로봇 파운데이션 모델: 시장 규모, 주요 기업, 자금 조달 붐

01로봇 파운데이션 모델이란

로보틱스 역사 대부분에서 로봇은 사람이 직접 작성한 로직이나 특정 기계의 한 가지 제한된 작업만을 위해 훈련한 모델로 움직였습니다. 한 창고 피킹 로봇의 파지 모델은 다른 로봇 팔에 옮겨 쓸 수 없었고, 휴머노이드에는 더더욱 적용할 수 없었습니다. 보통 시각언어행동(VLA) 모델 형태로 만드는 로봇 기반 모델은 대규모 언어모델이 텍스트에서 이룬 일을 로봇에서도 구현하려 합니다. 여러 로봇과 작업의 데이터로 하나의 대형 모델을 훈련한 뒤, 새 작업마다 처음부터 다시 만드는 대신 미세조정하거나 프롬프트를 주어 적용하는 방식입니다. 이런 전이가 언어에서처럼 물리 세계에서도 실제로 잘 작동하는지가 이 분야 전체가 걸고 있는 핵심 미해결 질문입니다.

02시장의 형성

2022년 12월 공개된 Google RT-1은 하나의 제한된 동작이 아니라 실제로 대규모 다중 작업 로봇 데이터로 훈련한 초기 모델 가운데 하나였습니다. Google DeepMind가 2023년 7월 공개한 RT-2는 한 단계 더 나아갔습니다. 챗봇 기반 기술과 같은 계열인 시각언어모델을 토대로 삼되, 로봇 행동을 직접 출력하도록 용도를 바꿨습니다. 이 연구 성과는 VLA 구상 자체를 중심으로 한 신생 기업의 등장을 촉발했습니다. Carnegie Mellon 연구자 Deepak Pathak과 Abhinav Gupta가 2023년 5월 설립한 Skild AI와 2024년 설립된 Physical Intelligence는 약 1년 간격으로 첫 투자를 유치했습니다. Physical Intelligence는 2024년 10월 자체 모델 π0를 출시하고 2025년 2월 ‘openpi’라는 이름으로 한 버전을 오픈소스로 공개했습니다. 같은 달 Figure AI가 Helix를 출시했고, 한 달 뒤인 2025년 3월에는 NVIDIA가 GTC에서 Isaac GR00T N1을 공개하고 Google DeepMind도 Gemini Robotics를 발표했습니다. 서로 다른 네 회사가 독립적으로 개발한 기반 모델 네 개가 약 6주 사이에 잇달아 출시됐습니다. 우연이라기보다 여러 팀이 동시에 제품을 내놓을 만큼 기반 연구 방식이 성숙했다는 신호입니다.

03시장 규모

MarketsandMarkets는 ‘Embodied AI’를 2025년 $44.4억에서 2030년 $230.6억, CAGR 39%로 추정합니다. Embodied/Physical AI·로봇 소프트웨어·VLA/VLM 정의가 혼재해 같은 이름 성장률도 15~55%이며 서로 같은 시장을 재지 않습니다.

데이터 주: 범위에 따라 ‘Embodied AI’, ‘Physical AI’, ‘Robotic Software’, ‘로보틱스용 VLA/VLM’으로 불리며 공개 CAGR도 포함 범위에 따라 약 15~55%로 크게 다릅니다. 위 시계열은 한 기관의 두 시점이 내부적으로 일관돼 MarketsandMarkets의 Embodied AI 추정치를 썼을 뿐 다른 범위보다 권위 있는 것은 아닙니다. 파운데이션 모델 업체가 출하량이나 매출 점유율을 보고하지 않아 `marketShare`는 각사의 마지막 공개 비상장 자금조달 기업가치를 사용합니다. 점유율 순위가 아닌 자금조달 순위입니다. Physical Intelligence의 두 최대 라운드(2024년 11월, 2025년 11월)는 업계 보도로만 알려졌고 회사가 거래나 기업가치를 확인한 보도자료를 내지 않았으며 같은 라운드도 매체별 수치가 다릅니다.

Market data as of 2026-07

04투자 순위

비교 매출 제품이 없어 최종 비공개 평가액으로 봅니다. Figure는 2025년 9월 $10억+ Series C 후 post-money $390억, Skild는 2026년 1월 Series C 후 $140억+, Physical Intelligence는 2025년 11월 $6억 조달 후 보도 $56억입니다. 마지막 수치는 Bloomberg $56억, Information $50억으로 엇갈리고 회사 확인 발표가 없습니다.

05오픈소스 균형추

대규모 자금을 받은 비공개 연구소들과 나란히, 로봇 기반 모델을 각 스타트업의 독점 장벽이 아니라 공동 자원으로 만들려는 오픈소스 생태계가 성장하고 있습니다. 2024년 출시된 Hugging Face LeRobot은 2026년 중반 GitHub 별 약 25,700개를 모았고 모델 56개와 데이터셋 187개를 호스팅했습니다. Physical Intelligence의 openpi도 약 12,700개의 별을 받았습니다. 양쪽 모두 21개 기관과 22개 로봇 플랫폼, 100만 건이 넘는 기록 궤적을 아우르는 산학 협력 Open X-Embodiment 데이터셋을 활용합니다. 한 회사의 로봇만으로는 만들기 어려운 교차 로봇 학습자료입니다. NVIDIA도 GR00T를 개방형 기반 모델로 내세우며 2026년 3월 기준 ABB, AgiBot, Agility Robotics, Fanuc, Figure, KUKA, Skild AI, Universal Robots, Yaskawa를 생태계 파트너로 제시했습니다. NVIDIA와 Hugging Face는 2026년 7월 두 생태계를 합쳐 ‘로보틱스 개발자 300만 명’에게 도달한다고 주장했지만, 독립적으로 감사된 수치는 아닙니다.

06앞으로의 과제

이 글의 모든 수치 아래에는 두 가지 질문이 깔려 있습니다. 첫째는 기술 질문입니다. 여러 로봇과 작업으로 학습한 모델이 언어모델이 텍스트 작업 사이에서 전이하듯 물리 세계에서도 안정적으로 전이될까요. 아니면 새 로봇 몸체마다 여전히 많은 별도 미세조정 데이터가 필요해 ‘기반 모델’이라는 표현이 실제보다 마케팅에 가까울까요. 둘째는 재무 질문입니다. Figure AI와 Skild AI는 제품 매출이 사실상 없는 상태에서도 기업가치가 수백억 달러에 이릅니다. 적은 양이나마 실제 출하가 있는 휴머노이드 하드웨어 업체를 포함해, 이 사이트의 다른 어느 분야에서도 같은 규모로 보지 못한 격차입니다. 기반 기술이 투자자 기대처럼 일반화되는지, 그리고 매출이 언젠가 기업가치를 따라잡는지는 앞으로 몇 년 동안 이 분야가 답해야 할 두 문제입니다.

07연표 한눈에 보기

08자주 묻는 질문

09출처