아티클 목록으로
로보틱스·피지컬 AI

General Intuition, 60억달러 기업가치로 로봇 AI에 베팅

약 4분 소요

들어가며

AI 경쟁의 무대가 텍스트와 이미지 생성에서 실제 환경 속 행동으로 넓어지고 있다. 시간의 흐름과 공간의 변화를 이해하고, 그 판단을 로봇 같은 물리적 시스템에 전달할 수 있는지가 새로운 기준으로 떠오르는 모습이다. 뉴욕 기반 스타트업 General Intuition(GI)은 TechCrunch가 소식통을 인용해 보도한 내용에 따르면, 약 60억달러 프리머니 기업가치를 기준으로 신규 투자 라운드를 협의 중이다.

신규 투자자로는 Valor Equity Partners, Point72 Ventures, Seven Seven Six가 거론된다. Khosla Ventures와 General Catalyst를 포함한 기존 투자자들도 이번 라운드에 참여할 가능성이 있다. 다만 거래는 아직 최종 확정되지 않았으며, 투자 금액과 조건도 공개되지 않았다. 회사에 가까운 한 소식통은 투자 수요가 높아 라운드가 초과 청약 상태라고 전했다.

핵심 내용

  • 짧은 기간에 크게 오른 기업가치. GI는 불과 몇 주 전 23억달러 기업가치로 3억2,000만달러를 조달했다. 이번 협상이 60억달러 프리머니 기준으로 마무리된다면, 물리적 세계를 다루는 AI에 대한 투자자들의 기대가 강하다는 신호가 될 수 있다. 다만 최종 수치는 달라질 수 있다.
  • 게임을 행동 데이터로 활용. CEO Pim de Witte는 지난해 10월 게임 클립 공유 플랫폼 Medal에서 GI를 분사했다. GI는 수많은 게임 플레이 시간과 플레이어가 언제 어떤 버튼을 눌렀는지를 기록한 ‘행동 라벨’을 초기 학습 데이터의 일부로 사용하고 있다.
  • 행동 중심의 기반 모델. GI가 만들려는 모델은 범용 AI 에이전트가 시간과 공간 속에서 이동하는 방법을 학습하도록 하는 것이 목표다. 단순히 장면을 인식하는 데 그치지 않고, 행동과 시점, 결과의 관계를 파악한 뒤 다른 작업과 로봇 형태로 능력을 옮기는 방향이다.
  • 다음 단계는 로봇 구현체. 신규 자금은 모델 개선, 컴퓨팅 인프라 확대, 인재 채용에 투입될 예정이다. GI는 CoreWeave와도 협력하고 있으며, 앞으로 로봇 등 물리적 구현체에 모델을 적용하는 데 집중할 계획이다.
  • 투자자 구성이 주는 의미. Valor Equity Partners는 SpaceX 투자로 잘 알려져 있다. GI 투자가 확정되면 SpaceX 이후 처음으로 참여하는 AI 연구소 투자가 될 수 있어, 기반 모델과 첨단 하드웨어의 결합을 상징적으로 보여준다.

의미와 과제

GI의 자금 조달 움직임은 AI 기업을 평가하는 기준이 변하고 있음을 보여준다. 모델이 그럴듯한 결과물을 생성하는지뿐 아니라, 시간에 따라 상태를 유지하고 변화하는 환경에 대응하며, 피드백을 통해 학습한 능력을 기계로 이전할 수 있는지가 중요해지고 있다. 게임 데이터는 정적인 이미지나 문장과 달리 순차적인 조작, 선택, 환경 변화를 포함하기 때문에 행동 모델 학습에 활용될 여지가 있다.

그러나 게임에서 로봇으로 넘어가는 과정은 단순한 데이터 이전이 아니다. 실제 환경에는 센서 잡음, 하드웨어별 차이, 물리적 제약, 안전 문제와 불완전한 관측이 존재한다. 게임에서 좋은 성능을 보였다고 해서 로봇을 안정적으로 제어할 수 있다는 뜻은 아니다. 행동 라벨이 여러 작업으로의 일반화를 지원하는지, 실제 로봇 데이터를 감당 가능한 비용으로 확보할 수 있는지가 핵심 검증 과제다.

이번 라운드가 성사되면 체화된 AI를 둘러싼 투자 경쟁은 더 치열해지고, 모델 개발사와 컴퓨팅 공급자, 로봇 기업 간 협업도 늘어날 수 있다. 다만 현재 60억달러라는 수치는 기술 성숙도를 확정하는 평가라기보다 시장의 기대를 보여주는 지표로 해석하는 편이 적절하다.

출처: TechCrunch AI

댓글

로그인 상태 확인 중…

댓글 불러오는 중…

관련 게시물

CCTest · Blog
PhysCaP, 물리 특성을 직접 탐색하는 로봇 조작 에이전트
로보틱스·피지컬 AI
cctest.ai
로보틱스·피지컬 AI

PhysCaP, 물리 특성을 직접 탐색하는 로봇 조작 에이전트

PhysCaP는 코드-애즈-정책 로봇에 물리 정보 기반의 능동 탐색을 결합한 방법입니다. 로봇은 카메라 관찰에만 의존하지 않고 고유수용감각 데이터를 활용해 물체의 질량과 강성을 추정하며, 필요한 경우에만 추가 상호작용을 수행합니다.

더 보기
CCTest · Blog
EXIMO: VLM 계획으로 VLA 로봇 정책을 효율적으로 적응시키다
로보틱스·피지컬 AI
cctest.ai
로보틱스·피지컬 AI

EXIMO: VLM 계획으로 VLA 로봇 정책을 효율적으로 적응시키다

DeepMind가 VLM 기반 탐색, 모방 학습, 잔차 오프폴리시 강화학습을 결합한 VLA 정책 미세조정 방법 EXIMO를 제안했다. 이 방법은 새로운 작업을 학습할 때 필요한 원격조작 데이터와 시행착오를 줄이는 것을 목표로 한다.

더 보기