전 프로메테우스 영입 대상 연구진, 한 번에 5조 개 데이터 포인트를 처리하는 AI 공개

뉴스 요약

한때 제프 베이조스의 야심 찬 프로젝트 프로메테우스를 이끌라는 제안을 받았던 두 연구원이 근본적으로 다른 기술 기반 위에 구축된 자신들만의 인공지능 벤처를 공개했다. 칼텍 컴퓨팅·수리과학 교수이자 전 아마존 과학자, 전 엔비디아 디렉터인 애니마 아난드쿠마르는 남편이자 AI 인프라 엔지니어인 베네딕트 예니크와 함께 2026년 8월 25일(미 동부 시간) Accelerated Understanding Inc를 공식 출범시키며, 언어를 생성하는 대신 물리 시스템을 시뮬레이션하도록 설계된 모델을 공개했다.

프로메테우스의 제안

로이터가 보도하고 여러 매체가 교차 확인한 세부 내용에 따르면, 프로젝트 프로메테우스와의 인연은 2024년 말 투자자이자 바이오테크 기업가인 비크 바자즈가 로스앤젤레스에서 아난드쿠마르와 예니크를 저녁 식사 자리에서 만나 협업 가능성을 논의하면서 시작되었다. 바자즈는 이후 베이조스와 함께 프로메테우스를 공동 창업했다. 제안서에는 두 사람에게 35%의 지분, 100만 달러에서 3개월 후 200만 달러로 오르는 연봉, 시리즈 B 라운드를 통한 20억 달러 이상의 확정 자금 조달이 포함되어 있었으며, 베이조스도 후원자 중 한 명이었다. 아난드쿠마르는 이 벤처의 대표 얼굴이자 과학 책임자를 맡을 예정이었다.

아난드쿠마르와 예니크는 결국 이 제안을 거절하고 자신들의 회사를 독립적으로 계속 개발하는 길을 택했다. 프로젝트 프로메테우스는 이들 없이 진행되었고, 이후 2026년 6월 120억 달러 규모의 시리즈 B 자금 조달을 마감한 것으로 알려졌으며, 복잡한 물리적 제품의 제조 자동화에 초점을 맞춘 사명을 추구하고 있다.

다른 아키텍처: 트랜스포머 대신 신경 연산자

Accelerated Understanding의 접근 방식과 주류 대규모 언어 모델의 핵심적인 차이는 기반 아키텍처에 있다. 앤트로픽과 구글이 구축한 챗봇을 포함한 대부분의 현대 AI 시스템은 텍스트 시퀀스에서 다음 단어나 토큰을 예측하는 트랜스포머 아키텍처에 의존한다. 반면 Accelerated Understanding은 아난드쿠마르가 초기 연구 경력 동안 개척을 도운 연속 물리 시스템 모델링을 위한 수학적 프레임워크인 신경 연산자를 사용한다.

언어의 통계적 패턴을 학습하는 대신, 신경 연산자 접근 방식은 물리 시스템 내의 관계를 학습하고 그러한 시스템이 시공간에 걸쳐 어떻게 진화하는지 예측한다. 아난드쿠마르는 설계 철학을 기존 AI와 대비하며 이렇게 설명했다. "언어 중심의 지능관은 인간을 중심에 둡니다. 물리학을 중심에 두는 것은 자연 중심의 관점입니다."

새 모델의 규모

내부 테스트에서 Accelerated Understanding의 시스템은 단일 프롬프트 안에서 5조 개의 데이터 포인트를 처리한 것으로 알려졌다. 회사 측은 이 양이 다른 주요 AI 연구소의 대표 언어 모델이 일반적으로 한 번의 입력에서 처리하는 양보다 약 500만 배 더 크다고 설명한다. 이러한 규모는 아키텍처의 부산물로 제시된다. 물리 시스템이 개별 텍스트 토큰이 아닌 연속적인 장으로 표현되기 때문에, 모델이 훨씬 더 밀도 높은 과학 및 센서 데이터 스트림을 한 번에 받아들일 수 있다는 것이다.

엔비디아에서의 기원

아난드쿠마르의 신경 연산자 연구는 2018년 합류해 약 5년간 디렉터로 재직한 엔비디아 시절로 거슬러 올라간다. 2021년 엔비디아 CEO 젠슨 황은 회사의 GTC 콘퍼런스에서 그녀의 신경 연산자 연구를 공개적으로 조명했는데, 이는 트랜스포머 모델에 대한 물리 기반 대안에 대한 업계의 관심을 보여주는 초기 신호였다.

자금 조달과 인프라

아난드쿠마르는 구체적인 자금 조달 규모나 Accelerated Understanding을 후원하는 투자자 이름을 공개하지 않았다. 다만 회사가 모델 훈련과 실행에 사용되는 하드웨어 클러스터를 공급한 컴퓨팅 제공업체들과 파트너십을 확보했다고 밝혔으나, 해당 파트너들을 공개적으로 밝히지는 않았다.

잠재적 응용 분야

보도에 따르면 신경 연산자 모델을 위해 탐색 중인 초기 응용 분야로는 반도체 및 소재 설계, 로봇공학, 극한 기상 예보, 에너지 탐사를 위한 지질 데이터 분석 등이 있다. 창업자들이 밝힌 더 큰 포부는 언어 기반 모델이 처리하도록 설계되지 않은 규모에서 물리 및 자연 시스템의 거동을 표현하고 예측할 수 있는 AI 시스템을 구축하는 것이다.

이 비교가 중요한 이유

이 이야기는 첨단 AI 개발 접근 방식에서 커지는 분기점을 부각한다는 점에서 AI 업계의 주목을 받았다. 프로젝트 프로메테우스를 포함한 업계의 상당 부분이 대규모 학습 시스템을 물리적 제조 및 엔지니어링 작업 자동화에 적용하는 데 집중해 온 반면, Accelerated Understanding은 과학적 용도로 개조된 언어 기반 모델보다 물리 네이티브 아키텍처가 자연 세계를 모델링하는 데 더 적합할 수 있다는 또 다른 가능성에 대한 베팅을 대표한다.