2026-06-18 👁️ — views

피지컬 AI 인재 쟁탈전 — 최고 엔지니어들의 행선지와 기술 리더십 예측

2026년 최고 ML 연구원과 로보틱스 엔지니어의 집결지가 2028년 기술 리더십을 예측한다.

피지컬 AI 벤치마크 시리즈 제27편 — 인재는 선행 지표다

자본은 인재를 따르고, 기술 리더십은 자본을 따른다. 자율주행차, 휴머노이드 로봇, 구현 기반 모델 등 피지컬 AI 분야에서 2026년의 채용 결정은 어떤 조직이 20282029년에 기술적 선두를 차지할지를 직접 예측하는 지표다. 이 글은 최고 ML 연구원, 로보틱스 엔지니어, 자율주행 시스템 아키텍트가 어디에 집결하고 있는지를 지도화하고, 인재 전쟁에서 우위를 점하는 조직들과 향후 23년간의 경쟁 구도를 예측한다.

인재 배치가 선행 지표인 이유는 피지컬 AI에서 채용에서 제품 출시까지의 파이프라인이 길기 때문이다. 센서 퓨전 엔지니어는 새로운 시스템에서 완전한 생산성을 발휘하기까지 보통 6~18개월이 걸린다. 새로운 조작 정책을 개발하는 연구원은 하드웨어 접근, 데이터 수집 시간, 반복 주기가 필요하다. 2026년에 최고의 팀을 구성하는 조직들은 2028년에 차별화된 역량을 실현할 파이프라인을 구축하고 있으며, 그 신호는 역량이 실제로 출시되기 전인 지금 이 순간 이미 관찰 가능하다.

제1절 — 인재 집적 지도

아래 표는 주요 피지컬 AI 조직들의 추정 AI/ML/로보틱스 인원 수, 핵심 인재 풀, 채용 포커스, 인재 유입원을 정리한 것이다. 모든 인원 수는 2026년 중반 기준으로 LinkedIn 공개 데이터, 기업 발표, 채용 공고, 업계 보도에 기반한 추정치며, 어떤 기업도 분야별 정확한 엔지니어 수를 공개하지 않는다.

표 읽는 법: Tesla와 Waymo가 AV 클러스터에서 절대적 인원 수 우위를 점한다. Figure·Agility·Boston Dynamics가 휴머노이드 클러스터의 주축을 이룬다. OpenAI Robotics와 DeepMind가 기반 모델 클러스터를 선도한다. 세 클러스터는 각기 다른 인재 조달 역학, 보상 구조, 기술적 내기를 가지며, 같은 핵심 인재 풀을 놓고 경쟁하기 시작하고 있다.

제2절 — 세 가지 인재 클러스터

피지컬 AI 인재 시장은 서로 다른 조달 역학과 전략적 논리를 가진 세 개의 뚜렷한 클러스터로 결정화되었다.

클러스터 A — 응용 AV (Waymo, Tesla, Cruise 잔존, Mobileye)

포커스: 오늘 상업 배치에서 작동해야 하는 시스템.

핵심 기술: 센서 퓨전 엔지니어, 안전 검증, 소프트웨어 신뢰성, HD 매핑.

인재 유입원: 기존 자동차 AV 부서 (포드, GM), 전 Uber ATG (2020년 폐쇄 후 흩어진 약 1,200명), 전 Cruise 엔지니어 (2023년 10월 프로그램 중단 후).

입찰 경쟁 역학: Tesla는 2022년 레이오프 이후 보상을 대폭 인상해 Waymo 인재를 영입했다. Waymo는 Alphabet 수준의 복리후생과 고용 안정성으로 대응한다 — 여러 고지명도 AV 프로그램 폐쇄를 목격한 업계에서 이는 의미 있는 제안이다.

인재 집적이 예측하는 것: 응용 AV 인재는 단기 상업 성과를 최적화하고 있다. 이 클러스터를 제패하는 조직은 기반 모델 조직이 따라오기 전에 배치 가능한 시스템을 보유하게 된다.

클러스터 B — 휴머노이드 로봇 (Figure, 1X, Agility, Boston Dynamics, Physical Intelligence)

포커스: 전신 제어, 정교한 조작, 실제 세계 일반화.

핵심 기술: 로코마니퓰레이션, 강화 학습, 모션 플래닝, 하드웨어-소프트웨어 공동 설계.

인재 유입원: CMU 로보틱스 연구소, MIT CSAIL, 전 Boston Dynamics 직원 (현대자동차 인수 후 문화 변화로 다수 이탈).

급여 프리미엄: 휴머노이드 스타트업들은 학계와 대형 기업 인재를 영입하기 위해 시장 대비 추정 20~40% 높은 보상을 지급한다.

인재 집적이 예측하는 것: 휴머노이드 클러스터는 2030년대 초반 범용 이족 로봇이 물류창고와 경량 제조 환경에서 상업적으로 실현 가능하다는 10년짜리 내기를 하고 있다. 이곳의 인재 집적은 진지한 자본과 엔지니어링 인재가 그 내기를 신뢰한다는 가장 강력한 신호다.

클러스터 C — 기반 모델 로보틱스 (OpenAI Robotics, DeepMind, Tesla Dojo, 1X/OpenAI 중복)

포커스: 인터넷 데이터와 로봇 데이터로 훈련된 범용 정책.

핵심 기술: 대규모 RL, 세계 모델, 모방 학습, 비전-언어-행동(VLA) 모델.

인재 유입원: 구현 AI로 크로스 트레이닝하는 NLP·LLM 연구원; 박사 과정에서 직접 채용하는 상위 ICLR·NeurIPS·ICRA 논문 저자.

전략적 내기: 로보틱스의 ‘GPT 순간’ — 다양한 물리적 환경에서 작동하는 단일 범용 정책 — 을 구축하는 자가 승자독식 시장을 제패한다. 성공하면 하류 가치가 막대하고, 실패하면 투입한 자본과 인재를 재배치하기 어렵다.

인재 집적이 예측하는 것: OpenAI·DeepMind·Tesla가 동시에 기반 모델 로보틱스를 추구한다는 사실은 업계가 이 접근법이 기술적으로 타당하다고 판단함을 시사한다. 세계에서 가장 유능한 네 개의 AI 연구 기관 중 세 곳이 이 목표를 향해 채용하고 있다면, 2028~2030년 초기 범용 로봇 정책의 창은 합리적이다.

제3절 — Tesla의 데이터 플라이휠이 인재 자석인 이유

Tesla의 채용 제안은 구조적으로 이 목록의 다른 모든 조직과 다르다. 자금을 받은 어떤 스타트업도, 다른 어떤 기성 기업도 제공할 수 없는 것을 제공한다 — 세계 최대의 실제 세계 로봇 데이터셋.

고유한 이점:

• 600만 대 이상의 Tesla 차량이 매일 전 세계 규모로 레이블이 붙은 주행 데이터를 생성하며, 어떤 전용 데이터 수집 플릿보다 빠르게 성장하는 훈련 말뭉치를 만들어낸다.
• Dojo — Tesla의 맞춤형 AI 훈련 슈퍼컴퓨터 — 는 엔지니어에게 맞춤형 칩 아키텍처에 대한 실무 경험을 제공한다. 커리어를 쌓는 엔지니어에게 “Dojo 훈련 인프라를 설계했다”는 이력은 다른 어떤 고용주도 제공할 수 없는 차별화 요소다.
• Optimus는 신뢰할 수 있는 소비자 규모 제조 경로를 가진 최초의 휴머노이드 로봇이다. 연구 프로토타입이 아닌 실제 대량 출하 가능성이 있는 휴머노이드에서 일하고 싶은 엔지니어는 선택지가 거의 없다.

역방향 신호:

전 AI 디렉터 Andrej Karpathy를 포함한 Tesla AI의 고지명도 퇴직자들은 경영 문화, 의사결정 속도, 연구 자율성에 대한 의문을 제기했다. Tesla AI는 주로 데이터 규모와 미션으로 경쟁한다 — 논문 발표, 학술 협업, 연구 자율성을 중시하는 연구원에게는 Waymo, DeepMind, 상위 휴머노이드 스타트업보다 덜 매력적인 제안이다.

예측: Tesla의 데이터 우위는 시간이 지남에 따라 복리로 증가한다. 매년 더 많은 차량을 배치할수록 실제 세계 주행 데이터의 격차가 벌어진다. Tesla의 인재 과제는 다년간 데이터 우위의 복리 효과가 실현될 만큼 충분히 오랫동안 연구원을 유지하는 것이다 — 우위가 구체화되기 전의 이탈이 핵심 리스크다.

제4절 — Waymo의 안정성 프리미엄

Waymo는 인재 시장에서 구조적으로 독특한 위치를 차지한다 — 상업 규모의 완전 드라이버리스 서비스를 운영 중이라고 신뢰성 있게 주장할 수 있는 유일한 조직이다.

안정성 이점:

Alphabet의 지원은 휴머노이드 스타트업을 따르는 생존 위험 없이 최상위 시장 총보상을 제공할 수 있음을 의미한다. Cruise·Argo·Aurora의 소비자 전환 및 Uber ATG의 폐쇄나 구조조정을 목격한 엔지니어들은 이제 “이 회사가 3년 후에도 존재할까”를 진지한 채용 기준으로 삼는다. Waymo의 그 질문에 대한 답은 독보적으로 강하다.

Waymo는 또한 업계에서 가장 깊은 조직 지식을 보유한다. 숙련된 AV 엔지니어에게 스타트업에서 처음부터 다시 구축하는 것이 아니라 축적된 도메인 지식 위에서 작업하는 기회는 의미 있는 차별화 요소다.

안정성의 비용:

Waymo의 의사결정 주기는 스타트업보다 느리다. 재무적 상승을 최적화하는 엔지니어 집단에게 휴머노이드 스타트업의 위험 조정 기대값이 Waymo의 안정성 프리미엄을 초과할 수 있다.

예측: Waymo는 하나 이상의 프로그램 취소를 살아남아 조직의 내구성을 우선시하는 베테랑 AV 엔지니어를 계속 끌어들일 것이다. 위험 허용도가 높은 일부 젊은 인재는 휴머노이드 스타트업으로 흘러갈 것이다. Waymo의 전략으로는 이 트레이드오프가 아마도 올바를 것이다 — 동사는 프론티어 연구 내기보다 생산 수준의 신뢰성을 더 필요로 한다.

제5절 — 주목해야 할 핵심 인재 지표

2026년 가장 중요한 신호: OpenAI 로보틱스 팀이 12개월 내에 추정 100~200명의 연구원에서 500명 이상으로 성장하는지 여부. OpenAI가 LLM에 투자한 것과 같은 규모로 구현 AI에 헌신한다면, 피지컬 AI 클러스터 전체의 경쟁 구도를 재편할 것이다 — DeepMind·휴머노이드 스타트업·학계에서 동시에 인재를 빨아들이며, DeepMind와 Tesla와 더불어 기반 모델 로보틱스의 세 번째 기관 규모 플레이어를 탄생시킬 가능성이 있다.

제6절 — 이 시리즈에 대하여

이 글은 피지컬 AI 벤치마크 시리즈의 제27편이다. 이전 26편에서는 진전 지수, 휴머노이드 경쟁, 규제, 자본, 컴퓨트, 센서, 단위 경제학, 글로벌 경쟁, HD 매핑, 플릿 운영, 소프트웨어와 OTA, 보험과 책임, 소비자 수요, 파트너십, 경쟁적 해자, Cybercab 대 Model Y, 안전 데이터, Waymo 6세대, Optimus 제조, 세 번의 스코어카드 스냅샷, 2030년 베어/베이스/불 예측, 투자자 프레임워크 통합, Waymo의 도시별 확장 파이프라인 (제24편), Tesla 주별 규제 지도 (제25편), AV 날씨 및 기후 제약 (제26편)을 다뤘다. 이 글은 기술 리더십을 예측하는 선행 지표 렌즈로서 인재 배치를 도입한다.

핵심 발견: 피지컬 AI 인재는 각기 다른 조달 역학과 전략적 내기를 가진 세 개의 클러스터 — 응용 AV, 휴머노이드 로봇, 기반 모델 로보틱스 — 로 결정화되었다. Tesla는 데이터 플라이휠로, Waymo는 조직적 깊이와 안정성으로, 휴머노이드 스타트업은 주식 상승 여력과 미션 정렬로 승부한다. 기반 모델 연구원은 핵심 스윙 인재 풀이다 — 그들이 향후 12개월 동안 어디에 집결하는지가 어떤 역량 클러스터가 2028년에 돌파구를 달성할지를 예측하는 최고 신호 지표다.

출처

• Waymo 채용 및 팀 — Waymo 공식 사이트 ↗
• Figure AI 시리즈 B 발표 — Figure AI 블로그 ↗
• ICRA 2026 학술 논문집 — IEEE Robotics ↗
• OpenAI 로보틱스 연구팀 — OpenAI 블로그 ↗

태그