NP Co.는 대규모 언어 모델(LLM)의 기반 기술인 ‘트랜스포머 아키텍처’를 활용한 사전 훈련 기초 모델을 구축하고 있습니다 . 텍스트가 아닌 산업용 물리 데이터를 학습시키는 점이 다를 뿐입니다. 이 모델들은 항공우주, 방위, 에너지, 전자, 데이터 센터, 자동차 산업에서 수십 년간 사용되어 온 레거시 시뮬레이션 소프트웨어를 대체하는 것을 목표로 합니다
.
기존 시뮬레이터가 새로운 설계 안을 검토할 때마다 계산 비용이 막대한 전체 과정을 처음부터 다시 시작해야 하는 것과 달리, NP Co.의 접근 방식은 일단 관련 물리 법칙을 한 번 학습시킨 후, 엔지니어가 새로운 설계를 테스트할 때마다 추론을 통해 즉시 결과를 도출합니다 . 설계 변경 때마다 시뮬레이션 체인 전체를 재가동할 필요가 전혀 없습니다.
성능 차이는 압도적입니다. 기존 레거시 시뮬레이션 도구로 하나의 설계를 평가하려면 보통 며칠에서 몇 주가 걸립니다. 하지만 NP Co.의 사전 훈련 모델은 단 몇 초 안에 결과를 내놓습니다 . 항공기 엔진 제조업체 사프란(Safran)이 진행한 산업 벤치마크 테스트에서 이미 1,000배의 속도 향상을 입증했으며, 전체 어셈블리 문제에서는 최대 50,000배까지 가속할 수 있는 경로를 제시하고 있습니다
.
이러한 속도 혁신은 설계 과정의 개념 자체를 바꿉니다. 과거에는 엔지니어 팀이 한두 가지 설계안을 시험하는 데 그쳤다면, 이제는 한 번 시뮬레이션을 돌릴 시간에 수천 가지의 설계 변형을 검토할 수 있게 되었습니다 .
이번 프리시드 투자금은 주로 연구팀 확장과 기초 모델의 지속적인 개발에 사용될 예정입니다 . 장기적으로 NP Co.는 자동화된 설계 도구와 산업 인프라를 위한 실시간 운영 시뮬레이터 구축을 목표로 하고 있습니다
. 단순히 기존 작업 흐름을 가속하는 것을 넘어, 복잡한 물리 시스템을 설계하는 완전히 새로운 방식을 여는 것이 궁극적인 목표입니다.
이번 투자는 시기적으로 매우 흥미로운 맥락에서 발표되었습니다. NP Co.의 발표가 있기 불과 13일 전인 2026년 5월 19일, 미스트랄 AI는 산업 시뮬레이션용 물리 AI 모델을 구축하는 오스트리아 스타트업 Emmi AI를 인수했습니다 . 그런데 그 직후, 미스트랄의 공동 창업자 두 명이 사실상 동일한 문제 영역을 겨냥한 파리의 스타트업에 개인 자금을 직접 투자한 것입니다. 현지 언론은 이 무명에 가까운 스타트업의 투자자 라인업을 두고 “눈에 띄게 블루칩에 가까운 신뢰자들”이라고 표현했습니다
.
이것이 의도적인 위험 분산 전략인지, 아니면 단순히 가장 유망한 기술팀에 대한 베팅인지 속단할 수 없지만, 신호는 분명합니다. 물리 시뮬레이션의 패러다임이 기초 모델의 시대로 빠르게 편입되고 있으며, 유럽 AI 업계의 주요 인물들은 누가 그 주도권을 쥘지에 대해 벌써부터 판돈을 걸고 있다는 것입니다.
Comments
0 comments