국신증권은 피지컬 AI 및 휴머노이드 로봇의 지능을 고도화하기 위한 필수 요소로 ‘구체화 데이터’의 중요성이 급격히 부각되고 있다고 평가했다.
소프트웨어 중심의 디지털 AI 대형 모델이 데이터와 연산 자원 축적을 통해 성능이 급격히 향상되는 스케일링 법칙을 보여준 것처럼, 물리적 AI 분야에서도 데이터 수집량이 수천 시간에서 수백만 시간 단위로 늘어남에 따라 로봇의 상황 판단 및 작업 능력이 현저하게 향상되는 경향이 입증되고 있다.
글로벌 범용 대형 모델 개발사들 역시 서비스 적용 범위를 현실 물리 세계로 확대하면서 구체화 데이터 구매 수요를 빠르게 늘리고 있다.
다만 현재 확보된 데이터는 주로 시각 정보에 편중되어 있으며, 로봇이 물리적 물체와 직접 접촉할 때 발생하는 힘과 감각을 기록한 촉각 데이터는 절대적으로 부족해 희소성이 매우 높은 상황이다.
구체화 데이터 수집 기법의 주요 특징 및 평가 비교는 다음과 같다.
| 수집 기법 | 주요 특징 | 장점 및 활용 | 과제 및 한계 |
| 1인칭 시점 장비 | 넥밴드·헤드셋 착용 후 작업 | 낮은 진입장벽, 대규모 수집 가능 | 하드웨어 독립적 데이터 축적 필요 |
| UMI (범용 조작 인터페이스) | 구조화된 행동 정보 추출 | 로봇 간 뛰어난 호환성 제공 | – |
| 원격 조종 데이터 | 실전 시범 동작 직접 학습 | 모델 후속 학습의 핵심 고가치 데이터 | 수집 비용 상대적 고가 |
| 가상 환경 시뮬레이션 | 가상 공간 내 대량 데이터 생성 | 용이한 대량 데이터 확보 | 현실 세계와의 격차 극복 과제 |
전문가들은 향후 로봇 데이터 수요가 억 단위 시간으로 확대됨에 따라 단기적으로 수백억 위안, 장기적으로는 스마트 주행 학습 데이터 축적 규모를 뛰어넘어 1,000억 위안 이상의 대형 시장으로 성장할 것으로 내다봤다.
이에 따라 소프트웨어와 하드웨어 협업 능력, 실제 현장 자원, 지속적인 데이터 제공 역량을 갖춘 기업들의 수혜가 기대된다.
관심주: 정판테크놀로지(688596.SH), 신치마이크로(688630.SH), 정주채탄장비(601717.SH), 커다청정에너지(600499.SH)