Figure AI는 미국 캘리포니아주 서니베일에 본사를 둔 휴머노이드 로봇 스타트업으로, 최근 1~2년 사이 가장 빠르게 주목받은 Physical AI 기업 중 하나예요. 자체 개발 하드웨어인 Figure 01과 Figure 02, 그리고 가정용 모델 Figure 03에 이르기까지 매 세대마다 빠른 진화를 보여주며 산업 현장과 일반 가정 모두를 겨냥하는 행보가 인상적인데요. 이 글에서는 Figure AI의 기술 스택, 학습 방식, 비즈니스 모델, 그리고 휴머노이드 산업 내 위치를 차근차근 분석해 드릴게요.
Figure AI는 어떤 회사인가요
Figure AI는 2022년 브렛 애드콕(Brett Adcock)이 창업한 휴머노이드 로봇 회사예요. 창업자는 이전에 도심 항공 모빌리티(eVTOL) 기업 Archer Aviation을 공동 창업한 인물로, 하드웨어 양산 경험을 휴머노이드 분야로 옮겨 왔다는 점이 특징이에요. 회사는 “지구상의 모든 노동을 자동화한다”라는 야심찬 비전을 내세우며 빠르게 자본과 인력을 모으고 있어요.
핵심 투자자와 자금 조달
Figure AI는 OpenAI, Microsoft, Nvidia, Jeff Bezos, Intel Capital, Samsung 등 굵직한 투자자들로부터 시리즈 B에서만 약 6억 7,500만 달러를 유치하면서 기업가치 26억 달러를 인정받았어요. 2024년 말과 2025년에는 추가 라운드를 통해 100억 달러를 훌쩍 넘는 기업가치 평가가 거론되면서, 비상장 휴머노이드 기업 중 최상위 그룹에 안착했다는 평가를 받고 있어요.
본사와 인력 구성
샌프란시스코 베이 지역에 본사를 두고 있고, 보스턴 다이내믹스, Tesla, Apple, NASA, IHMC, 그리고 다양한 자율주행 기업 출신의 엔지니어들을 빠르게 영입했어요. 하드웨어, 액추에이터, 강화학습, 비전-언어-액션(VLA) 모델 등 분야별 전문가가 한 팀에 모여 있다는 점이 Figure AI 경쟁력의 근간이에요.
Figure 01부터 Figure 03까지 하드웨어 진화
Figure AI의 핵심 자산은 자체 설계한 휴머노이드 플랫폼이에요. 1세대 Figure 01에서 2세대 Figure 02, 그리고 가정용에 초점을 맞춘 Figure 03에 이르기까지 채 2년이 안 되는 기간 동안 비교적 빠른 속도로 세대 교체가 진행됐다는 점이 인상적이에요.
Figure 01: 초기 검증 플랫폼
Figure 01은 키 약 168cm, 무게 60kg 수준의 초기 휴머노이드로, 기본 보행과 양손 그리퍼 조작을 시연하면서 회사의 가능성을 처음 알린 모델이에요. OpenAI의 시각-언어 모델과 결합한 데모에서 사람이 음성으로 지시하면 사과를 집어 건네주거나, 식기를 정리하는 장면을 보여 주어 큰 화제를 모았어요.
Figure 02: 산업 현장 도입 가속화
Figure 02는 BMW의 스파턴버그 공장에 시범 도입된 모델로 잘 알려져 있어요. 6개의 RGB 카메라 기반 비전 시스템, 자체 개발 액추에이터, 그리고 향상된 손가락 자유도를 통해 컨베이어 위 부품을 집어 정해진 위치에 끼우는 반복 작업을 자율적으로 수행했어요. 이는 단순 PoC를 넘어 실제 공장 환경에서 휴머노이드의 실용성을 입증한 의미 있는 사례로 자주 인용돼요.
Figure 03: 가정용을 향한 도약
Figure 03은 가정용 적용을 강하게 의식한 설계가 특징이에요. 외피에 직물 소재를 적극 활용해 사용자가 부딪혔을 때의 안전성을 높였고, 손가락에 정전식 촉각 센서를 부착해 식기, 빨래, 식료품처럼 형태와 강도가 다양한 물체를 부드럽게 다루는 데 초점을 맞췄어요. 또한 무선 충전, 음성 기반 상호작용 등 가전 제품에 가까운 사용자 경험을 의식한 디자인을 강조하고 있어요.
Helix 모델과 학습 파이프라인
Figure AI의 소프트웨어 핵심은 자체 개발한 비전-언어-액션(VLA) 모델인 Helix예요. 별도의 작업 프로그래밍 없이도 카메라 영상과 자연어 지시만으로 다양한 동작을 생성할 수 있도록 설계됐다는 점이 특징이에요.
End-to-End 신경망 정책
전통적인 로봇 제어는 인지, 계획, 제어 모듈을 따로 만들고 이를 파이프라인으로 묶는 방식이 많았어요. 반면 Helix는 카메라 이미지와 텍스트 지시를 입력으로 받아 손가락 관절과 팔 관절 토크 명령을 직접 출력하는 End-to-End 정책에 가까운 구조예요. 덕분에 새로운 작업을 추가할 때마다 룰을 다시 짤 필요 없이, 데모 데이터만 충분하면 빠르게 일반화가 가능하다는 강점이 있어요.
모방 학습과 텔레오퍼레이션
Figure AI는 텔레오퍼레이션을 통해 대량의 데모 데이터를 모으고, 이를 모방 학습(Imitation Learning)으로 정책에 주입하는 방식을 적극 활용해요. 사람이 VR 헤드셋이나 마스터-슬레이브 장비를 통해 로봇 손과 팔을 직접 조작하면, 모든 관절 궤적과 카메라 영상이 함께 저장되고, 이 데이터셋이 Helix 학습의 핵심 재료가 돼요.
시뮬레이션과 도메인 무작위화
학습 비용을 줄이기 위해 Nvidia Isaac Sim과 같은 시뮬레이션 환경도 적극적으로 활용해요. 시뮬레이션 안에서 조명, 마찰, 물체 모양, 카메라 노출을 무작위로 바꿔 가며 정책을 학습한 뒤 실제 로봇에 옮기는 도메인 무작위화(Domain Randomization)는, 실세계 데이터 수집의 한계를 보완하는 표준 기법으로 자리 잡고 있어요.
BMW 도입과 산업 자동화 전략
Figure AI가 단숨에 시장의 관심을 끈 가장 큰 사건은 BMW와의 협업이에요. 자동차 공장처럼 정밀하고 반복적인 작업이 많은 환경에서 휴머노이드가 실제로 어떻게 활용될 수 있는지 보여 줬다는 점이 의미 깊어요.
스파턴버그 공장 파일럿
미국 사우스캐롤라이나 스파턴버그에 있는 BMW 공장에서는 Figure 02가 판금 부품을 집어 지정 위치에 끼우는 작업을 수행한 영상이 공개됐어요. 사람이 직접 부착할 경우 자세 부담이 크고 정확도 유지가 어려운 공정이라, 휴머노이드의 강점이 잘 드러나는 사례라 할 수 있어요.
RaaS 모델과 시간당 비용
Figure AI 경영진은 휴머노이드를 단순 판매가 아닌 RaaS(Robot as a Service) 형태로 제공하는 전략을 자주 언급해요. 시간당 사용료를 책정해 인건비와 비교 가능한 수준으로 가격을 낮추고, 24시간 가동·유지보수까지 포함한 서비스 패키지를 묶는 식이에요. 실제로 미국 제조업 평균 임금을 기준으로 시간당 8~12달러 수준이 손익분기점으로 거론되고 있어요.
업종 확대 가능성
자동차 공장 외에도 물류 창고, 식품 제조, 전자제품 조립처럼 단순 반복 작업이 많은 산업이 1차 타깃이에요. 사람이 일하던 작업대를 그대로 두고도 즉시 투입 가능하다는 점은, 별도의 컨베이어 자동화 라인을 새로 깔아야 하는 기존 산업용 로봇과 비교했을 때 휴머노이드의 명확한 차별점이에요.
경쟁 구도와 시장 내 포지셔닝
휴머노이드 시장은 Tesla Optimus, Boston Dynamics Atlas, 1X Technologies NEO, Apptronik Apollo, Agility Digit, Unitree H1, Sanctuary AI Phoenix 등 강력한 경쟁자가 즐비해요. Figure AI는 이들 사이에서 어떤 위치를 점하고 있는지 정리해 볼게요.
Tesla Optimus와의 비교
Tesla Optimus는 자사 자동차 공장 데이터와 거대한 자본력을 바탕으로 자체 생태계 안에서 휴머노이드를 양산하려는 전략을 취하고 있어요. 반면 Figure AI는 처음부터 외부 고객사를 적극적으로 수용하는 개방형 사업 모델을 지향한다는 점에서 차이가 있어요. 양사 모두 자체 칩, 자체 액추에이터, 자체 학습 모델을 강조한다는 점에서는 비슷한 구조예요.
1X NEO와 가정용 시장
가정용 휴머노이드에서는 노르웨이 1X Technologies가 만든 NEO가 가장 직접적인 경쟁자예요. 외관은 1X NEO가 부드러운 직물 외피와 인간 친화적인 디자인을 강조하는 반면, Figure 03도 가정용을 의식해 비슷한 방향성을 보여 주고 있어 두 모델의 비교가 자주 이뤄지고 있어요.
오픈소스 진영과의 차이
Hugging Face의 LeRobot, Unitree의 일부 SDK, Open X-Embodiment처럼 오픈소스 진영도 빠르게 성장 중이에요. Figure AI는 핵심 모델과 하드웨어 모두를 폐쇄적으로 유지하면서 산업 고객에게 통합 솔루션을 제공하는 전통적인 수직 통합 전략을 따른다는 점에서 차별화돼요. 일부 연구자들은 이런 전략이 진입 장벽이 되는 동시에, 외부 검증 기회를 줄인다는 비판도 제기하고 있어요.
Figure AI의 강점과 한계
Figure AI가 단기간에 시장의 관심을 끌어모은 데는 명확한 이유가 있지만, 동시에 회의적인 시선도 존재해요. 휴머노이드 산업 전체를 이해하려면 양면을 함께 살펴보는 게 중요해요.
강점: 빠른 실행력과 자본력
창업 후 2년 안에 두 세대의 하드웨어 양산, 글로벌 빅테크 투자 유치, 자동차 OEM과의 파일럿까지 진행한 실행 속도는 휴머노이드 업계에서 손꼽혀요. 또한 OpenAI, Microsoft, Nvidia로 이어지는 기술 파트너십은 LLM, 클라우드 인프라, GPU 자원 측면에서 강력한 우위를 만들어 줘요.
한계: 데이터 다양성과 안전성
휴머노이드의 진정한 가치는 사람처럼 다양한 환경에 적응하는 데서 나오는데, 현재 공개된 데모는 비교적 정제된 환경에서 진행된 경우가 많아요. 또한 100kg에 가까운 기계가 가정에 들어올 때의 안전 인증, 책임 보험, 데이터 프라이버시 같은 문제는 기술과 별개로 풀어야 할 과제예요.
가격과 양산성 과제
현재 한 대당 수만 달러 수준으로 추정되는 휴머노이드 가격을, 산업 도입을 위해서는 시간당 10달러 이하, 가정 도입을 위해서는 자동차 한 대 수준으로 끌어내려야 한다는 점이 큰 숙제예요. 액추에이터·감속기·배터리 등 부품 단가 절감과 양산 라인 구축이 향후 5년의 성패를 가를 핵심 변수예요.
마무리: Figure AI가 보여 주는 Physical AI의 방향
Figure AI를 분석해 보면 Physical AI 시대가 단순한 연구실 시연을 넘어, 실제 산업과 가정으로 빠르게 확장되고 있다는 것을 체감할 수 있어요. End-to-End 정책, 텔레오퍼레이션 기반 데이터 수집, RaaS 형태의 비즈니스 모델, 그리고 빅테크 연합 전선이 합쳐지면 이전 세대 산업용 로봇이 만들지 못했던 변화가 일어날 가능성이 충분해요. 다만 가격, 안전성, 일반화 능력 같은 본질적 과제는 여전히 남아 있는 만큼, Figure AI를 비롯한 휴머노이드 진영의 다음 1~2년이 시장 형성의 분수령이 될 것으로 보여요.
Figure AI 공식 소개는 Figure AI 공식 사이트에서, 휴머노이드 로봇 전반의 개요는 Wikipedia 휴머노이드 로봇 문서에서 더 자세히 확인하실 수 있어요.