雷峰网 AI科技评论2026년 11월 2일 19:23중국어 → 한국어

로보사이언스, A2 라운드에서 수억 위안 규모 투자 유치

2025년 3월 운영을 시작한 로보사이언스가 11월 2일 A2 라운드로 수억 위안을 유치하며 다섯 번째 펀딩을 마쳤다.

중국어 원문을 AI로 번역했습니다. 고유명사와 수치는 원문 표기를 우선하며, 중요한 판단에는 아래 출처 원문을 함께 확인하세요.

具身智能의 자본 선별 기준이 '얼마나 감동적으로 말하는가'에서 '얼마나 실현해내는가'로 바뀌고 있다.

저자丨치청윙

편집丨천펑

AI 과학기술평론은 11월 2일 RoboScience 머신 사이언스(机器科学)가 A2 라운드 투자를 완료했다고 보도했다.

알려진 바에 따르면, 이번 라운드는 후포자본(琥珀资本), 훙루이다투자(鸿瑞达投资), 상하이반도체산업투자(上海半导体产投)가 공동으로 리드했으며, 360전략투자, 솽쯔본(爽资本), 궈롄민성자본(国联民生资本), 진딩자본(金鼎资本) 및 여러 상장사 플랫폼이 팔로우온으로 참여했고, 투자 금액은 수억 위안에 달했다.

이는 2025년 3월에야 정식으로 운영을 시작한 이 具身(임바디드) 기업이 잇달아 다섯 차례의 투자 라운드를 완료했음을 의미한다.

AI 과학기술평론이 파악한 바에 따르면, 최근 具身 업계의 투자 시장은 낙관적이지 않다. 지난 1년간 이 트랙의 투자 서사는 여러 차례 바뀌었다. 가장 먼저는 월드 모델만 이야기해도 자금을 받을 수 있었다. 이후에는 기술만 이야기해서는 부족해졌고, 실제 적용과 공장 진입의 ROI를 이야기해야 했다. 그다음에는 '具身 RSI'(재귀적 자기 개선)라는 상상 공간을 갖춰야 했다.

이야기의 인플레이션 뒤에는 대다수 팀의 저력이 서사의 업그레이드를 뒷받침하지 못한다는 사실이 있다. 매번 풍향이 바뀔 때마다 새로운一套 설명을 다시 갖춰야 한다. 자본도 이에 따라 까다로워졌다. 같은 BP라도 작년에는 투자를 받을 수 있었지만 올해는 회의조차 잡히지 않는다.(레이펑왕(雷峰网) (공중계정: 레이펑왕) )

그러나 RoboScience 머신 사이언스의 리듬은 완전히 달랐다. 역세에도 끊임없이 자본의 주목을 받으며, 이로 인해 具身 분야에서 연구해볼 만한 표본 기업이 되었다.

머신 사이언스의 지난 다섯 차례 투자 라운드 시점을 돌아보면, 거의 매 라운드 전후로 검증 가능한 제품·기술의 실현이 있었다. ICRA 최우수 논문, 시뮬레이션 플랫폼 RoboMirage, 범용 具身 대형 모델 Visics, 텐센트 클라우드와 공동 창작한 클라우드 具身 지능 서비스 EaaS, 첫 휠형 휴머노이드형 범용 로봇 REX G1, 그리고 실제 프로젝트의 적용까지.

어떤 의미에서 이는 具身 시장의 투자가 기술이 투자 이야기를 따라가는 것이 아니라, 반대로 투자가 기술의 실현을 따라가야 함을 의미한다.

AI 과학기술평론이 볼 때, 이것이 이번 투자 라운드에서 가장 주목할 만한 신호다. 具身智能의 자본 선별 기준이 '얼마나 감동적으로 말하는가'에서 '얼마나 실현해내는가'로 바뀌고 있다는 것이다.

한 기업의 투자 리듬이 기술 리듬과 정렬될 수 있다면, 그것은 그 기업이 지속적으로 꺼낼 수 있는 것을 손에 쥐고 있음을 보여준다. AI 과학기술평론이 볼 때, 이는 창업자 팀과 떼려야 뗄 수 없는 관계다.

스탠퍼드 쌍둥이 별,

어떻게 중국 具身 선두 기업을 지탱하는가

중국 具身 업계에서 선두 기업을 차지한 창업자들의 학술 이력을 보면 이미 몇 가지 명확한 계파를 알 수 있다. 칭화(칭화)계, 버클리 서클, 스탠퍼드 서클 등이다.

그중 영향력이 가장 깊은 것은 스탠퍼드 서클이다.

인하통용(银河通用) 왕허, 충처즈넝(穹彻智能) 루처우, Hillbot 쑤하오, RoboScience 머신 사이언스의 ( ) 등 이 기업과 창업자의 노선은 각기 다르지만, 위로 거슬러 올라가면 대부분 같은 실험실, 즉 미국 3원(三院) 원사이자 기하 계산 학자 Leonidas J. Guibas의 스탠퍼드 그룹에 닿는다. 같은 맥락 위에는 OpenAI 연구원 옌멍위안, 칭화대 조교수 이리(弋力)도 있다.

이는 우연이 아니다.

스탠퍼드는 거의 전 세계 具身智能 연구의 발원지 중 하나다. 이미지넷 발기인이자 시각·데이터 주도 패러다임의 초석을 놓은 리페이페이, Chelsea Finn의 REAL Lab, 그리고 기하 계산 학자 Leonidas J. Guibas, 국외 선두 具身 기업 Pi의 창업 멤버도 모두 스탠퍼드 출신이다.

2016년 전후, 스탠퍼드 Leonidas J. Guibas 교수(미국 3원 원사)의 기하 계산 그룹에는 화인 학생들이 모였는데, 그중에는 왕허, 사오린(邵林) 및 그들의 선배 쑤하오 등이 있었다.

Guibas 교수 그룹에는 상당히 일관된 연구 주류가 있었다. 3D 비전 출신으로 조작 일반화를 중점적으로 연구하며, 추상적 표상과 시뮬레이션을 신뢰한다. 사오린의 개인 궤적은 거의 이 주류의 완전한 표본이다.

2014년 사오린은 스탠퍼드에 들어갔고, 처음에는 기하 계산의 태두이자 미국 3원 원사인 Leonidas J. Guibas 그룹에서 3D 비전을 했으며, 이후 로봇 조작으로 방향을 틀어 Jeannette Bohg에게 사사했고, 현재 싱가포르국립대 조교수다.

학술 방면에서 사오린의 제1저자 논문 UniGrasp는 데이터 주도 다섯 손가락 정교 조작(dexterous hand grasping)의 기준이 되는 작업이다. 2025년, 팀은 D(R,O) Grasp으로 4천여 편의 투고 중에서 ICRA 로봇 조작 및 운동 방향 최우수 논문상을 수상하며, 최근 5년간 아시아 기관이 처음으로 제1단위 자격으로 이 상을 거머쥔 팀이 되어 유럽과 미국의 오랜 독점을 깨뜨렸다. 2026년, Bi-Adapt가 다시 이 상 후보에 올라 아시아에서 유일하게 2년 연속 이 자리에 오른 팀이 되었다. 같은 자리에서 겨룬 것은 버클리, MIT, 스탠퍼드, 칭화였다.

또한 스탠퍼드계에는 리페이페이 라인과 우언다(吴恩达) 라인이라는 또 다른 두 지선이 있다. 리페이페이 라인에서는 루처우, 플렉시브(非夕) 왕스취안이 나왔고, 우언다 라인에서는 톈예(田野)가 나왔다.

2014년 톈예는 중국과학기술대학 물리학과 수석 자격으로 스탠퍼드 AI Lab에 들어가 스탠퍼드 AI의 대부 우언다에게 사사했으며, 사오린과 같은 해에 입학했다. 이후 그는 애플에서 7년을 보내며 Apple AI Platform 기술 책임자까지 올랐고, 애플 본사 최연소 주임 엔지니어 중 한 명으로서 업계에서 '애플의 PyTorch와 CUDA'라 불리는 AI 플랫폼 및 세계 최초의 단말-클라우드 협동 대형 모델 추론 시스템 구축을 주도했다. 후자가 서비스해야 할 대상은 실험실의 테스트 기기가 아니라 iPhone, Vision Pro, Apple Intelligence를 포함해 10억 명이 넘는 사용자와 20억 대의 기기였다.

이 경험이 그에게 남긴 핵심 판단은 이것이다. 애플의 진입 장벽은 결코 특정 단일 기술이 아니라 소프트웨어와 하드웨어가 하나로 결합된 시스템 역량이라는 것이다.

AI 과학기술평론이 볼 때, 이 경험은 톈예의 기본 판단을 형성했다. 진정으로 어려운 것은 단일 기술의 돌파구가 아니라, 기술이 기기를 넘나들고 시나리오를 넘나들며 안정적으로 작동하게 하는 시스템 역량이라는 것이다.

사오린과 톈예는 오래전부터 알던 사이로, 사진은 초기 함께 찍은 사진

2024년 말, 한 사람은 애플에서 나와 엔지니어링을 맡고, 한 사람은 학계에서 나와 학술을 맡아, 두 지선이 RoboScience 머신 사이언스로 하나가 되었다. 스탠퍼드계의 계보 안에서 보면, 이는 '학술적 깊이+엔지니어링 깊이' 구성이 가장 완전한 창업 기업일 수 있다. 사오린의 UniGrasp에서 D(R,O) Grasp, 다시 Bi-Adapt로 이어지는 노선은 모델의 크로스-엠바디먼트(교차 본체) 일반화 능력에 대응하고, 애플에서 단말-클라우드 협동과 10억 규모 기기 서비스 경험을 쌓은 톈예는 능력을 배포 가능하고 반복 개선 가능한 시스템으로 만드는 것에 대응한다. 두 사람의 조합은 곧 RoboScience 기술 로드맵의 또 다른 서술 방식이다.

세 가지 중대한 노드의 具身 클로즈드 루프

2025년 9월 RoboMirage 시뮬레이션 엔진을, 2026년 6월 Visics 범용 임바디드 대형 모델을, 이어 8월에는 REX G1 휠형 휴머노이드 로봇을 발표하기까지, RoboScience는 약 1년 동안 '데이터, 모델, 본체' 세 고리를 모두 자체 개발하고 하나로 연결했습니다. 이런 기술 조합이 RoboScience만의 것은 아니지만, 풀스택을 하는 모든 기업 가운데 AI科技评论는 RoboScience의 기술 선택 의도가 가장 명확하다고 봅니다.

데이터 계층, 먼저 '감당할 수 있는가' 문제를 해결합니다. 임바디드 인텔리전스의 최대 병목은 알고리즘이 아니라 데이터와 환경이며, 실제 로봇 원격조작 수집은 비싸고 느려서 업계는 흔히 '데이터 규모가 Scaling Law를 뒷받침하지 못한다'는 순환에 갇혀 있습니다.

RoboMirage는 저수준 솔버부터 시작해 임바디드 세계의 전 물체 공간에 대한 커버리지를 완성했고, 효율과 병렬성도 업계 선진 수준에 도달했습니다. 강체와 연성 소재의 결합, 극도로 얇은 물체의 접촉력, 심지어 '카드 섞기'나 '고무줄 늘리기'처럼 원격조작으로도 완수하기 어려운 동작까지 고정밀도로 시뮬레이션할 수 있습니다. 전자동 영상 어노테이션 파이프라인과 결합된 이 '시뮬레이션+영상' 체계는 데이터 한 건당 비용을 0.05위안까지 낮췄으며, 이는 전통적 방식의 약 1/20에서 1/200 수준이고, 데이터는 주당 수십만 시간의 속도로 확장됩니다. 2026년 초부터 10월까지 영상 훈련 데이터는 100만에서 400만으로 늘었습니다. 현재 업계의 공감대는 어떤 과제에 충분히 효율적이고 전면적인 검증 환경이 있으면 그 과제는 대개 AI가 해결할 수 있다는 것입니다. RoboScience의 데이터 엔진은 모델 반복에 충분한 동력을 제공합니다.

모델 계층, 핵심은 '무엇을 배울 것인가'의 선택입니다. Visics는 VLOA(Vision-Language-Object-Action) 아키텍처를 채택했고, 내부에 이중 엔진을 둡니다. 상위 세계 모델은 방대한 인터넷 영상으로 사전 학습되어 과제를 이해하고 물체의 3D 운동 궤적을 예연하는 역할을 하며, 하위 조작 모델은 그 궤적을 구체적 로봇의 제어 신호로 번역하는 역할을 합니다. 중간의 인터페이스는 물체의 3D 포인트 클라우드 궤적입니다.

이 설계의 정수는 한 가지 질문으로 요약할 수 있습니다. 로봇에게 컵을 집는 법을 가르칠 때, '컵이 어떻게 움직여야 하는가'를 외우게 할 것인가, 아니면 '이 로봇의 관절이 어떻게 회전해야 하는가'를 외우게 할 것인가? 전자는 물리 세계의 보편 언어이고, 후자는 특정 하드웨어의 방언입니다. 전자를 배운 모델은 본래부터 초(超)본체 능력을 갖추며, 이것이 바로 사오린(邵林)이 UniGrasp에서 D(R,O) Grasp로 이어온 연구의 산업화입니다. 하나의 모델이 LeapHand, Shadow Hand 등 형태가 각기 다른 여러 주류 다지 손을 구동합니다.

능력이 검증을 견디는지는 실제 과제로 확인해야 합니다.

2025년 5월, RoboScience는 Visics 범용 임바디드 대형 모델에 기반해 복잡도, 정밀도, 단계 수 모두 매우 높은 가구 조립 과제를 원 테이크(끊김 없는 촬영)로 완수했습니다. 몇 달 전 WAIC 2026 현장에서 AI科技评论는 RoboScience 전시 부스가 여러 브랜드의 다지 손에 동일한 Visics 범용 임바디드 대형 모델을 구동하는 것을 시연하는 모습을 관찰했습니다. 30초 만에 새 하드웨어를 인식하고 미세 조정 없이 바로 '손을 바꾸면 바로 사용'하는 모습이었으며, 관람객이 무작위로 건넨 물체를 모델이 전 과정 자율적으로 집어, 진정한 일반화를 보여주었습니다.

이 시연에는 전시용 요소가 있지만, '무작위 물체'와 '현장 손 교체'라는 두 가지 설정은 분명 일반화 능력에 대한 공개적 검증입니다.

따라서 이번 대회에서 RoboScience 机器科学와 쑤두(苏度)는 우리에게 가장 인상 깊은 두 회사입니다.

본체 계층, 폐루프의 마지막 고리입니다. 올해 8월 RoboScience 机器科学가 발표한 REX G1은 이동, 인지, 양팔 조작을 통합합니다.

자체 개발 본체가 RoboScience에 갖는 의미는 하드웨어를 하나 더 파는 것이 아니라 '시뮬레이션으로 모델을 훈련하고, 모델이 본체를 구동하며, 실제 데이터가 되돌아오는' 플라이휠에 그것을 돌릴 실체를 마련해, 진정한 데이터 플라이휠을 형성하는 것입니다.

또 하나 주목할 외부 변수는 범용 대형 모델의 빠른 반복입니다. 대형 모델의 물리 세계 침투는 대부분의 예상보다 빠릅니다. GPT Astra 같은 모델은 이미 공간 관계를 이해하고 과제 단계를 계획할 수 있으며, 업계에는 일부 팀이 이미 범용 대형 모델을 로봇의 '두뇌'로 직접 쓰기 시작했습니다.

하지만 대형 모델로 로봇팔을 조종하는 라이브 방송이나 시연을 본 적이 있다면 성공률이 매우 낮다는 것을 알 수 있습니다. 이는 실제 장면에 들어가면 단점이 금세 드러난다는 뜻입니다. 로봇이 탁자 위의 컵을 왼쪽으로 옮기게 할 때 대형 모델은 과제를 아주 잘게 나눌 수 있습니다. 컵을 찾고, 경로를 계획하고, 로봇팔을 이동하는 식입니다. 그러나 컵이 유리인지 종이인지, 얼마나 힘을 줘야 하는지, 미끄러지면 어떻게 해야 하는지는 알지 못합니다. 접촉, 마찰, 탄성 같은 물리적 속성은 문자와 영상 데이터 안에 없고, 모델은 본 적이 없으며, 알지 못합니다.

이것이 바로 현재 임바디드 인텔리전스에서 가장 어려운 고리입니다. '생각해 내는 것'이 아니라 '성공해 내는 것'입니다. 조작의 일반화 능력, 실행 속도, 과제 성공률이 로봇이 시연 영상 밖으로 걸어 나올 수 있는지를 결정합니다. 이를 위해서는 AI가 현실 세계의 다양한 물리적 속성을 학습하고 그에 대응하는 다양한 데이터를 확보해야 하며, 관련 능력을 수집하고 구축할 기업이 필요합니다.

RoboScience 机器科学의 선택은 이 계층의 능력을 스스로 견실하게 만드는 것입니다.

Visics 대형 모델과 RoboMirage 시뮬레이션 엔진은 계층 분리 아키텍처에 고정밀·고다양성 물리 데이터를 더해, 본체를 넘나들고 물체를 넘나들고 과제를 넘나드는 통일된 조작 모델을 훈련합니다. 로봇은 먼저 물체가 어떻게 움직이는지 '이해'한 다음, 동일한 인터페이스를 통해 서로 다른 신체를 구동해 과제를 완수합니다. 그 신체가 어떤 형태든 상관없이 말입니다.

RoboScience의 상용화 구상을 이야기하다

어떤 의미에서 우리는 RoboScience 机器科学의 상용화가 소프트웨어와 하드웨어의 이중 라인이라고 봅니다.

REX G1 휠형 휴머노이드 로봇은 구체적 장면을 대상으로 프로젝트 납품을 하며, 동시에 Visics 범용 임바디드 대형 모델이 채택한 VLOA 기술 노선과 독특한 계층 분리 설계 덕분에 Visics는 업계 최초의 클라우드 임바디드 대형 모델이 되었습니다. RoboScience 机器科学와 텐센트 클라우드(腾讯云)는 협력해 최초의 클라우드 임바디드 인텔리전스 서비스 EaaS(Embodied-AI-as-a-Service)를 공동 출시했으며, 사용자는 API를 호출하듯 조작 능력을 얻습니다.

두 경로는 하나는 무겁고 하나는 가볍게, 함께 한 가지를 검증합니다. 모델 능력을 재사용할 수 있는지, 프로젝트마다 처음부터 개발하지 않아도 되는지입니다.

동시에 비즈니스 모델 설계에서 RoboScience 机器科学의 상업 구상은 클라우드 API부터 완제품 납품까지 다원화된 상업 청사진을 그렸습니다. 이를 보면 RoboScience의 이 상용화 구상이 서로 다른 집단을 아우른다는 점은 어렵지 않게 알 수 있습니다.

모델에 가장 가까운 층은 클라우드 API입니다.

하드웨어 본체 제조사, 통합업체, 개발자를 대상으로 Visics는 극히 간결한 인터페이스로 포장되어 필요할 때 바로 꺼내 쓸 수 있으며, 클라우드 서비스 제공업체처럼 API 호출 또는 License로 요금을 받는다. 덱스트러스 핸드나 휴머노이드 로봇을 만드는 회사에게 가장 부족한 것은 결코 하드웨어가 아니라, 하드웨어가 '일을 하게 만드는' 뇌다. 이제 그들은 자체적으로 모델을 훈련할 필요 없이 API 하나만 호출하면 물체를 넘나드는 조작 능력을 얻을 수 있다. 이들이 최근 텐센트 클라우드와 협력해 진행 중인 EaaS가 하는 일이 바로, 가장 가볍고 가장 쉽게 규모를 키울 수 있는 층이다.

한 층 아래는 서드파티 하드웨어에 '뇌'를 달아주는 것, 즉 서드파티 하드웨어에 플러그 앤 플레이 방식의 '범용 조작 두뇌'를 제공하는 것이다.

물류, 유통, 호텔, 범산업 자동화, 장비 제조사 등 시나리오의 통합업체를 대상으로 RoboScience 머신 사이언스는 모델, 연산력, 제어 인터페이스를 통합한 컨트롤러를 제공하며, 플러그 앤 플레이를 내세운다. 이것이 겨냥하는 것은 전통적 자동화가 감당하지 못했던 난제다. 비정형 분류, 혼합 적재에서 상자가 아무렇게나 쌓여 있고 크기가 제각각이며 재질도 다르면, 전통적 솔루션은 하나하나 모델링하고 하나하나 맞춤 제작해야 하지만, 물체 궤적에 기반한 Visics는 애초에 '무엇을 잡는지' 신경 쓰지 않는다. 이 층은 컨트롤러에 License를 더해 요금을 받고, 프라이빗 배포를 지원하며, 실제로는 자동화 장비 제조사의 역량 경계를 확장하는 것이다. 이전에는 수주할 수 없던 비표준 주문도 이제는 받을 수 있다.

가장 무거운 층은 직접 뛰어드는 것으로, 즉시 배송(퀵커머스) 전진 창고, 슈퍼마켓, 창고 분류 같은 최종 단계 시나리오를 겨냥한다.

RoboScience 머신 사이언스는 자체 개발 본체 REX G1으로 완제품을 인도하며, 인지, 배터리 지속시간, 이동, 조작이 모두 시나리오 요구에 맞춰 설계되었고, 범용 엔드 이펙터 인터페이스와 결합해 완제품 판매에 배포 및 운영·유지보수를 더한다.

왜 가장 무거운 층을 스스로 떠안는가?

우리가 보기에 그 답은 실제 시나리오의 데이터 가치 속에 있다. 유통과 물류 시나리오는 SKU가 방대하고 환경이多变하며, 이는 모델의 일반화 능력을 검증하는 시험장이자 실제 물리적 상호작용 데이터를 축적하는 진입구다.

Visics 범용 임바디드 대형 모델을 탑재한 REX G1은 이 폐쇄 루프를 뚫는 역할을 맡는다. Visics는 물체의 3D 포인트 클라우드 궤적을 중간 표현으로 삼아 조작 능력이 특정 화물과 로봇 하드웨어에 대한 의존성을 낮추고, 모델이 보지 못한 SKU를 마주할 때도 본체를 넘나들고 물체를 넘나드는 조작 경험을 갖추게 한다. 알려진 바에 따르면 RoboScience 머신 사이언스는 국내 대형 유통·공급망 기업을 포함한 고객과 여러 POC를 추진하고 있다. 이들에게 이 프로젝트들은 상업화 검증이자 모델의 지속적 반복을 위한 데이터 진입구다. 실제 작업에서의 성공 경험과 실패 사례는 훈련 및 평가 체계로 환류되어 모델 능력 향상을 이끌 수 있다.

이로 볼 때 자체 개발 본체에 대한 투자는 전체 기술 체계의 복리로 전환될 것으로 기대된다. 시나리오 검증이 깊어질수록 데이터 축적은 충분해지고, 모델 능력이 강해질수록 API와 컨트롤러의 인도 가치는 높아진다. 세 층을 합치면 논리가 명확해진다. 완제품 인도는 가장 복잡한 시나리오에서 모델을 다듬고 데이터를 축적하며, 컨트롤러는 검증된 능력을 온갖 산업으로 가져가고, API는 그것을 누구나 호출할 수 있는 공유 능력으로 만든다. 듣다 보면 임바디드판 OpenAI와 다소 비슷하지 않은가.

1년에 세 번 투자 유치, 산업 자본이 계속 베팅하다

마지막으로 이번 RoboScience 투자자 구성에 주목하길 권한다. 이번 투자 구조를 꿰뚫어 보면 재무 기관 외에도 琥珀캐피털(호박캐피털), 爽캐피털, 360 전략투자 펀드 및 여러 상장사 플랫폼이 등장하며, 산업 자본의 존재감이 매우 뚜렷하다.

산업 자본은 응용 현장에 더 가깝고 문제도 더 구체적이다. 장비가 얼마나 오래 돌아가는지, 사람이 지켜봐야 하는지, 새로운 품목 한 종류를 추가하려면 며칠을 디버깅해야 하는지 등이다. 이들의 진입은 '능력의 재사용'이라는 노선에 대한 산업 측의 베팅으로 이해할 수 있지만, 투자가 곧 주문은 아니며 최종적으로는 여전히 현장이 답을 말한다. 결과적으로 보면 RoboScience 머신 사이언스는 이미 산업 자본의 실사 관문을 통과했다.

투자 유치 자체로 돌아가 보면, 임바디드 인텔리전스 업계의 이야기 인플레이션은 본질적으로 대다수 팀이 지속적으로 이행할 수 있는 칩이 부족하기 때문이다. RoboScience 머신 사이언스의 연속 투자 유치는 연구, 엔지니어링, 제품 사이에 완전한 사슬을 갖췄음을 보여준다. A2 라운드 이후 평가 기준은 더 소박해질 것이다. 로봇이 현장에 들어간 후 안정적으로 일할 수 있는지, 물품을 바꾸거나 장비 한 대를 바꿀 때 추가로 얼마가 드는지, 프로젝트가 많아질수록 인도가 더 가벼워지는지다.

2026년 하반기, 임바디드가 말할 수 있는 투자 유치 신화는 다 말해졌다. 이제는 하드코어 기술과 실제 착지 시나리오로 말해야 하는 새로운 단계에 접어들었다. (레이펑왕)

0명이 즐겨찾기

출처 원문