얀 르쿤과 AMI랩스, 새로운 AI 비전을 제시하다
지난 몇 년간 인공지능(AI)은 글로벌 기술 산업에서 중요한 위치를 차지하며 발전해 왔습니다. AI는 단순히 음성 비서나 콘텐츠 생성에 그치지 않고 인간을 닮은 사고 능력을 목표로 진화하고 있습니다. 이러한 미래 비전을 제시한 인물이 바로 'AI의 대부'로 불리는 얀 르쿤 교수입니다.
뉴욕대학교 교수이자 메타(Meta)의 수석 과학자인 그는 현대 딥러닝의 근간을 마련한 인물로 평가받습니다. 퀸 엘리자베스 공학상, ACM 튜링상 등 과학 및 공학 분야 최고 권위의 상을 수상한 르쿤 교수는 이번엔 스타트업 창업을 통해 또 다른 혁신을 준비하고 있습니다. 얀 르쿤이 설립한 AMI랩스는 창업 단 4개월 만인 2026년 3월 12일, 10억 3천만 달러(약 1조 5천억 원)의 시드 투자를 유치하며 단숨에 유니콘 기업으로 등극했습니다.
이는 벤처투자 업계에서도 보기 드문 규모로, 그의 기술 철학과 비전은 단순한 연구를 넘어 글로벌 AI 산업의 패러다임에 영향을 미칠 가능성을 열어줍니다. 이번 투자 유치 금액은 벤처투자 업계 역사상 두 번째로 큰 시드 투자 규모로 기록되었습니다.
광고
지난해 오픈AI(OpenAI) 출신 미라 무라티가 설립한 '싱킹머신즈랩(Thinking Machines Lab)'이 20억 달러의 시드 투자를 유치한 데 이어, AMI랩스가 그 뒤를 잇는 경이로운 기록을 세운 것입니다. AMI랩스는 이를 통해 기업 가치 35억 달러(약 5조 원)를 달성하며 빠르게 성장하는 유니콘으로 자리매김했습니다. AMI랩스의 핵심은 고급 기계지능(Advanced Machine Intelligence)을 통해 기존 주류 모델인 텍스트 기반 접근법을 넘어서는 기술적 돌파를 이루려는 것입니다.
'월드 모델(World Model)'이라는 새로운 개념이 바로 그 중심에 있습니다. AMI랩스에서 'AMI'는 '고급 기계 지능(Advanced Machine Intelligence)'을 의미하며, 이 스타트업은 기존의 거대언어모델(LLM) 중심 AI와는 근본적으로 다른 접근 방식을 추구합니다. 르쿤 교수는 텍스트 기반 시스템만으로는 인간 수준의 추론 능력을 달성하기 어렵다고 주장합니다.
광고
그는 AI가 물리적 세계의 법칙을 이해하고 학습할 수 있도록 하는 '월드 모델(World Model)' 기술을 지향하고 있습니다. 즉, 인간처럼 세상을 보고 이해하는 AI를 만드는 것이 AMI랩스의 목표입니다.
이는 AI가 영상과 공간 데이터를 통해 실제 세상을 배워야 한다는 그의 신념에서 비롯된 것입니다. 월드 모델의 아이디어는 기존 AI 기술의 한계를 극복하기 위해 설계되었습니다. 현재 널리 사용되는 거대언어모델(LLM)은 텍스트와 숫자 데이터를 처리하며 자연언어 처리, 이미지 생성 등에서 뛰어난 성능을 발휘하지만, 보다 인간적인 사고력, 즉 물리적 세계의 인과관계와 맥락을 이해하는 능력은 제한적입니다.
르쿤 교수는 이러한 한계를 지적하며 월드 모델을 통해 물리적 사물과 공간 간의 상호작용을 더욱 정교하게 학습할 수 있는 기술을 제시했습니다.
거대언어모델 극복을 목표로 한 '월드 모델'의 등장
르쿤 교수는 언론 인터뷰에서 자신의 비전을 명확히 밝힌 바 있습니다. "궁극적인 목표는 가정용 로봇부터 자율주행까지 모든 것에 적용할 수 있는 '범용 지능 시스템'을 개발하는 것"이라고 그는 강조했습니다.
광고
이는 자율주행 차량, 가정용 로봇, 그리고 산업 자동화 분야까지 다양하게 응용될 수 있는 잠재력을 의미합니다. 흥미로운 것은 이러한 접근법이 AI 업계에서의 기존 흐름과 대조를 이룬다는 점입니다. 메타와 같은 대기업은 생성형 AI를 상용화하고 확장하려는 방향에 초점을 맞추고 있지만, AMI랩스는 인간 중심적인 사고 방식에 더 가까운 기술로 무게를 옮기는 것입니다.
이러한 비전은 메타가 추진하는 생성형 AI 중심 전략과의 입장 차이로 이어져, 르쿤 교수가 메타를 떠나 직접 AMI랩스를 설립하게 된 배경이기도 합니다. 벤처투자 업계는 이번 사례를 주목하고 있습니다.
AMI랩스의 투자 유치가 보여주는 것은 기술적 비전을 중심으로 자본 시장이 얼마나 예민하게 반응할 수 있는지를 입증한 사례라는 점입니다. 특히 설립 4개월 만에 10억 3천만 달러라는 경이로운 규모의 시드 투자를 유치했다는 점은 투자자들이 르쿤 교수의 혁신적인 기술 철학과 미래 비전에 얼마나 높은 기대와 신뢰를 보내고 있는지를 반영한 결과로 분석됩니다.
광고
이번 대규모 투자는 단순히 금액의 크기만으로 의미를 갖는 것이 아닙니다. AI 기술의 방향성에 대한 근본적인 질문을 던지고 있습니다. 텍스트 기반의 거대언어모델이 AI의 주류를 이루는 현재 상황에서, 물리적 세계를 이해하는 AI라는 르쿤 교수의 비전은 새로운 가능성을 제시합니다.
이는 AI가 단순히 언어를 처리하는 수준을 넘어 실제 세계와 상호작용하며 학습할 수 있는 새로운 단계로 진입할 수 있음을 의미합니다. 물론 월드 모델이 당장 시장에서 사용 가능한 제품으로 탈바꿈할 수 있을지에 대해서는 여전히 의문이 제기되고 있습니다.
물리적 세계를 이해하는 AI를 구현하기 위해서는 막대한 양의 데이터가 필요하며, 특히 물리적 데이터를 수집하고 이를 학습 가능한 형태로 가공하는 데 드는 비용이 큰 도전 과제로 남아 있습니다. 데이터가 정밀할수록 비용은 기하급수적으로 증가하기 때문에 산업 전체에 걸친 협력이 필수적일 것입니다.
광고
그럼에도 불구하고 AMI랩스가 보여주는 기술적 방향성은 AI 산업의 미래를 조망하는 데 중요한 시사점을 제공합니다. 현재의 생성형 AI가 주로 텍스트, 이미지, 영상 생성에 초점을 맞추고 있다면, 월드 모델은 AI가 실제 세계의 물리 법칙을 이해하고 이를 기반으로 의사결정을 내릴 수 있도록 한다는 점에서 차별화됩니다. 이는 로봇공학, 자율주행, 스마트 제조 등 물리적 세계와의 상호작용이 필수적인 분야에서 혁신적인 발전을 가져올 수 있습니다.
한국에 미칠 파장: AI 산업의 변화와 도약 가능성
역사적으로 볼 때, 새로운 기술의 출현은 때로 기존 산업을 뒤흔들며 새로운 질서를 만들어내는 경우가 많았습니다. AMI랩스의 기술적 접근은 AI 생태계뿐 아니라 전 세계 기술 산업의 방향을 재정립할 수 있는 잠재력을 내포합니다.
이는 단순히 기술력의 강화라는 측면을 넘어, 인간과 AI의 상호작용 방식, 그리고 AI가 실제 세계에서 수행할 수 있는 역할의 범위를 확장시킬 가능성이 있습니다. 르쿤 교수가 평생 연구해온 딥러닝 기술은 이미 이미지 인식, 음성 인식, 자연어 처리 등 다양한 분야에서 혁신을 가져왔습니다. 그가 이제 물리적 세계를 이해하는 AI라는 새로운 도전에 나선 것은 AI 기술의 다음 단계를 향한 중요한 발걸음으로 평가됩니다.
AMI랩스의 성공 여부는 향후 몇 년간 AI 기술의 진화 방향을 가늠하는 중요한 지표가 될 것입니다. 투자자들이 AMI랩스에 거액을 투자한 것은 단순히 르쿤 교수의 명성 때문만은 아닙니다. 그것은 그가 제시하는 기술적 비전이 실현 가능성과 시장성을 모두 갖추고 있다는 판단에서 비롯된 것입니다.
월드 모델 기술이 성공적으로 구현된다면, 이는 AI 산업에서 새로운 표준을 만들어낼 수 있으며, 다양한 산업 분야에 걸쳐 광범위한 응용이 가능할 것입니다. 이제 AI는 단순한 혁신을 넘어 사회 전반을 재구성하는 힘을 갖고 있습니다. AMI랩스의 사례는 그것을 단적으로 보여주며, 향후 몇 년간 기술 발전과 상업적 성공이 어떻게 맞물리며 성장해 나갈지 주목할 필요가 있습니다.
특히 AI 분야의 거장인 얀 르쿤 교수가 직접 창업한 회사가 단기간에 유니콘으로 성장했다는 점은 AI 기술의 다음 단계를 엿볼 수 있는 중요한 신호입니다. AMI랩스의 도전은 AI 기술이 언어와 이미지 처리를 넘어 물리적 세계를 진정으로 이해하는 단계로 나아갈 수 있는지를 시험하는 실험입니다.
이 실험의 성공 여부는 AI 산업의 미래뿐 아니라 인류가 AI와 어떻게 공존하며 발전해 나갈지를 결정하는 중요한 분기점이 될 것입니다. 르쿤 교수의 비전이 현실이 된다면, 우리는 AI가 단순한 도구를 넘어 인간의 파트너로서 물리적 세계에서 함께 작업하고 문제를 해결하는 새로운 시대를 맞이하게 될 것입니다.
김도현 기자
광고
[참고자료]
vertexaisearch.cloud.google.com
){kind=small}
){kind=small}
){kind=small}
){kind=small}