로봇의 진짜 메인 이벤트는 공장이다
1. Lux Capital의 샤힌 파르쉬치는 최근 로보틱스 hype가 정당하다고 보지만, 진짜 투자 포인트는 Tesla Optimus나 Figure 같은 휴머노이드보다 공장·물류 현장에 들어가는 AI 기반 자동화라고 본다.
2. 그의 프레임은 명확하다. 로봇은 제품이고 자동화는 솔루션이며, 지금 벌어지는 변화는 “AI 소프트웨어 + 하드웨어 원가 하락”이 결합해 예전엔 채산성이 안 맞던 산업에도 로봇 도입이 가능해졌다는 것.
3. 특히 대기업만 가능하던 자동화가 중소 제조업체까지 내려오는 순간을 중요하게 본다. Ford 같은 대형 공장은 이미 자동화돼 있지만, 그 부품 공급업체나 중소 창고는 예산과 엔지니어링 장벽 때문에 비자동화 상태였고, AI가 그 장벽을 낮추고 있다는 얘기다.
4. 샤힌은 “범용 휴머노이드 1종이 모든 일을 대체한다”는 서사를 경계한다. 자동차 공장의 용접 로봇, Amazon류 물류 로봇, 자율주행차는 모두 로봇이지만, 형태와 기능은 거의 겹치지 않으며 앞으로도 특화형 로봇이 대세일 가능성이 높다고 본다.
5. 이건 투자적으로 중요하다. 시장이 휴머노이드 단일 서사에 과도하게 프라이싱할 때, 실제 돈은 센서, 액추에이터, 감속기, 비전 소프트웨어, 통합 플랫폼, 로봇 운영 서비스 같은 ‘픽앤쇼벨’과 산업별 특화 솔루션으로 퍼질 수 있기 때문이다.
6. 그가 비유한 포인트도 인상적이다. 지금 로보틱스는 1990년대 초 컴퓨팅과 비슷해서, 아직 사람들은 “기계 그 자체”를 보고 있지만 결국 인터넷이 컴퓨팅을 추상화했듯 미래엔 로봇도 하드웨어가 아니라 “output” 중심으로 평가될 거라는 것.
7. 노동시장에 대한 시각도 시장 통념과 다르다. 그는 자동화의 적은 로봇이 아니라 “cheap labor”라고 말한다. 값싼 노동이 있으면 자동화 ROI가 안 나오고, 반대로 자동화가 들어간 경제일수록 생산성과 고임금 일자리가 늘어나는 경향이 있다고 본다.
8. 구체 사례로는 Lux의 포트폴리오인 Formic을 들었다. 이 회사는 로봇 판매가 아니라 Robots-as-a-Service를 제공하며, 고객들은 인건비 절감보다 “사람을 못 구해서” 자동화를 도입하고 있고, 결과적으로 이직률이 낮고 질이 높은 일자리가 생긴다고 설명한다.
9. AI와 로봇의 결합도 생각보다 단순하지 않다. LLM을 로봇에 꽂는 수준이 아니라, 센싱-지각-계획-행동 파이프라인이 필요하고, 최근의 VLM, VLA는 장면을 언어로 해석하고 행동 계획으로 바꾸는 방식이지만 아직 속도와 신뢰성은 더 검증돼야 한다.
10. 그래서 핵심 병목은 모델 크기보다 데이터일 수 있다. 인터넷 텍스트처럼 풍부한 학습 데이터가 로봇엔 없기 때문에, 실제 조작 데이터와 시뮬레이션 데이터를 얼마나 많이 쌓는지가 승부처이며, 그는 Physical Intelligence와 데이터 생성 기업 XO를 주목하라고 했다.
11. 단기적으로 가장 유망한 영역은 가정용 집사 로봇보다 제조·물류·자율주행이다. Waymo, Tesla FSD, 향후 자율 트럭은 실사용 경제성이 더 명확하고, 가정용 로봇은 안전성과 신뢰성, 소비자 효용의 편차 때문에 상용화가 더 늦을 수 있다는 시각이다.
12. 결국 이 인터뷰의 핵심은 “로봇=휴머노이드 밈”에서 “로봇=산업 생산성 리레이팅”으로 프레임을 바꾸라는 것이다. 시장이 화려한 데모를 쫓는 동안, 실제 구조적 알파는 덜 섹시한 산업 자동화 스택에 숨어 있을 수 있다.
트레이더/투자자 관점
• 내러티브: 휴머노이드 중심 서사에서 산업 자동화, 로봇 소프트웨어, 로봇 데이터, Robots-as-a-Service, 자율주행 물류로 관심축이 이동할 수 있다.
• 가격/포지셔닝: 대중은 소비자-facing 로봇에 과열되기 쉽지만, 실적과 밸류에이션 리레이팅은 B2B 자동화 인프라에서 먼저 나올 가능성이 높다. 즉 “로봇 완성체”보다 부품·플랫폼·통합·운영 레이어가 상대적으로 덜 crowded한 포지션일 수 있다.
• 체크포인트: 중소 제조업 자동화 도입률, 로봇 설치당 ROI/회수기간, 실패율과 uptime, Physical Intelligence류 모델의 일반화 성능, Waymo·자율트럭 상용 확장, 그리고 로봇 학습 데이터 확보 경쟁을 봐야 한다.
https://youtu.be/T2uIob96wq0
