Skild AI: $14B 기업가치의 범용 로봇 두뇌 'Skild Brain' 심층 분석
SoftBank과 NVIDIA가 이끈 $1.4B 시리즈 C로 $14B 기업가치를 달성한 Skild AI가 업계 최초의 범용 로봇 파운데이션 모델 'Skild Brain'을 공개했습니다. 인간형부터 사족보행까지, 어떤 로봇이든 제어하는 'Omni-bodied' 기술이 핵심입니다.
SoftBank과 NVIDIA가 이끈 $1.4B 시리즈 C로 $14B 기업가치를 달성한 Skild AI가 업계 최초의 범용 로봇 파운데이션 모델 'Skild Brain'을 공개했습니다. 인간형부터 사족보행까지, 어떤 로봇이든 제어하는 'Omni-bodied' 기술이 핵심입니다.
모든 로봇을 위한 하나의 두뇌
2026년 1월 14일, 로봇 AI 기업 Skild AI가 SoftBank 주도의 $1.4B(약 1조 9,600억 원) 시리즈 C 펀딩을 발표했습니다. 기업가치는 $14B(약 19조 6,000억 원)으로, 불과 7개월 전 대비 3배 이상 증가한 수치입니다. NVIDIA의 NVentures, Jeff Bezos(Bezos Expeditions), Macquarie Capital, Samsung, LG, Schneider Electric 등이 투자에 참여했습니다.
이 투자의 중심에는 Skild Brain이 있습니다. 업계 최초의 '통합 로봇 파운데이션 모델(Unified Robotics Foundation Model)'로, 특정 로봇이나 특정 작업에 국한되지 않고 어떤 형태의 로봇이든 범용적으로 제어할 수 있는 AI입니다.
기존 로봇 AI의 한계
현재 대부분의 로봇 AI 모델은 하나의 로봇, 하나의 작업에 특화되어 있습니다.
| 기존 방식 | Skild Brain |
|---|---|
| 로봇 유형별 별도 모델 필요 | 단일 모델로 모든 로봇 제어 |
| 새 작업마다 처음부터 학습 | 사전학습 기반 빠른 적응 |
| 특정 환경에서만 작동 | 비구조화 환경에서도 동작 |
| 실제 데이터 수집에 의존 | 시뮬레이션 + 인터넷 비디오 활용 |
예를 들어, 창고 로봇에게 상자를 옮기는 법을 가르치려면 해당 로봇과 환경에 맞춘 별도의 모델을 훈련해야 합니다. 다른 로봇이나 다른 작업에는 다시 처음부터 시작해야 합니다.
Skild Brain의 핵심 기술: Omni-bodied AI
Skild Brain의 가장 독창적인 특성은 **'Omni-bodied'**입니다. 이는 로봇의 정확한 신체 구조를 사전에 알지 못해도 제어할 수 있다는 뜻입니다.
지원하는 로봇 형태:
- 사족보행 로봇(Quadrupeds)
- 인간형 로봇(Humanoids)
- 탁상용 로봇 암(Tabletop Arms)
- 이동형 조작기(Mobile Manipulators)
이것이 가능한 이유는 Skild Brain의 독특한 학습 방식에 있습니다.
사전학습(Pre-training): 기존 로봇 모델이 의존하는 원격 조종 데이터 대신, 수백만 개의 인터넷 비디오와 대규모 물리 시뮬레이션으로 학습합니다. 이를 통해 '물체를 잡는다', '장애물을 넘는다' 같은 범용적 물리 지식을 습득합니다. 기존 모델 대비 1,000배 이상의 데이터로 훈련됩니다.
사후학습(Post-training): 특정 로봇에 배포할 때는 소량의 원격 조종 데이터와 실제 배포 데이터로 미세 조정합니다. LLM의 사전학습 + 미세조정(fine-tuning) 패러다임과 동일한 구조입니다.
상용화 현황: 이론에서 현실로
Skild AI는 이미 실제 매출을 창출하고 있습니다.
| 지표 | 수치 |
|---|---|
| 연환산 매출 | 약 $30M (2025년 하반기 기준) |
| 매출 성장 | 수개월 만에 0에서 $30M 달성 |
| 배포 분야 | 보안, 건설, 배송, 데이터센터, 창고, 공장 |
특히 주목할 점은 비구조화 환경에서의 성과입니다. 공장이나 창고 같은 통제된 환경이 아니라, 건설 현장이나 야외 환경처럼 예측 불가능한 상황에서도 로봇이 자율적으로 판단하고 동작할 수 있습니다.
투자자 구성이 말해주는 것
이번 시리즈 C의 투자자 명단은 Skild AI의 전략적 위치를 보여줍니다.
| 투자자 | 의미 |
|---|---|
| SoftBank | 글로벌 로봇 생태계 연결 (Boston Dynamics, Arm) |
| NVIDIA NVentures | GPU/AI 인프라 최적화 파트너십 |
| Jeff Bezos | Amazon 로봇/물류 네트워크와의 잠재적 연결 |
| Samsung, LG | 가전/제조 로봇 시장 진출 기반 |
| Schneider Electric | 산업 자동화 분야 확장 |
SoftBank은 Boston Dynamics, Arm 등 로봇 관련 포트폴리오를 보유하고 있어, Skild Brain이 이들 기업의 로봇에 탑재될 가능성이 열려 있습니다.
경쟁 환경
범용 로봇 AI 분야는 빠르게 경쟁이 격화되고 있습니다.
- Google DeepMind: RT-X, Gemini Robotics 등 로봇 파운데이션 모델 연구
- Tesla: Optimus 인간형 로봇에 자체 AI 탑재
- Figure AI: BMW와 협력한 인간형 로봇 개발
- Physical Intelligence: $400M 펀딩으로 범용 로봇 AI 개발 중
하지만 Skild AI가 차별화되는 점은, 특정 로봇 하드웨어에 종속되지 않는 소프트웨어 플랫폼이라는 것입니다. 자체 로봇을 만드는 대신, 모든 로봇 제조사에 두뇌를 공급하는 '로봇의 Android' 전략을 추구합니다.
한계와 과제
1. 안전성 검증: 비구조화 환경에서 자율적으로 동작하는 로봇의 안전 기준은 아직 확립되지 않았습니다.
2. 하드웨어 의존성: Skild Brain의 성능은 탑재되는 로봇의 센서와 액추에이터 품질에 크게 좌우됩니다.
3. 규제 불확실성: 자율 로봇에 대한 각국의 규제 프레임워크가 아직 정비 중입니다.
4. 일반화의 실제 한계: '어떤 로봇이든 제어 가능'이라는 주장의 현실적 범위는 추가 검증이 필요합니다.
결론: 로봇 AI의 GPT 모멘트
LLM이 텍스트 생성의 범용 AI가 된 것처럼, Skild Brain은 물리적 세계에서의 범용 AI를 지향합니다. SoftBank, NVIDIA, Jeff Bezos라는 투자자 구성은 이 비전에 대한 업계의 확신을 보여줍니다.
2023년 설립 후 2년 만에 $14B 기업가치와 $30M 매출을 달성한 속도는 AI 로봇 분야에 대한 시장의 기대가 얼마나 큰지를 반영합니다. Skild Brain이 '모든 로봇을 위한 하나의 두뇌'라는 약속을 실현할 수 있다면, 로봇 산업의 대중화를 앞당기는 결정적 전환점이 될 것입니다.
장점
- 어떤 형태의 로봇이든 제어 가능한 범용성(Omni-bodied)
- 인터넷 비디오와 시뮬레이션 기반 학습으로 데이터 수집 비용 대폭 절감
- SoftBank, NVIDIA, Bezos 등 강력한 전략적 투자자 네트워크
- 2년 만에 $30M 매출 달성한 빠른 상용화 속도
- 특정 하드웨어에 종속되지 않는 소프트웨어 플랫폼 전략
단점/한계
- 비구조화 환경에서의 자율 로봇 안전성 기준이 아직 미확립
- 로봇 하드웨어의 센서와 액추에이터 품질에 성능이 크게 좌우됨
- 각국의 자율 로봇 규제 프레임워크 정비가 진행 중
- 범용 제어 주장의 실제 한계와 범위에 대한 추가 검증 필요
참고 자료
댓글0개
주요 기능/특징
Skild AI는 SoftBank 주도 $1.4B 시리즈 C로 $14B 기업가치를 달성한 로봇 AI 기업으로, 업계 최초의 범용 로봇 파운데이션 모델 'Skild Brain'을 개발했습니다. Omni-bodied 기술로 인간형, 사족보행, 로봇 암 등 어떤 형태의 로봇이든 단일 모델로 제어하며, 인터넷 비디오와 물리 시뮬레이션으로 기존 대비 1,000배 이상의 데이터로 학습합니다. 보안, 건설, 데이터센터 등에 실제 배포되어 연환산 $30M 매출을 달성했습니다.
핵심 인사이트
- SoftBank 주도 $1.4B 시리즈 C 펀딩으로 7개월 만에 기업가치 3배 이상 증가한 $14B 달성
- 업계 최초의 통합 로봇 파운데이션 모델 Skild Brain은 로봇의 신체 구조를 사전에 몰라도 제어 가능
- 수백만 인터넷 비디오와 물리 시뮬레이션으로 기존 대비 1,000배 이상 데이터 학습
- 사족보행, 인간형, 로봇 암, 이동형 조작기 등 다양한 로봇 형태를 단일 모델로 제어
- 보안, 건설, 배송, 데이터센터 등에 배포되어 수개월 만에 연환산 $30M 매출 달성
- NVIDIA, Jeff Bezos, Samsung, LG 등 전략적 투자자가 로봇 생태계 확장을 시사
- 자체 로봇 제조 대신 모든 로봇에 두뇌를 공급하는 '로봇의 Android' 전략 추구
- LLM의 사전학습+미세조정 패러다임을 로봇 AI에 성공적으로 적용
이 리뷰가 유용했나요?
공유하기
관련 AI 리뷰
Google TurboQuant: LLM 메모리 6배 압축, 정확도 손실 제로
Google Research가 LLM KV 캐시 메모리를 6배 압축하고 최대 8배 속도 향상을 달성하는 TurboQuant 알고리즘을 발표했다. 재훈련 없이 3비트 압축이 가능하며, ICLR 2026에서 발표된다.
Yann LeCun의 AMI Labs, 시드 라운드에서 $10.3억 조달: World Model AI의 시작
튜링상 수상자 Yann LeCun이 설립한 AMI Labs가 시드 라운드에서 10.3억 달러를 조달했다. 기업가치 35억 달러로 유럽 역대 최대 시드 펀딩이며, LLM과는 다른 World Model 접근법으로 AI의 새 패러다임을 제시한다.
Anthropic AI 노동시장 연구: 화이트칼라 대침체 가능성 경고
Anthropic이 AI의 노동시장 영향을 측정하는 새로운 지표 'observed exposure'를 발표했다. 프로그래머, 고객서비스, 데이터 입력직이 가장 높은 노출도를 보이지만, 실제 AI 도입률은 이론적 가능치의 3분의 1에 불과하다.
MIT, LLM 훈련 속도 2배 향상 기법 TLT 발표: 유휴 연산으로 효율 극대화
MIT 연구진이 2026년 2월 26일 대형 언어 모델의 강화학습 훈련 속도를 70~210% 향상시키는 새로운 기법 TLT(Taming the Long Tail)를 발표했다. 유휴 GPU 시간을 활용해 소형 드래프터 모델을 동적 학습시키는 방식으로, 정확도 손실 없이 훈련 비용을 절반 이하로 줄일 수 있다.