즈위안, 듀얼 모델로 다수 리더보드 1위 석권

헝위(衡宇) 2026-10-30 20:58:31 출처: 량쯔웨이(量子位)

xs, 로봇한테 성과 평가까지 매기겠다고

헝위, 아오페이쓰(凹非寺)에서 보냄

량쯔웨이 | 위챗 공식계정 QbitAI

이것도 신선하네!

즈위안(智元)이 일하는 로봇에게 성과 평가(绩效)를 매기는 방법을 생각해냈다(농담).

올해 혁신의 날 행사에서 즈위안 공동 창업자 겸 총재, CTO 펑즈후이(彭志辉, 지후이쥔/稚晖君)는 로봇의 유효 지능 노동시간을 측정하는 물리 AI 신단위 'Worken'을 발표했다.

즈위안은 Worken에 대한 성과 정산 공식도 설계했다:

Worken=활성 로봇 수×자율 작업 시간×산출 효율비

활성 로봇 수는 배치 규모를 반영하고, 자율 작업 시간은 로봇이 인력 개입 없이 지속적으로 작업할 수 있는지를 보며, 산출 효율비는 실제 산출 효율을 측정한다.

Fine, 이제 실리콘 인간들은 거기서 순수하게 빈둥거릴 수 없게 됐다╮(╯▽╰)╭

그런데 즈위안은 이번에 로봇에게 성과 평가만 안긴 게 아니다.

로봇이 진정으로 가치를 창출하도록 하는 방법을 둘러싸고, 즈위안은 이번에 모델, 본체에서 운영체제에 이르기까지 일련의 기술 진전을 가져왔으며, 구신지능(具身智能)의 운동, 작업, 상호작용 등 핵심 역량을 아우른다.

예를 들어 새 모델 쪽에서는 구신 기반 모델 GO-3 Preview가 이미 3개 구신지능 평가 순위에서 1위를 차지했고, 상호작용 대형 모델 WITA-OMNI도 4개 평가 순위에서 정상에 올랐다.

회견 후 인터뷰에서 지후이쥔은 "만 대 생산 라인 이탈은 제조업의 승리일 뿐이고, 만 대 취업(上岗)이야말로 물리 AI의 승리"라고 밝혔다.

하지만 로봇이 계속 이 성과를 내게 하려면 계산 공식 한 세트만으로는 부족하다.

즈위안이 이번에 발표한 새 모델, 새 본체, 새 시스템은 바로 Worken 이면의 기술 배치를 엮어낼 수 있다.

모델에서 본체까지, 즈위안이 새로 내놓은 것은?

이번 혁신의 날에 즈위안은 차세대 구신 기반 모델 GO-3 Preview와 전모달 엔드투엔드 상호작용 대형 모델 WITA-OMNI를 발표했다.

두 모델은 각각 로봇 작업의 두 가지 핵심 역량을 겨냥한다.

GO-3는 주로 작업 지능을 겨냥해 로봇이 과제를 이해하고 동작을 생성하며 조작을 완수하도록 돕고, WITA-OMNI는 상호작용 지능을 겨냥해 로봇이 사람을 이해하고 사람에게 응답하며 실제 환경에서 음성, 표정, 동작으로 자연스럽게 교류할 수 있게 한다.

동시에 즈위안은 운동 지능, 하드웨어 아키텍처, 운영체제의 업그레이드도 추진하고 있다.

모델은 역량 향상을 담당하고, 본체와 시스템은 역량을 담지하고 협동하는 역할을 하며, 실제 배치는 이런 기술이 작업 현장에서 효과를 낼 수 있는지 검증한다.

이로부터 즈위안의 상호작용 지능, 운동 지능, 작업 지능의 '삼지(三智)' 배치가 나왔다.

작업 지능

먼저 작업 지능부터 보면, 즈위안이 내보낸 최신 선수는 구신 기반 모델 GO-3 Preview다.

RoboDojo, RoboTwin, RoboColiseum 세 가지 구신지능 평가 순위에서 정상을 차지하며 3개 순위 석권을 완성했다.

알려진 바에 따르면 GO-3 Preview는 구신 네이티브 아키텍처 WRAM(World Reasoning Action Model)을 채택했으며, 과제 이해, 추론, 미래 상태 예측, 동작 생성을 결합했다.

로봇이 정밀 조작을 할 때는 과제 목표를 이해하고 동작을 계획해야 할 뿐 아니라 동작이 가져올 변화를 예측해야 한다. WRAM은 이런 과정을 통일된 학습 프레임워크에 포함시켜 모델이 복잡한 과제를 처리하는 능력을 높이려 한다.

사전 학습 단계에서는 모델과 데이터의 공동 Scaling을 기반으로 GO-3 Preview의 과제 전이와 복잡 기술 적응 능력이 더 강해져 Zero-Shot과 Few-Shot 과제에서 더 나은 성과를 낸다.

레고의 시험을 피할 수 있는 로봇은 없다!

미세 조정을 거치면 GO-3 Preview를 탑재한 로봇은 부품 파지, 정렬, 삽입 등 정밀 조작을 완수하고, Agent 편성 하에 조립 과제를 마칠 수 있다.

또한 모델은 교차 본체 전이를 지원한다. 쌍족 휴머노이드 로봇 X2로 바꿔도 두 손으로 문을 열고 무릎을 꿇고 물건을 집어 올릴 수 있다.

하지만 알다시피 실험실 환경은 상대적으로 단순하고, 현실에서는 환경과 물건 위치가 천차만별이라 구신 모델이 사전 학습만으로 모든 능력을 다 배울 수는 없다.

이를 위해 즈위안은 사후 학습 시스템 Genie Evolver를 구축해 백여 대의 실물 기기, 물리 시뮬레이션과 월드 모델을 결합했다. 이는 로봇에게 인턴 작업장을 붙여준 셈이다.

실제 직무에 들어가면 구신지능 에이전트 프레임워크 Genie Master가 이어서 과제 계획과 이상 상황 복구를 맡아, 오늘의 실수를 내일의 경험으로 축적한다.

보편 역량은 학습에 의지하고, 가상-실제 상호작용 속에서 개선하며, 실제 경험을 다시 재사용하는 이 하나의 사슬로 엮이면 구신 로봇은 전통 설비와 완전히 다른 존재가 된다.

상호작용 지능

GO-3가 로봇이 업무를 어떻게 완수하는지에 주목한다면, WITA-OMNI는 로봇이 사람과 어떻게 교류하는지에 주목한다.

즈위안이 새로 발표한 상호작용 대형 모델로서 WITA-OMNI는 Daily-Omni, TimeLens-Bench, EmbSpatialBench, MMAU 네 가지 권위 평가에서 모두 1위를 차지했다.

WITA-OMNI는 입력된 음성, 시각, 텍스트와 출력되는 음성, 표정, 동작을 하나의 모델에서 협동 모델링해 로봇이 듣고, 보고, 말하고, 움직이는 것을 동시에 할 수 있게 한다.

예를 들어 호텔, 관광지처럼 인간 사회의 개방 환경에서 로봇은 시끄러운 환경 속에서 누가 자신과 대화하는지, 상대가 말을 다 했는지, 언제 응답하는 게 적절한지를 판단해야 한다.

꽤 흥미로운 특징이 하나 있는데, WITA-OMNI는 웨이크업 워드가 필요 없다.

즈위안은 모델이 소리 방향, 성문, 얼굴, 입 모양 등의 정보를 종합해 대화 상대를 식별하고, 시선과 어조를 결합해 상호작용 시점을 판단하도록 했다. 로봇이 다른 동작을 수행 중이더라도 계속 대화에 참여할 수 있다.

자, 본론으로 돌아가자!

WITA-OMNI는 빠른-느린 이중 시스템 설계를 채택했다.

- 전면 Interaction Engine은 즉각적인 응답 담당

- 후면 Background Agent는 추론, 계획, 도구 호출과 장기 과제 담당

복잡한 문제를 만나면 후면이 계속 처리하고 전면은 여전히 대화를 유지하며 진행 상황을 동기화하고, 사용자도 언제든 요구를 보충하거나 과제를 조정할 수 있다.

현장 시연에서 즈위안 파트너 겸 공동 총재, 상호작용 사업체계 총재 슝옌(熊彦)이 연속으로 질문을 퍼부었고, WITA-OMNI를 탑재한 로봇은 물 흐르듯 대답했다. "즈위안에서 누가 제일 잘생겼냐"고 묻자 로봇은 그 틈에 자뻑했다.

즈위안이 공개한 데이터에 따르면 WITA-OMNI는 보통 평균 600밀리초 이내에 응답하며, 가장 빠를 때는 약 400밀리초다. 이 속도는 이미 인간 대화의 자연스러운 반응에 근접한 수준이다.

언어 측면에서 WITA-OMNI는 100여 개 언어와 여러 방언을 듣고 이해할 수 있으며, 29개 언어와 7개 방언을 말할 수 있고, 로컬 오프라인 상호작용도 지원한다.

또 다른 흥미로운 기능은 Intelligent FaceUI다.

사용자가 "피타고라스 정리를 설명해줘"처럼 질문만 하면, 로봇이 얼굴 화면에 정보를 동적으로 표시할 수 있다.

잠깐에 설명하기 어려운 복잡한 문제를 만나면, 그래픽 표현이 메마른 음성 낭독보다 훨씬 직관적이다.

즈위안은 2026년 12월 전에 중국 국내 전면 배치를 완료하고, 2027년 1월 유럽에서 해외 버전을 출시하며, 3월에 해외 지역 전면 온라인화를 완료할 계획이다.

운동 지능

작업 지능과 상호작용 지능 외에도, 지위안(智元)은 운동 지능 분야의 혁신도 꾸준히 추진하고 있다.

혁신의 날(创新日)에 발표된 AGILE 범용 운동 지능 프레임워크는 환경 인지, 지형 이해, 전신 운동 제어, 상·하지 협응 조작을 통합된 인지·제어 폐루프에 포함한다.

자율 진화 아키텍처와 결합해, 기초 지능으로서의 운동 지능이 운동 제어에서 자율 진화가 가능한 공간 이동 지능으로 나아가도록 하여, 배포 상태의 공간 이동 요구를 더 잘 충족시킨다.

동적 장애물, 다인 협업, 예기치 않은 인간-로봇 상호작용 등의 상황에서 로봇은 환경 변화에 맞춰 동작을 조정해야 하며 안전성도 함께 고려해야 한다.

새로운 아키텍처와 새로운 본체

업계 초창기 로봇은 대부분 단일 지능 능력만 수행했고, 이후 많은 방안이 '세 가지 지능 분리', 즉 "세 세트의 지능이 각각 독립된 하드웨어 보드에서 구동되는" 방식으로 흘러갔으며, 이는 현재 많은 제조사가 시도하고 있는 노선이기도 하다.

지위안은 이번에 한 걸음 더 나아가 3세대 하드웨어 아키텍처 AHA3를 출시해, 운동·상호작용·작업 세 가지 지능을 동일한 제어 시스템으로 통합했다.

AHA3는 단일 SoC로 통합 스케줄링되어 세 가지 지능의 합일을 실현한다.

지위안이 공개한 데이터에 따르면, 이번 업그레이드로 물리적 부피는 50% 줄고 응답 속도는 90% 향상됐다.

그리고 성과 평가 공식의 알고리즘에 따르면, 로봇의 모든 지능은 결국 신뢰할 수 있는 하나의 몸을 통해서만 Worken으로 실현될 수 있다.

맞다, 지위안은 새로운 로봇 본체도 발표했다. 안전 규격급 중하중 구현 로봇 징링(精灵) G2 Max다.

이는 단일 암 20kg 부하, 양팔 피크 부하 50kg을 지원하고, 7자유도 힘 제어 양팔을 갖추며, 다중 안전 보호와 듀얼 배터리 핫스왑 등의 설계를 통해 장시간 연속 작업 수요를 겨냥한다.

같은 무대에서 공개된 것은 세계 최초 피하식 관절 액체 냉각 시스템과 차세대 정교한 손(灵巧手) 패밀리로, 본체와 핵심 부품의 기반을 한층 더 다졌다.

구현형 네이티브 OS로 로봇 소프트웨어·하드웨어를 일괄 스케줄링

모델과 로봇 본체가 계속 업그레이드됨에 따라, 서로 다른 하드웨어, 저계층 제어, 상위 지능 애플리케이션을 어떻게 효율적으로 협업시킬 것인가가 또 하나의 엔지니어링 과제가 되었다.

지위안의 해결책은 구현형 네이티브 OS를 선보이는 것이다.

따란따란!

지위안이 발표한 구현형 지능 네이티브 운영체제, 링취(灵渠) OS 1.0 ～

이 구현형 지능 네이티브 운영체제는 구축, 배포부터 실행까지의 전 과정을 아우르며, 아래로는 하드웨어 접속과 구동을 담당하고 위로는 운동 지능, 작업 지능, 상호작용 지능에 애플리케이션 실행 환경을 제공하며, 현재 이미 양산 로봇을 통해 검증되었다.

부담이 크다고 하지 않을 수 없다...

지위안은 링취 OS가 우선 해결하는 것이 하드웨어 접속 문제라고 밝혔다.

이는 통합된 하드웨어 추상화 프레임워크를 통해 15개 분류, 100여 종의 주변기기 빠른 접속을 지원하며 주요 연산 플랫폼과 호환된다.

하드웨어 개발자 입장에서 새 기기는 시스템에 더 빠르게 접속할 수 있고 반복적인 적응 작업량을 줄일 수 있으며, 서로 다른 하드웨어 제조사가 혁신할 여지도 남겨준다.

또 하나의 핵심 포인트는 실시간성이다.

로봇이 고주파 운동 제어 작업을 수행할 때, 시스템은 응답이 빨라야 할 뿐 아니라 응답 시간이 충분히 안정적임을 보장해야 한다. 즉 시스템은 매번 명령을 실행할 때의 시간 변동을 최대한 줄여 로봇이 예상대로 동작을 완료하도록 해야 한다.

링취 OS는 전 스택에 대해 결정성 지연 최적화를 진행하여, 1000Hz 고주파 작업 부하에서 엔드투엔드 지연 지터가 4마이크로초 미만이다.

이를 기반으로 링취 OS는 지능 서비스 프레임워크도 제공하여 업계 주요 추론 프레임워크를 지원하고, 시스템 서비스를 재사용 가능한 Skill로 캡슐화한다.

개발자는 시스템이 캡슐화한 기성 능력(Skill)을 직접 호출해 애플리케이션을 구축할 수 있으며, 모든 것을 저계층부터 적응시킬 필요가 없다.

게다가 지위안은 이걸 오픈소스로 내놓았다!

올해 연말, 지위안은 링취 OS 1.0을 전면 오픈소스화하고, 오픈아톰 오픈소스 재단에 해당 프로젝트를 기부할 예정이다.

메인 포럼에서 공개한 계획에 따르면, 지위안은 양산 검증을 거친 2억 줄의 코드, 5000여 개의 생태 소프트웨어 패키지를 개방하고, 엔드투엔드 구축 툴체인을 제공하며, 다양한 구현형 지능 오픈소스 컴포넌트를 사전 통합할 예정이다.

지위안 자체 체계의 제품을 쓰지 않는 분들은 그때 자신의 소프트웨어·하드웨어로 링취가 쓰기 좋은지 느껴보면 된다.

저는 먼저 바닥에 앉아 여러분의 피드백을 기다리겠습니다～

(냠냠냠.gif)

서류상의 실력을 KPI로 실현하다, 로봇들의 실적 대정리

기술 노선을 아무리 완벽하게 설명해도, 결국 로봇이 작업 현장에서 지속적으로 일할 수 있는지를 봐야 한다.

현재 지위안은 이미 산업, 소매, 문화관광 등의 시나리오에 로봇을 배치했으며, 서로 다른 시나리오가 요구하는 바도 각기 다르다.

산업 시나리오에서는 작업 정밀도, 작업 택트, 운행 안정성이 가장 관건이다.

현재 지위안은 룽치(龙旗, 글로벌 선두 소비전자 ODM 제조사)와 협력해 구현형 지능이 전면 커버하는 세계 첫 3C 생산라인을 구축했다.

이 생산라인은 2026년 3월에 규모화 양산에 들어갔고, 혁신의 날이 열렸을 때까지 이미 7개월 넘게 안정적으로 가동되었다.

앞서 6일간 진행된 전 생산라인 라이브 방송에서 로봇은 누적 64824회 이상 작업하고 17625대의 태블릿 PC를 생산했으며, 작업 성공률은 99.99%에 달했다.

평균 작업 택트는 22초로 숙련 인력과 맞먹는 수준이다.

다음으로 상호작용 이해와 작업 변화를 가장 시험하는 소매 시나리오를 보자.

아이스다(爱仕达) 오프라인 매장에서는 100대의 링시(灵犀) X2가 실리콘 기반 가이드로 나서 3일 동안 총 223만 위안의 매출을 견인했다.

문화관광 시나리오는 끊임없이 변하는 인파, 소음이 많은 환경, 다국어 소통에 대응해야 하고, 일상 영업 중에도 계속 가동되어야 한다.

헝친(横琴) 창룽(长隆) 우주선 테마파크에는 이미 500대 가까운 로봇이 배치되어 100여 개 직무를 커버하며 해설, 상호작용 등의 서비스를 맡고 있고, 국경절 기간에는 일평균 약 1만 명을 응대했다.

지금 징치(鲸奇) 세계 전시 구역에 가면 이미 로봇이 WITA-OMNI를 활용해 실시간 해설 화면을 생성하게 할 수 있어, 지능형 체험의 최전선을 직접 걷고 있다(doge).

메인 포럼에서 전시한 10월 Worken 대시보드는 룽치 생산라인, 광저우 지하철, 헝친 창룽, 아이스다 소매 매장 등 시나리오의 데이터를 나열했다.

감회가 크다, 구현형 지능이 고삐 풀린 야생마처럼 그토록 오랫동안 앞으로 질주하여, 배치 규모든, 자율 작업 시간이든, 합격 산출이든, 이제야 탐색적인 정량화 사고방식이 생기기 시작했다.

Worken은 그중 하나의 시도다.

대규모 언어모델 시대에 Token이 점차 모델 호출량과 사용 비용을 측정하는 중요한 단위가 된 것처럼, Worken도 물리 AI에 실제 작업과 연동된 상업적 앵커를 제공하고자 하며, 이를 통해 업계 경쟁이 누구의 데모가 더 멋지고 개념이 더 화려한가에서, 나아가 누구의 로봇이 지속적이고 안정적으로 생산력을 창출할 수 있는가로 전환되도록 하려 한다.

그래서 지위안의 새 모델, 새 본체, 네이티브 OS의 조합은 Worken을 중심으로 기술 역량을 최대한 유효 공수(工時)로 전환하는 것을 목표로 한다.

기술 연구개발은 물론 장기적 가치가 있으며, 모든 항목이 즉시 유효 공수가 되어야 하는 것은 아니다.

하지만 구현형 지능은 결국 실제 작업에서 지속적으로 가치를 창출할 수 있는지로 판가름 나야 한다. 그리고 Worken이 바로 그 자(尺)다.

하드웨어는 감가상각되지만, 지능은 가치가 오를 수 있다. 구현형 지능 분야는 이제 온실 속 연예계를 벗어나, 진짜 실전의 직무에서 자신을 증명할 때다.