샤오미는 7월 14일 새로운 보고서를 발표했는데, 가장 인상적인 성과는 로봇이(15.200, -0.66, -4.16%)공장 에 도입된 지 4 개월 만에 셀프 태핑 너트 설치 성공률이 90.2% 에서 98%로 향상되었고 , 센터 콘솔 측면 커버 설치와 자재 함 접기라는 두 가지 새로운 작업에서도 90%의 성공률을 달성했다는 점입니다.
21일, 골드만삭스는 연구 보고서에서 샤오미 로보틱스 U0 및 1과 함께 해당 공장의 진행 상황을 분석하며 목표 주가를 40홍콩달러로 유지했다. 시장은 샤오미의 로봇이 내부 자동화 도구로 남을지, 아니면 외부 주문을 받고 독립적인 수익을 창출하는 사업으로 발전할지에 주목하기 시작했다.
'선제적 대응'에서 '업무 수행 능력'에 이르기까지, 공장들은 체화된 지능에 대한 산업적 기준을 재정립하고 있습니다.
로봇 산업에서는 달리기, 공중제비, 복잡한 동작 시연이 가장 쉽게 관심을 끌지만, 제조업체는 지속적인 가동 시간, 작업당 비용, 오류 복구 속도, 주기 시간 준수 및 수율과 같은 다른 지표에 더 관심을 기울입니다.
2026년 6월, 산업정보부와 국무원 국유자산감독관리위원회는 휴머노이드 로봇 및 인공지능 실전 훈련을 위한 특별 실행 계획을 발표했습니다. 이 계획은 1년 안에 100개 이상의 고부가가치 시나리오를 발굴하고 수만 대의 로봇을 배치하는 것을 목표로 합니다. 정책 문서에서는 제조, 시험, 유지보수, 물류 관리를 우선시하며, 이는 업계 발전 방향이 시제품 시연에서 일상적인 운영으로 전환되었음을 시사합니다.
중국은 검증에 매우 유리한 환경을 갖추고 있습니다. 국제로봇연맹(IFRO) 자료에 따르면, 중국은 2024년에 산업용 로봇 29만 5천 대를 추가하여 전 세계 배치량의 54%를 차지했습니다. 전자·전기 산업에 8만 3천 대, 자동차 산업에 5만 7천 2백 대가 설치되어 각각 국내 1위와 2위를 기록했습니다. 샤오미의 휴대폰 및 자동차 사업은 이러한 고도로 자동화된 두 산업에 속하며, 자체 공장을 통해 실제 작업 공간, 엔지니어링 팀, 안정적인 업무량을 직접 제공할 수 있습니다.
기존 산업용 로봇은 용접, 도장, 자재 운반과 같은 표준화된 공정에서 이미 효율적으로 작업할 수 있습니다. 휴머노이드 로봇이 활용될 수 있는 영역은 주로 유연한 작업에서 나옵니다. 예를 들어, 잦은 조정이 필요한 작업대, 불규칙한 형태의 자재, 또는 인체 구조에 맞춰 설계된 환경 등이 있는데, 이러한 환경에서는 전용 자동화 장비를 재구축하는 데 드는 비용이 높습니다. 샤오미는 이러한 점을 고려하여, 기존 로봇 팔이 가장 효과적인 고정된 공정보다는 최종 조립, 부품 적재, 자재 운반에 집중하고, 실제 작업에 더 가까운 위치에 로봇을 배치하기로 했습니다.
따라서 샤오미 공장은 현재 두 가지 역할을 수행합니다. 한편으로는 로봇이 내부 자동화를 향상시키고, 다른 한편으로는 기술적 문제를 기록 가능한 데이터로 변환합니다. 즉, 어떤 재료가 오류 발생 가능성이 가장 높은지, 어떤 작업에 사람의 개입이 필요한지, 그리고 지속적인 작업 후 정확도가 어떻게 변화하는지 등을 파악합니다. 시연 영상만으로는 지속적인 교육 자료를 제공하기 어렵고, 실제 생산 라인에서는 매일 실패 사례가 발생합니다. 인공지능 기반 기업에게는 이러한 실패 사례가 단 한 번의 성공적인 시연보다 훨씬 더 가치 있는 경우가 많습니다.
이 네 가지 시나리오의 가치는 각기 다르며, 샤오미는 자사 단말기의 규모를 로봇의 학습 효율성으로 전환해야 합니다.
골드만삭스는 샤오미의 독특한 사업 포트폴리오를 바탕으로 "하드웨어, 데이터, 모델"의 통합에 주목했습니다. 2026년 1분기에 샤오미는 3,380만 대의 스마트폰을 출하했고, 자사의 AIoT 플랫폼을 통해 11억 1,870만 대의 기기를 연결했으며, 8만 856대의 차량을 판매했습니다. 스마트폰, 가전제품, 자동차는 사용자 접근성과 제품 유통을 제공하고, 자동차 공장은 동작 데이터, 고장 샘플, 엔지니어링 검증을 제공합니다. 이처럼 네 가지 자산 유형을 한 회사 내에 보유함으로써 로봇 공학 팀이 초기 응용 시나리오를 발굴하고 외부 고객과 협력하는 데 드는 비용을 절감할 수 있습니다.
하지만 단말기 수와 실체화된 데이터의 양을 직접적으로 동일시할 수는 없습니다. 휴대폰 클릭, 가전제품 제어, 차량 주행 데이터와 로봇 팔의 파지 및 양팔 협업 데이터 사이에는 상당한 데이터 격차가 존재합니다. 네 가지 시나리오의 역할 또한 서로 다릅니다. 휴대폰과 가전제품은 상호작용 인터페이스에 가깝고, 자동차는 공간 인지 및 지능형 주행 연구 개발 경험을 제공하며, 공장은 로봇 동작 모델의 직접적인 훈련장 역할을 합니다.
샤오미는 최근 데이터 생성과 액션 학습을 각각 목표로 하는 두 가지 모델을 출시했습니다. 샤오미-로보틱스-U0(π0.5) 모델은 380억 개의 파라미터를 보유하고 있으며, 월드 모델을 통해 다중 시점, 교차 온톨로지를 구현한 장면을 생성합니다. 본 논문은 합성 데이터를 통합한 후, 실제 환경에서의 작업 수행 성공률이 36.9%에서 63.2%로 향상되었음을 보여줍니다. 이 접근 방식은 실제 기기에서 데이터를 수집하는 데 드는 비용과 시간 문제를 완화하고자 합니다.
샤오미의 Robotics-1은 1,700개 이상의 가정, 상업, 산업 및 야외 시나리오를 포괄하는 10만 시간 이상의 실제 작동 궤적을 사용하여 사전 학습되었습니다. 사후 학습에는 가정에서 수집된 7,200시간 이상의 실제 로봇 데이터도 활용되었습니다. 샤오미는 Robotics-1이 휴대폰 포장, 프린터 잉크 충전, 세탁, 박스 포장과 같은 새로운 작업에서 작업당 평균 10시간 미만의 데모 데이터로 75%의 성공률을 달성했다고 밝혔습니다. 이는 기존 π0.5 모델의 40% 성공률보다 훨씬 높은 수치입니다. 이러한 데이터 적응 비용 절감은 작업 스테이션이 추가될 때마다 프로젝트를 재개발해야 하는 부담을 줄여줍니다.
이 공장은 지속적으로 실제 기계 데이터를 생성하며, 이 데이터는 희귀하고 장기적인 샘플을 활용하여 세계 모델을 보완하는 데 사용됩니다. 그런 다음 동작 모델은 검증을 위해 생산 라인으로 돌아갑니다. 실패한 사례는 다음 학습에 사용되고, 모델 반복 및 작업장 확장이 순환 구조를 이룹니다. 샤오미는 자동차, 휴대폰, 가전제품 등 자체 생산 설비를 보유하고 있어 이러한 순환이 지속될 수 있는 반면, 순수 모델 기반 기업은 일반적으로 외부에서 실제 로봇과 생산 시나리오를 찾아야 합니다.
어려움은 "이동"이라는 단어 자체에도 있습니다. 자동차 공장의 표준 화학 작업 공간은 가정의 개방된 환경과는 매우 다릅니다. 동일한 모델을 서로 다른 기계 구조, 다른 공급업체의 장비, 그리고 다른 안전 기준에 맞추는 것은 엔지니어링 비용을 증가시킵니다. 각 공장마다 데이터 수집, 알고리즘 조정, 생산 라인 수정이 필요하다면 로봇 사업은 마진이 낮은 맞춤형 서비스로 전락할 위험이 있습니다. 현재 샤오미의 가장 확실한 활용 분야는 자사 공장과 공급망 파트너이며, 가정용 로봇은 장기적인 선택지입니다.
샤오미 공장에서 로봇이 떠날 때 비로소 새로운 사업이 창출될 수 있다.
샤오미의 재무제표는 회사의 확장 가능성과 동시에 제약 요인을 보여줍니다. 2026년 1분기 매출은 991억 위안, 조정 순이익은 61억 위안으로 전년 동기 대비 각각 10.9%와 43.1% 감소했습니다. 연구개발비는 89억 5천만 위안으로 전년 동기 대비 33.4% 증가했고, 자본 지출은 32억 7천만 위안으로 전년 동기 대비 20% 증가했습니다. 스마트 전기차, AI 및 기타 신규 사업 부문의 매출은 199억 위안이었지만, 영업 손실은 31억 위안에 달했습니다. 스마트폰과 AIoT 사업이 여전히 현금 흐름에 큰 부담을 주고 있으며, 신규 사업 투자는 이미 수익에 상당한 압박을 가하고 있습니다.
단기적으로 로봇 도입의 이점은 내부 비용 절감에 있을 가능성이 높습니다. 즉, 반복적이고 고강도 작업에 필요한 인력을 줄이고, 연속 작업 능력을 향상시키며, 품질 변동을 최소화할 수 있습니다. 샤오미의 최근 재무 보고서 및 공개된 정보에 따르면, 회사는 아직 워크스테이션당 도입 비용, 투자 회수 기간, 가동 중지율, 도입된 로봇 대수 등을 공개하지 않았으며, 외부 고객으로부터의 개별 주문량에 대한 정보도 발표하지 않았습니다. 이러한 지표가 부족하기 때문에 로봇은 현재 연구 개발 및 생산 시스템의 일부로 간주되어 당분간 매출과 이익을 별도로 계산하기 어렵습니다.
외부 상용화를 위해서는 여전히 두 가지 기술적 난관을 극복해야 합니다. 공장 솔루션은 표준화 및 복제가 가능해야 하며, 배포 과정에서 장기적으로 샤오미 엔지니어의 현장 상주 디버깅에만 의존해서는 안 됩니다. 수익 구조 또한 일회성 현장 판매에서 모델 라이선스, 소프트웨어 기술, 유지보수, 성과 기반 결제 등으로 확장되어야 합니다. 하드웨어는 수익 규모를 확대하고, 소프트웨어와 서비스는 총이익 구조를 개선하며, 외부 반복 구매는 사업의 독립성을 좌우합니다. 가정용 시장은 잠재력이 크지만, 환경적 복잡성, 보안 책임, 사후 관리 비용 또한 높아 단기적으로는 산업용 시장보다 우선순위가 낮습니다.
샤오미의 로봇을 살펴보면, 범용 가정용 로봇의 시장 출시 시점을 섣불리 예측할 필요는 없습니다. 작업 스테이션 수, 연속 작동 시간, 인간 개입률, 단일 작업 적응 비용, 외부 주문량 등이 더 효과적인 지표입니다. 이러한 지표들이 지속적으로 개선된다면 샤오미는 점차 로봇 사용자에서 로봇 공급업체로 발돋움할 수 있을 것입니다. 하지만 모델 출시 및 부분적인 작업 스테이션 테스트 수준에 머무른다면, 로봇이 회사의 기반에 기여하는 바는 주로 제조 효율성 향상에 그칠 것입니다.
골드만삭스가 로봇 산업을 관심 종목에 포함시킨 것은 바로 이러한 이유 때문에 의미가 큽니다. 샤오미는 이미 모델, 기기, 공장을 보유하고 있지만, 독립적인 로봇 사업 부문은 아직 구축하지 못했습니다. 자체 공장을 보유하면 검증 주기를 단축할 수 있지만, 기술이 장기간 내부 개발 도구에만 국한될 가능성도 있습니다. 향후 몇 년 동안 가장 중요한 변화는 샤오미가 내부 역량을 제품으로 표준화하고, 이러한 표준화된 제품을 외부 고객에게 제공할 수 있을지 여부입니다.
공장 내에 머무르는 로봇은 비용 절감에 도움이 될 수 있으며, 공장 밖으로 나가면 샤오미의 수익 구조를 바꿀 잠재력을 가지고 있습니다.