신경 개념, AI 네이티브 엔지니어링 확장 위해 1억 달러 시리즈 C 투자 유치

신경 개념, 복잡한 제품을 설계하고 엔지니어링하는 방식을 재고하는 라우샨에 기반을 둔 AI 회사로, 1억 달러의 시리즈 C 투자 유치를 발표했습니다. 골드만 삭스 대체 투자 성장 자본이 주도하고, 기존 투자자들인 포레스타이 캐피탈, 알벤, HTGF, D.E. 쇼 벤처스, 그리고 아스터 캐피탈이 참여했습니다. 이 라운드는 회사가 세계에서 가장 요구되는 산업 환경에서 AI 네이티브 플랫폼을 확장하는 데 중요한 里程碑을 나타냅니다.

스위스 연방 공과 대학 라우샨 (EPFL)의 스핀 아웃으로 설립된 신경 개념은, 엔지니어링 AI가 기하학, 물리학, 설계 의도를 현재 엔지니어가 의존하는 도구와 같은 수준으로 이해해야 한다는 단순하지만 야심적인 전제를 기반으로 플랫폼을 구축했습니다. 외부 분석 레이어로 AI를 위치시키는 대신, 회사는 깊은 학습을 CAD 및 시뮬레이션 워크플로우에 직접 내장하여, 엔지니어가 개발 프로세스의 초기에 성능과 제약 조건에 대해 이유를 부여할 수 있도록 합니다.

엔지니어링 핵심에 AI 직접 도입

전통적인 엔지니어링 워크플로는 종종 긴 반복 주기를 가지고 있습니다. 설계가 생성되고 시뮬레이션되고 수정되고 다시 시뮬레이션되며, 때로는 수 개월 동안, 중요한 문제가 나타날 때까지입니다. 신경 개념의 접근 방식은 이 타임라인을 앞으로 이동시키는 것을 목표로 합니다. CAD와 물리 기반 환경에 AI를 네이티브하게 만듦으로써, 플랫폼은 팀이 초기에 큰 설계 공간을 탐색하고, 더 일찍 트레이드 오프를 식별하고, 일정과 예산을 방해할 수 있는 늦은 단계의 재설계의 가능성을 줄일 수 있도록 합니다.

이 모델은 복잡성과 시장 출시 시간이 상수 압력인 산업에서 공鳴하고 있습니다. 자동차, 항공우주, 에너지, 고급 제조 조직은 제품 개발을 가속화하면서 엄격한 성능과 안전 표준을 유지하기 위해 플랫폼을 사용하고 있습니다. 회사는 지난 18개월 동안 기업 수익이 4배 증가했으며, 50개 이상의 글로벌 조직이 생산 워크플로우에서 기술을 활발히 배포하고 있다고 보고합니다.

신규 자본은 제품 개발, 특히 2026년 초에 계획된 생성 CAD 기능을 출시하고, 글로벌 마케팅 팀을 확장하고, 클라우드 인프라, 시뮬레이션 소프트웨어 및 하드웨어 가속과 관련된 파트너와의 통합을 깊게 하는데 사용될 것입니다.

AI 실험에서 대규모 배포로 이동

신경 개념의 성장은 기업 AI 채택에서 진행 중인 더广泛한 전환을 반영합니다. 많은 산업 조직은 지난 몇 년 동안 분리된 사용 사례에서 기계 학습을 실험했습니다. 지금 바뀌는 것은 대규모로 배포할 수 있는 플랫폼으로의 전환입니다. 팀과 제품 라인 전체에서 기존 도구나 프로세스를 포기할 필요 없이 배포할 수 있는 플랫폼입니다.

엔지니어링 시스템 전체에 걸쳐 있는 지능 레이어로 자신을 위치시키는 신경 개념은 이 전환과 일치합니다. 플랫폼은 대체하는 것이 아니라 통합하도록 설계되어 있으며, 회사는 AI를 임무에 중요한 워크플로에 점진적으로 도입하면서仍然 측정 가능한 영향을 제공할 수 있도록 합니다. 이 엔터프라이즈 우선 접근 방식은 엔지니어링에서 AI를 파일럿 프로젝트를 넘어 일상적인 의사 결정으로 이동하는 데 도움이 되었습니다.

엔지니어링 팀을 위한 지능 레이어로서의 AI의 부상

신경 개념의 시리즈 C는 엔지니어링 자체가 어떻게 진화하고 있는지에 대한 더 깊은 변화를 가리킵니다. AI는 더 이상 개별 작업을 가속화하는 데만 적용되지 않습니다. 제품 수명 주기 전체에서 의사 결정에 형태를 주는 데 점점 더 많이 사용되고 있습니다. AI 시스템이 기하학, 물리학 및 성능 제약 조건을 함께 이해할 수 있게 되면서, 엔지니어링 지능의 지속적인 원천으로 작동하기 시작합니다. 이는 엔지니어링을 최적화하는 도구가 아니라, 엔지니어링을 위한 지능 레이어입니다.

이 전환은 팀이 어떻게 일하는지에 의미 있는 영향을 미칩니다. 엔지니어는 반복적인 시뮬레이션과 단편적인 도구 체인을 관리하는 것에서 벗어나, 더 높은 수준의 판단력, 즉 목표를 정의하고, 결과를 해석하고, 비용, 성능, 지속 가능성 및 제조 가능성 간의 트레이드 오프를 균형 있게 하는 것으로 이동할 수 있습니다. AI는 대규모로 계산적 탐색을 처리하고, 인간은 의도, 위험 및 최종 결정에 책임을 집니다.

시간이 지남에 따라, 이 모델은 개발 주기를 압축하고, 물질浪費를 줄이고, 이전에는 복잡성이나 비용으로 인해 불가능했던 설계의 탐색을 가능하게 할 수 있습니다. 더 중요한 것은, 엔지니어링을 단절된 단계의 순서가 아닌 인간 전문 지식과 기계적推論 간의 지속적인 대화로 재정의합니다.

신경 개념의 궤적은 AI 기반 엔지니어링이 실험에서 인프라로 이동하고 있음을 시사합니다. 더 많은 조직이 워크플로를 최적화하는 것뿐만 아니라 의사 결정 자체를 안내하기 위해 AI를 채택함에 따라, 이 지능 레이어는 오늘날 CAD 및 시뮬레이션 도구와 마찬가지로 엔지니어링 팀에게 기본적인 요소가 될 수 있습니다.