Embodied AI Testing Ground: 중국 에너지 국유기업이 점검 로봇의 첫 고객이자 주주가 되는 방식
시노펙은 전하이 정유공장 1.2만㎡ LPG 탱크 지대에 하루 12회 자율 순찰하며 데이터 15종을 모으는 점검 로봇을 들였습니다. CNPC는 Unitree와 합작법인을 세워 지분 60%를 쥐고 남방전망도 Unitree와 손잡았습니다. 에너지 국유기업이 현장과 기준을 내주는 고객이자 주주가 되면서 산업용 Embodied AI의 상용화 시험대가 됐습니다.
중국에서는 CNPC, 시노펙, 남방전망 같은 에너지 국유기업이 점검 로봇의 첫 고객이 되어 현장과 안전 기준을 내줍니다. CNPC는 로봇 업체와 세운 합작법인의 지분까지 쥡니다. 따라 하려면 로봇을 사기 전에 맡길 구역과 측정점, 고장 판정 기준을 먼저 정해야 합니다. 시연과 실제 유료 사용을 구분하는 판정표, 현장 데이터를 누가 갖는지 정한 계약도 함께 갖춰야 합니다.
요약
제일재경(第一财经) 영문판 Yicai Global이 2026년 11월 13일 중국 에너지 산업이 Embodied AI(몸을 가진 AI, 현장에서 움직이는 로봇에 들어간 AI)의 상용화 시험대가 됐다고 보도했습니다. 기사의 출발점은 베이징시 시장감독관리국이 공개한 간이 기업결합 심사 건입니다. CNPC 계열 Kunlun Manufacturing(中国石油集团昆仑制造)과 Kunlun Capital이 로봇 기업 Unitree(宇树科技), 泛界智能과 함께 산업용 Embodied AI 로봇 합작법인을 세웁니다. 정유 현장에서는 이미 로봇이 일합니다. 시노펙은 지난해 전하이 정유공장(镇海炼化)의 1.2만㎡ LPG 구형 탱크 지대에 첫 점검 로봇을 들였습니다. 이 로봇은 하루 12회 스스로 순찰하며 데이터 15종을 모읍니다. 남방전망(中国南方电网)은 2026년 9월 22일 Unitree와 전략 협력 협약을 맺었습니다.
기사는 에너지 현장이 앞서 나가는 이유를 시장 수치와 전문가 견해로 설명합니다. IDC에 따르면 2026년 상반기 산업 제조 분야 4족 로봇 시장은 약 7,675만 달러로 전년보다 194.2% 커졌고 배치 대수는 537.9% 늘었습니다. 성장은 화학, 광산, 금속처럼 위험한 현장이 이끌었습니다. 에너지 기업은 이제 로봇 업체에 현장을 내주는 핵심 ‘시나리오 구매자’가 됐습니다. 경쟁의 무게도 전시장 시연에서 현장 납품으로 옮겨 갑니다. 다만 전문가들은 로봇이 공장에 들어간 것과 돈을 내고 계속 쓰는 것은 다른 단계라고 선을 긋습니다. 실제 로봇 데이터가 모자란다는 점도 짚습니다. 아래에서는 고객이 주주가 되는 구조, 역할 분담, 다중 센서 순찰, 끝단과 중앙의 분업, 상용화 단계의 다섯 가지로 나눠 보고 실제로 돌릴 때 필요한 디테일을 덧붙입니다.
핵심 메커니즘
Strategic Placement to Joint Venture: 고객이 투자자를 거쳐 주주가 된다
CNPC와 Unitree의 관계는 한 번에 생기지 않았습니다. 2026년 8월 Unitree가 상하이 STAR Market(과학기술 혁신기업 전용 시장)에 상장할 때 Kunlun Capital이 전략 투자자로 참여했습니다. 공모 물량의 2.23%인 90만 3,290주를 약 1.36억 위안에 받았습니다. 같은 시기 두 회사는 석유·가스 분야 로봇 응용을 다루는 전략 협력 비망록도 맺었습니다. 이번 합작법인에서는 Kunlun Manufacturing과 특수관계인이 지분 60%를, Unitree와 泛界智能이 20%씩을 갖습니다. 현장을 가진 쪽이 다수 지분을 쥐면 어떤 현장에 먼저 쓸지, 어떤 기능을 먼저 만들지를 고객이 정하게 됩니다. 로봇 업체 쪽에서는 첫 대형 고객과 현장 데이터를 한꺼번에 확보하는 구조입니다. 다만 시범 운영 단계에서 바로 지분 구조로 가면 업체 선택지가 좁아집니다. 여러 업체를 비교해야 하는 초기에는 협약 수준이 낫습니다.
Site and Standards for Hardware: 현장과 기준을 내주고 로봇과 센서를 받는다
Unitree 상장 서류에는 두 회사의 역할이 적혀 있습니다. CNPC는 유전, 정유 구역, 장거리 배관, 탱크 지대를 작업장으로 엽니다. 방폭 기준, 안전 운영 규정, 설비 고장 판정 기준, 누출·화재 비상 훈련 시나리오도 함께 내놓습니다. Unitree는 현장 요구에 맞춰 일반형과 방폭형 4족 로봇을 공급합니다. 로봇에는 가스 검지, 열화상, 음향(설비 소리 패턴) 수집 장비가 붙고 점검, 누출 확인, 사고 전 환경 탐지에 쓰입니다. 입력은 고객의 현장과 판정 기준입니다. 업체가 하드웨어와 센서를 통합하고, 그 결과로 나오는 것은 현장 규정을 지키며 도는 로봇입니다. 고장 판정 기준이 없으면 로봇은 사진만 찍고 이상인지 아닌지는 말하지 못합니다. 그래서 이 분담에서 고객이 내놓는 문서가 로봇 성능만큼 중요합니다.
Multi-sensor Patrol: 한 번 순찰에 여러 장비로 여러 종류의 데이터를 모은다
시노펙 전하이 정유공장의 점검 로봇은 1.2만㎡ LPG 구형 탱크 지대를 맡습니다. 파노라마 카메라, OGI(Optical Gas Imaging, 눈에 보이지 않는 가스를 영상으로 보여 주는 장비) 광학 가스 검지기 등 장비 6종을 싣고 데이터 15종을 모읍니다. 하루 12회 자율 순찰하며 가스 6종을 동시에 재고 반경 50m 안의 누출 위험을 찾아냅니다. 한 교대에 점검하는 면적은 사람의 5배가 넘습니다. 넓고 위험하며 같은 점검을 하루에 여러 번 되풀이해야 하는 구역일수록 이 방식이 잘 맞습니다. 판단이 복잡하거나 밸브 조작처럼 손을 써야 하는 일은 아직 사람 몫으로 남습니다. 가상 예시로, 국내 석유화학 공장의 저장 탱크 구역이라면 사람이 하루 두 번 도는 순찰 경로를 그대로 로봇 경로로 옮기는 데서 시작할 수 있습니다.
Edge Robots and a Physical AI Brain: 끝단은 모으고 중앙은 판단한다
AI 점검 기업 江行智能의 창업자 庞海天은 변전소와 신재생 발전소를 예로 듭니다. 이런 시설은 외진 곳에 있고 비싼 설비가 모여 있습니다. 사람이 점검하면 손이 많이 들고 효율이 낮습니다. 그는 로봇 개, 드론, 점검 로봇을 현장 끝단에 두면 발전소 한 곳의 측정점 수천 곳을 사람이 도는 방식 전체를 바꿀 수 있다고 봅니다. 끝단이 모은 데이터는 맨 위의 Physical AI brain(현장 데이터를 한곳에서 분석하는 중앙 AI)이 받습니다. 이 중앙 AI가 고장과 이상을 찾아 관제 센터로 보내면 사람 점검보다 훨씬 효율이 높아진다는 설명입니다. 로봇 대수를 늘려도 판단 기준은 중앙 한곳에서 관리하니 현장마다 기준이 흩어지지 않습니다. 이 구조를 쓰려면 로봇이 같은 측정점을 같은 각도로 반복해 찍어야 합니다. 그래야 중앙에서 지난 순찰과 비교할 수 있습니다.
Four Stages of Commercialization: 시연과 유료 사용을 나눠 잰다
중국전자상회(CEGA) Embodied AI·로봇 위원회 주임이자 华山资本 매니징 파트너인 양레이(杨镭)는 상용화를 네 단계로 나눕니다. 현장 시연, 생산 통합, 지속 유료 사용, 규모 구매입니다. 그는 공장, 창고, 물류처럼 표준화된 B2B 현장이 가정 서비스처럼 정형화되지 않은 환경보다 먼저 규모 상용화에 이른다고 봅니다. 데이터도 다음 단계로 가는 길을 막습니다. 국금증권(国金证券)이 인용한 중국정보통신연구원(CAICT) 보고서는 로봇 분야의 ChatGPT 순간에 이르려면 로봇 약 2.12만 대가 1년 내내 일해 수천만 시간의 유효 데이터를 만들어야 한다고 추산합니다. 지금 쓸 만한 고품질 실제 데이터는 수십만~수백만 시간에 그칩니다. 현장을 가진 에너지 기업이 주목받는 이유가 여기 있습니다. 로봇이 매일 같은 구역을 돌면 그 순찰 기록이 그대로 실제 데이터가 됩니다.
통념과 다른 주장
흔히 이렇게 봅니다로봇이 공장이나 정유 구역에 들어가 일하기 시작하면 상용화에 성공한 것이다.
양레이는 이렇게 봅니다"로봇이 공장에 들어갔다고 상용화된 것은 아니다." 시연, 생산 통합, 지속 유료 사용, 규모 구매는 각각 다른 관문입니다.
근거에너지 기업들이 현장을 열면서 경쟁이 전시장 시연에서 현장 납품으로 옮겨 가는 중이라는 점을 들었습니다.
흔히 이렇게 봅니다알고리즘과 모델이 좋으면 산업 현장에서도 통한다.
Baker Hughes의 Aravind Yarlagadda는 이렇게 봅니다복잡한 알고리즘만으로는 부족합니다. 질 좋은 운영 데이터와 깊은 공정 지식, 현장 엔지니어가 믿는 모델이 함께 있어야 합니다.
근거에너지 설비는 수십 년 돌아가고 해법은 기존 제어 시스템과 연결되면서 안전·사이버 보안·운영 규정을 모두 지켜야 한다는 점을 들었습니다.
흔히 이렇게 봅니다잘 만든 시제품을 보여 주면 주문은 따라온다.
엔젤 투자자 궈타오(郭涛)는 이렇게 봅니다자본은 안정적으로 납품하고 여러 현장에 복제할 수 있는 기업에 몰립니다. 시제품만 만들고 공장의 지속 주문을 따내지 못하는 팀은 시장에서 밀려납니다.
근거산업용 Embodied AI가 샘플 시연에서 엔지니어링 납품으로 넘어가는 과도기에 있고 일부 고가치 현장은 단일 시범을 넘어섰지만 대량 배치까지는 멀다고 봤습니다.
저자가 든 사례
시노펙 전하이 정유공장: LPG 탱크 지대 자율 순찰
| 구분 | 내용 |
|---|---|
| 상황 | 1.2만㎡ LPG 구형 탱크 지대의 누출 위험 점검 |
| 한 일 | 시노펙 첫 점검 로봇(飞索)을 지난해 전하이 정유공장에 투입. 파노라마 카메라, OGI 등 장비 6종 탑재 |
| 결과 | 데이터 15종 수집, 하루 12회 자율 순찰, 가스 6종 동시 측정, 반경 50m 누출 식별, 교대당 점검 면적 사람의 5배 이상 |
| 연결 | Multi-sensor Patrol |
CNPC와 Unitree: 공모 투자에서 합작법인으로
| 구분 | 내용 |
|---|---|
| 상황 | 유전·정유·배관·탱크 지대에 로봇을 들이려는 CNPC |
| 한 일 | 2026년 8월 Kunlun Capital이 Unitree 공모에 전략 투자(2.23%, 약 1.36억 위안), 전략 협력 비망록 체결, 이어 합작법인 설립 |
| 결과 | Kunlun Manufacturing과 특수관계인 60%, Unitree·泛界智能 각 20%. 현장·기준은 CNPC, 로봇·센서는 Unitree |
| 연결 | Strategic Placement to Joint Venture, Site and Standards for Hardware |
남방전망과 Unitree: 협약과 실제 현장 경진대회
| 구분 | 내용 |
|---|---|
| 상황 | 변전 설비 점검과 정전 작업에 로봇을 쓰려는 전력망 운영사 |
| 한 일 | 2026년 9월 22일 Unitree와 전략 협력 협약(기술 공동 개발, 현장 공동 구축, 표준 공동 제정, 공동 혁신). 2026 전력 Embodied AI 응용 경진대회 개최 |
| 결과 | 93팀(140개 기관) 신청, 15팀이 실기 진출. 변전소 설비 점검, 긴급 정전 조작, 전용 변압기 고객 전력량계 교체 전 검전의 세 과제를 실제 전력 현장에서 수행 |
| 연결 | Four Stages of Commercialization(시연에서 현장 과제로) |
기술 디테일: 점검 로봇 순찰 데이터를 실제로 돌린다면
아래 필드명, 설정값, 수량은 실제로 돌릴 때 필요한 것을 새로 쓴 가상 예시입니다. 기사 속 기업이 이렇게 운영한다는 뜻이 아닙니다.
Multi-sensor Patrol을 돌리려면 순찰 1회를 측정점 단위 기록으로 쪼갭니다. 측정점마다 같은 위치, 같은 각도에서 찍은 데이터가 쌓여야 중앙에서 지난 순찰과 비교할 수 있습니다. 기록 한 건은 아래와 같은 구조로 남깁니다.
{
"patrol_id": "TK-A-20261115-07",
"robot_id": "QR-EX-02",
"waypoint_id": "SPH-03-VALVE-N",
"captured_at": "2026-11-15T14:20:05+09:00",
"pose_check": {"position_error_cm": 4, "angle_error_deg": 1.5},
"gas_ppm": {"CH4": 0, "C3H8": 3, "C4H10": 0, "H2S": 0, "CO": 1, "O2_pct": 20.9},
"ogi_clip": "s3://patrol/TK-A/07/SPH-03-N.mp4",
"thermal_max_c": 38.2,
"acoustic_rms_db": 61,
"edge_alarm": false,
"anomaly_candidates": [],
"reviewed_by": null
}
pose_check의 위치 오차가 10cm, 각도 오차가 5도를 넘으면 그 측정점은 비교 대상에서 빼고 재촬영 대기열로 보냅니다. 가스 종류와 단위는 현장의 가스 검지 기준표를 그대로 따릅니다. 위 6종은 예시일 뿐입니다.
Edge Robots and a Physical AI Brain 구조라면 판정 위치를 데이터 종류마다 미리 나눕니다. 가스 농도처럼 늦으면 위험한 값은 로봇 끝단에서 임계치로 바로 경보를 냅니다. 이때 모델 추론을 거치지 않는 고정 규칙을 씁니다. OGI 영상, 열화상, 음향은 중앙으로 보내 이상 후보를 고릅니다. 이미지 이상 탐지는 정상 순찰 영상으로만 학습하는 방식부터 시작합니다. 같은 측정점의 최근 30회 분포에서 벗어난 정도로 점수를 냅니다. 하루 12회 순찰이면 30회는 2.5일 치라 기준선이 빨리 잡히고, 날씨 변화도 따라갑니다. 측정점마다 기준선을 따로 두고, 이상 점수 상위 2%만 사람 확인 대기열에 올리는 데서 시작해 오탐률을 보며 조정합니다. LLM은 판정에 쓰지 않습니다. 이상 후보와 근거 사진, 이전 순찰 값을 묶어 점검 일지 초안을 쓰는 데만 씁니다. 일지 초안은 같은 입력으로 temperature 0에서 2회 생성해 측정점 ID와 수치가 두 번 모두 같을 때만 올립니다.
Site and Standards for Hardware에 맞추려면 고객 문서를 데이터로 바꿉니다. 설비 고장 판정 기준은 측정점별 threshold_rules 표로 옮기고 각 규칙에 출처 문서 번호와 개정일을 붙입니다. 기존 제어 시스템과는 처음 8주 동안 읽기 전용으로만 연결합니다. 로봇이 제어 시스템에 명령을 보내는 연동은 시범 판정 뒤로 미룹니다. 이 순서가 Yarlagadda가 말한 기존 제어 시스템 연결과 사이버 보안 요건을 함께 지키는 방법입니다.
Four Stages와 데이터 부족 문제에 대비하려면 순찰 기록을 재사용 가능한 데이터로 남깁니다. 사람이 확인한 이상 후보에는 label(정상, 이상, 오탐)과 확인자, 조치 결과를 붙입니다. 이 라벨이 쌓여야 다음 현장으로 모델을 옮길 수 있습니다. 데이터 소유와 다른 현장 재사용 범위는 계약서에 먼저 적습니다.
| 막히는 경우 | 증상 | 대응 |
|---|---|---|
| 같은 측정점, 다른 각도 | 지난 순찰과 비교가 안 됨 | pose_check 오차 초과 시 비교 제외, 재촬영 |
| 날씨·조명 변화 | 이상 후보가 한꺼번에 늘어남 | 시간대·날씨를 기록에 넣고 같은 조건끼리 비교 |
| 오탐 누적 | 현장이 경보를 무시하기 시작 | 측정점별 오탐률 주간 집계, 10% 초과 측정점은 기준 재검토 |
| 방폭 구역 통신 | 실시간 전송 끊김 | 끝단 경보는 로봇 자체 판정, 영상은 구역 이탈 뒤 일괄 전송 |
현업 실행 디테일: 누가, 언제, 무엇을
아래 역할, 일정, 기준은 기사의 사례를 참고해 새로 짠 가상 예시입니다.
| 역할 | 맡는 일 |
|---|---|
| 공장장·생산 운영 책임자(스폰서) | 대상 구역 선정, 사람 순찰과 병행 기간 결정 |
| HSE·안전 담당 | 방폭 등급 확인, 로봇 출입 구역과 비상 정지 절차 승인 |
| 설비 정비 담당 | 측정점 목록과 고장 판정 기준 정리, 이상 후보 확인 |
| IT·OT 보안 담당 | 망 분리, 제어 시스템 읽기 전용 연동 |
| 구매·AX 추진 | 업체 비교, 데이터 소유 조항, 단계별 판정 보고 |
준비물. 대상 구역 도면, 현재 사람 순찰 경로와 측정점 목록, 최근 1년 순찰 일지, 가스 경보 기준표, 방폭 구역 등급표, 지난 사고·이상 이력이 필요합니다. 첫 주에 로봇이 찍어도 되는 구역과 찍으면 안 되는 구역을 보안 담당과 정합니다.
| 기간 | 할 일 | 산출물 |
|---|---|---|
| 1~3주 | 구역·측정점 확정, 방폭·망 분리 확인 | 측정점 목록, 출입 승인서 |
| 4~6주 | 사람 순찰과 로봇 순찰 병행, 고장 기준 표로 정리 | 병행 비교표, threshold_rules |
| 7~9주 | 이상 후보를 정비 조치로 연결, 계약안 작성 | 조치 연결 기록, 데이터 소유 조항 |
| 10~12주 | 4단계 기준으로 판정, 확대 여부 보고 | 단계 판정표, 확대 계획 |
현장 담당자에게 물을 것.
- 이 구역에서 사람이 하루 몇 번, 어떤 경로로 도나요? 측정점은 몇 곳인가요?
- 지난 1년 동안 이 구역에서 놓쳤거나 늦게 찾은 이상은 무엇이었나요?
- 가스 경보가 울리면 지금은 누가 몇 분 안에 무엇을 하나요?
- 로봇이 이상 후보를 올리면 누가 확인하고 정비 지시로 바꾸나요?
- 로봇이 들어가면 안 되는 시간대나 작업이 있나요?
진행 판정 기준(예시). 양레이의 네 단계를 그대로 판정표로 씁니다. 병행 순찰 4주 동안 사람이 찾은 이상을 로봇도 찾았는지, 오탐률이 측정점 평균 10% 이하인지를 봅니다. 이상 후보가 실제 정비 조치로 이어진 건이 있는지도 확인합니다. 셋을 모두 넘으면 생산 통합 단계로 보고 유료 계약을 검토합니다. 하나라도 못 넘으면 시연 단계로 남기고 4주 더 돌립니다. 다른 구역 두 곳 이상에 같은 설정으로 옮겨 같은 결과가 나와야 규모 구매로 넘어갑니다.
AX 적용 제언. 정유, 석유화학, 발전, 송배전처럼 넓고 위험한 구역을 반복 점검하는 기업이라면 시노펙의 방식부터 옮길 만합니다. 탱크 지대처럼 경로가 정해진 구역 하나를 골라 사람 순찰과 병행하면, 교대당 점검 면적과 놓친 이상 수라는 두 숫자가 나옵니다. 업체와의 관계는 CNPC처럼 처음부터 지분으로 가기보다 협약으로 시작하는 편이 낫습니다. 현장과 고장 판정 기준, 순찰 데이터가 고객 손에 있다는 점을 계약 조건으로 씁니다. 남방전망의 경진대회처럼 실제 현장 과제 세 개를 정해 여러 업체를 같은 조건에서 비교하는 방법도 업체 선정에 바로 쓸 수 있습니다.
원문 사례
| 항목 | 내용 |
|---|---|
| 원문 | Yicai Global, 2026.11.13. 중문 원문은 제일재경 陆如翊 기자 |
| 계기 | 베이징시 시장감독관리국의 간이 기업결합 심사 공개 |
| CNPC | Kunlun Manufacturing·Kunlun Capital, Unitree·泛界智能과 합작법인. 지분 60:20:20. 2026년 8월 Unitree 공모 전략 배정 2.23%(90만 3,290주, 약 1.36억 위안) |
| 역할 분담 | CNPC: 유전·정유 구역·장거리 배관·탱크 지대, 방폭 기준, 안전 규정, 고장 판정 기준, 누출·화재 훈련 시나리오. Unitree: 일반형·방폭형 4족 로봇, 가스 검지·열화상·음향 수집 |
| 시노펙 | 전하이 정유공장 1.2만㎡ LPG 구형 탱크 지대, 장비 6종, 데이터 15종, 하루 12회 자율 순찰, 가스 6종, 반경 50m, 교대당 면적 사람의 5배 이상 |
| 남방전망 | 2026.9.22 Unitree와 전략 협력 협약. 전력 Embodied AI 응용 경진대회 93팀·140개 기관 신청, 15팀 실기, 과제 3개 |
| 시장 | IDC 2026년 상반기 산업 제조용 4족 로봇 약 7,675만 달러(+194.2%), 배치 대수 +537.9%. CAICT 「Embodied AI 발전 보고서(2026)」 |
| 데이터 | CAICT 추산: 로봇 약 2.12만 대 1년 연속 작업, 수천만 시간 필요. 현재 수십만~수백만 시간 |
| 등장 인물 | 庞海天(江行智能 창업자), 양레이(杨镭, CEGA 위원회 주임·华山资本), Aravind Yarlagadda(Baker Hughes 산업 솔루션 수석부사장), 궈타오(郭涛, 엔젤 투자자) |
핵심 개념
- Embodied AI(具身智能)
- 화면 안이 아니라 로봇 몸에 들어가 현장에서 보고 움직이며 일하는 AI입니다.
- OGI(Optical Gas Imaging)
- 눈에 보이지 않는 탄화수소 가스 누출을 적외선 영상으로 보여 주는 장비입니다.
- 방폭형 로봇
- 가연성 가스가 있는 구역에서 불꽃이나 열로 폭발을 일으키지 않도록 만든 로봇입니다.
- 시나리오 구매자
- 로봇을 살 뿐 아니라 시험하고 쓸 실제 현장을 내주는 고객입니다.
- STAR Market(科创板)
- 상하이증권거래소의 기술 기업 전용 시장입니다. Unitree가 2026년 8월 상장했습니다.
- 로봇의 ChatGPT 순간
- 데이터와 모델이 충분히 쌓여 로봇이 처음 보는 일도 해내기 시작하는 전환점을 가리키는 말입니다.
내 메모
TODO: 내 생각 추가
원문은 Yicai Global의 「China’s energy industry is becoming a testing ground for commercial application of embodied AI」(2026.11.13)입니다. 영문 페이지를 직접 열 수 없어, 같은 날 같은 매체(제일재경)가 낸 중문 원 기사 「从战略配售到实体合营,能源工业场景成具身智能商业化“试金石”」(陆如翊, 21财经 전재본)을 근거로 정리했습니다. 요약, 핵심 메커니즘, 통념과 다른 주장, 사례는 이 기사에 나온 내용을 AX Partners가 다시 정리했습니다. 기술·현업 디테일의 필드명, 설정값, 일정, 질문, 판정 기준, 인포그래픽과 표는 실제로 돌릴 때 필요한 것을 새로 작성한 가상 예시입니다. 세부 수치와 발언은 원문에서 확인할 수 있습니다.