중국로봇의 비밀은 주방, 마트 세트장의 알바생들

한 줄 핵심

중국은 휴머노이드 로봇을 많이 만드는 데서 끝내지 않고, 로봇이 배울 현실 동작 데이터를 국가·지방정부·기업이 함께 대량 생산하는 체계까지 구축해 피지컬 AI 경쟁력을 키우고 있다.

시간별 요약

1. 0:00
   중국의 휴머노이드 로봇 산업은 춤추는 시연용 단계를 넘어 커피 만들기, 분류, 빨래 같은 실제 작업으로 이동하고 있다. 핵심은 로봇 보급량이 아니라 AI가 현실 세계에서 가치와 성과를 내는 방식으로 전환되고 있다는 점이다.
2. 1:02
   로봇이 현실에서 일하려면 다음 단어 예측이 아니라 물체를 잡는 힘, 옷을 펴는 요령 같은 물리적 상호작용을 배워야 한다. 중국은 이를 위해 로봇을 가르치는 공장, 즉 데이터 생산용 훈련장을 국가 차원에서 육성하고 있다.
3. 2:00
   공장·물류·의료·돌봄 현장을 훈련 공간으로 개방하고, 데이터 형식과 라벨링·품질 기준까지 국가 표준으로 관리하고 있다. 베이징·상하이·항저우의 지방정부와 국유기관, 로봇 기업이 함께 훈련장을 만들며 실제 산업 인프라처럼 운영한다.
4. 4:02
   훈련장은 학교보다 공장에 가깝고, 사람과 로봇이 같은 작업을 수백~수천 번 반복하며 고품질 동작 데이터를 만든다. 조건을 바꾸고 실패 장면을 걸러내며 표준화된 행동 데이터를 축적해 여러 로봇이 쓸 수 있는 공통 두뇌를 학습시킨다.
5. 7:00
   최근에는 사람을 촬영해 1인칭 작업 영상을 모으는 방식이 빠르게 확산되고, 중국에서는 징닷컴이 지역 주민·산업 노동자까지 동원해 대규모 데이터 수집 체계를 만들고 있다. 정부의 초기 구매와 공공 지원, 국내 공급망이 결합되면서 중국은 로봇 몸체와 물리 데이터를 동시에 대량 생산하는 구조를 갖추고 있다.

실무 인사이트

• 피지컬 AI 경쟁력은 모델 성능만이 아니라 현실 작업 데이터를 얼마나 싸고 빠르게 표준화해 확보하느냐에 달려 있다.
• 로봇 데이터는 단발성 수집보다 정부·기업·지역사회가 결합한 상시 생산 체계로 운영할 때 확장성이 커진다.
• 산업 적용을 노린다면 로봇 하드웨어보다 먼저 현장 작업 시나리오, 라벨링 기준, 실패 데이터 처리 체계를 설계해야 한다.