휴머노이드, 로봇 (25.12.06)

휴머노이드 로봇(인간형 로봇)이 사람처럼 생각하고 움직이기 위해서는 인지(Perception), 판단(Intelligence/AI), **제어(Control/Actuation)**라는 3가지 핵심 기술이 유기적으로 결합되어야 합니다. 최근에는 이 세 가지를 통합한 **'피지컬 AI(Physical AI)'**라는 개념으로도 발전하고 있습니다.

각 핵심 기술의 상세 내용은 다음과 같습니다.

1. 인지 (Perception): 로봇의 눈과 감각

로봇이 주변 환경을 사람처럼 인식하고 받아들이는 기술입니다.

• 시각(Vision): 카메라와 라이다(LiDAR) 센서를 통해 물체의 거리, 형태, 움직임을 파악합니다. 최근에는 테슬라의 옵티머스처럼 라이다 없이 카메라(Pure Vision)만으로 3차원 공간을 매핑하는 기술도 발전하고 있습니다.
• 촉각 및 기타 센서: 손끝의 힘을 조절하기 위한 압력 센서, 균형을 잡기 위한 자이로스코프(IMU) 센서 등이 포함됩니다.

2. 지능 (Intelligence): 로봇의 두뇌

받아들인 정보를 바탕으로 상황을 판단하고, 작업을 계획하며 학습하는 소프트웨어 기술입니다.

• AI 및 학습: 과거에는 미리 입력된 코드대로만 움직였으나, 최근에는 챗GPT와 같은 **거대언어모델(LLM)**을 로봇에 적용하여 사람의 명령을 문맥적으로 이해합니다.
• 판단 및 자율성: 스스로 최적의 경로를 찾거나 돌발 상황에 대처하는 자율 주행급의 판단 능력이 요구됩니다.

3. 제어 및 구동 (Control & Actuation): 로봇의 몸과 근육

내려진 판단을 실제 물리적인 움직임으로 구현하는 하드웨어 및 제어 기술입니다.

• 이족 보행(Bipedal Locomotion): 사람처럼 두 발로 균형을 잡으며 걷거나 뛰는 기술로, 울퉁불퉁한 지면에서도 넘어지지 않는 자세 제어(Balancing)가 핵심입니다.
• 조작(Manipulation): 인간의 손처럼 정교하게 물건을 집거나 도구를 사용하는 기술입니다. 계란을 깨뜨리지 않고 잡거나 바늘귀를 꿰는 등의 섬세한 힘 조절(액추에이터 제어)이 필수적입니다.

---

요약 표

핵심 기술	역할	주요 구성 요소
인지 (Perception)	환경 인식 (눈/감각)	카메라, 라이다, 촉각 센서, IMU
지능 (Intelligence)	판단 및 학습 (두뇌)	AI 모델(LLM), 비전 AI, 자율주행 알고리즘
제어 (Control)	동작 수행 (몸/근육)	액추에이터, 감속기, 이족 보행, 그리퍼(손)

 

---

모건스탠리가 2025년 12월 발표한 '휴머노이드 기술 기업 25 (Humanoid Tech 25)' 리스트를 정리해 드립니다.

이 리스트는 휴머노이드 로봇 완제품보다는 로봇을 구동하는 데 필수적인 두뇌(Brain), 시각(Vision), 감각(Sensing) 기술을 보유한 '핵심 구현 기술(Enabling Tech)' 기업들에 집중되어 있는 것이 특징입니다.

국내 기업 중에서는 삼성전자가 유일하게 선정되었습니다.

모건스탠리 선정 '휴머노이드 Tech 25' 주요 기업

모건스탠리는 핵심 기술 분야를 크게 3가지(Brain, Vision, Sensing)로 분류하였으며, 주요 선정 기업은 다음과 같습니다.

핵심 분야	역할 및 주요 기술	대표 선정 기업 (티커)	비고
Brain (두뇌/AI)	AI 연산 및 소프트웨어 - 의사결정, 추론, 언어 처리 - GPU, NPU, AI 가속기	NVIDIA (NVDA) AMD (AMD) Alphabet (GOOGL) Microsoft (MSFT) Meta (META) Alibaba (BABA) Samsung Electronics (005930)	로봇의 지능을 담당하는 반도체 및 AI 모델 기업 (삼성전자는 메모리/AI칩 포함)
Vision (시각)	눈과 이미지 처리 - 사물 인식, 거리 측정, 공간 매핑 - 이미지 센서(CIS), DSP	Sony (SONY) Qualcomm (QCOM) Mobileye (MBLY) Teledyne (TDY)	인간의 눈을 대신하는 고해상도 센서 및 처리 기술
Sensing (감각/제어)	움직임 제어 및 외부 감지 - 동작 제어, 미세 전류 조절 - 아날로그 반도체, 센서	STMicroelectronics (STM) Infineon (IFNNY) Texas Instruments (TXN) Analog Devices (ADI) NXP Semiconductors (NXPI) Renesas (RNECY) Sensata (ST) Amphenol (APH)	로봇의 관절과 모터를 정밀하게 제어하는 핵심 칩

참고: 이 외에도 TSMC(파운드리), ARM(설계 자산), Cadence/Synopsys(설계 툴) 등 반도체 생태계의 기반이 되는 기업들도 Tech 25의 범주에 포함되어 기술적 토대를 제공합니다.

핵심 포인트

1. '완제품'보다 '부품'에 주목: 테슬라 같은 로봇 제조사(Integrator)보다는, 로봇 산업이 성장할 때 무조건 쓰일 수밖에 없는 반도체와 센서 기업을 '곡괭이와 삽(Picks and Shovels)' 전략으로 꼽았습니다.
2. 삼성전자의 선정: 이전 '휴머노이드 100' 리스트에는 현대차, 네이버 등도 포함되었으나, 기술 핵심(Enabling Tech)에 집중한 이번 'Tech 25'에는 국내 기업 중 삼성전자가 유일하게 이름을 올렸습니다. (메모리, 파운드리, 센서 역량 종합 평가)
3. 유럽/미국 기업 강세: 로봇 제조는 중국이 강세지만, 핵심 원천 기술인 아날로그 반도체와 센서 분야에서는 미국(TI, ADI)과 유럽(STMicro, Infineon) 기업들이 시장을 주도하고 있음을 보여줍니다.

---

모건스탠리는 휴머노이드 로봇 시장의 장기적인 잠재력은 높게 평가하면서도, **현재 대규모 상업화와 대중화에 가장 큰 걸림돌이 되는 3가지 핵심 위험(리스크)**을 제시하고 있습니다.

이 리스크들은 주로 투자 및 시장 채택(Market Adoption) 관점에서 로봇의 확산을 저해하는 요인들입니다.

---

1. 제품 완성도 미성숙 (Product Immaturity)

현재 개발된 휴머노이드 로봇이 복잡하고 정교한 작업을 수행하는 데 필요한 '기능성'과 '민첩성'이 부족하다는 점을 가장 큰 리스크로 꼽았습니다.

• 민첩성 및 기능 부족: 모건스탠리의 설문조사 결과, 응답 기업 중 단 23%만이 현재 로봇 제품에 만족한다고 답했습니다. 로봇이 컵을 깨거나 넘어지는 등 복잡한 환경에서의 오작동 위험과 정밀한 조작 능력(Dexterity) 부족이 가장 큰 불만 요인입니다.
• 파일럿 프로젝트 단계: 제품의 성숙도가 낮아 대부분의 기업이 실제 공장이나 물류 창고에 대규모로 로봇을 투입하기보다는 시험 운영(파일럿 프로젝트) 단계에 머물고 있습니다.

2. 높은 가격 장벽 (High Cost Barrier)

현재 판매 가격이 높아 대중적인 도입이 어려운 경제적 장벽입니다.

• 대중화 기준: 모건스탠리는 휴머노이드 로봇이 대규모로 채택되기 위해서는 가격이 2만 8천 달러(약 3,600만 원, 200K 위안) 이하로 떨어져야 한다고 분석했습니다. 현재의 높은 초기 비용은 광범위한 도입을 가로막는 주요 장애물입니다.
• 투자 회수 기간(ROI): 가격이 높으면 로봇 도입 후 투자금을 회수하는 기간(ROI)이 길어지기 때문에 기업들이 적극적으로 도입하기 어렵습니다.

3. 더딘 상업화 및 확장성 문제 (Slow Scaling and Commercialization)

시장 참여 기업들의 도입 의지는 높으나, 실제 현장에 배치되는 속도가 느리고 확장하는 데 시간이 걸린다는 점입니다.

• 잠재력 vs. 현실: 설문조사 응답자의 62%가 3년 내 휴머노이드 로봇을 도입할 의향이 있다고 밝혔지만, 실제 현장에서 시험 가동 중인 기업은 **약 10%**에 불과했습니다.
• 시간 소요: 모건스탠리는 시장의 장기적인 전망은 긍정적이나, 로봇이 일상적이거나 복잡한 업무를 높은 성공률로 수행하기 위해서는 5년에서 10년가량의 학습 및 기술 발전 기간이 필요하다고 보았습니다.

---

요약: 모건스탠리의 관점에서 휴머노이드 시장의 위험은 **'제품의 미성숙'**과 **'비용 문제'**가 결합되어 **'상업화 속도를 지연'**시키는 것입니다. 이 세 가지 리스크가 해결될 경우, 시장은 폭발적인 성장(5조 달러 시장 예측)을 이룰 것으로 전망했습니다.