[Startup 분석] Sakana AI – 일본형 소버린 AI와 자율 연구 에이전트

AI 스타트업을 볼 때 요즘 가장 중요한 질문은 “누가 가장 큰 모델을 만들었나”만이 아니다. 더 현실적인 질문은 미국과 중국의 거대 모델 경쟁 바깥에서 각 국가가 자기 언어, 산업, 규제에 맞는 AI를 만들 수 있느냐다. 이 지점에서 일본의 Sakana AI는 한국 독자에게도 꽤 중요한 사례다. 일본은 OpenAI나 Anthropic과 같은 초대형 연구소를 그대로 복제하기보다, 소버린 AI, 후학습, 멀티 에이전트, 기업 현장 적용을 결합하는 길을 택하고 있다. Sakana AI는 그 전략을 가장 선명하게 보여주는 스타트업이다.

왜 지금 Sakana AI를 봐야 하는가?

Sakana AI를 지금 봐야 하는 이유는 세 가지다.

첫째, 회사가 연구소에서 제품 회사로 넘어가고 있다. 2026년 6월 Sakana Fugu와 Sakana Marlin을 앞세워 멀티 모델 오케스트레이션 API와 전략 리서치 에이전트를 전면에 내세웠다.
둘째, 일본형 소버린 AI의 대표 사례가 되고 있다. 공식 발표 기준 MUFG, Google, Salesforce Ventures, Datadog, Citi, In-Q-Tel 등 글로벌·일본 전략 투자자가 함께 들어왔다.
셋째, 한국에도 시사점이 크다. 한국도 자체 LLM, AI 반도체, 데이터센터, 공공 AI 전략을 동시에 고민한다. Sakana AI는 “작은 나라가 어떻게 AI 주권을 확보할 것인가”라는 질문에 대한 일본식 답안에 가깝다.

내가 이 회사를 흥미롭게 보는 이유도 여기에 있다. Sakana AI는 단순히 모델 하나를 파는 회사가 아니라, AI 연구 자동화, 기업용 에이전트, 국가별 AI 최적화가 만나는 지점에 서 있다.

기업 개요: Sakana AI는 무엇을 하는 회사인가?

Sakana AI는 도쿄 기반의 AI R&D 스타트업이다. 공동창업자는 David Ha, Llion Jones, Ren Ito로 알려져 있고, 특히 Llion Jones는 Transformer 논문의 공동 저자 중 한 명이라는 점 때문에 초기부터 주목을 받았다. 회사 이름인 Sakana는 일본어로 물고기를 뜻하며, 여러 개체가 모여 하나의 지능처럼 움직이는 집단지능을 상징한다.

공식 사이트가 내세우는 방향은 “Building Frontier AI in Japan”이다. 중요한 점은 이 회사가 거대 모델을 처음부터 끝까지 무식하게 크게 학습시키는 전략만을 택하지 않는다는 것이다. Sakana AI의 연구 축은 다음에 가깝다.

진화적 모델 병합과 후학습을 통한 효율적 모델 개발
여러 모델을 묶어 하나의 지능처럼 쓰는 멀티 에이전트 오케스트레이션
AI가 AI 연구 과정을 자동화하는 AI Scientist
금융, 방위·정보, 제조업 같은 일본 핵심 산업에 맞춘 커스텀 AI
일본어·일본 문화·일본 규제에 맞춘 소버린 AI

요약하면 Sakana AI는 “더 큰 모델”보다 더 적은 자원으로, 일본 산업에 더 잘 맞는 AI를 만드는 방법에 베팅하는 회사다.

투자 유치와 밸류에이션: 320억 엔 Series B, 4,320억 엔 기업가치

Sakana AI는 2025년 11월 공식 발표에서 Series B로 320억 엔, 약 2억 달러를 조달했다고 밝혔다. 회사는 이 라운드 이후 post-money valuation을 약 4,320억 엔, 약 27억 달러로 제시했다. 누적 조달액은 공식 발표 기준 약 660억 엔, 약 4억1,200만 달러다.

투자자 구성이 이 회사의 포지션을 잘 보여준다. MUFG, Khosla Ventures, NEA, Lux Capital 같은 기존 투자자에 더해 Factorial Funds, Macquarie Capital, Mouro Capital, In-Q-Tel, Mitsubishi Electric, Salesforce Ventures, Google, Datadog, Citi, JAFCO 등이 참여했다. 단순 재무적 투자라기보다 금융, 클라우드, 보안, 공공·국방, 제조업으로 이어지는 전략적 네트워크에 가깝다.

이 밸류에이션은 전통적인 매출 배수만으로 설명하기 어렵다. 시장은 Sakana AI를 일본의 AI 모델 회사로만 보지 않는다. 일본이 자체 AI 생태계를 만들 때 필요한 연구·제품·산업 적용의 중심축이 될 수 있다는 기대에 값을 매기고 있다.

Sakana Fugu: 여러 모델을 하나의 API처럼 쓰는 전략

2026년 6월 공개된 Sakana Fugu는 이 회사의 사업 방향을 가장 잘 보여주는 제품이다. Fugu는 하나의 모델처럼 제공되지만, 실제로는 여러 전문 모델과 에이전트를 동적으로 조합한다. 사용자는 OpenAI 호환 API를 통해 접근하고, 시스템은 작업에 따라 모델 선택, 역할 분담, 검증 과정을 조정한다.

이 접근은 AI 시장의 중요한 변화를 반영한다. 앞으로 기업은 “모델 A 하나만 쓰겠다”보다 “코딩은 이 모델, 추론은 저 모델, 검증은 다른 모델, 비용은 최소화”를 원하게 된다. Fugu는 이 복잡한 라우팅과 오케스트레이션을 API 뒤로 숨기려는 제품이다.

공식 설명 기준 Fugu는 코딩, 추론, 과학·공학 문제 같은 복잡한 작업을 겨냥한다. Fugu Ultra는 더 넓은 전문 에이전트 풀을 연결해 Kaggle, 논문 재현, 사이버보안 분석, 문헌·특허 조사 같은 고난도 문제에 쓰인다고 소개된다. 이 말이 모두 시장에서 검증됐다고 볼 수는 없지만, 방향은 분명하다. Sakana AI는 모델 제공자라기보다 모델 조율 계층을 팔고 싶어 한다.

Sakana Marlin: 리서치 에이전트를 돈 버는 제품으로 만들 수 있을까?

Sakana Marlin은 더 직접적인 상용 제품이다. 회사는 Marlin을 “Virtual CSO”로 설명한다. 사용자가 조사 주제를 입력하면, Marlin이 수 시간 동안 가설 수립, 정보 수집, 검증, 구조화를 반복해 전략 리포트와 선택지를 만든다는 구조다.

여기서 흥미로운 점은 단순 요약 도구가 아니라는 점이다. 공식 자료는 Marlin이 복잡한 비즈니스 환경의 인과관계를 읽고, 경영진이 논의할 수 있는 전략 옵션을 구조화한다고 설명한다. 특히 몇 주 걸리는 리서치와 수십 페이지 전략 보고서 작성 과정을 약 8시간 안에 실행하는 것을 목표로 제시한다.

이 제품은 Sakana AI의 수익화 방향을 잘 보여준다. 연구 성과를 논문으로만 남기지 않고, 금융·전략·정책·시장조사처럼 돈을 내는 고객이 분명한 영역으로 옮기는 것이다. 다만 실제로 컨설턴트 수준의 판단을 안정적으로 대체할 수 있는지는 별개 문제다. 이 제품의 가치는 “얼마나 긴 리포트를 쓰느냐”가 아니라 고객이 의사결정에 쓸 만큼 믿을 수 있는 근거와 선택지를 주느냐에서 결정될 것이다.

AI Scientist: 연구 자동화는 진짜 사업이 될 수 있나?

Sakana AI를 유명하게 만든 연구는 AI Scientist다. 공식 발표와 Nature 게재 자료 기준, 이 시스템은 머신러닝 연구의 아이디어 생성, 문헌 탐색, 실험 설계, 코드 작성, 실험 실행, 논문 작성, 리뷰까지 자동화하는 것을 목표로 한다. 2026년 3월에는 AI Scientist 관련 논문이 Nature에 실렸고, 회사는 AI Scientist-v2가 사람이 심사하는 ICLR 2025 워크숍에서 평균 human acceptance threshold를 넘는 점수를 받은 사례를 공개했다.

이 성과는 과장해서도 안 되고, 과소평가해서도 안 된다. 과장하면 “AI가 과학자를 대체했다”가 되지만, 아직 시스템은 얕은 아이디어, 방법론적 엄밀성 부족, 코드 구현 오류, 환각 같은 한계를 가진다. 반대로 과소평가하면 중요한 흐름을 놓친다. AI가 단순 답변기를 넘어 가설을 만들고, 실험을 돌리고, 결과물을 개선하는 워크플로로 이동하고 있다는 점은 분명하다.

장기적으로 AI Scientist의 사업적 가치는 연구소, 제약, 소재, 반도체, 금융공학, 제조 최적화 같은 분야에서 나온다. 인간 연구자의 생산성을 높이거나, 기업 내부의 실험 탐색 비용을 줄이는 방향이다. Sakana AI가 금융·방위·제조업에 관심을 두는 것도 이 흐름과 맞닿아 있다.

돈은 어디서 버는가?

Sakana AI의 비즈니스 모델은 아직 완전히 공개된 가격표 하나로 정리되지는 않는다. 하지만 현재 공개 자료를 기준으로 보면 가능한 수익원은 네 가지다.

API 사용료: Sakana Fugu처럼 OpenAI 호환 API로 제공되는 모델·에이전트 오케스트레이션 사용량에서 과금할 수 있다.
기업용 리서치 제품: Sakana Marlin은 전략 리서치와 의사결정 지원에 특화된 프리미엄 SaaS 또는 엔터프라이즈 계약으로 확장될 수 있다.
커스텀 AI 구축: MUFG, Daiwa Securities Group 같은 대기업과 특정 업무에 맞춘 AI 애플리케이션을 공동 개발한다.
소버린 AI·공공 부문 계약: 일본어, 일본 문화, 공공 데이터, 방위·정보 수요에 맞춘 후학습과 배포에서 장기 계약을 만들 수 있다.

핵심은 연구를 수익으로 바꾸는 속도다. AI 연구 스타트업은 논문과 데모로 주목받기 쉽지만, 매출은 고객 업무 안으로 들어가야 생긴다. Sakana AI가 2025년부터 Applied Team과 금융 파트너십을 강조하는 이유도 여기에 있다.

경쟁 구도: OpenAI와 경쟁하되, 같은 게임을 하지는 않는다

Sakana AI의 경쟁자를 단순히 OpenAI, Anthropic, Google DeepMind로만 보면 부족하다. 이 회사는 정면으로 “가장 큰 범용 모델” 전쟁을 하려는 회사라기보다, 다른 축에서 경쟁한다.

모델 성능 경쟁: OpenAI, Anthropic, Google, xAI, DeepSeek, Meta, Mistral 등과 비교될 수밖에 없다.
모델 라우팅·오케스트레이션 경쟁: OpenRouter, LangChain, LlamaIndex, 각종 에이전트 플랫폼과 일부 겹친다.
엔터프라이즈 AI 경쟁: Accenture, Palantir, Datadog, Salesforce, 대형 SI, 컨설팅 회사와도 고객 예산을 두고 만난다.
소버린 AI 경쟁: 각국의 국가 AI 프로젝트, 통신사·클라우드·반도체 기업 연합과 비교된다.

Sakana AI의 강점은 일본이라는 명확한 시장과 전략적 투자자다. 약점은 글로벌 모델 경쟁에서 미국·중국 초대형 회사보다 자본과 컴퓨트가 제한적이라는 점이다. 그래서 이 회사의 전략은 합리적이다. 무조건 더 크게 학습하기보다, 후학습, 모델 조합, 산업별 적용, 일본 시장 장악으로 다른 길을 만든다.

이 밸류에이션은 말이 되는가?

공식 발표 기준 약 27억 달러 post-money valuation은 높은 가격이다. 특히 아직 OpenAI나 Anthropic처럼 대규모 반복 매출이 공개된 회사는 아니다. 따라서 단기 매출 기준으로만 보면 비싸 보일 수 있다.

하지만 밸류에이션의 논리는 다르다. 일본은 AI에서 미국과 중국을 그대로 따라가기 어렵다. 대신 일본어, 일본 기업 업무, 일본 금융·제조·공공 영역에 맞는 AI를 직접 통제하려는 수요가 있다. Sakana AI가 이 수요의 기본 기술 공급자가 된다면, 시장은 단순 SaaS보다 크다.

반대로 제품 매출이 늦게 올라오거나, Fugu와 Marlin이 기존 모델·에이전트 제품과 차별화되지 못하면 밸류에이션은 부담으로 바뀐다. 지금 가격은 “이미 증명된 현금흐름”보다 일본형 소버린 AI 플랫폼이 될 수 있다는 가능성에 가깝다.

가장 큰 리스크는 연구와 제품 사이의 거리다

Sakana AI의 리스크는 분명하다.

제품 검증 리스크: Fugu와 Marlin이 실제 기업 환경에서 반복 사용될 만큼 안정적인지는 앞으로 더 봐야 한다.
연구 과장 리스크: AI Scientist는 중요한 연구지만, 아직 환각, 구현 오류, 방법론적 엄밀성 문제가 남아 있다.
컴퓨트 리스크: 효율을 강조하더라도 프론티어 AI 경쟁에는 여전히 막대한 GPU와 인재가 필요하다.
고객 집중 리스크: 금융, 공공, 방위 영역은 큰 계약을 만들 수 있지만, 세일즈 사이클이 길고 규제·보안 요구도 높다.
글로벌 확장 리스크: 일본 최적화가 강점인 동시에, 해외에서는 범용 모델 회사와 직접 비교될 수 있다.

특히 이 회사의 가장 큰 시험대는 논문이 아니라 고객 현장이다. MUFG 같은 대형 금융사와의 협업이 실제 생산성, 비용 절감, 리스크 관리 개선으로 이어지는지 확인해야 한다.

개인적 판단: 한국이 봐야 할 것은 Sakana AI의 제품보다 전략이다

나는 Sakana AI를 한국 입장에서 봐야 할 회사라고 생각한다. 이유는 간단하다. 한국도 미국·중국과 같은 규모로 모델 전쟁을 하기 어렵다. 그렇다면 한국형 AI 전략은 세 가지 질문에 답해야 한다. 어떤 영역에서 자체 모델이 필요한가. 어디까지 오픈 모델을 활용할 것인가. 그리고 어떤 산업 고객을 먼저 장악할 것인가.

Sakana AI는 이 질문에 대해 일본식 답을 내고 있다. 초대형 사전학습 경쟁만 따라가지 않고, 후학습과 모델 조합으로 효율을 만들고, 금융·방위·제조업 같은 산업 현장에 붙이며, 일본어와 일본 사회에 맞춘 소버린 AI를 이야기한다. 한국의 Rebellions, Upstage, Naver, 통신사, 클라우드, 공공 AI 전략이 앞으로 풀어야 할 문제와 많이 닮아 있다.

내 판단은 이렇다. Sakana AI는 아직 검증이 끝난 승자는 아니다. 그러나 작은 AI 강국이 거대 모델 패권 바깥에서 어떤 전략을 취할 수 있는지 보여주는 가장 흥미로운 실험 중 하나다. 한국 AI 생태계도 이 회사를 단순 경쟁사로 보기보다, 전략적 참고 사례로 볼 필요가 있다.

핵심 요약

Sakana AI는 도쿄 기반의 AI R&D 스타트업으로, 일본형 소버린 AI와 효율적 모델 개발을 전면에 내세운다.
공식 발표 기준 2025년 11월 Series B에서 320억 엔, 약 2억 달러를 조달했고 post-money valuation은 약 4,320억 엔, 약 27억 달러다.
2026년에는 Sakana Fugu와 Sakana Marlin을 통해 멀티 에이전트 API와 전략 리서치 제품을 본격화하고 있다.
AI Scientist는 연구 자동화의 가능성을 보여줬지만, 환각·구현 오류·방법론적 엄밀성 같은 리스크도 남아 있다.
한국 입장에서는 “거대 모델을 그대로 따라가지 않는 소버린 AI 전략”의 참고 사례로 볼 만하다.

참고 자료

불확실성 메모: 투자 금액, 밸류에이션, 누적 조달액은 Sakana AI의 2025년 11월 Series B 공식 발표 기준이다. Fugu와 Marlin의 성능·고객 효과는 회사가 공개한 제품 설명과 사례 기준이며, 독립적인 대규모 매출 자료나 고객별 ROI가 모두 공개된 것은 아니다. AI Scientist의 peer-review 통과 및 Nature 게재 관련 내용은 회사 공식 발표와 공개 논문 기준이며, 해당 시스템의 한계도 회사가 직접 명시한 내용을 반영했다.