제너럴리스트 AI 'GEN-0' 공개, 27만 시간 실세계 조작 데이터로 로봇 스케일링 법칙 첫 제시

미국 로봇 AI 스타트업 제너럴리스트 AI(Generalist AI)가 2025년 11월 4일 체화형(embodied) 파운데이션 모델 'GEN-0'를 공개했다. 회사는 연구 블로그에서 GEN-0가 원시 물리 상호작용 데이터로 직접 학습한 새로운 계열의 모델이며, 언어모델처럼 데이터와 연산량을 늘리면 로봇 성능도 예측 가능하게 오른다는 이른바 스케일링 법칙을 로봇 분야에서 확인했다고 밝혔다.

공개된 수치는 업계 기준으로 이례적으로 크다. 제너럴리스트는 GEN-0를 자체 구축한 27만 시간 이상의 실세계 조작 데이터로 사전학습했다고 밝혔다. 데이터는 전 세계 수천 곳의 가정, 물류창고, 작업장에서 모았고 공개 당시 매주 1만 시간 이상이 새로 쌓이고 있었다고 회사는 설명했다. 모델 규모는 10억, 60억, 70억 파라미터로 실험했고 이후 100억 파라미터 이상으로 확장했다고 덧붙였다.

핵심 주장은 70억 파라미터 지점의 상전이다. 회사에 따르면 10억 파라미터 모델은 데이터가 넘쳐나자 가중치가 더 이상 새 정보를 흡수하지 못하는 '경화(ossification)' 현상을 보였다. 60억 모델은 사전학습 효과를 보기 시작했고, 70억 이상 모델은 대규모 데이터를 내재화해 수천 스텝의 후학습만으로 새 과제에 옮겨 적용했다고 회사는 밝혔다. 제너럴리스트는 로봇 분야에서 경화 현상이 관찰된 것은 처음이라고 주장했다.

두 번째 주장은 거듭제곱 법칙이다. 회사는 사전학습 데이터 규모와 후학습 뒤 검증 오차 사이에 L(D) = (D_c / D)^α 형태의 관계가 레고 조립, 패스트푸드 포장 등 16개 과제군 전반에서 나타났다고 밝혔다. 실제 로봇 블라인드 A/B 평가에서는 과제 데이터를 5.6시간, 즉 보유분 550여 시간의 1%만 써도 사전학습을 늘릴수록 성공률이 올랐고, 전체 사전학습과 전체 과제 데이터를 함께 쓴 경우 일부 과제에서 최고 99%에 이르렀다고 했다. 사전학습과 후학습 데이터는 서로 다른 사람이 서로 다른 환경에서 수집해 겹치지 않게 했다고 회사는 설명했다.

제너럴리스트는 '하모닉 리즈닝(Harmonic Reasoning)'이라는 학습 방식도 내놨다. 감지와 행동 토큰을 비동기 연속 시간 흐름으로 처리해 모델이 생각과 동작을 동시에 하도록 한다는 것이다. 회사는 이를 피규어 AI의 헬릭스 같은 2단계 시스템 구조나 추론 시점 보정 기법의 대안으로 제시했다. GEN-0는 6자유도, 7자유도 로봇팔과 16자유도 이상 반인간형 로봇에서 시험했다고 밝혔다.

인프라 공개도 구체적이다. 회사는 맞춤형 하드웨어와 데이터로더를 만들고 수집 거점까지 전용 인터넷 회선을 새로 깔았으며, 멀티 클라우드 계약을 맺고 1만 개 수준의 CPU 코어로 수십 페타바이트를 압축 처리했다고 밝혔다. 그 결과 학습 하루에 6.85년 분량의 조작 경험을 소화할 수 있다고 했다. MEKAWIRE 계산으로 하루 약 6만 시간으로, 27만 시간 전체를 약 4.5일이면 한 차례 학습하는 셈이다. GPU 공급사, 세부 구조, 데이터 파트너 이름은 공개하지 않았다.

GEN-0는 가중치나 API로 공개되지 않았고 기술 보고서나 프리프린트도 함께 나오지 않았다. 회사 소개 페이지에 따르면 팀은 PaLM-E와 RT-2 같은 체화형 모델을 만들었고 오픈AI, 보스턴다이내믹스, 구글 딥마인드 출신이 주축이다. 사무실은 미국 샌프란시스코 베이 지역과 보스턴에 있다.

경쟁 모델과 비교하면 공시 규모 차이가 뚜렷하다. 피지컬 인텔리전스의 π0는 2024년 10월 arXiv 프리프린트 기준 33억 파라미터에 로봇 데이터 1만 시간 이상으로 사전학습했고, 2025년 4월 π0.5 프리프린트는 약 100개 가정의 모바일 매니퓰레이터 데이터 약 400시간을 활용했다. 엔비디아가 2025년 3월 가중치를 공개한 GR00T N1은 22억 파라미터로 실제 원격조작 88시간, 생성 영상 827시간, 6,500시간 분량의 시뮬레이션 데이터를 썼다. 구글 딥마인드의 Gemini Robotics는 2025년 9월 1.5 버전까지 나왔지만 파라미터와 데이터 규모를 밝히지 않았다. 공시 수치로만 보면 GEN-0 데이터는 π0의 최대 27배다.

한국 산업계에 주는 함의는 데이터 확보 경쟁이다. 두산로보틱스, 레인보우로보틱스 등 국내 기업은 로봇 하드웨어 경쟁력을 갖췄지만, GEN-0는 경쟁의 축이 하드웨어에서 수십만 시간 단위의 실세계 조작 데이터 축적으로 옮겨가고 있음을 보여줬다. GEN-0가 범용 산업용 로봇팔에서 돌아간다는 점은 국내 제조사에 기회이자 위협이다. 모델 공급자가 지능을 쥐면 하드웨어는 교체 가능한 부품이 될 수 있어서다. 국내에서는 홀리데이로보틱스가 2026년 7월 1억500만달러 규모 시리즈A를 유치하는 등 자본 유입이 이어지고 있다.

한계도 분명하다. 모든 결과가 회사 자체 평가이고 시행 횟수가 공개되지 않았으며, 99% 최고치가 어떤 과제인지 밝히지 않았다. 70억 파라미터 임계점은 제너럴리스트의 데이터 구성과 학습법에서 관찰된 것으로 다른 연구실에서 재현될지는 미지수다. 회사는 데이터 중 로봇 데이터와 인간 착용형 장치 데이터의 비중도 공개하지 않았다.

이후 행보는 GEN-0의 방향을 보여준다. 제너럴리스트는 2026년 3월 엔비디아 GTC에서 유니버설로봇의 UR7e 로봇팔을 MiR 이동 플랫폼에 얹은 새 장비로 GEN-0 시연을 했고, 준비 기간이 며칠에 불과했으며 전시장 데이터는 쓰지 않았다고 밝혔다. 2026년 4월 2일에는 로봇 데이터 없이 50만 시간의 물리 상호작용 데이터로 사전학습한 GEN-1을 내놓으며 평균 과제 성공률이 GEN-0의 64%에서 99%로 올랐다고 했다. 6월 4일에는 래디컬 벤처스 주도로 4억달러를 유치했고 엔비디아도 기존 투자자로 이름을 올렸다.