는 휴머노이드 로봇 옵티머스 / 출처=전성기 데이터 사이언티스트 (생성형AI 제작)

지난 회에 이어: 지구로 내려온 기술이 경쟁력이 되다

지난 회에서는 화성 플라이휠의 3번째 단계인, 로켓에서 검증된 부품과 소재, 생산 공정이 자동차로 건너가는 과정을 다뤘다. 이번에는 4번째 단계인, 지구로 내려온 기술이 원가와 성능 우위가 되는 과정을 이야기하려 한다. 그 바탕에는 데이터와 AI가 있다.

옵티머스 같은 로봇은 화성 개척에 꼭 필요하다. 화성 기지는 사람 이전에 기계가 먼저 가서 지어야 한다. 지구와 화성 사이의 통신은 거리에 따라 편도로 수 분에서 20분 넘게 걸린다. 지구에서 원격 조종하기 어려우니, 스스로 보고 판단해 움직이는 기계가 있어야 한다. 그 기계가 화성보다 지구의 공장에서 먼저 일을 시작했다.

스페이스X 3분기 실적: 매출은 AI가, 이익은 스타링크가 냈다

스페이스X는 테슬라보다 하루 앞선 10월 20일 3분기 실적을 발표했다. 매출 146억 달러(약 19조 5757억 원) 가운데 51.9%인 75억 6000만 달러(약 10조 1364억 원)가 AI 사업 부문 ‘슈퍼 인텔리전스’에서 나왔다. 이 부문 매출은 1년 전보다 830% 늘었다. 올해 2월 합병한 xAI와 8월 인수한 코딩 AI 기업 커서가 이 부문에 속한다.

이익은 여전히 스타링크에서 나온다. 슈퍼 인텔리전스 부문의 영업이익은 4억 3100만 달러(약 5759억 원)였다. 매출 100달러(약 13만 원)를 팔아 6달러(약 8000원)가 채 안 남은 셈이다. 같은 분기 스타링크가 속한 커넥티비티 부문은 영업이익 23억 7000만 달러(약 3조 1776억 원)를 냈다. 매출의 절반은 AI가 만들었지만, 이익의 대부분은 통신이 벌었다.

돈이 흘러가는 방향은 더 분명하다. 스페이스X는 3분기 설비투자 196억 달러(약 26조 2797억 원) 가운데 164억 달러(약 21조 9186억 원)를 AI에 썼다. 같은 분기 영업으로 번 현금 약 96억 달러(약 12조 8304억 원)의 두 배에 가까운 금액이다. 필자가 이 숫자를 나란히 놓고 처음 든 생각은, 스타링크에서 번 현금과 상장으로 모은 자본이 통째로 AI 설비로 옮겨 가고 있다는 것이었다. 머스크는 지금 이익보다 다음 순환의 크기에 돈을 걸고 있다.

머스크 데이터 생태계의 다섯 단계

머스크의 데이터 생태계는 수집, 전송, 저장·연산, 모델, 활용의 다섯 단계로 이뤄진다. 눈여겨볼 점은 다섯 단계가 모두 머스크가 지배하는 회사들 안에 있고, 그 끝에서 데이터를 실제로 쓰는 주체가 자율주행차와 로봇이라는 것이다.

머스크 데이터 생태계의 5단계 구조 / 출처=전성기 데이터 사이언티스트 (생성형AI 제작)
머스크 데이터 생태계의 5단계 구조 / 출처=전성기 데이터 사이언티스트 (생성형AI 제작)

첫 단계는 데이터 수집이다. 테슬라 차량은 실제 도로의 주행 데이터를 기록한다. 운전자가 직접 운전하는 동안에도 자율주행 소프트웨어가 뒤에서 함께 판단하고, 운전자와 판단이 달랐던 장면을 따로 모은 엣지 케이스(Edge Case)를 모은다. 이를 ‘섀도우 모드’(shadow mode)라고 부른다. 테슬라에 따르면 자율주행 데이터의 누적 주행 거리는 80억 마일을 넘었다. 공장에서는 옵티머스가 일하며 작업 데이터를 남기고, 소셜미디어 X(구 트위터)는 이용자의 게시물 데이터를 수집하여 Grok의 학습데이터로 활용하고 있다..

두 번째는 전송이다. 스타링크는 3월 말 기준 위성 약 9600기로 164개 국가와 지역의 가입자 약 1030만 명에게 인터넷을 제공한다. 테슬라는 무선 업데이트(OTA, Over-The-Air)로 한 해 20차례 넘게 차량 소프트웨어를 바꾼다. 모은 데이터를 올려 보내고 개선된 소프트웨어를 내려받는 길을 자기 통신망으로 확보한 셈이다.

또한, 머스크의 뉴럴링크는 뇌에 칩을 심어서 뇌-컴퓨터 인터페이스를 구축하고, 이를 통해서 기기를 움직이는 기술을 시험하고 있다. 올해 6월 임상 참가자는 26명으로 늘었고, 지난해 12월에는 참가자들이 생각만으로 보조용 로봇 팔을 움직이기 시작했다고 밝혔다. 머스크는 장기적으로 뉴럴링크 사용자가 옵티머스의 몸을 움직이는 구상을 여러 차례 언급했다. 아직은 의료 임상 단계지만, 사람의 의도를 기계에 직접 전달하는 데이터 통로를 실험하고 있는 셈이다

세 번째는 저장과 연산이다. 중심에는 xAI가 미국 멤피스에 세운 데이터센터 ‘콜로서스’가 있다. 첫 클러스터는 기존 공장 건물을 고쳐 122일 만에 가동했고, 두 번째인 ‘콜로서스 II’는 91일 만에 가동시켰다. 업계에서는 100메가와트 규모 데이터센터를 새로 짓는 데 2년 안팎이 걸린다. 스페이스X의 연산 설비는 9월 말 기준 1.7기가와트 규모로, 대형 원자력 발전소 1개가 넘는 전력을 AI 계산에 쓰고 있다.

최근에 미국에서 데이터센터의 환경 비용 부담에 대한 논쟁이 커지고 있다. 데이터센터 때문에 늘어난 전력수요를 해결하기 위해 마이크로소프트는 2019년 가동을 멈춘 펜실베이니아 스리마일섬 원전 1호기의 전력을 20년간 사들이기로 계약했고, 데이터센터 부지 안에 전력 발전소를 설치했다. 냉각수 사용은 농업용수 확보에 영향을 미치고 있으며, 전력망 증설 비용은 전기요금 인상으로 연결된다. 갤럽의 3월 조사에서 미국인 70퍼센트가 자기 동네의 AI 데이터센터 건설에 반대했다.

머스크는 이러한 문제를 해결하기 위해 우주로 시선을 바꿨다. 스페이스X는 상장 신고서에서 우주에 데이터센터를 띄우는 ‘궤도 AI 연산센터’ 계획을 밝혔다. 태양광으로 전력을 얻고 우주 공간으로 열을 내보내 식히는 위성 데이터센터를 이르면 2028년부터 추진한다는 것이다. 장기 목표는 한 해 100기가와트다. 대형 원전 70기 분량의 연산 설비를 해마다 우주에 올리겠다는 얘기다.

네 번째는 AI모델이다. 이 연산 설비에서 대화형 AI 그록과 자율주행 AI인 FSD(Full Self-Driving), 옵티머스의 AI가 만들어진다. 옵티머스는 FSD의 인지 기술을 이어받았다. 카메라로 주변을 보고 다음 동작을 정하는 원리는 자동차와 로봇이 같다. 옵티머스를 두 다리로 걷는 자율주행차라고 보면 이해가 쉽다.

머스크의 AI 전략은 간단하다. 사람처럼 상황을 인지하고 판단을 하는 구조다. 사람을 모방하는 학습구조도 가진다. 그래서 테슬라는 값비싼 라이다 대신 사람의 눈을 모방한 카메라만 사용하고 있으며, 휴머노이드 로봇 옵티머스는 사람과 같은 신체구조를 갖는다. 이는 단순히 학습전략에서 끝나지 않고, 사람을 대신하여 공장 노동을 대신하고, 화성 기지를 스스로 건설하기 위한 미래지향적인 전략이다.

마지막은 활용이다. 이 생태계의 데이터를 최종적으로 쓰는 주체는 도로의 FSD와 공장의 옵티머스다. FSD는 사람 대신 차를 운전하고, 옵티머스는 사람 대신 부품을 옮기고 조립한다. 활용은 곧 수익이 된다. FSD 구독료는 월 99달러(약 13만 원)이고, 테슬라의 3분기 서비스 매출은 46억 달러(약 6조 1460억 원)로 1년 새 33% 늘었다. 스페이스X는 앤트로픽, 구글 같은 외부 AI 기업에 연산 설비를 빌려주고 있고, 3분기 말 계약 잔고는 630억 달러(약 84조 4704억 원)에 이른다.

지속가능한 환류체계

머스크의 AI는 사람 없이 혼자 돌아가지 않는다. 지금 이 생태계를 실제로 움직이는 것은 사람의 참여로 AI를 개선하고 운영하는 ‘휴먼 인 더 루프(Human in the Loop)’ 구조다.

FSD의 공식 이름부터 ‘감독형 자율주행’이다. 운전자가 늘 도로를 보고 있다가 필요하면 개입해야 한다. 테슬라는 올해 2월 캘리포니아에 제출한 문서에서 로보택시 서비스에 차 안의 운전자와 함께 원격 운영 요원을 두고 있다고 밝혔다. 1월 오스틴에서 안전요원 없는 운행을 시작했지만, 처음에는 일부 차량에 한정됐고 뒤따르는 차량에 안전요원이 탔다.

필자가 데이터 사이언티스트로서 눈여겨본 것은 이 개입하는 활동의 필요성이다. 운전자나 원격 요원이 핸들을 잡는 순간은 AI의 판단이 틀렸거나 망설인 상황이다. 이 장면이 가장 값진 학습 데이터가 된다. 개입 장면을 모아 모델을 다시 학습시키고, 고친 모델을 무선 업데이트로 차량에 내려보내면, 다음에는 같은 장면에서 사람이 덜 개입한다. 개입이 줄어드는 속도가 곧 개선의 속도이며, AI모델의 성숙도 연결된다.

옵티머스도 같은 방식으로 배운다. 처음에는 작업자가 모션캡처 장비를 입고 원격으로 로봇을 조종해 동작을 가르쳤다. 지난해부터는 작업자가 카메라 다섯 대가 달린 헬멧과 배낭을 메고 티셔츠를 개거나 물건을 집는 영상을 찍고, 로봇이 그 영상을 보고 따라 하도록 훈련 방식을 바꿨다. 차량에서 쓰던 카메라 중심 학습을 로봇에 그대로 옮긴 것이다. 그래도 로봇이 막히는 순간에는 여전히 사람이 개입하고, 그 장면이 다시 학습 데이터가 된다.

한 문장으로 정리하면 이렇다. 사람이 개입한 데이터로 AI를 고치고, 개선된 AI가 사람의 개입을 줄인다. 공장에서 신입 사원이 선배의 손을 보고 배우다가, 실수할 때마다 선배가 잡아 주면서 결국 혼자 일하게 되는 과정과 같다. 다만 이 신입은 수백만 대의 차와 수만 대의 로봇이 한꺼번에 배운다는 점이 다르다.

휴먼 인 더 루프 개선 체계 / 출처=전성기 데이터 사이언티스트 (생성형AI 제작)
휴먼 인 더 루프 개선 체계 / 출처=전성기 데이터 사이언티스트 (생성형AI 제작)

개선된 모델이 다시 수집 단계로 들어가 더 많은 데이터를 모으면서 순환이 완성된다. 차량과 위성, 로봇이 늘면 데이터가 늘고, 데이터가 늘면 모델이 좋아진다. 좋아진 모델은 제품의 가치를 높여 판매를 다시 늘린다. 이 순환 구조가 데이터 플라이휠이다.

로켓의 순환과 데이터의 순환이 맞물리다

머스크 생태계에는 두 개의 순환 구조가 있다. 스페이스X의 재사용 순환과 테슬라의 데이터 순환이다. 스페이스X는 로켓을 재사용해 발사 비용을 낮추고, 늘어난 발사 수익을 다시 재사용 기술에 넣는다. 테슬라는 차량을 팔아 데이터를 모으고, 그 데이터로 자율주행을 개선해 판매를 늘린다.

두 순환은 서로 맞물려 돌아간다. 재사용 로켓으로 싸게 깐 스타링크가 테슬라의 데이터를 실어 나르고, 그 로켓이 앞으로는 우주 데이터센터까지 올리려 한다. 테슬라가 모은 데이터는 콜로서스에서 AI 모델이 되고, 그 AI는 FSD와 옵티머스로 돌아가는 동시에 스페이스X의 매출이 된다. 3분기 스페이스X 매출의 절반이 AI에서 나왔다는 숫자가 두 순환이 이미 하나로 엮였음을 보여 준다.

스페이스X의 플라이휠과 테슬라의 플라이휠 / 출처=전성기 데이터 사이언티스트 (생성형AI 제작)
스페이스X의 플라이휠과 테슬라의 플라이휠 / 출처=전성기 데이터 사이언티스트 (생성형AI 제작)

경쟁사가 따라 하기 어려운 것은 개별 기술보다 이 구조다. 다섯 단계를 한 생태계가 모두 갖추고 있고, 두 순환이 서로의 성장을 가속화시킨다. 머스크는 휴머노이드 한 대에 고유 부품이 약 1만 개 필요한데, 이를 공급할 공급망이 세상에 없다고 말했다. 공급망이 없으니 직접 만들겠다는 것이다. 머스크에게 수직계열화는 순환의 속도를 남에게 맡기지 않기 위한 선택이다.

숫자 뒤에 가려진 한계와 논란

그러나 이 구조에도 분명한 한계가 있다. 테슬라의 이익은 크게 줄었고, 스페이스X의 3분기 순이익 가운데 절반 이상은 본업이 아닌 영업외 이익이었다. 옵티머스는 2024년 공개 행사에서 일부 동작을 사람이 원격으로 조종한 사실이 알려져 과장 논란을 겪었다. 완전 자율주행 일정도 2016년부터 여러 차례 미뤄졌고, 로보택시는 아직 원격 요원과 안전요원에 기대고 있다.

운전대가 없는 사이버캡의 운행 범위는 미국 고속도로교통안전국(NHTSA)의 안전기준 면제와 주 정부 허가에 묶여 있고, 오스틴의 모델 Y 로보택시는 서비스 시작 뒤 14건의 사고에 연루됐다는 CBS 보도가 나왔다. 영상만으로 배우는 로봇 훈련 방식에 대해서는 실제 물체를 만지며 얻는 감각을 배우기 어렵다는 전문가 지적도 나온다. 우주 데이터센터는 아직 신고서 속 계획이다. 데이터와 연산이 한 사람이 지배하는 회사들에 몰리는 구조는 독점과 이해상충 논란도 낳는다.

그럼에도 머스크는 자동차 판매가 주춤한 시기에 자동차 라인을 로봇 라인으로 바꾸고, 이익 감소를 감수하며 데이터센터에 꾸준히 투자를 하고 있다. 한국이 배울 것은 지배구조보다 이 순환이 작동하는 원리다.

한국 데이터 생태계는 어디까지 왔나

같은 다섯 단계로 한국을 들여다보면, 단계마다 경쟁력 있는 기업은 있다. 문제는 단계와 단계 사이가 끊겨 있다는 점이다.

수집 단계에서 한국은 자동차, 조선, 반도체, 배터리 공장이 밀집해 제조 데이터가 많이 쌓인다. 제조 AI 협의체 M.AX 얼라이언스에는 1500여 개 기업이 참여하고 있다. 하지만 이 데이터는 대부분 개별 공장 안에서만 쓰인다. 지난 회에서 본 카테나-X처럼 기업 사이를 잇는 규칙이 아직 없다.

전송 단계에서 지상 통신망은 세계 최고 수준이지만 자체 위성망은 없다. 국내 스타링크 서비스는 국내 통신사가 재판매한다.

저장·연산 단계의 모습은 엇갈린다. 카운터포인트리서치에 따르면 올해 2분기 매출 기준 고대역폭메모리(HBM) 시장에서 SK하이닉스와 삼성전자의 점유율 합계는 83%다. 세계 AI 데이터센터 상당수가 한국산 메모리로 돌아간다. 콜로서스도 예외가 아니다. 그런데 정작 국내 연산 설비는 정부가 GPU를 확보해 나눠 주는 수준에 머물러 있다.

모델을 자국에서 갖는 이유는 공급 조건에 있다. 외국 모델의 가격과 정책이 바뀔 때마다 그 위에 올린 서비스의 원가와 운영이 함께 흔들린다. 국방과 의료, 행정처럼 데이터를 국외로 보내기 어려운 영역은 모델 자체를 안에 두어야 한다. 공정 데이터도 영업비밀이라 외부 모델에 그대로 올리기 어렵다. 소버린 AI가 정책 의제가 된 배경이다.

모델 단계의 중심에는 정부의 독자 AI 파운데이션 모델 프로젝트, 이른바 ‘독파모’가 있다. 모델 구조 설계와 데이터 확보·가공, 사전학습을 모두 자체 수행한 모델만 인정하는 사업이다. 현재는 2차 평가 후 LG AI연구원과 업스테이지, SK텔레콤 3팀으로 좁혀졌다.

LG AI연구원의 ‘K-엑사원 2.0’은 파라미터 7500억 개로 1차수 2360억 개에서 3배 넘게 키웠고, 장문 이해 평가에서 OpenAI-MRCR 94.4점과 한국어 Ko-LongBench 89.6점을 기록했다. SK텔레콤의 ‘에이닷엑스 K2’는 파라미터 6880억 개로, 전작 K1의 5190억 개보다 커졌다. SK텔레콤은 국방부와 함께 K1을 보안용으로 경량화한 모델을 이미 육·해·공군과 해병대에 공급했고, 하반기에는 K2를 같은 방식으로 공급할 계획이다. 제조 현장에서는 KG스틸 당진공장의 냉연 라인과 자동차 부품사 코넥의 주조·가공 공정에서, 과거 불량 사례를 학습해 원인을 찾고 조치 방법을 안내하는 AI 에이전트를 실증하고 있다.

업스테이지의 ‘솔라 오픈 2’는 2500억 개로 작은 모델이지만, 100만 토큰 문맥을 처리하고, 코딩 성능 평가에서 92.42점으로 획득했다. 독파모 정예팀이 받는 GPU는 B200 768장을 지원받았고, 하반기에는 1000장 이상으로 늘어난다” 로봇 분야에서는 현대차그룹이 2028년부터 보스턴다이내믹스의 아틀라스를 미국 조지아 공장에 투입할 계획이고, 삼성전자는 레인보우로보틱스의 최대주주가 됐다.

가장 취약한 부분은 데이터의 개선 체계와 수익화다. 한국 공장에는 세계 최고 수준의 숙련공이 있지만, 이들이 기계를 멈추고 바로잡는 순간이 데이터로 남는 경우는 드물다. 사람의 개입이 AI를 고치는 재료가 되지 못하고 작업 일지 속에 묻힌다. 데이터와 모델로 반복 매출을 내는 사업도 드물다. 수익이 다시 데이터 수집으로 들어가는 순환이 생기지 않는 이유다. 한 문장으로 정리하면 이렇다. 한국은 남의 데이터 플라이휠에 가장 중요한 부품을 대고 있지만, 자기 플라이휠은 아직 돌리지 못하고 있다.

한국형 산업 데이터 플라이휠의 구현

머스크의 데이터 생태계를 벤치마킹하여 데이터 수집/생산, 전송, 저장/연산, AI모델개발, 활용 등 전 단계에 순환적인 구조를 설계하고, 국내외 산업의 협력과 통합하는 국가주도 민관협력 생태계를 구축해야 한다.

한국형 산업 데이터 플라이휠의 실행 방향 / 출처=전성기 데이터 사이언티스트 (생성형AI 제작)
한국형 산업 데이터 플라이휠의 실행 방향 / 출처=전성기 데이터 사이언티스트 (생성형AI 제작)

첫째, 수집이다. 테슬라의 섀도우 모드에 대응하는 장치는 공장의 개입 기록이다. 숙련공의 개입을 데이터로 남기는 개선 체계를 먼저 만들어야 한다. 한국의 강점은 제조공장에 숙련공으로부터 수집되는 데이터이다. 작업자가 설비나 로봇에 개입한 장면을 영상과 센서 데이터로 기록하고, 이를 모아 산업 AI를 다시 학습시킨 뒤 공장을 운영하는 휴먼 인 더 루프 체계를 갖춰야 한다. 개입 횟수가 줄어드는 속도를 공장의 핵심 지표로 삼을 만하다.

둘째, 전송이다. 스타링크와 무선 업데이트가 하는 일을 한국에서는 기업 사이의 데이터 통로가 맡아야 한다. 공장에서 모은 데이터를 올려 보내고 다시 학습한 모델을 설비로 적용하는 길을, 카테나-X처럼 데이터 스페이스를 활용해서 공유하고 전송할 수 있도록 한다. 한 기업이 다섯 단계를 모두 갖추기는 어렵다. 제조사와 통신사, 메모리 기업, 데이터센터, 모델 기업이 하나의 사업으로 연결되어야 한다. 데이터를 내놓은 기업에 수익을 나눠 주는 계약 구조와, 업종 간 데이터 결합 절차를 간소화하는 제도가 함께 마련되어야 할 것이다. 제도의 뼈대는 이미 서 있다. 2020년 데이터 3법 개정으로 가명정보를 당사자 동의 없이 통계 작성과 산업적 연구에 쓸 수 있게 됐고, 결합전문기관을 거치면 기업 간 데이터 결합도 가능하다. 남은 문제는 속도다. 결합 신청부터 반출 승인까지 걸리는 기간과 비용이 공정 개선의 실험 주기를 따라가지 못한다. 금융과 공공에서 먼저 자리 잡은 마이데이터와 같은 개인정보의 전송요구권 범위를 확대하고 가명정보 결합 활성화를 위한 노력이 필요하다.

셋째, 저장과 연산이다. 콜로서스에 대응하는 설비를 한국은 아직 갖지 못했다. HBM 점유율 83퍼센트는 남의 데이터센터를 돌리는 부품 점유율이다. 메모리 기업과 전력·부지를 한 사업으로 묶어 산업 데이터 전용 연산 설비를 세우고, GPU를 나눠 주는 지원에서 설비를 운영해 매출을 내는 사업이 국가주도로 추진되고 있다. 다만, 민간주도의 데이터센터 확충과 클라우드 서비스를 통하여 누구나 쉽게 자원을 활용할 수 있도록 해야 한다.

넷째, AI모델이다. 그록과 FSD 자리에 한국이 놓을 것은 제조 현장에 특화된 산업 파운데이션 모델이다. 범용 대화형 모델은 이미 격차가 크다. 독파모의 독자성도 결국 데이터에서 나온다. 모델 구조는 공개된 연구를 따라갈 수 있지만, 용접 전류 파형이나 도장 불량 이미지는 공장 안에만 있다. 3팀으로 좁혀진 독파모 모델을 제조 현장에 적용하여 공정 데이터로 추가 학습시키면, 범용 성능 순위와 무관하게 한국만 가진 산업 모델이 생긴다. 용접과 도장, 조립처럼 데이터가 많은 공정부터 모델을 만들고, 독자 파운데이션 모델을 공장 현장에 연결해야 한다.

다섯째, 활용이다. FSD 구독과 옵티머스에 해당하는 수익원을 먼저 설계해야 순환이 돌아간다. 산업 AI는 구독형 서비스로, 로봇은 작업 시간 단위로 빌려주는 방식이 가능하다. 첫 적용 대상은 자기 공장으로 하되, 그 결과를 협력사와 다른 업종에 팔아 번 돈이 다시 데이터 확보로 이어지게 해야 한다.

순환의 첫 바퀴는 국가주도의 정책으로 돌려줘야 한다. 산업 AI의 초기 고객은 대개 공공이다. 국가기관이 모델과 데이터 파이프라인, 인증 체계를 공통기반으로 갖추고 부처와 공공기관이 그 위에서 서비스를 올리면, 기관마다 따로 발주하던 중복이 줄고 공급 기업은 한 번 검증한 서비스를 여러 기관에 판다. 이렇게 국가기반의 수요로 증명된 AX기술을 다양한 산업분야에 적용할 수 있는 기반이 된다. 중소·중견기업에는 AX 바우처가 초기 비용의 문턱을 낮추고, 몇 주 단위로 현장 과제를 풀어보는 AX 스프린트 방식이 도입 여부를 판단하는 시간을 절약한다.

플라이휠은 업종을 건너갈 때 커진다. 용접 품질을 판정하던 모델은 조선소의 배관 용접으로, 설비 이상 진동을 잡아내던 모델은 발전소와 석유화학 플랜트로 옮겨간다. 데이터는 달라도 고객문제의 형태는 비슷하기 때문이다. 자동차와 반도체에서 검증한 뒤 조선·기계·화학으로, 다시 물류와 건설·에너지로 넓히는 순서를 미리 정해 두고, 업종마다 같은 데이터 규격과 평가 지표를 쓰게 해야 전이 비용이 낮아진다.

휴머노이드 부품도 활용 단계의 수익원이다. 공급망을 선점해야 한다. 머스크가 세상에 없다고 한 휴머노이드 공급망의 핵심 부품을 한국은 대부분 만든다. 메모리와 배터리, 모터, 센서, 정밀 감속기를 묶어 패키지로 공급하면, 부품 납품을 넘어 로봇 완제품 시장에서도 자리를 넓힐 수 있다.

부품을 묶는 일은 공급망을 다시 설계하는 일이다. 한 대에 들어가는 1만 개 부품 가운데 원가와 성능을 좌우하는 것은 몇 개의 모듈이다. 관절을 움직이는 액츄에이터와 정밀 감속기, 힘을 재는 토크센서, 고출력 모터, 연산용 반도체와 배터리다. 한국은 메모리와 배터리, 모터에서 강하고, 정밀 감속기와 토크센서는 여전히 일본, 유럽, 미국 기업의 시장을 주도하고 있다. 국내기업을 중심으로 완제품 기업이 수량을 약속하고 부품사와 설계 단계부터 사양을 맞추는 공동 개발이 가장 빠른 길이다.

수직계열화는 한국 제조업이 이미 가진 자산이다. 자동차와 배터리는 소재부터 완제품까지 이어지는 계열과 협력사 망을 갖추고 있다. 테슬라가 모델 S 라인을 옵티머스 라인으로 바꿨듯, 같은 설비와 협력사를 로봇으로 돌리는 전환 비용이 한국만큼 낮은 나라는 드물다. 현대차그룹의 보스턴다이나믹스와 삼성전자의 레인보우로보틱스가 그 출발점이다. 관건은 속도다. 완제품 기업의 공장을 첫 수요처로 삼아 로봇을 투입하고, 거기서 나온 가동 데이터를 부품 개선과 모델 학습에 되돌리면, 부품 공급망과 데이터 플라이휠이 같은 축에서 돌아간다.

벌어들인 돈은 다시 수집 단계로 들어가야 한다. 그때 한국의 플라이휠도 한 바퀴 돌아간다.

AI 경쟁의 무대는 화면 속 소프트웨어에서 공장과 도로로 옮겨 가고 있다. 이 시장의 승부는 연산 능력보다 현장 데이터와 사람의 개입을 얼마나 모으고 다시 쓰느냐에서 갈린다.

다음 회: 자동차는 어떻게 플랫폼이 되는가

이번 회에서는 화성 플라이휠의 4번째 단계를 옵티머스와 머스크의 데이터 생태계로 살펴봤다. 3분기 스페이스X 매출의 51.9%가 AI에서 나왔고, 설비투자 196억 달러(약 26조 1934억 원) 중 164억 달러(약 21조 9169억 원)가 AI로 갔다. 그 데이터를 최종적으로 쓰는 주체는 FSD와 옵티머스였고, 둘을 키우는 것은 사람의 개입이었다. 다음 회에서는 이 기술들이 자동차 산업을 어떻게 바꾸는지 따라간다. 테슬라가 원가 경쟁력으로 레거시 완성차와 겨룬 1단계, 데이터로 새 부가가치를 만든 2단계, 모빌리티·에너지·제조 플랫폼으로 넓혀 가는 3단계를 차례로 짚고, 한국 자동차 산업이 어느 단계에 서 있는지도 함께 묻는다.

글 / 전성기 데이터 사이언티스트

전성기 데이터 사이언티스트는 AX 기획자로도 일하며 여러 국가 AI·데이터 프로젝트를 기획부터 확산까지 총괄했다. AX·DX 전환, 데이터 기반 문제 해결, 데이터 거래, 일론 머스크의 비즈니스 생태계를 주제로 100회 이상 강연했다. 저서로 『화성 골드러시』(에이콘출판, 2026)가 있다.

정리 / IT동아 차주경 기자 (racingcar@itdonga.com)

공감/비공감

공감/비공감안내도움말 보기
유용하고 재미있는 정보인가요?
공감이 된다면 공감 버튼을, 그렇지 않다면 비공감 버튼을 눌러 주세요!
공감이나 비공감을 선택 하는 경우 다나와 포인트를 적립해 드립니다. ※ 공감 버튼의 총 선택 횟수는 전체 공개입니다. 비공감 버튼의 선택 여부는 선택한 본인만 알 수 있습니다.
최신 일반뉴스 전체 둘러보기
1/1
[화성 골드러시] ③ AI 옵티머스가 공장을 걷기 시작했다, 데이터로 돌아가는 머스크의 AI 제국 IT동아
기술 체험부터 창업·투자까지…가상융합 생태계 키우는 ‘경기콘텐츠진흥원’ (1) IT동아
[2026 강소특구] 전남나주 강소특구 “기술·인재·기업 모아 에너지 특화도시로” IT동아
“AI 강국인 줄 알았던 유럽마저 밀렸다”… 맥킨지가 분석한 AI 패권 경쟁의 현실 AI matters
레이더 칩 기업 아르베, 3분기 매출 10억 원대…中 레벨3 차량 수주 AI matters
두바이 미래재단, 건물 안 배송 로봇 도입…배달 기업 8곳 참여 (1) AI matters
中 메가로보, 2,674억 원 유치…AI 실험 자동화 로봇 확대 AI matters
딥마인드 AGI에서 ASI로, 효율 개선 이어지면 같은 AI 작업 연산비 10년 뒤 100만분의 1 AI matters
TSMC와 삼성, 中 고객 칩 출하 중단…문샷은 계약 취소 AI matters
인셉션, 머큐리 API 12월 종료…엔비디아 인수 협상 보도 AI matters
메타, AI 기기 ‘뮤즈 참’ 40만 원에 판매 계획 AI matters
구글, 블루 오리진과 우주 AI 데이터센터 위성 발사 계약 AI matters
스카이디오, 캐나다 토론토 사무소 개설…비행 데이터 국내 보관 AI matters
테슬라, 운전대 없는 사이버캡 댈러스 운행…오스틴 이어 두 번째 AI matters
앤트로픽 공모가 11만 253원 확정…108조 원 역대 최대 AI matters
구글 딥마인드 ‘AGI에서 ASI로’ 보고서…초지능에 이르는 4개 경로 AI matters
앤트로픽 상장 첫날 시간대별 주가…12만 9,896원 마감 AI matters
[지스타2026] 5년째 이어져온 선한 영향력! '2026 플레이 펀앤굿' 포럼 성황리 개최 게임동아
한국·태국 게임협회 3곳, 2019년 이후 멈춘 ‘한국게임개발자컨퍼런스’ 재개 위해 손잡았다 게임동아
지도에는 있지만 갈 수 없는 길…AI·공간정보 기술로 해법 찾는 ‘엘비에스테크’ IT동아
이 시간 HOT 댓글!
1/4