피지컬 AI(로봇용 AI 두봉) 분야는 벤처 투자의 최대 핫스팟이지만, 유닛트리(Unitree) IPO 후 반토막 난 사례가 보여주듯 로봇이 실제 가치 창출 작업을 수행할 수준에는 미치지 못한다는 문제에 직면해 있다. 개발자들은 고품질 학습 데이터 부족('로보틱스 데이터 위기')을 해결하기 위해 더 다양한 데이터셋, 강화학습 시나리오 개선 등 프론티어 AI 연구소의 방식을 모방하고 있으며, 테슬라, 웨이브(Wayve), 우버 등 자율주행 기업들이 인간형 로봇 시장으로 진출하며 경쟁이 본격화되고 있다.
번역된 본문
피지컬 AI(Physical AI)는 벤처 투자에서 가장 뜨거운 분야 중 하나로, 대규모 언어 모델(LLM)을 탄생시킨 기술을 로봇 공학에 적용하기 위해 수십억 달러가 투입되고 있다. 이러한 열기는 중국 최대 로봇 제조사인 유닛트리(Unitree)의 대규모 IPO로 이어졌으며, 이 회사는 중국판 나스닥 상장 후 시가총액 660억 달러에 달했다. 그러나 이번 주 주가가 급락하면서 회사 가치가 거의 절반을 잃었다. 애널리스트들은 명백한 문제 하나를 지목한다. 로봇의 물리적 능력은 향상되고 있지만, 여전히 실제로 가치를 창출하는 작업을 수행할 노하우가 부족하다는 것이다.
지난 주 열린 '액추에이트(Actuate)' 컨퍼런스—로봇용 AI 두뇌를 개발하는 개발자들의 모임—에서는 이런 열기가 분명하게 드러났다. 주최사인 폭스글러브(Foxglove, 피지컬 AI 모델 개발자들이 데이터를 관리하고 시각화하도록 돕는 회사)에 따르면, 이 행사는 2023년 시작 이후 3배로 성장해 1,500명이 참석했다. 하지만 위험 또한 명확했다. 또 다른 피지컬 AI 인프라 기업인 아발라(Avala)의 부스에 붙은 현수막은 '로보틱스 데이터 위기'를 해결하겠다고 약속하고 있었다. 이 위기란 AI 모델을 위한 고품질 학습 데이터의 부족을 의미한다. 어떤 작업이든 수행할 수 있는 범용 로봇을 만들려는 시도는 여전히 요원하며, 특정 작업에 엔드투엔드(end-to-end) 학습을 적용하는 방식도 아직 상업적으로 신뢰할 만한 성능의 제품을 내놓지 못하고 있다.
개발자들이 내놓은 해답은 프론티어 AI 연구소들의 발전 방식을 더 잘 모방하는 것이다. 즉, 더 다양한 데이터셋을 찾거나 만들고, 다양한 학습 방식을 실험하며, 더 나은 강화학습 시나리오를 고안하는 것이다. 모델 개발자를 위한 시뮬레이션 도구를 만드는 스타트업 안티오크(Antioch)의 창업자 해리 멜소프(Harry Mellsop)는 피지컬 AI가 현재 'GPT-2 시대'에 있다고 말한다. GPT-2는 챗GPT 등장 이전에 나온 OpenAI 모델이다. 이 고개를 넘어서려면 더 많은 데이터와 컴퓨팅 파워, 특히 고품질 시뮬레이션 제작에 쓰이는 레이 트레이싱(ray tracing)에 최적화된 GPU가 필요하다는 것이다.
가장 앞서 있는 분야는 자율주행차다. 그 이유의 하나는 사람이 운전하는 차에서 관련 데이터를 수집할 수 있기 때문이고, 다른 하나는 주 과제가 물리적 환경을 조작하는 것이 아니라 접촉을 피하는 것이기 때문이다. 모델 구축 도구의 상당수는 자율주행 기업에서 나왔다. 예를 들어 폭스글러브는 GM의 자율주행 자회사였던 크루즈(Cruise) 출신들이 창업한 회사다. 그리고 이제 자동차 회사들은 ML 도구에 대한 투자를 바탕으로 전문 인간형 로봇 제조사들과 경쟁할 수 있으리라 내걸고 있다. 테슬라는 이미 옵티머스(Optimus) 로봇으로 이를 시도하고 있으며, 자율주행 기업 웨이브(Wayve)와 라이드셰어링 거인 우버(Uber)도 모두 인간형 폼팩터에 집중하는 로봇 연구소를 R&D 목적으로 출범시켰다.
"차량에서 시작해야 한다고 본다… 매니퓰레이션 로보틱스는 5년 전의 자율주행과 같다"고 웨이브의 CEO 알렉스 켄들(Alex Kendall)은 테크크런치에 말했다. "데이터 인프라, 시뮬레이션, ML 옵스 인프라는 아마 공유되겠지만, 시뮬레이터를 위한 구체적인 월드 모델은 사후 학습(post-training)에서 달라질 것이다. 공통점이 차이점보다 훨씬 많겠지만, 서로 다른 물리적 형태(embodiment)에는 일부 차이가 필요할 것이다." 켄들은 지금 시점에 특정 하드웨어 플랫폼에 확정하는 것은 너무 이르다고 주장한다. 센서와 다른 부품들의 발전이 빠르게 이루어지고 있으며, 진정한 범용 모델은 더 하드웨어에 구애받지 않아야 한다는 것이다.
올해 1억 500만 달러의 시드 라운드를 유치한 수직 통합형 인간형 로봇 회사 제네시스 AI(Genesis AI)의 CEO 테오필 게르베(Théophile Gervet)는 이에 동의하지 않았다. 그는 테크크런치에 "이 물결이 너무 초기라 '두뇌 전략'만으로는 성공하기 어렵다. 우리의 판단은 하드웨어와 AI를 함께 설계할 기회가 아주 많다는 것"이라고 말했다.
게르베는 이 분야의 또 다른 뜨거운 논쟁거리에 대해서도 언급했다. 바로 피지컬 AI 사업을 얼마나 구체적으로 집중할 것인가的问题다. 특정 작업을 겨냥한 로봇 기업들은 현장에 로봇을 내보내고 있다. 그릿(Gritt)은 태양광 발전소를 건설하고 있고, 어질리티(Agility)는 산업 환경에 로봇을 배치하고 있으며, 베드록(Bedrock)은 굴삭기를 자율적으로 운영하고 있다. 반면 범용 인간형 로봇은 아직 (현장에 나서지 못하고 있다.)
Physical AI is one of the hottest sectors in venture investing, with companies raising billions to apply the tools that gave us Large Language Models to robotics. That excitement helped deliver a big IPO for Unitree, China's leading robot maker, which saw the company valued at $66 billion after its arrival on China's equivalent of the NASDAQ. This week, however, the bottom fell out, and the company lost nearly half of its value. Analysts point to one obvious issue: While the robots' physical capabilities are improving, they still lack the know-how to actually do value-creating work. At last week's Actuate conference, a gathering of developers building AI brains for robots, the excitement was clear. The event has tripled in size since it kicked off in 2023, and had 1500 attendees, according to the organizer, Foxglove, a company that helps physical AI model builders manage and visualize their data. The risk was also evident: A sign on a booth for Avala, another physical AI infrastructure player, promised to solve "the robotics data crisis." That crisis is the lack of high-quality training data for AI models. Attempts to build generalized robots that can do any task are still far off, and using end-to-end learning for specific tasks still hasn't delivered products with reliable, commercial performance. For developers, the answer is to better mimic the advances of the frontier AI labs—find or create more diverse data sets, mess with different training regimes, and figure out better reinforcement learning scenarios. Harry Mellsop, a founder of Antioch , a startup that building simulation tools for model builders, suggests physical AI is in its "GPT 2 era," the OpenAI model that pre-dated the arrival of ChatGPT. More data and compute will be needed to get over the hump, particularly GPUs optimized for ray tracing, which are used to create high-fidelity simulations. The furthest ahead are autonomous vehicles, in part because of the ability to collect relevant data from cars driven by people, and in part because the main task is to avoid contact, not manipulate the physical environment. Much of the tooling for model-building comes from autonomous vehicle companies; Foxglove, for example, was founded by former employees at Cruise, General Motor's erstwhile self-driving effort. And now those car companies are increasingly betting that their investments in ML tooling will allow them to compete with dedicated humanoid makers. Tesla is already trying this with its Optimus robot, and now both AV-focused Wayve and ride-share giant Uber have now launched robotics labs focused on humanoid form factors as R&D efforts. "I think you need to start in vehicles…manipulation robotics is like self-driving five years ago," Alex Kendall, the CEO of Wayve, told TechCrunch. "The data infrastructure, the simulation, ML ops infrastructure, will probably be shared, but the specific world model for the simulator will be a different post-training. There's going to be a lot of more more commonality than not, but then there's going to need to be some some differences for different embodiments." Kendall argues that it's too early to commit to any one hardware platform—advances in sensors and other components are coming quickly, and a truly general model should be more agnostic. Théophile Gervet, the CEO of Genesis AI, a vertically-integrated humanoid robotics company that raised a $105 million seed round this year, disagreed, telling TechCrunch "we're too early in this wave for a brain strategy to work; our take us there's lots of opportunities to co-design hardware and AI." Gervet also touched on another hot topic in the sector: How specifically to focus your physical AI business. Robotics companies that are targeting specific tasks are getting their robots out in the field—Gritt is building solar farms, Agility is deploying robots in industrial settings, and Bedrock is operating excavators autonomously. Meanwhile, general-purpose humanoids aren't getting out of the labs. "No customer cares about the general purpose robot that works at 80% success rate," Gervet said of the dilemma. "We see a lot of other players go general, but there is no value provided because there's no vertical focus. .. but then, if you're building [for a narrow] vertical on top of GPT 2, you're going to get crushed by the company building on GPT 4." The temptation to get invest in a specific vertical, however, is tempting because it provides not just revenue but also real-world deployment data. While task-specifc data might not have enough diversity to push general purpose models forward, it is an important for making a robot that adds value. Bedrock CTO Kevin Peterson noted that his company was just starting with excavation as a way to understand the challenges of "manipulation in the wild," but plans to develop an intelligence layer that stretches across a series of construction machines. Managing all that data is a challenge, especially because of the density of visual and lidar data. Foxglove announced a new product this week, built on top of an Nvidia's Cosmos open weight world model, that allows engineers to search that data with sophisticated natural language queries to build out evaluations and simulations. The goal is faster triage and debugging so model builders can iterate faster. So what will be the fabled ChatGPT moment for physical AI that Sam Altman recently said is just a few years away? Kendall points out that the largest robot deployment in the world are still consumer vacuum bots. For him, a ChatGPT moment would be something that excites consumers, not investors, who seem to be plenty excited already. "One example of that would be when you get eyes-off autonomy for less than $1000 [worth of hardware] in a car," Kendall says; not coincidentally, his company is licensing models to car makers in an effort to produce just that. And that business, which he sees as a multi-billion dollar opportunity, will allow them to build a truly general embodied AI model. For Gervet, the moment when physical AI becomes real is "manipulation that just works out of the box. You can talk to a robot in natural language and have it do any basic task for manipulation, like say pushing, pulling, closing a laptop, cleaning up a table, whatever you want to do, and it works to some level of reliability, let's say 80% plus out of the box— that's roughly your ChatGPT experience." Adrian Macneil, Foxglove's CEO, looks at the question a bit differently. "There will not be a ChatGPT moment for robotics," he told TechCrunch. "The thing that made ChatGPT a moment in time was the distribution—they went from zero to like a million active users in like a week…distribution in the real world is way harder than that, right? I would be very excited for the Apple II moment in robotics or the IBM PC moment in robotics. When can I buy like a home robot that is gonna start doing some useful and fun stuff?" Topics AI , Exclusive , physical ai , Robotics When you purchase through links in our articles, we may earn a small commission . This doesn’t affect our editorial independence. Tim Fernholz Senior Reporter Tim Fernholz is a journalist who writes about technology, finance and public policy. He has closely covered the rise of the private space industry and is the author of Rocket Billionaires: Elon Musk, Jeff Bezos and the New Space Race. Formerly, he was a senior reporter at Quartz, the global business news site, for more than a decade, and began his career as a political reporter in Washington, D.C. You can contact or verify outreach from Tim by emailing tim.fernholz@techcrunch.com or via an encrypted message to tim_fernholz.21 on Signal. View Bio October 13 - 15 San Francisco Don't miss out . The startup community will gather to answer a pivotal question: How do you build sustainably in the AI era? REGISTER NOW Most Popular Two years after launch, Walmart's Flipkart is closing in on India's quick-commerce leaders Jagmeet Si