상품 vs 학생 — 테슬라가 팔 로봇도 없이 100만 대 공장부터 지은 이유

사람은 손이 아는 것을 말로 넘기지 못합니다. 로봇은 통째로 복사합니다

2026.10.25 | 조회 59 |

from.

넥서스알파랩

안녕하세요, 넥서스알파랩입니다.

테슬라 홍보 영상 속 옵티머스는 집에 삽니다. 현관에 온 택배를 들고 들어오고, 화분에 물을 주고, 아이와 마주 앉아 보드게임을 합니다. 그릇을 제자리에 넣고, 뒷마당 파티에서는 음료 캔을 건넵니다.

그 로봇이 이번 주 처음으로 공장 라인에서 내려왔습니다. 그런데 같은 날 머스크는 이 로봇이 아직 아무 일도 제대로 할 줄 모른다고 털어놨습니다. 그러면서도 연 100만 대짜리 공장은 이미 깔아 놓았습니다. 오늘은 이 순서가 왜 거꾸로처럼 보이는지, 그리고 왜 거꾸로가 아닐 수도 있는지 풀어보겠습니다.

1️⃣ 🏭 첫걸음 — 공장은 100만 대, 로봇은 아직 학생

📊 [Fact & Logic]

테슬라는 10월 21일 3분기 주주서한에서 캘리포니아 프리몬트 공장의 옵티머스 생산 시작을 발표했습니다. 서한에는 이 라인에서 나오는 로봇이 회사가 만든 첫 생산 품질 로봇이라고 적혀 있습니다. 전기차를 만들던 공간입니다.
머스크에 따르면 연 100만 대 규모 라인 설비의 대부분이 이미 설치됐습니다.
텍사스 오스틴에는 완전 가동 시 연 1,000만 대를 목표로 하는 옵티머스 전용 공장이 지어지고 있습니다. 2025년 11월에 착공했고, 초기 생산은 2027년이 목표입니다.
머스크의 목표는 2027년 말 주당 2만 대입니다. 다만 그는 "최소 1년, 어쩌면 조금 더" 걸린다고 단서를 달았습니다.
외부 고객 인도는 2027년 말 무렵이 목표입니다. 첫 고객은 공장의 위험하고 반복적인 작업이고, 가정용은 그 뒤입니다.
단가는 "아직 말하기 이르다"고 했고, 고객사 이름은 공개되지 않았습니다.

💡 [Insight] 공장의 크기와 로봇의 능력이 정반대 방향을 가리킵니다. 설비는 100만 대인데, 회사가 스스로 꼽은 과제는 AI 미완성, 손, 한 달 이상의 내구성입니다. 지금 라인에서 내려오는 로봇은 팔 물건이 아니라 배워야 할 학생에 가깝습니다. (넥서스알파랩이 본 시각)

2️⃣ 🧠 폴라니의 역설 — 사람이 제일 잘하는 일이 기계에게 제일 어렵다

📊 [Fact & Logic]

헝가리 출신 영국 철학자 마이클 폴라니는 1966년 『암묵적 차원』에서 "우리는 말할 수 있는 것보다 더 많이 안다"고 썼습니다.
자전거 타기, 신발끈 묶기, 얼굴 알아보기처럼 몸은 아는데 말로는 설명할 수 없는 지식을 '암묵지'라고 부릅니다.
MIT 경제학자 데이비드 오터는 2014년 이 개념을 '폴라니의 역설'로 정리했습니다. 규칙으로 적을 수 있는 일은 컴퓨터가 쉽게 대체했지만, 규칙으로 적을 수 없는 일은 오히려 자동화가 늦다는 내용입니다.

💡 [Insight] 홍보 영상 속 장면이 전부 이 역설에 걸립니다. 택배 상자는 꽉, 음료 캔은 살살, 젖은 그릇은 미끄러지지 않게 쥐어야 합니다. 사람은 이 힘 조절을 설명하지 못하고 그냥 합니다. 말로 못 하면 프로그램으로도 못 짭니다. 머스크가 "손이 가장 어렵다"고 한 이유가 부품 문제만은 아닙니다. 가르칠 교과서가 없다는 뜻입니다. (넥서스알파랩이 본 시각)

3️⃣ 🏫 그래서 공장이 먼저다 — 로봇 학교의 학생 1만 대

📊 [Fact & Logic]

머스크는 이번 실적 발표에서, 로봇이 스스로 연습하며 배우는 '셀프 플레이' 훈련에 “1만~2만 대 규모”의 로봇이 필요하다고 말했습니다.
테슬라는 로봇들이 여러 작업을 연습하는 '옵티머스 아카데미'를 구상하고 있습니다.
AI 소프트웨어 부사장 아쇼크 엘루스와미는 로봇이 사람을 관찰하고, 시뮬레이션과 실제 공간에서 연습하며 배운다고 설명했습니다. 그는 "꽤 좋은 결과에 가까워졌다"고 말했습니다.
자동차 자율주행은 수백만 대의 차가 매일 주행 데이터를 보내줬습니다. 옵티머스에는 그런 기존 군단이 없습니다.
내년 4월쯤 차세대 AI5 칩을 옵티머스에 넣을 계획입니다.

💡 [Insight] 교과서로 가르칠 수 없다면 남는 방법은 하나, 보고 따라 하며 몸으로 배우는 것입니다. 그런데 배우려면 몸이 먼저 있어야 합니다. 그래서 공장이 먼저입니다. 팔려면 똑똑해야 하는데, 똑똑해지려면 먼저 1만 대를 만들어야 합니다. 거꾸로 보이는 순서가 사실은 유일한 순서일 수 있습니다. (넥서스알파랩이 본 시각)

4️⃣ 🔁 역설의 뒷장 — 사람에게는 벽, 로봇에게는 복사기

📊 [Fact & Logic]

사람의 암묵지는 그 사람 안에 갇힙니다. 숙련 기술자가 은퇴하면 그 손 감각도 같이 사라지고, 다음 사람은 처음부터 다시 배워야 합니다.
로봇의 학습 결과는 소프트웨어 모델로 저장되고, 같은 하드웨어를 쓰는 다른 로봇에 업데이트로 배포할 수 있습니다. 테슬라 차량이 무선 업데이트로 자율주행 성능을 받는 방식과 같은 구조입니다.

💡 [Insight] 폴라니의 역설은 사람에게 벽이었습니다. 말로 못 넘기니 가르치기도, 물려주기도 어려웠습니다. 로봇에게는 이 벽이 거꾸로 작동합니다. 한 대가 몸으로 배운 감각을 나머지 전부에 그대로 복사할 수 있습니다. 1만 대가 배우면 100만 대가 압니다. 머스크가 돈을 먼저 쓰는 이유가 여기 있습니다. 첫 1만 대는 등록금이고, 그 뒤는 복사입니다. (넥서스알파랩이 본 시각)

※ "한 대가 배우면 전부에 복사된다"는 로봇 학습의 일반 원리를 적용한 해석이며, 테슬라의 공식 표현은 아닙니다.

5️⃣ 💸 등록금 — 이익 43% 감소의 정체

📊 [Fact & Logic]

3분기 순이익 7억 8,700만 달러(약 1조 436억 원), 전년 대비 43% 감소
매출 280억 5천만 달러(약 37조 2천억 원), 보합
영업비용 47억 8천만 달러(약 6조 3,400억 원), 39% 증가
연구개발비 27억 6천만 달러(약 3조 6,600억 원), 69% 증가
3분기 설비투자 47억 3천만 달러(약 6조 2,700억 원)로 전년의 2배 이상. 2026년 연간 가이던스는 250억 달러(약 33조 1,500억 원) 이상
반면 자동차 총이익률(규제 크레딧 제외)은 18.1%로 오히려 개선됐습니다

💡 [Insight] 차가 안 팔려서 이익이 준 게 아닙니다. 자동차 이익률은 올랐습니다. AI와 옵티머스에 쓰는 돈이 이익을 깎았습니다. 로봇 학교의 등록금이 이번 분기 실적에 찍힌 셈입니다. (넥서스알파랩이 본 시각)

6️⃣ 🧭 영상 속 집까지, 지금 어디쯤인가

📊 [Fact & Logic]

머스크는 2025년 오스틴 공장을 공개하며, 휴머노이드 로봇이 자동차보다 큰 경제력이 될 것이라고 말했습니다.
테슬라의 순서는 공장의 위험하고 반복적인 작업이 먼저이고, 가정은 그 뒤입니다.

💡 [Insight]

시작됐다: 생산 품질 로봇이 라인에서 출고됨
설계 단계: 로봇 학교, 공장 위험 작업 투입, 2027년 말 외부 인도
아직 영상이다: 거실에서 아이와 보드게임을 하는 로봇

영상 속 집은 목적지이고, 오늘 출고된 로봇은 출발선입니다. 그 사이의 거리를 메우는 건 공장의 크기가 아니라 연습량입니다. (넥서스알파랩이 본 시각)

⚖️ 다른 시각

약속의 이력이 있습니다. 머스크는 2019년 오토노미 데이에서 2020년까지 로보택시 100만 대를 약속했지만 실현되지 않았습니다. 2025년 옵티머스 생산 목표도 크게 밑돌았습니다(목표 대수는 5,000대·1만 대로 보도가 엇갈림).
폴라니의 역설에도 반론이 있습니다. 로봇이 복사하는 것은 사람의 감각이 아니라 데이터에서 뽑은 통계입니다. 그래서 학습 데이터에 없던 상황을 만나면 다시 서툴러질 수 있습니다.
복사가 가능하다고 해서 하드웨어까지 같아지는 건 아닙니다. 손의 기어와 센서가 닳는 속도는 로봇마다 다르고, 머스크도 한 달 이상의 내구성을 미해결 과제로 꼽았습니다.
반대로, 테슬라는 2018년 모델 3 '생산 지옥'을 뚫고 결국 주당 5,000대를 달성한 이력도 있습니다.

🎯 결론

사람은 배운 것을 말로 넘기지 못하지만, 로봇은 통째로 넘깁니다. 그래서 테슬라는 팔 로봇이 생기기 전에 배울 로봇부터 만들고 있습니다. 옵티머스 뉴스에서 볼 숫자는 공장의 크기가 아니라 연습 중인 로봇의 수입니다. 그 숫자가 1만 대를 넘는 날, 우리 손이 아는 것이 처음으로 복사되기 시작합니다.

🍙 한입쌈밥