OpenAI, 독립 로보틱스 팀 해체, GPT-6 Astra 같은 일반 모델이 로봇을 구동할 수 있다는 베팅
OpenAI는 독립 로보틱스 팀을 해체하고 연구원들을 다른 그룹으로 재배치했습니다. 이는 로보틱스 작업의 후퇴가 아닌 가속화로 회사가 설명하는 개편입니다. Fortune은 2026년 11월 13일에 회사 확인과 로보틱스가 "OpenAI의 장기 비전의 핵심 부분"이라고 말한 대변인의 말을 인용해 이 변화를 보도했습니다.
이번 조치는 AI 업계 전반에 퍼지고 있는 베팅의 구체적인 테스트입니다: 언어, 코드, 비디오로 훈련된 범용 모델이 물리적 기계의 제어 계층으로도 기능할 수 있어 전용 로보틱스 모델 팀이 필요 없게 된다는 것입니다. 이는 또한 IPO 압력 속에서 이루어진 비용 결정이며, 로봇 공학자들은 이것이 진정한 기술적 진전을 반영하는지 아니면 하드웨어에서의 후퇴인지에 대해 의견이 분분합니다.
OpenAI가 실제로 변경한 것
OpenAI는 독립 로보틱스 조직을 없애고 그 인원을 두 개의 기존 조직으로 분할했습니다. 로보틱스 연구 팀은 이제 회사의 주요 연구 조직 내에 있으며 최고 연구 책임자 Mark Chen에게 보고합니다. 응용 로보틱스 및 하드웨어 팀은 OpenAI 사장 Greg Brockman에게 보고하는 더 큰 응용 조직으로 이동했습니다.
이 개편은 최근에 이루어져 OpenAI는 같은 주 오스틴에서 열린 주요 학술 로보틱스 컨퍼런스인 CoRL에 여전히 부스를 예약해 두었습니다. Fortune은 부스 #208을 방문했지만 비어 있었고 OpenAI 로고도 표시되지 않았습니다. 그럼에도 불구하고 로보틱스 팀의 전 멤버들은 컨퍼런스에서 목격되었고 데모나 전시가 없음에도 불구하고 군중을 끌어모았습니다.
명시된 근거: 일반 프론티어 모델이 이미 로봇을 구동
OpenAI는 범용 프론티어 모델이 이제 로봇 제어에 직접 적용될 수 있다고 말하며, 그래서 전문 로보틱스 연구원들이 일반 모델 팀에 통합되었다고 합니다. 회사 대변인에 따르면, OpenAI 연구원들은 올해 초 로보틱스 발전을 위한 최선의 경로가 사실적인 영상을 생성하기 위해 물리적 역학을 암묵적으로 모델링해야 하는 비디오 생성 시스템인 Sora와 같은 모델을 기반으로 구축하는 것이라고 가정했습니다. 그 이후로 회사는 GPT-6 Astra를 포함한 일반 프론티어 모델이 로보틱스에 직접 적용 가능함을 입증했다고 말합니다.
GPT-6 Astra는 Fortune의 보도에서 연구원들이 로봇에 연결하고 놀라운 능력으로 로봇 작업을 수행하는 것을 관찰한 모델로 명명되었습니다. OpenAI는 별도로 자체 휴머노이드 로봇을 개발 중이며, CEO Sam Altman은 2027년 첫 공개 시연을 목표로 하고 있습니다.
OpenAI는 이전에도 로보틱스 팀을 만들고 해체한 적이 있음
OpenAI의 첫 번째 로보틱스 팀은 2020년에 축소되었습니다. 공동 창업자 Wojciech Zaremba는 나중에 그 결정을 제한된 로봇 데이터와 다른 방법, 특히 텍스트로 매우 큰 언어 모델을 훈련시켜 2022년 말 ChatGPT를 만든 방법을 통한 인공 일반 지능으로의 더 효율적인 경로 때문이라고 설명했습니다.
OpenAI는 2024년에 독립 로보틱스 팀을 재건하고 휴머노이드 로봇용 AI 모델을 개발하기 위해 스타트업 Figure와 파트너십을 발표했습니다. 그 파트너십은 Figure가 자체 로봇 AI를 개발하겠다고 말한 2025년 2월에 종료되었습니다.
따라서 2026년 11월 개편은 OpenAI가 전용 로보틱스 그룹을 해체한 두 번째 사례이며, 일반 모델이 그 작업을 흡수할 수 있다고 명시적으로 주장하면서 해체한 첫 번째 사례입니다.
주장 뒤에 숨은 벤치마크 숫자
Fortune은 Astra 기반 에이전트가 시뮬레이션 조작 벤치마크에서 74.8% 성공률에 도달한 Nvidia 연구를 인용했습니다. 해당 리더보드에서 최고의 전문 로보틱스 모델은 같은 벤치마크에서 51.0%를 보고했습니다.
설정: 연구원들은 Astra에게 카메라 이미지, 로봇 상태 정보, 모델이 로봇을 명령할 수 있는 제어 인터페이스를 제공했습니다. Nvidia 연구에서 로봇은 물리적이 아닌 시뮬레이션되었으므로 결과는 실제 세계 조작 신뢰성이 아닌 디지털 환경에서의 제어 추론을 측정합니다.
로봇 공학자들이 완전히 확신하지 못하는 이유
카네기 멜론 대학 로보틱스 연구소의 조교수 Guanya Shi는 Fortune에 이 개편을 OpenAI가 이제 로보틱스를 "더 이상 특별한 문제가 아닌" 것으로 본다는 신호로 읽는다고 말했습니다. 즉, 같은 프론티어 모델이 이제 전문 코딩, 법률, 금융 도구를 구동하는 것과 같은 방식으로 일반 지능의 하위 응용이라는 것입니다.
Shi는 또한 한계를 설명했습니다. 일반 모델의 향상된 공간 및 추론 능력은 병이 다른 위치에 놓이거나 조명이 바뀌는 것을 허용하고 작업 순서를 추론하거나 어떤 단계가 실패했는지 식별할 수 있게 합니다. 그러나 대규모 언어 모델은 느리고 클라우드에 호스팅되어야 하므로 로봇이나 장치가 지속적인 네트워크 연결이 필요합니다. Shi는 여전히 로봇의 온보드 컴퓨터에서 실행되는 더 작은 전문 모델의 필요성을 봅니다.
MIT 교수이자 Walden Robotics의 공동 창업자이자 CEO인 Russ Tedrake는 로보틱스 회사가 AI 연구소가 갖지 못한 이점을 유지한다고 주장했습니다: 공장 바닥과 같은 실제 배치에서 이미 작업 경험을 축적하고 있는 로봇입니다. 그 배치 경험과 생성된 데이터는 로봇이 특정 작업장과 작업에 적응하는 데 도움이 됩니다. 더 나은 기반 모델은 사이트별 데이터를 더 가치 있게 만든다고 Tedrake는 말했습니다. 로봇이 그것에서 더 빨리 배울 수 있기 때문입니다.
로봇용 범용 모델을 훈련하는 스타트업 Generalist의 공동 창업자 Pete Florence는 Fortune에 "지능을 성장시키는 방법에는 다양한 시작점이 있을 수 있다"고 말했으며 어떤 기존 모델이 장기적으로 로보틱스를 지배할지는 불분명하다고 말했습니다.
Hacker News 댓글: 지연 시간, 토큰 비용, 계층 구조
Hacker News 토론에서 가장 실질적인 비판은 모델 능력보다는 제어 루프 지연 시간을 겨냥했습니다. 한 댓글 작성자는 일반 모델이 로봇을 구동할 수 있지만 매우 형편없이 한다고 주장했으며 계층적 스택이 더 효과적이라고 말했습니다:
일반 모델은 로봇을 구동할 수 있습니다. 그들은 그것을 매우 못합니다. '더 멍청하지만' 더 빠른 모델이 낮은 수준의 기능을 처리하고 훨씬 느린 고수준 모델이 높은 수준의 계획을 처리하는 모델 스택을 갖는 것이 훨씬 더 효율적입니다. ... 센서와 액추에이터는 밀리초 수준의 응답을 요구하며, 통신 링크 반대편에 있는 LLM에서 그런 것을 얻을 수는 없습니다.
관련 댓글은 LLM을 사용하여 로봇을 제어하는 입문서가 있는지 물었고, 60프레임/초로 명령을 스트리밍하는 것은 토큰 비효율적으로 보인다고 언급했습니다. 또 다른 댓글은 이 변경이 OpenAI가 클라우드에 연결되지 않은 로봇을 포기했음을 의미하는지 물었습니다.
여러 댓글 작성자는 이 개편을 기술적이라기보다 재정적인 것으로 읽었습니다. 한 명은 "IPO 전에 숫자를 부풀리기 위한 일반적인 비용 절감처럼 보인다"고 썼고, 다른 한 명은 "돈이 빠듯하다"고 요약했으며, 세 번째는 OpenAI가 실제 하드웨어를 가진 로봇이 어렵고 비싸다는 것을 깨달았다고 말했습니다. 또 다른 댓글은 회사의 "장기 비전" 프레임과 중기적인 것이 없다는 사이의 격차에 의문을 제기했습니다.
한 댓글 작성자는 이 추세에 대한 가장 날카로운 일반적 프레임을 제공했습니다:
쓰라린 교훈은 모든 것에 적용됩니다.
이것은 계산을 활용하는 일반적인 방법이 시간이 지남에 따라 손으로 만든 도메인 전문화를 이긴다는 Richard Sutton의 주장을 언급합니다. 이것은 OpenAI의 움직임에 대한 가장 강력한 옹호이며, 업계 전반에 걸쳐 이런 종류의 더 많은 개편을 기대할 가장 강력한 이유입니다.
다른 댓글들은 인간적 측면에 회의적이었으며, 한 명은 다른 사람들을 대체 가능하게 만들기 위해 일하는 사람들이 자신들이 대체 가능해진 것은 아이러니하다고 말했고, 다른 한 명은 이 변경이 캘리포니아 리치몬드에 있는 OpenAI의 로봇 연구 사무소에 어떤 의미인지 물었습니다. Fortune의 보도는 그 사무소를 다루지 않습니다.
비용 맥락: 분기 손실 109억 달러와 2027년 IPO 가능성
OpenAI는 지출을 줄이고 소수의 핵심 제품에 집중해야 하는 압력을 받고 있습니다. Altman은 회사에 "사이드 퀘스트"를 포기해야 한다고 말했으며, OpenAI는 이미 Sora를 포함한 일부 노력을 버리고 컴퓨팅 자원을 더 중심적이고 잠재적으로 수익성 있는 작업에 재할당했습니다.
Fortune은 OpenAI의 영업 손실이 가장 최근 분기에 총 109억 달러에 달했으며, 회사는 2027년 초 IPO 가능성을 준비하면서 새로운 자금 조달 라운드를 마감하려고 한다고 보도했습니다. 로보틱스 개편은 정확히 그 기간 안에 있습니다.
개편이 로보틱스 스타트업에 의미하는 바
일반 모델이 전문 "공간 지능" 모델 없이 로봇을 제어할 수 있다는 주장은 많은 로보틱스 스타트업이 수십억 달러를 모금한 전제, 즉 로봇이 자체 두뇌를 가져야 한다는 것을 도전합니다.
Tedrake의 반론은 로보틱스에서 희소한 자산은 두뇌가 아니라 배치, 즉 작업별 데이터를 생성하는 실제 작업장의 실제 로봇이라는 것입니다. 그 관점에서 일반 모델은 배치된 함대의 가치를 높이는 것이지 그 함대를 소유한 회사를 대체하는 것이 아닙니다. Shi의 반론은 보완적입니다: 클라우드 호스팅 일반 모델은 높은 수준의 추론을 처리하고, 컴팩트한 온디바이스 모델은 빠른 제어를 처리합니다.
실용적인 해석은 전면 교체가 아닌 하이브리드 아키텍처입니다. OpenAI의 개편은 높은 수준의 추론 계층이 일반 프론티어 모델로 상품화되고 있다고 주장합니다. 밀리초 규모의 제어 계층이 그렇다는 것을 확립하지는 않습니다.
보도가 답하지 못한 미해결 질문
2026년 11월 13일 기사 기준으로 여러 세부 사항이 아직 보도되지 않았습니다. Fortune은 재배치된 연구원 수, 개편에 퇴사가 포함되었는지, 새로운 구조에서 OpenAI의 명시된 휴머노이드 로봇 프로그램과 Altman의 2027년 시연 목표에 어떤 일이 일어나는지 말하지 않습니다. 74.8% 대 51.0% 비교는 물리적 로봇이 아닌 시뮬레이션 벤치마크에서 나온 것입니다. 그리고 회사의 이 움직임을 가속화로 특징짓는 것은 측정된 결과가 아닌 의도에 대한 진술입니다.