플라잎 140억 시리즈A 분석: 나사도 스스로 조이는 양팔 로봇 통해 제조 공정 혁신

💡 핵심요약

AI 기반 양팔 로봇 자동화 솔루션 기업 플라잎(PLAiF, 대표 정태영)이 2026년 3월 139억원 규모의 시리즈A 투자를 유치했으며, 추가 20억원도 진행 중이다. 파트너스인베스트먼트·우리벤처파트너스·스틱벤처스 등 국내 주요 VC와 금융 계열 투자사가 참여했다.

플라잎의 핵심은 **피지컬 AI(Physical AI)**다. 기존 AI가 글을 쓰거나 이미지를 만드는 것이라면, 피지컬 AI는 로봇 팔을 움직여 실제로 나사를 조이고 부품을 끼우는 "몸이 있는 AI"다. 플라잎은 이 기술을 제조 공장의 '조립·체결 공정'에 특화했다. 두 팔이 달린 양팔 로봇에 AI를 결합해 작업자가 복잡한 코딩 없이도 로봇을 즉시 현장에 투입할 수 있는 솔루션을 제공한다. 이미 국내 주요 대기업 및 1차 협력사 제조 라인에 적용해 실제 생산이 가동 중이다. 레인보우로보틱스와 공동 개발한 제네시스 차량 헤드램프 조립 자동화 솔루션이 대표 레퍼런스다. 산업통상자원부·KEIT의 'AI 팩토리 전문기업', 현대차그룹 제로원 액셀러레이터, 2023 로보월드 대상 등 정부·산업계에서도 기술력을 인정받았다.

투자 개요

기본 정보

이번 투자 라운드

투자 기관

• 파트너스인베스트먼트
• 우리벤처파트너스
• 스틱벤처스
• (추가 투자 진행 중)

주요 성장 이력

비즈니스 모델 & 수익구조

배경: "왜 공장 조립 라인은 아직도 손으로 하는가"

공장 자동화는 수십 년 전부터 이루어졌다. 용접하고, 도색하고, 물건을 옮기는 작업은 대부분 자동화됐다. 그런데 아직도 많은 공장에서 사람이 직접 손으로 해야 하는 일이 있다. 바로 조립·체결 공정이다. 나사를 조이거나, 서로 다른 부품을 정확하게 끼워 맞추거나, 커넥터를 연결하는 작업들이다.

왜 자동화가 어려웠을까. 이런 작업은 매번 조건이 조금씩 다르기 때문이다. 부품 위치가 0.5mm만 어긋나도 실패하고, 나사 조임 힘이 조금 달라도 불량이 생긴다. 기존 산업용 로봇은 정해진 동작만 정확히 반복할 뿐, 이런 미세한 변수에 유연하게 대응하지 못했다. 결국 사람이 직접 해야 했다.

플라잎은 여기에 피지컬 AI를 결합했다. 피지컬 AI란 로봇이 카메라와 센서로 현장 상황을 인식하고, AI가 판단해 로봇 팔의 힘·방향·속도를 실시간으로 조절하는 기술이다. 사람이 처음 작업을 시범 보여주면 AI가 학습해서 스스로 반복하고, 조건이 바뀌어도 스스로 적응한다.

핵심 제품군

OASIS (AI 양팔로봇 솔루션): 두 팔이 달린 로봇에 AI를 결합한 통합 솔루션이다. 양팔이 서로 협력해 한 팔은 부품을 고정하고, 다른 팔은 나사를 조이는 식으로 복합 작업이 가능하다. 차세대 모델 V2에는 '2축 허리 구조(위아래·좌우로 허리를 굽힐 수 있는 구조)'를 도입해 사람처럼 더 넓은 범위의 작업이 가능해졌다.

AiSA (피지컬 AI 소프트웨어): 로봇을 제어하는 AI 두뇌다. 카메라로 부품을 인식하는 '비전 AI', 힘을 감지해 섬세하게 조절하는 '힘 제어(Force Control)', 사람이 말로 지시하면 로봇이 알아듣는 'VLA(Vision-Language-Action, 시각-언어-행동) 모델'이 통합됐다. 코딩 없이 말이나 간단한 조작으로 로봇에 새로운 작업을 가르칠 수 있다.

VLA 모델 — 로봇에게 말로 지시한다: VLA는 "이 나사 여기에 조여줘"처럼 자연어 명령을 로봇이 이해하고 실제 동작으로 변환하는 기술이다. 기존에는 로봇에게 새 작업을 시키려면 전문 엔지니어가 며칠씩 프로그래밍해야 했다. VLA가 있으면 현장 작업자가 직접 가르칠 수 있어 도입 속도가 극적으로 빨라진다.

조립 특화 파운데이션 모델: 제조 현장 조립·체결 작업에 특화된 AI 기반 모델이다. 수많은 현장 데이터로 학습해 처음 보는 부품도 빠르게 작업 방법을 파악할 수 있다.

Pic-Q (AI 빈피킹 솔루션): 상자 안에 무작위로 쌓인 부품을 AI 카메라로 인식해 로봇이 집어올리는 솔루션이다. 조립 전 준비 공정에 활용된다.

수익 모델

운영 현황 & 주요 성과

핵심 성과

레인보우로보틱스 파트너십

플라잎과 레인보우로보틱스(코스닥 상장, 삼성전자가 주요 주주)의 협력이 핵심 레퍼런스다. 레인보우로보틱스의 협동 로봇 두 대를 이어붙여 양팔 구조를 만들고, 플라잎의 OASIS·AiSA를 결합해 자동차 헤드램프 조립 솔루션을 개발했다. 2025년 CoRL(국제로봇학습컨퍼런스)에서 공개되며 업계 주목을 받았다. 현재 제네시스 차량 헤드램프의 커넥터 장착 작업(기존 대부분 수작업)에 적용됐다.

투자사들이 주목한 이유

투자사들은 "기술력뿐 아니라 실제 산업 현장에서의 적용 가능성"을 핵심 투자 근거로 밝혔다. 피지컬 AI 로봇 기업 중 실제 대기업 생산라인에서 가동 중인 사례를 가진 곳은 드물다. 플라잎은 기술 데모 단계가 아니라 실제 양산 라인에서 생산 중인 레퍼런스를 갖고 있다는 것이 결정적 차별화였다.

성공 포인트 & 벤치마킹 인사이트

1. "자동화 불가능"이라던 조립 공정에서 기회를 찾다

중요도: 상

왜 조립·체결은 자동화의 사각지대였는가

제조 공장 자동화는 수십 년간 진행됐지만 '조립·체결 공정'은 예외였다. 용접·도색·물류 같은 작업은 정해진 패턴이 있어 기존 산업용 로봇으로 자동화가 가능했다. 반면 나사를 조이거나 부품을 끼우는 작업은 다르다. 부품마다 크기가 조금씩 다르고, 조립 순서가 바뀌기도 하며, 힘 조절이 정밀하게 필요하다. 기존 로봇은 이런 변수에 대응하지 못했다.

이 '불가능의 영역'이 플라잎의 시장이다. 기존 시도가 없었던 만큼 경쟁자도 적고, 성공하면 시장 선점 효과가 크다. 단순 반복 공정이 아닌 '인간의 섬세함이 필요하다고 여겨진 공정'을 공략한 것이 핵심 전략이다.

AI가 해결한 것: 힘 제어 + 시각 인식 + 적응 학습

플라잎은 세 가지 기술을 결합했다. 첫째, 힘 제어(Force Control) — 나사를 조일 때 힘이 너무 세면 부품이 부서지고 약하면 빠진다. AI가 나사 조임 저항을 실시간으로 감지해 적절한 힘을 자동 조절한다. 둘째, 비전 AI — 카메라로 부품의 정확한 위치와 방향을 인식한다. 0.1mm 수준의 정밀도가 필요하다. 셋째, 적응 학습(PALS) — 성공한 작업 데이터를 자동으로 누적해 시간이 갈수록 성공률이 높아진다. 처음 설치할 때보다 3개월 후에 더 잘 작동한다.

💡 교훈: 기존 자동화 기업들이 "어렵다"고 피했던 영역이 곧 스타트업의 기회다. 기존 기업이 포기한 이유가 기술 부재라면, 새로운 기술(AI)로 그것을 해결하는 것이 가장 강력한 차별화가 된다. "왜 아직 자동화가 안 됐지?"라는 질문이 창업 아이템의 출발점이 된다.

2. 양팔 로봇 + 피지컬 AI — 하드웨어와 소프트웨어의 통합이 진입 장벽

중요도: 상

왜 하드웨어와 소프트웨어를 함께 개발하는가

피지컬 AI 로봇에서 하드웨어(로봇 몸체)와 소프트웨어(AI 두뇌)를 분리해서 접근하면 한계가 있다. 최고의 AI라도 로봇 팔의 물리적 한계 때문에 작업에 실패할 수 있고, 최고의 로봇이라도 AI가 없으면 결국 사람이 프로그래밍해야 한다. 플라잎은 이 두 가지를 처음부터 통합 설계했다.

특히 차세대 V2 양팔로봇에 도입한 '2축 허리 구조'가 중요하다. 기존 양팔 로봇은 허리가 고정돼 있어 작업 범위가 제한됐다. 사람처럼 허리를 앞뒤·좌우로 굽힐 수 있는 구조를 넣으면 훨씬 복잡한 공정에 대응할 수 있다. 이 구조는 소프트웨어(AI)와 물리적 설계(하드웨어)가 함께 최적화돼야 의미가 있다.

레인보우로보틱스와의 협력 구조

플라잎은 로봇 하드웨어 플랫폼으로 레인보우로보틱스와 협력했다. 레인보우로보틱스가 하드웨어를 제공하고 플라잎이 AI·소프트웨어를 얹는 구조다. 이것은 영리한 전략이다. 직접 로봇 하드웨어를 설계하면 수백억원이 들지만, 검증된 하드웨어 파트너와 협력하면 소프트웨어·AI에 집중할 수 있다. 동시에 자체 V2 양팔로봇도 개발해 독자 하드웨어 역량도 갖추고 있다.

💡 교훈: 하드웨어 스타트업에서 모든 것을 직접 만드는 것이 능사가 아니다. 하드웨어 파트너십으로 초기 레퍼런스를 빠르게 만들고, 자체 하드웨어는 병행 개발하는 전략이 자금 효율성과 시장 진입 속도를 동시에 높인다.

3. VLA 모델 — "로봇 프로그래밍의 민주화"

중요도: 중

기존 로봇 자동화의 가장 큰 장벽: 설치 비용과 시간

기존 산업용 로봇 도입의 가장 큰 장벽은 로봇 자체 가격이 아니라 '프로그래밍 비용'이었다. 새로운 제품을 조립하거나 공정이 바뀔 때마다 전문 엔지니어가 며칠에서 몇 주씩 새로 프로그래밍해야 했다. 이 비용이 중소 제조사에는 감당하기 어렵고, 대기업도 공정 변경을 꺼리게 만드는 요인이었다.

플라잎의 VLA(Vision-Language-Action) 모델은 이 장벽을 낮춘다. 카메라로 작업 환경을 보고, 작업자의 말을 이해해, 실제 로봇 동작으로 변환하는 기술이다. "이 나사를 저 구멍에 조여줘"라고 말하면 로봇이 카메라로 나사와 구멍을 찾아 조립하는 방식이다. 현장 작업자가 직접 로봇에게 새 작업을 가르칠 수 있어 도입 속도가 극적으로 빨라진다.

조립 공정 특화 파운데이션 모델도 이 전략의 일부다. 범용 AI 모델을 가져다 쓰는 것이 아니라, 수백 수천 번의 조립 작업 데이터로 학습한 제조 특화 AI를 자체 개발한다. 이 모델이 쌓일수록 경쟁사가 따라오기 어려운 기술 해자가 형성된다.

💡 교훈: B2B 하드웨어 솔루션에서 '도입 장벽 낮추기'가 시장 확장의 핵심이다. 아무리 좋은 기술도 설치·운영이 어려우면 시장이 열리지 않는다. "코딩 없이도 가르칠 수 있는 로봇"은 시장 규모를 대기업에서 중견·중소 제조사까지 확장하는 열쇠다.

4. 실제 양산 라인 적용 레퍼런스 — "데모가 아닌 생산"

중요도: 상

피지컬 AI 로봇 분야에서 가장 흔한 함정은 "멋진 데모"다. 통제된 환경에서 잘 작동하는 것과 실제 24시간 운영되는 공장에서 안정적으로 작동하는 것은 완전히 다른 문제다. 투자자들이 플라잎에 투자한 핵심 이유도 "실제 대기업 제조 라인에서 가동 중"이라는 사실이었다.

제네시스 차량 헤드램프 커넥터 조립은 특히 의미 있는 레퍼런스다. 자동차 부품은 안전과 직결되기 때문에 품질 기준이 극도로 높다. 이 기준을 통과해 실제 생산 라인에 적용됐다는 것은 기술의 신뢰성을 증명하는 가장 강력한 증거다.

"기술 검증은 됐지만 현장 적용은 아직"이라는 피지컬 AI 스타트업이 대부분인 시장에서, 이미 생산 중인 라인을 보유한 것이 플라잎의 가장 강력한 차별화 요소다.

💡 교훈: 딥테크·하드웨어 스타트업에서 투자 유치의 가장 강력한 근거는 "실제 고객 환경에서 작동하는 증거"다. 완벽하지 않아도 괜찮다. 통제된 랩이 아닌 실제 환경에서의 작동 증거를 최대한 빨리 만들어라.

5. 정부 인정 활용 — AI 팩토리 전문기업·DIPS·제로원

중요도: 중

플라잎은 정부 프로그램을 적극적으로 활용했다. 산업부·KEIT의 AI 팩토리 전문기업 지정은 정부 R&D 과제 참여 우대와 인증 효과를 동시에 가져온다. 현대차그룹 제로원 액셀러레이터 선발은 현대차·기아·현대모비스 등 그룹사와의 협력 가능성을 열어준 동시에 "현대차가 검증한 스타트업"이라는 신뢰를 부여했다. DIPS(초격차 스타트업 1000+)는 중기부 지원과 함께 피칭 기회를 제공했다.

이 인정들이 모여 "정부·대기업·VC 모두가 인정한 기업"이라는 복합적 신뢰 기반을 만들었다.

💡 교훈: 딥테크 제조 스타트업에서 정부 프로그램(AI 팩토리, DIPS, 팁스 등)과 대기업 액셀러레이터(현대차 제로원, 삼성 C랩, LG전자 등)를 적극 활용하면 기술 신뢰와 네트워크를 동시에 구축할 수 있다. 인증과 선발이 다음 투자 유치의 레버리지가 된다.