[Techmeme 요약] AI 스타트업 패스웨이, 300억 원 투자 유치로 '포스트 트랜스포머' AI 기술 확장 가속화
0
설명
AI 스타트업 패스웨이(Pathway)가 3000만 달러(약 300억 원) 규모의 시드 투자를 유치하며 5억 달러(약 5000억 원)의 기업 가치를 인정받았습니다. 이번 투자는 기존의 '트랜스포머(Transformer)' 아키텍처를 넘어서는 새로운 '포스트 트랜스포머(Post-Transformer)' 방식의 AI 모델 개발 및 확장에 집중될 예정입니다. 특히, 2026년 8월 11일에 발표된 이 소식은 AI 기술의 효율성과 비용 절감에 대한 새로운 가능성을 제시합니다.
### 배경 설명
최근 인공지능(AI) 분야는 '트랜스포머(Transformer)'라는 신경망 아키텍처를 기반으로 급격히 발전해왔습니다. 이는 자연어 처리(NLP) 분야에서 혁신을 가져왔으며, GPT 시리즈와 같은 대규모 언어 모델(LLM)의 등장을 가능하게 했습니다. 하지만 이러한 모델들은 방대한 양의 데이터와 컴퓨팅 자원을 요구하며, 학습 및 추론 과정에서 높은 비용이 발생한다는 단점이 있습니다. 패스웨이는 이러한 기존 방식의 한계를 극복하기 위해 '포스트 트랜스포머' 아키텍처를 개발하고 있습니다. 이 아키텍처는 '드래곤 해츨링(Dragon Hatchling, BDH)'이라고도 불리며, 모델 자체 내에서 추론, 기억, 적응 능력을 통합하여 기존의 확장된 컨텍스트 창(context window)이나 외부 메모리 시스템에 대한 의존도를 줄이는 것을 목표로 합니다. 이는 마치 생물학적 영감을 받은 설계로, 기존의 '힘으로 밀어붙이는(brute-force)' 확장 전략과는 다른 접근 방식입니다.
### 패스웨이의 '포스트 트랜스포머' 아키텍처: BDH-CQ
패스웨이가 개발 중인 'BDH-CQ' 모델은 기존 트랜스포머 방식과 차별화됩니다. 기존의 언어 모델들은 추론 과정을 텍스트로 생성하고 이를 다시 입력으로 사용하는 방식(chain-of-thought)을 주로 사용하지만, BDH-CQ는 모델 내부의 '잠재적 작업 공간(latent workspace)'에서 반복적인 계산을 수행합니다. 즉, 추론의 중간 단계를 텍스트로 출력하지 않고 내부적으로 처리하여 효율성을 높입니다. 예를 들어, 2026년 8월 11일에 공개된 결과에 따르면, 1억 5천만 개의 매개변수(parameter)를 가진 BDH-CQ 모델은 ARC-AGI-1 평가에서 29.5%의 정확도를 기록했으며, 작업당 추론 비용은 약 0.0007달러에 불과했습니다. 이는 기존의 비용 대비 성능 곡선(Pareto frontier)을 뛰어넘는 수치로, 특히 추론 과정이 길어질수록 비용이 증가하는 기존 모델들의 단점을 보완할 수 있음을 시사합니다.
### ARC-AGI-1 평가 결과와 비용 효율성
패스웨이의 BDH-CQ 모델은 ARC-AGI-1이라는 시각적 추론 벤치마크에서 주목할 만한 성과를 보였습니다. 이 벤치마크는 소수의 예시를 통해 규칙을 추론하고 이를 새로운 입력에 적용하는 AI의 능력을 평가합니다. 패스웨이의 1억 5천만 개 매개변수 모델은 400개의 작업으로 구성된 ARC-AGI-1 평가 세트에서 29.5%의 'pass@2' 정확도를 달성했습니다. 기술 평가에 따르면, 각 작업당 NVIDIA H200 GPU 시간으로 약 0.85초가 소요되었으며, 이는 GPU 시간당 3달러를 가정했을 때 작업당 약 0.0007달러의 추론 비용으로 계산됩니다. 패스웨이는 이 결과가 단순히 높은 점수를 얻는 것을 넘어, 투자 비용 대비 얼마나 많은 추론 성능을 제공하는지에 초점을 맞추고 있습니다. 이는 향후 AI가 단순한 챗봇 상호작용을 넘어 에이전트(agent)와 같이 지속적으로 많은 추론 작업을 수행해야 하는 시스템으로 발전할 때 매우 중요한 요소가 될 것입니다.
### BDH-CQ의 한계와 향후 과제
ARC-AGI-1에서의 뛰어난 비용 효율성에도 불구하고, BDH-CQ는 몇 가지 한계를 보였습니다. 특히 개념적 범주별로 추론 문제를 분리하는 ConceptARC에서는 성능 편차가 나타났습니다. 경계 확장이나 채워진 영역과 비어있는 영역을 구분하는 작업에서는 강점을 보였으나, 복사 및 순서 지정 작업에서는 성능이 저하되는 경향을 보였습니다. 또한, 문제의 복잡성이 증가하거나 중첩된 관계를 처리해야 할 때 어려움을 겪었습니다. 연구진은 이러한 약점이 ARC-AGI가 특화된 시각적 추론 벤치마크라는 점을 고려할 때, BDH-CQ가 일반적인 언어 모델처럼 다양한 실제 워크로드에서 우수한 성능을 보일지는 아직 입증되지 않았다고 지적합니다. 따라서 패스웨이는 이러한 한계를 극복하고 BDH 아키텍처의 장점이 언어, 수학, 에이전트 및 실제 애플리케이션 전반에 걸쳐 지속될 수 있음을 증명해야 하는 과제를 안고 있습니다.
### 가치와 인사이트
패스웨이의 이번 투자 유치는 AI 모델 개발의 패러다임 전환 가능성을 보여줍니다. 기존의 '더 크고, 더 많은 데이터' 중심의 확장 전략에서 벗어나, 아키텍처 혁신을 통해 효율성과 비용 효율성을 높이려는 시도는 AI 기술의 대중화와 실제 산업 적용에 중요한 영향을 미칠 수 있습니다. 특히, 2026년 8월 11일에 발표된 BDH-CQ의 ARC-AGI-1에서의 비용 효율성은 AI 추론 비용에 대한 새로운 기준을 제시할 수 있습니다.
### 기술·메타
- 아키텍처: Post-Transformer (BDH, Dragon Hatchling)
- 모델: BDH-CQ
- 평가 벤치마크: ARC-AGI-1, ConceptARC
- 컴퓨팅: NVIDIA GB300, NVIDIA H200 GPU
- 투자 라운드: Seed
- 투자 금액: $30M (약 300억 원)
- 기업 가치: $500M (약 5000억 원)
- 발표일: 2026-08-11
### 향후 전망
패스웨이의 '포스트 트랜스포머' 아키텍처는 AI의 미래에 다음과 같은 변화를 가져올 수 있습니다.
첫째, **AI의 접근성 향상**: 더 적은 컴퓨팅 자원으로도 높은 성능을 낼 수 있다면, 중소기업이나 개인 개발자들도 고성능 AI 모델을 활용하기 쉬워질 것입니다. 이는 AI 기반 서비스의 폭발적인 증가로 이어질 수 있습니다.
둘째, **실시간 AI 및 에이전트의 발전**: 지속적으로 변화하는 정보를 처리하고 장기간 상태를 유지해야 하는 AI 에이전트나 로봇의 성능이 크게 향상될 것입니다. 금융, 의료, 기술 분야 등에서 실시간 데이터 처리와 지속적인 추론이 중요한 애플리케이션에 혁신을 가져올 수 있습니다.
셋째, **새로운 규제 및 윤리적 논의 촉발**: AI의 효율성이 높아지고 접근성이 개선됨에 따라, AI의 오용 가능성 및 책임 소재에 대한 사회적, 법적 논의가 더욱 활발해질 것입니다. 또한, AI 모델의 투명성과 설명 가능성에 대한 요구도 커질 수 있습니다.
📝 원문 및 참고
- Source: Techmeme
- Techmeme 리버: [techmeme.com](https://www.techmeme.com/260816/p1#a260816p1)
- 원문 기사: [링크 열기](https://www.unite.ai/pathway-raises-new-funding-at-500m-valuation-to-scale-post-transformer-ai/)
---
출처: Techmeme ([Original Article](https://www.unite.ai/pathway-raises-new-funding-at-500m-valuation-to-scale-post-transformer-ai/))
신고 · 불법·유해·아동 안전(CSAE) 관련 콘텐츠
댓글 0
아직 댓글이 없습니다. 첫 댓글을 남겨 보세요.