AI·반도체AI로 큰돈 버는 다음 아이템은 로봇? 구글과 테슬라 중 승자는 누구일까?

안녕하세요, 카레라입니다. ​ 기업들이 생성형 AI로 수익을 낼 수 있는 다음 아이템이 있다면 무엇일까요? 지금 시장에서는 빅테크들이 AI에 갖다 붓는 어마어마한 돈을 과연 회수할 수 있을지에 대한 불안감이 극도로 높습니다. 사진 출처: klover.ai 챗GPT를 만든 오픈AI는 2025년에 약 220억 달러를 쓰고 130억 달러를 벌었습니다. 2026년에는 140억 달러 적자를 예상하고 자체 전망으로 2030년까지 태워 없앨 현금이 누적 2180억 달러에 이릅니다. ​ 돈을 벌기 위해서 (X) 계속 손해 보기 위해 (O) 2030년까지 최소 2070억 달러를 더 조달해야 한다는 분석까지 나왔습니다(...). ​ 그런데도 돈이 계속 몰리고 있습니다. ​ 오픈AI는 2026년 2월에 1220억 달러를 투자받으며 실리콘밸리 역사상 가장 큰 자금 조달을 성사시켰고 기업가치는 8520억 달러가 됐습니다. 이쯤 되면 궁금해지는 게 있습니다. 이렇게 천문학적인 돈을 태우는 투자를 도대체 뭘로 정당화할까? 기업용 AI 시장, 코딩(프로그래밍) 시장, 앱 시장... 뭐 다 좋습니다만, 사실 결국은 생성형 AI 기업이 진짜 큰돈을 벌 수 있는 유일한 방법은 로봇이 아닐까 생각합니다. 사진 출처: 구글 지금 AI는 기업용, 코딩용, 개인용 온갖 제품으로 쏟아지는데 대부분이 소프트웨어에 치중되어 있습니다. ​ 이 소프트웨어 시장을 다 합쳐도 로봇이 열 시장에 비하면 작다고 생각됩니다. ​ 왜 로봇이 소프트웨어보다 훨씬 큰 시장인지를 돈과 기술 관점에서 생각해보고 그 거대한 파이를 테슬라 같은 로봇 회사가 먹을지, 아니면 구글 같은 AI 빅테크가 먹을지를 쉽게 설명해드리겠습니다. 사진 출처: mynewsdesk 로봇 시장의 성장 곡선이야 뭐 그리는 사람 마음이겠지만, 컨설팅 회사 롤랜드버거는 더 크게 봐서 2035년까지 최대 7500억 달러, 2050년까지 최대 4조 달러 규모가 된다고 봅니다. ​ 4조 달러면 오늘날 전 세계 자동차 산업 전체와 맞먹습니다. ​ 돈 냄새를 잘 맡는 사람들의 베팅도 이 방향입니다. ​ 소프트뱅크 회장 손정의는 다음 조 단위 기업이 나올 곳이 로봇과 피지컬 AI라고 언급 손정의의 논리는 소프트웨어 AI는 사무실에서 머리로 하는 지식노동 시장이 상한선인데 로봇은 여기에 더해 몸으로 하는 노동 시장 전체를 새로 연다는 것 사진 출처: ib.barclays 글로벌 은행 바클레이스는 로봇이 두 번의 물결로 퍼진다고 봅니다. 첫 번째는 지금부터 2030년까지 제조, 물류, 농업, 건설이고 두 번째는 2030년 이후 헬스케어, 노인 돌봄, 교육, 접객으로 확장된다는 거죠. 그래, 다 좋고 알겠는데 왜 하필 로봇이어야 하냐 이거지. 이게 아주 중요합니다. 이거를 숫자로 뜯어보지 않으면 그냥 대충 그렇겠지? 수준에서 멈추게 되거든요. AI의 미래 먹거리 최종 종착지가 결국 로봇일 수밖에 없는 이유가 있습니다. 사진 출처: github-danielmiessler 세계 1년치 경제 생산의 총합인 GDP는 약 110조 달러입니다. ​ 이 중 회사가 아니라 일하는 사람에게 임금으로 돌아가는 몫이 52~53%인데 전 세계 인건비 총액을 약 58조 달러로 잡을 수 있습니다. 이게 AI가 언젠가 노릴 수 있는 인간 노동 시장의 절대 상한선입니다. 이보다 큰 노동 시장은 없으니까요. ​ 이 58조 달러를 쪼개면... ​ 머리로 일하는 지식노동자는 전 세계 노동인구의 약 30%, 대략 10억 명 이들이 받는 임금 총액이 35~50조 달러 이들은 전체 인건비의 60~85%를 차지함 지식노동자가 평균보다 38~50% 높은 임금을 받아서 머릿수는 30%인데 돈은 훨씬 많이 가져감 음, 지식노동이 파이의 60~85%면 생산성을 끌어올려주는 소프트웨어 AI만 가지고도 먹을 게 충분한 거 아니냐? 사진 출처: masterclass ...라고 생각하기 쉬운데, 아까도 봤듯 세계 노동인구의 70%는 몸으로 하는 노동을 합니다. 노동 시간으로 따지면 2021년 전 세계 경제에 투입된 노동이 9조 6천억 시간인데 그중 90%가 개발도상국에서 나왔습니다. 임금이 싸서 금액으로는 작게 잡히지만 실제 일한 양 자체는 몸으로 하는 노동이 압도적입니다. 소프트웨어 AI는 35~50조 달러짜리 지식노동 파이 안에서만 경쟁하고 그마저도 사람을 완전히 대체하는 게 아니라 생산성을 조금 높여주는 쪽이라 실제로 챙길 돈은 훨씬 적습니다. 사진 출처: github-danielmiessler 이것도 누가 친절히 계산해 줬는데, 한 추산으로는 AI가 지식노동자를 10% 더 생산적으로 만들면 1년에 3.5~5조 달러의 가치가 생긴다고 봅니다. ​ 이것도 작은 돈은 아니지만 소프트웨어 AI가 현실적으로 노릴 수 있는 최대치입니다. ​ 반면 로봇은 다릅니다. 아주 중요하니까 두 번 읽어보세요. ​ 지금은 임금이 싸서 저평가된 몸 쓰는 노동 시장 전체를 가져온다 = 사람에게 시간당 2달러 주던 일이라도 로봇이 24시간 쉬지 않고 하면 그 일이 만드는 결과물 전체로 가치가 다시 계산된다 ​ 소프트웨어는 회사가 사람에게 주던 인건비 예산을 조금 아껴주고 그 아낀 돈의 일부를 받습니다. ​ 그래서 아까도 말씀드렸듯 소프트웨어 AI의 매출은 근본적으로 사람이 하던 일의 가치를 넘을 수 없습니다. 상한이 인건비에 묶여 있죠. ​ 그런데 로봇은 인건비 예산과 아예 다른 항목, 즉 기계와 설비를 사는 투자 예산에서 팔립니다. 그리고 노동 공급 자체를 늘려줍니다. 사진 출처: 구글 대표적인 제조업 기업 인텔(INTC)의 경우 2023년에 공장, 장비 등에 쓴 자본적 지출(CAPEX)이 257억 달러 정도 됩니다. ​ 인텔의 정규직 직원은 약 8만 5천 명인데 2024년 대량 감원 당시 공개된 자료를 보면 직원 연봉이 대략 6만 5천 달러에서 17만 달러 수준입니다. 넉넉하게 평균 15만 달러로 잡아도 8만 5천 명 × 15만 달러 = 약 128억 달러, 실제로는 이보다 낮게 잡히는 게 보통입니다. ​ 제조업에서는 기계와 설비 등 자본적 지출이 보통 인건비보다 훨씬 많고, 이게 시장 크기의 차이입니다. 그리고 기존 경제학에서 노동력은 인구수로 고정된 자원인데 로봇은 이 고정된 숫자를 변수로 바꿔버립니다. 정해진 파이를 나눠먹기 (X) 파이를 새로 굽기 (O) 가 되는 거죠. 잠깐만, 로봇이 돈이 된다는 건 아주 오래전부터 지겹게 듣던 이야기인데 왜 하필 지금, 그리고 왜 하필 챗봇 만드는 AI가 뜰 때 로봇을 봐야 하냐는 거지. 로봇이 수십 년간 막혔던 진짜 이유는 그냥 써먹을 데이터가 없었기 때문입니다. ​ 챗GPT 같은 거대 언어 모델(줄여서 LLM)은 인터넷에 널린 글을 긁어모아 학습합니다. 이건 상대적으로 쉬운데 로봇이 배워야 하는 건 글이 아닙니다. 사진 출처: kuka robotics 물건을 어느 각도로 얼마나 세게 쥐어야 하는지 팔을 어떻게 뻗어야 넘어뜨리지 않는지 ​ 이런 물리적 감각입니다. 이런 데이터는 인터넷에 없고 사람이 로봇을 직접 원격으로 조종해서 하나하나 만들어야 하는데 이게 시간당 50~150달러가 들 만큼 비싸고 느립니다. ​ 인터넷 긁기 딸깍으로 수천억, 수조 개를 모으는 언어 데이터와는 비교가 안 되게 어렵죠. 이게 로봇의 발목을 잡던 벽입니다. ​ 바로 이 벽을 지금의 생성형 AI 기술이 간단히 허물고 있습니다. 사진 출처: openvla.github.io VLA 모델이라는 게 있는데, 비전-언어-행동(Vision-Language-Action)의 약자로 눈으로 보고(비전) 말을 알아듣고(언어) 몸을 움직이는(행동) 능력을 하나로 합친 AI 모델입니다. ​ LLM이 인터넷 글로 이미 배워둔 세상 지식과 상식을 로봇 제어에 그대로 갖다주는 거죠. ​ 구글의 제미나이 로보틱스(Gemini Robotics)가 이 방식인데 거대 언어 모델의 추론 능력을 로봇 두뇌에 직접 집어넣으면 로봇이 밑바닥부터 물리 데이터를 다 배울 필요 없이 웹에서 배운 지식 위에 약간의 로봇 데이터만 얹으면 됩니다. 로봇의 두뇌가 컵이 뭔지, 물이 쏟아진다는 게 뭔지를 이미 아는 상태에서 시작하면 훨씬 쉽다는 겁니다. 이 경우 LLM에 쌓아둔 자산이 로봇으로 넘어가기 때문에 LLM 회사가 특히 유리합니다. 사진 출처: mech-mind-robotics 그 다음으로 영상 사전학습과 시뮬레이션을 해야 하는데, 유튜브에 넘쳐나는 사람들의 일상 영상에서 물건을 어떻게 다루는지 사전 지식을 배우는 겁니다. ​ 사람이 컵을 드는 영상 수백만 개를 보면 로봇이 직접 안 해봐도 감을 잡겠죠? ​ 여기에 진짜 세계를 정교하게 흉내 낸 컴퓨터 가상 공간, 즉 시뮬레이터 안에서 로봇을 수없이 연습시켜 데이터를 대량으로 뽑아내는데 이건 자율주행 자동차 만들 때 엔비디아(NVDA)가 아주 오래 전부터 하고 있는 일입니다. ​ 비싼 진짜 로봇 데이터 의존을 확 줄이는 거죠. 대규모 데이터를 다루고 사전학습을 하는 건 생성형 AI 기업이 세상에서 가장 잘하는 일입니다. ​ 설명이 길고 지루했는데 그냥 다 잊어버리고 아래 두 줄만 외워도 됩니다. ​ VLA 모델 = LLM으로 배운 지식을 로봇한테 강제 주입시켜서 뻘짓 안 하게 만들기 영상 사전학습, 월드모델 = 세계를 컴퓨터 안에 구현해서 로봇 연습시키기 ​ 요 두 개 모두 생성형 AI 하던 기업들이 세상에서 가장 잘 하는 영역이기 때문에 로봇이라는 거대한 파이를 먹을 후보도 이 생성형 AI 기업들이 될 확률이 높습니다. ​ 자, 마지막으로 아주 중요한 질문! 사진 출처: wired 그렇다면 로봇 시장의 성장은 화낙, ABB, 현대차나 보스턴 다이내믹스처럼 산업용 로봇 본체를 만드는 기업에게 유리할까요, 아니면 생성형 AI를 만들거나 AI 클라우드를 돌리는 빅테크들에게 유리할까요? 결국 누가 그 파이를 먹을까요? ???: 그래서 로봇 회사가 돈 번다는 거임, LLM 회사가 돈 번다는 거임? ​ ㄴㄴ 질문이 틀렸습니다. ​ ???: 로봇이라는 물건의 어느 부분이 돈을 가장 많이 남기는 거임? ​ 이렇게 질문해야 합니다. ​ 로봇에서 돈 나올 구석은 크게 세 층입니다. 몸통에 해당하는 하드웨어(관절 모터, 배터리, 센서), 두뇌에 해당하는 소프트웨어(AI 모델과 제어 프로그램), 그리고 공장에 실제로 깔고 운영하는 통합 서비스입니다. ​ 지금 당장은 하드웨어가 돈을 가져갑니다. ​ 휴머노이드는 만들기가 무지무지 어렵고 정밀해야 하기 때문에 현재 가치의 대부분을 하드웨어가 차지하고 이 분야의 끝판왕은 중국입니다. 사진 출처: Kharon 중국은 전 세계 산업용 로봇의 절반가량을 설치하는 나라입니다. ​ 중국의 대표적인 산업용 로봇 기업인 유니트리(Unitree)의 매출은 말 그대로 우주로 가는 중이고, 중국 전체를 합치면 미국보다도 한 해에 10배 더 많은 로봇을 산업 현장에 깔고 있습니다. ​ 그러니 로봇 초기 매출의 큰 덩어리는 LLM 회사가 아니라 하드웨어 제조사와 중국 쪽으로 흘러가겠죠. ​ 그런데 장기적으로는 마진이 소프트웨어 쪽으로 옮겨간다는 전망이 지배적입니다. 스마트폰이 걸어온 길과 똑같은데, 초기엔 하드웨어가 마진을 먹다가 시장이 무르익으면 하드웨어는 흔해지고 표준화되어 값이 떨어지고 운영체제와 소프트웨어가 돈을 가져갑니다. 구글 안드로이드가 스마트폰 이익의 상당 부분을 가져간 것처럼요. 여기서 돈을 혼자 다 먹는 방법은 딱 두 가지가 있습니다. ​ 테슬라의 옵티머스처럼 몸체와 두뇌를 한 회사가 자체 개발하면 오픈AI나 앤트로픽 같은 LLM 회사들에게 상납할 필요 없이 아예 쫓아낼 수 있음 반대로 로봇계의 안드로이드를 LLM 회사(보통 빅테크들이 대주주이거나 빅테크가 직접 함)가 독점해서 공급하면 누가 로봇을 개발하든 AI 빅테크가 돈을 벌 수 있음 사진 출처: 구글 딥마인드 후자의 경우 구글이 제미나이 로보틱스로 여러 로봇 회사에 두뇌를 공급하는 방식입니다. ​ 구글은 이미 하드웨어는 여러 회사가 만들고 두뇌는 구글 것으로 통일해서 한 모델이 22개의 서로 다른 로봇 형태에서 작동하도록 만드는 연구를 하고 있습니다. 그렇다면 테슬라식(혼자 다해먹기)와 제미나이식(너네는 로봇 만들어라 대신 두뇌는 우리 거 넣고)의 장단기 승부는 어떻게 될까? 단기적으로는 제미나이 모델이 압도적으로 유리합니다. 수직통합이 말은 쉽지, 실제로 쉬울 리가요. 사진 출처: 테슬라 테슬라 옵티머스는 아직 외부 판매가 0이고 지금 만드는 물량은 전부 자기 공장에 배치해 데이터 수집과 연구용으로만 쓰고 있습니다. ​ 현재 제조 원가는 한 대에 5만~10만 달러인데 목표 판매가는 2만~3만 달러라 초기엔 팔수록 손해를 보거나 10만 달러 이상 받아야겠죠. 회사가 이 적자를 옵티머스 미래 수익을 기대하며 일부러 견디고 있는 겁니다. ​ 반면 제미나이 모델은 구글이 하드웨어 비용을 직접 지지 않으니 돈이 훨씬 덜 들어갑니다. 사진 출처: 구글 구글과 손잡은 앱트로닉(Apptronik)이라는 회사는 아폴로 로봇을 만드는데 구글, 메르세데스-벤츠 등에서 자체적으로 9.3억 달러를 조달해서 알아서 로봇을 만들고, 구글은 두뇌 모델만 얹어서 여기를 테스트베드로 해서 이걸 API 형태로 여러 개발자에게 팝니다. ​ 자기 자본을 거의 안 쓰고 소프트웨어 사용료로 버는 방식이니 로봇 한 대를 더 판다고 추가로 드는 비용이 거의 0이죠. 같은 두뇌 모델을 여러 하드웨어 회사에 복제해서 팔 수 있으니까요. 단기엔 테슬라가 수십억 달러를 태우며 2027년까지 기다리는 동안 제미나이는 남의 공장 위에 마진 좋은 소프트웨어를 얹어 지금부터 돈을 벌 수 있습니다. 다만 장기적으로는 테슬라가 뒤집을 잠재력이 있는데, 이유를 간단히 요약하면 이렇습니다. ​ 테슬라는 로봇을 만드는 회사이면서 동시에 전기차나 로켓 생산에 그 로봇을 쓰는 고객 자기 공장에 배치한 로봇 한 대 한 대가 학습 데이터와 원가 절감 정보를 만들어 다음 세대에 곧바로 반영됨 ​ 앞에서 로봇의 최대 벽이 물리 데이터 부족이라고 했습니다. ​ 테슬라는 그 데이터를 자기 공장에서 공짜로 대량 생산하는 셈이죠. ​ 게다가 자율주행 자동차에서도 아주 좋은 데이터들이 들어오니 알아서 학습 데이터 조달 + 하드웨어 만들기 + 하드웨어 학습시키기 라는 수레바퀴가 혼자서 굴러갑니다. ​ 이렇게 규모가 커지면 단위당 경제성이 말도 안 되게 좋아지는데, 나중에 가면 지금 당장 효율이 좋은 구글식 마진보다도 더 뛰어난 마진을 낼 수 있을 것으로 예상됩니다. ​ 구글이 두뇌를 팔 수 있는 시장은 "자체 모델을 못 만드는 하드웨어 회사들" 로 상한이 정해져 있지만 테슬라는 그 상한이 없는 거죠. ​ 단기 자본 효율은 남의 돈으로 소프트웨어를 파는 구글 방식이 이김 장기 파이 독식 잠재력은 데이터를 스스로 찍어내는 테슬라 방식이 이김 사진 출처: 구글 이렇게 기억하시고, 앞으로 구글과 테슬라 투자에 참고하시면 좋을 것 같습니다. ​ 읽어주셔서 감사합니다. ^^