촉각 데이터로 피지컬 AI의 병목을 푸는 20대 창업가들

URL: https://www.youtube.com/watch?v=favRMy-9XNk
날짜: 2026-08-18
채널: eo_korea
출연: 김주우(Joowoo Kim, 28세, 공동창업자·CEO), 한송호(28세, 공동창업자·CTO), 손범수(24세, 공동창업자·CPO)
회사: 오픈 그래프 랩스(Open Graph Labs)

📌 핵심 질문 / 피지컬 AI가 현실을 이해하려면 무엇이 필요한가

==로봇과 피지컬 AI(Physical AI)가 현실에서 제대로 행동하려면 시각·청각 데이터만으로는 부족하며, 사람이 물체를 만지고 조작하는 촉각 데이터와 이를 안정적으로 수집·가공하는 전 과정을 함께 구축해야 한다.==

• 오픈 그래프 랩스는 기존 AI가 물리 정보를 잘 이해하지 못하는 문제를 촉각 데이터의 부재에서 찾고, 카메라와 촉각 글러브를 직접 만든다.
• 하드웨어(Hardware), 데이터 처리 소프트웨어(Software), 현장 운영(Operations)을 수직 통합해 사람의 1인칭 영상·촉각 데이터를 휴머노이드가 학습할 수 있는 형태로 바꾼다.
• 창업 6개월 만에 NVIDIA의 공식 파트너가 됐고, 미국의 글로벌 프런티어 랩과 협업하며 2026년 3분기부터 매출을 내기 시작해 이번 분기 약 10억 원의 매출을 예상한다.

로봇이 사람의 일을 모두 대체하는 미래를 상상하기보다, 오늘의 일을 로봇에게 인수인계하고 사람이 내일 할 일을 찾는 전환을 설계해야 한다. 이 전환에 현장 노동자와 엔지니어를 참여시키는 것이 충격을 줄이는 방법이며, 결국 어떤 로봇이 우리 삶에 들어올지는 아직 사람이 결정할 수 있다는 것이 이들의 관점이다.

1. 오픈 그래프 랩스가 푸는 문제: 피지컬 AI의 데이터 병목

1.1. 기존 생성형 AI가 물리 세계를 잘못 이해하는 이유

1. 영상 생성 모델의 물리적 실패

   1. OpenAI의 Sora나 Luma AI의 Luma 엔진에 “사람이 상자를 여는 모습”을 프롬프트로 요청하면 그럴듯한 영상이 생성된다.
   2. 그러나 생성된 영상에서는 사람이 상자에 손을 대기도 전에 상자가 스스로 열리는 식의 말이 안 되는 결과가 나온다.
   3. 이 현상은 모델이 영상의 표면적 모양은 흉내 내도 손이 물체에 닿고 힘을 가해 뚜껑이 열린다는 물리적 관계를 이해하지 못한다는 신호다.

2. 사람이 세계를 배우는 세 가지 감각

   1. 사람은 어릴 때부터 시각(Sight), 청각(Hearing), 촉각(Touch)을 비롯한 감각 신호로 세상을 보고 배우고 이해한다.
   2. 시각과 청각은 스마트폰과 카메라를 통해 비교적 쉽게 확보할 수 있지만, 촉각은 아직 일반적인 데이터 수집 장치로 충분히 기록되지 않는다.
   3. 이 세 감각 데이터를 AI에 함께 넣으면 현실을 이해하는 모델에 가까워질 수 있다는 가설이 회사의 출발점이다.

1.2. 직접 만든 카메라와 촉각 글러브

1. 수집 장비와 데이터

   1. 회사는 부품·행동 품질이 높은 데이터를 얻기 위해 하드웨어와 소프트웨어를 모두 직접 만든다.
   2. 직접 만든 카메라와 촉각 글러브(Tactile Glove)를 사용해 사람의 1인칭 시점 비디오와 손이 물체에 닿을 때의 촉각 데이터를 동시에 수집한다.
   3. 수집한 원천 데이터를 아카이빙하고, 휴머노이드가 학습할 수 있는 형식으로 정제·변환해 고객에게 제공한다.

2. 기존 하드웨어의 공백

   1. 시각·청각 장비는 널리 보급돼 있지만 촉각 데이터를 완벽하게 수집하는 현존 하드웨어는 없다고 판단했다.
   2. 따라서 기존 장비를 조합하는 데 그치지 않고 “궁극의 하드웨어(ultimate hardware)”를 직접 만들기로 했다.
   3. 이 선택은 센서 하나를 만드는 일이 아니라 장비, 데이터 포맷, 품질 검수, 현장 운영까지 함께 설계하는 사업으로 이어졌다.

2. 초창기 성과와 NVIDIA 진입

2.1. 고객과 파트너를 확보한 현재의 사업

1. 고객과 파트너

   1. 오픈 그래프 랩스는 미국의 빅테크와 글로벌 프런티어 랩에 수집·가공한 데이터를 판매한다.
   2. 대표 고객사로 NVIDIA를 언급하며, NVIDIA의 오픈소스 생태계인 Isaac Teleop Data Capture(아이작 텔레옵 데이터 캡처)의 9개 제품 중 하나로 공식 파트너가 됐다고 설명한다.
   3. 한국의 제조 환경을 많이 보유한 대기업들과도 긴밀하게 일하면서 데이터 수집·가공 파이프라인을 검증하고 있다.

2. 매출 시점과 규모

   1. 2026년 3분기부터 매출이 발생하기 시작했다.
   2. 인터뷰 시점의 이번 분기 예상 매출은 약 10억 원이며, 원제목의 “100만 달러 매출” 표현은 이 매출 규모와 성장 속도를 강조한다.
   3. 대형 고객의 요구가 먼저 발생한 뒤 생산·수집 인프라를 빠르게 확장했다는 점이 단순한 연구 프로젝트와 다른 사업적 특징이다.

2.2. 콜드 컨택에서 첫 NVIDIA 미팅까지

1. 논문과 연구자 네트워크를 이용한 접근

   1. 창업자들은 데이터 활용 가능성이 있는 리서처와 엔지니어를 찾기 위해 LinkedIn에서 관심을 가질 법한 사람들과, 자신들이 읽은 논문의 저자들에게 이메일과 메시지를 보냈다.
   2. 당시 NVIDIA 사람들의 답장률이 특히 높았다. NVIDIA 내부에서 촉각·새 모달리티에 대한 관심이 높은 상태였기 때문이다.
   3. 몇 명과 바로 연결돼 2월 초 첫 미팅을 잡았고, 한국에서 온 팀이라는 점 때문에 NVIDIA 측의 호기심도 커졌다.

2. Spencer Huang과 구매 의사결정자

   1. 첫 미팅에는 젠슨 황(Jensen Huang)의 아들인 스펜서 황(Spencer Huang)도 참석했다.
   2. 창업자 중 한 명은 평소 논문을 읽다가 고민이나 아이디어가 생기면 연구자에게 직접 연락하는 습관이 있었다.
   3. 그때 대화하던 NVIDIA 연구자가 실제 데이터 구매와 파트너 선택의 의사결정자였고, 첫 미팅에서 스펜서 황이 소개한 팀을 이미 알고 있었다.
   4. 이 연결 덕분에 “처음부터 다시 설명해야 하는” 단계가 줄었고, 빠르게 진행하면 된다는 속도가 붙었다.

3. 3일 밤샘 데모와 시간 공격

   1. NVIDIA 연구팀 전체가 며칠 뒤 촉각 데이터에 대해 논의할 예정이라며 보여줄 것이 있는지 다시 물었고, 팀은 있다고 답했다.
   2. 원래는 한 달 정도를 잡고 장기적으로 준비하려 했지만, 실제로는 3일 연속 잠을 거의 자지 않고 데모를 만들었다.
   3. 보드가 아직 도착하지 않은 상태에서 중국 전자상가에 가서 동일한 케이블을 찾아달라고 요청했다.
   4. 미국행 당일 공항에서도 비행기 출발 1시간 30분 전까지 작업하다가 비행기를 놓칠 뻔했다.
   5. “미룰 거면 내년에 하자”는 말까지 나올 만큼 급박했지만, 완벽한 제품이 아니라도 생각한 제품의 가장 초기 물리 버전을 일주일 안에 보여주고 한 번에 인상을 주는 것이 중요하다고 판단해 강행했다.

4. 초기 노출의 상징성

   1. NVIDIA 생태계에서 오픈 그래프 랩스의 이름이 Unitree와 Manus 같은 굵직한 로봇 회사 옆에 들어간 것을 큰 자부심으로 여긴다.
   2. 이 성과는 단순한 로고 노출이 아니라, 촉각 데이터 수집 장치가 로봇 학습 생태계 안에서 공식적인 쓰임을 인정받았다는 의미다.

3. 세 창업자의 배경과 팀이 만들어진 과정

3.1. 김주우: 화학자의 꿈에서 중국 유학과 창업으로

1. 입시 실패와 빠른 재출발

   1. 김주우는 원래 화학자가 되고 싶었지만 소위 상위 3대 과학 계열에 진학하지 못했다.
   2. 당시에는 미성숙해 학교에 늦게 가고 아침에 일어나지 못했으며, 결국 6개월 만에 학교를 그만뒀다고 회고한다.
   3. 부모에게 새롭게 자신을 증명하려면 빨리 대학에 가야 한다고 생각했고, 과학기술이 발전하던 중국으로 유학을 결정했다.
   4. 검정고시를 빠르게 통과해 또래보다 약 6개월 일찍 대학에 입학했고, 과학자를 돕는 금융가가 되고 싶어 중국에서 금융을 공부했다.

2. 연구와 제조를 접한 계기

   1. 한국생산기술연구원과 삼성디스플레이가 진행한 연구에 참여할 기회를 얻었다.
   2. 반도체 웨이퍼에 원자층을 증착하는 ALD(Atomic Layer Deposition) 공정과, 그 공정이 수행되는 클린룸 환경을 함께 연구했다.
   3. 17살 때 연구를 시작해 특허 2개와 논문 약 3편을 냈다.
   4. 이 경험은 훗날 촉각 센서·장갑과 제조 공정을 직접 다루는 창업으로 연결됐다.

3.2. 손범수: 대학 대신 만들고 증명한 하드웨어 창업가

1. 대학에 가지 않은 선택

   1. 손범수는 대학에 가지 않았고, 당시에는 대학의 필요성을 느끼지 못했다고 말한다.
   2. 아버지는 이를 많이 반대했으며 집의 컴퓨터도 아주 좋은 장비가 아니었다.
   3. 그 환경에서도 3D 모델링을 계속했고 발명대회에 나가 상을 받으며 조금씩 자신의 선택을 증명했다.
   4. 작은 성공을 계속 보여준 것이 아버지를 설득하는 데 도움이 됐을 것이라고 본다.

2. 스티브 잡스와 만들기의 동기

   1. 중학교 때 스티브 잡스가 세상을 떠난 뒤 자서전을 읽었다.
   2. 인류에 기여한다는 말에 깊은 인상을 받아 자신도 그런 것을 만들어야겠다는 결론에 도달했다.
   3. 이후 한국생산기술연구원·삼성디스플레이 연구에서 ALD와 클린룸을 경험하고, 특허와 논문을 통해 하드웨어 역량을 쌓았다.

3.3. 한송호: 서울대와 당근마켓에서 엔지니어링을 익히다

1. 수학·경제에서 엔지니어링으로
   1. 한송호는 고등학교 때 수학과 경제를 좋아해 그 과목에 집중했고, 다른 과목 성적은 대학 진학이 어려울 정도로 낮았다.
   2. 한국 입시 현실을 깨닫고 서울대학교에 가겠다고 결심했다.
   3. 서울대 농업생명과학 계열 학과에 진학했는데, 당시 한국에 개발 붐이 일어나고 있어 엔지니어링을 해보기로 했다.
   4. 유튜브로 개발을 공부하며 복학했고, 제대로 개발을 배울 수 있는 회사로 당근마켓(Danggeun Market)에 합격했다.
   5. 그곳에서 약 3년 동안 엔지니어링에 몰입하며 크게 성장했다.

3.4. 해커톤, 샌프란시스코, 그리고 세 번째 공동창업자

1. 한송호와 김주우의 만남

   1. 한송호는 HIIST의 블록체인 동아리·학회 Oracle에서 활동했고, 당시 일일 강사로 온 제리(Jerry)의 강연을 들었다.
   2. 제리가 매우 똑똑해 보인다고 느껴 강연이 끝난 뒤 직접 찾아가 더 이야기했고, 이후 가까워졌다.
   3. 다섯 명이 글로벌 해커톤에 많이 참여해 약 5회 우승했고, 사이드 프로젝트를 계속 개발·발전시켰다.
   4. 프로젝트를 진전시키려면 하드웨어를 맡을 팀원이 반드시 필요하다고 판단했다.

2. 샌프란시스코에서의 탐색

   1. 하드웨어를 할 사람을 어디서 찾을지 고민하다가 일단 샌프란시스코로 가기로 했다.
   2. 김주우는 오래전부터 아메리칸 드림을 품었고, Toronto와 San Francisco를 오가며 스타트업을 시도했지만 미국에서 제대로 빌딩해본 적은 없었다.
   3. 이번에는 미국을 마지막 기회로 생각하고 3~4차례 공동창업(co-founding) 시도를 하며 제품을 만들어봤다.

3. 손범수의 합류

   1. 친구를 통해 손범수를 만났는데, 손범수는 실제로 만들어본 것이 아주 많았다.
   2. 김주우는 “하드웨어 조각은 손범수”라고 생각하고 계속 팀 합류를 요청했다.
   3. 손범수는 자신이 지내던 해커하우스에 들어와 2주간 함께 지내며 서로를 시험해보자고 제안했다.
   4. 김주우는 바로 다음 날 해커하우스로 가서 2주를 같이 보낸 뒤 한국으로 돌아왔고, 세 사람이 공동창업자가 되기로 결정했다.
   5. 12월에 법인을 본격적으로 설립했다.

4. 논문 검증에서 연구자 시장 검증으로

4.1. 10가지가 넘는 데이터 수집 방식을 실험하다

1. 1월의 탐색

   1. 법인 설립 다음 달인 1월에는 관련 논문을 사실상 모두 읽었다.
   2. 최소 10개 이상의 서로 다른 데이터 수집 방식을 시도했다.
   3. 논문에는 가능하다고 적힌 방법도 직접 해보면 작동하지 않는 경우가 많았고, 이론과 현장 사이의 차이를 확인했다.

2. 실패한 방법을 만든 사람에게 묻기

   1. 논문대로 했는데 안 되면 논문 저자에게 직접 물어봐야겠다고 결정했다.
   2. 그 결정을 계기로 다시 샌프란시스코로 갔다.
   3. Stanford Robotics Center(SRC)에서 친구의 도움으로 “Tactile is the Future”라는 제목의 발표 자리를 만들고 연구를 공유했다.

4.2. 발표와 콜드 컨택으로 고객의 언어를 배우다

1. SRC에서 얻은 피드백

   1. 많은 교수와 리서처가 발표를 보러 왔다.
   2. 그들과 연결되면서 데이터에 대한 더 유의미한 피드백을 얻었고, 어떤 리서처와 엔지니어가 이 데이터를 실제로 쓸지를 탐색할 수 있었다.
   3. 데이터 수집 전에 고객과 먼저 만난다는 현재의 방식은 이때부터 형성됐다.

2. 고객 수요를 먼저 확인하는 방식

   1. “우리가 만들고 싶은 것”을 먼저 만든 뒤 사용자를 찾는 대신, 타깃 리서처가 실제로 어떤 데이터를 필요로 하는지 먼저 확인했다.
   2. 고객이 감당하기 어려울 만큼 큰 물량을 요청하자, 불가능하다고 물러서지 않고 반드시 해야 할 일로 받아들였다.
   3. 이후 한국과 멕시코의 수집 인프라를 빠르게 가동하며 수요에 맞춰 조직·생산 능력을 확장했다.

5. 중국 제조 현장을 뚫은 프로토타입과 양산

5.1. 세 번째 프로토타입이 만든 구매 수요

1. 시장 검증 기간

   1. 2월부터 4월까지 시장 검증용 프로토타입을 계속 만들었다.
   2. 세 번째 프로토타입이 빅테크 관계자들에게 매우 좋은 반응을 얻었다.
   3. 시제품으로 만들면 많이 사고 싶다는 수요를 처음 확인했고, 이것을 계기로 곧바로 중국행 비행기를 샀다.

2. 중국에서 만든 생산 사이클

   1. 김주우와 줄리아(Julia)는 약 1~2개월 중국에 머물며 제조 공정을 확보했다.
   2. PCB를 일주일 단위 사이클로 제작하고, 실리콘 공장 미팅을 다니며 버전원 생산 기반을 만들었다.
   3. 줄리아는 공장이 깨끗하고 좋아 계약할 것 같다고 말했고, 중국 공장에 혼자 와서 공장 관계자와 식사하며 어떤 음식을 먹을지 기대하는 장면도 나온다.

5.2. 버전원 양산과 7일 이터레이션

1. 500대 양산 준비

   1. 버전원(Version 1) 양산 준비가 끝나 중국 공장에서 PCB, 센서, 장갑 패브릭 생산 라인이 돌아가기 시작했다.
   2. 두 달 안에 실제로 약 500대를 양산해 사용할 계획이다.

2. 7일 프로토타이핑 루프

   1. 프로토타입을 받은 뒤 4일 만에 다시 보내고, 이틀 동안 수정한 뒤 재의뢰하는 방식으로 7일 사이클을 만들었다.
   2. 중국에서 일주일마다 제품을 깎아나가는 이터레이션(iteration) 루프를 만들었다는 뜻이다.
   3. 물량만 보면 중국 공장에 들어오는 하드웨어 주문 중 큰 편이 아니므로, 작은 팀이 빠른 생산 우선순위를 얻으려면 별도의 설득이 필요했다.

3. 초기 TSMC라는 이야기로 설득하기

   1. 공장에는 “우리는 잘될 수밖에 없는 기업이고, 오늘 나를 도와주는 것은 초기 TSMC를 돕는 것과 같다”고 말했다.
   2. 단순히 주문량을 과장하는 대신, 자신들이 왜 이 일을 하는지와 앞으로의 가능성을 진심으로 보여주면 공정 속도가 실제로 빨라진다고 설명한다.
   3. 중국 제조 파트너에게도 진실성과 진정성을 보여주는 것이 중요했다.

6. 현장 데이터 수집: 싱크 품질과 한국 제조의 문제

6.1. 멕시코에서 발견한 동기화 문제

1. 수집 현장의 예상 밖 난이도

   1. 첫 데이터 수집은 멕시코에서 진행했다.
   2. 처음에는 데이터 수집이 쉬울 것이라고 생각했지만, 실제 현장에서는 문제가 많이 발생했다.
   3. 머리와 손목에 카메라를 착용하며 총 세 대의 카메라를 사용했고, 세 장비가 시간적으로 정확히 맞아야 했다.

2. 싱크가 맞지 않으면 학습 데이터가 무너진다

   1. 세 카메라가 동시에 시작하고 동시에 종료해야 하며 각 장비의 내부 시계(clock)가 다르다.
   2. 별다른 조정 없이 수집하면 서로 맞지 않는 데이터가 되고, 영상·손동작·접촉 시점의 대응 관계가 깨진다.
   3. 기존 데이터 수집 회사들이 이런 동기화(synchronization) 품질을 충분히 고려하지 않는다고 보고, 오픈 그래프 랩스는 고품질 데이터의 핵심으로 싱크 품질을 점검한다.

6.2. 여수 산업단지에서 본 숙련공 전승 문제

1. 한국 시장에 집중한 계기

   1. 사람의 행동 데이터를 모아 가공한 뒤 휴머노이드가 학습할 수 있는 형태로 바꾸는 전체 파이프라인을 설명하자 한국에서도 관심이 매우 컸다.
   2. 이후 한국에 어떤 문제가 있는지 더 집중해 살펴보기 시작했다.

2. 여수의 인구 감소와 숙련 기술의 소멸

   1. 여수 지역에서는 사람이 계속 줄어들고 있다는 이야기를 들었다.
   2. 여수 산업단지에는 신규 채용 인력이 더 이상 충분히 들어오지 않는다.
   3. 현재 일하는 숙련공이 은퇴하면 그들이 가진 현장 감각과 암묵지(implicit skill)를 전수할 곳이 없다는 것이 문제라고 판단했다.

3. 현장 POC

   1. 공장 노동자가 카메라와 자체 제작 촉각 글러브를 착용하고 실제 작업을 한다.
   2. 오픈 그래프 랩스는 이 데이터를 잘 아카이빙하고 휴머노이드가 학습할 수 있는 형식으로 변환한다.
   3. 그 결과를 기업에 엔드투엔드(end-to-end)로 보여주는 POC(Proof of Concept)를 진행하고 있다.

6.3. 한국의 다양한 데이터 수집 장소

1. 서울대 로봇 동아리와 수집 인력

   1. 한국에서는 서울대학교 로봇 동아리 학생 약 20명을 모집해 데이터를 모으고 있다.
   2. 물류 창고, 카페 등 여러 환경을 확보해 특정 실험실에 한정되지 않는 행동 데이터를 수집한다.

2. 현장 파트너 모집

   1. 다양한 공장주와 피지컬 AI 여정에 함께하고 싶은 사람들에게 연락을 요청한다.
   2. 실제 작업 환경을 제공하는 기업과 수집 장비·품질 관리·학습용 변환을 맡는 회사가 결합해야 현실적인 데이터가 나온다고 본다.

7. 하드웨어·소프트웨어·오퍼레이션의 수직 통합

7.1. 세 가지 필러

1. 하드웨어

   1. 직접 만든 카메라와 촉각 글러브로 물체 접촉과 사람의 1인칭 행동을 기록한다.
   2. 센서, PCB, 장갑 패브릭을 제조 공정과 함께 관리해 데이터 수집 장치 자체를 개선한다.

2. 소프트웨어 파이프라인

   1. 장비에서 들어온 영상을 맞추고 촉각 정보를 함께 처리한다.
   2. 사람의 행동 데이터를 수집·가공한 뒤 휴머노이드가 학습 가능한 형식으로 바꾸는 소프트웨어를 제공한다.

3. 오퍼레이션

   1. 여러 국가와 공장·카페·물류 창고에서 실제 데이터를 모으는 운영 능력이 필요하다.
   2. 데이터 수집자 교육, 장비 운용, 싱크 품질 점검, 아카이빙과 변환까지 현장 프로세스를 묶어야 한다.

7.2. 기존 플레이어와 다른 포지션

1. 수직 통합의 이유

   1. 기존 플레이어는 하드웨어·소프트웨어·운영 중 한 가지에 집중하는 경우가 많다.
   2. 오픈 그래프 랩스는 세 영역을 모두 수직적으로 통합해 질 좋은 데이터를 생산한다.
   3. 데이터 자체가 고객에게 전달되는 제품이므로, 센서 품질만큼 수집 과정과 후처리 품질이 중요하다.

2. 유럽 Micro AI에 소프트웨어 공급

   1. 유럽에서 데이터 수집 규모가 가장 큰 팀 중 하나인 Micro AI의 인프라에서 중요한 필러를 담당하며 소프트웨어를 공급하고 있다.
   2. 유럽 최대 규모 팀이 실제로 사용하는 수준으로 기술이 성숙했고 구조도 잘 짜여 있다고 보고, 소프트웨어에 자신감을 갖고 있다.

8. 이전 창업 실패에서 얻은 고객 중심의 전환

8.1. 사용자를 만나지 않고 만든 예쁜 제품

1. 스튜디오 플랫폼

   1. 학생 때 학교 친구들과 예쁜 스튜디오를 모아 보여주는 플랫폼을 약 6개월 개발했다.
   2. 실제 사용자를 한 명도 만나지 못했고, 사용자가 아니라 자신이 개발하고 싶은 플랫폼을 만들고 있었다.

2. 군대 이후의 Handy

   1. 군대에서 커리어를 바꿔 소프트웨어 엔지니어링과 디자인을 공부했다.
   2. 이상적인 제품을 만들기 시작했고, ‘Handy’라는 서비스를 개발했다.
   3. 3D에도 iPhone Moment 같은 전환점이 올 것이라 보고, 3D로 저장하는 공간을 만들자는 콘셉트였다.
   4. 시각적 완성도는 높았지만 사용자 목소리를 충분히 듣지 못했고, 결국 매출이 나지 않아 제품을 선셋(sunset)했다.
   5. 이 경험을 통해 창업자는 자신이 좋아하는 일에 몰입하고 제품을 정성스럽게 깎아야 하지만, 그 제품이 고객의 실제 문제와 연결돼야 한다는 점을 배웠다.

8.2. 블록체인 투자 플랫폼과 문제 집착

1. 첫 창업

   1. 약 2년 동안 첫 창업을 했고, 당시 유행하던 블록체인을 활용해 여러 실험을 하는 사람들을 봤다.
   2. 이들을 도울 투자 플랫폼을 만들면 어떨까 생각해 엔젤 투자자를 한 번에 모아주는 금융 플랫폼을 만들었다.

2. 실패의 원인

   1. 자신이 풀고 싶은 문제에 너무 몰입했다.
   2. 시장이 실제로 원하는지 확인하기 전에 창업자의 이상적인 문제 정의와 제품을 밀어붙였다.

8.3. 이번 창업에서 바뀐 것

1. 리서처와 함께 문제를 정의하다

   1. 이번에는 타깃으로 삼은 리서처들과 정말 많은 시간을 보낸다.
   2. 리서처가 만족할 만한 데이터를 제공하면 비즈니스가 더 잘되는 구조를 직접 확인하고 있다.

2. 수요에서 문제로 거꾸로 가기

   1. 고객 수요를 먼저 확인한 다음 그 문제를 풀기 때문에, 정말 의미 있는 문제를 풀고 있다는 감각을 얻는다.
   2. 대형 고객의 물량 요청은 팀의 역량을 넘어섰지만, 그 요구 자체를 시장이 존재한다는 신호로 보고 멕시코·한국 인프라를 확장했다.

9. 오픈 그래프의 미래상과 인간-로봇 공존

9.1. 오픈 그래프를 로봇을 위한 학교로 만들기

1. 월드 모델과 학습의 장소

   1. 오픈 그래프는 단순한 데이터 공급사가 아니라 학교와 같다고 생각한다.
   2. 먼 미래에 어떤 로봇이든 오픈 그래프에 와서 Open Graph World Model로 세상을 공부하면, 다른 로봇 회사의 로봇보다 일을 더 잘하게 되는 것이 목표다.

2. 다음 세대에 대한 개인적 소망

   1. 언젠가 아이가 생기면 그 아이는 로봇과 함께 살게 될 것이다.
   2. 자신들이 가르친 로봇과 아이가 함께 지낼 수 있기를 바란다.
   3. 창업자는 카메라와 글러브로 데이터를 모으는 사업을 미래 세대가 살 세계를 가르치는 일로 바라본다.

9.2. 한국의 오픈 그래프 해커하우스

1. 부품을 모아두는 공간

   1. 한국에서 사업이 잘되면 오픈 그래프 해커하우스를 만들 계획이다.
   2. 한국에서는 부품을 구하기가 매우 어렵기 때문에 다양한 부품을 대량으로 쌓아두려 한다.
   3. 엔지니어들이 편하게 와서 부품을 사용하고 함께 만들 수 있는 공간을 상상한다.

2. 고시원에서 시작한 현실적인 창업

   1. 한 장면에서 창업자는 석촌 고시원에 살고 있다고 말한다.
   2. “이게 2주 동안 입은 옷의 전부”라고 보여주고, 나머지는 장비가 든 짐이라고 설명한다.
   3. 큰 비전과 달리 실제 창업 초기에는 최소한의 옷과 장비만 갖고 이동하며 제품과 고객을 만들어야 했다는 대비가 드러난다.

9.3. 터미네이터가 아닌 친구 같은 로봇

1. 로봇의 형태는 아직 정해지지 않았다

   1. 로봇은 결국 인간의 삶에 더 가까이 들어올 것이지만, 그때 어떤 모습이 될지는 아직 결정할 수 있다고 본다.
   2. 사람을 감시하는 터미네이터 같은 로봇이 집단을 이루는 미래보다, 집의 대문을 열어주고 필요한 일을 돕는 친구 같은 존재를 꿈꾼다.

2. 대체가 아닌 인수인계

   1. 많은 사람은 로봇이 “나를 대체하려고 한다”고 생각한다.
   2. 이들은 대체(replacement)보다 오늘의 일을 로봇에게 인수인계하고 사람이 내일 할 일을 찾는 방향이 맞다고 말한다.
   3. 어느 날 갑자기 스위치를 켜듯 모두가 다르게 일하게 될 것이라고 통보하기보다, 변화 과정에 당사자들을 참여시켜야 한다.
   4. 사람을 자연스럽게 다음 단계로 옮기고 전환 충격을 줄이는 것이 피지컬 AI의 기술 문제만큼 중요한 사회적 과제다.

10. 정상적인 경로와 행복한 선택에 대한 창업자들의 생각

10.1. 정해진 경로를 모두 밟은 뒤의 질문

1. 한송호의 관점

   1. 좋은 학교에 가고 좋은 회사에 들어가 결혼하는 등 한국에서 전형적으로 해야 한다고 여기는 일을 모두 해왔다고 말한다.
   2. 그 과정을 마친 뒤에는 이제 자신이 하고 싶은 것은 무엇이든 해도 되겠다는 생각이 들었다.
   3. 하지만 손범수와 함께 일하면서, 꼭 기존 경로를 전부 깨고 난 뒤에야 원하는 일을 시작할 필요가 있었을까 하는 생각도 하게 됐다.

2. 정상과 비정상의 기준

   1. 정상적인 루트와 비정상적인 루트가 따로 있는 것이 아니라 각자 하고 싶은 대로 하면 된다고 본다.
   2. 중국에서 살며 세상이 너무 크고 사람이 너무 다양해 정상의 기준이 매우 다르다는 것을 경험했다.
   3. 정상이라는 기준은 고정된 외부 규칙이 아니라 나를 기점으로 만들어지는 것이라고 결론 내렸다.

10.2. 죽기 전에 할 후회를 기준으로 도전하기

1. 시도하지 않은 후회

   1. 죽기 전에 “더 열심히 공부해 더 좋은 회사에 갈걸”이라고 생각할지, “그때 그냥 한 번 시도해볼걸”이라고 생각할지 상상해봤다.
   2. 자신은 후자를 후회할 것 같았고, 그래서 순간순간 실패하더라도 행복한 결정을 하려고 한다.

2. 실패의 크기를 현실적으로 보기

   1. 인생은 길고, 망해봤자 얼마나 망하겠느냐는 생각이 도전의 근거가 됐다.
   2. 가장 좋은 선택은 자신을 행복하게 하는 일을 하는 것이라고 말한다.

10.3. 실리콘밸리의 환상과 한국인의 도전

1. 어려운 문제를 함께 푸는 즐거움

   1. 자신들이 하는 일이 진정으로 재미있고, 어려운 문제가 왔을 때 함께 머리를 맞대 해결하면 엄청난 도파민을 느낀다.
   2. 이 경험이 실리콘밸리 엔지니어는 모두 천재일 것이라는 막연한 환상과 연결돼 있었다.

2. 능력보다 환경의 차이

   1. 실리콘밸리에 와서 이야기해보니 한국인만큼 똑똑한 사람이 정말 드물다고 느꼈다.
   2. 이는 역량의 차이가 아니라 환경의 차이라고 본다.
   3. 한국에서 하는 일과 그들이 하는 일은 생각보다 다르지 않고, 가장 큰 차이는 언어다.
   4. 완벽하게 소통하지 못해도 정말 문제를 풀고 싶은 사람들은 같은 미션을 공유하기 때문에 서로 통하는 것이 많다.

3. 답을 아무도 모르는 영역에 뛰어들기

   1. 한국인이 못할 일은 절대 없으며, 그런 마음가짐이 있다면 무조건 도전해야 한다고 말한다.
   2. 피지컬 AI는 아직 누구도 정답을 알고 있지 않은 영역이므로, 정답을 기다리기보다 직접 장비를 만들고 데이터를 수집하며 답을 만들어가야 한다.

주요 발언 모음

“대체가 아니라 오늘날의 일을 인수인계하고 내일 할 일을 찾는 거, 그게 우리가 해나가야 될 방향이라고 생각한다.”

“시각이랑 청각은 모두가 핸드폰과 카메라를 가지고 있으니, 그 나머지 비어 있는 퍼즐이 촉각이라고 생각했다.”

“우리가 잘될 수밖에 없는 기업이고, 오늘 네가 나를 도와주는 게 초기 TSMC를 도와주는 거랑 같은 일이다.”

“인생 긴데 망해봤자 얼마나 망하겠냐는 생각으로 순간순간 실패하더라도 행복한 결정을 하고 있다.”

“한국인들이 못할 건 절대 없다. 마음가짐이 있다면 무조건 도전해야 된다. 아무도 답을 모르기 때문이다.”

핵심 데이터 & 수치

• 창업자 나이: 김주우 28세, 한송호 28세, 손범수 24세다.
• NVIDIA 진입: 논문 저자와 연구자에 대한 콜드 컨택에서 시작해 법인 설립 후 약 6개월 만에 공식 파트너가 됐다.
• 공식 생태계: NVIDIA Isaac Teleop Data Capture 생태계의 9개 제품 중 하나로 파트너가 됐다고 설명한다.
• 매출: 2026년 3분기부터 매출이 발생했고 이번 분기 약 10억 원을 예상한다.
• 초기 실험: 최소 10개 이상의 데이터 수집 방식을 논문으로 조사하고 직접 시도했다.
• 데모 준비: 갑작스러운 NVIDIA 미팅을 위해 약 3일 연속 밤샘했다.
• 프로토타입: 2월부터 4월까지 시장 검증용 프로토타입을 만들었고 세 번째 버전에서 빅테크의 구매 수요를 확인했다.
• 양산: 버전원에서 PCB·센서·장갑 패브릭 공장을 가동하고 두 달 안에 약 500대를 생산할 계획이다.
• 제조 이터레이션: 4일 만에 프로토타입을 받고 이틀 수정하는 7일 사이클을 구축했다.
• 데이터 장비: 머리·손목 등에 세 대의 카메라를 사용하며 동시 시작·종료와 장비별 시계 보정이 필요하다.
• 현장 인력: 서울대학교 로봇 동아리 학생 약 20명을 모집해 데이터를 수집하고 있다.
• 연구 이력: 손범수는 17살에 ALD와 클린룸 연구를 시작해 특허 2개와 논문 약 3편을 만들었다.
• 이전 제품: Handy는 약 6개월 개발했지만 실제 사용자와 충분히 만나지 못해 매출 없이 선셋했다.
• 이전 창업: 블록체인 기반 엔젤 투자자 연결 금융 플랫폼을 약 2년 운영했다.

결론 및 시사점

1. 피지컬 AI의 경쟁력은 모델 이름만이 아니라 현실의 행동을 얼마나 정밀하게 측정하고 학습 가능한 데이터로 바꾸는지에 달려 있다.
2. 촉각은 시각·청각에 이어 현실 이해를 완성하는 핵심 모달리티이며, 손의 접촉과 힘을 기록할 장비가 아직 큰 공백으로 남아 있다.
3. 하드웨어만 만들면 데이터 사업이 완성되지 않는다. 센서, 동기화, 소프트웨어 파이프라인, 현장 오퍼레이션을 한 시스템으로 묶어야 한다.
4. 연구 논문을 읽는 것과 함께 논문 저자·잠재 고객·구매 의사결정자에게 직접 연락해야 실제로 작동하는 조건과 수요를 알 수 있다.
5. 완벽한 제품을 기다리기보다 일주일 안에 물리적 초기 버전을 보여주고 고객의 반응을 받아 반복하는 속도가 큰 기업과 협업하는 출발점이 된다.
6. 중국 제조 현장에서는 작은 주문량만으로 우선순위를 얻기 어렵기 때문에, 제품의 미래와 진정성을 설명해 파트너의 동기를 만들어야 한다.
7. 대형 고객의 감당하기 어려운 물량은 부담인 동시에 시장이 이미 존재한다는 강한 신호이므로, 수요에 맞춘 인프라 확장 판단이 필요하다.
8. 여수 산업단지의 숙련공 기술처럼 사라질 위험이 있는 암묵지를 영상·촉각 데이터로 남기는 일은 로봇 학습과 산업 지식 보존을 동시에 해결할 수 있다.
9. 로봇 도입은 사람을 한 번에 대체하는 스위치가 아니라, 현장 구성원이 과정에 참여하며 오늘의 일을 넘기고 내일의 일을 찾는 전환이어야 한다.
10. 창업의 정상적인 경로는 하나가 아니며, 환경과 언어가 다를 뿐 한국인도 정답을 모르는 문제에 충분히 도전할 수 있다.

핵심 요약 (20줄)

피지컬 AI는 시각과 청각만으로 현실을 이해하기 어렵고 촉각 데이터가 필요하다. 오픈 그래프 랩스는 카메라와 촉각 글러브를 직접 만들어 사람의 행동 데이터를 수집한다. 세 창업자는 하드웨어·소프트웨어·오퍼레이션을 수직 통합해 로봇 학습용 데이터를 만든다. 영상 생성 모델이 손이 닿기 전에 상자를 여는 장면은 AI의 물리 이해 부족을 보여준다. 사람은 시각·청각·촉각으로 세상을 배우므로 AI에도 세 감각을 함께 넣어야 한다. 시각과 청각 장비는 흔하지만 촉각을 완벽하게 수집하는 하드웨어는 아직 부족하다. 오픈 그래프 랩스는 NVIDIA Isaac Teleop Data Capture 생태계의 공식 파트너가 됐다. 논문 저자와 연구자에게 보낸 콜드 컨택이 6개월 만의 NVIDIA 연결로 이어졌다. 갑작스러운 NVIDIA 미팅을 위해 팀은 보드와 케이블을 구해 3일 밤샘으로 데모를 만들었다. 세 번째 프로토타입에서 빅테크 고객의 구매 수요를 확인하고 중국 제조 현장으로 향했다. 중국에서 PCB·센서·장갑 패브릭을 생산하며 4일 제작과 2일 수정의 7일 루프를 만들었다. 버전원 장비는 두 달 안에 약 500대를 양산하는 계획으로 전환됐다. 멕시코 현장에서는 세 카메라의 시계와 시작·종료 시점을 맞추는 일이 핵심 난제였다. 동기화가 어긋나면 영상과 손동작의 대응이 깨져 학습에 쓸 수 없는 데이터가 된다. 여수 산업단지에서는 숙련공 은퇴 후 현장 기술을 전수할 사람이 없는 문제가 드러났다. 노동자가 카메라와 글러브를 착용하면 사라질 지식을 휴머노이드 학습 데이터로 보존할 수 있다. 과거 창업에서 고객을 만나지 않고 예쁜 제품을 만든 경험이 현재의 고객 우선 전략을 만들었다. 오픈 그래프는 미래의 로봇이 세상을 배우는 학교이자 월드 모델을 만들고 싶은 회사다. 로봇 도입은 사람을 대체하는 일이 아니라 오늘의 일을 넘기고 내일의 일을 찾는 과정이어야 한다. 정답을 아는 사람이 없으므로 환경과 언어의 차이에 위축되지 말고 행복한 결정을 하며 도전해야 한다.