제네시스 AI의 로봇 손 공개, 피지컬 AI 경쟁이 실험실·제조 현장으로 넓어진다

로보틱스 스타트업 제네시스 AI가 5월 6일 로봇용 기초 AI 모델 GENE-26.5와 자체 개발한 로봇 손을 공개했다. 회사가 공개한 시연에는 요리, 실험실 피펫 작업, 와이어 정리, 피아노 연주처럼 손의 정밀한 움직임이 필요한 작업이 포함됐다. 생성형 AI 경쟁이 화면 속 문서와 코드에서 실제 물건을 보고 잡고 조작하는 ‘피지컬 AI’ 영역으로 옮겨가고 있다는 점에서, 보스턴권 로보틱스·바이오·제조 인력에게도 참고할 만한 변화다.

이번 발표의 핵심은 모델 하나만 공개한 것이 아니라는 데 있다. 제네시스 AI는 AI 모델, 인간 손 크기와 형태를 닮은 로봇 손, 데이터 수집 장갑, 시뮬레이션 시스템을 함께 만드는 ‘풀스택’ 전략을 택했다. 풀스택은 특정 소프트웨어만 제공하는 것이 아니라 하드웨어와 데이터 수집, 학습·검증 환경까지 한 회사가 함께 설계한다는 뜻이다. TechCrunch에 따르면 제네시스 AI는 2025년 7월 Eclipse와 Khosla Ventures가 공동 주도한 1억500만 달러 규모 시드 투자를 유치했고, 현재 파리·캘리포니아·런던에 팀을 두고 있다. 회사 규모는 약 60명이며 세 지역에서 채용도 진행 중이라고 밝혔다.

제네시스 AI가 내세운 GENE-26.5는 로봇이 복잡한 물리 작업을 수행하도록 설계된 기초 모델이다. 회사는 공개 영상에서 20단계 요리, 스무디 준비, 실험실 액체 이송과 피펫 작업, 와이어 하네싱, 루빅스 큐브 조작, 여러 물체를 한 손으로 잡아 분류하는 작업, 피아노 연주 등을 보여줬다. 또 데이터 수집 장갑을 활용해 사람이 실제 작업을 수행할 때의 손 움직임과 촉각 정보를 로봇 학습 데이터로 전환하겠다는 구상도 제시했다. 회사 측은 이 장갑이 기존 데이터 수집 방식보다 하드웨어 비용을 낮추고 수집 효율을 높일 수 있다고 설명한다.

다만 이번 공개를 곧바로 범용 로봇의 상용화 단계로 해석하기에는 아직 이르다. Business Insider 보도에 따르면 시연은 사람이 원격으로 조종한 것은 아니었지만, 낯선 일을 즉석에서 처리하는 ‘제로샷’ 실행도 아니었다. 특정 작업을 미리 학습한 뒤 수행한 사례에 가깝다. 요리 시연의 상당수 단계는 90~95% 수준의 성공률을 보였지만, 한 손으로 달걀을 깨거나 자른 토마토를 칼로 옮기는 작업은 촬영 중 50~60% 수준에 가까웠다고 회사 CEO가 설명했다. 로봇 손이 사람과 비슷한 속도로 움직이는 장면은 인상적이지만, 아직 실제 현장의 예외 상황을 안정적으로 처리하는 단계와는 구분해 볼 필요가 있다.

그럼에도 이번 발표가 중요한 이유는 AI 경쟁의 무대가 실험실, 공장, 물류센터, 병원 같은 물리적 현장으로 확장되고 있기 때문이다. 피지컬 AI는 실제 세계에서 움직이고 조작하는 AI를 뜻한다. 로봇이 컵을 집고, 시약을 옮기고, 케이블을 정리하려면 언어 모델만으로는 부족하다. 컴퓨터 비전, 센서 데이터, 제어공학, 기계 설계, 안전 검증, 현장 운영 데이터가 함께 맞물려야 한다. 이 지점에서 보스턴권 산업 생태계와의 연결성이 커진다.

매사추세츠는 MIT, 하버드, Northeastern, WPI 등 연구 기반과 MassRobotics를 중심으로 한 로보틱스 네트워크를 갖고 있다. MassRobotics는 매사추세츠에 로보틱스 기술을 만들거나 활용하는 기업이 500개 이상 있고, 18개 기관에 35개 이상의 로보틱스 R&D 프로그램이 있다고 소개한다. 보스턴의 강점인 바이오 연구실 자동화, 의료기기, 물류·제조 자동화는 피지컬 AI가 실제 고객을 만날 수 있는 분야와 직접 연결된다.

유학생과 취업 준비생에게는 “AI를 할 줄 안다”는 표현만으로는 차별화가 약해질 수 있다는 신호다. 로보틱스와 피지컬 AI 분야에서는 머신러닝 모델 이해뿐 아니라 로봇 운영체제, 시뮬레이션, 센서 데이터 처리, 컴퓨터 비전, 제어 알고리즘, 하드웨어와 소프트웨어를 연결하는 시스템 통합 경험이 중요해질 가능성이 있다. 바이오 전공자라면 실험실 자동화 장비, 실험 데이터 품질 관리, 장비 운용 프로토콜을 이해하는 경험이 의미 있는 신호가 될 수 있다. 엔지니어라면 모델을 데모 환경이 아니라 실제 장비에서 검증해 본 경험이 이력서와 인터뷰에서 더 설득력 있게 작용할 수 있다.

현직자에게는 자동화가 곧바로 일자리 축소만을 뜻한다고 보기보다 업무 단위가 바뀌는 과정으로 보는 편이 현실적이다. 로봇이 반복 작업을 맡더라도 현장에서는 작업 절차를 표준화하고, 실패 사례를 기록하며, 데이터 수집 방식을 설계하고, 안전 기준을 검증하는 역할이 필요하다. 특히 바이오랩이나 의료 현장처럼 오류 비용이 큰 분야에서는 “AI가 할 수 있다”보다 “검증 가능하고 재현 가능하다”가 더 중요한 기준이 된다. AI와 함께 늘어날 수 있는 역할은 로봇 시스템 엔지니어, 실험실 자동화 전문가, 시뮬레이션 엔지니어, 데이터 검증 담당자, 현장 배포 PM 등으로 넓게 볼 수 있다.

비자 스폰서십을 고려하는 유학생은 로보틱스 스타트업 채용을 볼 때 기술의 화제성만 보지 않는 것이 좋다. 초기 하드웨어 기업은 성장 가능성이 있어도 제품 개발, 제조, 고객 검증에 시간이 오래 걸리고 비용도 많이 든다. OPT, STEM OPT, H-1B를 고려한다면 회사의 미국 내 고용 구조, 이전 스폰서십 경험, E-Verify 여부, 자금 조달 이후 실제 채용 계획을 별도로 확인할 필요가 있다. 이는 일반적인 점검 포인트이며, 개인별 이민 판단은 별도 확인이 필요하다.

창업 관심자에게도 메시지는 비교적 분명하다. 투자자들이 AI 분야에 계속 관심을 두고 있지만, 단순한 데모보다 실제 현장에서 데이터를 모으고, 비용을 낮추며, 안전하게 반복 배포할 수 있는 팀을 더 주의 깊게 보는 흐름이 강해지고 있다. 제네시스 AI의 사례도 모델 성능만이 아니라 장갑, 로봇 손, 시뮬레이션, 데이터 엔진을 묶은 운영 구조가 핵심이다. 보스턴의 로보틱스·바이오 창업자는 기술 자체와 함께 고객 현장의 데이터 접근권, 규제·안전 검증, 장비 유지보수 모델을 함께 설명해야 할 가능성이 커지고 있다.

지금 당장 보스턴에서 대규모 채용 변화가 생겼다고 보기는 어렵다. 다만 장기적으로는 AI 인재 수요가 소프트웨어 엔지니어와 프롬프트 활용자에만 머물지 않고, 물리적 장비와 데이터를 함께 다룰 수 있는 직무로 확장될 수 있다. 제네시스 AI의 발표는 피지컬 AI가 아직 초기 단계라는 점과 동시에, 보스턴권 산업 생태계가 주목해야 할 다음 경쟁 축이 어디로 움직이는지를 함께 보여준다.