피지컬 AI 경쟁이 휴머노이드의 보행 영상에 집중되는 동안, 카본식스는 훨씬 덜 화려하지만 공장에 더 가까운 문제를 고른다. 케이블 체결, 얇은 필름 박리, 흔들리는 부품 조립처럼 사람 손에는 쉽고 기존 로봇에는 어려운 작업이다. 2026년 7월 카본식스는 4,000만 달러, 회사 환산 약 600억 원 규모 시리즈A를 유치하며 연구실 데모에서 양산 라인 배치로 넘어가겠다고 선언했다. 중요한 질문은 로봇이 사람처럼 보이느냐가 아니라, 작업자의 손기술을 얼마나 빠르고 안정적으로 로봇의 반복 가능한 스킬로 바꿀 수 있느냐다.
카본식스의 답은 SigmaKit(시그마키트)이다. AI 소프트웨어, 로봇 핸드, 센서, 티칭 장치를 하나의 패키지로 묶고 작업자가 직접 동작을 보여주면 모방학습으로 로봇 스킬을 만든다. 회사는 작업에 따라 하루 안에 모델 생성이 가능하다고 설명한다. 이 주장이 실제 공장의 사이클 타임, 불량률, 가동률로 이어진다면 카본식스는 로봇 제조사라기보다 제조 노하우를 소프트웨어로 복제하는 회사에 가까워질 수 있다.
카본식스는 무엇을 만드는 회사인가?
카본식스(CarbonSix)는 2024년 7월 설립된 제조업 특화 피지컬 AI 스타트업이다. 한국 창업팀이 이끄는 한·미 기반 회사로, 수아랩에서 산업용 머신비전 사업을 경험한 문태연 CEO와 MIT에서 로봇 지능을 연구한 서형주 CTO, 로봇 핸드·매니퓰레이터 설계를 맡는 김제혁 CHO가 창업팀의 중심이다. 수아랩은 2019년 미국 머신비전 기업 Cognex에 인수된 회사다.
회사가 겨냥하는 영역은 제조업의 High-Mix·High-Variance, 즉 제품 종류가 많고 물체의 위치·형태·재질이 자주 달라지는 공정이다. 기존 산업용 로봇은 정해진 좌표를 빠르고 정확하게 반복하는 데 강하다. 하지만 얇은 필름이 구겨지거나 케이블 끝이 흔들리면 사전에 입력한 경로만으로 대응하기 어렵다. 제품이 바뀔 때마다 엔지니어가 다시 프로그래밍해야 한다면 소량 다품종 공정에서는 자동화의 투자수익률이 떨어진다.
카본식스는 이 틈을 모방학습과 정교한 로봇 핸드로 메운다. 사람의 작업 시연에서 이미지와 모션 데이터를 모으고, 제조업 특화 AI가 이를 학습해 로봇이 실행할 수 있는 작업 단위인 ‘스킬’을 만든다. 범용 지능을 한 번에 완성하기보다, 고객이 당장 돈을 절약할 수 있는 공정 하나를 자동화하면서 데이터를 쌓는 접근이다.
SigmaKit은 로봇이 아니라 ‘학습 가능한 작업 셀’이다
SigmaKit은 완성형 로봇 한 대가 아니다. 공식 제품 설명과 출시 자료에 따르면 제조 AI 소프트웨어, 섬세한 작업용 로봇 핸드 또는 그리퍼, 손동작을 전달하는 티칭 장치, 센서 모듈을 묶은 툴킷이다. 로봇팔 자체는 기본 키트에 포함되지 않는다. 고객이 이미 사용하는 여러 로봇팔에 지능과 손을 얹을 수 있다면, 공장 전체를 새로 설계하지 않고도 도입할 수 있다는 의미다.
작업 흐름은 네 단계다.
- 시연 데이터 수집: 작업자가 글러브 또는 핸드헬드 티칭 장치로 동작을 반복해 보여준다.
- 데이터 검토: 이미지와 모션 데이터에서 좋은 시연을 선별하고 편집한다.
- 스킬 학습: 제조업 특화 AI가 작업을 수행할 로봇 모션 지능을 만든다.
- 현장 배포: 학습한 스킬을 로봇에 올리고, 다른 라인이나 공장으로 확장한다.
공식 페이지는 작업 유형에 따라 하루 이내 모델 생성이 가능하다고 밝힌다. 다만 이는 회사가 제시한 목표 성능이며, 모든 공정에서 하루 만에 생산 투입이 끝난다는 뜻은 아니다. 실제 배치에는 안전 검증, 주변 설비 연동, 작업 속도 조정, 불량 조건 테스트가 추가로 필요하다.
사람 손에는 쉽고 기존 로봇에는 어려운 작업
카본식스의 제품 페이지가 흥미로운 이유는 “범용 로봇”이라는 추상어보다 구체적인 공정을 보여주기 때문이다. 유연한 케이블의 커넥터 삽입, 구겨지기 쉬운 필름 박리, 투명 봉지에서 타이밍 벨트 꺼내기, 불규칙하게 놓인 만두 정렬, 에어컨 필터 탈착 같은 작업을 예로 든다.
- 접촉 기반 삽입: 커넥터가 어긋나면 접촉 상태에서 위치를 탐색하고 다시 정렬한다.
- AI와 규칙 제어의 결합: 변동이 큰 구간은 AI가 처리하고, 정밀 반복 구간은 빠른 규칙 기반 동작으로 실행한다.
- 양팔 협업: 한 팔이 포장재를 잡고 다른 팔이 내부 부품을 꺼내는 식으로 두 팔을 연동한다.
- 실패 후 재시도: 한 번의 위치 오차로 멈추지 않고 상태를 다시 인식해 작업을 이어간다.
이 사례들은 데모 범위를 보여줄 뿐 고객 공장의 독립 검증 성능은 아니다. 작업 성공률, 시간당 처리량, 사람 개입 횟수, 평균 고장 간격은 공개되지 않았다. 그럼에도 적용 대상을 구체적으로 제시했다는 점은 좋다. 피지컬 AI의 사업성은 모델 파라미터 수보다 어떤 공정에서 사람 한 명의 개입을 얼마나 줄였는지로 판단해야 하기 때문이다.
4,000만 달러 시리즈A, 무엇을 증명했나?
카본식스는 2026년 7월 1일 4,000만 달러 규모 시리즈A를 발표했다. 회사가 함께 제시한 원화 환산액은 약 600억 원이다. DSC인베스트먼트와 LB인베스트먼트가 공동 주도했고, IMM인베스트먼트, 한국산업은행, SV인베스트먼트, 미국의 Cortentia와 ASQ가 신규 투자자로 참여했다. 기존 투자자인 Foothill Ventures, Storm Ventures, Zeitgeist Capital, Xquared, CarbonBlack Fund도 후속 투자에 참여했다고 회사는 밝혔다.
기업가치와 누적 투자금은 공개되지 않았다. 따라서 이번 라운드를 특정 밸류에이션의 유니콘 후보로 포장하기는 어렵다. 더 중요한 신호는 초기 단계 로봇 회사가 하드웨어 개발비와 현장 통합 비용을 감당할 수 있는 자금을 확보했고, 한국과 미국 투자자를 동시에 끌어들였다는 점이다. 투자금은 인재 채용, 인프라 확장, 글로벌 시장 진출에 사용될 예정이다.
회사의 자금조달 발표는 이미 상업 계약과 증가하는 매출이 있다고 주장한다. 서울경제는 2026년 1월 기준 약 20곳의 주요 고객을 확보했다고 보도했다. 다만 고객사 이름, 유료 계약 수, 계약금액, 매출 성장률, 반복 주문은 공개되지 않았다. ‘고객 20곳’이 유료 양산 고객인지 PoC와 예약을 포함한 숫자인지도 기사만으로는 명확히 구분하기 어렵다.
한국은 가장 좋은 시험장이자 가장 까다로운 시장이다
국제로봇연맹(IFR)의 2026년 발표에 따르면 한국 제조업은 2024년 근로자 1만 명당 산업용 로봇 1,220대로 세계 최고 로봇 밀도를 기록했다. 2024년 신규 설치는 3만 600대로 세계 4위였다. 전자와 자동차라는 대형 수요 산업, 자동화에 익숙한 엔지니어, 촘촘한 부품 공급망이 함께 있어 제조 피지컬 AI를 검증하기 좋은 환경이다.
동시에 자동화 수준이 높다는 것은 쉬운 공정은 이미 대부분 로봇이 맡고 있다는 뜻이다. 카본식스가 들어갈 자리는 기존 로봇으로는 경제성이 나오지 않았던 마지막 비정형 작업이다. 물체가 부드럽고, 위치가 달라지며, 공정 변경이 잦고, 사람의 미세한 판단이 필요한 영역이다. 기술 난도가 높은 만큼 성공하면 고객이 지불할 가치도 크지만, 데모와 양산 사이의 간격도 가장 크다.
글로벌 산업용 로봇 시장도 충분히 크다. IFR에 따르면 2024년 전 세계 신규 산업용 로봇 설치는 54만 2,000대로 10년 전의 두 배를 넘었고, 가동 중인 로봇은 466만 4,000대였다. 카본식스가 모든 로봇을 새로 만들 필요 없이 기존 설치 기반에 지능과 핸드를 추가할 수 있다면 이 숫자는 잠재 유통망이 된다. 반대로 로봇 브랜드마다 별도 통합이 필요하다면 확장 속도가 느려질 수 있다.
돈은 어디서 버는가?
카본식스는 공개 가격표와 매출 구성을 제시하지 않았다. 제품 구조를 보면 수익 모델은 단순한 키트 판매보다 여러 층으로 나뉠 가능성이 높다.
- SigmaKit 판매: 로봇 핸드, 티칭 장치, 센서와 AI 소프트웨어 패키지
- 현장 통합: 공정 분석, 로봇팔·PLC·비전 시스템 연동, 안전 설계
- 작업 스킬 개발: 고객 공정별 데이터 수집, 학습, 검증과 재학습
- 소프트웨어 라이선스: 학습·배포·모니터링 도구의 구독 또는 사용료
- 유지보수: 로봇 핸드와 센서 교체, 현장 지원, 성능 보증 계약
이는 공개된 제품 구성에 기반한 분석이며 회사가 확정 발표한 가격 체계가 아니다. 초기에는 현장별 엔지니어링 매출이 클 가능성이 높다. 장기적으로 좋은 사업이 되려면 고객마다 처음부터 다시 만드는 시스템통합(SI) 프로젝트에서 벗어나, 같은 키트와 스킬을 여러 공장에 반복 판매해야 한다.
진짜 해자는 로봇 손보다 데이터 플라이휠이다
회사는 공장에서 SigmaKit을 사용할수록 작업별 고품질 데이터가 쌓이고, 이 데이터가 모델을 개선해 더 좋은 자동화 도구로 돌아오는 데이터 플라이휠을 핵심 전략으로 제시한다. 인터넷에서 모은 영상보다 실제 생산 라인의 접촉, 힘, 실패와 복구 데이터가 희소하다는 판단이다.
이 전략은 논리적이지만 자동으로 해자가 되지는 않는다. 첫째, 공장 데이터에는 제품 설계와 공정 노하우가 들어 있어 고객이 외부 재사용을 허용하지 않을 수 있다. 둘째, 한 공장의 케이블 체결 데이터가 다른 부품과 로봇팔에도 일반화되는지 증명해야 한다. 셋째, 고객마다 별도 모델을 유지하면 데이터는 늘어도 소프트웨어 원가는 줄지 않는다.
따라서 확인할 지표는 수집 데이터의 양보다 두 번째 설치가 첫 번째보다 얼마나 빨라지는가이다. 한 고객에서 배운 스킬이 다른 라인에 최소 조정으로 배포되고, 필요한 시연 횟수와 엔지니어 시간이 계속 줄어든다면 플라이휠이 작동한다. 그렇지 않으면 카본식스는 기술력이 높은 로봇 SI 회사에 머물 수 있다.
경쟁자는 휴머노이드만이 아니다
범용 로봇 지능을 만드는 Physical Intelligence, Skild AI, RLWRLD 같은 AI 스타트업은 학습 모델과 데이터 플랫폼에서 경쟁한다. Figure AI, Tesla, Agility Robotics와 국내 휴머노이드 업체는 사람형 하드웨어 전체를 공장에 투입하려 한다. ABB, FANUC, KUKA, Universal Robots 같은 기존 산업용 로봇 기업과 수많은 시스템 통합업체는 이미 고객 관계, 안전 인증, 유지보수망을 갖고 있다.
카본식스의 차별점은 몸 전체를 새로 만들기보다 기존 로봇팔에 적용할 수 있는 손·센서·티칭·학습 패키지에 집중한다는 것이다. 초기 구매비와 공장 변경 범위를 줄이고, 좁은 작업에서 ROI를 먼저 증명할 수 있다. 반면 기존 로봇 제조사가 유사한 모방학습 소프트웨어를 기본 기능으로 넣거나, 범용 로봇 모델 업체가 더 많은 데이터와 자본으로 제조 스킬까지 내려오면 차별화가 약해질 수 있다.
결국 고객은 가장 똑똑한 모델이 아니라 가장 짧은 투자 회수 기간을 산다. 카본식스는 특정 공정의 사람 투입 비용, 설치비, 불량 비용, 라인 정지 위험을 합친 총비용에서 기존 자동화와 사람, 휴머노이드를 모두 이겨야 한다.
이 투자 규모는 정당한가?
기업가치가 공개되지 않았기 때문에 매출 배수로 평가할 수는 없다. 600억 원 시리즈A가 정당화되려면 카본식스가 로봇 핸드 회사, AI 모델 회사, 자동화 SI 회사 중 하나에 머물지 않고 세 요소를 표준 제품으로 결합해야 한다. 약 20곳 고객이라는 보도와 회사가 밝힌 상업 계약은 출발점이지만, 투자자가 기대하는 확장은 반복 설치와 소프트웨어 매출에서 나와야 한다.
앞으로 봐야 할 숫자는 다음과 같다.
- PoC 가운데 유료 양산 계약으로 전환된 비율
- 작업별 성공률, 사이클 타임, 사람 개입 횟수와 현장 가동률
- 한 공정의 학습과 설치에 필요한 시연 횟수·엔지니어 시간
- 같은 스킬을 다른 라인과 고객에게 재사용하는 비율
- 키트 판매 이후 발생하는 소프트웨어·유지보수 반복 매출
- 하드웨어 원가와 현장 통합비를 반영한 매출총이익률
개인적으로 이번 라운드는 현재 매출 규모보다 “제조업의 마지막 수작업을 표준화할 수 있는 팀”에 대한 베팅으로 본다. 수아랩에서 산업용 AI를 판매하고 인수까지 경험한 창업팀은 분명한 프리미엄이다. 하지만 머신비전 검사보다 물체를 직접 만지는 로봇은 안전, 고장, 마찰과 재질 편차까지 책임져야 해 상용화 난도가 한 단계 더 높다.
가장 큰 리스크는 커스터마이징의 늪이다
제조 현장은 모두 다르다. 같은 케이블 체결도 부품 공차, 조명, 지그, 로봇팔, 작업 속도, 불량 기준이 달라진다. 고객마다 하드웨어를 바꾸고 데이터를 새로 모으며 엔지니어가 상주해야 한다면 매출은 늘어도 인력과 비용이 같은 속도로 증가한다. 표준품이라는 이름이 실제 표준 매출총이익으로 이어지지 않는 위험이다.
신뢰성도 핵심이다. 공장은 데모 성공률이 아니라 수천 시간 동안의 가동률과 불량률을 본다. 로봇 핸드와 촉각 센서는 차별점인 동시에 마모와 고장이 발생하는 부품이다. 실패 후 재시도 기능이 있어도 라인 속도를 따라가지 못하거나 사람이 계속 감독해야 한다면 경제성이 무너진다.
마지막으로 데이터 권리와 보안 문제가 있다. 고객 공정 데이터를 다른 모델 개선에 사용할 수 있는지, 학습이 클라우드와 현장 중 어디서 이뤄지는지, 영업비밀이 섞인 데이터가 어떻게 분리되는지 공개 정보가 부족하다. 데이터 플라이휠을 사업의 핵심으로 내세울수록 고객별 데이터 격리와 재사용 권한 설계가 중요해진다.
개인적 판단: 로봇보다 ‘가르치는 시간’을 파는 회사
카본식스의 가장 좋은 선택은 완벽한 범용 로봇을 기다리지 않고, 기존 로봇팔을 더 쉽게 가르치는 제품부터 팔기 시작했다는 점이다. 제조업 고객에게는 사람처럼 생긴 몸보다 새로운 제품이 들어왔을 때 얼마나 빨리 작업을 다시 가르칠 수 있는지가 더 중요할 수 있다.
그래서 카본식스의 핵심 제품을 로봇 핸드가 아니라 자동화 전환 시간을 줄이는 시스템으로 본다. 기존에 몇 주 걸리던 프로그래밍과 튜닝을 며칠 또는 하루 단위로 줄이고, 한 번 만든 스킬을 여러 라인에 재사용할 수 있다면 고객의 투자 회수 기간이 크게 짧아진다. 이때 하드웨어는 데이터를 모으는 배포 장치가 되고, 스킬 라이브러리와 학습·배포 소프트웨어가 기업가치를 만든다.
반대로 ‘하루 학습’이 제한된 데모에서만 가능하고 실제 양산에는 긴 통합 프로젝트가 필요하다면 이야기는 달라진다. 다음 단계에서 필요한 것은 더 멋진 영상이 아니라 유료 양산 고객 수, 설치 기간, 사이클 타임, 가동률, 반복 주문과 소프트웨어 매출 비중이다. 이 숫자가 공개되기 시작하면 카본식스가 피지컬 AI 회사인지 고급 자동화 업체인지 선명해질 것이다.
한눈에 보는 카본식스
- 설립: 2024년 7월
- 창업팀: 문태연 CEO, 서형주 CTO, 김제혁 CHO
- 핵심 제품: 제조업 모방학습 로봇 AI 툴킷 SigmaKit
- 적용 분야: 케이블 체결, 필름 박리, 조립, 정렬, 양팔 조작 등 비정형 제조 공정
- 최근 투자: 2026년 7월 4,000만 달러, 회사 환산 약 600억 원 시리즈A
- 고객 신호: 2026년 1월 서울경제 보도 기준 약 20곳의 주요 고객
- 확인되지 않은 정보: 기업가치, 누적 투자금, 매출, 유료 고객 수, 가격, 매출총이익률, 가동률, 재주문율
답글 남기기
댓글을 달기 위해서는 로그인해야합니다.