Cybernetix Ventures의 창립자 겸 제너럴 파트너 Fady Saad – 인터뷰 시리즈

Fady Saad는 초기 단계 로봇공학, 자동화 및 산업용 AI 기업에 투자하는 Cybernetix Ventures의 창립자 겸 제너럴 파트너다. MassRobotics도 공동 설립해 기업 파트너십을 구축하고 로봇 스타트업이 상용화 단계로 나아갈 수 있도록 지원했다. 그는 엔지니어링과 사업 개발 경험은 물론, 실제 운영 환경에 기계를 도입할 때 마주하는 현실적인 과제에 대한 이해를 바탕으로 고객의 요구와 상업적으로 실행 가능한 도입을 중심에 둔 투자 방식을 추구한다.

Cybernetix Ventures는 보스턴에 본사를 둔 벤처캐피털 회사로, 북미와 유럽의 로봇공학, 자동화 및 산업용 AI 스타트업에 투자한다. 투자 분야는 제조, 물류, 의료, 건설과 로봇공학을 뒷받침하는 인지, 자율성, 센서 및 사이버 보안 같은 기술을 아우른다. 이번 인터뷰에서 Saad는 물리적 AI의 기회와 한계, 전문 로봇과 휴머노이드 로봇의 경제성, 그리고 유망한 기술을 확장 가능한 사업으로 발전시키는 데 필요한 신뢰성, 데이터 및 인프라에 관해 이야기한다.

2014년 MassRobotics를 공동 설립해 세계를 선도하는 로봇 혁신 생태계 가운데 하나를 구축하는 데 힘을 보탠 뒤, 2021년 Cybernetix Ventures를 설립하셨습니다. 로봇 스타트업을 지원하는 일에서 직접 투자하는 일로 전환하게 된 계기는 무엇이며, MassRobotics에서의 경험은 투자 철학에 어떤 영향을 주었나요?

투자자가 될 생각은 없었습니다. Vecna에서 로봇공학 분야에 발을 들여 연구개발과 상용화 전략을 맡으면서 로봇공학은 소프트웨어 업계의 방식대로 움직이지 않는다는 사실을 빠르게 깨달았습니다. 소프트웨어 시제품은 6개월 만에 사용자에게 선보일 수 있습니다. 하지만 로봇을 만들려면 제조 역량과 공급망, 시험 및 안전 작업이 필요하고, 로봇을 자신의 사업장에 들이도록 허락할 고객도 있어야 합니다.

그래서 2014년에 MassRobotics를 시작했습니다. 시제품을 만드는 것보다 작동하는 시제품을 누군가 구매할 수 있는 제품으로 발전시키는 일이 더 어렵기 때문에 스타트업 액셀러레이터라고 불렀습니다. 저는 기업 파트너십을 담당하며 6년 넘게 300회가 넘는 기업 미팅에 참석했고, 파트너십 40건 이상을 구축하는 데 힘을 보탰습니다. 그때마다 같은 모습을 봤습니다. 실질적인 문제를 안고 있는 기업과 실제 기술을 보유한 스타트업은 있었지만, 양쪽을 모두 이해하는 투자자는 거의 없었습니다.

2018년과 2019년 무렵에는 그 점이 분명해졌습니다. 벤처캐피털은 SaaS나 생명공학 분야에 몰려 있었고, 로봇 창업자들은 어느 쪽에도 속하지 못하는 처지였습니다. 하드웨어 비중이 너무 커 소프트웨어 투자자에게는 맞지 않았고, 생물학 요소는 생명공학 투자자에게 충분하지 않았습니다. 적절한 자본을 구하지 못해 좋은 팀들이 정체되고 있었습니다. 2017년 Analog Devices를 MassRobotics에 참여시키는 과정에서 만난 Mark Martin도 기업 측에서 같은 공백을 목격했습니다. 그래서 로봇공학을 독립적인 자산군으로 다루는 펀드 Cybernetix를 만들고 2021년에 출범시켰습니다.

MassRobotics는 단순한 원칙을 통해 우리의 투자 방식에 영향을 주었습니다. 기술이 아니라 고객의 문제에서 출발합니다. 투자 대상 산업에서 일한 경험이 있는 창업자가 최소 한 명 포함된 팀을 선호합니다. 또한 모든 투자 건에 기업 네트워크를 활용합니다. 이 분야에서는 적절한 구매자를 소개하는 일이 투자금보다 더 큰 가치를 발휘할 수 있기 때문입니다.

물리적 AI는 인공지능의 가장 혁신적인 분야 가운데 하나로 떠오르고 있으며, 현실 세계와 상호작용하는 기계에 지능을 구현하고 있습니다. 어떤 기술적 돌파구가 도입을 앞당기고 있으며, 업계가 중요한 전환점에 이르렀다고 보는 이유는 무엇인가요?

두 가지 변화가 동시에 일어났습니다. 두뇌 역할을 하는 기술은 훨씬 발전했고, 몸체는 훨씬 저렴해졌습니다.

소프트웨어 측면에서는 파운데이션 모델 덕분에 로봇이 이전에는 제대로 갖추지 못했던 능력을 얻게 됐습니다. 즉, 지시를 이해하고 명시적으로 프로그래밍되지 않은 상황에도 대응할 수 있게 된 것입니다. 시뮬레이션을 활용하면 로봇이 실제 공장에 투입되기 전에 수천 가지 시나리오를 학습시키고 시험할 수 있습니다. 하드웨어 측면에서는 센서, 엣지 컴퓨팅, 액추에이터 및 배터리의 성능이 향상되는 동시에 가격은 계속 낮아지고 있어, 스타트업도 대형 산업 기업이 아니더라도 로봇의 전체 기술 스택을 구축할 수 있습니다.

수요도 있습니다. 제조, 물류, 농업 및 건설 분야의 인력 부족, 고령화되는 노동력, 그리고 생산을 자국으로 되돌리려는 실질적인 움직임이 그 배경입니다. 저는 인력 부족은 엔지니어링 문제가 아니라 경제 문제라고 늘 말해 왔고, 이제 이사회도 이를 그렇게 받아들이고 있습니다.

그러니 전환점에 이르렀다는 말은 맞지만, 어느 부분에서 그런지 정확히 짚어야 합니다. 기술 역량과 자본 조달은 전환점을 지났지만, 대규모 도입은 아직 그렇지 않습니다. ChatGPT는 인간의 지식을 20년 또는 30년간 디지털화한 결과를 바탕으로 작동하지만, 물리적 세계에는 이에 견줄 만한 데이터가 없습니다. 달걀이나 종이 한 장, 천 조각을 각기 다른 방식으로 잡아야 한다는 사실을 로봇에게 알려 주는 데이터세트는 없습니다. 실제 환경에 로봇을 투입하고 교대 근무 때마다 학습시켜 이 데이터 공백을 메우는 기업들이 다음 단계를 이끌 것입니다.

AI 기술의 발전과 인력 부족, 자동화 수요 증가에 힘입어 로봇공학과 물리적 AI 분야 투자가 가속화되고 있습니다. 투자자들의 관심을 이끄는 요인은 무엇이며, 이러한 열기 가운데 실제 상업적 기회에 기반한 부분과 투기적 기대에 따른 부분은 각각 어느 정도인가요?

둘 다라고 생각합니다. 그렇지 않은 척한다고 해서 투자자 누구에게도 도움이 되지는 않습니다.

수요는 실제로 존재합니다. 딜로이트와 제조업연구소는 미국 제조업체들이 2033년까지 최대 380만 명의 근로자를 필요로 할 수 있으며, 이 일자리 가운데 약 190만 개는 채워지지 않을 위험이 있다고 전망합니다. 과장이 아닙니다. 경제에 그만큼 큰 구멍이 나 있다는 뜻입니다.

자본 시장은 상황이 다릅니다. 크런치베이스에 따르면 2026년 상반기 로봇 스타트업에 투자된 금액은 188억 달러로, 2025년 한 해 전체보다 많았습니다. 하지만 피치북은 2분기 거래 건수가 줄어든 가운데 투자액은 사상 최고치를 기록했다고 집계했습니다. 소수의 초대형 투자 라운드가 대부분의 자금을 흡수하고 있다는 뜻입니다. 이 자금 상당 부분은 하나의 서사를 사들이고 있습니다. 주로 휴머노이드와 범용 로봇 모델에 관한 서사입니다.

일부러 단순한 기준을 적용합니다. 고객은 파일럿 프로젝트 이후에도 다시 구매합니까? 로봇은 해당 작업에 필요한 신뢰성을 충족합니까? 생산 라인이라면 90%가 아니라 99.99%의 신뢰성이 필요합니다. 1년 안팎의 기간 내에 실제 매출이 발생합니까? 답이 모두 그렇다면 사업성이 있는 것입니다. 제안의 핵심이 로봇이 2030년에 무엇을 할 수 있을지에 관한 것이라면, 불확실한 가능성에 확실성을 매긴 투기입니다. 로봇 산업은 이전에도 이런 순환을 겪었으며, 유료 고객을 확보한 기업들은 시장 정리 이후 더 강해집니다.

Cybernetix Ventures는 초기 단계 로봇 및 AI 기업에 대한 투자를 확대하기 위해 두 번째 펀드를 조성하고 있습니다. 첫 번째 펀드를 출범한 이후 투자 논리는 어떻게 발전했으며, 기관투자가들의 관심을 가장 많이 끄는 신흥 기술이나 산업은 무엇입니까?

핵심 신념은 변하지 않았습니다. 물리적 AI의 가치는 소프트웨어가 실제 세계에 적용되는 접점에서 창출되며, 최고의 로봇은 구체적인 문제에서 출발해 거꾸로 설계됩니다. 2호 펀드는 이 투자 방향을 더욱 강화합니다.

달라진 것은 투자 지형입니다. 1호 펀드는 제조, 물류, 건설, 의료에 집중했습니다. 2호 펀드는 이 분야들을 유지하면서 농업, 에너지 및 기후 인프라, 우주, 국방은 물론 민군 겸용 기술까지 추가합니다. 투자 비중은 대략 풀스택 로봇 기업 3분의 2, AI 모델, 인지 기술, 기계 간 사이버 보안 같은 기반 기술 3분의 1로 유지됩니다. 2호 펀드의 첫 투자금은 우주 로봇 기업과 인지 모델 기업에 들어갔습니다. 이는 차세대 로봇 산업이 어디로 향하는지를 보여줍니다.

또한 2021년에는 거의 거론되지 않았던 요소도 면밀히 살펴봅니다. 부품의 조달처, 공급망이 중국에 얼마나 노출되어 있는지, 로봇이 네트워크에 연결된 뒤 얼마나 안전한지 등이 그 예입니다.

기관투자가와 기업 투자자들에게서 주로 두 가지 질문을 듣습니다. 첫째, 기업들은 내부적으로 구축할 수 없는 시장을 어떻게 살펴볼 수 있는지 묻습니다. 여기에는 유망 기업 발굴, 시장 정보 수집, 공동 투자가 포함됩니다. 많은 기업에서 물리적 AI는 CEO 차원의 우선 과제가 되었습니다. 하지만 패밀리오피스와 기관투자가들은 더 직접적으로 묻습니다. 특수목적법인(SPV)을 통해 대형 휴머노이드 또는 로봇 모델 투자 라운드에 참여하면 되지 않느냐는 것입니다. 제 대답은 그런 투자는 경쟁이 치열하고 비용이 많이 들며 막대한 자본을 필요로 한다는 것입니다. 비대칭적 수익을 얻을 기회는 더 이른 단계에 있습니다… 아직 일반 투자자들이 찾지 못한 기업들에 있습니다. 전문 투자사가 가치를 발휘하는 곳이 바로 그 지점입니다.

휴머노이드 로봇은 큰 관심과 투자를 끌어모았으며, Tesla와 Figure AI 같은 기업들은 점점 더 야심 찬 기능을 개발하고 있습니다. 상업적 실현 가능성에 회의적인 입장을 밝히셨는데요. 투자자들이 휴머노이드 로봇의 단기 잠재력을 지나치게 높게 평가하는 부분은 무엇이라고 보십니까? 그리고 특수 목적 로봇이 더 매력적인 투자 기회를 제공한다고 생각하십니까?

기술이 아니라 상용화 시점에 회의적입니다. 제 원칙은 형태는 기능을 따른다는 것입니다. 부품을 옮기거나 집어 올려 배치하는 작업이라면, 매우 복잡하고 비싼 두 다리 로봇이 필요한지, 아니면 로봇 팔 하나나 이동식 받침대에 팔 두 개를 얹은 형태면 충분한지 따져봐야 합니다. 평평한 창고나 공장 바닥에서 다리는 별다른 이점을 주지 않습니다. 비용을 높이고 전력을 소모하며, 넘어질 수 있는 로봇에 의존하게 만듭니다.

투자자들이 휴머노이드의 단기 전망을 과대평가하는 지점은 수익성 계산입니다. 밸류에이션은 곧 광범위하게 보급될 것이라는 가정에 기대고 있지만, 손재주가 필요한 손, 촉각 및 힘 피드백, 몇 시간 동안 지속되는 배터리, 반복 가능하고 추적 가능한 AI 스택 같은 어려운 문제는 아직 해결되지 않았습니다. 챗봇이라면 오류율 10%도 괜찮습니다. 하지만 공장에서는 한 번의 실수가 사람을 다치게 하거나 고객에게 수백만 달러의 손실을 입힐 수 있습니다. 내년이 아니라 5년에서 10년 안에 의미 있는 규모의 출하가 이뤄질 것으로 봅니다.

사람을 위해 설계된 환경을 바꿀 수 없는 곳에서는 휴머노이드가 적합합니다. 우주가 대표적인 사례입니다. NASA는 상업용 고객에게 우주비행사 이용 시간 1시간당 약 13만 달러를 청구합니다. 따라서 사람이 이용하도록 설계된 우주정거장 안에서 작업할 수 있는 로봇은 빠르게 투자비를 회수할 수 있습니다. 원자력 시설, 재난 대응, 일부 국방 분야에도 같은 논리가 적용됩니다.

따라서 단기적으로는 특수 목적 로봇이 위험 대비 수익 측면에서 더 나은 투자처입니다. 이 로봇들은 이미 출하되고 있으며, 오늘도 대금을 받고 있습니다.

휴머노이드 로봇이 헤드라인을 장식하는 가운데, Cybernetix Ventures는 제조, 의료, 물류, 건설 분야의 실용적인 적용 사례에 집중합니다. 물리적 AI가 단기간에 가장 큰 경제적 효과를 낼 수 있는 산업은 어디이며, 자동화 투자에서 측정 가능한 수익이 이미 나타나는 곳은 어디입니까?

가장 빠른 효과는 세 가지 조건이 만나는 곳에서 나타납니다. 비용이 많이 드는 문제, 노동력 부족, 그리고 성과를 금액으로 측정하는 구매자가 있는 곳입니다.

제조업이 우선이며, 특히 기존 공장이 중요합니다. 대부분의 공장은 로봇을 중심으로 새로 지을 수 없습니다. 수백 곳의 사업장을 운영하는 기업에는 이미 있는 건물에 맞는 자동화가 필요합니다. 그래서 기존 로봇 팔이 뒤섞여 있거나 반짝이거나 투명한 부품을 집을 수 있게 해주는 AI 비전이 매우 중요합니다. 이는 현장에 이미 설치된 설비의 성능을 높여줍니다.

물류는 가장 성숙한 시장으로, 집기·운반·적재 작업에서 명확한 ROI(투자수익률)를 기대할 수 있습니다. 그렇더라도 여러 물품이 섞인 상자에서 어떤 물품이든 하나씩 안정적으로 집어내는 문제는 아직 완전히 해결되지 않았습니다.

의료와 생명과학 분야는 저평가되어 있습니다. 자동화 실험실은 느리고 수작업에 의존하던 업무를 더 빠르고 재현성 있는 결과로 바꿔줍니다. 또한 신약 개발 기업들은 더 빠른 결과를 얻기 위해 비용을 지불하는 방법을 이미 알고 있습니다.

건설 분야는 아직 초기 단계지만, 모든 산업 중에서도 노동력 부족이 가장 심각한 분야 중 하나입니다. 측량 표시나 자재 인양 같은 제한된 작업에서 로봇이 제 몫을 해내고 있습니다.

측정 가능한 수익이 나는 경우를 보면 거의 언제나 같은 양상입니다. 한정된 작업 하나를 더 안정적으로 수행하고, 5년짜리 전망 자료가 아니라 고객 자신의 수치로 투자 회수 효과를 확인할 수 있어야 합니다.

기반 모델, 컴퓨터 비전, 강화 학습, 시뮬레이션의 발전은 로봇의 역량을 바꾸고 있습니다. 앞으로 5년 동안 가장 중요한 영향을 미칠 AI 혁신은 무엇이라고 보시나요? 예측하기 어려운 실제 환경에서 로봇을 폭넓게 도입하는 데 여전히 걸림돌이 되는 기술적 한계는 무엇인가요?

앞으로 5년 동안 네 가지를 눈여겨볼 생각입니다.

특히 비전, 언어, 동작을 연결하는 로봇 기반 모델입니다. 하지만 하나의 모델이 모든 분야에서 통하는 것이 아니라, 분야별로 차례차례 성과를 거둘 것으로 봅니다. 특정 목적에서 출발해 적용 사례의 범위를 넓히고, 어쩌면 단독주택 건설 같은 분야 전체로 확장하는 것이 그 경로입니다. 하나의 모델이 건설, 제조, 의료를 모두 담당하게 되리라고는 생각하지 않습니다.

시뮬레이션은 훈련 비용을 낮춰주기 때문에 중요합니다. 하지만 시뮬레이션으로 도달할 수 있는 수준은 80%나 90%입니다. 나머지 10%에서 로봇은 물건을 떨어뜨리고 부딪칩니다.

촉각입니다. 비전은 주변 환경을 파악하는 데 뛰어납니다. 하지만 현실 세계를 바꾸려면 직접 느껴야 합니다. 조작은 실제 작업의 대부분이 이뤄지는 영역이므로 촉각 감지와 더 나은 로봇 손이 중요합니다.

데이터 인프라입니다. 자율주행차 분야에서는 Scale AI 같은 기업들이 데이터를 수집하고 레이블을 붙여 대규모 사업을 구축했고, Applied Intuition은 시뮬레이션을 기반으로 사업을 키웠습니다. 물리적 AI 분야에서도 이에 해당하는 사업이 등장할 것이며, 이는 이 분야에서 가장 큰 기회 중 하나입니다.

복잡하고 예측하기 어려운 환경에서 도입을 가로막는 것은 여전히 신뢰성과 신뢰입니다. 공장에는 99.99%의 신뢰성이 필요합니다. 사람 주변에서 작업하는 이동형 로봇에 대한 안전 기준, 인증, 보험은 아직 현실을 따라가지 못했습니다. 또한 네트워크에 연결된 로봇은 모두 사이버 보안 문제를 안고 있지만, 아직 이를 비용에 반영하는 곳은 거의 없습니다.

Cybernetix Ventures는 Cambrian Robotics, Dash Bio, Rugged Robotics 같은 기업에 투자했습니다. 이 기업들에 끌린 이유는 무엇이며, 유망한 로봇 기술과 상업적으로 확장 가능한 사업을 구분하는 요소는 무엇인가요?

세 기업 모두 멋진 시연이 아니라 고객의 문제에서 출발했습니다.

Cambrian Robotics. 머신 비전 시장은 경쟁이 치열하지만, Cambrian은 대부분의 시스템이 제대로 처리하지 못하는 작고 반짝이거나 투명한 부품을 안정적으로 집어냅니다. 주요 산업용 로봇 브랜드와 호환되고 설치에는 반나절 정도 걸립니다. 2024년 우리가 시드 투자 라운드를 공동 주도했을 당시에는 Toyota, Audi, Electrolux 같은 제조업체에서 이미 시험과 도입이 진행되고 있었습니다.

Dash Bio. 신약 개발 기업들은 바이오 분석 업무의 상당 부분을 여전히 수작업에 크게 의존하는 외부 실험실에 맡깁니다. Dash는 로봇공학, AI, 소프트웨어를 결합해 주요 분석 시험을 최대 10배 빠르게 수행하는, GLP(우수실험실운영기준)를 준수하는 고도 자동화 실험실을 구축했습니다. 이들은 로봇을 판매하는 것이 아닙니다. 고객이 이미 구매 방법을 알고 있는 더 빠른 결과를 판매합니다.

Rugged Robotics. 건설 현장에서는 여전히 누군가가 벽, 파이프, 설비가 들어갈 위치를 일일이 손으로 표시합니다. 시간이 오래 걸리고, 벽을 세우고 나면 실수로 인한 비용이 커집니다. Rugged의 로봇은 도면을 바닥에 직접 출력합니다. 숙련 인력을 충분히 구하기 어려운 현장에서, 한정된 작업 하나를 더 빠르고 정확하게 수행하는 것입니다.

유망한 기술과 확장 가능한 사업을 가르는 것은 무엇일까요? 99%의 경우, 눈에 띄는 기술적 성과에서 출발해 활용처를 찾는 방식은 어려움을 겪는 회사로 이어집니다. 규모를 키우는 기업은 Kiva, Locus, Universal Robots가 그랬듯 문제에서 시작해 거꾸로 기계에 이르는 길을 찾습니다. 그다음에는 시범 사업 후에도 재구매하는 고객, 현장에 박사급 인력이 없어도 가능한 도입, 대량 생산에서도 유지되는 단위 경제성, 그리고 중요한 이정표를 달성하는 팀을 살펴봅니다. 인상적인 로봇은 많지만 사업으로 성공하는 로봇은 훨씬 적습니다.

물리적 AI의 역량이 향상되면서 일자리 대체, 안전, 인간의 감독에 대한 우려도 커지고 있습니다. 로봇공학은 주로 노동력 부족을 해소하고 인간 노동자의 역량을 보완한다고 보시나요? 아니면 도입이 빨라지면서 노동시장에 상당한 혼란이 생길 것으로 예상하시나요?

단기적으로는 대부분 인력 공백을 메우는 역할을 합니다. 우리가 함께 일하는 공장, 창고, 실험실, 건설 현장에서는 수요가 아니라 인력이 제약 요인입니다. 채용 공석이 몇 달씩 이어집니다.

포트폴리오 기업 중 하나인 Verve Motion이 제가 자주 떠올리는 사례입니다. 이 회사는 하루 종일 무거운 짐을 드는 작업자의 부담을 크게 덜어 주는 유연형 외골격 슈트를 만듭니다. 한 창고 직원은 퇴근해 집에 돌아왔을 때 마침내 아이들과 놀아 줄 기운이 생겼다고 팀에 전했습니다. 이것이 세상에 좋은 영향을 주는 로보틱스의 모습이며, 누구의 일자리도 대체하지 않습니다.

일자리 변화가 없을 것이라고 가장하지는 않겠습니다. 가장 반복적인 업무의 비중은 줄어들 것이고, 노동 환경은 우리의 교육 시스템이 대비하는 속도보다 빠르게 바뀔 것입니다. 솔직한 답은 기술자와 운영자, 로봇 fleet를 유지·관리하는 사람들을 위한 재교육에 지금 투자하는 것입니다. 출하되는 모든 로봇은 설치하고 프로그래밍하고 수리하는 사람의 일자리를 만들어 냅니다.

안전 측면에서 로보틱스는 소프트웨어 AI보다 오히려 앞서 출발했습니다. 산업용 로봇은 수십 년 동안 안전 기준과 인증 체계의 적용을 받아 왔습니다. 로봇이 더 똑똑해질수록 이러한 안전 문화도 이어져야 합니다. 책임 소재를 명확히 하고, 기기를 안전하게 보호하며, 중요한 의사결정은 사람이 통제해야 합니다.

2030년과 그 이후를 내다볼 때, 피지컬 AI와 로보틱스의 어떤 발전이 세계 경제에 가장 큰 영향을 미칠 것으로 보십니까? 충분히 주목받지 못한 투자 기회나 훨씬 더 많은 관심을 받을 만한 새로운 응용 분야가 있을까요?

2030년까지 세계 경제에서 가장 중요한 역할을 할 세 가지가 있다고 생각합니다.

작업 현장에서 학습하는 로봇은 맞춤형 통합 시스템을 감당할 수 없었던 중소 제조업체에도 마침내 자동화를 도입할 수 있게 할 것입니다. 실제로 산업 기반의 대부분은 바로 이곳에 있습니다.

자동화된 실험실은 과학 연구의 속도를 높이고, 생물학 연구와 신약 발굴을 24시간 내내 진행할 수 있게 할 것입니다.

또한 액추에이터, 모터, 센서, 기어 등 로봇 부품의 공급망이 전략적으로 중요해질 것입니다. 대부분의 휴머노이드 제조업체는 이런 부품을 직접 만들지 않습니다. 설계하고 통합하고 조립하는데, 현재 부품 공급의 상당 부분은 중국과 일본에 있습니다. 미국과 동맹국에 이러한 기반을 구축하는 주체가 누구인지가 매우 중요해질 것입니다.

간과되는 것은 기반 인프라입니다. 로봇이 서로와 로봇이 연결된 네트워크를 신뢰할 수 있도록 하는 현실 세계의 데이터 수집, 시뮬레이션과 테스트, fleet 관리, 인식, 기기 식별 및 사이버 보안이 여기에 포함됩니다. 또 농업과 건설처럼 헤드라인에 잘 오르지 않는 인력 부족 산업의 세부 분야별 응용도 있습니다.

헤드라인은 휴머노이드가 장식할 것입니다. 하지만 수익의 상당 부분은 기반 인프라에서 나올 것입니다. 그리고 결국 중요한 것은 기술적 영향이 아니라 사회적 영향입니다.

훌륭한 인터뷰에 감사드립니다. 로보틱스와 피지컬 AI, 자동화 분야 초기 단계 투자에 대해 더 알고 싶은 독자라면 Cybernetix Ventures를 방문해 보시기 바랍니다.