2026년 8월 13일, 미국 산타클라라 NVIDIA 본사에서 LG 구광모 회장과 젠슨 황 CEO가 업무협약에 서명했습니다. 뒤이어 나온 헤드라인은 예상 그대로였습니다. LG가 휴머노이드 로봇을 만든다, 2족보행 차세대 기종을 2027년 1분기에 공개한다는 내용이었습니다.
이것이 헤드라인이지만, 이 발표에서 가장 덜 중요한 부분이기도 합니다.
LG가 무엇을 쓰기로 했는지 목록을 그대로 읽어 보면 다른 이야기가 보입니다. 로봇의 파운데이션 모델은 NVIDIA Isaac GR00T입니다. 로봇에 탑재되는 컴퓨터는 NVIDIA Jetson Thor입니다. 안전 스택은 NVIDIA Halos for Robotics입니다. 추론·반도체·안전, 세 계층 모두 같은 로고를 달고 있습니다.
더 정확하게 쓰면 이렇습니다. LG는 로봇의 뇌를 직접 만들지 않기로 했습니다.
모델·칩·안전 스택, 전부 엔비디아입니다
이름이 낯설 수 있으니 짧게 풀어 보겠습니다. Isaac GR00T는 NVIDIA가 내놓은 휴머노이드용 파운데이션 모델입니다. 로봇 행동의 사전 학습된 출발점이라고 이해하면 됩니다. 카메라 영상과 언어 지시를 받아 동작을 출력하고, 각 기업은 자기 로봇의 몸체와 작업에 맞춰 추가 학습을 시킵니다. 그리고 이 모델은 실제로 열려 있습니다. 현행 세대가 NVIDIA 자체 오픈 모델 라이선스로 허깅페이스에 올라와 있어 누구나 내려받을 수 있고 상업적으로도 쓸 수 있습니다. 다만 출처 표기 의무와 허용 사용 범위 제한이 함께 붙습니다.
Jetson Thor는 로봇에 물리적으로 실려서 그 모델을 실시간으로 돌리는 컴퓨터입니다. 클라우드를 왕복하지 않습니다. Halos는 안전 계층으로, 수십 킬로그램짜리 기계가 사람 옆에서 사고를 내지 않도록 막는 부분입니다. NVIDIA는 이것을 로보틱스용 풀스택 안전 시스템으로 소개합니다.
이 판단이 LG를 비판하려는 것은 아닙니다. 휴머노이드 파운데이션 모델을 맨바닥에서 만드는 일은 수년과 수억 달러가 드는 우회로이고, 그 길을 택한 회사들은 대체로 뒤처졌습니다. 뇌를 빌리는 것은 합리적인 판단입니다. 다만 이 선택은 피할 수 없는 질문 하나를 만듭니다. 모델도, 칩도, 안전 스택도 전부 산타클라라에서 온다면 LG의 차별화 자산은 정확히 무엇입니까?
답은 거의 아무도 다루지 않은 대목에 있습니다.
진짜 자산은 테네시 세탁기 라인입니다
2027년 휴머노이드와는 별개로, LG는 바퀴형 로봇 LG CLOiD를 2026년 안에 LG전자 테네시 공장 세탁기 생산라인에 투입한다고 밝혔습니다. 시연장이 아닙니다. 실험실 목업도 아닙니다. 실제로 가전을 출하하는 양산 라인이고, 로봇은 거기서 자재 운반과 조립 보조를 맡습니다. LG는 이 검증 결과를 로봇 성능에 반영하고, 이후 글로벌 생산시설과 가정, 상업공간으로 배치를 넓히겠다고 밝혔습니다.
그런데 투입 장소 자체도 주목할 만합니다. 하필 세탁기 라인이라는 선택은 우연이 아닙니다. 가전 조립은 로봇에게 난이도가 적당히 어려운 구간입니다. 부품이 크고 무거워서 사람에게는 부담이지만 위치는 비교적 정형화돼 있고, 라인 속도가 정해져 있어 성과를 숫자로 바로 잴 수 있습니다. 게다가 이 공장은 LG 소유입니다. 외부 고객사 라인이었다면 로봇이 멈출 때마다 배상과 신뢰 문제가 걸리지만, 자사 라인에서는 실패를 감당하면서 데이터를 뽑을 수 있습니다. 자기 공장을 가진 제조사만 쓸 수 있는 카드입니다.
여기에 인프라가 하나 더 붙습니다. LG CNS PhysicalWorks 기반의 로봇 데이터 팩토리입니다. 지속적인 데이터 수집, 합성 데이터 생성, 학습, 검증을 돌리는 설비입니다. 여기에 이 협약의 속뜻이 있습니다. LG는 로봇의 뇌를 빌리기만 하는 것이 아니라, 그 뇌에 먹일 파이프라인을 짓고 있습니다.
데이터가 왜 핵심인지 살펴보겠습니다. 파운데이션 모델은 출발점일 뿐이고, 실제로 쓸 만한 로봇이 되려면 자기 몸체와 자기 작업에 맞춘 후속 학습이 필요합니다. 그 학습에 들어가는 연료가 현장 데이터입니다. 그런데 로봇 데이터는 텍스트와 성질이 다릅니다. 웹에서 긁어올 수 없습니다. 로보틱스의 진짜 병목이 하드웨어가 아니라 데이터라는 이야기는 따로 정리한 글이 있습니다. 특정 세탁기 부품을 특정 각도에서 집어 특정 지그에 놓는 동작의 데이터는 그 라인에서만 나옵니다. 실패 데이터는 더 그렇습니다. 어떤 조명에서 인식이 흔들리고 어떤 표면에서 미끄러지는지는 실제로 몇 달을 돌려 봐야 알 수 있습니다. LG가 데이터 팩토리를 함께 짓는 이유가 여기 있습니다. 현장에서 실제 데이터를 모으고, 그것을 씨앗 삼아 합성 데이터로 증폭하는 구조입니다.
그러면 거래 전체의 성격이 달라집니다. 로보틱스의 경쟁 질문이 “누가 로봇 AI를 제일 잘 만드나”에서 “누가 로봇을 실제로 굴릴 장소와 거기서 나오는 데이터를 가졌나”로 조용히 이동하고 있습니다. NVIDIA는 GR00T를 모두에게 팔 수 있습니다. 그러나 실제 생산량 목표와 실제 고장 유형이 있는 테네시의 세탁기 라인은 누구에게도 팔 수 없습니다. 이것을 ‘배치 해자(deployment moat)’라고 부를 만합니다. 우위가 모델에서 나오는 것이 아니라, 그 모델을 놓을 곳을 가졌다는 데서 나옵니다. LG에는 공장이 있고, 수백만 가정에 들어간 가전이 있고, 유통망이 있습니다. 내려받을 수 없는 자산입니다.
협약의 나머지를 보면 그림이 더 분명해집니다. 범위가 로보틱스를 훨씬 넘어섭니다. LG는 2027년 상반기에 NVIDIA DSX 플랫폼과 Vera Rubin을 쓴 AI 팩토리 레퍼런스 사이트를 세우고, 2028년 상반기까지 충남 천안에 80메가와트급 AI 팩토리로 확장하겠다고 발표했습니다. 모빌리티 쪽에서는 NVIDIA DRIVE Hyperion을 활용한 AI 정의 차량용 컴퓨팅 플랫폼을 개발합니다. 로봇, 데이터센터, 자동차. 세 축 밑에 같은 공급자가 깔립니다.
“투입”과 “공개”는 다른 단어입니다
이 발표에서 가장 쓸모 있는 정보는 대부분의 기사가 뭉갠 시차입니다. 정확히 짚겠습니다.
바퀴형 CLOiD는 2026년 안에 실제 양산 라인에 투입됩니다. 2족보행 휴머노이드는 2027년 1분기에 공개됩니다. 이 두 단어가 하는 일은 완전히 다릅니다. 하나는 배치로, 할당량이 걸린 공장에서 로봇이 실제로 일합니다. 다른 하나는 공개로, 무대나 영상에서 시연을 보여 주는 것입니다.
휴머노이드 기사를 읽을 때 이보다 유용한 필터는 없습니다. 동사가 “투입”인지 “공개”인지 확인하는 것으로 충분합니다. 둘 사이의 간격은 보통 몇 년 단위이고, 두 번째 날짜가 끝내 오지 않는 경우도 있습니다. 바퀴는 이미 현장에서 일하고 있고, 두 발은 아직 검증 단계에 머물러 있습니다.
차이를 조금 더 구체적으로 보겠습니다. 공개 행사는 통제된 환경에서 열립니다. 조명과 바닥과 물체 배치를 고를 수 있고, 실패한 시도는 편집으로 지웁니다. 성공률이 열 번에 일곱 번이어도 영상은 완벽해 보입니다. 반면 양산 라인은 그 반대입니다. 라인은 정해진 택트 타임으로 돌아가고, 로봇이 한 번 멈추면 뒤 공정이 전부 밀립니다. 여기서는 화려한 동작이 아니라 재현성이 전부입니다. 같은 동작을 수천 번 같은 결과로 반복하는 능력, 그리고 실패했을 때 사람이 개입하기 전까지 라인을 망가뜨리지 않는 설계입니다. 시연에서 잘하는 것과 라인에서 버티는 것은 다른 기술입니다.
덧붙이면 CLOiD는 단순한 운반 카트가 아닙니다. 양팔과 다섯 손가락을 갖췄고, LG는 CES 2026에서 이를 홈로봇으로 선보였습니다. 다만 걷지 않을 뿐입니다. 그리고 그 점이 정확히 요지입니다. 로봇에서 어렵고 쓸모 있는 부분은 보행이 아니라 조작입니다. 바퀴는 이미 풀린 문제라 넘어지지 않고, 균형 잡느라 배터리를 쓰지 않으며, 작업자 위로 전도될 위험에 대한 안전 논증도 필요 없습니다. 산업계가 계속 다시 배우고 있는 사실입니다. 병원 복도에서 가장 성공한 Physical AI 제품이 휴머노이드가 아니라 바퀴 달린 캐비닛이었다는 이야기도 같은 결의 사례입니다.
오픈 모델은 전략이지 관대함이 아닙니다
두 번째 층위는 LG 보도자료가 소리 내어 말하지 않는 부분입니다. NVIDIA가 GR00T를 오픈 모델로 내놓는 것은 관대함이 아닙니다. AI에서 이미 통한 전략을 로보틱스에서 그대로 반복하는 것입니다. 상위 계층을 공짜로 만들어 모두가 그 위에 올라타게 한 뒤, 그 아래 계층을 팝니다. CUDA가 그렇게 했습니다. 소프트웨어는 무료, 하드웨어는 유료입니다.
진짜로 내려받을 수 있고 상업 라이선스까지 붙은 파운데이션 모델이라 해도, 그것을 돌릴 곳은 여전히 필요합니다. 그리고 레퍼런스 구현은 Jetson Thor 위에서 돌아가며, 안전 스택도 NVIDIA가 함께 공급합니다. 공짜로 주는 계층이 하나 늘어날 때마다, 공짜가 아닌 그 한 계층의 수요가 올라갑니다.
오픈 모델이라는 말이 주는 인상과 실제 이동 비용도 구분해서 볼 필요가 있습니다. 가중치를 내려받을 수 있다는 것과 다른 하드웨어로 갈아탈 수 있다는 것은 같은 말이 아닙니다. 모델을 자기 로봇에 맞추는 과정에서 쌓이는 것은 가중치만이 아니라 학습 파이프라인, 시뮬레이션 환경, 검증 도구, 그리고 무엇보다 안전 인증 이력입니다. 산업 현장에 로봇을 넣으려면 이 스택으로 이런 위험을 이만큼 낮췄다는 논증이 필요하고, 그 논증은 특정 하드웨어와 특정 안전 스택 위에서 만들어집니다. 나중에 칩을 바꾸면 성능만 다시 맞추는 것이 아니라 그 인증 논증을 상당 부분 다시 씁니다. 개방된 것은 모델이고, 잠기는 것은 그 아래입니다.
그러면 이 거래에서 누가 무엇을 가져갑니까? 냉정하게 따지면 이렇습니다. LG는 속도와 리스크 절감을 얻습니다. 수년짜리 파운데이션 모델 우회로를 건너뛰고, 직접 인증해야 했을 안전 스택을 받고, 2029년이 아니라 2027년 초에 휴머노이드를 내놓을 수 있게 됩니다. NVIDIA는 간판 레퍼런스 고객을 얻습니다. 글로벌 제조사가 실제 가전 라인에서 자사 스택을 검증해 주고, 세 개 사업부에 동시에 락인이 걸립니다. 로봇, AI 팩토리, 차량 — 나중에 공급사를 바꾸려면 셋을 한꺼번에 풀어야 합니다.
LG에게 나쁜 거래는 아닙니다. 다만 거래일 뿐이고, 그 대가는 구조적 종속입니다.
현대차와 정반대 방향으로 걷습니다
여기서 국내 맥락을 짚어야 합니다. 한국 대기업 세 곳이 서로 다른 길을 걷고 있습니다.
현대차그룹은 보스턴다이내믹스를 완전히 품고 아틀라스의 몸체를 직접 만듭니다. 2028년부터 북미 생산 거점에 투입해 부품 서열 작업부터 시작하고, 2030년 이후 조립까지 넓히는 로드맵을 공개했습니다. 다만 지능 계층까지 전부 자체 개발은 아닙니다. 현대차그룹이 CES 2026에서 내놓은 로보틱스 전략에는 NVIDIA와 구글 딥마인드가 협력사로 명시돼 있습니다. 그래도 로봇 회사 자체를 소유한다는 점은 LG와 결정적으로 다릅니다. 삼성전자는 레인보우로보틱스를 자회사로 두고 자체 휴머노이드를 준비하는, 두 방식 사이의 절충에 가깝습니다. 그리고 LG는 정반대 끝을 택했습니다. 지능은 빌리고, 배치할 표면을 소유합니다.
같은 나라 대기업들이 로보틱스의 가치가 결국 어디에 쌓이는지를 두고 정반대에 걸었습니다. 파운데이션 모델이 언어 모델처럼 상품화된다면 LG의 판단이 영리해 보이고, 현대차는 라이선스로 해결할 수 있었던 것에 더 크게 투자한 셈이 됩니다. 반대로 로봇 지능이 계속 어렵고 방어 가능한 영역으로 남는다면, 현대차는 핵심 자산을 쥔 것이고 LG는 경쟁사에도 같은 것을 공급하는 집주인에게 세를 내는 처지가 됩니다.
아직 아무도 답을 모릅니다. 다만 두 시나리오 모두에서 NVIDIA가 이긴다는 점은 짚어 둘 만합니다. 누가 협상에서 우위에 있었는지 알려 주는 대목입니다.
LG가 이 길을 택한 배경
LG의 로봇 이력을 놓고 보면 이 선택은 훨씬 자연스럽습니다. LG전자는 클로이 브랜드로 안내로봇, 서브봇, 배송로봇을 오래 굴려 왔습니다. 카카오모빌리티 배송 서비스에 클로이 서브봇을 공급하면서 B2B 현장 데이터를 꾸준히 쌓았고, 사내에 로보틱스 연구조직을 두고 로보티즈, KIST 같은 국내 기관과 협력해 왔습니다. 전부 모델을 만드는 이력이 아니라 로봇을 현장에 굴려 본 이력입니다.
국내 산업에는 무엇이 남습니까
이 구조가 굳어지면 국내 로봇 산업의 부가가치가 어디에 쌓이는지가 갈립니다. 감속기, 액추에이터, 모터, 센서 같은 부품과 시스템 통합, 현장 운영 쪽 수요는 분명히 커집니다. 로봇을 실제로 굴릴 공장과 매장이 국내에 있기 때문입니다. 반면 로봇용 추론 반도체와 파운데이션 모델 계층은 국내에 남지 않습니다.
인력 수요도 그 형태를 따라갑니다. 모델을 처음부터 설계하는 연구 인력의 수요는 상대적으로 줄어듭니다. 대신 파운데이션 모델을 현장 데이터로 후속 학습시키고, 산업 안전 요건에 맞춰 검증하고, 라인 조건에 맞게 튜닝하는 엔지니어가 더 많이 필요해집니다. 국내 제조 현장의 자동화 수요는 인구 구조상 계속 늘어나는 반면, 그 수요를 채우는 지능 계층은 수입에 의존하는 구조가 됩니다.
마무리
마지막으로, 실질적으로 지켜볼 지표 하나를 짚겠습니다. 2027년 1분기 공개는 크게 중요하지 않습니다. 그것은 마케팅 일정이고, 공개 행사는 대체로 예정대로 열립니다.
대신 테네시를 봐야 합니다. 1년이 지난 시점에 CLOiD가 그 세탁기 라인에 여전히 서 있고, 라인이 정상 물량을 돌리고 있으며, 로봇이 예전에는 사람이 하던 일을 하고 있다면 그것이 진짜 신호입니다. 검증 기간이 끝난 뒤 조용히 사라진다면 그것도 신호입니다. 그리고 그 신호는 어떤 휴머노이드가 무대에 오르기 전에 먼저 도착합니다.
배치는 사실이고, 공개는 계획입니다.
※ 정보 제공 목적이며 투자 권유가 아닙니다.
원문 출처 / Source: https://www.prnewswire.com/news-releases/lg-to-unveil-its-next-gen-humanoid-robot-built-on-nvidia-isaac-gr00t-302851652.html
이미지: Simon Kadula / Unsplash
댓글 남기기