2026년 10월 12일, 유수 과기의 공동창업자 왕싱싱은 공개 석상에서 다음과 같은 급진적인 전망을 내놓았다: ‘내년에는 GPT-7이 직접 신체 기반 지능 문제를 해결할 수 있을 것이다.’ 이는 그가 2026년 8월 20일에 제시했던 ‘빠르면 2~3년, 늦어도 5~10년’이라는 예측과 비교하면, 산업의 전환 시점에 대한 기대가 ‘최소 1~2년’으로 크게 좁혀진 것이다. 이러한 급격한 수정은 범용 대형 모델의 발전 속도에 따라 뒤처지지 않으려는 수동적 조정으로 해석된다.
실증적 측면에서, 추세는 이미 시뮬레이션을 넘어 실제 로봇으로 확장되고 있다. RoboDojo의 2026년 9월 평가에 따르면, GPT-6 Astra는 42개의 양팔 작업에서 평균 성공률 22.48%를 기록해, 공개된 40개의 전용 전략 중 최고 성과(19.34%)를 상회했다. 한편, Artificial Analysis가 10월 14일 발표한 AA-Robotics v0.1 실제 로봇 평가에서는 Astra가 69.4점으로 1위를 차지했지만, 단일 작업당 평균 소요 시간이 약 30분으로 인간의 20초에 비해 크게 늘어났으며, 호출 비용은 최대 16.36달러에 달하고, ‘작업 완료 여부를 정확히 판단하지 못하는’ 등 기본적인 실행상의 결함도 존재하는 것으로 확인되었다.
한편, 외부 모델 서비스는 상품화를 가속화하고 있다. Physical Intelligence는 10월 13일에 API 베타 버전을 오픈하여 기업들이 시나리오 데이터를 업로드하고 클라우드의 연산 능력을 활용해 미세 조정 및 관리형 추론을 수행할 수 있도록 지원한다. 엔비디아의 Isaac GR00T, 은하유니버설의 π 시리즈 등 체현 기반 모델들도 동시에 개발이 진행되고 있으며, 은하유니버설과 위수는 10월 23일에 제품 정의부터 지능 역량까지 전 주기를 아우르는 갈봇 ET1의 공동 연구개발을 발표했다.
이러한 배경 속에서 로봇 기업의 연구개발 분업 구조는 재편되고 있다. 자체 개발이 더 이상 당연히 기술 프리미엄을 의미하지 않으며, 이제는 경영의 본질로 회귀해야 한다—즉, ‘전 주기 원가 계산’과 ‘4단계 수익 검증’(연구개발→시범 적용→복제→경영)을 통해 각 투자가 외부에서 조달할 수 없는 역량 격차를 해소하고, 납품 효율을 높이며, 재사용 가능한 자산으로 전환되는지를 명확히 판단해야 한다. Figure가 Index 사전훈련을 통해 장기 과제 성공률을 9%에서 56%로 끌어올린 대조 실험은 바로 이러한 가치 지표 실천의 전형적인 사례이다.