2026년 1월 중순, 로봇 스타트업 스킬드 AI(Skild AI)는 약 14억 달러 규모의 시리즈 C 투자 유치를 완료했다고 발표했습니다. 이로써 회사 가치는 140억 달러 이상으로 평가되었습니다. 이번 투자 라운드는 일본 소프트뱅크 그룹이 주도했으며, 엔비디아의 엔벤처스(NVentures), 맥쿼리 캐피털, 아마존 창업자 제프 베조스가 설립한 베조스 익스페디션(Bezos Expeditions) 등 전략적 투자자들이 참여했습니다. 삼성, LG, 슈나이더 일렉트릭, 세일즈포스 벤처스 또한 투자에 동참했습니다.

이 분야에 관심 있는 독자라면 이 투자자 목록이 낯익게 느껴질지도 모릅니다. 이들 중 몇몇은 최근 또 다른 유망한 로봇 스타트업인 필드 AI(Field AI)에 투자했는데, 필드 AI는 다양한 유형의 로봇에서 작동하고 여러 환경에 적응할 수 있는 "범용 로봇 지능형 두뇌" 개발에 주력하고 있습니다. 한편, 스킬드 AI(Skild AI)는 인공지능 기반 로봇 "두뇌"를 개발하겠다고 명확히 밝혔습니다. 두 회사는 유사한 전략적 방향을 추구하는 것으로 보입니다.

로봇 하드웨어가 아직 초기 단계에 있고 응용 시나리오도 매우 세분화된 상황에서, 자본은 로봇 제조뿐만 아니라 다양한 사업을 하는 몇몇 기업에 꾸준히 유입되어 왔습니다. 이는 자본의 이윤 추구라는 불변의 법칙을 어느 정도 반영하는 동시에, 설립된 지 3년도 채 되지 않은 이 스타트업이 유망한 길을 선택했음을 보여줍니다.

회사 웹사이트:
https://www.skild.ai

어떤 로봇이든, 어떤 작업이든, 하나의 두뇌로 해결 가능

"어떤 로봇이든, 어떤 작업이든, 두뇌는 하나면 충분해요."

스킬드 AI 웹사이트에 접속하면 이 야심찬 슬로건이 바로 눈길을 사로잡습니다. 이 슬로건은 공식 X 계정과 최근 NDTV에서 진행된 창립자 중 한 명인 아비나브 굽타와의 인터뷰에서도 등장했습니다.그들은 자신들이 소중히 여기는 모토인 "어떤 로봇이든, 어떤 작업이든, 하나의 두뇌로"를 거듭 언급했는데, 이는 대부분의 로봇 회사와 비교했을 때 스킬드 AI의 독창성을 정확하게 요약해 줍니다.

디팍 파탁은 한 인터뷰에서 "지난 70년간 수많은 로봇 시연이 있었지만, 로봇에게는 두뇌가 없기 때문에 실제로 우리 주변에 나타난 로봇은 아직 없다"고 솔직하게 말했다. 그의 견해에 따르면, 로봇을 오랫동안 대규모로 활용하기 어려웠던 근본적인 이유는 진정으로 보편적인 "지능형 두뇌"가 부족했기 때문이다.

따라서 스킬드 AI의 핵심 목표는 특정 로봇을 만드는 것이 아니라 다양한 로봇에 적용할 수 있는 기본 모델을 개발하는 것입니다.휴머노이드 로봇, 사족 보행 로봇, 산업용 로봇 팔, 모바일 플랫폼 등 어떤 로봇이든 이 시스템은 다양한 작업과 환경에서 작동하며 로봇에 전방위적인 감각 지능을 구현합니다. 이 시스템의 핵심 가치는 지속 가능하고 확장 가능한 데이터 솔루션을 제공하여 로봇이 인간처럼 관찰과 학습을 통해 물리적 세계에 적응할 수 있도록 지원하는 데 있습니다.

이것은 흥미로운 방향입니다. 대규모 언어 모델의 성공은 그 뒤에 있는 방대한 데이터 인터넷과 불가분한 관계에 있다는 것은 잘 알려져 있지만, 디팍 파탁은 중요한 문제점을 지적했습니다. "로봇을 위한 인터넷은 어디에 있는가?" 현실적으로, 방대한 양의 물리적 상호작용 데이터를 담고 있는 기성품 "로봇을 위한 인터넷"은 존재하지 않습니다.그들의 독창적인 공식은 인터넷에 있는 무궁무진한 인간의 비디오 데이터를 로봇 경험으로 변환하는 데 있으며, "인간은 관찰을 통해 학습하고, 로봇도 같은 방식으로 학습해야 한다"는 믿음을 바탕으로 합니다.

두 명의 "멘토형" 창업가: 학술 연구에서 산업 응용까지

스킬드 AI의 또 다른 흥미로운 점은 창립 팀에 관한 이야기입니다.

이 회사는 인공지능 및 로봇공학 분야의 베테랑 연구자인 디팍 파탁과 아비나브 굽타가 공동으로 설립했습니다. 디팍 파탁은 현재 CEO로서 인공지능과 로봇공학의 융합 연구 분야에서 풍부한 경험을 보유하고 있습니다. 아비나브 굽타는 사장직을 맡고 있으며, 인공지능 자기지도 학습 및 로봇 학습 분야에 대한 깊은 전문성을 갖춘 학자이기도 합니다. 두 공동 창업자 모두 세계 최초로 로봇공학과 인공지능 융합 연구를 심도 있게 진행한 기관 중 하나인 카네기멜론 대학교에서 강의 및 연구 활동을 수행한 경력이 있습니다.

현 CEO인 디팍 파탁의 기술 철학은 UC 버클리에서 박사 과정을 밟던 시절에 이미 형성되었습니다.포브스에 따르면, 파탁은 "호기심"을 자극하여 로봇 학습을 촉진하는 방법을 개발했는데, 이를 통해 인공지능이 더 많은 시나리오를 탐색하도록 유도했습니다. "자기 지도 예측을 통한 호기심 기반 탐색"이라는 제목의 관련 연구는 2017년에 발표되었으며, 약 4,000회 인용되었습니다.

파탁이 "로봇이 어떻게 능동적으로 학습할 수 있을까"라는 문제를 해결했다면, 아비나브 굽타는 "대규모 학습"의 핵심 요소를 가져왔습니다. 컴퓨터 비전 및 로봇 학습 분야의 저명한 학자인 굽타는 방대한 양의 레이블이 지정되지 않은 비디오 데이터를 사용하여 AI를 훈련하는 방법을 오랫동안 연구해 왔습니다. 이러한 상호 보완적인 관계가 스킬드 AI의 기술적 우위를 구성합니다. 하나는 호기심 메커니즘을 통해 로봇이 스스로 물리적 세계를 탐색할 수 있도록 하고, 다른 하나는 인터넷 규모의 시각 데이터를 처리하여 로봇에게 세상을 이해하는 일반적인 상식을 부여합니다.

2023년, 그들은 스킬드 AI(Skild AI)를 설립하고 빠르게 사업을 시작했습니다. 이는 단순히 "단기간에 큰돈을 벌기 위한" 스타트업이 아니라, 오랜 연구와 숙고를 현실로 구현하려는 시도였습니다. 그들은 기존 로봇 공학의 수직적 통합 한계가 점점 더 두드러지고 있다고 믿었습니다. 로봇은 특정 작업을 위해 설계되었기 때문에, 미지의 환경에서 로봇이 발휘해야 하는 일반적인 물리적 추론 및 반응 능력을 구현하기 어렵다는 것입니다. 그들은 로봇 공학 분야의 데이터 장벽을 진정으로 허물고자 했습니다. 이러한 비전은 메타(Meta), 테슬라(Tesla), 엔비디아(Nvidia), 아마존(Amazon), 구글(Google), 카네기멜론 대학교(Carnegie Mellon University), 스탠퍼드 대학교(Stanford University), UC 버클리(UC Berkeley), 일리노이 대학교 어바나-샴페인(University of Illinois at Urbana-Champaign) 등 유수의 대학 및 기관에서 로봇 공학 및 인공지능 전문가들을 끌어모았습니다.

스킬드 브레인은 "기본 모델"을 물리적 세계로 구현합니다.

이전 개념들이 "로봇은 어떻게 학습해야 하는가"에 초점을 맞췄다면, 핵심 제품인 스킬드 브레인은 보다 공학적인 질문, 즉 "이 학습 방법을 실제 로봇 시스템에 어떻게 적용할 수 있을까?"에 대한 해답을 제시합니다.

Skild AI의 공식 기술 블로그 설명에 따르면, Skild Brain은 단일 작업이나 특정 로봇 형태에 맞춰 훈련된 제어 모델이 아니라 다양한 로봇 본체에 적용할 수 있는 범용 지능형 시스템으로 자리매김하고 있습니다. 스킬드 브레인은 계층적 아키텍처를 따르며, 저주파 고수준 액션 전략은 환경 의미론을 이해하고 목표를 계획하는 역할을 담당하여 고주파 저수준 액션 전략에 입력을 제공합니다. 기본 제어 기능은 온라인 비전 및 고유 감각에 전적으로 의존하는 완전한 엔드투엔드 모션 제어를 통해 구현되며, 진정한 물리적 상호작용 폐쇄 루프를 실현합니다.

이러한 아키텍처는 궁극적으로 Skild Brain에 세 가지 혁신적인 기술적 특징을 부여합니다.

* 전몸체 크로스폼 기능:  기존의 로봇 알고리즘은 특정 기계에 특화되어 있는 경우가 많지만, 스킬드 브레인은 동일한 사전 학습 모델로 사족 로봇, 이족 로봇, 심지어 로봇 팔까지 동시에 구동할 수 있음을 입증했습니다. 다양한 로봇 형태 데이터를 활용한 대규모 학습을 통해, 이 시스템은 하드웨어 전반에 걸쳐 보편적인 물리 법칙을 추출할 수 있습니다. 즉, 이 모델은 더 이상 특정 모터 토크나 발 구조에 국한되지 않고 일종의 "보편적인 운동학적 직관"을 갖게 된 것입니다.

* 관찰 학습(Learning by Watching)을 위한 데이터 스케일링: Skild AI는 값비싼 인간 시연 과정을 생략하고, 인터넷상의 수억 건에 달하는 인간 활동 영상에서 직접 영감을 얻어 모델을 구축합니다. 이 기술은 시각적 신호를 로봇이 물리적 경험으로 변환하도록 지원하여, 인간이 문을 열고 장애물을 넘는 방식을 관찰함으로써 물리적 세계에 대한 상식적인 이해를 쌓을 수 있게 해줍니다. 이를 통해 매우 뛰어난 제로샷 일반화 능력을 달성할 수 있습니다.

* 하나의 정책으로 모든 시나리오 해결:  스킬드 AI의 실제 환경 테스트에서 이 시스템을 탑재한 로봇은 탁월한 안정성을 보여주었습니다. 매끄러운 실험실 바닥, 어수선한 창고, 바위와 눈으로 뒤덮인 험준한 숲 등 어떤 환경에서도 스킬드 브레인은 동일한 전략을 사용하여 실시간으로 자세를 조정할 수 있었습니다. 이처럼 낯선 환경에 대한 적응력은 로봇이 실험실을 벗어나 다양한 산업 분야에 진출할 수 있도록 하는 핵심 요소입니다.

결론

스킬드 AI는 검증을 위한 가장 쉬운 길을 택하지 않고, 로봇 공학 분야에서 가장 어렵고 장기적인 과제인 "범용성"에 직접적으로 투자했습니다. 하드웨어가 아직 완성되지 않았고 적용 범위가 끊임없이 변화하는 이 단계에서 이러한 선택은 본질적으로 위험 부담이 크지만, 동시에 미래에 대한 무한한 가능성을 제시합니다. 스킬드 AI가 추구하는 목표는 차세대 로봇 공학 발전을 위한 필수적인 전제 조건이 될 수 있습니다.

범용 로봇이 실제로 상용화될지는 아직 미지수이지만, 업계의 초점이 바뀌고 있다는 것은 분명합니다. 오랫동안 로봇에 대한 논의는 특정 형태, 특정 시나리오 또는 국지적인 성능에 국한되어 왔습니다. 그러나 이제 점점 더 많은 자본, 연구자, 그리고 스타트업들이 보다 근본적인 질문에 주목하고 있습니다. 과연 로봇은 진정으로 보편적이고 다른 분야에도 적용 가능한 지능형 기반을 필요로 할까요?

참고문헌:
1.https://www.bloomberg.com/news/articles/2026-01-14/robotics-startup-skild-valued-above-14-billion-after-softbank-led-funding-round?embedded-checkout=true
2.https://www.forbes.com/sites/rashishrivastava/2024/07/09/this-15-billion-ai-company-is-building-a-general-purpose-brain-for-robots
3.https://www.businesswire.com/news/home/20240709306400/en/Skild-AI-Raises-%24300M-Series-A-To-Build-A-Scalable-AI-Foundation-Model-For-Robotics
4.https://www.youtube.com/watch?v=yesita2zN5c