ByteDance 로보틱스 베테랑 타오 콩, Xiaomi 합류로 로봇 파운데이션 모델 경쟁 격화

Xiaomi가 2025년 여름 ByteDance의 전 로보틱스 책임자 타오 콩을 영입해 비공개로 운영되는 로봇 파운데이션 모델 팀을 맡겼다고 전해진다. 이 인사가 중요한 이유는 Xiaomi가 이제 단순한 연구 책임자를 확보한 데 그치지 않기 때문이다. ByteDance의 로보틱스 프로그램을 6년간 구축한 경영진과 함께 Xiaomi의 기기, 차량, 공장에 직접 접근할 수 있는 기반까지 갖추게 됐다.

이 인사 이동은 양사 사정에 정통한 복수의 독립 소식통을 인용해 36Kr이 2026년 8월 10일 보도했다. 소식통들은 콩이 여러 ByteDance 전직 직원을 데려왔다고 전했다. 또 Xiaomi의 전체 로보틱스 조직 규모가 약 200명이라고 했지만, Xiaomi는 해당 수치를 공개적으로 확인하지 않았다.

이는 단순한 고위 AI 인재 영입이 아니다. ByteDance는 콩의 지휘 아래 중국에서 가장 주목받는 범용 로봇 모델 프로그램 가운데 하나를 구축했으며, Xiaomi는 2026년 들어 자체 모델과 학습 방법을 잇달아 공개해 왔다. 이제 경쟁은 체화형 AI를 향한 두 접근법 사이에서 벌어진다. 하나는 모델에서 출발해 로보틱스 연구를 발전시키는 인터넷 플랫폼이고, 다른 하나는 제품, 공장, 물리적 배치를 중심으로 모델을 구축하는 하드웨어 기업이다.

Xiaomi 내부에서 달라진 것으로 전해지는 점

콩의 합류로 Xiaomi는 로보틱스 연구가 시연 단계를 넘어 모델 플랫폼으로 옮겨가는 시점에 경험 많은 팀 구축 리더를 확보하게 됐다.

원 보도는 콩을 Xiaomi의 로봇 파운데이션 모델 팀장으로 설명한다. 파운데이션 모델은 하나의 고정된 동작이나 기계를 위해 설계되는 대신, 폭넓게 학습돼 다양한 작업에 맞게 적용할 수 있는 시스템을 뜻한다.

이 구분은 중요하다. 전통적인 산업용 로봇은 구조화된 환경에서 면밀히 프로그래밍된 동작을 반복한다. 파운데이션 모델 연구는 로봇이 언어를 해석하고, 변화하는 장면을 이해하며, 서로 다른 작업에 맞는 물리적 행동을 생성하도록 하는 데 목적이 있다.

콩의 공개 이력은 관련 배경을 독립적으로 뒷받침한다. 그의 개인 연구 페이지에 따르면, 그는 2019년부터 2025년까지 ByteDance의 로보틱스 연구 디렉터를 맡았다. 또한 ByteDance의 로보틱스 연구팀을 설립하고 이끌었다고 밝히고 있다.

이 페이지에는 Xiaomi가 그의 현재 고용주라는 내용이 공개적으로 명시돼 있지 않다. 다만 로봇 파운데이션 모델과 시스템 연구에 참여할 연구자 및 엔지니어를 모집하고 있다. 이 표현은 보도된 그의 새 직책 범위와 부합하지만, 보도의 모든 조직 관련 세부 사항을 독립적으로 검증하는 것은 아니다.

36Kr에 따르면 콩은 2025년 여름 Xiaomi에 합류했으며, 이전에 ByteDance에서 일했던 여러 인력을 영입했다. 보도는 그의 팀이 별도 사무실을 사용한다고도 전했다. 한 소식통은 이 그룹이 Xiaomi의 더 넓은 로보틱스 조직 내부에서도 유난히 비밀스럽게 운영된다고 평가했다.

이러한 설명은 신중하게 받아들여야 한다. 어느 회사도 인사 공지, 조직도, 또는 해당 그룹의 검증된 인력 규모를 공개하지 않았다. Xiaomi는 콩이 자사 로보틱스 연구 브랜드로 공개된 모든 프로젝트를 직접 관리하는지에 대해서도 공개적으로 밝히지 않았다.

그럼에도 Xiaomi의 공개 연구 일정은 이 인사 보도에 상당한 맥락을 제공한다. 회사는 2026년 2월 Xiaomi-Robotics-0를 소개했고, 4월에는 사후 학습 파이프라인을 공개했으며, 7월에는 두 개의 더 큰 연구 프로젝트를 발표했다. 이 공개물들은 콩이 합류한 것으로 알려진 시점 이후에 나왔다.

이 시점만으로 콩이 각 모델을 직접 만들었다고 증명할 수는 없다. 연구 프로그램은 대개 공개 훨씬 전부터 시작되며, 논문은 보통 많은 기여자의 작업을 반영한다. 다만 그의 합류가 보도된 뒤 1년 동안 Xiaomi의 로봇 모델 조직이 공개적으로 성과를 내기 시작했음을 보여준다.

따라서 이 이야기에서 가장 중요한 부분은 한 사무실을 둘러싼 비밀주의가 아니다. 경험 많은 연구 리더, 영입된 팀, 꾸준한 공개 성과, 그리고 현실 세계 배치로 이어지는 여러 경로를 갖춘 기업이 한데 모였다는 점이다.

Xiaomi가 지금 로봇 파운데이션 모델 팀을 필요로 하는 이유

Xiaomi는 범용 로보틱스가 소수의 지배적 모델 스택을 중심으로 굳어지기 전에, 자사의 하드웨어 기반을 학습 및 배포 우위로 전환하려 하고 있다.

이 회사는 수년간 로봇을 연구해 왔다. 2021년에는 4족 로봇 CyberDog를, 2022년에는 휴머노이드 CyberOne을 선보였다. 이들 시스템은 주목을 받았지만, 어느 쪽도 Xiaomi를 범용 로봇 지능의 공급자로 자리매김시키지는 못했다.

2026년의 작업은 더 야심 찬 주장을 내놓는다. Xiaomi의 로보틱스 연구 사이트는 확장 가능한 파운데이션 모델로 구동되는 범용 로봇에 초점을 맞춘 프로그램을 소개한다. 공개물은 모델 학습, 행동 생성, 월드 모델링, 그리고 어려운 조작 작업에 대한 효율적 적응을 강조한다.

이 방향은 로보틱스의 더 넓은 변화를 반영한다. 로봇에는 더 이상 뛰어난 모터, 관절, 카메라, 제어 소프트웨어만 필요한 것이 아니다. 팀들은 시각 인식, 언어 지시, 물리적 행동을 연결하는 재사용 가능한 모델을 점점 더 원하고 있다.

이런 유형의 시스템은 흔히 비전-언어-행동 모델, 즉 VLA라고 불린다. 이는 이미지와 텍스트를 입력받은 뒤 로봇이 실행할 수 있는 행동을 생성한다. 원칙적으로 폭넓게 학습된 하나의 VLA는 다양한 기계와 환경에 맞게 적용될 수 있다.

하지만 실제 과제는 여전히 어렵다. 로봇은 연속적인 물리 공간에서 행동해야 하며, 작은 오류 하나가 음료를 쏟거나 물체를 손상시키고 생산 라인을 멈추게 할 수 있다. 인터넷 규모의 텍스트와 이미지 데이터는 이어버드를 케이스에 넣을 때 얼마나 힘을 가해야 하는지를 기계에 직접 가르쳐 주지 않는다.

Xiaomi에는 이 격차를 줄이는 데 도움이 될 자산이 있다. 이 회사는 소비자 전자제품을 판매하고, 연결 기기 플랫폼을 운영하며, 전기차를 제조하고, 생산 환경에 접근할 수 있다. 각 영역은 가능한 배치 시나리오를 제공하지만, Xiaomi는 이들을 아우르는 통합 상용 로봇 플랫폼을 발표하지는 않았다.

공장은 가장 즉각적인 시험장이다. 반복적인 조작 작업은 측정 가능한 성공 기준, 통제된 안전 경계, 자동화의 경제적 이유를 제공한다. 또한 모델 개선에 필요한 실패 데이터를 생성할 수 있다.

가정은 더 큰 시장을 제시하지만 기술적으로는 더 어려운 문제다. 가정용 물체는 매우 다양하고, 사람들은 예측 불가능하게 움직이며, 허용 가능한 실패율은 극도로 낮다. 실험실에서 열 번 중 아홉 번 성공하는 로봇도 어린이, 반려동물, 유리 식기, 뜨거운 가전제품 주변에서는 여전히 부적합할 수 있다.

차량은 또 다른 연결 고리를 만들 수 있다. 자율주행과 로보틱스는 모두 인식, 계획, 시뮬레이션, 불확실성 아래에서의 의사결정에 의존한다. 두 분야의 센서와 행동 공간은 다르므로 모델을 적응 없이 그대로 이전할 수는 없다. 그러나 팀은 데이터 인프라, 학습 시스템, 멀티모달 추론 전문성을 재사용할 수 있다.

바로 이것이 지금 경험 많은 파운데이션 모델 리더가 중요한 이유다. Xiaomi는 데이터 수집, 모델 아키텍처, 사후 학습, 평가, 하드웨어 제어, 배치 전반의 연구를 조율해야 한다. 고립된 시연의 집합만으로는 재사용 가능한 로봇 지능 계층을 만들 수 없다.

약 200명이라는 보도된 팀 규모 역시 Xiaomi가 로보틱스를 소규모 탐색 프로젝트가 아니라 지속적인 프로그램으로 보고 있음을 시사한다. 이 수치는 아직 확인되지 않았지만, 회사의 공개 일정은 상당한 규모의 운영을 가리킨다.

Xiaomi에게 기회는 휴머노이드 로봇 하나를 만드는 데만 있지 않다. 서로 다른 로봇 몸체, 센서, 제어 시스템을 뜻하는 다양한 embodiment를 지원할 수 있는 모델 아키텍처를 만드는 데 있다. 성공한다면 현재 각각 별도 엔지니어링이 필요한 기계들에 공통 소프트웨어 계층을 제공할 수 있다.

Xiaomi와 ByteDance는 서로 반대편에서 구축하고 있다

ByteDance는 대형 모델 연구와 인터넷 규모의 AI 인프라를 갖춘 반면, Xiaomi는 모델 개발을 하드웨어, 제조, 그리고 궁극적인 제품 배치와 연결할 수 있다.

이것이 콩의 이동으로 만들어진 핵심 경쟁이다. 두 회사 모두 대규모 연구 프로그램에 자금을 지원하고, 전문 인력을 영입하며, 멀티모달 모델을 학습할 수 있다. 그러나 가장 강력한 자산은 서로 다르다.

ByteDance는 모델 측면에서 로보틱스에 진입했다. 자사의 Seed 연구 조직은 언어, 비전, 음성, 월드 모델, 로보틱스 전반을 다룬다. 콩의 이전 리더십 아래 로봇 프로그램은 웹 지식과 물리적 기술을 결합할 수 있는 범용 모델을 추구했다.

한 사례가 로봇 조작을 위한 생성형 비디오-언어-행동 모델로 설명된 GR-2다. 이 프로그램은 이후 언어 지시를 따르고, 물체 전반에 일반화하며, 더 긴 작업을 완료하도록 설계된 40억 파라미터 모델 GR-3를 소개했다.

ByteDance의 GR-3 공개은 이 모델이 비전-언어 이해와 행동 생성을 통합한다고 설명한다. 회사는 유연한 물체와 양팔 조작을 포함한 작업을 시연했는데, 이는 경직된 프로그래밍이 종종 좋은 성과를 내기 어려운 영역이다.

이러한 시연은 ByteDance의 연구 야심을 보여준다. 그러나 폭넓은 상용 신뢰성을 입증하지는 않는다. 공개 영상과 선별된 실험실 작업만으로는 수천 개의 가정이나 공장에서의 실패율을 보여줄 수 없다.

ByteDance는 배치라는 문제에도 직면한다. 이 회사는 주요 소비자 플랫폼과 클라우드 서비스를 보유하고 있지만, Xiaomi만큼 폭넓은 자체 브랜드 물리 제품군은 없다. 로봇 제조사와 협력하거나, 모델을 라이선스하거나, 레퍼런스 시스템을 구축할 수 있다. 각각의 경로는 모델 개발자와 하드웨어 소유자 간 추가 조율을 요구한다.

Xiaomi는 반대 방향에서 문제에 접근한다. 이미 기기와 차량을 설계하고, 공급업체를 관리하며, 제조 시스템을 운영한다. 이 회사의 과제는 전문 AI 연구소 수준의 품질에 맞는 범용 지능 계층을 구축하는 것이다.

콩의 영입은 그 격차를 좁힌다. 그는 대형 인터넷 기업 내부에서 로봇 연구팀을 조직한 경험을 가져온다. ByteDance 전 동료들의 합류가 보도된 점도 이미 방법론과 용어를 공유하는 그룹을 구성하는 데 걸리는 시간을 줄인다.

인재의 이동이 지식재산권 이전을 자동으로 뜻하는 것은 아니다. 직원들은 기밀 정보와 관련한 법적, 계약상, 윤리적 제한을 계속 적용받는다. 콩이나 그를 따라온 동료들이 ByteDance 기술을 부적절하게 이전했다는 공개 증거는 없다.

이전되는 것은 경험이다. 연구자들은 어떤 데이터 파이프라인이 실패하는지, 어떤 평가가 약점을 가리는지, 어떤 모델 설계가 현실 세계 제어 중 불안정해지는지를 배운다. 이런 운영 지식은 논문만으로 재현하기 어렵다.

ByteDance 역시 여전히 눈에 띄는 로보틱스 프로그램을 유지하고 있다. 현재 연구 페이지에는 GR-3, 정교한 조작 하드웨어, 강화학습 연구가 소개돼 있다. 따라서 이 회사는 한 번의 인사 이탈로 해체된 연구소가 아니라 여전히 진지한 경쟁자다.

ByteDance가 받는 압박은 전략적이다. 전체 하드웨어 스택을 소유하지 않고도 모델 중심 조직이 강력한 연구를 반복 가능한 배치로 전환할 수 있음을 보여야 한다. Xiaomi는 그 반대를 증명해야 한다. 하드웨어의 도달 범위가 단지 미성숙한 모델을 설치할 장소를 늘리는 데 그치지 않고, 더 나은 체화형 지능을 만들어낼 수 있음을 입증해야 한다.

Xiaomi의 파운데이션 모델 추진은 이제 측정 가능한 실체를 갖췄다

Xiaomi의 최근 논문들은 채용 이야기를 규모, 월드 모델링, 효율적인 사후 학습을 중심으로 한 검증 가능한 기술 전략으로 바꿔 놓는다.

Xiaomi-Robotics-0는 이 프로그램의 첫 공개 기반 정책이었다. 정책은 로봇 모델에서 관찰 정보와 지시를 행동으로 매핑하는 부분이다.

함께 공개된 연구 논문은 서로 다른 로봇 형태를 아우르는 로봇 궤적과 비전-언어 데이터로 사전 학습을 진행했다고 설명한다. 크로스-엠보디먼트 학습은 서로 다른 형태의 로봇 데이터를 결합해, 특정 기계 한 대에만 속하지 않는 기술을 익히는 것을 목표로 한다.

연구진은 실시간 실행에도 집중했다. 너무 느리게 추론하는 행동 모델은 변화하는 물리적 환경에 안전하게 대응할 수 없기 때문이다. 로봇이 물체가 미끄러지기 전에 그립을 조정해야 할 때, 지연 시간은 지능의 일부가 된다.

4월 Xiaomi는 이 모델을 위한 사후 학습 파이프라인을 공개했다. 사후 학습은 광범위하게 훈련된 시스템을 초기 대규모 학습 이후 특정 행동에 맞게 조정하는 과정이다. 회사는 작업별 사후 학습 데이터 20시간을 활용한 정밀 이어버드 삽입 작업을 강조했다.

이 시연은 실제 로보틱스 문제를 겨냥한다. 작은 물체는 정확한 위치 설정, 힘 제어, 미세한 정렬 오차로부터의 복구를 요구한다. 준비된 동작을 따라 걷는 로봇보다 더 많은 정보를 제공하지만, 한 가지 작업의 성공만으로 일반적인 신뢰성이 입증되지는 않는다.

7월에는 두 개의 추가 프로젝트가 나왔다. Xiaomi-Robotics-U0는 체화된 월드 모델링에 초점을 맞췄고, Xiaomi-Robotics-1은 훨씬 큰 실제 환경 데이터셋으로 행동 모델을 확장하는 데 주력했다.

월드 모델은 행동 이후 환경이 어떻게 변할지를 예측한다. 로봇에게 이는 물체를 밀거나 들어 올리고, 회전시키거나 놓았을 때 어떤 일이 일어날지 추정하는 것을 뜻한다. 더 나은 예측은 기계가 물리적 움직임을 실행하기 전에 계획을 지원할 수 있다.

U0 논문은 일반적인 이미지·영상 생성 모델이 로보틱스 요구사항을 완전히 충족하지 못한다고 주장한다. 체화된 시스템에는 카메라 시점 간 일관성, 정합적인 기하 구조, 그리고 로봇 자체의 물리적 제약에 대한 인식이 필요하다.

이는 Xiaomi 전략의 중요한 작동 원리다. 영상 생성은 시각적 사전지식과 시뮬레이션 경험을 제공할 수 있지만, 로봇은 세계를 매력적인 프레임의 연속으로 취급할 수 없다. 그 예측은 3차원 공간 및 실행 가능한 행동과 양립해야 한다.

Xiaomi-Robotics-1은 데이터 규모를 확장한다. 연구진은 휴대형 인터페이스로 수집한 실제 조작 궤적 10만 시간 이상으로 사전 학습을 진행했다고 보고했다. 이러한 인터페이스를 이용하면 사람이 모든 대상 로봇을 직접 조작하지 않고도 시연 데이터를 만들 수 있다.

모델 논문은 2단계 접근법을 제시한다. 대규모 사전 학습으로 폭넓은 행동 생성 능력을 개발한 뒤, 사후 학습으로 모델을 복잡한 작업에 맞춘다.

보고된 데이터셋은 로봇 데이터가 비싸다는 점에서 의미가 크다. 텍스트 모델은 인간 독자를 위해 만들어진 문서에서 학습할 수 있다. 로봇에는 행동, 물리적 결과, 그리고 흔히 특수 센서 기록과 연결된 관찰 정보가 필요하다.

그러나 시간만으로 품질이 결정되지는 않는다. 대규모 데이터셋에는 반복적인 움직임, 일관되지 않은 시연, 제한적인 환경, 또는 실패 사례에 대한 부족한 포괄성이 포함될 수 있다. 논문은 벤치마크와 실험을 제시하지만, 독립적인 재현은 헤드라인 수치보다 더 중요할 것이다.

일련의 공개는 일관된 스택을 드러낸다. Robotics-0는 초기 행동 모델을 구축한다. U0는 체화된 환경을 예측하는 작업을 수행한다. Robotics-1은 실제 환경 행동 데이터를 확장한다. 이어 사후 학습이 이러한 일반 능력을 정밀 작업에 맞게 조정한다.

이러한 일관성은 보도된 인사를 더욱 중요하게 만든다. Xiaomi는 관련 없는 로보틱스 실험을 발표하는 것이 아니라 통합 모델 프로그램을 구축하는 것으로 보인다. ByteDance에서의 Kong의 경험은 이러한 조직의 요구와 맞아떨어진다.

이는 경쟁사들이 Xiaomi를 평가해야 하는 방식도 바꾼다. 이 회사는 더 이상 로봇 하드웨어 시연만으로 경쟁하지 않는다. 연구자들이 검토하고 비판할 수 있는 아키텍처, 방법론, 모델을 공개하고 있다.

공개 출판은 채용에도 도움이 될 수 있다. 연구자들은 논문을 발표하고 눈에 보이는 연구 성과를 쌓을 수 있는 조직을 선호하는 경우가 많다. 회사가 가장 가치 있는 데이터나 배포 시스템을 유지하더라도, 공개 모델과 학습 도구는 외부 피드백을 만들어 낸다.

그럼에도 출판이 상용화를 의미하지는 않는다. Xiaomi는 이 모델들을 기반으로 한 대중 시장용 범용 로봇의 출시일을 밝히지 않았다. 현장 신뢰성, 운영 비용, 안전 사고율, 고객 도입률도 공개하지 않았다.

기술 전략은 이제 가시화됐다. 사업 및 제품 전략은 여전히 상당 부분 감춰져 있다.

비밀주의는 세 가지 주요 질문을 남긴다

Xiaomi는 신뢰할 만한 구성 요소들을 보여줬지만, 이 구성 요소들이 안전하고 경제적이며 신뢰할 수 있는 로봇 제품을 이룬다는 점은 아직 보여주지 못했다.

첫 번째 불확실성은 리더십과 공로 귀속에 관한 것이다. 채용 보도는 Kong이 기반 모델 그룹을 이끈다고 전하지만, Xiaomi는 그의 직함이나 책임을 확인하지 않았다. 공개 논문에는 많은 연구자가 이름을 올렸으며, 그들의 연구는 그의 합류 이전에 시작됐을 수 있다.

따라서 Xiaomi의 2026년 전체 연구 포트폴리오를 한 임원에게 돌리는 것은 부정확할 것이다. Kong의 기여는 기술적인 측면만큼이나 조직적일 가능성이 크다. 연구 우선순위 선정, 팀 채용, 시스템 검토, 실험과 배포의 연결 등이 이에 해당한다.

두 번째 불확실성은 일반화다. 모델은 실험실 작업 전반에서 좋은 성능을 보여도 조명이 바뀌거나, 물체가 변형되거나, 사람이 작업 순서를 방해하면 실패할 수 있다. 실제 환경에는 선별된 평가가 일상적으로 놓치는 엣지 케이스가 존재한다.

긴 작업은 이런 오류를 증폭시킨다. 각 개별 단계의 성공률이 98%인 로봇은 10개의 독립된 단계를 실패 없이 완료할 확률이 약 82%에 불과하다. 실제 오류가 항상 독립적이지는 않지만, 이 단순 계산은 정교한 시연이 왜 오해를 불러일으킬 수 있는지 보여준다.

복구 행동은 초기 정확도만큼 중요하다. 유용한 가정용 또는 공장용 로봇은 실패한 파지를 감지하고, 장면을 다시 평가하며, 상황을 악화시키지 않은 채 다른 행동을 시도해야 한다.

세 번째 불확실성은 경제성이다. 더 큰 모델과 더 폭넓은 데이터셋에는 컴퓨팅 자원, 데이터 수집, 테스트, 특수 하드웨어가 필요하다. 기술적으로 유능한 시스템도 운영 비용이 대체하거나 보조하는 노동의 가치보다 높다면 실패할 수 있다.

공장은 통제된 조건을 제공하지만, 이미 성숙한 자동화를 사용하고 있다. 유연성이 측정 가능한 가치를 지니는 경우에 기반 모델은 고정형 시스템보다 우수해야 한다. 그렇지 않으면 고객은 하나의 작업을 위해 만들어진 더 저렴한 장비를 선호할 수 있다.

소비자 환경은 정반대의 문제를 만든다. 다양한 작업이 풍부하지만, 구매자는 경제성, 안전성, 저소음 작동, 최소한의 유지보수를 요구한다. 모델은 약한 액추에이터, 짧은 배터리 수명, 신뢰할 수 없는 센서를 보완할 수 없다.

보도된 조직적 비밀주의는 경쟁 연구와 미공개 제품을 보호할 수 있다. 동시에 외부 평가도 제한한다. Xiaomi는 로보틱스 그룹이 모델 연구, 하드웨어, 자동차 시스템, 제조 자동화 사이에서 책임을 어떻게 나누는지 공개하지 않았다.

비밀주의는 내부 마찰도 만들 수 있다. 로봇 기반 모델에는 데이터 수집자, 하드웨어 엔지니어, 안전 전문가, 애플리케이션 팀 간의 긴밀한 협력이 필요하다. 별도 조직은 집중을 보호할 수 있지만, 과도한 고립은 물리 시스템에 필요한 피드백을 늦출 수 있다.

경쟁 대응 위험도 존재한다. ByteDance는 유지한 Seed 로보틱스 팀의 개발을 가속하거나, 하드웨어 제조사와 협력하거나, 개발자가 자사 모델을 더 쉽게 도입하도록 만들 수 있다. 다른 중국 기업들도 두 조직에서 인재를 영입하며 제한된 경험 많은 연구자 풀을 두고 경쟁할 수 있다.

Google DeepMind, Tesla, Figure AI, Physical Intelligence 및 여러 중국 로보틱스 기업은 서로 다른 하드웨어와 모델 전략을 통해 관련 목표를 추구하고 있다. 제조 역량에 대한 Xiaomi의 접근성이 다른 곳의 발전으로부터 회사를 보호해 주지는 않는다.

현재 증거는 더 제한적인 결론을 뒷받침한다. Xiaomi는 진지한 연구 프로그램을 구축했고, 관련 경험을 지닌 리더를 영입한 것으로 보도됐다. 그러나 그 모델들이 상업 규모에서 신뢰성 있게 작동한다는 점은 아직 입증하지 못했다.

이 구분은 독자들이 향후 시연을 해석하는 기준이 되어야 한다. 중요한 질문은 로봇이 인상적인 작업 하나를 완료하는지, 또는 논문이 더 큰 데이터셋을 보고하는지가 아니다. 시스템이 얼마나 자주 실패하는지, 어떻게 복구하는지, 그리고 성능이 개발자가 선별하지 않은 환경으로 이전되는지가 핵심이다.

엔지니어와 기업 구매자에게 이는 지식 관리 문제이기도 하다. 로봇 개발은 여러 팀에 걸친 실험, 실패 영상, 센서 로그, 의사결정을 만들어 낸다. 검색 가능한 지식 기반을 위해 구축된 시스템은 팀이 이러한 증거를 연결하는 데 도움을 줄 수 있지만, 문서화만으로 모델 신뢰성을 해결할 수는 없다.

Tao Kong의 보도된 이직 이후 주목할 점

세 가지 신호는 Xiaomi가 배포 가능한 로보틱스 플랫폼을 구축하고 있는지, 아니면 단기 제품 계획이 없는 뛰어난 연구소를 운영하고 있는지를 보여줄 것이다.

첫 번째 신호는 Kong의 역할과 Xiaomi의 조직 구조에 대한 공식적인 설명이다. 확인이 이뤄지면 그가 공개된 기반 모델, 미래 제품 스택, 또는 더 좁은 연구 조직을 감독하는지 알 수 있을 것이다.

리더십의 범위는 실행 방식을 좌우한다. 연구 책임자는 논문과 벤치마크를 최적화할 수 있지만, 제품 책임자는 안전성 검토, 하드웨어 제약, 배포 비용, 현장 지원도 책임져야 한다. Xiaomi의 다음 채용 공고와 기여자 목록은 공식 발표 이전에 실질적인 경계를 드러낼 수 있다.

두 번째 신호는 독립적인 기술 검증이다. 연구자들은 Xiaomi 결과의 재현, 공개 모델 평가, 익숙하지 않은 로봇이나 환경에서의 성능을 살펴봐야 한다.

크로스-엠보디먼트 전이는 특히 중요하다. Robotics-1이 서로 다른 기계와 어려운 작업에 효율적으로 적응할 수 있다면, Xiaomi의 대규모 사전 학습 투자는 레버리지를 얻는다. 적응에 여전히 광범위한 작업별 데이터가 필요하다면, 이 플랫폼은 그 프레이밍이 시사하는 것보다 일반성이 낮아진다.

장기 지평 평가도 비슷한 관심을 받을 만하다. 장기 지평 작업은 식탁을 치우고 여러 물체를 올바른 위치에 놓는 것처럼, 서로 의존하는 많은 행동을 요구한다. 성공률에는 전체 작업 완료, 실패 복구, 안전 개입이 포함돼야 한다.

10만 시간 데이터셋 역시 더 면밀한 검토가 필요하다. 향후 논문은 그 다양성, 수집 방법, 물체 분포, 환경 포괄성, 성공 및 실패 행동 간의 균형을 명확히 할 수 있다. 이 세부 사항들은 규모가 폭넓은 역량을 만들어 냈는지, 아니면 대체로 익숙한 동작을 반복했는지를 결정할 것이다.

세 번째 신호는 운영 지표를 갖춘 실제 배포다. Xiaomi가 환경을 통제하고 생산성을 측정할 수 있으므로, Xiaomi 공장이 가장 그럴듯한 첫 장소다. 제한적인 파일럿은 또 하나의 휴머노이드 시연보다 더 많은 것을 보여줄 것이다.

유용한 지표에는 완료된 사이클 수, 인간 개입 횟수, 평균 고장 간 시간, 작업 전환 시간, 성공적인 작업당 비용이 포함된다. Xiaomi가 민감한 내부 경제성을 공개할 필요는 없지만, 지속적인 운영에 대한 일부 증거는 더 폭넓은 주장을 뒷받침할 것이다.

차량 공장에서의 배치는 회사의 전략적 우위도 시험하게 될 것이다. Xiaomi는 이미 통제하고 있는 제조 워크플로, 센서 인프라, 품질 관리 시스템과 로봇 학습을 연결할 수 있다.

소비자 출시의 기준은 더 높다. 구매자에게는 명확한 안전 경계, 유용한 작업, 로컬 또는 클라우드 처리 정책, 수리 옵션, 그리고 사람 주변에서 예측 가능한 동작이 필요하다. 현재 그러한 출시가 임박했다는 공개 증거는 없다.

이러한 신호들은 핵심 판단을 강화하거나 약화할 수 있다. Kong의 광범위한 권한이 공식적으로 확인된다면 Xiaomi가 파운데이션 모델 전략을 중심으로 로보틱스를 통합하고 있다는 견해가 강화될 것이다. 독립적인 전이 결과는 기술 스택이 실제로 재사용 가능한지 보여줄 것이다.

지속적인 공장 배치는 가장 강력한 증거가 될 것이다. 이는 연구 규모를 물리적 가치와 연결하게 되며, 이는 embodied AI 전반에서 여전히 해결되지 않은 문제다.

반대의 결과 역시 똑같이 중요하다. 리더십에 대한 지속적인 침묵, 정교하게 선별된 작업에만 국한된 평가, 또는 배치 없는 논문의 반복은 Xiaomi가 출판 속도가 시사하는 것보다 전환 과정의 더 이른 단계에 머물러 있음을 뜻할 수 있다.

따라서 ByteDance에서 Kong이 옮겨왔다는 보도는 더 까다로운 단계의 시작으로 읽어야 한다. 존경받는 로보틱스 리더를 영입하면 연구를 가속하고, 동료를 끌어들이며, 우선순위를 분명히 할 수 있다. 그러나 이는 물리적 세계의 가혹한 요구사항을 없앨 수는 없다.

개발자에게 다음 질문은 Xiaomi가 자체 연구실 밖에서도 시험할 수 있는 모델, 학습 코드 또는 인터페이스를 공개하는지 여부다. 엔터프라이즈 구매자에게는 배치 데이터가 유연한 자동화에서 신뢰할 만한 수익을 뒷받침하는지가 관건이다.

그 밖의 모든 사람에게 가장 분명한 시험은 간단하다. 카메라가 계속 녹화된 뒤 로봇이 무엇을 하는지 지켜보라. Xiaomi는 경쟁에 필요한 인력, 데이터 전략, 하드웨어 접근성을 갖췄다. 이제 그 장점들이 비정형 현실과 맞닥뜨린 뒤에도 살아남는지를 보여줘야 한다.