Brain over Body: OpenAI가 휴머노이드를 직접 만들며 몸보다 두뇌에 거는 이유와 2027년 시연
Sam Altman이 Sources 팟캐스트에서 OpenAI가 휴머노이드와 다른 형태의 로봇을 모두 만들겠다고 확인하고, 몸의 설계보다 로봇을 움직이는 두뇌가 더 어려운 문제라고 말했습니다. Fortune 인터뷰에서는 2027년에 시연을, 거리의 로봇은 그 뒤 몇 년이라고 했습니다. 소프트웨어 AI 기업이 하드웨어까지 수직 통합하는 흐름을 정리하고, 우리 현장에서 로봇이 맡을 일을 고르는 방법을 붙였습니다.
OpenAI는 휴머노이드 로봇을 직접 만들고, 승부는 몸이 아니라 두뇌(로봇을 보고·판단하고·움직이게 하는 AI 모델)에서 난다고 봅니다. 2027년 시연, 거리의 로봇은 그 뒤 몇 년이 Altman이 말한 일정입니다. 기업이 지금 할 일은 로봇을 사는 것이 아니라, 3년 뒤 로봇이 맡을 수 있는 현장 작업을 골라 두고 두뇌와 몸을 누가 공급하는지 벤더에게 묻는 것입니다.
요약
OpenAI CEO Sam Altman은 2026년 9월 초 공개된 Sources 팟캐스트(Alex Heath 진행) 첫 회에서 로봇 계획을 밝혔습니다. 휴머노이드(사람 모양 로봇)를 만들 것이냐, 데이터센터용 기계를 만들 것이냐는 질문에 둘 다라고 답하고, 휴머노이드는 반드시 만들되 다른 형태도 함께 만들겠다고 했습니다. 사람 모양을 택하는 이유는 문·키보드·도구·작업장이 모두 사람 몸에 맞춰 설계돼 있어서입니다. 그러면서도 몸의 설계는 두뇌를 제대로 만드는 일보다 덜 중요하다고 말했습니다. 이 발언은 Forbes(John Koetsier, 9월 3일) 보도로 알려졌고, Engadget이 10월 17일 OpenAI 채용 공고와 묶어 다시 다뤘습니다. 2027년 일정은 별도 자리인 Fortune 인터뷰(Alyson Shontell, 9월 15일 게재)에서 나왔습니다. 2027년에 인상적인 시연을 보여 주겠지만, 로봇이 거리를 걷는 데는 몇 년이 더 걸린다는 것입니다.
Engadget 보도 기준으로 OpenAI 채용 페이지에는 로보틱스 직무가 27개 올라 있습니다. 모션 제어, 상태 추정, 액추에이터(관절을 움직이는 구동기) 제어, 로봇 전체의 행동 설계, 피지컬 AI 학습용 ML 인프라에 더해, 모터·변속기·센서·열 관리를 아우르는 자체 액추에이터 개발과 제조·공급망 직무가 포함됩니다. 공고에 적힌 목표는 단기적으로 숙련 노동자가 인프라를 짓는 일을 돕는 범용 로봇, 장기적으로 더 넓은 일을 하는 개인 로봇입니다. 두뇌가 더 중요하다고 말하면서 몸까지 직접 만드는 이유는 Forbes 보도에서 읽힙니다. OpenAI는 2021년 무렵 데이터가 부족해 로보틱스 연구를 접었고, 2025년 2월에는 투자했던 Figure AI가 자체 모델을 쓰겠다며 협업을 끝냈습니다. 두뇌를 학습시킬 실제 세계 데이터는 결국 자기 로봇에서 나온다는 판단입니다. 아래에서는 네 가지 메커니즘으로 이 판단을 풀고, 우리 현장에 옮길 때 무엇을 준비할지 덧붙였습니다.
핵심 메커니즘
Humanoid Form Factor: 세상이 사람 기준으로 설계돼 있다
로봇의 형태를 고르는 기준은 로봇이 일할 공간입니다. 공장, 창고, 매장, 가정은 모두 사람의 키·팔 길이·손 크기에 맞춰 지어졌습니다. 문손잡이 높이, 계단 폭, 선반 간격, 공구의 그립이 그렇습니다. 바퀴 달린 상자 모양 로봇을 들이려면 공간을 고쳐야 하지만, 사람 모양 로봇은 있는 공간에 그대로 들어갑니다. Altman이 사람 모양을 택한 이유가 이것입니다. 다만 그는 휴머노이드만 만들겠다고 하지 않았습니다. 데이터센터처럼 사람이 드물고 작업이 정해진 공간에는 다른 형태가 맞을 수 있다는 뜻으로 읽히며, 두 갈래를 모두 가져가겠다는 답입니다.
기업 입장에서 이 기준은 거꾸로 쓸 수 있습니다. 우리 현장 가운데 “사람 몸에 맞춰 지어져서 바꾸기 어려운 공간”이 휴머노이드 후보고, “공간을 로봇에 맞춰 다시 짤 수 있는 공간”은 전용 자동화 장비가 더 싸고 빠른 선택입니다. 가상 예시로, 수십 년 된 물류창고의 피킹 통로는 전자, 새로 짓는 자동화 창고는 후자입니다.
Brain over Body: 몸보다 어려운 것은 보고·판단하고·움직이는 모델
Altman이 말한 두뇌는 로봇의 눈과 센서로 들어온 정보를 읽고, 사람의 지시를 해석하고, 할 일을 계획하고, 팔다리를 제어하는 AI 모델입니다. 두 팔과 두 다리가 있어도 무엇을 어떻게 할지 모르면 소용이 없다는 뜻입니다. 로봇이 컵을 들려면 컵을 알아보고, 손잡이를 찾고, 쏟지 않을 만큼의 힘을 계산해야 합니다. 이 과정을 하나의 모델이 맡는 접근이 VLA(vision-language-action, 시각·언어·행동 모델)입니다. 카메라 영상과 언어 지시를 입력으로 받아 관절 동작을 출력하는 모델로, Google DeepMind의 RT-2 논문(Brohan 외, 2023)이 웹 규모의 시각·언어 데이터로 학습한 모델이 로봇 동작까지 출력하도록 만든 대표 사례입니다. 두뇌가 어려운 이유는 입력이 매 순간 다르고, 실패하면 물건이 깨지거나 사람이 다치며, 학습에 쓸 “실제로 움직여 본 데이터”가 텍스트처럼 인터넷에 쌓여 있지 않다는 데 있습니다.
이 구분은 벤더를 볼 때 바로 쓰입니다. 로봇 업체가 보여 주는 시연에서 몸(걷기, 균형, 손 동작)과 두뇌(처음 보는 물건, 바뀐 지시, 실패 뒤 복구)를 나눠 보고, 두뇌가 누구의 모델인지, 우리 현장 데이터로 다시 학습할 수 있는지를 물어야 합니다.
Vertical Integration: 두뇌를 키울 데이터는 자기 몸에서 나온다
두뇌가 더 중요하다면 왜 몸까지 직접 만들까요. Forbes 보도가 짚은 답은 데이터입니다. OpenAI는 2021년 무렵 로봇을 움직여 본 데이터가 부족해 로보틱스 연구를 중단한 적이 있습니다. 2024년 Figure AI에 투자하고 모델을 공급하는 협업을 맺었지만, Figure는 2025년 2월 두뇌를 외부에 맡길 수 없다며 자체 모델 Helix로 돌아섰습니다. 다른 회사 로봇에 두뇌만 얹는 길은 데이터도 주도권도 상대에게 있다는 뜻입니다. 자기 로봇을 돌리면 센서 값, 물체와의 접촉, 실수와 교정, 힘의 크기가 그대로 학습 데이터가 됩니다. 채용 공고의 자체 액추에이터 개발과 제조·공급망 직무는 이 판단의 결과로 읽힙니다. Forbes 기준 9월 초 19개였던 공고가 Engadget 기준 10월 중순 27개로 늘었습니다.
기업에 주는 함의는 공급 구조입니다. 앞으로 로봇 시장은 두뇌와 몸을 모두 가진 회사(OpenAI, Tesla, Figure), 두뇌를 공급하는 회사(Nvidia, Google DeepMind), 몸을 만드는 회사로 갈립니다. 로봇을 도입하는 쪽은 어느 조합을 사느냐에 따라 데이터가 누구에게 쌓이는지, 모델이 바뀌면 몸을 바꿔야 하는지가 달라집니다.
Demo to Street: 시연과 현장 투입 사이의 몇 년
Fortune 인터뷰에서 Altman은 2027년 시연과 거리의 로봇을 분명히 나눴습니다. 시연은 통제된 환경에서 정해진 과제를 보여 주는 것이고, 거리의 로봇은 예측할 수 없는 환경에서 안전하게 오래 일하는 것입니다. 둘 사이에 몇 년이 있다는 말은 시연 성공률과 현장 가동률 사이의 간격을 뜻합니다. 채용 공고의 목표 순서도 같은 방향입니다. 먼저 인프라 건설 같은 산업 현장에서 숙련 노동자를 돕는 범용 로봇, 그 뒤에 개인 로봇입니다. 가정은 Altman이 Sources에서 언젠가는 모두가 개인 로봇을 가져야 한다고 하면서도 첫 우선순위는 아니라고 밝힌 영역입니다.
기업 계획에 옮기면, 2027년은 시연을 보고 후보 작업을 좁히는 해, 그 뒤 2~3년이 제한된 구역에서 시범 운영을 하는 기간입니다. 지금 할 일은 그때 바로 시범에 들어갈 수 있도록 작업 후보와 안전 기준을 정리해 두는 것입니다.
통념과 다른 주장
흔히 이렇게 봅니다휴머노이드 경쟁은 하드웨어 경쟁이다. 더 잘 걷고 더 정교한 손을 가진 로봇이 이긴다.
Altman은 이렇게 봅니다몸의 설계는 두뇌를 제대로 만드는 일보다 덜 중요합니다. 로봇을 쓸 만하게 만드는 어려운 문제는 소프트웨어에 있습니다.
근거Sources 팟캐스트 발언입니다. 두 팔과 두 다리가 있어도 주변을 읽고 지시를 해석해 행동을 계획하지 못하면 일을 못 한다는 설명을 Engadget과 DigitalToday가 전했습니다.
흔히 이렇게 봅니다AI 모델 회사는 두뇌만 만들고 몸은 로봇 회사에 맡기는 것이 효율적이다.
Altman은 이렇게 봅니다두뇌가 더 중요하다고 말하면서도 OpenAI는 휴머노이드와 다른 형태의 몸을 직접 만듭니다.
근거Sources 팟캐스트에서 휴머노이드를 반드시 만들겠다고 확인했고, 채용 공고에 자체 액추에이터와 제조·공급망 직무가 있습니다. Forbes는 2021년 무렵 데이터 부족으로 접은 연구와 2025년 Figure의 결별을 배경으로 들었습니다.
보도가 든 사례
Figure AI: 두뇌를 외부에 맡기지 않기로 한 로봇 회사
- 상황: 휴머노이드 회사 Figure AI는 2024년 2월 OpenAI가 참여한 투자를 받고 OpenAI 모델을 쓰는 협업을 맺었습니다.
- 한 일: 2025년 2월 협업을 끝내고 자체 모델 Helix로 전환했습니다. CEO Brett Adcock은 대형 언어 모델이 범용화되고 있어 자기 모델을 가져야 차별화된다고 설명했습니다.
- 결과: OpenAI는 두뇌를 얹을 남의 몸을 잃었고, 이듬해인 2026년 5월 로보틱스 조직을 세워 자기 몸을 만들기 시작했습니다. 시점의 인과는 보도의 해석이며, OpenAI가 공식으로 밝힌 것은 아닙니다.
- 연결: Vertical Integration의 사례입니다. 두뇌와 몸 어느 쪽도 상대에게 맡기지 않으려는 움직임이 양쪽에서 동시에 일어났습니다.
Dactyl: 시뮬레이션에서 배운 손이 실제 물체를 다루다
- 상황: OpenAI는 2018년 로봇 손 Dactyl을 시뮬레이션만으로 학습시켜 실제 물체를 다루게 했고, 2019년 같은 방법으로 루빅스 큐브를 맞추는 손을 보였습니다.
- 한 일: 가상 환경에서 조명·마찰·물체 크기를 무작위로 바꿔 학습해 현실의 변수에 대응하도록 했습니다(OpenAI 2018년 발표 기준).
- 결과: 시뮬레이션에서 배운 동작이 현실로 옮겨질 수 있음을 보였습니다. 다만 Engadget과 DigitalToday는 이 사례를 소프트웨어로 배운 동작도 결국 현실의 물리 변수와 부딪힌다는 점을 보여 주는 예로 들었습니다. 성공률 수치는 보도마다 달라 적지 않습니다.
- 연결: Brain over Body의 사례입니다. 두뇌는 시뮬레이션으로 키울 수 있지만, 마지막 간격은 실제 몸으로 메워야 합니다.
Tesla Optimus와 XPENG IRON: 앞서가는 몸
- 상황: Engadget은 OpenAI보다 앞선 사례로 Tesla와 XPENG을 들었습니다.
- 한 일: Tesla는 여러 해 동안 Optimus를 개량해 왔고, 중국 XPENG의 IRON은 조립을 마친 뒤 생산 라인에서 스스로 걸어 나오는 모습을 보였습니다.
- 결과: 몸의 완성도에서는 선행 기업이 앞서 있습니다. OpenAI는 로봇의 모습, 사양, 파트너, 가격, 출시일을 아직 밝히지 않았습니다.
- 연결: Brain over Body의 대비 사례입니다. 몸이 앞서도 두뇌가 승부를 가른다는 것이 Altman의 주장이고, 그 검증은 2027년 시연부터 시작됩니다.
기술 디테일: 우리 현장의 로봇 후보 작업을 고르려면
아래는 보도의 원리를 우리 조직에 대입할 때 필요한 데이터 형식과 판정 방법으로, AX Review가 새로 작성했습니다. 숫자는 모두 가상 예시입니다.
Humanoid Form Factor로 후보 공간을 가르려면 현장 작업을 아래 형식으로 목록화합니다. 핵심 필드는 space_fixed(공간을 로봇에 맞춰 바꿀 수 있는지), tool_human(사람용 공구·설비를 그대로 써야 하는지), variability(물체·위치·순서가 매번 달라지는 정도)입니다. 세 값이 모두 높으면 휴머노이드 후보, space_fixed가 낮으면 전용 자동화 후보, variability가 낮으면 기존 산업용 로봇 후보로 1차 분류합니다. 작업 목록은 현장 팀장 인터뷰와 작업 표준서에서 뽑고, 작업당 10분 안에 채울 수 있는 수준으로 둡니다.
{
"task_id": "WH-PICK-03",
"site": "경기 물류센터 A",
"task": "혼합 SKU 피킹",
"hours_per_day": 42,
"space_fixed": "high | mid | low",
"tool_human": true,
"variability": "high | mid | low",
"safety_class": "near_people | isolated",
"data_available": ["cctv", "wms_log"],
"candidate": "humanoid | fixed_automation | arm | none",
"reviewed_at": "2026-11-10"
}Brain over Body를 벤더 시연에서 가려 보려면 시연을 몸 항목과 두뇌 항목으로 나눠 채점합니다. 몸 항목은 보행·균형·파지 같은 정해진 동작, 두뇌 항목은 처음 보는 물체, 중간에 바뀐 지시, 떨어뜨린 뒤 복구, 사람이 끼어들 때의 정지입니다. 두뇌 항목은 우리가 준비한 물체와 지시로 최소 20회 반복하고 성공률과 사람 개입 횟수를 기록합니다. 벤더에게는 두뇌 모델이 자체인지 외부(Nvidia, Google 등)인지, 우리 현장 데이터로 재학습이 가능한지, 재학습 데이터와 모델의 소유가 누구인지를 서면으로 받습니다. 두뇌 항목 성공률이 몸 항목보다 크게 낮으면 시연은 몸을 보여 준 것이지 일을 보여 준 것이 아닙니다.
| 항목 | 0점 | 3점 | 5점 |
|---|---|---|---|
| 처음 보는 물체 | 집지 못함 | 10회 중 5회 이상 | 10회 중 9회 이상 |
| 지시 변경 | 이전 지시 계속 수행 | 멈추고 사람 확인 요청 | 새 지시로 바로 전환 |
| 실패 복구 | 정지 | 사람 개입 뒤 재시작 | 스스로 다시 시도 |
| 사람 접근 | 반응 없음 | 느려짐 | 즉시 정지 후 재개 |
Vertical Integration에 맞춰 데이터 소유를 정하려면 로봇이 우리 현장에서 만드는 데이터(영상, 관절 값, 접촉 센서, 실패 로그)가 벤더 모델 학습에 쓰이는지, 쓰인다면 우리에게 어떤 권리가 남는지를 계약 전에 정합니다. 가상 예시로, 데이터는 벤더가 학습에 쓸 수 있되 우리 현장의 작업 식별 정보는 제거하고, 재학습으로 좋아진 모델은 우리에게 우선 적용한다는 조건을 둘 수 있습니다. 두뇌와 몸이 다른 회사라면 모델 교체 때 몸이 호환되는지도 조건에 넣습니다.
Demo to Street의 간격을 우리 기준으로 재려면 시연 성공률이 아니라 시범 운영 지표를 정합니다. 시간당 처리량(사람 대비 %), 사람 개입 횟수(시간당), 무정지 가동 시간, 안전 정지 건수입니다. 가상 예시로, 사람 대비 처리량 60% 이상, 시간당 개입 1회 미만, 8시간 무정지가 4주 연속이면 다음 구역으로 넓히고, 아니면 작업을 더 단순한 것으로 바꿉니다.
현업 실행 디테일: 누가, 언제, 무엇을
| 역할 | 담당 | 6주 동안 하는 일 |
|---|---|---|
| 스폰서 | CEO 또는 운영 총괄 임원 | 후보 작업 목록과 벤더 질의 결과 승인 |
| AX 추진 | AX 추진 담당 1명 | 작업 목록 틀 배포, 분류, 벤더 질의서 작성 |
| 현장 팀장 | 물류·제조·매장 팀장 각 1명 | 작업 목록 채우기, 공간 고정 여부 판단 |
| 안전·환경 | 안전 담당 1명 | 사람 근접 작업의 안전 등급 부여 |
| 구매·법무 | 구매 1명, 법무 1명 | 데이터 소유·재학습 조건 초안 |
| IT·데이터 | 데이터 담당 1명 | 현장 데이터(CCTV, WMS 로그) 보유 현황 확인 |
시작 전 준비물: 현장별 작업 표준서, 작업별 투입 시간(일·주 단위), 현장 도면과 공간 변경 가능 여부, 안전 사고·아차 사고 기록, 보유 중인 현장 데이터 목록, 접촉 가능한 로봇 벤더 목록.
| 주차 | 할 일 | 산출물 |
|---|---|---|
| 1주 | 현장 3곳 작업 목록 틀 배포, 팀장 인터뷰 | 작업 목록 초안 |
| 2주 | space_fixed·tool_human·variability 채우기 | 분류된 작업 목록 |
| 3주 | 휴머노이드 후보 상위 10개 선정, 안전 등급 부여 | 후보 목록, 안전 메모 |
| 4주 | 벤더 질의서 발송(두뇌 소유·재학습·데이터) | 질의서, 회신 |
| 5주 | 데이터 소유 조건 초안, 시범 지표 정의 | 계약 조건 초안, 지표표 |
| 6주 | 경영회의 보고, 2027년 시연 뒤 행동 계획 확정 | 판정 보고서 |
현장 팀장 인터뷰 질문: 이 작업은 하루 몇 시간, 몇 명이 합니까? 작업 순서와 물건은 매번 같습니까, 다릅니까? 공간을 바꿀 수 있다면 어디까지 가능합니까? 사람용 공구나 설비를 그대로 써야 합니까? 사람이 바로 옆에서 함께 일합니까? 이 작업에서 최근 1년 사이 사고나 아차 사고가 있었습니까? 이 작업을 영상이나 로그로 남기고 있습니까?
진행 판정 기준(예시): 하루 8시간 이상 투입되고 space_fixed가 높고 variability가 높은 작업이 3개 이상 나오면 휴머노이드 시범 후보로 두고 2027년 시연을 지켜봅니다. space_fixed가 낮은 작업이 대부분이면 휴머노이드를 기다리지 않고 전용 자동화를 먼저 검토합니다. 벤더 가운데 두뇌 모델의 소유와 재학습 조건을 서면으로 답하지 못하는 곳은 후보에서 제외합니다.
AX 적용 제언. 이 소식이 가장 쓸모 있는 곳은 물류센터·조립 공장·대형 매장처럼 사람 몸에 맞춰 지어진 공간이 많고 노동력 확보가 어려운 기업입니다. 지금 로봇을 사는 결정이 아니라, 3년 계획에 “물리 세계 AI” 항목을 넣고 후보 작업과 데이터 소유 원칙을 먼저 세우는 일이 맞습니다. 순서는 작업 목록 → 후보 선정 → 벤더 질의 → 시범 지표가 무난합니다. 벤더를 볼 때는 로봇의 모습보다 두뇌가 누구의 것이고 우리 데이터로 좋아지는지를 먼저 묻고, 두뇌와 몸을 다른 회사가 공급하는 조합이라면 교체 비용을 계약에 미리 넣어야 합니다. 안전 담당을 처음부터 넣지 않으면 시범 단계에서 멈추기 쉽습니다.
원문 사례
| 항목 | 내용 | 확인한 소스 |
|---|---|---|
| 휴머노이드 확인 | 휴머노이드냐 데이터센터 기계냐는 질문에 둘 다. 휴머노이드는 반드시, 다른 형태도 함께 | Sources 팟캐스트 발언을 Forbes(John Koetsier, 2026.09.03)·TechTimes·Tbreak가 보도 |
| 사람 모양을 택한 이유 | 세상이 사람에 맞춰 설계돼 있어 같은 공간에서 일하려면 비슷한 모양이 맞다 | Sources 팟캐스트 발언을 Engadget(10.17) 전재 보도(dev.ua, DigitalToday, Tbreak)로 확인 |
| 몸보다 두뇌 | 몸의 설계는 로봇을 움직이는 두뇌보다 덜 중요하다 | Sources 팟캐스트 발언을 Forbes·Engadget 전재 보도로 확인 |
| 개인 로봇 | 언젠가 모두가 개인 로봇을 가져야 하지만, 인프라·제조가 먼저 | Sources 팟캐스트 발언을 Forbes Argentina(09.06)로 확인 |
| 2027년 시연 | 2027년에 인상적인 시연, 거리의 로봇은 몇 년 더 | Fortune 인터뷰(Alyson Shontell, 2026.09.15 게재) 원문으로 확인 |
| 채용 공고 | 로보틱스 직무 27개, 자체 액추에이터, 제조·공급망, 단기 인프라 건설 지원·장기 개인 로봇 | Engadget(10.17) 전재 보도로 확인. 9월 초 19개는 Forbes |
| 배경 | 2021년 무렵 데이터 부족으로 로보틱스 연구 중단, 2025년 2월 Figure AI 협업 종료 | Forbes, TechTimes |
| 경쟁 | Tesla Optimus, XPENG IRON | Engadget 전재 보도 |
| 미공개 | 로봇의 모습·사양, 파트너, 가격, 출시일, 시연 내용 | Engadget 전재 보도 |
핵심 개념
- 휴머노이드(humanoid)
- 사람의 몸 구조를 따라 두 팔·두 다리로 움직이는 로봇. 사람용 공간과 도구를 그대로 쓸 수 있다.
- 피지컬 AI(physical AI)
- 화면 안이 아니라 실제 세계에서 물체를 보고 만지고 움직이는 AI. 로봇의 두뇌에 해당한다.
- VLA(vision-language-action)
- 카메라 영상과 언어 지시를 입력받아 로봇 동작을 출력하는 모델. RT-2(2023)가 대표 사례.
- 액추에이터(actuator)
- 모터·변속기·센서로 관절을 움직이는 구동 장치. 휴머노이드 부품 원가의 큰 몫을 차지한다.
- sim-to-real
- 시뮬레이션에서 학습한 동작을 실제 로봇으로 옮기는 과정. Dactyl이 쓴 방법이며, 현실의 물리 변수가 마지막 간격을 만든다.
- form factor
- 로봇의 물리적 형태. 휴머노이드, 바퀴형, 고정 팔 등 일할 공간에 따라 고른다.
내 메모
TODO: 내 생각 추가
원문: Engadget, “OpenAI is building a humanoid robot, but the body isn’t the real challenge”(2026.10.17). Engadget 본문은 직접 열지 못해 이를 전재·인용한 dev.ua, DigitalToday, Tbreak, AI Weekly, Metirai 기사로 내용을 확인했습니다. Sources 팟캐스트(Alex Heath, 2026.09.01 공개) 발언은 음성을 직접 듣지 못했고 Forbes(John Koetsier, 2026.09.03), Forbes Argentina, TechTimes 보도로 확인했습니다. 2027년 시연 발언은 Fortune 인터뷰(Alyson Shontell, 2026.09.15) 원문에서 확인했습니다. 발언은 모두 따옴표 없이 요지로 옮겼고, 보도마다 어긋나는 세부(성공률 수치, 정확한 발언 일자)는 넣지 않았습니다. VLA 설명은 RT-2 논문(Brohan 외, 2023)으로 보강했습니다. 기술·현업 디테일, JSON 예시, 채점표, 일정·판정 기준, 인포그래픽, 표는 AX Review가 새로 작성한 것이며 숫자는 가상 예시입니다.