VLA의 가장 큰 병목은 action 데이터가 인터넷에 없다는 점이다. 텔레오퍼레이션은 scalable하지 않고, 시뮬레이션은 sim-to-real gap이 존재한다. 이 문제를 해결하는 가장 우아한 비즈니스 전략은 “아직 완벽하지 않은 로봇을 일단 팔고, teleoperation으로 서비스하며 데이터를 모으는 것”이다.
1X NEO의 접근법이 대표적이다. 하드웨어를 먼저 판매한 후, autonomous 기능이 완성될 때까지 원격 작업자가 로봇을 조종해 가사 노동을 대신한다. 고객은 “문제가 해결되는 경험”을 얻고, 1X는 실제 가정 환경에서의 다양한 action 데이터를 수집한다. 인건비가 낮은 국가의 teleoperator를 활용하면 비용도 통제할 수 있다. Tesla가 FSD를 완성되지 않은 상태로 판매하고 점진적으로 기능을 업데이트한 전략과 정확히 일치한다.
이 모델의 매력은 데이터 flywheel이 자동으로 작동한다는 점이다. 로봇이 팔릴수록 더 다양한 환경 데이터가 쌓이고, 그 데이터로 모델이 개선되며, 개선된 모델이 더 많은 고객을 유치한다. 핵심은 초기 하드웨어 비용을 감당할 시장(얼리어답터, B2B)을 확보하는 것과, teleoperation의 품질을 유지하는 것이다. 이 전략은 데이터 수집과 비즈니스의 win-win을 창출하며, Physical AI 시대의 가장 현실적인 scaling 경로로 보인다.
근거
“저 로봇이 진짜로 예정은 올해 배포가 될 텐데, 배포가 되어서 가정에서 일을 하기 시작하면 데이터가 scalable하게, 꽤나 scalable하게 쌓이는 창구가 될 수 있겠다”
“Tesla도 이런 전략을 정확히 썼잖아요. 일단은 완전 완성되지 않은 FSD를 팔고, … 고속도로만 됩니다. 그다음에 자동차 전용도로 됩니다. 그러면서 시내 주행, 그다음에 시골길 주행, 이런 걸로 이렇게 펼쳐간 거”
연결된 생각
- 20260606-vla-vision-language-action-model — 데이터 병목이 VLA scaling의 핵심 장애물
- sim-to-real-gap — 시뮬레이션만으로는 해결되지 않는 현실 데이터의 필요성
출처
- 📎 클리핑: 20260613-ep98-ko-transcript