Alembic, 인과 AI 승부수: 1억4500만달러 유치·NVL72 사설 슈퍼컴 가동

Alembic, 인과 AI로 판을 흔든 1억4500만달러 라운드

Alembic Technologies가 직전 라운드 대비 15배 높은 평가액으로 시리즈 B 및 성장자금 1억4500만달러를 유치했다. 이 자금은 상관관계가 아닌 원인과 결과를 밝히는 인과 AI에 투입되며, 엔비디아 NVL72 superPOD 기반의 사설 슈퍼컴으로 엔터프라이즈급 모델을 구동한다. 라운드는 Prysm Capital과 액센츄어가 주도했고, Silver Lake Waterman, Liquid 2 Ventures, NextEquity, Friends & Family Capital, WndrCo가 참여했다.

LLM 경쟁의 수렴과 ‘데이터 우위’

토마스 푸이그 CEO는 “강력한 AI 모델의 능력이 수렴할수록 경쟁력의 핵심은 고유 데이터로 이동한다”며 “진짜 우위는 최고 LLM이 아니라 경쟁사가 접근할 수 없는 정보를 활용하는 데서 나온다”고 말했다. 즉, 범용 챗봇이 아닌, 사내 데이터를 이해하고 답을 내는 시스템이 기업의 승패를 가른다는 논지다.

맥프로 ‘군단’에서 시작된 전환점

직전 라운드(2024년 초)까지만 해도 Alembic은 마케팅 측정 중심의 신호처리·상관 분석 회사였다. 당시엔 자원이 부족해 인과 모델의 시뮬레이션조차 돌리지 못했다. 자금이 확보된 뒤 맥프로 ‘군단’으로 시험한 결과, 이들이 고안한 인과적 AI가 마케팅을 넘어 시계열 데이터가 있는 대부분의 비즈니스 도메인에 일반화된다는 사실을 발견했다. 이를 계기로 Alembic은 “세일즈·마케팅·공급망·재무 등 전 직군을 잇는 기업의 중추신경”을 지향하게 됐다.

상관이 아닌 인과: 경영 의사결정의 차이

전통 분석이 ‘SNS 참여가 매출과 함께 오른다’고 말할 수는 있지만, 인과 AI는 ‘SNS가 매출 상승을 유발했는지’ 혹은 제3의 요인 때문인지 가려낸다. 델타항공 CMO 알리시아 틸먼은 “Alembic은 마케팅 노출을 실제 사업 성과에 속도·정밀도·세분화로 직접 연결해, 채널과 캠페인을 아우르는 통합 관점을 제공했다”고 밝혔다. 델타는 팀 USA 올림픽 스폰서십의 매출 상승분을 며칠 만에 정량화해 브랜드 활동과 항공권 판매를 직접 연계했다.

두 층 높이, 액체냉각 NVL72: ‘GPU를 녹인’ 컴퓨팅

Alembic은 클라우드 대신 자체 인프라에 대규모 투자를 단행했다. 샌호세 Equinix에 설치하는 엔비디아 NVL72 superPOD(블랙웰 GPU, 액체냉각)는 비(非)포춘 500 기업 중 유일한 규모라는 설명이다. 이들의 모델은 한 번 학습해 배포하는 LLM과 달리, 스파이킹 뉴럴 네트워크 기반 온라인·진화형 구조로 신규 데이터가 들어올 때마다 계속 학습한다. 고객 데이터가 유입되면 지표·차원 조합을 수십억 가지로 자동 탐색해 가장 강한 인과 신호를 찾고, 이를 위해 CUDA 커스텀 코드와 저수준 GPU 커널까지 최적화한다. 과거 과열로 실제 GPU를 손상시킨 일화 끝에 액체냉각으로 전환했고, 동일 작업을 클라우드에서 사면 연간 6200만달러가 들 계산이 나와, 자가 보유가 ‘일부 비용의 단편’에 그친다고 한다.

데이터 주권을 겨냥한 ‘중립’ 배치

금융·CPG 등 다수 기업은 AWS·Azure·GCP에 민감 데이터를 둘 수 없도록 계약·규제 제한을 둔다. “CPG는 아마존에 데이터가 존재하는 것 자체를 원치 않는다”는 푸이그의 말처럼, Alembic은 중립 데이터센터의 자체 장비로 클라우드 회피 수요를 흡수해 경쟁 우위를 만든다.

엔비디아와의 파트너십 비화

시리즈 A 보도가 나간 직후, 젠슨 황이 기사를 읽고 내부에 탐색을 지시하면서 협력이 시작됐다. 첫 인과 분석을 맥프로로 ‘몇 주’ 돌려 제공하자, 엔비디아는 주간 리포트를 제안했지만 GPU가 필요했다. 당시 클라우드는 승인·대기 기간이 길고 보장도 불확실했다. 엔비디아가 직접 나서 Equinix의 전력·공간을 확보해주고 첫 H100 클러스터를 연결했다. 이후 AI Enterprise 스택(cuGraph, TensorRT 등)과의 밀결합으로 연구팀은 멀티 엑사플롭급 컴퓨트와 알고리즘 라이브러리를 활용하게 됐고, 과부하로 보드를 파손하던 문제를 계기로 차세대 액체냉각 시스템 접근도 앞당겨졌다.

포춘 500 사례: 스폰서십부터 바이럴까지

델타항공·마스·대형 테크·금융사, 텍사스 A&M 체육부 등에서 활용 중이다. 마스는 한정판 형태 변경이 매출에 미친 효과를 계량했고, 한 포춘 500 테크 기업은 파이프라인을 37% 확대했다. 한 포춘 200 금융사는 CEO 공개활동·거래소와의 코마케팅이 실제 자금 유입으로 이어진 경로를 확인했다. 푸이그에 따르면 플랫폼은 최대 2년 앞의 매출·성사율·고객획득을 95% 신뢰도로 예측한다.

왜 구글·메타·닐슨도 곧바로 못 따라오나

첫째, 특허로 보호되는 독자 수학과 방법론을 바닥부터 재현해야 한다. 둘째, ‘파운데이션 모델급’ 컴퓨팅이 필요해 연간 수억달러에 달하는 클라우드 비용 장벽이 존재한다. 셋째, 고객의 데이터 주권 요구는 하이퍼스케일러가 취약한 중립 지대를 만든다. 넷째, 초기에 ‘지저분한’ 데이터를 다루는 거대 신호처리 파이프라인을 수년간 쌓은 이력이 인과 추론의 기반이 됐다.

전망: 인과 AI로 ‘기업의 중추신경’을 겨냥

Alembic은 마케팅을 넘어 로보틱스 파일럿, 별도 판매되는 GPU 가속 데이터베이스 등으로 확장 중이다. 범용 LLM 역량이 수렴할수록, 경쟁우위는 남이 접근 못 하는 데이터에서 인텔리전스를 뽑아내는 인과 AI에 쏠릴 것이라는 게 회사의 베팅이다. 푸이그는 퀀트 헤지펀드에 비유하며, “누구나 쓰는 챗봇이 아닌, 당신의 데이터에 숨은 원인-결과를 이해하는 사설 인텔리전스 엔진”이 지속가능한 우위라고 강조했다.