Global physical AI and humanoid robotics, with a focus on logistics 리서치 보고서 해설

개요

Goldman Sachs는 물류·창고 활용처에 초점을 둔 글로벌 Physical AI 및 휴머노이드 로보틱스 심층 보고서를 제시한다. 핵심 결론은 AI 모델 개선, 실제 데이터 확대, 대량 생산 및 하드웨어 비용 하락이 휴머노이드 도입 가속을 지지하며, 초기에는 광범위한 소비자 배치보다 구조화된 상업 환경에 집중된다는 것이다.

핵심 견해

Goldman Sachs는 글로벌 휴머노이드 전망을 2026년 약75,000대, 2030년890,000대, 2035년6.5 million대로 상향했으며, 기존 전망은 각각51,000대,256,000대,1.4 million대였다. 2035년 시장 기회는$138 billion으로 추정한다. Physical AI, 오픈소스 도구, VC 자금, 정부 지원, 시제품에서 상업 생산으로 이동하는 기업 계획이 배경이다. 운영 중인 로봇이 실제 훈련 데이터를 만들고 모델 개선과 더 폭넓은 과업 수행으로 이어지는 데이터 플라이휠을 예상한다. 물류·창고는 다양한 과업을 수행하면서도 환경이 구조화돼 있어 초기 대규모 도입에 가장 적합한 곳으로 제시된다. 자동차의 로봇 밀도는 근로자10,000명당 약1,800대, 비자동차 제조업은250대다. 인건비, SKU, 빠른 풀필먼트 및 재고 처리 복잡성 증가는 생산성 투자를 순환적이 아닌 구조적으로 만든다. 80개 이상 기업 설문에서 약30-35%가 범용 로봇 또는 휴머노이드를 진지하게 평가·파일럿 중이고, 또 약35%는 제한적으로 배치했으며, 약40%는 향후3-5년에 최소10%의 업무 흐름이 자동화되거나 크게 향상될 것으로 예상했다. 신뢰성과 통합 복잡성이 핵심 장벽이다. Amazon은2025년6월 기준 300개 이상 시설에100만 대 이상의 로봇을 배치했다. Goldman Sachs의 상방 시나리오는2026E-2030E 총 cost-to-serve 레버리지5.6%, 2030년 단위당 약11% 절감을 가정하며, 약$72 billion 누적 절감과 약240 bp의 연결 EBIT 마진 순풍, 약400 bp의 소매 EBIT 마진 순풍을 제시한다. Walmart는2026년8월 기준 자동화 화물이 미국3,100개 매장을 지원하고 e-commerce 풀필먼트의 절반 이상이 자동화됐으며, 추가 마크다운 절감$4.0 billion-$23.7 billion 및 주문당 배송비2.4%-12.9% 개선 가능성이 있다고 분석한다. 자동차는 부품 분류·운송·검사·최종 조립의 초기 활용처다. 평균 휴머노이드 가격은2025년$40,000 초과에서2035년 약$21,000로, 고사양은 약$150,000에서 약$50,000로 하락할 전망이다. 기술이 준비된 공장 용도에서 비용은2026년 인건비2.8년분, 2027년1.9년분으로 예상된다. 로봇 가격$20,000-$60,000, 채택률10%-50% 시나리오에서 매출총이익 기준 영업마진은 약1%-6% 확대될 수 있으나, 절감분이 차량 가격 인하로 이전되면 순효과는 더 작을 수 있다. 자동차 공정의 약2%만 현재 휴머노이드에 적합하며, 복잡 조립·배선·검사는 추가 기술 혁신이 필요하다. 규모화와 설계 최적화는 평균 BOM을 연7%, ASP를 연6% 낮출 전망이다. 정교한 손, 내구성, 열관리, 배선, 제어 지연, sim-to-real 격차가 제약이다. 초기 도입은 자동차 공장·대형 물류 허브에서 시작해 단가가 약$20,000-$30,000가 되고 안전 기준이 확립되면 일반 제조·창고로, 그 후 서비스·요양·인프라·가정으로 확산될 것으로 본다. vPLC는2025년 약$0.5 billion 기반에서 연20%-30% 성장할 수 있으며, 약$13 billion 전통 PLC 시장의 약4% 성장과 대비된다. vPLC는 이동 로봇 플릿을 중앙 제어하고 기존 하드웨어-소프트웨어 락인을 약화시킬 수 있다. 다만 물리 PLC는 결정론적 지연, 안전, 신뢰성, 레거시 공장 이전 비용, IT·보안 역량 요건 때문에 빠르게 사라지지 않을 것이다. 수익화는 선행 하드웨어에서 구독·사용량·관리형 서비스로 이동할 수 있지만, vPLC 통합과 성과 기반 가격 위험도 존재한다. 휴머노이드당 반도체 콘텐츠는 약$2,950-$6,000+으로 추정되며, 아날로그·혼합 신호$750-$1,050+, 메모리$600-$800, 비메모리 디지털$1,600-$4,150+이다. 컴퓨팅 모듈은 약$1,500-$4,000+이며, 액추에이터·모터·감속기·베어링·배터리·수동부품·커넥터·하네스에도 기회가 있다. 월드 모델과 VLA 시스템은 텍스트 기반 LLM만으로 해결하기 어려운 실제 조작을 위해 중요하다. 로봇 한 대가 하루64 TB의 카메라 데이터를 만들어120 TB 프런티어 LLM 학습 코퍼스의 약200배에 이른다는 추정도 제시한다. Microsoft, Oracle, CoreWeave는 이 워크로드에 유리한 위치로 언급된다. 보고서는 단일 기업보다 광범위한 수혜자 집단을 제시한다. Amazon과 Walmart는 자동화 사용자, Nvidia는 풀스택 이네이블러이며, Jabil, Flex, TE Connectivity, Amphenol, Hyundai Mobis, HL Mando, Robotis, XPeng, Hesai, Xiaomi, Inovance, Sanhua, Shuanghuan, Daifuku, MinebeaMitsumi, Renesas, Regal Rexnord는 제조·액추에이터·센싱·제어·창고 시스템·부품에서 참여 가능하다. 투자 관점과 목표가는 보고서 전체의 단일 등급이 아니라 기업별 사항이다.

분석 프레임워크

Goldman Sachs는 수정한 톱다운 시장 전망에 기업 코멘터리, 80개 이상 기업 설문, 기술·지역 사례 연구 및 바텀업 운영 시나리오를 결합했다. 창고 cost-to-serve, 소매 자동화, 자동차 인건비와 로봇 가격 민감도를 통해 도입 경제성을 검증하고 PLC, 반도체, 부품, 소프트웨어 및 개별 상장사 영향을 정리한다.

방법론 메모

• 산업 분석 프레임워크수급 프레임워크

  2035년까지의 출하량, 사양, ASP, BOM 비용 전망에 기초한 휴머노이드 시장 규모 산정.

  보고서는 상업 배치 증가와 단가 하락을 수정된 출하량 및 시장가치 전망에 연결한다.

• 산업 분석 프레임워크산업 가치사슬 상·중·하류 전이

  소프트웨어와 컴퓨팅에서 로봇, 부품, 자동화 시스템, 최종 사용자까지 이어지는 Physical AI 가치사슬 매핑.

  Goldman Sachs는 휴머노이드 배치 확대가 소매업체, 산업 제어 업체, 반도체 공급업체 및 정밀 부품 제조업체에 미칠 수 있는 영향을 추적한다.

• 기업 펀더멘털 및 재무 프레임워크잉여현금흐름 분석

  자동화 도입의 운영비 및 마진 민감도 분석.

  보고서는 특정 도입·비용 가정 하에서 Amazon, Walmart, 자동차 제조의 비용 절감과 EBIT 마진 효과를 추정한다.

• 가치평가 방법론SOTP(사업부문 합산) 가치평가

  Amazon의 sum-of-the-parts 가치평가.

  Amazon의 명시된12개월 목표가는 North America와 AWS에 EV/EBIT, International에 EV/Sales를 적용하며 모두 NTM+1 추정치에 기초한다.

• 가치평가 방법론DCF(할인현금흐름법)

  일부 기업과 신흥 휴머노이드 사업에 대한 discounted cash-flow 시나리오 분석.

  보고서는 Tesla, XPeng 및 일부 부품 공급업체에 할인율, 영구성장 가정 또는 할인된 장기 가치평가 입력을 사용한다.

자산 매핑 및 비교

투자 논리에서 명시된 자산으로의 구조화 매핑(강점, 약점, 비교 대상, 위험).

• Amazon (AMZN)

  자동화 사용자 및 물류 수혜자

  강점

  100만 대 초과의 배치 로봇, 광범위한 풀필먼트 네트워크, 시스템 수준 자동화 여지.

  약점

  추가적인 cost-to-serve 절감 전에는 저ASP 필수품의 단위 경제성이 부진할 수 있다.

  비교

  보고서는 Amazon의 자동화 규모가 소규모 e-commerce 경쟁사 대비 차별화 요인이라고 본다.

  위험

  경쟁, 고마진 사업 확장 실패, 투자에 따른 마진 압박, 규제 및 거시경제 변동성.

• Walmart (WMT)

  자동화 사용자 및 소매 수혜자

  강점

  자동화 화물이 미국 3,100개 점포를 지원하고 e-commerce 풀필먼트 물량의 절반 이상이 자동화됐다.

  약점

  자동화 진척은 미완성이며 e-commerce 확장에 따라 수익이 감소할 수 있다.

  비교

  자동화는 전통 오프라인 소매 경쟁사 대비 가격·서비스 격차를 넓힐 수 있다.

  위험

  경기 둔화, 가격 경쟁, 임금·운송비, 관세 및 거시/환율 변동성.

• Nvidia (NVDA)

  Physical AI 컴퓨팅·시뮬레이션·로보틱스 플랫폼 이네이블러

  강점

  Isaac GR00T, Omniverse, Jetson을 통해 모델·시뮬레이션·엣지 컴퓨팅 전반에 포지셔닝한다.

  비교

  보고서는 Nvidia를 단순 반도체 공급업체가 아니라 기반적 풀스택 이네이블러로 본다.

  위험

  AI 인프라 지출 둔화, 경쟁에 따른 점유율 또는 마진 침식, 공급 제약.

• Tesla (TSLA)

  휴머노이드 개발업체 및 잠재적 대량 생산업체

  강점

  하드웨어, AI 훈련, 제조 및 내부 공장 데이터 역량은 Optimus의 로봇당 비용을 수천 달러 낮출 수 있다.

  약점

  경영진은 길고 초기에는 평탄한 S-curve 램프를 예상하며, 초기 제품은 데이터 수집과 훈련에 사용된다.

  비교

  Tesla와 Hyundai는 휴머노이드에 가장 적극적으로 참여하는 자동차 제조사로 언급된다.

  위험

  Physical AI 실행·경쟁 위험, 차량 가격, EV 수요, 관세, 제품 지연 및 수직 통합 위험.

• Hyundai Mobis (012330.KS)

  Boston Dynamics의 액추에이터 공급업체

  강점

  Boston Dynamics의 유일한 액추에이터 공급업체이며 2028년까지 350,000대 연간 생산능력을 목표로 한다.

  약점

  휴머노이드 실행은 Boston Dynamics의 램프에 의존한다.

  비교

  보고서는 한국을 중국 외 개발업체의 핵심 액추에이터 공급망 파트너로 본다.

  위험

  비용 인플레이션에 따른 마진 침식과 휴머노이드 또는 자율주행 실행 지연.

• Daifuku (6383.T)

  창고 자동화 시스템 공급업체

  강점

  물류 처리 분야의 선도적 지위와 공장 자동화 동종업체를 웃도는 성장.

  비교

  Goldman Sachs는 휴머노이드가 기초 창고 자동화 시스템의 일부로 작동할 가능성이 높아 Daifuku를 주요 잠재 수혜자로 본다.

  위험

  기술, e-commerce 및 자동차 산업의 투자 둔화.

• Regal Rexnord (RRX)

  정밀 모션 및 통합 액추에이션 공급업체

  강점

  액추에이터 시스템, 프레임리스 모터, 소형 브레이크 및 정밀 베어링을 결합해 로봇당 30-50개 모션 축을 다룰 수 있다.

  약점

  휴머노이드 상업 견인은 초기 단계이며 FY25 말 주문은 약$40 million이다.

  비교

  다품목 역량은 더 좁은 부품 공급업체보다 로봇당 더 높은 콘텐츠를 뒷받침할 수 있다.

  위험

  장기 디스토킹, 약한 이산형 수요, 가격/비용 압박 및 희석적 M&A.

핵심 데이터

• 글로벌 휴머노이드 출하량75,000 in 2026E; 890,000 in 2030E; 6.5 million in 2035E각각 기존51,000,256,000,1.4 million에서 상향됐다.
• 글로벌 휴머노이드 시장$138 billion in 2035EGoldman Sachs의 수정된 시장 기회 추정치.
• 휴머노이드 비용 추세BOM down about 7% annually; ASP down about 6% annually규모화와 설계 최적화를 반영한 전망.
• Amazon 자동화 시나리오~$72 billion cumulative savings and ~240 bp consolidated EBIT tailwind by 20302026E부터2030E까지 약5.6%의 총 cost-to-serve 레버리지를 기반으로 한다.
• 휴머노이드 반도체 콘텐츠$2,950-$6,000+ per humanoid아날로그/혼합 신호, 메모리, 비메모리 디지털을 포함한다.
• 설문 도입 기대~40% of respondents expect at least 10% of workflows to be automated or materially enhanced in 3-5 years설문은 전 세계80개 이상 기업을 대상으로 했다.
• 가상 PLC 시장~20%-30% annual growth from a ~$0.5 billion 2025 base약$13 billion의 전통 PLC 시장은 약4% 성장할 것으로 예상된다.

영향과 시사점

보고서는 휴머노이드를 신흥 생산성 플랫폼으로 보며, 초기 상업적 가치는 창고와 자동차 물류에서 가장 뚜렷하다고 본다. 로봇의 가격 하락과 성능 향상에 따라 기회는 하드웨어, 소프트웨어, 자동화 및 부품 생태계로 확대될 수 있으나, 실제 도입은 신뢰할 수 있는 실제 환경 성능, 통합 및 안전에 달려 있다.

위험

• 휴머노이드 도입은 신뢰성 한계, 통합 복잡성, 안전 요건 및 실제 환경 훈련 데이터 부족으로 지연될 수 있다.
• 정교한 손, sim-to-real 일반화, 하드웨어 내구성, 열관리 및 제어 지연은 여전히 기술 병목이다.
• 가상 PLC 도입은 지연, 기능 안전, 신뢰성, 레거시 공장 이전 및 역량 격차 문제에 직면한다.
• 자동화 절감분의 일부가 가격 인하로 고객에게 이전되면 순마진 이익이 줄어들 수 있다.
• 경쟁과 수직 통합이 공급망을 재편하고 개별 공급업체의 경제성을 제한할 수 있다.

주시할 점

• 창고, 물류 허브, 자동차 공장의 파일럿이 대규모 상업 배치로 전환되는지 여부.
• 휴머노이드 생산량 증가에 따른 BOM 및 ASP 하락 속도.
• 실제 조작, 정교한 손, 안전 인증 및 sim-to-real 성능의 진전.
• Amazon과 Walmart가 자동화로 풀필먼트·배송비를 계속 낮추는지 여부.
• 물리 PLC에서 가상 PLC로의 전환과 기존 업체의 수익화·고객 관계 유지 능력.
• 월드 모델 훈련 워크로드 증가와 이에 따른 GPU, 스토리지, 고성능 네트워크 수요.