알파고 아버지 데이비드 실버, '슈퍼러너' AI에 11억 달러 시드 투자…인간 데이터 없는 강화학습으로 초지능 도전

기록적인 11억 달러 시드 투자 유치

제품, 공개된 로드맵, 매출이 전혀 없던 상황에서 이네퍼블 인텔리전스는 유럽 역사상 최대 규모의 시드 라운드 자금을 조달했습니다. 11억 달러의 투자는 회사 가치를 51억 달러로 평가받았으며, 세쿼이아 캐피탈(Sequoia Capital)과 라이트스피드 벤처 파트너스(Lightspeed Venture Partners)가 공동 주도하고, 엔비디아(Nvidia), 구글(Google), DST 글로벌(DST Global), 인덱스 벤처스(Index Ventures), 그리고 영국 정부의 '소버린 AI 펀드(Sovereign AI Fund)'가 주요 전략적 투자자로 참여했습니다. 이는 글로벌 스타트업 역사상 가장 큰 '퍼스트 머니 인(first-money-in)' 라운드 중 하나로, 실버라는 인재와 그의 급진적인 연구 방향에 대한 투자자들의 강한 신뢰를 보여줍니다.

구글 클라우드와의 독점 파트너십

투자 유치 6주 후인 6월 16일, 이네퍼블 인텔리전스는 인프라 시장에 대한 엄격한 평가를 거쳐 '슈퍼러너' 미션을 위한 파트너로 구글 클라우드를 최종 선택했다고 발표했습니다. 이 계약을 통해 스타트업은 구글 클라우드의 AI 하이퍼컴퓨터(AI Hypercomputer) 아키텍처를 기반으로 한, 세계 최대 규모의 엔비디아 GPU 어레이 중 하나에 접근할 수 있게 되었습니다.

이번 파트너십은 단순한 인프라 계약을 넘어선 전략적 제휴입니다. 구글은 이미 시드 라운드 투자자였으며, 이번 계약은 구글 클라우드 넥스트 '26(Google Cloud Next '26)에서 발표된 8세대 TPU 및 엔비디아 베라 루빈(NVIDIA Vera Rubin) 칩 기반의 새로운 A5X 베어메탈 인스턴스와 같은 최첨단 AI 최적화 하드웨어를 활용합니다. 런던 서밋에서의 발표는 영국이 최첨단 AI 연구 허브로서 부상하고 있음을 강조합니다.

'반(反)LLM' 테제: 인간 데이터 없는 강화학습

이네퍼블 인텔리전스의 핵심 철학은 현재 AI 시장을 지배하고 있는 대규모 언어 모델(LLM) 패러다임에 대한 정면 도전입니다. UCL(University College London) 교수이자 전 딥마인드 강화학습 팀장인 데이비드 실버는 알파고, 알파제로(AlphaZero), 뮤제로(MuZero)의 핵심 설계자로, 이 시스템들은 인간의 기보를 학습하지 않고 순수한 시행착오(self-play)를 통해 바둑, 체스 등 게임을 마스터했습니다.

실버의 핵심 주장은 막대한 인간 생성 텍스트로 훈련된 LLM은 근본적인 한계에 부딪힐 수밖에 없다는 것입니다. LLM은 인간이 이미 기록해 놓은 데이터를 기반으로만 작동(보간/interpolate)할 수 있다는 것입니다. 그가 제안하는 '슈퍼러너'는 환경과의 상호작용을 통해 스스로 데이터를 생성하고, 어떤 인간도 문서화한 적 없는 완전히 새로운 지식을 발견하는 AI입니다. 회사의 사명은 '초지능과의 첫 접촉을 이루는 것(to make first contact with superintelligence)'으로 명시되어 있습니다.

이 접근 방식은 챗GPT, 제미니(Gemini), 클로드(Claude)와 같은 모델의 기반이 되는 인터넷 텍스트 사전 학습을 완전히 배제합니다. 대신, AI 에이전트가 시행착오와 보상 신호를 통해 학습하는 방법인 강화학습에 전적으로 의존합니다. 실버가 2024년 발표한 논문 'Reward is Enough'는 이러한 도전의 지적 프레임워크를 제시하며, 충분히 지능적인 에이전트는 보상 신호에 의해 추동될 때 필요한 모든 지식을 스스로 도출할 수 있다고 주장합니다.

입증되지 않은 길에 건 높은 판돈

막대한 자금 조달과 인프라 투자는 AI 업계의 중요한 이정표입니다. 주요 GPU 공급업체인 엔비디아, 인프라 제공업체인 구글 클라우드, 그리고 최상위 벤처캐피탈이 함께 참여했다는 것은 강화학습 기반의 '경험 학습'이 고급 AI로 가는 신뢰할 수 있고 잠재적으로 우월한 경로라는 중요한 제도적 베팅임을 의미합니다. 이는 오픈AI나 앤트로픽(Anthropic)과 같은 기업의 LLM 중심 전략에 대한 균형추 역할을 할 것으로 보입니다.

그러나 이 모험에는 상당한 위험이 따릅니다. 범용 '슈퍼러너'에 필요한 규모의 강화학습은 엄청난 계산 능력을 필요로 하며, 게임이나 시뮬레이션 환경 외부에서는 아직 검증되지 않았습니다. 11억 달러의 시드 머니가 긴 실행 기간을 제공하지만, 회사는 아직 실제 과학적 발견이나 복잡하고 개방된 영역에서 돌파구를 마련할 수 있음을 증명하지 못했습니다.