Figure AI, 판매할 제품도 없이 35억 달러어치 컴퓨팅을 확보하다

2026년 9월 27일부터 10월 2일까지 피츠버그에서 열린 IROS 2026에서, 평소의 연구 데모 행렬 속에서도 유독 눈에 띄는 발표가 하나 있었다. Figure AI는 AI 클라우드 제공업체 Nscale과 다년간 파트너십을 체결했으며, 초기 35억 달러를 컴퓨팅에 약정하고, 60억 달러 이상으로 확장하며, 2027년 하반기부터 최대 10만 개의 Nvidia GPU를 배치할 계획이라고 밝혔다.

구축은 텍사스주 배스토우에서 계획되어 있다. 훈련은 Nvidia의 Vera Rubin 플랫폼에서 실행되고, 검증은 Isaac Sim에서 이루어지며, 결국 같은 GPU가 로봇 내부에서도 구동될 예정이다.

증명 전에 걸린 베팅

휴머노이드 기업들은 많은 자금을 조달했고, 대부분 하드웨어와 파일럿에 쏟아부었다. 로봇이 대규모로 유급 작업을 수행하기도 전에 컴퓨팅에 이만큼을 약정하는 것은 다른 종류의 베팅이다. 이는 휴머노이드의 결정적 제약이 기계 부품이 아니라 훈련 컴퓨팅과 모델 품질이 될 것이라고 회사가 믿는다는 뜻이다.

그 믿음은 검증 가능하며, 지금까지의 증거는 엇갈린다. 세계에서 가장 주목받는 휴머노이드 프로그램인 테슬라의 Optimus는 9월 말 프리몬트 라인의 생산량을 주당 수백 대로 늘렸는데, 이는 2분기 속도의 약 10배이며, 공급업체들은 2026년 한 해 약 15,000대 분의 부품을 요청받았다고 한다. 보고된 병목은 주당 껍데기 수가 아니다. 바로 손과, AI가 작업 전반으로 일반화하지 못하는 능력이다. 몸체를 만들 수 있는 공장이 몸체를 유용하게 만드는 문제를 해결한 것은 아니다.

Figure의 컴퓨팅 약정은 사실상 그 일반화 문제에 훨씬 더 많은 훈련 용량을 퍼붓는 것이 올바른 선택이라는 베팅이다. 그것이 사실이라면, 컴퓨팅을 먼저 확보한 회사가 우위를 갖는다. 그렇지 않다면, 그 돈은 거대한 청구서와 수많은 유휴 GPU를 사는 셈이다.

10만 GPU라는 숫자가 핵심인 이유

로봇 내부에 GPU를 배치하는 부분이 주목할 만하다. 훈련 컴퓨팅은 알려진 수량이다. 움직이는 기계가 감당할 수 있는 전력 및 열 예산 안에서 대규모 모델을 실시간으로 실행하는 온보드 컴퓨팅은 더 어려운 엔지니어링 목표다. Figure가 Nvidia GPU를 로봇에 대규모로 넣을 계획이라면, 이는 자사가 돌리고 싶은 모델이 엣지 가속기로는 감당할 수 없을 만큼 크다는 신호다.

그것은 Figure를 훨씬 넘어서는 결과를 낳는다. 이는 전력, 냉각, 단위당 비용에 대한 요구사항을 설정해, 휴머노이드가 구매자에게 갖는 가치를 바꾼다. 작동에 진짜 GPU가 필요한 로봇은 휴대폰급 칩에서 소형 모델을 돌리는 로봇과는 다른 제품이다.

나머지 업계는 어디쯤인가

IROS 현장은 유용한 비교군을 제공했다. Agility Robotics는 이족 보행 로봇의 차세대 버전인 Digit 5를 공개했고, Amazon, GXO, Schaeffler, Toyota Motor Manufacturing Canada를 포함한 북미 고객 현장에서 Digit 4가 65,000시간 이상 운용되었다고 밝혔다. Agility는 또한 휴머노이드의 기능 안전을 목표로 FORT Robotics와 파트너십을 발표했다. 서비스 시간과 안전성 입증이라는 이 두 가지가 공장 구매자가 계약 전에 요구하는 것이다.

Sanctuary AI는 전선 플러그 연결 작업에서 2.54초 주기 시간에 99.5퍼센트 이상의 성공률을 보고했으며, 1차 자동차 부품 공급업체의 실제 벤치마크에 대해 검증받았다고 밝혔다. 이는 좁은 작업이며, 좁은 작업은 바로 이 기술이 준비된 영역이다. Unitree는 학계를 위한 Isaac GR00T 참조 플랫폼으로 H2 Plus를 발표하며 빠른 출시 주기를 이어갔다. Astribot은 이번 콘퍼런스를 통해 T1 휴머노이드를 북미에서 약 18,000달러에 선보였는데, 작업자가 아닌 연구 플랫폼으로 포지셔닝했다.

종합해 보면, 이 분야는 갈라지고 있다. 일부 기업은 범용 능력을 입증하기 위해 속도를 내며 컴퓨팅에 막대한 돈을 쓰고 있다. 다른 기업은 좁고 측정 가능한 작업을 출시하고, 고객이 실제로 돈을 지불하는 안전 및 서비스 기록을 쌓고 있다.

콘퍼런스 전체가 시사한 것

IROS는 연구자 모임이며, 기술 세션은 관심이 어디에 쏠려 있는지를 반영했다. 워크숍은 민첩한 로코-매니퓰레이션, 실제 환경에서 비전-언어-행동 컨트롤러의 정책 평가, 그리고 시뮬레이션 훈련을 물리적 이족 보행 기계로 전이하는 주제에 집중했다. 마지막 주제가 시뮬레이션에 쓴 컴퓨팅이 공장 현장의 행동으로 바뀌는지를 결정한다.

개최 도시는 피츠버그였고, 이는 카네기멜런의 로보틱스 역량을 부각했다. 수년간 로봇이 파쿠르를 하는 인상적인 영상들을 만들어 온 분야에서, 접촉이 많은 매니퓰레이션과 실제 환경 평가로 강조점이 이동한 것은 의미 있는 방향 전환이다. 로봇이 점프하는 모습을 찍는 것이, 낯선 물체를 안전하게 집는 로봇을 인증하는 것보다 쉽다.

컴퓨팅 논거를 분명히 말하면

Figure의 베팅은 구체적인 주장에 기대고 있다. 시연을 잘하는 휴머노이드와 실제로 작동하는 휴머노이드 사이의 격차는 대부분 모델링 문제이며, 모델링 문제는 데이터와 컴퓨팅으로 해결된다는 것이다. 그 주장이 터무니없지는 않다. 지난 몇 년간 더 크고 다양한 데이터로 훈련을 확장하면 다른 영역에서 일반화가 계속 개선된다는 것이 드러났고, 매니퓰레이션이 예외라고 생각할 강한 이유는 없다.

반론은 로보틱스에 언어 모델에는 없던 데이터 문제가 있다는 것이다. 텍스트는 웹에 넘쳐난다. 손이 새로운 위치의 새로운 물체를 잡는 법을 가르치는 종류의 고품질 매니퓰레이션 데이터는 수집 비용이 비싸고 정확하게 시뮬레이션하기 어렵다. 데이터 파이프라인이 갖춰져 있다면 더 많은 컴퓨팅이 도움이 된다. 그렇지 않다면 대규모 훈련 클러스터는 대부분 놀게 된다.

구매자가 여기서 얻어야 할 것

로봇 대수보다 더 중요한 두 가지 지표가 있다. 첫째는 매니퓰레이션 신뢰성, 즉 손이 실패 없이 다양한 파지를 할 수 있는지다. 둘째는 일반화, 즉 한 물체 세트에서 훈련된 행동이 새로운 조명, 새로운 배치에서 새 물체로 전이되는지다. 주간 생산 수치는 둘 중 어느 것도 말해 주지 않는다.

Figure의 컴퓨팅 약정 같은 것들은 두 번째 지표를 정조준한다. 그것이 통할지는 미해결 질문이며, 답은 보도자료에서 나오지 않을 것이다. 답은 배스토우에 구축된 컴퓨팅 용량으로 훈련된 로봇이 한 번도 본 적 없는 물체를 집어 올려 라인 위에서 감독자 없이 올바르게 내려놓을 수 있는지에서 나올 것이다.

일찍 뛰어든 대가

또한 단순한 재무적 위험도 있다. 컴퓨팅 계약은 다년간 의무이며, GPU 세대는 빠르게 움직인다. 오늘의 훈련 실행에 맞춘 약정은 18개월 뒤에는 분야가 어느 쪽으로 움직이느냐에 따라 과대하거나 과소해 보일 수 있다. Figure는 더 많이, 덜이 아니라 더 많이 필요할 것이라고 베팅했다.

그 베팅은 방어 가능하다. 로보틱스의 최전선은 더 큰 모델로 움직이고 있고, 더 큰 모델은 더 많은 컴퓨팅을 필요로 한다. 문제는 타이밍이다. Figure가 시사하는 일정대로 일반화가 도래하면, 조기 약정은 선견지명으로 보인다. 더 오래 걸리면, 회사는 문제가 해결되기를 기다리는 동안 거대한 고정비를 떠안게 된다.