그래폰 AI, 830만 달러 투자 유치로 엔터프라이즈 AI를 위한 ‘지능 계층’ 구축에 나서

AI 인프라 스타트업 그래폰 AI(Graphon AI)는 830만 달러의 시드 펀딩을 유치하며 스타트업을 공개했다. 이는 현대적인 AI 시스템이 대규모의 분산된 멀티모달 데이터셋에서 효과적으로 추론할 수 없는 가장 큰 병목 현상을 해결하기 위한 시도이다.

이번 투자는 노베라 벤처스(Novera Ventures)가 주도했으며, 삼성넥스트(Samsung Next), 히타치 벤처스(Hitachi Ventures), 퍼플렉시티 펀드(Perplexity Fund), GS 퓨처스(GS Futures), 가이아 벤처스(Gaia Ventures), B37 벤처스(B37 Ventures), 오룸 파트너스(Aurum Partners)가 참여했다.

샌프란시스코에 본사를 둔 이 회사는 아마존, 메타, MIT, 구글, 애플, 엔비디아, 나사에서 근무한 연구원과 엔지니어들이 설립했다.

그래폰이 해결하려고 하는 문제

대규모 언어 모델은 지난 몇 년 동안 크게 발전했지만, 여전히 근본적인 한계를 가지고 있다. 바로 컨텍스트 윈도우이다. (AMZN ) (GOOGL ) (AAPL ) (NVDA )

심지어 고급 AI 모델도 한 번에 처리할 수 있는 정보의 양은 제한적이다. 반면, 기업은 문서, 데이터베이스, 감시 시스템, 비디오 피드, 로그, 오디오 파일, 내부 소프트웨어 플랫폼에 걸쳐 대규모의 분산된 데이터를 보유하고 있다.

현재의 접근 방식인 RAG(Retrieval-Augmented Generation)와 같은 기술은 모델이 관련 정보를 검색하는 데 도움이 되지만, 데이터셋 간의 더 깊은 관계를 이해하거나 시간이 지남에 따라 지속적인 이해를 유지하는 데 어려움을 겪는다.

그래폰의 접근 방식은 모델 자체 외부에서 추론 과정을 일부 이동시키는 것이다.

원시 엔터프라이즈 데이터를 지속적으로 모델에 입력하도록 강요하는 대신, 그래폰은 모델이 처리하기 전에 다양한 정보 형식 간의 관계를 매핑하는 ‘프리모델 지능 계층’을 생성한다.

이 회사는 이 관계 계층이 네트워크 분석과 대규모 그래프 시스템과 관련된 그래폰 함수를 사용하여 구축된다고 설명한다. 이 시스템은 텍스트, 비디오, 오디오, 이미지, 구조화된 데이터베이스, 산업 시스템, 센서 네트워크를 포함한 멀티모달 데이터 소스 간의 연결을 식별하도록 설계되었다.

회사의 설명에 따르면, 이는 모델의 컨텍스트 윈도우 제한과 독립적으로 작동할 수 있는 지속적인 구조화된 메모리 형태를 생성한다.

더 큰 모델에서 벗어나기

그래폰의 출시는 AI 산업에서 일어나는 더广泛한 변화를 반영한다.

수년 동안, AI의 발전은 주로 모델의 크기를 증가시키는 것, 즉 더 많은 매개변수, 더 많은 컴퓨팅 파워, 더 큰 훈련 데이터셋을 추가하는 것으로 주도되어 왔다. 그러나 많은 연구자와 인프라 스타트업은 더 나은 메모리 시스템, 추론 아키텍처, 검색 계층, 데이터 조직을 통해 AI 성능을 개선하는 방법을 탐색하고 있다.

회사는 지능이 모델 자체 내에서만 존재하는 것이 아니라, 모델과 엔터프라이즈 데이터를 연결하는 인프라 계층에서도 존재해야 한다고 주장한다.

이 접근 방식은 정보가 끊임없이 변경되고 여러 시스템에 걸쳐 있는 환경에서 AI 시스템을 배포하는 기업에게 점점 더 중요해질 수 있다.

예를 들어, 산업 환경에서 AI 시스템은 기계 텔레메트리, 보안 영상, 운영 로그, 유지 보수 기록, 엔터프라이즈 워크플로우를 동시에 추론해야 할 수 있다. 유사한 도전은 로봇공학, 물류, 의료, 엔터프라이즈 자동화 분야에서도 존재한다.

초기 엔터프라이즈 배포

그래폰은 이미 한국의 대기업인 GS 그룹을 포함한 초기 엔터프라이즈 고객을 보유하고 있다.

회사의 설명에 따르면, 배포에는 소매 환경 내에서 고객 이동을 분석하고 건설 현장의 안전 모니터링을 개선하기 위한 멀티모달 CCTV 분석이 포함되었다.

회사는 또한 자신의 인프라가 에이전트 워크플로우를 지원할 수 있다고 말한다. 이는 AI 에이전트가 고립된 프롬프트가 아닌 더 풍부한 멀티모달 컨텍스트를 기반으로 quyết정을 내릴 수 있도록 한다.

또한 그래폰은 디바이스 내 AI 추론에 중점을 두고 있다. 회사의 시스템은 스마트폰, 카메라, 웨어러블, 스마트 글래스, 기타 연결된 디바이스에서 생성된 데이터와 함께 작동하도록 설계되었다.

관계형 AI 인프라의 미래 영향

그래폰의 출시는 인공 지능에서 일어나는 더广泛한 변화를 반영한다. 모델의 크기만을 증가시키는 것이 산업의 가장 어려운 문제를 해결하지 못할 수 있다는 인식이 점점 더 커지고 있다.

기업이 점점 더 복잡한 환경에서 AI를 배포함에 따라, 도전은 텍스트와 프롬프트를 생성하는 것에서 더 나아가, 끊임없이 변경되는 시스템, 사람, 디바이스, 정보 흐름 간의 관계를 이해하는 것이 된다.

미래의 AI 시스템은 문서와 프롬프트를 넘어서 더 많은 것을 추론해야 할 것이다. 자율 공장, 로봇 시스템, 스마트 시티, 웨어러블 디바이스, 산업 센서, 보안 인프라, 엔터프라이즈 소프트웨어 생태계는 모두 대규모의 상호 연결된 멀티모달 데이터를 생성한다. 이러한 정보의 대부분은 지속적으로 존재하고 실시간으로 진화한다.

이것은 모델의 임시 메모리 윈도우를 넘어서 지속적인 컨텍스트를 유지할 수 있는 새로운 형태의 AI 인프라의 필요성을 tạo고 있다.

이러한 영향은 엔터프라이즈 생산성 도구를 넘어서 로봇 공학 조정, 산업 자동화, 디지털 트윈, 자율 주행, 의료 진단, 적응형 엣지 컴퓨팅 환경과 같은 분야에서도 나타날 수 있다.

AI 에이전트의 출현은 이 필요성을 더욱 가속화할 수 있다. 엔터프라이즈 시스템 내에서 자율적으로 작동하는 에이전트는 더 깊은 컨텍스트적 인식과 행동, 시스템, 환경이 시간에 따라 어떻게 연결되는지에 대한 더 강한 이해가 필요하다.

이러한 의미에서, AI 개발의 다음 주요 단계는 동적 실세계 환경을 모델링하는 데 도움이 되는 시스템을 구축하는 것일 수 있다. 즉, 고립된 프롬프트에서 점점 더 복잡한 응답을 생성하는 것보다 더 지속적인 접근 방식을 취하는 것이다.