기존과는 다른 인공지능 기술이 대규모 시드 투자 유치와 새로운 AI 칩 개발 접근 방식으로 도약하고 있습니다.

도착 비전통적인 AI 이 회사는 업계 전반에서 이미 화제가 되고 있는 투자 유치 라운드를 통해 인공지능 하드웨어 시장에 큰 파장을 일으켰습니다. 생후 몇 달 되지 않은회사 이 회사는 기술 업계에서 가장 영향력 있는 펀드들의 관심을 사로잡는 데 성공했습니다.이론상으로는 인공지능을 위한 컴퓨팅 자원의 설계 및 소비 방식을 재고할 수 있는 아이디어에 투자하고 있다.

점점 더 규모가 커지고 더욱 탐욕스러워지는 모델에 집중하는 대신, 이 회사는 문제의 근본 원인을 해결하고자 합니다. 칩의 에너지 효율성과 물리적 구조그의 제안은 생물학과 뇌 기능에서 명시적으로 영감을 받았으며, 목표는 현재 필요한 에너지의 극히 일부만 소비하면서 엄청난 컴퓨팅 성능을 제공할 수 있는 시스템에 한 걸음 더 다가가는 것입니다. 대규모 데이터 센터.

올해 최대 규모의 AI 하드웨어 시드 투자

Unconventional AI가 4억 7,500만 달러 규모의 시드 투자를 유치했습니다.대규모 거래가 흔한 시장에서도 이처럼 초기 단계에 이 정도 규모의 거래는 이례적입니다. 이번 거래로 회사의 기업 가치는 약 1억 2천만 달러로 평가되었습니다. 4.500천억 달러이는 AI 하드웨어 생태계에서 가장 주목할 만한 시드 펀딩 사례 중 하나입니다.

이번 투자 라운드는 벤처 캐피털 펀드들이 주도했습니다. 안드레센 호로비츠(a16z) y 라이트스피드 벤처 파트너스첨단 기술 분야의 장기 투자에 있어 두 핵심적인 역할을 하는 기업입니다. 이들과 함께 다음과 같은 다른 최고 수준의 투자자들이 합류했습니다. 럭스 캐피탈, DCVC, 데이터브릭스 심지어 아마존 창립자조차도, 제프 베조스이는 해당 프로젝트가 장기적인 전략적 움직임으로 인식되고 있다는 느낌을 더욱 강화합니다.

외부 자본 외에도 공동 창업자 중 한 명이 개인 자금을 투자하기로 결정했습니다. 10천억 달러다른 주요 투자자들과 동일한 조건으로 투자가 이루어졌습니다. 투자 금액뿐만 아니라, 이번 투자는 회사의 기술력과 사업 모델에 대한 확고한 의지와 내부적인 자신감을 보여주는 분명한 신호입니다.

여러 인터뷰에 따르면, 이 초기 자금 4억 7,500만 달러는 최대 4억 7,500만 달러에 달할 수 있는 모금 계획의 시작일 뿐이라고 합니다. 1.000천억 달러 바로 이 단계에서. 목표의 규모는 그들이 직면한 프로젝트의 유형을 잘 보여줍니다. 복잡한 하드웨어, 긴 개발 주기, 그리고 연구 개발에 대한 상당한 초기 투자.

최근 다른 거래들과 비교했을 때, 평가액은 약간 낮았습니다. 5.000천억 초기 소문에서 논의되었던 내용이지만, 이는 Unconventional AI를 수익이나 상용 제품이 거의 없음에도 불구하고 훨씬 더 성숙한 기업에만 허용되었던 수준의 자본을 이미 확보하고 있는 스타트업 대열에 포함시킵니다.

나빈 라오의 비전과 기술적 위험에 익숙한 팀

프로젝트를 주도하는 것은 나빈 라오라오는 기업가로서의 면모와 주요 기술 기업에서의 경력을 통해 인공지능 업계에서 잘 알려진 인물입니다. 인텔에서 인공지능 플랫폼을 담당하고 있습니다. 머신러닝용 프로세서 전문 스타트업인 네르바나 시스템즈(Nervana Systems)를 인수한 후, 회사는 사업을 확장해 나갔습니다.

이후 창업자는 또 다른 도약을 하여 공동 창업을 했습니다. 모자이크ML데이터 및 AI 생태계에서 주목을 받았고 결국 인수된 모델 학습 플랫폼입니다. 데이터브릭스, 약 1.300억 달러에 매각10년도 안 되는 기간 동안 두 차례의 성공적인 투자 회수를 기록한 이러한 실적은 새로운 프로젝트를 지원하는 펀드들 사이에서 큰 신뢰를 얻는 데 중요한 역할을 했습니다.

라오와 함께, 회사는 다양한 분야의 고위급 인사들을 영입했습니다. 하드웨어, 소프트웨어 및 학술 연구, 처럼 마이클 카빈, 사라 아추르 y 미란 리이 팀은 기술적 위험이 높고 프로젝트 주기가 길며, 빠른 소프트웨어 반복으로는 해결할 수 없고 복잡한 프로토타입과 물리적 아키텍처와 알고리즘 간의 긴밀한 통합을 통해 해결해야 하는 문제들을 다루는 데 익숙합니다.

라오 본인이 언컨벤셔널 AI의 업무 계획에 대해 설명한 바에 따르면, 수년에 걸쳐 여러 프로토타입을 테스트합니다.그들은 효율성과 비용 측면에서 어떤 패러다임이 가장 확장성이 좋은지 평가하고 있습니다. 다시 말해, 그들은 제품을 빨리 출시하려는 것이 아니라, 향후 10년 동안 인공지능 컴퓨팅에 큰 변화를 가져올 수 있는 기술적 기반을 구축하려는 것입니다.

이른바 "장주기 엔지니어링" 이는 많은 소프트웨어 스타트업들이 흔히 취하는 접근 방식과는 대조적입니다. 스타트업들은 가능한 한 빨리 고객 검증에 집중하고 빠른 반복 작업을 통해 제품을 개선하는 데 주력합니다. 이러한 접근 방식은 대형 반도체 회사나 핵심 인프라 프로젝트와 더 유사합니다. 투자 수익은 나중에 발생하지만, 모든 것이 순조롭게 진행될 경우 전체 산업 분야를 재정의할 수 있습니다.

인공지능을 위한 새로운 유형의 기계

Unconventional AI의 제안의 핵심은 구축하는 것입니다. 훨씬 더 에너지 효율이 높은 컴퓨터 인공지능 워크로드를 위한 시스템입니다. 라오는 업계의 주목을 끈 한 문장으로 목표를 요약했습니다. 바로 "다음과 같은 시스템을 설계하는 것"입니다. "생물학만큼 효율적"인간의 두뇌가 최소한의 에너지 소비로 복잡한 계산을 수행할 수 있는 능력을 기준으로 삼아 보았습니다.

업계 대부분이 모델 규모 확장, 즉 더 많은 매개변수와 더 많은 데이터를 추구하는 반면, 더 많은 GPU—, 이 회사는 다음과 같은 전제에서 출발합니다. 이 전략은 비용과 가용 에너지 측면에서 분명한 한계가 있습니다.대규모 데이터 센터는 이미 전력 제한, 비용 상승, 지속 가능성 문제에 직면해 있으며, 이는 기후 및 규제 목표 때문에 유럽과 스페인에서 특히 우려되는 문제입니다.

이러한 구도를 깨기 위해 스타트업은 다음과 같은 방안을 제시합니다. 컴퓨팅 아키텍처의 패러다임 전환기존의 디지털 아키텍처를 계속해서 개선하는 대신, 새로운 기술을 활용하는 디자인을 탐구해 보십시오. 실리콘 자체의 물리적 특성 그리고 뉴런의 비선형 역학과 같은 뇌의 기능에서 영감을 받은 원리들을 사용합니다.

회사 웹사이트에 게시된 글에서, 해당 회사는 자신들의 목표를 다음과 같이 설명합니다. "지능을 위한 새로운 기판"핵심은 인공 컴퓨팅과 생물학적 시스템의 행동을 연결하는 적절한 구조를 찾음으로써, 기존의 디지털 아키텍처를 개선하는 것만으로는 달성할 수 없는 효율성 향상을 이끌어낼 수 있다는 것입니다.

이번 투자 라운드에 참여한 Lightspeed의 투자자들은 그러한 진단에 동의하며 다음과 같은 필요성을 지적했습니다. 지능에 적합한 동형 사상을 찾기 위해 인공지능의 에너지 소비를 획기적으로 줄이는 것이 목표라면, 이러한 사고방식은 신경모방 컴퓨팅 및 고급 아날로그 시스템 연구 노력과 맥을 같이합니다. 이러한 연구들은 지금까지 주로 학계나 대형 제조업체의 실험 프로젝트에 머물러 있었습니다.

아키텍처: 아날로그 칩에서 맥동하는 뉴런까지

비전통적 AI의 가장 두드러진 특징 중 하나는 통합적인 접근 방식입니다. 아날로그, 혼합 및 뉴로모픽 아키텍처정보를 이산적인 0과 1로 표현하는 현재의 디지털 칩과는 달리, 아날로그 설계는 연속적인 값을 다룰 수 있게 해주고, 적절히 제어될 경우 특정 연산에서 훨씬 더 효율적일 수 있는 물리적 현상을 활용할 수 있게 해줍니다. 이러한 접근 방식은 향후 발전에 중요한 역할을 할 것으로 기대됩니다. 첨단 칩 설계 및 공정 물리적 기반에서 효율성을 최적화하려는 것들.

회사는 검토 중입니다 확률 분포를 물리적으로 저장할 수 있는 칩기존 프로세서에서처럼 수치적으로 근사하는 대신, 이를 통해 확률 모델에 대한 보다 자연스러운 표현이 가능해지고, 잠재적으로 더 많은 가능성을 열어줍니다. 에너지 소비량을 최대 천 배까지 줄일 수 있습니다. 오늘날 데이터 센터를 지배하는 디지털 시스템과 비교했을 때.

이를 달성하기 위해 팀은 다음과 같은 개념을 활용합니다. 발진기, 열역학 및 스파이크 뉴런이러한 모델은 실제 뉴런이 시간에 따른 불연속적인 자극에 의해 활성화되는 방식에서 영감을 받았습니다. 뉴로모픽 분야에서 흔히 볼 수 있는 이러한 아키텍처는 사용하지 않을 때 칩의 상당 부분을 비활성화할 수 있어, 지속적으로 활동하는 회로에 비해 에너지 손실을 획기적으로 줄일 수 있습니다.

이러한 접근 방식은 인텔과 같은 회사들이 뉴로모픽 프로세서를 통해 시도했던 이전의 노력들을 다소 연상시킵니다. 뉴로모픽 프로세서는 기존의 중앙 클럭을 없애고 칩이 비동기적으로 작동하도록 하여 작업 부하에 따라 필요한 부분만 활성화합니다. 그러나 비전통적인 AI는 한 단계 더 나아가고자 합니다.단순히 신경 세포의 행동을 모방하는 것뿐만 아니라, 실리콘의 물리적 설계와 해당 환경에 맞게 특별히 설계된 AI 모델을 긴밀하게 통합함으로써 가능합니다.

이 조합의 특수 하드웨어 및 공동 설계 모델 이는 칩과 알고리즘의 경계가 모호해지고, 성능이 더 이상 GPU를 얼마나 많이 쌓을 수 있는지에 달려 있는 것이 아니라 재료와 회로의 심층적인 물리적 특성을 얼마나 잘 활용하는지에 달려 있는 미래를 시사합니다.

차세대 AI를 위해 맞춤 설계된 SoC

전반적인 개요를 넘어, Unconventional AI가 생산하고자 하는 칩의 종류에 대한 기술적 세부 사항이 속속 드러나고 있습니다. 회사가 게시한 여러 채용 공고를 보면 다음과 같은 내용을 알 수 있습니다... 시스템 온 칩(SoC) 설계를 기반으로 하는 AI 가속기즉, 여러 특수 컴퓨팅 모듈을 통합하는 단일 구성 요소입니다.

이러한 설명에 따르면, 해당 SoC에는 다음이 포함될 것입니다. 중앙 처리 장치(CPU) 보다 구체적인 AI 유닛으로 전달되기 전에 감각 데이터를 정리하고 준비하는 등의 예비 작업을 담당합니다. 이러한 일반적인 기반 위에 최적화된 블록이 추가되어 특정 작업을 수행하게 됩니다. 선형대수 연산이는 대규모 언어 모델부터 컴퓨터 비전 시스템에 이르기까지 거의 모든 딥러닝 모델의 수학적 핵심입니다.

이 디자인은 또한 사용을 고려합니다. 제3자 지적 재산권 일부 모듈의 경우, 반도체 업계에서 검증된 특정 블록을 처음부터 개발하는 것보다 라이선스를 취득하는 것이 더 효율적이기 때문에 이러한 방식이 일반적입니다. 따라서 비전통적인 AI의 부가가치는 SoC의 가장 혁신적인 부분에 집중될 것입니다.

이러한 차별화 요소에는 다음이 포함됩니다. 혼합 신호 회로아날로그 및 디지털 정보를 모두 처리할 수 있는 이러한 회로는 센서에서 수집된 데이터를 관리하거나 물리 법칙에 기반한 연산을 직접 구현하는 데 매우 유용합니다. 이러한 유형의 회로는 회사가 추구하는 비선형 역학과 확률적 표현을 칩에 구현하는 데 핵심적인 역할을 합니다.

또 다른 중요한 점은 회사의 관심사입니다. RRAM과 같은 새로운 비휘발성 메모리이러한 기술은 전원이 차단되어도 정보를 유지합니다. 특정 시나리오에서는 기존 플래시 메모리보다 성능상의 이점을 제공할 수 있지만, 데이터 센터에 널리 보급되는 데에는 여전히 기술적 과제가 남아 있습니다. 메모리 시장의 발전과 제조업체들의 결정은 이러한 상황을 변화시킬 것입니다. 마이크론 제품 라인 관련 그들은 이러한 도전과 기회를 강조합니다.

하드웨어와 AI 모델의 공동 설계

비전통적인 AI는 프로세서의 물리적 계층에만 머무르기를 원하지 않습니다. 이 전략에는 자사 칩에 맞는 AI 모델을 개발하는 것도 포함됩니다.소프트웨어와 하드웨어를 처음부터 함께 개발함으로써 얻을 수 있는 최적화 여유를 활용하는 것입니다.

이러한 접근 방식은 공동 설계 이를 통해 데이터 표현 방식, 실행될 연산, 칩 내 작업 분산 방식 등을 최대한 제어할 수 있습니다. 범용 GPU용으로 설계된 기존 모델을 적용하는 대신, 아날로그 회로, 펄스형 뉴런, 비전통적인 메모리 모듈 등 자사 고유의 특성을 활용하는 알고리즘을 설계할 수 있습니다.

회사는 이러한 통합을 통해 목표를 달성할 수 있기를 기대합니다. 현재 실리콘 대비 약 1.000배 높은 효율 특정 작업 부하 조건에서 그렇습니다. 이러한 수치는 최초의 독립적인 프로토타입과 벤치마크 결과가 나올 때 검증되어야 하겠지만, 팀이 목표로 하는 야심의 규모를 가늠하는 데 도움이 됩니다.

이러한 접근 방식은 특히 다음과 같은 경우에 적합합니다. 유럽과 스페인기술 주권과 해외 하드웨어 공급업체에 대한 의존도에 대한 논쟁이 점점 더 활발해지고 있는 분야입니다. 새롭고 더욱 효율적인 AI 아키텍처를 갖추게 되면 보다 지속 가능하고 비용 효율적인 데이터 센터를 구축할 수 있는 길이 열립니다.이는 해당 지역의 에너지 및 규제 우선순위와 일맥상통합니다. 최근 업계 지형을 재편한 주요 클라우드 제공업체와 하드웨어 제조업체 간의 제휴는 이러한 솔루션이 적용될 수 있는 환경을 잘 보여줍니다.클라우드와 제조업체 간의 협력).

만약 비전통적인 AI 모델이 궁극적으로 경쟁력이 있는 것으로 입증된다면, 유럽의 클라우드 기업, 연구소, 대기업들이 이러한 솔루션을 통합하는 것을 보더라도 놀랄 일이 아닐 것입니다. 인프라 측면에서, 에너지 비용 및 탄소 발자국 감소 첨단 AI 기능을 희생하지 않고도 가능합니다.

시장 상황: 메가 투자 유치와 AI 인프라 확보 경쟁

비전통적인 AI 사례는 더 광범위한 추세의 일부입니다. 인공지능 스타트업들이 초기 단계에서 수억 달러의 투자를 유치하는 사례가 등장하고 있다.몇 년 전만 해도 상장 기업이나 매출이 매우 안정적인 기업에나 적용되던 수준의 기업 가치를 인정받고 있습니다.

최근 몇 년 동안 다음과 같은 이름들이 등장했습니다. 오픈아이, 인류 또는 다음과 같은 인물들이 추진하는 계획 일리야 수츠케버 o 미라 무라티 그들은 역사적인 벤처 캐피털 투자 라운드에 참여해 왔습니다. 2025년에는 수십 개의 AI 스타트업이 이정표를 넘어섰습니다. 100억 달러 자금 조달이 분야에 전례 없는 투자 규모를 결집시키고 있습니다.

이 물결 속에서, 인프라를 둘러싼 전쟁 칩, 특수 클라우드, 가속기 및 교육 시스템은 가장 치열한 경쟁 분야 중 하나가 되었습니다. 프로세서 종속성 일부 제조업체, 특히 고성능 GPU 제조업체의 공급 부족으로 인해 투자자와 기업가들은 공급 및 가격 병목 현상을 완화할 수 있는 대안을 모색하게 되었습니다.

비전통적인 AI가 다음과 같은 제안을 통해 이 경쟁에 뛰어듭니다. 주요 GPU 제조업체와의 단순한 점진적 경쟁과는 다른 길단순히 성능 향상에만 매진하기보다는 에너지 효율성을 몇 배나 높이는 데 집중해야 합니다. 이는 인공지능 시스템이 물리적, 경제적 한계에 부딪히지 않고 지속적으로 성장하기 위한 중장기적인 핵심 요소입니다.

에너지 비용과 배출 규제 요건이 특히 엄격한 유럽 생태계에서 이러한 유형의 제안이 성공하느냐는 매우 중요할 수 있습니다. 훨씬 더 효율적인 AI 하드웨어 이는 녹색 전환 전략에 부합하는 동시에 기업과 정부가 에너지 소비를 늘리지 않고도 첨단 AI 애플리케이션을 배포할 수 있도록 해줍니다.

프로젝트 비전통적인 AI 이 회사는 현재 주요 트렌드를 다수 반영하고 있습니다. 초기 단계에서의 대규모 투자 유치, AI를 위해 처음부터 설계된 하드웨어, 생물학에서 직접적인 영감을 얻은 기술, 그리고 점점 더 분명해지는 현실에 부응하는 에너지 효율성에 대한 집착 등이 그것입니다. 만약 이 회사가 실리콘 분야에서 약속한 바를 실현해낸다면, 향후 10년 동안 미국과 유럽, 그리고 더 나아가 스페인과 같은 시장에서 인공지능 모델의 학습 및 운영 방식을 정의하는 핵심 기업 중 하나가 될 수 있을 것입니다.