기업 개요 (Company Overview)

Figure AI는 유망한 로보틱스 스타트업에서 "물리적 AI (Physical AI)" 혁명의 선봉장으로 빠르게 진화했습니다. Brett Adcock에 의해 2022년에 설립된 Figure AI는 고급 인공지능 (AI)을 통해 작동하는 휴머노이드 로봇을 개발하는 미국의 로보틱스 기업입니다. 경직되고 미리 프로그래밍된 산업용 암 (Industrial arms)에 의존하는 전통적인 자동화 기업들과 달리, Figure의 미션은 비정형 환경을 탐색하고 인간과 같은 민첩성으로 복잡한 작업을 수행할 수 있는 범용 휴머노이드 로봇을 만드는 것입니다.

이 회사의 핵심 철학은 시각 (Vision), 언어 (Language), 행동 (Action)을 단일 신경망 (Neural network)으로 통합하는 독자적인 대규모 행동 모델 (Large Action Model, LAM)인 Helix에 집중되어 있습니다. 이를 통해 로봇은 자연어 지시를 이해하고 모든 움직임에 대해 명시적인 코딩 없이도 물리적 작업을 실행할 수 있습니다. 2026년까지 Figure AI는 규모 면에서 지각 변동을 겪었습니다. 이 회사는 최근 역사적인 이정표를 확인했습니다: 현재 시설 내 로봇 수가 인간 직원 수보다 많으며, 이는 제조 성숙도를 보여주는 극명한 지표입니다.

주요 지표 및 자금 조달 (Key Metrics & Funding):

• 기업 가치 (Valuation): 최근 Series B 라운드 이후 **26억 달러 (2.6 billion dollars)**를 초과함.
• 주요 파트너십 (Key Partnerships): OpenAI (LLM 통합 목적), NVIDIA (Isaac GR00T 학습 스택 및 추론 컴퓨팅 목적), 그리고 BMW와 같은 주요 자동차 OEM과의 전략적 제휴.
• 생산 이정표 (Production Milestone): BotQ 시설은 시간당 1대의 Figure 03 로봇 생산율을 달성하였으며, 이는 120일 미만의 기간 동안 처리량(throughput)이 24배 증가했음을 나타냄.
• 인도 (Deliveries): 2026년 중반 기준, 파일럿 파트너들에게 350대 이상의 유닛이 인도됨.
• GitHub 활동 (GitHub Presence): 공식 figurerobotics 조직은 **55개의 리포지토리 (repositories)**를 호스팅하며, 자사의 API 및 시뮬레이션 도구를 중심으로 성장하는 개발자 생태계를 육성하고 있음.

최신 뉴스 및 발표 (Latest News & Announcements)

지난 몇 달 동안 Figure AI는 "개념 증명 (proof of concept)" 단계에서 "산업적 현실 (industrial reality)"로 전환되는 변혁적인 시기를 보냈습니다. 현재 진행 중인 사항은 다음과 같습니다:

• 비감독 8시간 교대 근무 완료 (Unsupervised 8-Hour Shifts Completed)
  2026년 5월, Figure AI는 자사의 Figure 03 로봇들이 사람의 감독 없이 8시간 동안의 전체 교대 근무를 수행하며 패키지를 분류하는 모습을 라이브 스트리밍으로 공개했습니다. 이 영상은 1,000만 회 이상의 조회수를 기록하며 화제가 되었습니다. 로봇들은 다양한 패키지(판지 상자 및 소프트 봉투)의 바코드를 자율적으로 검사하고, 인간의 개입 없이 컨베이어 벨트에 배치했습니다. 이는 장기적 자율성 (long-horizon autonomy)을 위한 Helix 02의 신뢰성을 입증했습니다. Source

• BMW 공장 배치 (BMW Factory Deployment)
  BMW Group는 고급 물류 작업을 위해 미국 스마트 팩토리에 Figure 03 휴머노이드 로봇을 도입함으로써 물리적 AI (Physical AI)의 활용 범위를 확장했습니다. 이는 주요 자동차 OEM 중 Figure의 범용 휴머노이드를 단순 조립을 넘어 복잡한 물류 처리 단계까지 실제 제조 라인에 통합한 첫 번째 사례 중 하나입니다. Source

• Automate 2026: 휴머노이드 파빌리온 (The Humanoid Pavilion)

• BotQ에서의 생산 규모 확대 (Production Scale-Up at BotQ)
  Figure AI의 BotQ 시설이 중요한 임계점을 돌파했습니다. 바로 시간당 1대의 Figure 03 로봇을 생산하게 된 것입니다. 120일 동안 처리량(throughput)이 24배 증가한 것은 공급망 병목 현상이 해결되고 있음을 나타내며, 기업 고객을 대상으로 한 배포를 빠르게 확장할 수 있음을 의미합니다. Source

• 바이럴된 패키지 분류 데모 (Viral Package Sorting Demo)
  Figure 로봇이 패키지를 처리하는 모습을 담은 일주일간의 라이브 스트리밍은 하나의 문화적 현상이 되었으며, 기술 애호가들은 이를 "스티브 잡스의 'one more thing' 이후 가장 위대한 제품 데모"라고 비교하기도 했습니다. 이 데모에는 로봇과 인간 인턴 사이의 유쾌한 경쟁이 포함되어 로봇의 속도와 일관성을 강조했습니다. Source

• 침대 정리 시연 (Bed-Making Demonstration)
  지난 5월 초, Figure는 두 대의 휴머노이드가 인간보다 더 빠르게 침대를 정리하는 모습을 보여주는 영상을 공개했습니다. 이는 Helix를 통해 구현된 미세 운동 기술(fine motor skills)을 보여주었으며, 로봇이 로보틱스 분야의 큰 과제인 부드럽고 변형 가능한 물체(soft, deformable objects)를 다룰 수 있음을 증명했습니다. Source

제품 및 기술 심층 분석 (Product & Technology Deep Dive)

Figure AI의 경쟁적 해자(competitive moat)는 하드웨어뿐만 아니라 소프트웨어 스택인 Helix에 있습니다.

Helix: 대규모 행동 모델 (The Large Action Model)

Helix는 시각-언어-행동 (VLA, Vision-Language-Action) 모델입니다. 인지(perception), 계획(planning), 제어(control)를 분리하는 전통적인 로보틱스 스택과 달리, Helix는 엔드 투 엔드(end-to-end) 학습 시스템입니다. 카메라 피드와 자연어 지침을 입력으로 받아 연속적인 모터 명령(continuous motor commands)을 출력합니다.

• 학습 데이터: Helix는 1,000시간 이상의 인간 동작 데이터로 훈련되었습니다.
• 시뮬레이션: 이 모델은 20만 개가 넘는 병렬 환경에서 시뮬레이션을 통해 훈련 시간을 보냈으며, 이를 통해 배치(deployment) 전에 견고한 정책을 학습할 수 있었습니다.
• 전신 제어 (Whole-Body Control): Helix는 전신 제어를 가능하게 하여 로봇이 균형, 팔 움직임, 손의 민첩성을 동시에 조율하도록 합니다. 이는 침대 정리나 불규칙한 포장재 처리 같은 작업에 매우 중요합니다.

하드웨어 발전: F.01에서 F.03까지

• Figure 01: 기본적인 이동 및 조작 능력을 확립하는 데 중점을 둔 초기 프로토타입입니다.
• Figure 02: 고급 손 민첩성, 몸통에 통합된 배터리, 더 컴팩트한 구조를 갖춘 간소화된 디자인입니다. 실제 환경 배치 파일럿을 위해 준비되었습니다.
• Figure 03: 현재의 생산 모델입니다. 향상된 내구성, 높은 처리량(throughput) 능력, 그리고 NVIDIA의 Isaac GR00T 스택과의 원활한 통합 기능을 특징으로 합니다. 현재 BMW 공장과 분류 창고에서 운영되고 있습니다.

물리적 AI 패러다임 (Physical AI Paradigm)

Figure AI는 로봇이 명시적인 프로그래밍 대신 모방을 통해 학습하는 패러다임인 '물리적 AI'를 주창합니다.

• 전통적인 로보틱스: 엔지니어들은 모든 움직임에 대한 스크립트를 작성합니다. 물체의 위치가 다르거나 새로운 제품이 도착하면 작동이 멈춥니다.
• Figure의 접근 방식: 사람이 작업을 시연(원격 조작 또는 VR을 통해)하고, 로봇은 그 정책을 학습합니다. 이로 인해 새로운 작업에 대한 '프로그래밍 부담'이 몇 주에서 몇 시간으로 줄어듭니다. Standard Bots CEO인 Evan Beard가 Automate 2026에서 언급했듯이, 실제 제조 작업의 약 99%는 이러한 부담 때문에 자동화에 저항해 왔으며, 물리적 AI가 이를 해결합니다. 출처

NVIDIA 파트너십

GitHub 및 오픈 소스

Figure AI는 핵심 Helix 모델의 상당 부분을 독점(proprietary) 상태로 유지하면서도, 개발자 채택과 생태계 성장을 촉진하기 위해 활발한 오픈 소스(open-source) 활동을 이어가고 있습니다.

• Organization: github.com/figurerobotics
• Repositories: 55개의 공개 저장소(public repositories).
• Community: 151명의 팔로워 (2026년 7월 기준). LangChain과 같은 거대 프로젝트보다는 규모가 작지만, 시뮬레이션 도구(simulation tools), API 래퍼(API wrappers), 통합 예제(integration examples)에 집중된 기여가 이루어지는 등 참여의 질이 높습니다.

주요 저장소(Key Repositories) 포함 사항:

• 시뮬레이션 환경 (Simulation Environments): 시뮬레이션된 창고 및 공장 환경에서 Helix 정책(policies)을 테스트하기 위한 도구.
• API 클라이언트 (API Clients): Figure의 클라우드 기반 제어 평면(control plane)과 상호작용하기 위한 Python 및 TypeScript SDK.
• 문서화 (Documentation): 휴머노이드 로보틱스(humanoid robotics)를 위한 개발 환경 구축에 관한 광범위한 가이드.

오픈 소스 전략은 명확합니다. 개발자들이 직접 기본 모델(base models)을 학습시키지 않더라도, Figure 하드웨어
위에서(on top of) 애플리케이션을 구축하고자 할 때 진입 장벽을 낮추는 것입니다.

시작하기 — 코드 예제

Figure AI 플랫폼과의 통합에 관심이 있는 개발자를 위해, Python SDK를 사용하는 실질적인 예제를 소개합니다. 이 코드 스니펫(snippets)은 Figure Cloud API 및 적절한 인증 토큰(authentication tokens)에 대한 액세스가 가능함을 전제로 합니다.

1. 설치

pip install figure-ai-sdk

2. 기본 작업 실행: "이 패키지들을 분류하세요"

이 예제는 SDK를 통해 Figure 03 로봇에 자연어 명령(natural language instruction)을 보내는 방법을 보여줍니다. Helix 모델이 명령을 해석하고 물리적 작업을 수행합니다.

import figure_ai_sdk

# API 키로 클라이언트를 초기화합니다
...

3. 고급 예제: 실시간 비디오 피드 분석

from figure_ai_sdk import WebSocketClient
import cv2
import numpy as np
...

시장 위치 및 경쟁

Figure AI는 상업용 휴머노이드 로보틱스 분야를 선도하고 있지만, 경쟁이 심화되고 있습니다.

• Figure AI: 기업 가치 26억 달러($2.6B) 이상. 가격은 범용적인 유연성에 비용을 지불할 의사가 있는 기업 고객을 대상으로 하는 프리미엄 급일 가능성이 높습니다. 로봇 서비스형 (Robots-as-a-Service (RaaS)) 모델이 등장하고 있습니다.
• Tesla Optimus: 수직 계열화 (Vertical Integration) 덕분에 잠재적으로 낮은 비용을 유지할 수 있으나, 현재는 내부 사용으로 제한되어 있습니다.
• Boston Dynamics: 전기식 Atlas는 상업적으로 이용 가능하지만, 주로 Hyundai 및 Google과 함께 연구/파일럿 단계에 있습니다.

경쟁 우위 (Competitive Advantage):
Figure AI는 OpenAI와의 파트너십을 통해 언어 이해 및 추론 능력에서 상당한 우위를 점하고 있습니다. 또한 NVIDIA와의 협업을 통해 학습 및 추론 (Inference)을 위한 최상의 컴퓨팅 인프라를 확보하고 있습니다. 이러한 "소프트웨어 우선 (Software-first)" 접근 방식은 Figure 로봇이 경직된 프로그래밍에 의존하는 경쟁사들보다 새로운 작업에 더 빠르게 적응할 수 있게 해줍니다.

개발자 영향 (Developer Impact)

개발자와 엔지니어들에게 Figure AI는 패러다임의 전환을 의미합니다:

1. 코드에서 의도로 (From Code to Intent): 개발자들은 더 이상 모든 관절의 움직임을 스크립트로 작성할 필요가 없습니다. 대신, 자연어 지시사항을 작성하거나 작업을 시연합니다. 이는 로보틱스 통합 (Robotics integration)에 대한 진입 장벽을 낮춰줍니다.
2. 새로운 기술 세트 (New Skill Sets): "로보틱스 프롬프트 엔지니어 (Robotics Prompt Engineers)"와 VLA 모델 미세 조정 (Fine-tuning) 전문가에 대한 수요가 증가하고 있습니다. 모방 학습 (Imitation learning)을 위해 시연 (Demonstrations)을 구조화하는 방법을 이해하는 것이 가치 있는 기술이 되고 있습니다.
3. 통합 기회 (Integration Opportunities): 55개의 GitHub 저장소와 활발한 SDK를 통해, 개발자들은 Figure의 하드웨어 위에서 커스텀 대시보드, 모니터링 도구 및 워크플로우 자동화 기능을 구축할 수 있습니다.
4. 시뮬레이션 우선 (Simulation First): 개발자들은 물리적 하드웨어에 배포하기 전, 로봇의 동작을 테스트하기 위해 디지털 트윈 (Digital twins)과 시뮬레이션 환경 (예: NVIDIA Isaac Sim)을 점점 더 많이 사용할 것입니다.

누가 주목해야 하는가? (Who Should Care?)

• 제조 엔지니어 (Manufacturing Engineers): 비정형 작업 (Unstructured tasks)의 자동화를 원하는 이들.
• 물류 관리자 (Logistics Managers): 창고 내 노동력 부족 문제를 해결하고자 하는 이들.
• AI 연구자 (AI Researchers): VLA 모델과 물리적 AI (Physical AI)에 관심이 있는 이들.
• 기업 IT (Enterprise IT): 로봇을 통한 미래의 인력 증강 (Workforce augmentation)을 계획하는 이들.

향후 전망 (What's Next)

현재의 트렌드와 발표 내용을 바탕으로, 2026년 하반기 Figure AI에 대한 예측은 다음과 같습니다: