블로그

인공지능(AI)이 실험 조건을 설계하고 로봇이 직접 실험을 수행하는 ‘자율실험실(Self-Driving Laboratory·SDL)’이 차세대 연구개발(R&D) 방식으로 주목받고 있다. 소재·바이오·반도체·배터리처럼 반복적인 실험이 필요한 산업에서는 연구 기간과 비용을 줄일 수 있는 핵심 기술로 떠오르는 모습이다.

한국미래기술교육연구원은 오는 9월 15일 서울 여의도 FKI 컨퍼런스센터에서 ‘AI·로봇 기반 R&D 자동화와 자율실험실 구축 전략’ 세미나를 온·오프라인으로 개최한다.

이번 행사는 AI를 활용한 후보물질 탐색부터 로봇 기반 실험 자동화, 실험 결과 분석과 다음 조건 결정까지 연구 과정 전체를 연결하는 기술과 실제 산업 적용 사례를 다룬다.

AI→로봇→데이터→다시 AI…실험도 ‘폐루프’로

자율실험실의 핵심은 단순히 사람이 하던 실험을 로봇으로 대체하는 데 있지 않다.

AI가 기존 연구 데이터 등을 분석해 유망한 실험 조건을 찾아내면 자동화 장비와 로봇이 해당 실험을 수행한다. 여기서 나온 결과는 다시 AI로 전달된다. AI는 결과를 분석한 뒤 더 나은 결과를 얻기 위한 다음 실험 조건을 결정한다.

이처럼 ‘실험 설계→수행→분석→다음 실험 설계’ 과정이 반복되는 구조를 폐루프(Closed-loop) 방식이라고 한다.

기존 연구에서는 연구자가 직접 가설을 세우고 조건을 변경하면서 수많은 실험을 반복해야 했다. 자율실험실에서는 AI가 방대한 후보군 가운데 가능성이 높은 영역을 먼저 탐색하고 로봇이 반복 실험을 수행하면서 탐색 범위를 좁힐 수 있다.

특히 수많은 조성이나 공정조건을 비교해야 하는 신소재·화학 분야와 후보물질 탐색이 필요한 신약개발 분야에서 활용 가능성이 크다. 반도체와 배터리처럼 공정 변수와 소재 조합이 복잡한 산업에서도 연구 효율을 높일 수 있다.

관련 시장 역시 성장하고 있다. 글로벌 시장조사업체들은 실험실 자동화 시장이 2030년까지 100억달러를 넘어설 것으로 전망하고 있으며, AI 기반 신약개발 시장 역시 같은 기간 연평균 25% 이상의 성장세를 나타낼 것으로 예상하고 있다.

글로벌 제약회사와 소재기업뿐 아니라 국가 연구기관들이 AI 기반 후보물질 탐색과 자동화 실험 플랫폼 구축에 뛰어드는 이유다.

신소재부터 바이오까지…산업별 구축 사례 공유

이번 세미나에서도 자율실험실을 실제 연구현장에 적용하는 방법이 집중적으로 논의된다.

먼저 AI를 이용해 수많은 후보물질과 후보소재 가운데 가능성이 높은 대상을 선별하는 스크리닝 기술과 폐루프 방식의 실험 최적화 전략을 다룬다. AI가 연구 과정에 직접 활용될 수 있도록 기존 연구장비를 자동화하고 데이터와 장비를 연결하는 인프라 구축 방안도 소개된다.

바이오 분야에서는 ADC(항체약물접합체) 제조 자율랩 구축과 바이오의약품 생산공정 최적화 사례를 살펴본다. AI와 의료장비를 연동하는 자동화 기술과 기존 연구실을 자동화 실험실로 전환하는 방법도 다룰 예정이다.

신소재 분야에서는 AI 자율실험실을 활용한 소재 개발 전략과 공정 시스템 구축, 운영체계와 AI 최적화 기술 등이 소개된다.

자율실험실이 확산되면 연구자의 역할도 달라질 가능성이 있다. 반복적으로 실험하고 데이터를 정리하는 업무는 자동화하고, 연구자는 연구 방향을 설정하거나 결과를 해석하는 고부가가치 업무에 더 집중할 수 있기 때문이다.

다만 자율실험실을 구현하려면 AI만으로는 부족하다. 실험장비와 로봇을 안정적으로 제어하는 기술부터 서로 다른 장비에서 발생하는 데이터를 표준화하고 AI가 분석할 수 있도록 연결하는 시스템까지 필요하다.

결국 경쟁력은 ‘좋은 AI 모델’을 만드는 것을 넘어 AI와 로봇, 연구장비, 데이터를 하나의 시스템으로 얼마나 정교하게 연결하느냐에 달릴 것으로 보인다.

한국미래기술교육연구원 측은 자율실험실이 단순한 실험 자동화를 넘어 연구개발 방식 자체를 변화시키는 플랫폼으로 발전하고 있다고 평가했다. 후보물질 발굴부터 실험 설계와 데이터 분석, 공정 최적화까지 AI 활용 범위가 넓어지면서 기업의 R&D 생산성을 높일 수 있다는 것이다.

AI가 연구자의 아이디어를 보조하는 단계를 넘어 스스로 다음 실험을 결정하는 시대가 가까워지고 있다. 자율실험실이 산업현장에 본격적으로 자리 잡는다면 앞으로 기업의 기술 경쟁력은 연구인력의 규모뿐 아니라 ‘얼마나 빠르게 실험하고 학습할 수 있느냐’에 따라서도 크게 달라질 전망이다.

가상자산을 100만원 미만으로 나눠 보내 자금 이동 추적을 피하는 이른바 ‘쪼개기 송금’이 어려워진다. 정부가 트래블룰 적용 기준이었던 100만원선을 없애 국내 가상자산사업자 간 거래라면 금액과 관계없이 송금인과 수취인 정보를 확인하도록 제도를 강화하기 때문이다.

금융정보분석원(FIU)은 특정금융정보법 시행령 개정안이 국무회의에서 의결됐다고 밝혔다. 이번 개정안은 국내 가상자산 거래의 자금세탁방지 체계를 강화하는 동시에 해외 거래소와 개인지갑에 대해서도 위험 수준에 따라 거래를 제한하는 내용을 담았다.

현재 트래블룰은 신고된 가상자산사업자 사이에서 100만원 이상의 가상자산을 이전할 때 적용된다. 거래소 등 사업자는 가상자산을 보내면서 송금인과 수취인에 관한 정보를 함께 전달해야 한다.

하지만 100만원 미만 거래에는 적용되지 않는다는 허점이 있었다. 한 번에 보낼 가상자산을 여러 차례로 쪼개면 트래블룰 적용을 피할 수 있었던 셈이다.

개정안이 시행되면 이런 기준금액 자체가 사라진다. 국내 신고 가상자산사업자 사이에서 이뤄지는 거래는 액수와 상관없이 트래블룰 적용 대상이 된다.

3개월간 216차례 분할 송금…규제 회피 차단

정부가 기준금액을 없애기로 한 배경에는 실제 소액 분할 거래를 이용한 규제 회피 사례가 있다.

FIU가 공개한 사례에 따르면 한 이용자는 약 3개월 동안 가상자산거래소에 2억원을 입금한 뒤 스테이블코인 테더(USDT)를 매수했다. 이후 이를 100만원 미만으로 나눠 모두 216차례에 걸쳐 외부로 출고했다.

정상적인 거래라면 여러 차례 나눠 송금할수록 시간과 수수료 부담이 커진다. 그럼에도 반복적으로 100만원 미만 금액을 선택했다는 점에서 당국은 자금세탁 추적을 피하려는 거래일 가능성을 의심하고 있다.

앞으로는 수취 사업자의 책임도 강화된다. 송금 사업자로부터 받은 거래 정보가 부족하거나 누락된 경우 필요한 자료를 다시 요청해야 한다. 충분한 정보를 확보하지 못하면 거래를 거절하는 등의 조치를 취해야 한다.

단순히 정보를 전달하는 데서 끝나는 것이 아니라 가상자산을 받는 사업자 역시 거래의 적정성을 확인해야 한다는 의미다.

해외 거래소·개인지갑도 위험도에 따라 관리

국내 거래소뿐 아니라 해외 가상자산거래소와 개인지갑에 대한 규제도 강화된다.

정부는 해외 거래소를 위험 수준에 따라 구분해 관리할 계획이다. 자금세탁 위험이 낮은 해외 거래소와는 가상자산 이전을 허용하지만, 그 밖의 해외 거래소나 개인지갑은 원칙적으로 송금인과 수취인이 동일한 경우에만 거래할 수 있도록 한다.

특히 고위험 거래 대상으로 판단되면 가상자산 이전 자체가 금지될 수 있다.

해외 거래소나 개인지갑으로 1000만원 이상의 가상자산을 이전할 때는 사업자가 자체적인 의심거래 관리체계도 구축해야 한다.

여러 개인지갑으로 가상자산을 분산시킨 뒤 다시 하나의 지갑으로 모으거나, 범죄 피해금으로 가상자산을 구입한 후 해외 고위험 거래소로 이동시키는 방식의 자금세탁을 탐지하기 위한 조치다.

가상자산 자금세탁방지 규제가 국내 거래소 중심에서 해외 거래소와 개인지갑까지 확대되는 셈이다.

거래소 신고 문턱도 높인다

가상자산사업자가 시장에 진입하거나 사업을 계속하기 위한 요건도 까다로워진다.

대주주 심사 범위부터 확대된다. 대표이사 또는 이사의 과반수를 선임한 주주가 심사 대상에 포함되고, 최대주주가 법인인 경우에는 해당 법인의 최대주주와 대표자까지 심사를 받는다.

재무건전성 기준도 새로 적용된다. 이용자 예치금 등을 제외한 부채비율을 200% 이하로 유지해야 한다. 전문인력과 전산·보안설비를 확보하고 내부통제체계도 갖춰야 한다.

다만 기존 가상자산사업자에는 새로운 요건에 대비할 시간을 주기 위해 1년의 유예기간을 적용한다.

이번 제도 개편은 가상자산 규제의 초점이 단순한 거래금액에서 ‘자금의 이동 경로’로 옮겨가고 있다는 점에서 의미가 있다. 특히 트래블룰의 100만원 기준이 없어지면 소액 거래를 반복해 규제를 피하는 방식은 사실상 차단될 전망이다.

시행 시점은 내용에 따라 다르다. 가상자산사업자 신고요건 강화 조항은 오는 20일부터 적용된다. 트래블룰 전액 확대와 해외 거래소·개인지갑 관련 규정은 공포 후 6개월이 지난 날부터 시행된다.

결국 앞으로 가상자산 이용자에게 중요한 것은 ‘얼마를 보내느냐’보다 ‘누가 누구에게 보내느냐’가 될 가능성이 높다. 거래소 역시 국내외 가상자산 이동 경로를 보다 세밀하게 확인해야 하는 만큼 자금세탁방지와 내부통제 시스템에 대한 부담이 한층 커질 것으로 보인다.

미국 반도체 기업 인텔이 인공지능(AI) 반도체와 파운드리 사업 경쟁력 강화를 위해 대규모 자금 조달에 나섰다. 당초 150억달러 규모로 계획한 유상증자에 예상보다 많은 투자 수요가 몰리면서 최대 200억달러 수준까지 조달 규모를 확대하는 방안도 거론되고 있다.

인텔이 대규모 주식 공모에 나선 것은 1971년 상장 이후 처음이다. AI 반도체 시장이 급성장하는 상황에서 설비투자와 첨단공정 개발에 필요한 막대한 자금을 확보해 반도체 시장에서 재도약하겠다는 전략으로 풀이된다.

인텔은 10일(현지시간) 150억달러, 우리 돈 약 21조2000억원 규모의 보통주를 발행한다고 공시했다.

회사가 이번 증자를 결정한 배경에는 빠르게 증가하는 AI 인프라 투자가 있다. 글로벌 빅테크 기업들의 데이터센터 투자가 확대되면서 AI 가속기뿐 아니라 전용 반도체, 첨단 패키징, 웨이퍼 생산 등 반도체 공급망 전반에서 새로운 수요가 발생하고 있기 때문이다.

인텔은 특히 피지컬 AI와 전용 AI 칩, 첨단 패키징, 외부 웨이퍼 생산 분야의 성장 가능성에 주목하고 있다.

AI 투자 확대…연간 CapEx도 200억달러로

증자를 통해 확보한 자금은 AI 인프라를 비롯한 자본적지출(CapEx)과 운전자본 등에 활용할 예정이다.

인텔은 앞서 올해 2분기 실적 발표에서 연간 CapEx 전망치를 200억달러까지 높였다. 제품 경쟁력 강화와 파운드리 사업 확대를 위해 반도체 제조장비와 클린룸, 기판 등에 대한 투자를 늘리겠다는 계획이다.

반도체 산업은 대표적인 자본집약 산업이다. 미세공정이 발전할수록 생산라인 구축에 필요한 장비 가격이 상승하고 연구개발 비용도 증가한다. 특히 최첨단 파운드리 시장에서는 하나의 생산라인을 구축하는 데 천문학적인 자금이 필요하다.

인텔은 최근 선단공정 경쟁력을 회복하기 위해 공격적인 투자를 이어가고 있다. 자체 프로세서를 생산하는 종합반도체기업에서 벗어나 외부 고객의 반도체까지 생산하는 파운드리 사업을 새로운 성장축으로 육성하고 있다.

AI 반도체 시장 확대는 이런 전략에 새로운 기회가 될 수 있다. AI 가속기와 주문형반도체(ASIC) 수요가 증가할수록 첨단공정과 패키징 생산능력을 보유한 파운드리 기업의 역할도 커질 가능성이 있기 때문이다.

인텔은 확보한 자금을 생산능력 확충과 공정 경쟁력 강화에 투입해 AI 반도체 생태계에서 영향력을 확대한다는 구상이다.

립부 탄 CEO 체제, 재무구조 개선도 병행

이번 증자는 립부 탄 CEO 취임 이후 추진하고 있는 재무구조 개선 작업과도 연결돼 있다.

인텔은 대규모 설비투자를 지속하면서도 재무건전성을 유지해야 하는 과제를 안고 있다. 자체 현금만으로 모든 투자를 감당하기보다는 증자를 통해 자본을 확충하면 부채 부담을 억제하면서 필요한 투자를 이어갈 수 있다.

투자적격 신용등급을 유지하는 것도 중요한 목표다. 신용등급이 안정적으로 유지되면 향후 회사채를 발행하거나 추가 자금을 조달할 때 상대적으로 유리한 금리를 적용받을 수 있다.

결국 이번 증자는 단순한 자금 확보를 넘어 재무구조를 안정시키면서 AI와 파운드리에 필요한 대규모 투자를 지속하기 위한 선택으로 볼 수 있다.

시장 반응도 예상보다 뜨거운 것으로 전해졌다.

블룸버그통신 등에 따르면 인텔의 주식 발행에는 1000억달러가 넘는 투자 수요가 몰린 것으로 알려졌다. 당초 계획했던 150억달러의 6배를 훌쩍 뛰어넘는 규모다.

이에 따라 인텔은 실제 증자 규모를 약 200억달러까지 늘리는 방안을 추진하는 것으로 전해졌다. 초과배정옵션까지 행사할 경우 최종 조달액이 200억달러를 상당폭 넘어설 가능성도 있다.

공모가격은 주당 95달러 안팎이 거론되고 있지만 최종 가격과 발행 규모는 확정되지 않았다. 이번 공모에는 JP모건체이스와 골드만삭스, 모건스탠리, 씨티그룹 등이 주관사로 참여한다.

투자자는 ‘희석 우려’…주가 4.1% 하락

다만 대규모 증자가 기존 주주에게 무조건 긍정적인 것은 아니다.

새로운 주식을 대량으로 발행하면 전체 발행주식 수가 증가하기 때문에 기존 주주가 보유한 지분의 상대적 가치가 낮아지는 희석 효과가 발생한다. 증자로 확보한 자금이 향후 충분한 수익으로 이어지지 않는다면 주주 입장에서는 부담이 될 수 있다.

실제로 증자 소식이 전해진 이후 인텔 주가는 10일 뉴욕증시에서 4.1% 하락한 97.52달러로 거래를 마쳤다.

하지만 올해 전체 흐름을 보면 상황은 다르다. 인텔 주가는 AI 반도체 시장 성장 기대와 재무구조 개선 전망 등에 힘입어 연초 이후 약 164% 상승했다. 투자자들이 단기적인 지분 희석 부담과 중장기 성장 가능성을 동시에 평가하고 있는 것으로 볼 수 있다.

향후 관건은 조달한 자금을 얼마나 효율적으로 활용하느냐다. 막대한 자금을 확보하더라도 선단공정의 수율과 생산성을 높이지 못하거나 외부 파운드리 고객을 충분히 확보하지 못하면 투자 부담이 다시 재무적 압박으로 돌아올 수 있다.

반대로 AI 반도체 수요 증가를 실제 파운드리 수주와 제품 매출로 연결한다면 이번 증자는 인텔이 경쟁력을 회복하는 중요한 전환점이 될 가능성도 있다.

결국 21조원이 넘는 대규모 자금 조달은 인텔이 AI 시대의 반도체 경쟁에서 다시 주도권을 확보하기 위해 던진 승부수다. 이제 시장의 관심은 증자 규모 자체보다 인텔이 확보한 자금을 첨단공정과 AI 사업의 실질적인 성과로 얼마나 빠르게 전환할 수 있을지에 모일 전망이다.

삼성전자가 파운드리 초미세공정 경쟁에서 무조건적인 속도전보다 기술 완성도와 양산 안정성을 우선하는 전략을 택했다. 1.4나노 공정 양산 시점을 2029년으로 조정하고 차세대 노광 기술인 하이NA(High-NA) EUV도 1나노 공정부터 본격적으로 적용할 계획이다.

TSMC와 인텔이 각각 1.4나노급 공정 양산을 2028년 목표로 추진하고 있다는 점을 고려하면 삼성전자의 일정은 약 1년 늦다. 하지만 삼성전자는 당장 1.4나노 경쟁에 뛰어들기보다 현재 주력인 2나노 공정의 수율과 생산성을 안정시키는 데 역량을 집중한다는 방침이다.

업계에 따르면 삼성전자 파운드리사업부는 당초 2027년으로 제시했던 1.4나노 공정 양산 목표를 2029년으로 늦췄다. 동시에 하이NA EUV를 1.4나노에 적용하는 대신 1나노 공정부터 양산에 활용하는 방안을 추진하고 있다.

하이NA EUV는 기존 EUV 장비의 수치개구수(NA)를 0.33에서 0.55로 높인 차세대 노광 기술이다. 반도체 회로가 미세해질수록 더욱 정교한 패턴을 웨이퍼에 구현해야 하는데, 높은 NA를 활용하면 기존 장비보다 미세한 회로를 형성하는 데 유리하다.

하지만 새로운 장비를 먼저 사용하는 것이 반드시 양산 경쟁력으로 이어지는 것은 아니다. 장비 가격과 공정 비용뿐 아니라 수율, 생산성, 장비 안정성 등을 모두 확보해야 하기 때문이다.

박창민 삼성전자 마스터는 최근 ‘2026 차세대 리소그래피+패터닝 학술대회’에서 2나노와 1.4나노에 하이NA EUV를 적용하는 방안을 검토했지만 아직 기술적 보완이 필요하다는 취지로 설명했다.

이에 따라 삼성전자는 1.4나노까지 기존 0.33NA EUV를 이용한 멀티패터닝 기술을 중심으로 양산하고 하이NA EUV는 2030년께 1나노 공정부터 활용할 것으로 전망된다.

삼성전자 당장의 승부처는 ‘2나노’

1.4나노 일정이 뒤로 밀리면서 삼성전자 파운드리 사업의 단기 경쟁력을 결정할 핵심은 2나노가 됐다.

파운드리에서는 공정의 숫자를 얼마나 빨리 낮추느냐만큼 실제 양산에서 얼마나 높은 수율을 확보하느냐가 중요하다. 수율이 충분하지 않으면 생산량을 늘려도 정상적으로 판매할 수 있는 칩의 비율이 떨어져 제조원가가 상승하고 고객사의 신뢰를 확보하기 어렵다.

삼성전자는 현재 2나노 공정의 수율과 생산성을 높이는 데 집중하고 있다. 특히 2나노 수율을 개선하면서 테슬라의 차세대 AI 칩 생산 물량을 확보한 것으로 알려졌다. 미국 텍사스주 테일러 공장을 비롯한 생산거점 확대도 추진하고 있다.

삼성전자로서는 2나노에서 대형 고객사를 확보하고 안정적인 양산 실적을 만드는 것이 이후 1.4나노와 1나노 경쟁에서도 중요하다. 최첨단 공정의 기술력을 입증하는 가장 확실한 방법이 결국 고객사의 제품을 안정적으로 대량 생산하는 것이기 때문이다.

경쟁사 TSMC는 삼성전자보다 1.4나노 양산에 빠르게 접근하고 있다.

TSMC는 대만 타이중 과학단지에 1.4나노 생산시설을 구축하고 있으며 2027년 시험 생산을 거쳐 이르면 2028년 대량 양산에 들어갈 가능성이 거론된다. 삼성전자가 목표로 하는 2029년보다 약 1년 빠르다.

흥미로운 점은 TSMC 역시 1.4나노 공정에서 하이NA EUV를 사용하지 않을 계획이라는 것이다.

TSMC는 기존 EUV, 인텔은 하이NA 승부수

TSMC는 1.4나노급 A14 공정에 검증된 0.33NA EUV 멀티패터닝 기술을 적용할 예정이다. 새로운 노광장비를 빠르게 도입하기보다는 기존 장비와 공정기술을 활용해 수율과 생산성을 확보하는 전략이다.

삼성전자와 TSMC 모두 하이NA EUV를 서둘러 적용하지 않는다는 점에서는 비슷하지만 1.4나노 양산 시점에서는 차이가 나타나는 셈이다.

반면 인텔은 다른 전략을 선택했다.

인텔은 1.4나노급으로 평가되는 ‘인텔 14A’에 하이NA EUV를 적극적으로 적용할 계획이다. 차세대 노광장비를 경쟁사보다 먼저 양산공정에 투입해 선단공정의 기술적 우위를 확보하겠다는 전략이다.

14A에는 하이NA EUV뿐만 아니라 2세대 리본펫(RibbonFET) 트랜지스터와 후면 전력공급 기술인 ‘파워다이렉트’도 적용할 예정이다. 2027년 리스크 생산을 시작하고 2028년부터 본격적인 양산에 들어가는 것이 목표다.

다만 새로운 기술을 먼저 도입한다고 해서 파운드리 시장에서 바로 우위를 확보하는 것은 아니다.

최첨단 공정은 개발비와 설비투자 비용이 막대한 만큼 충분한 고객 물량을 확보하지 못하면 투자 부담이 급격히 커질 수 있다. 인텔 역시 14A에서 대형 외부 고객을 확보하지 못할 경우 선단공정 개발을 지속하기 어렵다는 가능성을 언급한 바 있다.

결국 삼성전자와 TSMC, 인텔의 전략은 조금씩 다른 방향으로 전개되고 있다. TSMC는 기존 EUV 기술을 활용하면서 1.4나노 양산 시기를 앞당기고, 인텔은 하이NA EUV를 먼저 투입해 기술 선점에 나선다. 삼성전자는 1.4나노와 하이NA EUV 적용 시점을 늦추는 대신 현재 2나노 공정의 안정성을 확보하는 데 무게를 두고 있다.

삼성전자 입장에서는 1.4나노 양산이 경쟁사보다 1년 늦다는 사실보다 그 기간 동안 2나노에서 얼마나 높은 수율을 확보하고 대형 고객사를 추가로 끌어들이느냐가 더 중요한 변수가 될 전망이다.

초미세공정 경쟁이 단순한 ‘나노 숫자 경쟁’을 넘어 실제 생산성과 고객 확보 경쟁으로 이동하고 있기 때문이다. 삼성전자가 2나노에서 양산 경쟁력을 입증하고 이를 1.4나노와 1나노로 이어갈 수 있을지가 향후 글로벌 파운드리 시장의 점유율을 좌우할 핵심 관전 포인트다.

산업 현장의 자동화 수요가 빠르게 늘어나는 가운데 로봇 플랫폼 기업 브릴스가 코스닥 상장에 나선다. 단순히 로봇을 제조·판매하는 기업에서 벗어나 다양한 로봇과 공정기술을 결합하는 ‘모듈형 자동화 플랫폼’을 앞세워 국내외 산업 현장을 공략한다는 전략이다.

브릴스는 서울 여의도에서 기업공개(IPO) 기자간담회를 열고 향후 사업 전략과 성장 계획을 공개했다. 회사가 강조한 핵심은 산업 현장에서 필요한 것은 로봇 자체가 아니라 로봇을 이용해 생산성과 품질을 높일 수 있는 ‘완성된 자동화 솔루션’이라는 점이다.

전진 브릴스 대표는 로봇을 자동차의 엔진에 비유했다. 엔진이 자동차의 핵심 부품이지만 소비자가 엔진만 구입하지 않는 것처럼 제조기업 역시 로봇 한 대를 구매하는 것보다 실제 생산공정에 적용할 수 있는 시스템을 필요로 한다는 설명이다.

브릴스는 협동로봇과 산업용 로봇, 물류로봇 등 자체 하드웨어를 보유하고 있다. 하지만 특정 제조사의 로봇만 사용하는 방식은 지양한다. 고객이 원하는 공정에 따라 자사 제품뿐 아니라 다른 제조사의 로봇도 활용할 수 있도록 플랫폼을 구축하는 전략을 택했다.

이를 통해 특정 하드웨어의 성능이나 시장 규모에 사업이 종속되는 것을 피하고 제조, 물류, 식품, 조선, 방산, 의료 등 다양한 산업으로 자동화 사업을 확장한다는 구상이다.

일회성 SI 넘어 ‘기술 자산’ 쌓는다

브릴스가 기존 로봇 시스템통합(SI) 기업과 가장 큰 차별점으로 내세우는 것은 ‘모듈화’다.

산업용 로봇을 실제 생산라인에 적용하려면 로봇 제어뿐만 아니라 비전 검사와 안전 시스템, 엔드이펙터, 공정기술 등 여러 요소가 필요하다. 브릴스는 이 기술들을 각각 모듈화한 뒤 고객의 생산환경에 맞춰 조합하는 방식을 사용한다.

전통적인 SI 사업은 고객이 바뀔 때마다 새로운 시스템을 개발하는 경우가 많다. 고객별 요구사항에 맞춰 커스터마이징해야 하기 때문에 수주가 증가하면 엔지니어와 개발비 부담 역시 함께 커지는 구조다.

브릴스는 프로젝트를 진행하면서 개발한 기술을 일회성으로 소비하지 않고 요소기술 단위로 분해해 다시 사용할 수 있도록 축적한다. 비슷한 자동화 요구가 발생하면 기존에 확보한 모듈을 활용할 수 있어 프로젝트가 늘어날수록 개발 부담과 원가를 낮출 수 있다는 설명이다.

프로젝트 규모도 커지고 있다. 브릴스에 따르면 과거 평균 4000만원 수준이었던 프로젝트 단가는 2023년 약 7000만원으로 상승했고 최근에는 1억6000만원 수준까지 확대됐다. 회사는 향후 프로젝트당 평균 금액이 2억원 이상으로 커질 가능성도 기대하고 있다.

외형 성장도 이어지고 있다. 브릴스의 매출은 2020년 약 40억원에서 지난해 238억원까지 증가했다. 올해 6월 말 기준으로는 연간 목표 수주잔고의 90% 이상을 이미 확보했다고 회사 측은 설명했다.

해외 매출 확대…북미 자동화 시장 겨냥

해외 시장도 브릴스가 IPO 이후 집중적으로 공략할 분야다.

브릴스는 현재까지 17개국에 제품과 솔루션을 수출한 경험을 확보했다. 특히 북미 시장의 누적 매출이 210억원을 넘어섰으며 올해 상반기 전체 매출 가운데 해외 수출 비중도 50% 이상을 차지했다.

미국 시장에서는 인건비 부담과 작업장 안전 기준 등이 자동화 수요를 자극하는 요인으로 꼽힌다. 브릴스는 내년 미국에 공급할 예정인 장비 규모만 200억원 이상이라고 밝혔다.

국내 주요 기업과의 협력도 사업 확장의 기반으로 활용하고 있다.

포스코는 브릴스에 70억원을 전략적으로 투자했고 양사는 산업현장에 로봇 자동화 솔루션을 적용하는 사업을 확대하고 있다. 현대중공업과는 LNG 선박 관련 기술을 공동 개발했으며 LG CNS와는 LG에너지솔루션에 공급하는 자율이동로봇(AMR) 프로젝트를 진행하고 있다.

두산로보틱스와의 협력에서는 브릴스가 팔레타이징 솔루션을 개발하고 두산로보틱스가 이를 판매하는 형태의 사업모델도 구축했다.

로봇도 ‘구독’…RaaS 사업 확대

브릴스는 장기적으로 프로젝트 중심의 매출 구조를 보완하기 위해 로봇서비스(RaaS·Robot as a Service) 사업도 확대할 계획이다.

로봇 자동화를 도입하려는 중소·중견기업에는 초기 장비 구매비용이 상당한 부담이다. 도입 이후 유지보수와 시스템 관리에 필요한 전문인력을 확보해야 한다는 점도 로봇 도입을 어렵게 만드는 요인이다.

브릴스는 이런 기업들을 대상으로 로봇과 자동화 시스템을 직접 판매하는 대신 검증과 금융, 운영관리, 유지보수, 업그레이드 등을 묶어 제공하는 구독형 모델을 구축한다는 계획이다.

RaaS가 안정적으로 자리 잡으면 프로젝트를 수주할 때마다 매출이 발생하는 구조에서 벗어나 장기간 반복적으로 수익을 얻을 수 있다는 장점이 있다.

다만 넘어야 할 과제도 있다. 산업 자동화 사업은 프로젝트 수주와 납품 시기에 따라 매출 인식 시점이 달라질 수 있어 분기별 실적 변동성이 나타날 가능성이 있다. RaaS 역시 서비스 제공자가 초기 장비와 운영 시스템을 구축해야 하기 때문에 안정적인 반복 매출 구조가 형성되기까지 시간이 필요하다.

결국 브릴스의 IPO 이후 기업가치를 좌우할 핵심은 기존 SI 사업과 얼마나 다른 수익구조를 만들어낼 수 있느냐에 있다. 프로젝트 과정에서 확보한 공정기술과 현장 데이터를 실제 재사용 가능한 자산으로 전환하고, 이를 여러 산업과 해외 고객에게 반복 공급할 수 있는지가 관건이다.

브릴스는 이번 코스닥 상장에서 총 120만주를 모두 신주로 공모한다. 희망 공모가격은 주당 1만6500~1만9500원으로 공모 예정 금액은 198억~234억원이다.

기관투자자를 대상으로 한 수요예측은 8월 31일부터 9월 4일까지 진행하며 이를 통해 최종 공모가를 결정한다. 일반투자자 청약은 9월 8~9일로 예정돼 있다.

로봇 제조업체가 잇따라 등장하면서 하드웨어 자체의 경쟁이 치열해지는 상황에서 브릴스는 ‘어떤 로봇을 만드느냐’보다 ‘로봇을 산업현장에 어떻게 적용하느냐’를 성장 전략으로 내세웠다. 이번 IPO를 통해 확보한 자금을 바탕으로 모듈형 자동화 플랫폼이 실제 규모의 경제와 반복 매출로 이어질 수 있을지가 향후 성장성을 가를 것으로 보인다.

AI 데이터센터 투자 확대의 수혜가 반도체를 넘어 핵심 전자부품으로 확산하고 있다. 글로벌 투자은행 모건스탠리는 국내 기술주 가운데 삼성전기를 최선호주로 제시하며 적층세라믹커패시터(MLCC)와 반도체 패키지 기판 사업의 성장 가능성에 주목했다.

업계에 따르면 모건스탠리는 삼성전기에 대한 투자 의견을 ‘비중 확대’로 유지하면서 목표주가를 기존 256만원에서 262만원으로 높였다. 시장 상황이 긍정적으로 전개되는 강세 시나리오에서는 300만원까지 상승할 가능성도 제시했다. 기존 국내 기술주 최선호주였던 삼성전자 대신 삼성전기를 선택했다는 점도 눈길을 끈다.

모건스탠리가 삼성전기를 긍정적으로 평가한 핵심 배경에는 AI 데이터센터 투자가 있다. 생성형 AI 서비스가 확대되면서 글로벌 빅테크 기업들이 AI 서버와 데이터센터 구축에 막대한 자금을 투입하고 있고, 이 과정에서 고성능 전자부품 수요도 빠르게 증가하고 있기 때문이다.

대표적인 제품이 MLCC다. MLCC는 전자제품 내부에서 전류를 안정적으로 공급하고 불필요한 노이즈를 제거하는 핵심 부품이다. 스마트폰과 자동차는 물론 서버와 네트워크 장비에도 대량으로 사용된다.

특히 AI 서버는 기존 범용 서버보다 높은 연산 성능을 요구하고 전력 소비량도 크다. 안정적인 전원 공급이 중요해지면서 고성능 MLCC의 탑재량과 요구 사양이 함께 높아질 가능성이 크다.

모건스탠리는 최근 AI 관련 고객사들을 중심으로 MLCC 물량을 사전에 확보하려는 움직임이 나타나고 있다는 점에도 주목했다. 데이터센터 투자 계획이 장기화하면서 필요한 부품을 미리 주문하는 고객이 늘고 있다는 것이다.

선주문이 확산하면 공급업체 입장에서는 향후 수요를 미리 확보할 수 있다. 동시에 시장에서 공급 부족 현상이 나타날 경우 제품 가격 상승으로 이어질 가능성도 있다.

삼성전기에는 물량 증가와 가격 상승이 동시에 나타날 수 있다는 의미다. 여기에 상대적으로 가격과 수익성이 높은 고부가가치 MLCC 판매 비중까지 높아지면 매출 증가 이상의 수익성 개선 효과를 기대할 수 있다.

모건스탠리는 이런 흐름을 근거로 삼성전기의 마진과 주당순이익(EPS)이 시장의 기존 예상치를 넘어설 가능성이 있다고 전망했다.

AI 매출 비중 20%에서 31%로 확대 전망

삼성전기의 사업 구조가 AI 중심으로 빠르게 이동하고 있다는 점도 긍정적인 요소로 꼽혔다.

모건스탠리는 삼성전기 전체 매출에서 AI 관련 사업이 차지하는 비중이 올해 약 20%에서 내년에는 31% 수준까지 높아질 것으로 내다봤다. 불과 1년 사이 전체 매출의 약 3분의 1이 AI와 관련된 사업에서 발생할 수 있다는 전망이다.

삼성전기가 그동안 스마트폰과 PC 등 전통적인 IT 제품의 업황에 영향을 크게 받았다면 앞으로는 AI 서버와 데이터센터라는 새로운 수요처가 실적의 중요한 축으로 자리 잡을 가능성이 커진 셈이다.

MLCC와 함께 반도체 패키지용 ABF 기판도 주요 성장 동력으로 평가됐다.

AI용 주문형반도체(ASIC)를 비롯한 고성능 칩이 발전할수록 반도체 패키지 역시 대형화·고사양화한다. 하나의 칩에서 처리하는 데이터가 증가하고 필요한 전력량도 커지면서 칩과 메인보드를 연결하는 패키지 기판의 성능 역시 중요해지고 있다.

이 과정에서 고다층·대형 ABF 기판에 대한 수요가 확대될 가능성이 높다.

모건스탠리는 삼성전기의 ABF 사업이 장기간 성장할 것으로 전망했다. 현재와 비교해 2030년 ABF 매출이 4~5배까지 증가할 가능성이 있다는 분석이다. 삼성전기가 AI 반도체용 기판 수주를 확대하는 동시에 베트남 생산능력을 확충하고 있다는 점도 성장 전망을 뒷받침하는 요소로 평가했다.

MLCC·ABF 동시 성장…차세대 기판까지 준비

삼성전기가 MLCC와 ABF 기판을 동시에 공급할 수 있다는 점도 경쟁력이다.

AI 데이터센터 시장이 성장하면 단순히 서버 숫자만 증가하는 것이 아니라 서버 한 대에 들어가는 부품의 성능도 함께 높아진다. 삼성전기는 전력 안정성에 필요한 MLCC와 고성능 반도체에 필요한 패키지 기판을 모두 사업 포트폴리오에 갖추고 있어 AI 인프라 투자 확대의 효과를 복수 사업에서 흡수할 수 있다.

여기에 차세대 반도체 패키징 시장을 겨냥한 유리기판과 실리콘 커패시터 등 신규 사업도 준비하고 있다. MLCC와 ABF가 현재의 실적 성장을 담당한다면 차세대 제품은 중장기 성장 동력이 될 수 있다는 평가다.

증시도 이 같은 기대에 민감하게 반응했다. 13일 오후 2시 50분 기준 삼성전기 주가는 전 거래일보다 약 13.6% 오른 151만8000원 수준에서 거래됐다. 장중에는 154만8000원까지 상승했다. 거래량은 약 91만주, 거래대금은 1조3700억원을 넘어섰다.

모건스탠리의 목표주가 상향과 최선호주 선정이 투자심리를 자극한 가운데 미국 반도체주 강세도 국내 AI·반도체 관련 종목에 긍정적인 영향을 미친 것으로 풀이된다.

AI 투자 경쟁의 수혜 범위가 GPU와 메모리 반도체에서 서버 내부의 핵심 부품으로 넓어지고 있다는 점에서 삼성전기의 향후 실적도 주목받을 전망이다. 특히 MLCC 선주문이 실제 가격 상승으로 연결되는지, AI용 ABF 기판 매출이 예상대로 확대되는지가 중장기 성장세를 결정할 핵심 변수가 될 것으로 보인다.

삼성전자가 반도체 사업 전반에 인공지능(AI)을 적용하기 위한 전문 인력 확보에 나섰다. AI 모델 개발과 데이터 인프라 구축 분야의 전문가를 동시에 영입해 반도체 설계부터 공정, 제조까지 이어지는 업무 효율을 높이겠다는 전략이다.

삼성전자는 최근 딥러닝과 비전 AI 분야 전문가인 한보형 펠로우와 데이터 엔지니어링 전문가인 한태린 상무를 영입했다. 두 사람은 각각 반도체 연구개발(R&D)에 활용할 AI 모델과 AI 학습에 필요한 데이터 기반을 구축하는 역할을 맡는다.

이번 인사의 핵심은 반도체 경쟁력을 좌우하는 요소에 AI와 데이터 활용 능력이 빠르게 추가되고 있다는 점이다. 미세공정이 고도화하고 반도체 구조가 복잡해질수록 설계와 제조 과정에서 처리해야 하는 데이터 역시 크게 늘어난다. 사람이 일일이 데이터를 분석하고 문제를 찾아내는 기존 방식만으로는 개발 기간을 단축하고 생산성을 높이는 데 한계가 있다.

삼성전자가 AI 전문인력을 적극적으로 확보하는 것도 이런 변화에 대응하기 위해서다.

한보형 펠로우는 반도체 R&D 업무에 특화된 AI 모델 개발을 주도한다. 서울대학교에서 컴퓨터공학 학사와 석사 과정을 마친 뒤 미국 메릴랜드대학교에서 컴퓨터과학 박사 학위를 받았다. 포항공대 컴퓨터공학과 조교수를 거쳐 2018년부터 서울대 전기·정보공학부 교수로 재직했다.

특히 한 펠로우는 이미지와 영상에서 사물이나 특정 패턴을 찾아내고 분석하는 ‘비전 AI’ 분야 전문가로 평가받는다. 비전 AI 기술을 반도체 개발과 제조 과정에 적용하면 방대한 이미지 데이터를 빠르게 분석하고 사람이 놓치기 쉬운 패턴이나 이상 징후를 찾아내는 데 활용할 수 있다.

반도체 제조 과정에서는 웨이퍼와 회로 등에서 발생하는 미세한 결함을 얼마나 빠르고 정확하게 파악하느냐가 생산성과 직결된다. AI를 활용한 분석 기술이 고도화할수록 공정 과정에서 발생하는 문제를 조기에 발견하고 대응할 가능성도 커지는 셈이다.

한태린 상무는 이 같은 AI 기술이 제대로 작동할 수 있도록 데이터 기반을 구축하는 역할을 맡는다.

한 상무는 서울대 기계항공우주공학과를 졸업하고 미국 매사추세츠공과대학교(MIT)에서 기계공학 석사 학위를 취득했다. 이후 미국 메타에서 시니어 엔지니어링 매니저로 근무했고, 2025년에는 페르소나에서 시니어 개발자로 활동했다.

삼성전자가 한 상무에게 맡긴 핵심 업무는 ‘AI Ready Data’ 구축이다. 기업이 보유한 데이터를 단순히 저장하는 데 그치지 않고 AI가 학습과 분석에 바로 활용할 수 있도록 데이터를 정제하고 표준화하는 작업이다.

AI 모델의 성능은 알고리즘뿐만 아니라 어떤 데이터를 학습하느냐에 따라서도 크게 달라진다. 반도체 설계와 제조 현장에서 축적되는 데이터를 체계적으로 관리한다면 AI가 공정 이상을 분석하거나 개발 과정에서 필요한 판단을 지원하는 범위도 넓어질 수 있다.

삼성전자는 두 전문가의 역량을 결합해 반도체 사업의 AI 전환을 가속할 계획이다. 한쪽에서는 반도체 업무에 최적화한 AI 모델을 개발하고, 다른 한쪽에서는 해당 모델이 활용할 수 있는 데이터 인프라를 구축하는 방식이다.

적용 범위도 연구개발에만 머물지 않는다. 설계 단계에서는 AI를 활용해 개발 효율성을 높이고, 공정과 제조에서는 축적된 데이터를 분석해 생산 과정을 최적화하는 방향으로 활용 범위를 확대할 것으로 예상된다.

결국 삼성전자가 추진하는 전략은 AI를 개별 업무를 보조하는 도구가 아니라 반도체 개발과 생산 과정 전반의 경쟁력을 높이는 핵심 기술로 활용하겠다는 것으로 풀이된다.

반도체 산업에서 미세공정과 생산능력뿐만 아니라 AI를 활용한 개발 속도와 제조 효율성까지 중요한 경쟁 요소로 떠오르는 가운데, 삼성전자는 앞으로도 AI와 데이터 분야 전문 인력을 확보하고 관련 역량을 조직 전반으로 확대한다는 방침이다.

반도체 기업의 미래 실적을 예상할 때 투자자들은 흔히 수주잔고나 생산능력(CAPA), 공장 증설 계획을 살펴본다. 그런데 재무제표의 부채 항목에서도 향후 매출을 가늠할 수 있는 단서를 발견할 수 있다.

바로 ‘계약부채’다.

반도체 기판 업체 대덕전자의 계약부채에서 눈에 띄는 변화가 나타났다. 1년 이후 제품 공급과 관련된 비유동 계약부채가 불과 반년 만에 8배 넘게 증가한 것이다.

더 흥미로운 점은 대덕전자가 생산능력 확대를 위해 약 5000억원의 투자를 결정했고, 실제 매출과 영업이익도 크게 증가하고 있다는 것이다.

각각의 숫자를 연결하면 대덕전자의 현재 실적뿐만 아니라 앞으로의 사업 방향까지 엿볼 수 있다.

68억원이던 장기 계약부채가 548억원으로

대덕전자의 2026년 반기보고서를 보면 연결 기준 비유동 계약부채는 지난해 말 약 67억6000만원에서 올해 6월 말 약 548억3000만원으로 증가했다.

증가율은 약 711%다.

반년 만에 8배 이상으로 불어난 셈이다.

여기서 계약부채라는 회계 용어를 이해할 필요가 있다.

기업이 고객으로부터 돈을 받았다고 무조건 매출이 되는 것은 아니다. 제품이나 서비스를 아직 제공하지 않았다면 먼저 받은 돈을 매출로 잡을 수 없다.

예를 들어 고객이 대덕전자에 향후 공급받을 반도체 기판 대금 100억원을 먼저 지급했다고 가정해보자.

대덕전자에는 현금 100억원이 들어온다. 하지만 기판을 아직 공급하지 않았기 때문에 100억원을 곧바로 매출로 기록할 수는 없다.

이 돈을 일단 계약부채로 기록한다.

이후 제품을 실제로 납품하면서 계약상의 의무를 이행하면 계약부채가 감소하고 해당 금액이 매출로 전환된다.

따라서 계약부채는 일반적인 차입금과 성격이 다르다.

은행에서 돈을 빌려 발생한 부채가 아니라 고객에게 제품을 공급해야 하는 의무 때문에 생긴 부채이기 때문이다.

더 중요한 건 ‘비유동’이라는 점

이번 숫자에서 특히 주목할 부분은 계약부채의 증가 자체보다 비유동 계약부채가 급증했다는 사실이다.

통상 재무제표에서는 1년 이내 정산될 항목과 그 이후까지 이어질 항목을 구분한다.

대덕전자의 단기 성격 계약부채는 지난해 말 약 283억원에서 올해 6월 말 약 174억원으로 오히려 감소했다.

반대로 장기 성격의 비유동 계약부채는 약 68억원에서 548억원으로 급증했다.

쉽게 표현하면 고객과의 거래에서 선수금의 무게중심이 단기에서 장기로 이동한 것이다.

이는 단순히 다음 분기에 공급할 제품의 주문이 증가했다는 것과는 의미가 다를 수 있다.

상당한 기간에 걸쳐 제품을 공급하는 계약과 관련된 선수금이 늘었다는 신호로 해석할 여지가 있기 때문이다.

반도체 업황처럼 수요 변동성이 큰 산업에서는 고객이 공급망을 안정적으로 확보하려는 움직임도 중요한 관전 포인트다.

고객은 왜 돈까지 먼저 줄까

그렇다면 고객 입장에서는 굳이 제품을 받기도 전에 돈을 지급할 이유가 무엇일까.

공급이 충분한 시장이라면 그럴 필요가 크지 않다.

여러 공급업체가 경쟁하고 있고 언제든 제품을 구매할 수 있다면 구매자가 장기간 자금을 먼저 묶어둘 이유가 없기 때문이다.

상황은 특정 제품의 공급능력이 제한적일 때 달라진다.

필요한 시기에 원하는 물량을 확보하지 못할 가능성이 있다면 고객사는 생산능력을 미리 확보하려 할 수 있다.

특히 반도체 산업에서는 하나의 부품이 부족해 전체 생산에 차질이 생기는 상황을 피해야 한다.

이 때문에 장기공급계약이나 선급금 등을 활용해 공급물량을 선점하는 계약구조가 나타날 수 있다.

대덕전자 역시 최근 기판 업계에서 고객사들과 장기공급계약을 통해 생산능력과 공급량을 조율하는 움직임이 나타나고 있다고 설명했다.

4970억원 증설 계획과 연결되는 이유

계약부채 숫자만 놓고 미래를 단정할 수는 없다.

하지만 다른 지표들과 함께 보면 이야기가 달라진다.

대덕전자는 반도체 시장의 수요 증가에 대응하기 위해 2027년 말까지 약 4970억원을 생산설비와 관련 시설에 투자하기로 결정했다.

기업이 수천억원을 투입해 생산능력을 확대하는 것은 상당한 결정이다.

설비투자를 시작하면 감가상각비와 인건비 등 고정비 부담도 함께 증가하기 때문이다.

수요 전망을 잘못 판단하면 새 공장이 오히려 회사의 수익성을 악화시킬 수도 있다.

반대로 이미 고객 수요를 어느 정도 확보한 상태에서 증설한다면 위험은 상대적으로 낮아진다.

따라서 대덕전자의 경우 투자자가 앞으로 확인해야 할 핵심은 548억원의 장기 계약부채와 4970억원 규모의 CAPEX가 실제 장기 주문 및 생산능력 확대와 얼마나 긴밀하게 연결돼 있느냐다.

이미 실적은 크게 움직이기 시작했다

현재 실적도 개선되고 있다.

대덕전자의 2026년 상반기 연결 매출은 약 7472억원으로 전년 동기 약 4612억원보다 62% 증가했다.

수익성 변화는 더 크다.

지난해 상반기에는 약 43억원의 영업손실을 기록했지만 올해 상반기에는 약 1215억원의 영업이익을 냈다.

단순히 매출만 늘어난 것이 아니라 적자에서 큰 폭의 흑자로 돌아선 것이다.

수출용 PCB의 평균판매가격(ASP) 상승도 수익성 개선에 힘을 보탰다.

결국 현재까지 나타난 흐름을 정리하면 다음과 같다.

수요 증가 → 제품 가격 및 판매 증가 → 실적 개선 → 장기 공급물량 확보 → 생산능력 확대

이런 선순환 구조가 실제 형성되고 있는지를 앞으로 확인해야 한다.

부동산까지 담보로 제공한 계약부채

이번 공시에는 흔치 않은 내용도 포함돼 있다.

대덕전자는 상반기 장부가액 약 198억원의 토지와 건물을 담보로 제공했다.

그런데 담보 제공 목적이 일반적인 금융기관 차입금 보증이 아니었다.

‘계약부채 보증’이었다.

근저당 설정액은 약 1122억원이다.

쉽게 말하면 고객에게 받은 선수금과 관련한 계약 이행을 보증하기 위해 회사 자산에 담보를 설정한 것이다.

일반적으로 기업이 부동산을 담보로 제공한다고 하면 은행에서 돈을 빌리는 경우를 떠올리기 쉽다.

하지만 이번 경우는 성격이 다르다.

고객으로부터 돈을 먼저 받은 만큼 계약이 제대로 이행되지 않을 경우에 대비해 상대방에게 안전장치를 제공한 것으로 볼 수 있다.

구체적인 계약 상대방이나 전체 계약 규모, 공급 제품 등은 공개되지 않았기 때문에 지나친 추론은 피해야 한다.

그럼에도 상당한 규모의 담보가 계약부채와 연결됐다는 점은 주목할 만하다.

선수금이 많다고 무조건 좋은 것은 아니다

다만 투자자가 한 가지 주의해야 할 부분이 있다.

계약부채 증가 = 미래 매출 증가 확정이라는 공식으로 받아들여서는 안 된다.

계약 조건에 따라 제품을 제대로 공급하지 못하면 선수금을 반환해야 할 수도 있고, 고객사의 주문계획이 변경될 가능성도 있다.

설비투자 역시 마찬가지다.

4970억원을 투자했다고 해서 그 금액만큼 이익이 증가하는 것은 아니다.

증설한 생산능력을 충분히 가동해야 하고 수율을 확보해야 하며 제품가격도 유지돼야 한다.

특히 반도체 산업은 업황 변화가 빠르기 때문에 현재의 공급 부족이 몇 년 뒤 공급과잉으로 바뀔 가능성도 항상 고려해야 한다.

그래서 계약부채를 볼 때는 숫자 하나보다 계약부채→CAPEX→가동률→매출→영업이익→현금흐름으로 이어지는 과정 전체를 추적하는 것이 중요하다.

AI 시대, 반도체 기판이 중요해지는 이유

대덕전자의 변화가 관심을 받는 또 다른 이유는 반도체 산업의 구조 변화에 있다.

AI 반도체의 성능이 높아질수록 칩 자체뿐만 아니라 여러 반도체를 연결하고 신호를 전달하는 패키징 기술의 중요성이 커진다.

그 과정에서 고성능 반도체 기판의 역할도 확대될 수 있다.

대표적인 제품이 FC-BGA와 같은 고부가 반도체 기판이다.

CPU와 GPU 등 고성능 반도체의 연산능력이 높아질수록 기판에도 미세회로 구현과 신호 무결성, 전력 공급 등 더 까다로운 기술이 요구된다.

AI 시대의 반도체 경쟁이 단순히 ‘누가 좋은 칩을 만드느냐’에서 끝나지 않는 이유다.

HBM과 첨단 패키징, 기판, 유리기판, 광인터커넥트 등 칩 주변의 연결 기술 전체가 하나의 거대한 공급망으로 발전하고 있다.

대덕전자의 장기 계약부채 급증도 이런 산업 변화와 맞물려 살펴볼 필요가 있다.

당장의 548억원보다 중요한 것은 그 뒤에 숨어 있는 주문의 지속성이다.

앞으로 비유동 계약부채가 실제 매출로 얼마나 빠르게 전환되는지, 4970억원 규모의 신규 설비가 어떤 제품 생산에 투입되는지, 증설 이후에도 높은 가동률과 수익성을 유지할 수 있는지가 핵심이다.

재무제표에서 ‘부채’라고 적혀 있다고 모두 나쁜 부채는 아니다.

때로는 고객이 먼저 건넨 돈이 기업의 몇 년 뒤 성장 가능성을 보여주는 숫자가 되기도 한다.

공장에서 사람과 함께 일하는 협동로봇부터 물류로봇, 사족보행로봇, 휴머노이드까지 로봇의 활용 범위가 빠르게 넓어지고 있다. 인공지능(AI)이 로봇과 결합하는 ‘피지컬 AI’가 주목받으면서 로봇산업에 대한 기대도 어느 때보다 높다.

그런데 로봇 시장의 성장과 로봇기업의 실적은 반드시 같은 방향으로 움직이지 않는다.

국내 대표 로봇기업들의 최근 실적을 살펴보면 이런 현상이 선명하게 나타난다. 매출이 크게 증가한 기업조차 적자에서 빠져나오지 못하고 있다.

문제의 핵심은 단순하다. 로봇을 많이 파는 것과 로봇으로 돈을 버는 것은 전혀 다른 문제이기 때문이다.

두산로보틱스, 매출 3배 넘게 뛰었지만

대표적인 사례가 두산로보틱스다.

두산로보틱스의 2026년 상반기 연결 매출은 약 330억원으로 전년 동기 약 98억원보다 3배 이상 증가했다.

외형만 보면 상당한 성장이다.

하지만 같은 기간 약 265억원의 영업손실을 기록했다. 전년 동기 약 278억원과 비교하면 적자 규모가 다소 줄었지만 매출 증가폭을 생각하면 수익성 개선 속도는 더디다.

특히 주력인 협동로봇 사업만 떼어놓으면 문제가 더욱 뚜렷해진다.

상반기 협동로봇 부문 매출은 약 204억원인데 영업손실은 약 262억원에 달했다. 연결조정 이전 기준이지만 본업에서 발생하는 비용 부담이 얼마나 큰지를 보여준다.

두산로보틱스가 미국 자동화 솔루션 기업 원엑시아를 인수한 이유도 여기에서 찾을 수 있다.

로봇 한 대를 만들어 판매하는 것에서 벗어나 고객의 생산라인에 필요한 자동화 시스템 전체를 구축하는 사업으로 영역을 넓히려는 것이다.

쉽게 말하면 이제는 ‘로봇 제조사’보다 ‘공장 자동화 솔루션 회사’에 가까워지려는 전략이다.

왜 로봇만 팔아서는 돈 벌기가 어려울까

로봇 제조업에는 구조적인 문제가 있다.

로봇을 개발하려면 액추에이터와 감속기, 모터, 센서, 제어기 등 다양한 하드웨어 기술이 필요하다. 여기에 로봇을 움직이는 소프트웨어와 안전기술까지 개발해야 한다.

연구개발 비용이 상당할 수밖에 없다.

하지만 제품을 판매한다고 개발비가 곧바로 회수되는 것은 아니다.

자동차처럼 수십만~수백만대 규모의 대량생산 체제를 구축하기도 어렵다. 산업용 로봇은 고객마다 요구하는 작업환경과 기능이 다르기 때문이다.

공장 A에서 필요한 용접로봇과 공장 B에서 필요한 물류로봇은 요구사항부터 다르다.

결국 로봇 제조사가 제품을 판매한 뒤에도 설치와 프로그래밍, 공정설계, 유지보수 같은 작업을 추가로 해야 하는 경우가 많다.

그래서 최근 로봇업계에서 중요해진 개념이 **SI(System Integration·시스템 통합)**다.

로봇 자체보다 로봇을 이용해 고객의 문제를 해결하는 전체 시스템을 판매하는 방식이다.

레인보우로보틱스가 보여주는 또 다른 고민

레인보우로보틱스도 비슷한 상황에 놓여 있다.

2026년 상반기 매출은 약 214억원으로 전년 동기 약 104억원보다 두배 이상 증가했다.

그런데 영업손실은 약 35억원에서 약 36억원으로 오히려 조금 늘었다.

매출은 두배가 됐는데 적자는 사라지지 않은 것이다.

원인 중 하나는 비용 증가다.

판매관리비는 전년 동기 약 76억원에서 약 114억원으로 증가했다. 연구개발비 역시 약 39억원에서 약 64억원으로 늘었다.

상반기 매출의 약 30%에 해당하는 금액을 연구개발에 사용한 셈이다.

레인보우로보틱스가 한 종류의 로봇만 개발하는 회사가 아니라는 점도 중요하다.

협동로봇뿐만 아니라 사족보행로봇과 자율이동로봇, 모바일 휴머노이드 및 관련 소프트웨어까지 여러 기술을 동시에 개발하고 있다.

미래 시장을 선점하려면 필요한 투자지만 현재의 손익계산서에서는 비용으로 나타난다.

따라서 로봇기업을 평가할 때 현재 영업이익만 보는 것도 위험하고, 반대로 미래 성장성만 보고 적자를 무시하는 것도 위험하다.

연구개발 투자가 실제 제품과 매출, 그리고 궁극적으로 현금흐름으로 연결되는지를 확인해야 한다.

뉴로메카는 매출 구성까지 악화

뉴로메카의 상황은 조금 다르다.

상반기 매출은 약 58억원으로 전년 동기 약 66억원보다 12%가량 감소했고, 영업손실은 약 82억원에서 약 96억원으로 확대됐다.

눈여겨볼 부분은 무엇을 팔았느냐다.

로봇 단품 매출은 약 27억원에서 33억원으로 증가했다. 반면 공정자동화 매출은 약 39억원에서 26억원 수준으로 감소했다.

로봇 판매는 증가했는데 회사 전체 매출은 줄어든 셈이다.

이 숫자는 로봇산업의 사업구조를 이해하는 데 중요한 단서를 제공한다.

로봇 한 대를 판매하는 것보다 로봇과 주변 장비, 소프트웨어, 생산공정을 묶은 자동화 프로젝트를 수주하는 것이 계약 규모를 키우는 데 유리할 수 있기 때문이다.

결국 중요한 것은 로봇 판매량 자체가 아니라 한 고객으로부터 얼마나 큰 부가가치를 만들어낼 수 있느냐다.

‘로봇 제조사’에서 ‘자동화 플랫폼 기업’으로

이 때문에 국내 로봇기업들의 전략도 변화하고 있다.

첫번째 단계가 로봇 하드웨어를 만드는 것이었다면 다음 단계는 하드웨어와 소프트웨어를 결합하는 것이다.

그리고 최종적으로는 고객의 생산현장을 통째로 자동화하는 솔루션 사업으로 이동하려 한다.

예를 들어 제조업체가 물류공정을 자동화한다고 가정해보자.

단순한 로봇 제조사는 로봇팔이나 이동로봇을 판매하면 사업이 끝난다.

반면 솔루션 기업은 공장의 작업동선을 분석하고 필요한 로봇을 선정한 뒤 비전센서와 소프트웨어를 연결하고 생산관리시스템까지 통합할 수 있다.

같은 로봇을 사용하더라도 기업이 가져갈 수 있는 부가가치가 달라진다.

AI 기술의 발전은 이런 변화를 더욱 빠르게 만들 가능성이 있다.

피지컬 AI 시대의 승자가 꼭 로봇 제조사는 아니다

앞으로 로봇산업의 경쟁구도를 이해할 때 가장 중요한 부분이 바로 이것이다.

AI가 로봇에 탑재되면서 하드웨어보다 소프트웨어의 중요성이 더욱 커질 수 있다.

어떤 로봇을 만들었느냐보다 로봇이 주변 환경을 얼마나 정확하게 인식하고 스스로 판단하며 다양한 작업을 수행할 수 있느냐가 경쟁력을 좌우할 수 있어서다.

그렇게 되면 로봇산업도 스마트폰 산업과 비슷한 구조로 발전할 가능성이 있다.

스마트폰 시장에서도 부품을 만드는 기업과 완제품을 만드는 기업, 운영체제를 보유한 기업, 플랫폼을 장악한 기업이 가져가는 부가가치는 서로 다르다.

로봇 역시 액추에이터·감속기 같은 핵심부품부터 완제품, AI 모델, 운영 소프트웨어, 자동화 솔루션까지 가치사슬이 세분화될 가능성이 높다.

그리고 반드시 로봇을 직접 제조하는 기업이 가장 많은 이익을 가져간다는 보장은 없다.

로봇주를 볼 때 ‘매출 성장률’만 보면 안 되는 이유

그래서 투자자 입장에서도 로봇기업을 바라보는 기준을 바꿀 필요가 있다.

매출이 몇 퍼센트 증가했는지만으로는 부족하다. 매출총이익률이 개선되고 있는지, 연구개발비 증가보다 매출이 빠르게 성장하고 있는지, 로봇 단품에서 솔루션으로 사업이 확장되고 있는지, 반복적으로 발생하는 소프트웨어·서비스 매출을 만들 수 있는지 등을 함께 살펴봐야 한다.

특히 생산량 증가에 따라 제조원가가 실제로 떨어지는지도 중요하다.

로봇기업들이 생산공장을 확대하고 핵심부품 내재화에 나서는 이유 역시 규모의 경제를 만들기 위해서다.

다만 공장과 연구개발에 먼저 막대한 돈을 투입한 뒤 충분한 주문을 확보하지 못한다면 고정비 부담이 오히려 커질 수 있다.

결국 로봇산업의 진짜 승부는 ‘로봇을 만들 수 있느냐’에서 끝나지 않는다.

로봇을 얼마나 많이 파느냐보다, 판매한 로봇 한 대에서 지속적으로 얼마를 벌 수 있느냐가 더 중요해지는 단계에 접어들고 있다.

피지컬 AI 시대가 본격화하면서 로봇 수요가 폭발적으로 증가할 것이란 기대는 충분히 가능하다.

하지만 시장이 성장한다고 모든 로봇기업이 돈을 버는 것은 아니다.

지금 국내 로봇 3사의 적자가 보여주는 것도 바로 그 현실이다. 로봇산업의 다음 경쟁은 기술력뿐 아니라 수익성 있는 사업모델을 누가 먼저 완성하느냐의 싸움이 될 가능성이 높다.