Doing

[Startup 분석] AMI Labs – LLM 이후 월드모델을 노리는 Yann LeCun의 AI 랩

AI 시장은 여전히 더 큰 LLM, 더 긴 컨텍스트, 더 싼 추론 비용을 중심으로 움직인다. 그런데 Yann LeCun은 정반대 방향에 베팅하고 있다. 텍스트 다음 토큰을 맞히는 모델만으로는 물리 세계를 이해하고, 계획하고, 장기 기억을 유지하는 지능에 도달하기 어렵다는 주장이다. AMI Labs가 지금 흥미로운 이유는 이 철학이 논문이나 강연이 아니라 10억 달러가 넘는 seed round, 유럽 기반 프런티어 AI 랩, 그리고 Nabla 같은 실제 파트너십으로 바뀌고 있기 때문이다.

LLM 다음 전쟁은 월드모델인가?

AMI Labs의 풀네임은 Advanced Machine Intelligence Labs다. 회사가 내세우는 핵심 키워드는 월드모델, 장기 기억, 추론, 계획이다. 쉽게 말하면 “말을 잘하는 AI”가 아니라 “세계가 어떻게 움직이는지 내부 모델로 이해하는 AI”를 만들겠다는 쪽에 가깝다.

이 포지션은 단순한 마케팅 문구가 아니다. LeCun은 Meta 시절부터 LLM만으로는 인간 수준 지능에 도달하기 어렵고, 비디오·공간·행동 데이터를 통해 세계의 동역학을 학습하는 모델이 필요하다고 주장해 왔다. AMI Labs는 그 주장을 회사 형태로 독립시킨 사례다.

  • 핵심 기술 방향: world model, memory, reasoning, planning
  • 초기 적용 분야: 헬스케어, 제조, 로보틱스, 운송처럼 물리 세계 이해가 중요한 영역
  • 차별점: 챗봇이나 코딩 에이전트가 아니라 “현실을 이해하는 AI 시스템”을 전면에 둠

기업 개요: Meta AI의 반대편에서 출발한 프랑스 AI 랩

AMI Labs는 Yann LeCun이 Meta를 떠난 뒤 만든 파리 기반 AI 스타트업이다. 보도 기준으로 본사는 파리에 있고 뉴욕, 몬트리올, 싱가포르에도 거점을 둔다. LeCun은 executive chairman 역할을 맡고, Nabla 공동창업자인 Alexandre LeBrun이 CEO로 합류했다.

팀 구성도 상징적이다. WSJ와 Business Insider 보도에 따르면 Laurent Solly가 COO, Saining Xie가 cofounder 겸 chief science officer로 합류했다. Xie는 Google DeepMind 출신 연구자로 알려져 있다. 여기에 Pascale Fung 등 AI 연구자들이 언급된다. 한마디로 “유럽판 오픈AI”라기보다는, LLM 중심 경쟁에서 벗어난 연구 중심 프런티어 랩에 더 가깝다.

투자 유치: seed round가 10억 달러를 넘었다

AMI Labs가 시장의 관심을 받은 가장 큰 이유는 자금 조달 규모다. WSJ, FT, Business Insider 보도 기준으로 AMI Labs는 2026년 3월 10억3000만 달러 규모의 seed round를 유치했다. 밸류에이션은 보도에 따라 “pre-money 35억 달러” 또는 “신규 투자 제외 35억 달러”로 표현된다.

투자자 면면도 강하다. 보도 기준 공동 리드에는 Cathay Innovation, Greycroft, Hiro Capital, HV Capital, Bezos Expeditions가 포함됐고, Nvidia, Samsung, Toyota Ventures, Temasek, Bpifrance Digital Venture, Publicis Groupe, Eric Schmidt, Xavier Niel 등도 언급된다.

여기서 중요한 점은 “제품 매출이 이미 크다”가 아니라 “장기 연구에 10억 달러를 태울 만한 팀과 논점이 있다”는 평가다. AMI Labs는 seed 단계 회사지만, 자금 조달 방식은 일반적인 SaaS seed와 완전히 다르다.

무엇을 팔 수 있을까?

아직 AMI Labs의 상용 제품은 명확하게 공개되지 않았다. 공식 웹사이트도 현재는 “Launching Soon” 수준의 신호만 보여준다. 그래서 이 회사의 사업 모델은 확정된 SaaS 가격표보다, 어떤 형태로 기술이 상품화될 수 있는지를 보는 편이 맞다.

현재 공개 자료를 기준으로 가능한 수익 모델은 세 가지다.

  • API 또는 모델 접근권: 기업이 월드모델 기반 기능을 제품에 붙이는 방식
  • 전략적 파트너십: Nabla처럼 특정 산업 파트너와 먼저 연구·제품화를 진행하는 방식
  • 고부가 산업용 에이전트: 병원, 공장, 로봇, 자율주행 같은 영역에서 계획·시뮬레이션·의사결정을 지원하는 방식

FT는 AMI Labs가 실제 배포까지 최소 1년 이상의 연구 시간이 필요할 것으로 봤고, Le Monde는 API 또는 오픈소스 형태의 배포 가능성을 언급했다. 즉 단기 매출보다 기술적 증명과 초기 파트너 사례가 먼저다.

왜 Nabla가 첫 파트너인가?

Nabla는 의료 현장에서 의사 대화를 기록하고 문서화를 돕는 AI 어시스턴트 회사다. AMI Labs CEO Alexandre LeBrun이 공동창업한 회사이기도 하다. 보도에 따르면 Nabla는 AMI Labs의 첫 파트너로, 차세대 월드모델 연구에 조기 접근할 수 있다.

이 선택은 꽤 합리적이다. 의료는 단순 텍스트 생성보다 맥락, 시간, 환자 상태 변화, 책임 있는 판단이 중요하다. 월드모델이 정말 강점을 보이려면 “정답 문장을 생성하는 능력”보다 “상황을 유지하고 변화의 의미를 이해하는 능력”이 필요한 영역에서 시험해야 한다.

다만 의료는 규제와 책임 문제가 큰 시장이다. AMI Labs가 의료 파트너십을 기술 검증의 장으로 삼는 것은 강력한 신호지만, 동시에 제품화 속도를 늦출 수 있는 선택이기도 하다.

경쟁 구도: OpenAI와 싸우는 회사인가, DeepMind와 싸우는 회사인가?

표면적으로 보면 AMI Labs는 OpenAI, Anthropic, Google DeepMind, Meta의 프런티어 AI 경쟁에 들어온 회사다. 하지만 실제 경쟁 축은 조금 다르다. OpenAI와 Anthropic이 범용 어시스턴트와 엔터프라이즈 AI 운영체제를 넓히는 동안, AMI Labs는 월드모델이라는 연구 가설에 집중한다.

직접 비교해야 할 회사는 다음에 더 가깝다.

  • Google DeepMind: Genie, 로보틱스, 시뮬레이션 기반 월드모델 연구
  • World Labs: Fei-Fei Li가 이끄는 3D/공간지능 스타트업
  • Physical Intelligence, Skild AI, Genesis AI: 로봇 행동과 물리 세계 이해를 겨냥한 Physical AI 회사들
  • Meta FAIR 계열 연구: LeCun이 직접 키워온 JEPA·V-JEPA 계열 접근

결국 AMI Labs의 경쟁력은 “LLM보다 다른 아키텍처가 맞다”는 말이 아니라, 그 아키텍처가 실제 산업 문제에서 더 나은 성능과 비용 구조를 보여줄 수 있느냐에 달려 있다.

이 밸류에이션은 말이 되는가?

seed 단계에서 35억 달러 pre-money는 매우 공격적이다. 일반적인 관점에서는 매출, 제품, 고객 지표가 거의 없는 회사에 붙이기 어려운 숫자다. 하지만 프런티어 AI 랩은 전통적인 스타트업 밸류에이션 방식과 다르게 움직인다.

투자자 입장에서 이 가격을 정당화하는 논리는 세 가지다.

  • 팀 옵션: LeCun, LeBrun, DeepMind·Meta 출신 연구진이 만드는 대체 AI 경로
  • 시장 옵션: 로보틱스, 제조, 의료, 자율주행처럼 텍스트 AI보다 큰 물리 산업 시장
  • 전략 옵션: Nvidia, Samsung, Toyota 같은 전략 투자자에게는 모델 성능뿐 아니라 하드웨어·산업 생태계 연결 가치가 있음

개인적으로는 이 밸류에이션이 “현재 사업 가치”라기보다 “LLM 이후 패러다임이 열릴 경우의 콜옵션 가격”에 가깝다고 본다. 성공하면 너무 작고, 실패하면 거의 설명하기 어려운 숫자다.

가장 큰 리스크는 연구 가설 그 자체다

AMI Labs의 리스크는 경쟁사가 많다는 정도가 아니다. 핵심 리스크는 월드모델 접근이 LLM 중심 스케일링보다 실용적으로 우월하다는 것을 아직 대규모 시장에서 증명하지 못했다는 점이다.

  • 데이터 리스크: 텍스트처럼 인터넷에 널린 학습 데이터가 아니라, 비디오·센서·행동 데이터가 필요할 수 있다.
  • 제품화 리스크: 연구 성과를 고객이 돈 내고 쓰는 API나 워크플로로 바꾸는 과정이 길 수 있다.
  • 컴퓨트 리스크: 월드모델도 결국 대규모 연산과 데이터 파이프라인이 필요하다.
  • 시간 리스크: LLM 회사들이 에이전트, 비디오, 로보틱스까지 확장하면 AMI Labs의 차별성이 흐려질 수 있다.

특히 “LLM은 부족하다”는 주장은 설득력이 있지만, “그래서 월드모델이 더 빠르게 돈을 번다”는 결론은 아직 별개의 문제다.

개인적 판단: AMI Labs는 제품 회사보다 논점 회사에 가깝다

AMI Labs를 볼 때 중요한 질문은 “또 하나의 AI 유니콘인가?”가 아니다. 더 정확한 질문은 “AI 산업이 LLM 중심에서 물리 세계 이해 중심으로 한 번 더 이동할 수 있는가?”다.

나는 AMI Labs가 단기적으로는 과대평가 논란을 피하기 어렵다고 본다. 아직 공개 제품, 매출, 고객 사례가 충분하지 않고, seed 단계 밸류에이션은 이미 웬만한 late-stage SaaS 회사를 넘어선다. 하지만 장기적으로는 볼 가치가 크다. AI가 실제 경제를 바꾸려면 문서 작성과 코딩을 넘어 병원, 공장, 로봇, 운송, 에너지 같은 물리 시스템을 이해해야 하기 때문이다.

정리하면 AMI Labs는 “지금 돈을 얼마나 버는 회사인가”보다 “다음 AI 아키텍처 논쟁의 중심에 설 수 있는 회사인가”로 봐야 한다. 성공 확률은 높다고 단정하기 어렵지만, 성공했을 때의 시장은 매우 크다.

참고 자료

Donghun Ryou

Popular Categories

Search the website

today visits :

78

total visits :

91807

Comments

답글 남기기