위수테크놀로지가 최근 A주 시장에서 가장 주목받는 기술 기업 중 하나로 떠오르고 있다.

10월 26일, 위수테크놀로지(688836.SH) 주가는 계속 급등하며 장 초반 한때 9% 이상 상승해 최고 682위안/주를 기록했다. 오전장 마감 기준 주가는 674.01위안, 총 시가총액은 2,726억 위안에 달했다. 앞서 10월 23일 위수테크놀로지는 20% 상한가를 기록했다. 10월 16일 이후 7거래일 누적 상승폭은 60%를 넘었다.

시장 열기의 배경에는 휴머노이드 로봇 기술 진보에 대한 기대감이 계속 높아지고 있다. 10월 21일 위수테크놀로지는 H2-X 휴머노이드 로봇을 공개하며 높은 단상 점프, 앞구르기 등 복잡한 동작을 선보였다. 다음 날 위수 창업자 왕싱싱은 세계 물리 AI 대회에서 대형 모델 능력이 지속적으로 향상되면서 물리 AI가 핵심 돌파의 조짐을 보이고 있다고 밝혔다.

위수 주가가 계속 상승하는 가운데, 노무라증권은 10월 25일 최신 글로벌 로봇 연구보고서를 발표하며 다소 반직관적인 판단을 제시했다. 로봇 운동 제어 알고리즘 훈련이 갈수록 쉬워지면서 업계 경쟁 구도를 실제로 결정하는 것은 더 이상 운동 소프트웨어가 아니라 하드웨어 일관성과 규모화 제조 능력일 수 있다는 것이다.

이 판단은 캘리포니아대학교 버클리캠퍼스가 최근 발표한 SuperMimic 연구에서 나왔다. 이 기술은 휴머노이드 로봇 전신 운동 컨트롤러의 훈련 연산량을 1,000배 이상 줄인다. 과거 128개의 GPU를 일주일 내내 연속 가동해야 완료할 수 있던 작업을 이제는 H100 GPU 한 장으로 3시간 훈련만 하면 더 좋은 벤치마크 성적을 얻을 수 있다.

연구팀은 이 컨트롤러를 실제 위수 G1 휴머노이드 로봇에 탑재해 옆구르기, 공중제비를 포함한 복잡한 동작을 성공적으로 완수했다.

이는 과거 막대한 연산 투입이 있어야 얻을 수 있었던 로봇 운동 능력이 점점 더 저렴해지고 있음을 의미한다.

다만 노무라는 이것이 반드시 선도 로봇 기업의 경쟁 우위가 사라진다는 뜻은 아니라고 본다. 오히려 더 많은 기업이 우수한 운동 제어 알고리즘을 훈련할 수 있게 되면, 또 다른 능력이 더 희소해질 수 있다. 충분히 낮은 비용으로 성능이 안정적이고 하드웨어 파라미터 일관성이 높은 휴머노이드 로봇을 대량 생산할 수 있는지 여부다.

노무라의 업계 조사에 따르면 중국에는 이미 특정 핵심 운동 제어 기능을 납품할 수 있는 기업이 약 300곳 있다. 위수가 과거 하드웨어와 운동 제어에서 업계를 1~2년 앞선 우위는 좁혀지고 있을 수 있다. 그러나 하드웨어 원가, 공급망, 양산 경험 측면의 축적은 여전히 빠르게 모방하기 어려운 경쟁 장벽이다.

최근 주가가 지속적으로 강세를 보이고 있는 유니트리의 경우, 노무라의 이번 연구보고서는 주목할 만한 투자 관점을 제시한다. 로봇 산업의 다음 단계 경쟁은 더 이상 누가 로봇에게 가장 복잡한 동작을 구현하게 할 수 있는가가 아니라, 누가 이러한 동작을 수천 수만 대의 저비용 제품에 안정적으로 복제할 수 있는가가 될 수 있다.

GPU 한 장이 과거 하나의 클러스터를 대체, 로봇 훈련 비용 천 배 절감

10월 20일, 캘리포니아 대학교 버클리 캠퍼스 연구팀은 논문 《SuperMimic: Scaling Humanoid Whole-Body Control with One Differentiable World Model》을 발표했다. 이 논문은 로봇 학습 학회 CoRL 2026에 채택되었으며, 저자로는 저명한 로봇 학자 Pieter Abbeel과 Koushil Sreenath가 포함되어 있다.

연구는 휴머노이드 로봇 분야의 핵심 난제에 초점을 맞추고 있다. 즉, 로봇이 다양한 신체 동작을 습득하도록 하면서도 동작 수가 증가함에 따라 훈련 비용이 급격히 상승하는 것을 방지하는 방법이다.

전통적인 휴머노이드 로봇 운동 제어 훈련은 일반적으로 강화 학습에 의존한다. 연구자들은 먼저 물리 시뮬레이터에서 로봇 모델을 구축한 다음, 로봇이 다양한 동작을 반복적으로 시도하게 하여 대량의 시행착오를 통해 걷기, 달리기, 춤추기 및 공중제비를 점차 학습시킨다.

이 방법은 효과적이지만 막대한 컴퓨팅 자원을 소모한다. 훈련 동작 수가 증가함에 따라 시뮬레이터는 더 많은 연산을 수행해야 하며, 훈련 비용도 이에 따라 상승한다.

기존 운동 제어 시스템인 SONIC을 예로 들면, 훈련 과정에서 128개의 GPU를 사용하여 약 7일 동안 지속되었으며, 총 약 21,000 GPU 시간을 소모했다.

SuperMimic은 로봇의 훈련 방식을 바꾸었다.

연구자들은 더 이상 로봇이 물리 시뮬레이터에 전적으로 의존하여 반복적인 시행착오를 거치게 하지 않고, 먼저 로봇 자체의 물리적 운동 법칙을 설명하는 모델을 훈련시킨 다음, 운동 컨트롤러가 이 모델 내부에서 학습하도록 한다.

이 모델은 로봇이 다양한 동작을 취한 후 신체가 어떻게 움직일지 예측할 수 있으므로, 대량의 전통적인 물리 시뮬레이션 과정을 대체할 수 있다.

실험 결과에 따르면, SuperMimic은 단일 H100 GPU에서 3시간 훈련 후 운동 추적 성능이 SONIC의 공개된 모델을 능가했다. 129,514개의 동작을 포함한 벤치마크 테스트에서 SuperMimic은 단 25개의 동작만 실패한 반면, SONIC의 실패 수는 179개에 달했다. 추가로 2개의 GPU를 사용하여 9.8시간 훈련한 후, SuperMimic은 이 테스트 세트에서 실패 수가 0으로 감소했다.

이는 과거 수만 GPU 시간의 훈련 과정이 필요했던 것과 비교해, 새로운 방법은 단지 수 개에서 수십 개의 GPU 시간만으로 경쟁력 있는 운동 제어 효과를 얻을 수 있음을 의미한다.

노무라는 이것이 지금까지 가장 명확한 증거 중 하나로, 휴머노이드 로봇의 전신 운동 제어 훈련이 저렴해지고 있음을 보여준다고 판단했다. 더 중요하게는, 이 기술이 이미 시뮬레이션 환경에서 실제 로봇으로 진입했다는 점이다.

연구팀은 훈련이 완료된 컨트롤러를 유니트리 G1 휴머노이드 로봇에 배포하여 측면 구르기, 360도 공중제비 등 복잡한 동작을 성공적으로 구현했다. 이는 새로운 방법으로 시뮬레이션 환경에서 훈련된 운동 제어 전략이 적어도 실험에서 시연된 동작 범위 내에서는 실제 하드웨어로 전이되어 작동할 수 있음을 보여준다.

로봇 업계にとって, 이러한 효율성 향상은 운동 제어 기술의 개발 진입 장벽을 바꿀 수 있다. 과거에는 대량의 GPU 자원과 전문 알고리즘 팀을 보유한 기업만이 감당할 수 있었던 훈련 작업을, 앞으로는 더 많은 규모가 작은 팀이 완수할 수 있게 될 것이다.

왜 훈련 효율이 천 배나 향상될 수 있을까?

SuperMimic의 핵심 돌파구는 훈련 데이터를 늘리는 것이 아니라, 로봇이 동작을 학습하는 방식을 바꾸는 것이다.

노무라는 휴머노이드 로봇이 서로 다른 동작을 수행할 때 동일한 신체 구조를 사용하기 때문에, 각 동작마다 완전한 물리 법칙을 다시 학습할 필요가 없다고 지적했다.

연구팀은 이 특징을 활용하여 대량의 동작이 공유할 수 있는 로봇 신체 모델을 구축했다. 로봇이 걷든, 춤추든, 구르든, 컨트롤러는 이 모델 내부에서 관절을 어떻게 조정할지 학습할 수 있어 전통적인 물리 시뮬레이션에 대한 의존을 줄일 수 있다. 논문에 따르면, SuperMimic의 효율성 향상은 주로 세 가지 측면에서 비롯된다.

첫째는 실행 속도다. 일반적인 배치 규모에서 학습된 월드 모델의 실행 속도는 전통적인 물리 시뮬레이터보다 10배 이상 빠르며, 최대 테스트 배치 규모에서는 속도 향상이 최대 62배에 달한다.

둘째는 훈련 방식이다. 전통적인 강화 학습은 대량의 무작위 시행착오에 의존하여, 로봇이 지속적으로 다양한 동작을 시도한 후 피드백에 따라 제어 전략을 조정해야 한다.

SuperMimic이 사용하는 월드 모델은 미분 가능한 특성을 갖추고 있어 컨트롤러에 더 직접적인 그래디언트 정보를 제공하여 동작을 어떻게 조정해야 할지 판단하도록 도우며, 무작위 탐색에 전적으로 의존할 필요가 없다. 이 변화만으로도 필요한 훈련 단계 수가 약 64배 감소했다.

마지막으로 규모 확장 능력이다. 훈련 동작 데이터가 1시간에서 264시간으로 증가할 때, 월드 모델의 예측 오차는 상대적으로 안정적으로 유지된다. 이는 로봇이 습득해야 할 동작이 점점 많아지더라도, 훈련 연산량이 반드시 비례하여 증가할 필요는 없음을 의미한다.

세 가지 효율성 개선이 중첩되어 SuperMimic은 1,000배 이상의 GPU 시간 감소를 달성했습니다.

그러나 노무라는 SuperMimic과 SONIC의 훈련 조건이 완전히 동일하지 않다고 강조했습니다. 전자는 사용된 동작 데이터 양이 약 2.3배 적고, 동시에 더 최신 모델의 GPU를 채택했기 때문에 모든 컴퓨팅 격차를 단순히 알고리즘 개선으로 귀인할 수는 없습니다. 논문 저자들은 이러한 요인들만으로는 이렇게 거대한 계산 효율성 차이를 설명하기에 여전히 불충분하다고 봅니다.

또한 SuperMimic이 휴머노이드 로봇이 이미 범용 지능을 갖추었다는 것을 의미하지는 않습니다.

현재 연구는 주로 평지에서의 신체 동작을 다루며, 복잡한 지형이나 물체 조작은 포함하지 않습니다. 월드 모델은 전적으로 시뮬레이터 데이터로 훈련되었으며, 실제 세계의 물리적 상호작용 데이터는 사용되지 않았습니다.

대규모 벤치마크 테스트의 동작 역시 훈련 동작에 속하므로, 테스트 세트에서의 제로 실패가 로봇이 모든 미지의 동작과 복잡한 환경에 이미 대응할 수 있다는 것을 의미하지는 않습니다.

노무라는 이를 로봇의 '소뇌' 수준의 진전, 즉 신체 운동과 균형을 담당하는 제어 능력의 돌파구로 정의했으며, 복잡한 작업 이해·계획·추론을 담당하는 '대뇌'도, 정밀 조작을 담당하는 '양손'도 아닙니다.

다시 말해, SuperMimic이 크게 낮춘 것은 로봇이 운동을 학습하는 계산 비용이지, 로봇이 자율적으로 실제 작업을 완수하는 데 필요한 모든 기술적 문제를 해결한 것은 아닙니다.

노무라: 유니트리의 진정한 우위, 더 이상 운동 알고리즘이 아닐 수 있다

노무라는 SuperMimic 자체의 기술적 돌파구보다 로봇 산업 경쟁 구도에 미치는 영향에 더 주목했습니다.

과거에는 운동 제어 알고리즘이 휴머노이드 로봇 제조사의 중요한 경쟁 장벽이었습니다. 로봇이 안정적으로 걷고, 뛰고, 달리며 심지어 고난도 묘기 동작까지 완수하게 하려면 장기간의 알고리즘 연구개발, 대규모 컴퓨팅 자원, 반복적인 엔지니어링 디버깅이 필요했습니다.

그러나 SuperMimic은 이 장벽이 낮아지고 있을 수 있음을 보여줍니다. 과거에 거대한 GPU 클러스터가 있어야 완료할 수 있었던 운동 제어 훈련을 이제 GPU 한 장으로 구현할 수 있다면, 점점 더 많은 기업이 고성능 운동 제어 시스템을 확보할 기회를 갖게 됩니다.

노무라의 업계 조사에 따르면, 중국에는 이미 약 300개 기업이 특정 핵심 운동 제어 기능을 제공할 수 있습니다. 보고서는 유니트리가 하드웨어와 운동 제어 분야에서 가진 1~2년의 선행 우위가 좁혀지고 있을 수 있으며, SuperMimic 등의 기술 진전이 운동 알고리즘 개발 문턱을 더욱 낮출 것이라고 봅니다.

그러나 노무라는 이로 인해 유니트리가 경쟁 우위를 잃을 것이라고 보지는 않았다. 오히려 운동 제어 소프트웨어가 점차 접근하기 쉬워짐에 따라 유니트리가 하드웨어 제조 분야에서 쌓아온 축적이 더욱 중요해질 수 있다.

문제는 하나의 알고리즘이 한 대의 로봇이 복잡한 동작을 완수하도록 할 수 있다고 해서, 그것이 수천 대의 로봇에서 안정적으로 작동한다는 것을 의미하지는 않는다는 점이다. 휴머노이드 로봇은 일반적으로 20개 이상의 관절을 가지고 있으며, 각 관절은 액추에이터, 전동 구조, 센서 및 정밀한 운동학적 캘리브레이션과 관련된다. 두 대의 로봇이 완전히 동일한 설계를 채택하더라도 실제 생산 과정에서 미세한 차이가 존재할 수 있다.

예를 들어, 서로 다른 장비의 관절 영점, 치수 공차 및 전동 성능이 다를 수 있다. 이러한 오차가 20개 이상의 관절에 분포되면, 로봇 전체의 운동 성능에 편차가 발생할 수 있다.

노무라는 SuperMimic이 시뮬레이션 환경에서 사용하는 로봇 모델의 관절 캘리브레이션 편차가 ±0.01 라디안에 불과하다고 지적했다. 이러한 하드웨어 파라미터 일관성에 대한 요구는 로봇이 실험실에서 규모화된 제조로 나아갈 때 직면하는 과제를 부각시킨다. 한 기업이 로봇이 공중제비를 완수할 수 있게 하는 우수한 컨트롤러를 개발했다고 가정하자. 그러나 양산되는 로봇 간의 하드웨어 차이로 인해 이 컨트롤러가 소수의 장비에서만 안정적으로 작동한다면, 기업은 여전히 대량의 시간을 투입하여 개별 캘리브레이션, 디버깅甚至 재훈련을 해야 한다.

이러한 상황에서 알고리즘 자체의 훈련 비용이 크게 감소하더라도, 하드웨어 불일치로 인한 배포 및 유지보수 비용은 여전히 높을 수 있다. 노무라는 이 문제를 해결할 수 있는 핵심이 장기간 축적된 하드웨어 설계, 공급망 관리, 품질 관리 및 규모화된 제조 경험이라고 본다. 이러한 능력은 GPU를 구매하거나 논문 한 편을 재현하는 것으로 단기간에 얻기 어렵다. 이것이 노무라가 유니트리가 일부 하드웨어를 자체 제작하는 로봇 모델 기업에 비해 여전히 경쟁 우위를 가지고 있다고 보는 중요한 이유이기도 하다.

운동 소프트웨어 훈련 비용이 지속적으로 감소함에 따라, 로봇 업계의 경쟁은 과거의 알고리즘 능력에서 점차 하드웨어 정밀도, 제품 일관성, 비용 통제 및 규모화된 납품으로 전환될 수 있다.

액추에이터가 원가의 최대 75% 차지, 누가 수혜를 볼까?

하드웨어 일관성의 중요성은 로봇 산업 체인의 가치 분배가 변화할 수 있음을 의미하기도 한다.

노무라의 추정에 따르면, 액추에이터는 휴머노이드 로봇 부품 원가의 약 50%에서 75%를 차지하며, 전체 하드웨어 원가의 중요한 부분이다. 액추에이터는 제어 명령을 실제 관절 운동으로 전환하는 역할을 하며, 그 정밀도, 응답 속도, 안정성 및 제조 일관성은 로봇이 복잡한 동작을 수행하는 능력에 직접적인 영향을 미친다.

운동 제어 알고리즘이 점점 더 접근하기 쉬워짐에 따라, 완제품 제조사 간의 소프트웨어 능력 차이는 줄어들 수 있는 반면, 액추에이터 등 핵심 하드웨어의 제조 품질과 원가 우위는 더욱 두드러질 수 있다.

이는 고정밀 액추에이터 제조 능력, 안정적인 공급망, 엄격한 품질 관리 체계를 갖춘 부품 기업이 로봇 산업 발전의 중요한 수혜자가 될 수 있음을 의미한다.

완성품 기업 입장에서 미래 경쟁의 핵심은 단일 로봇이 특정 고난도 동작을 수행할 수 있는지 여부가 아니라, 비용을 통제하면서 대량 생산 제품의 성능 일관성을 유지할 수 있는지 여부가 될 수 있다.

노무라는 이를 바탕으로 향후 높은 수준의 하드웨어 일관성 제어 능력을 갖춘 로봇 기업 및 핵심 공급업체가 단순히 운동 제어 소프트웨어에 의존하는 기업보다 우위를 점할 수 있다고 본다.

유니트리의 경우 이 판단은 중요한 의미를 지닌다. 운동 알고리즘 개발 비용이 지속적으로 하락하면서 유니트리가 과거 운동 제어 능력으로 구축한 선도적 지위는 더 많은 경쟁자의 추격에 직면할 수 있다. 그러나 하드웨어 설계, 비용 통제, 규모화 제조 측면에서 축적한 역량은 다음 단계에서 복제하기更难한 경쟁 장벽이 될 수도 있다.

유의할 점은 SuperMimic이 특정 전신 운동 제어 작업의 훈련 계산 효율을 대폭 향상시킬 수 있음을 입증했지만, 로봇 운동 소프트웨어가 즉시 완전히 표준화될 것이라는 의미는 아니라는 점이다. 실제 환경 배포, 시스템 통합, 안전 제어 및 제품 신뢰성에는 여전히 지속적인 엔지니어링 투입이 필요하다.

따라서 노무라의 판단은 운동 제어 소프트웨어가 이미 상업적 가치를 상실했다고 보는 것이 아니라, 미래 경쟁 방향에 대한 추론에 더 가깝다.

주가 7일 만에 60% 이상 급등, 유니트리는 다음으로 무엇을 증명해야 하나?

자본시장으로 돌아가 보면, 유니트리의 최근 주가 흐름은 투자자들이 휴머노이드 로봇 산업의 기술 진전과 상업화 전망을 재평가하고 있음을 보여준다.

10월 21일 유니트리는 H2-X 휴머노이드 로봇을 발표하며 더욱 복잡한 동적 운동 능력을 선보였다. 10월 22일 왕싱싱은 세계 물리 AI 대회에서 물리 AI 기술 돌파구에 대한 긍정적 기대를 표명했다.

이후 유니트리는 10월 23일 20% 상한가를 기록했고, 10월 26일 장 초반에도 9% 이상 상승을 이어갔다. 오전장 마감 기준 총 시가총액은 이미 2726억 위안에 달했다.

그러나 유의할 점은 로봇 운동 제어 기술의 진전이 반드시 완성품 제조사의 수익성 동반 향상을 의미하지는 않는다는 점이다. SuperMimic이 보여준 효율 향상은 더 많은 기업이 낮은 비용으로 운동 제어 분야에 진입하도록 하여 시장 경쟁 강도를 높일 수 있다. 기술 우위를 제품 성능, 비용 우위 및 규모화 납품 능력으로 전환할 수 있는 기업만이 지속 가능한 상업적 장벽을 더욱 구축할 기회를 가질 수 있다.

최근 주가가 빠르게 상승한 위수(宇树)에게 이러한 구분은 특히 중요하다.

10월 20일 저녁, 위수는 주식 거래 이상 변동 공고를 발표했다. 회사는 당일 기준 롤링 주가수익비율(PER)이 388.25배에 달해, 소속 범용설비제조업 평균 수준인 39.51배를 크게 웃돈다고 밝혔다.

회사는 동시에 휴머노이드 로봇 산업이 여전히 상용화 초기 단계에 있으며, 기술 성숙도, 하류 수요 및 산업망 지원 능력 모두 불확실성이 존재한다고 경고했다. 만약 산업의 대규모 상용화 진척이 예상에 미치지 못할 경우, 향후 매출 성장 및 실적 발현이 영향을 받을 수 있다.

따라서 투자 관점에서 SuperMimic이 대표하는 기술 변화는 최소한 두 가지 지속적으로 관찰해야 할 문제를 제기한다.

첫째, 휴머노이드 로봇 운동 제어 기술의 훈련 비용이 지속적으로 하락할 때, 선도 기업이 차별화 우위를 계속 유지할 수 있을까?

둘째, 점점 더 많은 기업이 복잡한 운동 능력을 갖추게 될 때, 어떤 제조사가 하드웨어 일관성, 공급망 및 양산 경험을 바탕으로 기술 능력을 안정적인 상업적 수익으로 전환할 수 있을까?

노무라가 내놓은 답은 후자에 더 기울어 있다.

로봇이 걷고, 뛰고, 심지어 공중제비를 하는 것을 배우는 비용이 점점 저렴해질 때, 진정으로 모방하기 어려운 것은 더 이상 특정 운동 제어 알고리즘이 아니라, 이러한 능력을 수천 수만 대의 로봇에 안정적으로 탑재하는 제조 체계일 수 있다.

위수에게 이것은 아마도 다음 단계에서 가장 주목할 만한 경쟁 우위이자, 시장의 높은 밸류에이션이 지속적으로 검증해야 할 핵심 문제일 것이다.

BlockBeats 공식 커뮤니티에 참여하세요:

Telegram 구독 그룹：https://t.me/theblockbeats

Telegram 토론 그룹：https://t.me/BlockBeats_App

Twitter 공식 계정：https://twitter.com/BlockBeatsAsia