2027–2032: Humanoid Era (휴머노이드의 부상) — 비디오 학습과 세계모델로 범위 확장

 

 

 

방법론 전환: Noumena 등은 텔.레오퍼레이션 대신 인간 비디오로 학습하는 전략을 채택 — 작업자를 카메라로 녹화해 대량의 행동 데이터를 얻고, 이를 바탕으로 대형 모델을 훈련.

 

 

 

장점: 하드웨어 설치 불필요, 수집 비용 저렴(카메라), 다양한 고변동 작업(제조·농업·건설)에 확대 가능.

 

 

 

 

 

사후학습 해법: Noumena는 실제 배치된 로봇 데이터로 학습한 per-domain neural network world models를 만들어, 그 안에서 RL을 돌려 하드웨어 차이를 보정 → 실제에서 인간보다 빠른 작업 속도 달성(>100%).

 

 

 

데이터 생태계 등장: XSize 같은 ‘데이터 회사’가 특정 도메인 인체 비디오를 수집·판매하는 사업 모델로 급성장 — 도메인별 데이터 루프가 산업으로 확산.

 

 

 

제조 자립 전략(미국): 미국은 액추에이터 등 핵심 부품 제조를 국산화하려는 정책으로 전환. 액추에이터는 비용의 큰 부분(30–50%), 제조 공정의 많은 부분이 인력 의존 → 자동화로 국산화 목표.

 

 

 

중국의 반응: Unioak 등은 영상 학습으로 전환, 대규모 생산 능력+국가 지원으로 수천~수만 대 단위 휴머노이드 제조. 중국의 볼륨이 가격을 더 떨어뜨려 경쟁국 입지 약화.

 

 

 

사회적 혼란: 실업률(블루·화이트칼라)이 급증, 노동자들의 카메라 기록 거부, 정치적 요구(고세율·기업배당·UBI 등) 심화. 자동화는 산업 재편뿐 아니라 사회 규범·정책 전환을 촉발.

 

 

 

 

 

 

 

---

 

 

 

2031–2045: General Intelligence Era (EGI 달성) — 마지막 병목(장기기억·온라인 학습·사전학습) 해소

 

 

 

장기기억(Adaptive LTM) 해결: OpenBrain 등이 2029–2030 사이에 적응형 장기기억을 해결해 온라인 학습(장기간 문맥·자기개선) 능력을 확보. 이로써 로봇의 지속적 적응과 장기계획이 가능해짐.

 

 

 

비디오 기반 사전학습 성공: 비디오/세계모델(scale up)로부터 행동적 사전학습을 추출해 대규모 ‘로봇 기초모델’(foundation model)을 만들 수 있게 됨(예: Soreo4 같은 모델). 이로써 pre-training 병목도 해소.

 

 

 

EGI 실현: 이 세 가지(장기기억+온라인 학습+비디오 사전학습)가 결합되어 **Embodied General Intelligence(사물·환경에서 범용 작동 가능한 AI)**가 등장. OpenBrain의 EGI 모델은 새 환경에 던져도 평균적 인간 수준 성능을 달성.

 

 

 

대체의 범위 확대: EGI 휴머노이드는 건설·의료·교육·가정·농업·채굴 등 광범위한 분야 대체. 점차 성능이 인간을 능가.

 

 

 

산업적 결과: 여러 계층(저가 고정형 로봇, 고가 휴머노이드 등)이 공존 — 수직 특화 로봇은 여전히 경제성 유효. 제조 능력이 최종 병목: 누가 대량생산(특히 핵심 부품)을 제어하느냐가 패권 결정.

 

 

 

지정학·경제: 중국은 여전히 제조·에너지 우위. 미국은 반도체·클라우드·AI SW 리더십. 패권은 ‘에코시스템’(제조+컴퓨트+데이터)의 결합에 달림.

 

 

 

문화·정치: 실업률 급증(문서에는 수치로 거의 90% 근접), 자본 집중 심화. ‘두 번째 축의 시대(Second Axial Age)’라는 문화·이념적 전환 — 새로운 이데올로기가 다수 등장.