휴머노이드 한 대가 움직이는 것과 수천 대를 같은 품질로 만드는 것은 다른 문제다

휴머노이드 경쟁에서 가장 먼저 떠오르는 사람은 AI·controls·manipulation 연구자다. 로봇이 걷고, 보고, 물체를 집고, 사람의 지시를 이해하려면 이들의 기술이 필요하다. 하지만 prototype이 실제 제품으로 넘어가면 질문이 달라진다. 같은 로봇을 수백 대, 수천 대 만들어도 같은 품질이 나오는가.

2026년 9월 8일 XPENG은 IRON 휴머노이드 생산라인을 공식 가동하고 생산공정을 마친 로봇이 스스로 라인을 걸어나오는 모습을 공개했다. 회사는 핵심 공정 자동화율이 80%를 넘는다고 밝혔고, 스마트 전기차 사업에서 축적한 automotive-grade manufacturing capability를 휴머노이드 생산으로 확장한다고 설명했다. 80%+는 핵심 공정 기준이며 전체 공장의 자동화율로 확대해석하면 안 된다.

자동차회사가 Physical AI로 옮기는 것은 AI 기술만이 아니다

자동차산업은 복잡한 physical product를 대규모로 반복 생산해온 산업이다. 공급망에서 부품을 조달하고, 공정을 설계하고, 자동화설비를 구축하고, 공차와 불량을 관리하고, 협력사 품질을 통제하면서 생산속도를 높이는 조직능력이 이미 축적돼 있다.

XPENG은 2026년 8월 로봇사업에서 9억 달러 이상을 조달했다고 발표하면서 자금 용도에 Physical AI 모델 연구와 데이터 생성뿐 아니라 end-to-end mass-production facilities와 글로벌 상용화를 명시했다. 회사는 2026년 말 IRON의 양산 진입과 2027년 중국·해외 출시·배송을 계획하고 있다. 이는 달성된 생산량이 아니라 회사가 제시한 일정이다.

Tesla는 Model S·X 공간을 Optimus 생산으로 바꾸고 있다

Tesla의 2026년 Q2 공식 자료에 따르면 Fremont 공장의 Model S·Model X 제조라인은 decommission됐고, 해당 공간에 1세대 Optimus 생산라인을 설치 중이다. Texas에서도 Optimus 생산시설 건설이 진행되고 있다. Tesla 역시 Optimus를 연구프로젝트만이 아니라 실제 제조시스템으로 옮기고 있다는 신호다.

Q1 자료에서 Tesla는 Fremont 1세대 Optimus 라인에 장기적으로 연 100만 대 수준의 설계 목표를, Texas의 차세대 라인에는 장기적으로 연 1,000만 대 수준의 설계 목표를 제시했다. 이 수치는 현재 생산량이나 확정 판매량이 아니라 회사가 밝힌 장기 생산설비 설계 목표이므로 보조근거로만 봐야 한다.

Optimus 채용에는 AI Engineer만 있는 것이 아니다

Tesla의 현재 Optimus 채용에는 Manufacturing Engineer, Manufacturing Test, Manufacturing Controls, Manufacturing Equipment, Process Engineer, Quality Engineer, Supplier Quality Engineer, Metrology Specialist, NPI Planning 등 제조·품질·공급망 역할이 함께 나타난다.

Staff Robotics Manufacturing Engineer 공고는 새 조립공정 개발, critical process parameter 정의, PFMEA·DOE, yield와 cycle time 개선, 그리고 제품설계 단계부터 high-volume production에 맞는 구조를 만드는 일을 맡긴다. Sr. Staff Manufacturing Engineer 공고 역시 production equipment 설치·검증, throughput·cycle time 개선, 자동화시스템 배치를 요구한다. 로봇을 처음 움직이게 만드는 문제와 반복 생산하는 문제는 다른 engineering responsibility로 분화되고 있다.

Quality 공고는 자동차 제조인재가 인접 Talent Pool이 될 수 있다는 직접 신호다

Tesla의 Sr. Quality Engineer, Optimus 공고는 역할을 Optimus humanoid production의 launch phase에 집중하는 Quality Engineer로 설명한다. supplier readiness, quality control plan, PFMEA, failure analysis, inspection standard, nonconforming product 관리와 실시간 생산품질 문제가 업무에 포함된다.

더 중요한 것은 지원경험이다. 공고는 QS-9000, ISO/TS 16949, APQP, PPAP 등을 언급하고 high-volume manufacturing 또는 automotive production environment 경험을 highly desirable이라고 명시한다. 자동차 제조인력이 실제로 대규모 이동했다는 증거는 아니지만, 적어도 자동차 양산경력이 Optimus의 인접 Talent Pool로 평가될 수 있다는 채용측의 직접 신호다.

Prototype capability만으로 Scale Talent Stack이 완성되지는 않는다

Prototype 단계에서는 actuator, locomotion, manipulation, perception, robot foundation model 같은 capability가 제품의 가능성을 만든다. 하지만 양산이 시작되면 공정 반복성, 공급업체 편차, 검사·calibration, cycle time, 자동화설비, yield, NPI 같은 새로운 문제가 등장한다.

따라서 Prototype Talent와 Scale Talent를 완전히 대립시키는 것은 정확하지 않다. Scale 단계는 연구인재를 없애는 대신 Manufacturing, Process, Controls, Test, Quality, Supplier Quality, NPI 같은 별도 인재층을 추가한다. Tesla Q2 자료에서도 초기 Optimus 생산분을 training data 수집과 기능개발에 활용한다고 밝혀 연구와 제조가 동시에 진행되는 구조가 확인된다.

Physical AI의 Talent Competitor는 로봇회사만이 아닐 수 있다

사업시장에서 XPENG IRON과 Tesla Optimus가 경쟁한다면 다른 휴머노이드 업체가 Business Competitor가 될 수 있다. 하지만 Manufacturing Engineer나 Quality Engineer 한 사람을 채용할 때 경쟁시장은 자동차·배터리·전자·반도체장비·산업자동화로 넓어질 수 있다.

반석 HR Intelligence가 말하는 Business Competitor ≠ Talent Competitor가 여기서 작동한다. 같은 고객을 두고 경쟁하지 않아도 같은 capability를 사는 회사라면 채용시장에서는 경쟁자다. 동시에 기존 제조산업은 Physical AI 기업에게 인접 Talent Pool이 될 수도 있다. 산업명을 지우는 것이 아니라 실제 Task와 Evidence를 분해해 어떤 경험이 이전 가능한지 확인해야 한다.

Physical AI 인재지도는 가치사슬별 Capability Market으로 나눠야 한다

휴머노이드 산업에서는 이미 data collection·simulation·training infrastructure 같은 데이터 직무, commissioning·fleet reliability·industrial integration 같은 Engineering Last Mile 직무가 나타났다. XPENG과 Tesla의 이번 신호에서는 그보다 앞단의 Manufacturing Scale 인재층이 보인다.

Physical AI 인재시장은 Research → Prototype → Manufacturing → Deployment → Operation → Service라는 가치사슬로 나눠볼 필요가 있다. 제품이 오른쪽으로 이동할수록 새로운 Capability Market이 추가되고, 각 시장은 기존의 다른 산업에서 인재를 끌어올 수 있다. 다음 인재전쟁은 새 로봇전문가를 만드는 것뿐 아니라 기존 제조산업에 축적된 capability를 누가 먼저 발견하고 Physical AI 역할로 연결하느냐의 경쟁이 될 수 있다.

BANSEOG VIEW

휴머노이드가 양산으로 넘어가면 연구인재 위에 Manufacturing Scale Talent Stack이 추가된다

XPENG의 80%+ 핵심공정 자동화와 automotive-grade manufacturing 이전은 자동차 제조체계 자체가 Physical AI의 자산이 될 수 있음을 보여준다.

Tesla Optimus의 제조·공정·품질·Supplier Quality·Metrology·NPI 채용은 휴머노이드 양산이 별도의 Capability Market을 만들고 있다는 직접적인 조직 신호다.

Business Competitor ≠ Talent Competitor. 양산단계의 Physical AI 기업은 다른 로봇회사뿐 아니라 자동차·전자·반도체장비·산업자동화 회사와 같은 제조 capability를 두고 경쟁할 수 있다.

SOURCES

근거가 된 원자료

XPENG의 80%+는 전체 공장 자동화율이 아니라 회사가 발표한 핵심 공정 자동화율입니다. 2026년 말 양산 및 2027년 출시·배송은 회사 계획입니다. Tesla의 100만/1,000만 대 수치는 현재 생산량이나 확정 판매량이 아니라 회사가 밝힌 장기 생산설비 설계 목표입니다. 자동차 제조인력이 실제로 휴머노이드 기업으로 대규모 이동했다는 증거는 제시하지 않습니다. Tesla의 Optimus Quality 공고가 high-volume/automotive production 경험을 직접 선호한다는 사실을 근거로 자동차 제조경력을 adjacent talent pool의 한 후보로 분석합니다. ‘Prototype Talent’와 ‘Scale Talent Stack’, Business Competitor ≠ Talent Competitor, Capability Market은 Banseog HR Intelligence의 분석 프레임입니다.