AI가 관제하는 차세대 자율 스마트 창고 구축

멍야오 2026-11-03 21:57:11 출처: 량쯔웨이(量子位)

AI가 스케줄링과 운영을 인계받고, 창고는 일할수록 더 똑똑해진다

멍야오, 아오페이쓰(凹非寺)에서 보냄

량쯔웨이 | 공식계정 QbitAI

엠바디드 인텔리전스(具身智能)가 이제 더 복잡한 생산 시나리오에 도전하기 시작했다.

여러 업체들이 아직 피킹, 집안일 등의 작업을 중심으로 탐색하고 있을 때, 이제 한 업체가 엠바디드 인텔리전스 산업화의 단단한 난제 하나에 눈독을 들였다: 바로 지능형 창고(스마트 창고)다.

게다가 야심도 작지 않다. AI가 창고 전체를 인계받아 7×24시간 자율 운행을 실현하고, 실제 업무 속에서도 지속적으로 학습하며 스스로 진화하게 하겠다는 것이다.

이 업체의 이름도 낯설지 않다. 바로 글로벌 지능형 로봇 선두 기업 「지지자(极智嘉)」(Geek+)다.

최근 지지자는 공식적으로 《24/7 자율 지능형 창고 계획(24/7自主智能仓计划)》을 공개했으며, 목표는 물리적 AI 시대의 자기진화형 지능형 창고를 정조준한다.

엠바디드 AI가 실제로 일하게 하는 것에서부터 창고 전체가 스스로 돌아가게 하는 것까지, 물리적 AI가 이번에 정면으로 마주한 것은 산업화의 더 깊은 단계의 시험대다.

일할 줄 아는 것에서 스스로 관리할 줄 아는 것으로, 물리적 AI가 더 어려운 관문에 도전하다

AI가 산업 현장에 깊이 들어가는 과정에서 사실 늘 다소 난처한 사실 하나가 숨어 있었다.

물리적 AI의 자동화 수준이 높아질수록, 인력에 대한 의존은 오히려 가장 어려운 공정에 더 집중되는 역설이다.

지난 10여 년간 AMR은 운반, 보관 등 대량의 표준화 작업을 자동화해 화물이 심지어 사람을 스스로 찾아가게도 만들었다.

하지만 복잡한 피킹에 들어서면, 수천, 수만 가지 SKU와 자주 바뀌는 포장 및 배치 위치 앞에서 로봇은 여전히 어려움을 겪기 쉽다.

이는 또한 창고 자동화가 오랫동안 안고 있던 병목 하나를 드러낸다. 단일 지점의 효율 향상만으로는 이제 창고 전체의 지능화 도약을 뒷받침하기 어렵다는 것이다.

바로 이 지점에서 지지자는 차세대 창고 지능화의 돌파구에 대한 자사의 업계 판단을 내놓았다.

차세대 창고 지능화의 핵심은 7×24시간 자율 운행과 지속적 진화를 실현하고, 글로벌 규모화 상업 역량에 기반해 자율 지능형 창고를 차세대 생산력 인프라로 만드는 것이다.

이 판단의 배후에는 사실 창고 업계가 갈수록 현실화되는 경제적·기술적 계산이 숨어 있다.

고객 입장에서 창고가 자율 운행하는 시간이 한 시간 늘어날 때마다, 그것은 곧 인력 교대 제약에서 벗어난 생산능력이 한 시간 늘어난다는 뜻이다.

특히 야간과 주문 폭주 시기에는 지속적이고 안정적인 이행 능력이 공급망의 대응 속도와 직결된다.

더 중요한 것은, 막대한 투자가 들어간 자동화 설비가 실제로 생산능력을 꽉 채워 돌아가게 해, 야간 근무 인력과 현장 관리의 압박을 실질적인 운영 수익으로 전환할 수 있다는 점이다.

하지만 이는 로봇이 한 번도 본 적 없는 이상 상황을 처리할 수 있어야 하고, 창고 전체 시스템이 수백 대의 설비가 동시에 작동하는 가운데 자율적으로 의사결정하고, 장애에서 복구하며, 경험을 축적할 수 있어야 한다는 의미다.

결국 창고 전체가 불확실성에 자율적으로 대응하는 능력을 갖추어야만, 기술적 자율 지능이 진정으로 상업적으로 지속 가능하고 측정 가능한 생산력으로 전환될 수 있기 때문이다.

이러한 판단에 기반해 지지자가 제시한 《24/7 자율 지능형 창고 계획》은 전 창고 자율화를 다음 단계의 전략 방향으로 삼고, 세 단계로 추진한다.

- 전 공정 연결: 엠바디드 인텔리전스가 복잡한 조작을 인계받아 창고 작업에서 오랫동안 인력에 의존해온 공정을 보완한다.

- 지능형 폐루프 강화: AI가 문제 발견에서 자율 의사결정, 동적 조정으로 나아가게 해 창고 전체가 일할수록 더 똑똑해지도록 이끈다.

- 규모화 실현: 글로벌 납품 및 현지화 운영 역량을 바탕으로 자율 지능형 창고가 더 많은 상업 시나리오에 실제로 진입하게 한다.

그리고 이 세 방향은 물리적 AI의 규모화 실현이 반드시 넘어야 할 세 가지 관문과 정확히 대응한다.

로봇이 복잡한 작업을 독립적으로 완수할 수 있는지, 창고 전체가 자율적으로 의사결정할 수 있는지, 이 모델을 대규모로 복제할 수 있는지다.

이 방대한 시스템적 역량은 사실 이 회사의 다년간 기술 축적과 상업화 실천 속에서 이미 실제적이고 입체적인 형체를 갖추고 있다.

로봇에 손발을 달아주고, AI가 두뇌를 인계받고, 무인 창고가 자율 진화를 시작하다

엠바디드 인텔리전스 솔루션, 로봇이 진짜 일을 하게 하다

창고가 진정으로 자율 운행되게 하려면, 우선 기본적인 문제 하나를 해결해야 한다.

로봇이 엔드투엔드 물리 작업 체인을 연결해, 자동화가 단일 지점 돌파에서 전 공정 관통으로 나아갈 수 있는지 여부다.

개별 로봇이 얼마나 많은 일을 할 수 있는가는 단일 작업 효율의 상한을 결정하고, 작업 체인 전체가 자율적으로 폐루프를 이룰 수 있는지는 무인 창고의 실현 깊이를 결정한다.

단일 기기나 특정 작업에 집중하는 엠바디드 인텔리전스 방안과 달리, 엠바디드 분야에서 10여 년간 깊이 파고든 지지자는 실제 실현 능력에서 분명 더 깊은 축적을 갖고 있다.

자체 개발한 Gravity 통합 엠바디드 인텔리전스 프레임워크와 Gravity 4D 엠바디드 월드 모델이 겨냥하는 것은 바로 복잡한 환경에서 로봇의 자율 조작 난제다.

전자는 로봇이 작업을 이해하고 동작을 계획하게 하며, 먼저 확실히 생각한 뒤 움직이는 법을 배우게 하고, 후자는 물리 공간의 기하학적 관계, 힘과 접촉 변화를 이해하게 한다.

두 가지가 결합되면서 로봇은 복잡한 작업과 돌발 변화에 직면했을 때 더 많은 자율 대응 능력을 갖추게 된다.

- 작업 간 일반화: 서로 다른 재질과 형태의 낯선 물품에 대해 일일이 학습하지 않아도 어떻게 집을지 판단할 수 있다.

- 동적 항간섭: 물품이 갑자기 움직이거나 가려져도 적시에 동작을 조정해 작업을 계속 완수할 수 있다.

- 장기 작업 수행: 여러 단계의 복잡한 작업에 직면해 자율적으로 분해하고 계획하며 단계적으로 완수할 수 있다.

- 자연어 교정: 동작에 오차가 생겨도 재프로그래밍 없이 언어 지시를 통해 전략을 조정할 수 있다.

또한 멀티모달 인지, 장기 작업 추론, 4D 물리 모델링, 동작 계획 등의 능력에 기반해 로봇은 이제 실제 창고 작업 현장에도 들어가기 시작했다.

예를 들어 범용 휴머노이드 로봇 Gino 1은 피킹과 상자 운반을 할 수 있을 뿐 아니라 이동 로봇과 협력해 연속 피킹 작업을 완수할 수 있다.

한편 지지자의 무인 피킹 워크스테이션도 과거 인력 의존도가 매우 높았던 피킹·분배 공정을 인계받기 시작했다.

슈나이더 일렉트릭 상하이 물류센터의 시범 적용에서 이 방안의 피킹 효율은 인력의 2배에 달했고, 정확도는 99.99%를 넘었다.

이러한 엠바디드 인텔리전스 제품 외에도, 자사의 전 품목 AMR 방안은 토트, 팔레트, 선반 등 서로 다른 보관 형태에서의 대량 표준화 작업도 아우른다.

이들 해에 축적한 엔드투엔드 기술 역량은 창고 전체의 자율 운행을 한층 더 실현하는 데 유리한 조건을 만들어 주었다.

로봇이 일을 끝낼 수 있다는 것은 첫 번째 난제만 해결한 것일 뿐이다.

더 큰 시험대는 수백 대의 로봇이 동시에 가동될 때 창고 전체가 스스로 자신을 잘 관리할 수 있는지다.

지지자 시스템 플랫폼 부문 부총재 탄원저(谭文哲)도 언론 인터뷰에서 업계를 오랫동안 괴롭혀온 이 문제를 언급했다.

전통적인 창고 시스템은 흔히 각자 자기 몫만 관리한다. 스케줄링 시스템은 로봇 경로를 최적화하고, 업무 시스템은 주문 이행을 최적화하며, 데이터 플랫폼은 통계 보고서를 담당한다.

겉보기에는 모든 시스템이 자기만의 최적화 목표를 갖고 있지만, 실제로는 창고 전체의 관점에서 통합적으로 의사결정하기가 매우 어렵다!!

△AI 생성

이번에 지지자가 하려는 것은 바로 원래 각자 돌아가던 시스템이 진정으로 전체를 총괄하는 「창고 두뇌」를 갖게 하는 것이다.

구체적으로는 주문, 재고, 로봇, 로봇팔, 워크스테이션 등을 통일된 운행 상태 체계에 포함시켜,

물리적 운행, 데이터 인지에서 지능적 의사결정까지의 전 공정 폐루프를 실현하고 실시간·전역 최적화를 수행하는 것이다.

창고 두뇌의 하부는 RMS, WES, IOP 세 시스템이 지탱하며, 각각 로봇 스케줄링, 업무 이행, 운영 분석을 담당한다.

IOP는 문제 발견을, WES는 전략 수립과 편성을, RMS는 로봇 스케줄링 및 실행을 담당하며, 세 시스템이 상호 협력한다.

그런데 이 시스템을 실제로 더 똑똑하게 만드는 것은 Geek+가 그 위에 구축한 전창고 지능으로, AI Agent를 통해 두 가지 역량을 지속적으로 강화한다.

- 협업 지능: 로봇, 설비, 비즈니스 프로세스가 통합적으로 스케줄링되고, 실시간 주문 변화에 따라 작업과 자원 할당을 유연하게 조정할 수 있게 한다.

- 운영 지능: AI가 전 창고를 실시간으로 모니터링하고, 이상을 자율적으로 진단하며, 전략을 최적화해 인력 상주를 점차 줄여 나간다.

두 가지를 결합한다는 것은 AI가 당장의 일을 잘 처리하는 동시에, 어떻게 하면 일을 더 잘할 수 있을지 끊임없이 고민해야 한다는 뜻이다.

더 중요한 것은, 매번 조정한 뒤의 운영 결과가 다시 시스템에 피드백되어 「인사이트—진단—의사결정—실행—학습」의 완전한 폐루프를 형성한다는 점이다.

이렇게 되면 창고도 명령을 수행하는 단계에서 나아가 스스로 문제를 발견하고 전략을 조정하며, 장기 운영 과정에서 갈수록 더 똑똑해지기 시작했다.

한 가지 언급할 점은, 현재 Geek+는 이미 이 프로세스를 중심으로 세 가지 유형의 AI Agent를 배치했다는 것이다.

모니터링 Agent는 이상 식별을 담당하고, 데이터 분석 Agent는 원인 추적과 방안 제시를 담당하며, 배포·구성 Agent는 파라미터 조정과 전략 실행을 담당한다.

이들 Agent는 심지어 Geek+가 과거에 축적한 「현장 운영 경험」과 「효율 분석 프레임워크」까지 결합했다.

과거 숙련된 창고 관리자가 반복적으로 점검해야 했던 문제들이 이제 AI가 호출하고 분석하고 재사용할 수 있는 지식으로 전환될 기회를 맞고 있으며, 서로 다른 차원의 최적화는 각기 다른 속도를 가진다.

효율 측면에서 스케줄링 차원의 조정은 심지어 몇 분 내에 이루어질 수 있고, 전체 운영 전략에 관한 사안이라면 매일 축적되는 데이터와 결합해 지속적으로 최적화한다.

창고가 더 오래 운영될수록 축적되는 경험이 많아지고, 시스템이 더 나은 의사결정을 내릴 기회를 갖게 되니, 진짜 폐루프인 셈이다.

기술에서 상업적 전달까지, 글로벌 실천이 답을 제시하다

스마트 웨어하우징의 산업화 경쟁은 결국 실제 시나리오로 돌아가야 한다.

고객이 진정으로 관심을 갖는 것은 시스템이 장기간 안정적으로 운영될 수 있는지, 기존 비즈니스에 통합될 수 있는지, 그리고 투입 후 실제로 얼마나 많은 수익을 가져올 수 있는지다.

Geek+는 지난 10여 년간의 상업화 실천을 통해 이미 관찰 가능한 적지 않은 표본을 축적했다.

글로벌 시장 측면에서 Geek+는 7년 연속 AMR 시장 점유율 1위를 차지했으며, 40여 개 국가와 지역, 1000개 이상의 고객을 커버하고, 누적 로봇 배포 대수가 8만 1천 대를 넘는다.

올해 CeMAT 전시회에서 Geek+는 전 품목 AMR과 AI 전창고 스케줄링을 연결해, 직접 전체 창고 협업 작업을 선보였다.

탄원저 박사는 언론 인터뷰에서 창고의 「자율 진화」 역량을 측정하는 몇 가지 핵심 지표도 제시했다.

이상 상황을 자율적으로 처리하는 능력, 복잡한 작업 조건에서의 처리량 안정성, 연속 운영 시간, 그리고 고장 후 자율 복구 효율이 포함된다.

이 지표들 뒤에는 『24/7 자율 스마트 창고 계획』의 더 깊은 산업적 의미도 가리키고 있다.

숙련된 창고 관리자가 수년간 축적한 암묵적 경험을 점차 창고에 「상주」하는 지능으로 바꾸는 것이다.

기업 입장에서 가장 골치 아픈 것은 막대한 비용을 들여 자동화 창고를 구축하고도 결정적인 순간에 여전히 사람을 떠날 수 없다는 점이다.

반면 진정으로 자율 운영 능력을 갖춘 창고는 모든 자동화 투자가 지속적이고 안정적인 생산력으로 전환될 수 있음을 의미한다.

앞으로 Geek+는 실제 시나리오에서 검증된 로봇, AI, 시스템 역량을 더 폭넓은 물리적 작업 영역으로 확장할 계획이다.

그리고 기술에서 실제 생산력으로 나아가는 이 길에서, 장기적 축적과 규모화된 실천의 가치는 이미 점점 더 분명해지고 있다.