NVIDIA-Arm 칩 스택, 휴머노이드 로봇 배포 물결의 우승 플랫폼 아키텍처로 부상.
5월 13일, 밥(Bob), 프랭크(Frank), 게리(Gary), 로즈(Rose)라는 네 명의 휴머노이드 로봇이 Figure AI 테스트 시설의 컨베이어 벨트에 올라가 패키지 분류 작업을 시작했다. 24시간이 지났을 때, 이 네 대의 로봇은 교대 근무하며 충전하는 동안 3만 개가 넘는 바코드 상자들을 선반 사이로 이동시켰으며, 기계적 또는 소프트웨어적 고장은 단 한 건도 발생하지 않았다. 라이브 스트림은 38시간을 넘겨 47,000개의 패키지를 처리한 후 Figure이 데모를 종료할 때까지 이어졌다. CEO 브렛 애드콕(Brett Adcock)은 이를 휴머노이드가 인간과 동일한 근무 시간을 견딜 수 있음을 증명하는 사례로 평가했다. 그러나 핵심적인 기술적 세부 사항은 아키텍처에 있다: 로봇을 구동하는 신경망인 Helix-02는 클라우드 연결이나 데이터 센터 왕복 통신 없이 하드웨어 상에서 완전히 실행되었다. 모든 시각 프레임, 관절 움직임, 그립 조정 모두 로봇 몸통에 고정된 칩에서 로컬로 추론되었다.
Helix-02는 원시 센서 데이터로부터 보행, 조작 및 균형을 제어하는 통합 신경망으로, 109,000줄이 넘는 수작업 코딩된 운동 논리를 단일 가중치 세트로 대체한다. 모터 제어는 200 Hz에서 실행되는 반면, 장면 이해는 7-9 Hz에서 실행되며, 두 루프 모두 연속적으로 작동하고 밀리초 단위의 지연 시간 제약 내에 맞춰진다. Figure은 추론이 로봇 내부에 고정된 듀얼 Nvidia RTX GPU 모듈에서 실행되며, 비전, 조작, 균형 모두 온보드에서 처리됨을 확인했다. 이러한 아키텍처 선택은 2022년 이후 휴머노이드 로봇 공학 전반에 걸쳐 제기되어 온 질문에 답한다: 창고에서 유용한 작업을 수행하는 로봇이 클라우드 추론에 의존할 수 있는가? Figure이 38시간 동안 입증한 답변은 명확히 '아니오'이다.
제약 조건들은 근본적으로 물리적이다. 최적의 조건에서도 클라우드 데이터 센터로의 무선 지연 시간은 20~200밀리초이며, 두 발로 균형을 잡는 휴머노이드 로봇이 넘어지기 전에 대응해야 하는 시간은 약 10밀리초에 불과하다. 클라우드 추론은 넘어졌을 때 스스로 균형을 잡아야 하는 폐쇄형 물리 제어 시스템을 지원할 수 없다. 대역폭 문제는 이를 더욱 악화시킨다. 생산 속도의 스테레오 카메라 쌍은 초당 기가비트 단위의 원시 시각 데이터를 생성하며, 이를 실시간으로 데이터 센터로 스트리밍하면 어떤 창고의 무선 링크도 포화 상태에 이를 것이다. 또한 창고는 빈번하게 연결 끊김 현상을 겪으며, 네트워크가 끊기면 멈추는 로봇은 인간보다 더 나쁜 노동자이다. 따라서 생산 속도에서 폐쇄형 물리 작업을 수행하는 모든 휴머노이드 로봇은 로컬에서 추론을 실행해야 한다.
Nvidia Jetson AGX Thor 모듈은 2026년에 상업적으로 출시되었으며, 최대 2.6 GHz로 동작하는 14개의 Arm Neoverse V3AE CPU 코어, 2,070 FP4 테라플롭스를 제공하는 Blackwell 클래스 GPU, 그리고 128기가바이트의 LPDDR5X 메모리를 130와트의 전력 엔벨로프 안에 담고 있다. Jetson Thor은 이제 주요 휴머노이드 프로그램들이 설계의 기준으로 삼는 플랫폼이 되었다. 이는 Arm 코어가 제어 논리를 처리하고 Nvidia 실리콘이 병렬 추론을 처리하는tightly-coupled SoC(시스템 온 칩) 위에 CPU와 GPU가 결합된 데이터 센터 패턴을 반영한다. Tesla는 4월에tape-out된 자체 개발 AI5 칩을 통해 눈에 띄는 예외 사례를 제시하는데, 이는 Optimus와 Cybercab 모두를 위해 설계된 맞춤형 실리콘이며 양산 목표 시기는 2027년 중반이다. 그러나 Silicon capability 측면에서 표준 스택을 벗어날 수 있는 유일한 신뢰할 만한 휴머노이드 프로그램은 Tesla이며, 나머지 기업들은 모두 구매를 하고 있다.
투자 관점에서의 관련성은 명확하다. 2027년에 10대의 휴머노이드 로봇을 운영하는 창고는 10대의 Jetson Thor 클래스 모듈과 예비 부품, 개발 키트를 필요로 하며, 파일럿 단계에서 플릿 배포로 전환됨에 따라 이 숫자는 빠르게 증가한다. 미국 산업 부문은 2033년까지 380만 명의 신규 인력이 필요할 것으로 예상되며, 이 중 거의 190만 개의 역할이 채워지지 않을 위험에 처해 있어 창고들은 채용만으로 산출량을 늘릴 수 없게 된다. 현재 Arm과 Nvidia의 가치 평가 모델은 칩 사업을 데이터 센터 자본 지출(Capex)과 스마트폰 로열티 규모를 기반으로 책정하고 있으며, 물리적 AI 내의 엣지 추론 계층은 아직 이러한 모델에 실질적으로 반영되지 않았다. Figure의 라이브 스트림은 배포가 이론적이 아닌 임박했음을 보여주는 첫 번째 상업-grade 신호를 제공한다.