Figure, 로봇 AI에 GPU 최대 10만 개…큰 숫자 뒤의 조건

로봇에게 수건 접기를 가르치려면 무엇이 필요할까요? 잘 접힌 수건 사진 한 장으로는 부족할 수 있습니다. 펼쳐진 수건의 어디를 잡고, 어느 쪽으로 접는지도 배워야 하기 때문입니다. 수건이 구겨져 있거나 컵 밑에 끼어 있다면 또 다른 행동이 필요합니다.

사람을 닮은 로봇을 만드는 Figure(피규어)가 이런 학습에 쓸 컴퓨터 자원을 크게 늘리겠다고 발표했습니다. 2026년 9월 3일, AI용 컴퓨터 자원을 제공하는 회사 Nscale(엔스케일)과 협력 계약을 맺었다고 밝혔습니다. 로봇의 행동을 결정하는 AI인 Helix(헬릭스)를 더 발전시키려는 계획입니다. Figure 발표

쉽게 비유하면 로봇이 배울 ‘공부 자료’와 공부에 쓸 ‘계산 도구’를 함께 늘리는 일입니다. 물론 로봇이 사람처럼 책상에 앉아 공부하는 것은 아닙니다. 여기서 학습은 컴퓨터가 많은 예시를 바탕으로 행동의 규칙을 익히도록 계산하는 과정입니다.

GPU 최대 10만 개, 이미 쓰고 있다는 뜻일까요?

아직 그런 뜻은 아닙니다. GPU는 많은 계산을 빠르게 처리하는 반도체입니다. AI를 학습시킬 때도 사용합니다. 이번 발표의 ‘최대 10만 개’는 앞으로 설치할 수 있는 규모를 말합니다.

Nscale의 발표에는 시작 시점도 나옵니다. 2027년 하반기부터 미국 텍사스주 Barstow에 첫 GPU를 설치하는 것이 목표입니다. 따라서 “GPU 10만 개가 지금 로봇을 가르치고 있습니다”라고 이해하면 안 됩니다. Nscale 발표

여기서 ‘약정’은 계약으로 정한 약속입니다. 35억 달러는 AI 학습 등에 쓸 컴퓨터 자원에 관한 금액입니다. Figure가 투자금 35억 달러를 받았다는 말과는 다릅니다.

Nscale이 Figure에 투자해 주주가 된다는 내용도 따로 있습니다. 하지만 그 투자금이 얼마인지는 이번 발표문에 나오지 않습니다. ‘컴퓨터를 쓰는 계약’과 ‘회사에 투자하는 일’을 구분해야 뉴스를 정확히 읽을 수 있습니다.

로봇의 공부 자료는 어디서 가져올까요?

Figure는 8월 25일 Index(인덱스)라는 이름의 영상 수집 체계를 공개했습니다. 사람이 집이나 일터에서 하는 행동을 영상으로 모으는 방식입니다. 수건을 접거나 물건을 정리하는 모습이 로봇의 학습 자료가 될 수 있습니다. Index 설명

그런데 영상을 많이 모으기만 하면 될까요? 공부할 문제집을 골라 본다고 생각해 보겠습니다. 같은 문제만 계속 나오는 책보다는 여러 상황을 다루는 책이 필요한 때가 있습니다. 로봇의 학습 자료에도 비슷한 고민이 있습니다.

그림 왼쪽에는 같은 파란 컵이 반복해서 등장합니다. 오른쪽에는 손잡이가 있는 머그잔과 투명한 유리컵이 있습니다. 컵의 모양과 놓인 장소가 달라지면 로봇이 살펴볼 점도 달라집니다. 그림은 ‘많이 모으기’와 ‘다양하게 모으기’의 차이를 설명한 예시입니다.

Figure는 모인 영상을 다음과 같은 순서로 다듬는다고 설명합니다.

1. 쓸 만한 영상인지 살핍니다. 화면의 품질과 내용을 먼저 확인합니다.
2. 검사를 속이려는 제출인지 확인합니다. 담당자가 일부 영상을 뽑아 점검합니다.
3. 너무 비슷한 영상은 걸러냅니다. 이미 받은 자료와 비교합니다.
4. 특정 작업에만 치우치지 않게 조정합니다. 어떤 행동과 상황이 담겼는지 살핍니다.
5. 무슨 행동인지 글로 설명을 붙입니다. 영상 속 작업을 더 잘 구분하기 위한 과정입니다.

자료가 얼마나 다양한지도 회사는 숫자로 제시했습니다. 수집 영상 1,000시간당 서로 다른 작업 373개, 다룬 물체 1,146개, 환경 116개가 포함된다고 합니다. 여기서 꼭 읽어야 할 부분은 ‘1,000시간당’입니다. 전체 자료의 종류를 모두 합한 숫자라는 뜻은 아닙니다.

1초 동안 35분짜리 영상을 모을 수 있나요?

여러 사람이 동시에 영상을 보내면 가능합니다. 예를 들어 10명이 각각 1분짜리 영상을 같은 순간에 보냈다고 가정해 보겠습니다. 한 번에 들어온 영상의 길이를 합하면 10분입니다. 한 사람이 10분 동안 새로 촬영했다는 뜻은 아닙니다.

Figure는 9월 3일 발표에서 매초 35분 분량의 데이터가 만들어진다고 설명했습니다. 이 숫자는 모이는 자료의 양을 나타냅니다. 로봇이 1초 만에 35분어치 일을 배웠다는 뜻은 아닙니다. 9월 3일 발표

앞선 8월 25일 설명에는 매초 30분 분량의 영상 업로드를 처리한다는 숫자가 나옵니다. 날짜와 표현이 달라서 두 숫자만 보고 정확히 얼마나 빨라졌는지 계산하기는 어렵습니다. 모인 영상 중 검사를 통과해 실제 학습에 쓰인 비율도 두 발표문에는 나오지 않습니다. 8월 25일 설명

그러면 로봇이 집안일을 잘하게 될까요?

Figure는 그것을 목표로 하고 있습니다. 다만 준비를 많이 했다는 사실과 일을 잘한다는 결과는 따로 확인해야 합니다. 문제집과 좋은 컴퓨터를 마련했다고 시험 점수가 자동으로 정해지지는 않는 것과 비슷합니다.

참고할 만한 이전 발표는 있습니다. Figure는 2025년 9월, 사람이 바라보는 방향에서 촬영한 영상으로 로봇의 실내 이동을 학습시켰다고 밝혔습니다. 사람이 집 안에서 움직이는 모습을 보고, 로봇이 이동하는 데 필요한 명령을 배우게 했다는 회사 설명입니다. 당시 Project Go-Big 발표

하지만 방 안에서 길을 찾아가는 일과 컵을 깨뜨리지 않고 집는 일은 다릅니다. 컵을 집을 때는 어디를 얼마나 세게 잡을지도 중요합니다. 이동을 배운 결과만으로 모든 집안일을 할 수 있다고 말할 수는 없습니다.

이번 계약에는 한 가지 흥미로운 내용도 있습니다. 양사는 Nscale의 물품 조달·공급 과정에 로봇을 활용할 가능성도 살펴보기로 했습니다. AI용 컴퓨터 자원을 제공하는 회사가 로봇을 쓸 장소를 찾는 데도 함께할 수 있는 셈입니다. 아직 실제 투입을 마쳤다는 발표는 아닙니다. Nscale 발표

앞으로는 어떤 소식을 기다리면 될까요?

ITTimes는 이번 소식을 로봇이 배울 자료와 학습용 컴퓨터를 함께 늘리는 움직임으로 보고 있습니다. 멋진 로봇 한 대의 모습뿐 아니라, 그 뒤에서 어떻게 가르치는지도 중요해지고 있다는 해석입니다.

다음에는 이런 질문에 대한 답이 필요합니다. 처음 가 본 집에서도 일을 잘할까요? 여러 번 시켜도 꾸준히 성공할까요? 막혔을 때 사람이 얼마나 자주 도와줘야 할까요? 일 한 번을 마치는 데 드는 비용은 얼마일까요?

이번에 확인된 것은 로봇의 ‘공부 준비’를 크게 늘리려는 계획입니다. 그 준비가 실제 실력을 얼마나 높이는지는 앞으로 나올 결과를 보고 판단해야 합니다.

확인한 원문 · 근거 확인일 2026년 9월 12일

• Figure — Nscale 협력 발표 (2026.9.3)
• Nscale — 계약 규모와 설치 목표 (2026.9.3)
• Figure — Index 영상 수집·선별 설명 (2026.8.25)
• Figure — 사람 영상으로 로봇의 이동을 학습한 사례 (2025.9.18, 배경 자료)

위 자료는 Figure와 Nscale이 직접 발표한 내용입니다. 두 회사의 발표가 일치하더라도, 외부 기관이 로봇의 실력을 시험해 확인했다는 뜻은 아닙니다.

Sean Woo | Robotics & AI Editor

15년 이상 로보틱스 기술·사업 방향성 수립 업무를 해왔습니다. 공개된 기술문서·논문·기업 발표를 바탕으로 로봇과 AI의 변화를 이해하기 쉽게 분석합니다. 이 매체의 해석은 특정 회사나 기관의 공식 입장을 대변하지 않습니다.