소프트웨어 AI는 이미 레드오션이 됐다는 이야기, 들어보셨나요?
그런데 지금 미국의 가장 똑똑한 자본이 '로봇'에 몰리고 있어요.
Amazon 물류센터에서 로봇이 10만 개 넘는 박스를 옮기고, BMW 공장에서 로봇이 3만 대 넘는 자동차 생산에 투입됐다면 믿으시겠어요?
오늘은 '행동하는 AI', Physical AI에 숨겨진 투자의 비밀을 하나하나 꺼내볼게요.

Source :

• "F.02 Contributed to the Production of 30,000 Cars at BMW" (Figure AI) (2025)
• "Agility Robotics' Digit humanoid passes 100,000-tote milestone in live GXO implementation" (Robotics & Automation News) (2025)
• "Apptronik and Jabil Collaborate to Scale Production" (Apptronik) (2025)
• "Near-zero cost labor: The disruptive economics of humanoid robots" (RethinkX) (2025)
• "The Payback Math: Humanoid Robots vs Human Workers" (FourWeekMBA) (2025)
• "Humanoid Global Provides Update on Agility Robotics" (GlobeNewsWire) (2025)

요즘 VC 업계에서 가장 많이 들리는 말이 있어요.
"SaaS는 끝났다"는 거예요.

실제로 소프트웨어 시장은 이미 포화 상태에 가까워요.
누가 조금이라도 더 싼 가격에, 조금이라도 더 나은 기능을 제공하느냐를 두고 치열하게 싸우는 상황이에요.
그런데 흥미로운 건, 소프트웨어가 차지하는 경제 비중은 전체 GDP의 약 10% 정도밖에 안 된다는 점이에요.
나머지 90%는 제조, 물류, 건설 같은 '물리적 세계'가 차지하고 있어요.

그래서 지금 미국의 가장 똑똑한 자본이 향하는 곳이 바로 'Physical AI'예요.
Physical AI란, 쉽게 말해 AI에게 '몸'을 준 것이에요.
기존의 LLM(Large Language Model)은 글을 쓰고, 대화를 하고, 코드를 짜는 '말하는 AI'였다면, 지금은 VLA(Vision-Language-Action) 모델이라고 해서 '보고, 판단하고, 직접 움직이는 AI'로 패러다임이 완전히 바뀌고 있어요.

투자자 입장에서 이게 왜 중요하냐면, 지금 전 세계적으로 노동력 부족과 인건비 상승이라는 거시적 난제가 있기 때문이에요.
미국만 해도 2033년까지 제조업 분야에서 약 190만 개의 일자리가 인력 부족으로 공석이 될 것이라는 전망이 나오고 있어요.
이 문제를 풀 수 있는 유일한 탈출구가 바로 Physical AI, 즉 로봇이에요.

(Source : Google)

네, 이미 실험실을 벗어나 실전 현장에서 돌아가고 있는 사례가 있어요.
첫 번째로 소개해 드릴 곳은 Agility Robotics(애질리티 로보틱스, 이족보행 물류 로봇 개발사)예요.
이 회사가 만든 로봇 'Digit'은 Amazon의 물류 센터에서 일하고 있어요.
이 회사의 타임라인을 보면, 속도감이 느껴져요.

(Source : Gemini)

2023년 10월, Amazon이 물류 센터 현장에 이족보행 로봇 Digit을 테스트하기 시작했다고 공식 발표했어요.
그리고 불과 8개월 뒤인 2024년 6월, 세계 최초의 휴머노이드 양산 공장인 'Robofab'이 가동을 시작했어요.

여기서 생산된 Digit이 GXO Logistics(GXO 로지스틱스, 세계 최대 계약물류 기업)의 Spanx(스팬스, 미국 의류 브랜드) 창고에 배치되어 실제 고객 물량을 처리하기 시작한 거예요.
2025년 11월 기준으로 Digit은 조지아주 GXO 시설에서 10만 개 이상의 토트(물류 상자)를 옮기는 데 성공했어요.
단순히 박스를 A에서 B로 옮기는 수준이 아니에요.
바닥에 놓인 장애물이나 갑자기 지나가는 사람의 움직임 같은 비정형 데이터를 실시간으로 처리하면서 스스로 판단해서 이동하는 거예요.

그리고 2025년 말~2026년 현재, Amazon은 테스트를 완료하고 한 단계 더 나아갔어요.
로봇의 발 대신 바퀴를 단 버전 등을 포함해서, 멀티-플랫폼 형태로 물류 시스템 전체에 Digit을 통합하는 '차세대 창고 자동화 프레임워크'를 확정한 거예요.
로봇이 '있으면 좋은 것'이 아니라, 물류 인프라의 핵심 설계 요소가 된 거예요.

여기서 투자자가 주목할 포인트는 Agility Arc라는 클라우드 플랫폼이에요.
이건 수백 대의 로봇을 하나의 함대(Fleet)처럼 한꺼번에 관리하는 운영 소프트웨어예요.
2025년 12월에는 Mercado Libre(메르카도 리브레, 라틴아메리카 최대 이커머스 기업)와도 상업 계약을 체결해서, 텍사스 시설에 Digit을 투입하기 시작했어요.

(Source : Google)

제조 쪽이 오히려 더 빠르게 움직이고 있어요.
두 번째 사례는 Apptronik(앱트로닉, 휴머노이드 로봇 개발사)이에요.
이 회사의 타임라인도 한번 따라가 볼게요.

(Source : Gemini)

2024년 3월, Apptronik은 Mercedes-Benz와 휴머노이드 로봇 'Apollo' 투입을 위한 전략적 협업을 발표했어요.
그리고 두 달 뒤인 2024년 5월, Google DeepMind의 시각-언어-행동 모델(VLA)인 RT-2를 Apollo에 성공적으로 이식했어요.

이게 뭐가 대단하냐면, 별도의 프로그래밍 없이 "저 상자를 옮겨줘"라는 자연어 명령만으로 로봇이 작업을 수행하는 시연을 마친 거예요.
단순히 정해진 동작을 반복하는 게 아니라, 상황을 이해하고 스스로 판단하는 거예요.

2025년 하반기에는 텍사스 및 헝가리 공장의 생산 라인에 배치되어, 숙련공이 기피하는 단순 부품 전달 및 키팅(Kitting) 작업에 풀타임 투입(Full-shift deployment)됐어요.
2023년 테스트 시작에서 2025년 풀타임 투입까지, 약 2년 만에 '실험'에서 '실전'으로 넘어간 거예요.

VC나 PE 입장에서 가장 매력적인 포인트는 'Brownfield optimization'이에요.
공장 라인 전체를 뜯어고칠 필요 없이, '인간을 위해 설계된 공간'에 로봇을 그대로 투입할 수 있다는 뜻이에요.
기존 공장 설비를 바꾸는 비용이 없으니까, 도입 장벽이 매우 낮아요.
Apptronik은 2025년 2월에 Jabil(재빌, 글로벌 전자제품 위탁 제조 기업)과도 파일럿 및 전략적 협업을 시작했어요.
로봇이 로봇을 만드는 공장을 만들겠다는 구상이에요.

Apptronik의 누적 투자 유치 금액은 시리즈 A만 약 $403M(약 5,640억 원)에 달하고, 최근 시리즈 B에서 $560M~$660M(약 7,840억~9,240억 원) 규모를 추가 유치하면서 기업 가치가 약 $5.47B(약 7조 6,580억 원)까지 올랐어요.
CEO Jeff Cardenas는 Apollo의 목표 판매 가격을 $50,000(약 7,000만 원) 이하로 낮추겠다고 밝혔어요.

(Source : Google)

이 부분이 VC들이 가장 민감하게 보는 '단위 경제성(Unit Economics)'이에요.
세 번째 사례인 Figure AI(피규어 AI, 범용 휴머노이드 로봇 개발사)를 통해 설명해 드릴게요.
이 회사의 타임라인이 가장 드라마틱해요.

(Source : Gemini)

2024년 1월, Figure AI는 BMW의 사우스캐롤라이나 스파르탄버그 공장에 휴머노이드를 투입하는 파트너십을 체결했어요.
2024년 3월에는 OpenAI와 협력해서 로봇이 인간과 실시간 대화를 하며 사물을 식별하고 정리하는 'Figure 01'의 초기 시연 영상을 공개했어요.
이 영상이 시장에 큰 충격을 줬어요.
로봇이 사람 말을 알아듣고 판단까지 하는 모습이 처음으로 공개된 거니까요.

2024년 8월에는 업그레이드 모델인 'Figure 02'를 출시했어요.
이 모델이 BMW 공장에서 섀시 프레임에 부품을 끼워 넣는 고난도 작업을 수행하면서 실제 데이터를 확보하기 시작했어요.
Figure 02는 11개월 동안 월요일부터 금요일까지 매일 10시간 교대 근무를 하면서, 9만 개 이상의 금속 부품을 적재하고, 3만 대 이상의 BMW X3 차량 생산에 기여했어요.
총 누적 가동 시간이 1,250시간을 넘었어요.

2025년~2026년 초에는 양산형 모델이 공장에 대량 배치되기 시작했고, 현재는 한 대의 AI 모델이 수천 대의 로봇에 실시간 업데이트되는 '플릿 러닝(Fleet Learning)' 단계에 진입했어요.
2024년 1월 파트너십 체결에서 2026년 초 대량 배치까지, 약 2년 만에 이 모든 일이 일어난 거예요.

경제성을 따져볼게요.
RethinkX의 2025년 분석에 따르면, 초기 휴머노이드 로봇의 시간당 비용은 $2~$10(약 2,800원~14,000원) 수준이에요.
반면, 미국 숙련 노동자의 시간당 비용은 복리후생 포함 약 $42.5(약 59,500원)예요.
로봇이 하루 16시간 가동 가능하고, 복리후생비, 이직 비용, 교육 비용이 전혀 없다는 점까지 고려하면, 단순 비교로도 로봇 한 대가 연간 약 $200,000(약 2억 8,000만 원) 가까운 인건비를 절감할 수 있다는 계산이 나와요.

2022년부터 2024년 사이에 휴머노이드 로봇의 단가가 약 40% 하락했고, 매년 15~20%씩 추가로 떨어지고 있어요.
반대로 인건비는 매년 35%씩 오르고 있으니, 이 두 선이 교차하는 시점이 2020년대 후반에서 2030년대 초반이라는 전망이에요.
Morgan Stanley는 2050년까지 휴머노이드 로봇의 평균 판매 가격이 $50,000(약 7,000만 원)까지 떨어질 것으로 전망하고, 중국 공급망을 활용하면 $16,000(약 2,240만 원)까지도 가능하다고 봤어요.

크게 세 가지 체크리스트를 만들어 볼 수 있을 것 같아요.

첫 번째는 RaaS(Robot as a Service) 모델의 성숙도예요.
하드웨어를 한 번 팔고 끝나는 게 아니라, 구독 모델을 통해서 매달 예측 가능한 현금 흐름을 만들어내는지가 중요해요.
Agility Robotics의 Agility Arc 플랫폼이 바로 이 모델이에요.
로봇을 팔고 끝나는 게 아니라, 클라우드로 로봇 함대를 관리하면서 지속적으로 수익을 만들어내는 구조예요. SaaS처럼요.

두 번째는 데이터 플라이휠이에요.
로봇이 현장에서 일하면서 수집하는 물리적 데이터가 다시 AI 모델을 강화하는 선순환 구조를 갖추고 있느냐는 거예요.
Figure AI의 경우, BMW 공장에서 11개월 동안 쌓은 1,250시간의 실전 데이터가 차세대 모델인 Figure 03의 설계에 직접 반영됐어요.
팔의 하드웨어 고장 원인을 분석해서 Figure 03에서는 손목 전자부품을 완전히 재설계했어요.
이게 바로 데이터 플라이휠의 실제 작동 모습이에요.

세 번째는 범용성 대 특화성이에요.
모든 일을 다 하는 휴머노이드를 만드는 것인지, 아니면 물류나 용접 같은 특정 산업에서 압도적인 성능을 내는 것인지를 봐야 해요.
현재 시장 단계에서는 특화된 영역에서 먼저 확실한 성과를 내고, 거기서 데이터를 쌓아 점진적으로 범용성을 확장하는 회사가 더 안전한 투자처라고 볼 수 있어요.
Agility Robotics가 물류에 먼저 집중하고, Figure AI가 자동차 금속 부품 적재에 먼저 집중한 것이 이런 전략이에요.

핵심적인 차이가 있어요.
과거의 로봇 투자는 '비싼 장난감'에 가까웠어요.
데모 영상은 화려했지만, 실제 공장에서 매일 돌아가는 로봇은 거의 없었어요.

그런데 지금은 달라요.
Agility Robotics의 Digit은 실제 물류 현장에서 10만 개 이상의 상자를 옮겼고, Figure AI의 로봇은 실제 BMW 생산 라인에서 11개월 동안 매일 10시간씩 일했어요.
로봇에 긁힌 자국과 때가 묻어 있다는 게, 이게 진짜 일을 했다는 증거예요.

기술적으로도 결정적인 변화가 있어요.
OpenAI와 Google DeepMind 같은 AI 연구소들이 로봇 쪽으로 방향을 틀고 있어요.
Figure AI는 OpenAI와 협력해서 로봇이 인간과 대화하며 작업을 수행하는 수준까지 도달했고, Apptronik은 Google DeepMind의 Gemini와 결합해서 로봇에게 추론 능력을 부여했어요.
이건 과거에는 없었던 일이에요.

그래서 지금 VC들이 보고 있는 건, 단순한 로봇이 아니라 '로보틱스 파운데이션 모델'이에요.
특정 공장용 로봇이 아니라, 소프트웨어 업데이트만으로 다른 산업에도 즉시 투입 가능한 'General Purpose Physical AI'의 가능성이에요.
휴머노이드 로봇 시장 규모가 2024년 약 $2.02B(약 2조 8,280억 원)에서 2030년 $15.26B(약 21조 3,640억 원)으로 성장할 것이라는 전망이 나오는 이유가 여기에 있어요.

• SaaS를 넘어 GDP의 90%를 차지하는 물리적 세계로 자본이 이동 중임
  소프트웨어 시장은 이미 포화 상태에 가까워서 점유율 싸움이 치열해요. 반면 제조, 물류, 건설 같은 물리적 세계는 GDP의 90%를 차지하면서도 아직 AI가 본격적으로 침투하지 못한 영역이에요. 노동력 부족과 인건비 상승이라는 구조적 문제가 Physical AI에 대한 수요를 강력하게 끌어올리고 있어요. VC 입장에서 다음 10년의 알파(Alpha)는 소프트웨어가 아니라 물리적 AI 인프라에서 나올 가능성이 높아요.

• 실험실을 넘어 실전 현장에서 검증이 완료됨
  Agility Robotics의 Digit은 10만 개 이상의 토트를 옮겼고, Figure AI는 BMW 공장에서 3만 대 차량 생산에 기여했어요. Apptronik은 Mercedes-Benz, Jabil과 상업적 계약을 체결하고 실전 투입을 시작했어요. 세 회사 모두 2023~2024년에 파트너십을 체결한 뒤, 불과 12년 만에 실전 배치를 완료했어요. 과거의 로봇 투자가 데모 영상에 기반한 기대감이었다면, 지금은 실전 데이터에 기반한 투자 판단이 가능해졌어요.

• RaaS 모델과 데이터 플라이휠이 투자 판단의 핵심 기준임
  하드웨어를 한 번 팔고 끝나는 회사가 아니라, 구독 모델로 예측 가능한 현금 흐름을 만드는 회사가 장기적으로 살아남아요. 로봇이 현장에서 수집한 데이터가 AI 모델을 강화하고, 강화된 모델이 다시 로봇의 성능을 높이는 선순환 구조가 있는지를 봐야 해요. Figure AI가 BMW에서 쌓은 데이터로 Figure 03를 재설계한 것이 대표적인 사례예요. 이 구조가 없는 로봇 회사는 단순 하드웨어 제조사로 전락할 위험이 커요.

• 로봇 시간당 비용과 인간 인건비의 교차점이 눈앞에 다가옴
  휴머노이드 로봇의 시간당 비용이 $2~$10 수준인 반면, 미국 숙련 노동자의 시간당 비용은 약 $42.5예요. 로봇 단가는 매년 15~20% 하락하고, 인건비는 매년 35% 상승하고 있어요. 이 두 곡선이 교차하는 시점이 2020년대 후반~2030년대 초반으로 예상돼요. 그 교차점 이전에 포지셔닝을 잡는 VC가 이 시장의 초기 수익을 가져갈 수 있어요.