TechCrunch는 5월 11일 로봇 데이터 회사 Config가 2700만 달러 규모의 시드 라운드를 마감했고, 기업가치가 2억 달러를 넘어섰다고 보도했다. 2025년 1월 설립된 회사의 누적 투자 유치액은 3500만 달러다.
하지만 이 거래에서 더 눈에 띄는 것은 빠른 밸류에이션이 아니라 투자자 명단이다.
Samsung Venture Investment가 라운드를 주도했고, Hyundai Motor의 ZER01NE Ventures, LG Technology Ventures, SKT America가 참여했다. Samsung, Hyundai, LG, SK Telecom이 설립 4개월짜리 시드 기업에 동시에 올라탄 셈이다.
Config는 로봇을 만들지 않는다
Config의 CEO Minjoon Seo는 Meta 연구원 출신이며, 그 전에는 영상 AI 회사 TwelveLabs의 수석 과학자였다. 공동창업자 3명은 각각 Waymo, Google, Naver를 거쳤다.
그런데도 이 회사가 만들려는 것은 자체 로봇이 아니다.
"우리가 만들고 싶은 것은 로봇 산업의 TSMC입니다. 어떤 브랜드와도 직접 경쟁하지 않지만 모두에게 필요한 기초 재료를 공급하는 회사입니다."
Config가 스스로 내세우는 위치는 이렇다. TSMC는 Apple, Nvidia, AMD의 칩을 만들지만 스마트폰이나 그래픽카드를 직접 팔지는 않는다. Config도 비슷하게 로봇을 학습시키려는 기업에 훈련 데이터를 공급하는 층이 되려 한다.
로봇에는 왜 데이터 파운드리가 필요한가
이 병목은 이미 2024년에 분명해졌다.
소프트웨어 대형 모델은 데이터가 부족하면 웹을 긁을 수 있다. 로봇 모델은 현실 세계의 행동을 인터넷에서 긁어올 수 없다.
옷을 접고, 문을 열고, 냄비를 가스레인지에 올리는 법을 배우려면 관절 각도, 힘 피드백, 시각 입력, 동작 타이밍이 함께 기록된 시연 데이터가 필요하다. 텍스트나 이미지가 아니라 물리 세계의 메타데이터를 포함한 샘플이다.
현재 업계의 선택지는 모두 비용을 안고 있다.
| 방식 | 문제 |
|---|---|
| 사내 공장에 훈련장을 만들고 사람이 데이터 장갑을 끼고 시연한다 | 비싸고 느리며 회사마다 같은 일을 반복한다 |
| 시뮬레이션으로 합성 데이터를 만든다 | sim-to-real 격차가 남는다 |
| 강화학습으로 로봇이 직접 탐색하게 한다 | 현실 세계에서 실패 비용이 크다 |
Config의 판단은 간단하다. 각 회사가 자체 데이터 수집 라인을 만드는 대신, 이 일을 전문 회사가 맡아 규모 단위로 공급하는 편이 낫다는 것이다.
2010년대 클라우드 컴퓨팅이 커진 논리와 닮았다. 인터넷 회사들이 직접 서버실을 짓던 시기를 지나 AWS에 비용을 내는 방식으로 이동했듯, 로봇 학습 데이터도 플랫폼형 공급층으로 옮겨갈 수 있다.
한국 대기업들이 같은 방향을 본 이유
Samsung, Hyundai, LG는 각자 휴머노이드 또는 산업용 로봇 전략을 갖고 있다.
- Samsung은 Ballie 같은 가정용 로봇 제품군을 보유하고 있다.
- Hyundai는 2021년 Boston Dynamics를 인수했다.
- LG는 공장 자동화와 서비스 로봇에 집중한다.
- SK는 로봇 센서와 AI 칩 쪽에 포지션을 만들고 있다.
상식적으로는 네 회사가 서로 다른 로봇 스타트업에 투자하는 편이 자연스럽다. 제품 레벨에서는 경쟁 관계이기 때문이다. 그러나 이번에는 하류 시장에서 자신들과 경쟁하지 않는 데이터 공급사에 함께 돈을 넣었다.
메시지는 분명하다. 각자 훈련 데이터 파이프라인을 만들고 숨기는 것보다, 공유 가능한 상류 회사를 키워 필요한 기업이 Config에서 데이터를 사는 편이 낫다는 판단이다.
이는 반도체 산업에서 TSMC가 맡은 역할과 같다. Apple과 Qualcomm은 단말 시장에서 싸우지만, 둘 다 같은 파운드리 층에 의존한다.
한국 기업들의 공동 투자는 로봇의 차별화가 데이터 수집 자체보다 모델 설계, 기계 설계, 적용 영역에 있다는 인정이기도 하다. 데이터 층은 공유될 수 있다.
이미 매출도 있다
Config는 현재 매출이 발생하고 있다고 밝혔다. 고객은 대형 제조사, 시스템 통합업체, 농업 로봇 회사, 방산 로봇 회사 등이다.
농업과 방산은 특히 흥미롭다. 농업 로봇은 야외와 불규칙 지형의 시연 데이터가 필요하고, 방산 로봇은 전술 행동과 복잡한 환경에서의 의사결정 샘플이 필요하다. Config의 데이터 수집망이 공장 안에만 머물지 않는다는 뜻이다.
하나의 해석
Config를 글로벌 로봇 공급망 안에 놓고 보면 역할이 선명해진다.
Nvidia는 Jetson과 Cosmos 월드 모델로 로봇의 GPU를 만들고 있다. Google DeepMind는 RT-2와 Gemini Robotics로 로봇의 두뇌를 만들고 있다. Boston Dynamics, Figure, Unitree는 로봇의 몸체를 만든다.
Config가 노리는 것은 로봇의 분유에 가깝다. 여러 제조사가 각자 차별화하기 전에 공통으로 먹일 수 있는 표준화된 입력물이다.
지금까지 이 시장은 각 브랜드가 직접 배합해 왔고 품질, 비용, 호환성이 들쭉날쭉했다. Config가 훈련 데이터를 표준화하고 대규모화하며 여러 현장으로 확장할 수 있다면 로봇 산업은 처음으로 공유 기반층을 갖게 된다.
관건은 실무적인 두 가지다. Config가 고객의 자체 수집보다 한 자릿수 낮은 비용으로 데이터를 모을 수 있는가. 그리고 그 데이터 형식이 사실상의 표준이 될 수 있는가. 둘 중 하나라도 실패하면 "로봇판 TSMC"는 홍보 문구에 그칠 것이다.
그래도 이미 분명한 점은 있다. 한국 대기업들은 미국, 중국과 정면으로 로봇 본체 경쟁을 벌이기보다 조용히 상류의 자리를 잡으려 한다. 화려한 수는 아니지만 꽤 안정적인 수다.
출처: Korea's biggest manufacturers back Config, the TSMC of robot data (TechCrunch), CocoLoop, Why Config Is the AI Robotics Data Story Nobody Tells (KoreaPlus)