AI·제어 컴퓨팅은 로봇의 두뇌다. 카메라·라이다·관절 센서가 쏟아내는 신호를 받아 "지금 무엇이 보이고, 무엇을 해야 하며, 관절을 어떻게 움직일지"를 1초에 수십~수백 번 추론한다. 과거 산업용 로봇이 미리 짜둔 경로만 반복했다면, 지금의 로봇은 학습된 모델로 처음 보는 환경에 즉석 대응한다.

핵심은 단일 칩이 아니라 세 층이 맞물린 스택이다. 첫째 — 로봇 몸체에 탑재되는 엣지 추론 칩(온디바이스 AI 연산). 둘째 — 그 칩 위에서 돌아가는 VLA(비전·언어·액션) 파운데이션 모델. 셋째 — 실제 로봇을 굴리기 전에 가상 환경에서 수백만 번 학습시키는 시뮬레이션이다. 와트당 연산 효율이 사실상 승패를 가른다 — 발열과 배터리가 빡빡한 몸체 안에서 데이터센터급 추론을 돌려야 하기 때문이다.

시장은 'Physical AI(피지컬 AI)'라는 이름으로 묶이며 폭발 직전이다. 글로벌 로봇 시장이 2026년 약 380억 달러 규모로 전년 대비 30%대 성장을 보이고, 휴머노이드는 그 안에서 가장 빠르게 크는 카테고리다. 연간 ~40% 안팎의 원가 절감이 상용화 시점을 끌어당기고 있다.

점유 분포는 사실상 1강 체제다. NVIDIA가 휴머노이드·고성능 로봇용 고급 추론 컴퓨팅에서 압도적 표준을 쥐고 있고, Qualcomm이 저전력·저가 서비스 로봇이라는 별도 층위에서 강자로 자리 잡았다. 둘은 정면충돌하기보다 전력·가격대로 시장을 나눠 가진 형국이다.

진짜 해자는 소프트웨어 생태계다. 개발자가 학습·시뮬레이션·배포 전 과정을 특정 회사의 도구 위에서 익히고 나면, 칩만 바꾸는 비용이 천문학적으로 커진다. 칩 한 개를 파는 게 아니라 개발 방식 전체를 파는 셈이라, 후발주자가 칩 하나를 잘 만들어도 생태계를 통째로 복제하긴 어렵다.

대체 위협은 두 방향이다. ① 대형 수요처의 자체 칩 내재화 — 한 대형 양산 업체는 전용 실리콘을 직접 설계해 표준 칩 의존을 줄이는 노선을 공언했다. ② 오픈소스 VLA 모델 부상 — 값싼 하드웨어 위에 외부 두뇌 모델을 얹는 조합이 늘고 있다. 다만 이 흐름조차 학습·시뮬레이션 단계에서는 여전히 지배적 생태계에 의존하는 경우가 많다.

이 구분의 사이클 드라이버는 명확하다 — 휴머노이드와 서비스 로봇의 양산 대수. 로봇 한 대마다 두뇌 한 벌이 들어가므로, 대중화가 시작되면 두뇌 수요는 대수에 비례해 폭증한다. 칩 한 개가 데이터센터 GPU보다 싸도, 출하 대수가 수십만·수백만으로 불어나면 합산 시장은 거대해진다. 여기에 학습·시뮬레이션 클라우드 단계 매출까지 따라붙는 구조가 두뇌 길목의 매력이다.

전망의 핵심은 '풀스택 vs 분해'의 대결이다. 관전 포인트 셋: ① 대형 양산 업체의 자체 칩 내재화가 어디까지 진전되는가. ② 개방형 VLA 모델이 학습·검증 단계의 생태계 의존까지 끊어낼 수 있는가. ③ 와트당 추론 효율의 세대 격차가 좁혀지는가. 두뇌는 로봇 밸류체인에서 가치가 가장 두껍게 응축되는 길목이며, 그 응축을 풀스택 잠금으로 지켜낼지 분해 압력에 내줄지가 이 구분의 향배를 가른다.