지푸AI 로봇, 인간처럼 성장하는 모델 발표

2026년 6월, 중국 LLM의 맏형 격인 지푸AI(Zhipu AI, 智谱AI)의 주가는 22일 처음으로 시가총액 1조 홍콩달러를 넘어섰습니다. 지푸의 가치를 결정하는 것은 현재 매출이 아니라 LLM에서 AGENT, 그리고 더 나아가 피지컬AI로 확장하는 세계관 때문입니다.

6월 30일 지푸AI와 중국 인민대학(Renmin University of China, 中国人民大学)이 피지컬AI 모델 ZR-0를 공동 발표했습니다. 이는 평범한 로봇 제어 알고리즘이 아닙니다. 이 모델의 특이점은 인간처럼 성장한다는 데 있습니다.

아기가 울다가 옹알이를 하다가 스스로 걸음마를 떼고 신발을 신을 수 있게 되기까지 먼저 관찰하고 생각한 뒤에야 행동하는 순서를 밟듯이, ZR-0 역시 26억 개의 매개변수로 대뇌와 소뇌가 협력하는 시스템을 구축해 '명령을 실행하는 것'에서 '왜 이렇게 해야 하는지 이해하는 것'으로 진화했습니다. 로봇의 진정한 지능은 반응 속도가 아니라 생각하는 능력에서 나온다는 것을, ZR-0가 증명하고 있습니다.

대뇌와 소뇌의 분업 — 초보자는 생각하며 움직이고, 숙련자는 생각 없이 움직인다

인간이 복잡한 동작을 수행할 수 있는 것은 대뇌 피질의 사고와 소뇌의 운동 신경이 분업하고 협력하기 때문입니다. ZR-0의 설계는 이 생물학적 구조를 거의 그대로 디지털로 옮겨온 것과 같습니다. System 2, 즉 대뇌 역할은 알리바바의 큐웬3(Qwen3-VL-2B) 사전 훈련 멀티모달 모델이 맡아 시각·언어 정보를 처리하고 구조화된 추론을 생성합니다.

지금 무슨 상황이고 무엇을 해야 하는지를 명확히 생각하는 역할입니다. System 1, 즉 소뇌 역할은 DiT(Diffusion Transformer) 아키텍처 기반의 동작 전문가 모듈이 맡아 대뇌의 의도를 구체적인 연속 동작으로 전환합니다. 컵을 어떻게 집을지 의식적으로 생각하지 않아도 소뇌가 이미 그 동작을 완성하는 것과 같은 이치입니다.

이 두 시스템은 교차 어텐션(cross-attention) 메커니즘으로 연결되며 특히 어텐션 마스크(attention mask) 설계를 통해 추론 단계에서 ECoT(Embodied Chain-of-Thought) 텍스트 디코딩을 완전히 생략할 수 있게 했습니다. 그 결과 단일 A600 GPU에서 한 묶음의 동작을 생성하는 데 약 90밀리초밖에 걸리지 않습니다. 깊이 생각하면서도 빠르게 실행할 수 있다는 뜻입니다.

이는 인간이 피아노를 치는 과정과 닮아 있습니다. 악보는 대뇌가 읽고 손가락은 소뇌가 움직입니다. 초보자는 악보를 보며 건반의 위치를 하나하나 생각하지만 숙련자는 이미 지행합일의 경지에 이릅니다. ZR-0는 바로 이 방향으로 나아가고 있습니다.

ECoT 사고 사슬 — 로봇은 이제 아이처럼 혼잣말로 배운다

아이들은 새로운 기술을 배울 때 종종 혼잣말을 합니다. "빨간 블록은 여기에 두고, 파란 블록은 그 위에 얹자." 이렇게 소리 내어 생각하는 과정이 복잡한 과제를 실행 가능한 단계로 분해하도록 돕습니다. ZR-0의 핵심 혁신인 밀집형 임베디드 사고 사슬은 바로 이 원리를 공학적으로 구현한 것입니다.

연구팀은 구조화된 ECoT 주석 체계를 설계해, 각 로봇 궤적의 모든 프레임에 대해 장면 설명, 진행 상황 판단, 장기 작업 계획, 표준화된 원자적 동작, 목표 객체 경계 상자, 이산 동작 토큰이라는 여섯 가지 원자적 감독 정보를 자동 생성합니다. 이 여섯 가지 정보는 로봇 버전의 혼잣말인 셈입니다.

더 놀라운 것은 데이터의 규모입니다. 연구팀은 Open X-Embodiment, DROID, RH20T 등 여러 오픈소스 데이터를 통합해 ProcCorpus-60M 데이터셋을 구축했습니다. 40만 개 이상의 로봇 궤적, 6000만 프레임, 약 1000시간에 달하는 조작 영상 가운데 96.8%에 밀집형 ECoT 주석이 달려 있습니다.

이는 로봇 곁에 조기 교육 교사 수십 명을 배치해, 1000시간의 수업 동안 매 순간 "지금 너는 무엇을 하고 있고, 왜 그렇게 해야 하며, 다음엔 무엇을 해야 하는지"를 알려준 것과 다르지 않습니다. 그리고 이 모든 주석은 대형 모델을 통해 자동 생성되어 인건비를 대폭 절감했습니다.

형태 간 범용성 — 하나를 들으면 열을 안다

전체 내용보기 ...