Unconventional AI 심층 분석: 칩 없는 스타트업이 4.5B 달러 밸류에이션을 받은 이유

30초 요약

• Unconventional AI는 2025년 12월 8일, 4억 7,500만 달러의 시드 라운드를 보도 기준 45억 달러 밸류에이션에 마감했다고 발표했다. 회사 설립 후 약 2개월 만이며, 칩도, 제품도, 매출도 없는 상태였다. 달러당 1,400원 기준으로 45억 달러는 약 6조 3,000억 원, 조달액 4억 7,500만 달러는 약 6,650억 원이다.
• 라운드는 Andreessen Horowitz와 Lightspeed Venture Partners가 공동 주도했고 Lux Capital, DCVC, Databricks, Jeff Bezos가 참여했다. CEO Naveen Rao는 같은 조건으로 본인 자금 1,000만 달러를 넣었다. 4억 7,500만 달러는 최대 10억 달러까지 계획된 조달의 첫 번째 부분이다.
• 이 회사는 아날로그 방식의, 물리 법칙 기반 컴퓨터를 AI용으로 만들고 있다. 디지털 칩 위에서 신경망을 시뮬레이션하는 대신, 실리콘의 물리 자체 — coupled oscillator(결합 진동자) 직물 — 가 연산을 수행하게 해 오늘날 하드웨어보다 약 1,000배 낮은 에너지를 노린다. 기준점은 약 20W로 동작하는 인간의 뇌다.
• 오늘 존재하는 것은 실리콘이 아니라 시뮬레이션이다. 첫 모델 Un-0(2026년 6월)는 coupled oscillator 시스템을 시뮬레이션해 이미지를 생성하며 ImageNet 64x64에서 FID 6.74를 기록, 초기 기존 생성 모델들과 견줄 만한 수준을 보였다. 그러나 학습과 실행은 기존 B200 GPU 위에서 이뤄졌다. 물리 칩은 아직 공개된 적이 없다.
• 따라서 45억 달러는 제품의 가격이 아니다. 두 번의 엑시트(Nervana를 Intel에, MosaicML을 Databricks에 13억 달러에 매각)를 만든 창업자, MIT·Stanford·양산 아날로그 설계 경험을 아우르는 4인의 창업팀, 그리고 디지털 컴퓨팅의 에너지 벽이 새로운 기판(substrate)을 강제할 가능성에 대한 옵션의 가격이다. 이 딥다이브는 그 가격을 해부한다.

Background: 출하할 것이 없는 시드 라운드

시드 라운드는 보통 프로토타입을 사기 위한 돈이다. Unconventional AI의 시드 라운드는 연구 프로그램을 샀고, 그 가격을 후기 단계 회사처럼 매겼다.

이 회사는 2025년 9월 수면 위로 올라왔다. Naveen Rao가 X에 "뇌 규모의 효율(brain-scale efficiency)"을 가진 컴퓨터를 만들 회사를 공동 창업 중이라고 암시한 것이 시작이었다. 두 달 뒤인 2025년 12월 8일, Rao와 세 명의 공동창업자는 출범 글을 발표했다. 4억 7,500만 달러를 45억 달러 밸류에이션에 조달했고, 핵심 주장은 AI 산업이 디지털 칩만으로는 엔지니어링으로 넘어설 수 없는 에너지 벽에 부딪히고 있다는 것이었다.

창업자 4인이 밸류에이션의 첫 번째 줄이다. Rao는 이 문제의 양쪽에 서 본 드문 창업자다. Duke에서 전기공학을 전공하고 Sun Microsystems에서 컴퓨터 아키텍트로 일한 뒤, 엔지니어링을 떠나 Brown에서 계산신경과학(computational neuroscience) 박사를 받았다. 약 20W 예산으로 감각 입력을 행동으로 바꾸는 뇌를 연구한 것이다. 이후 Qualcomm에서 neuromorphic computing을 했고, 2014년 Nervana Systems를 공동 창업해 그래픽스에서 빌려온 설계가 아니라 워크로드에 맞춰 설계한 딥러닝 하드웨어를 만들었다. Intel이 2016년 보도 기준 약 4억 달러에 인수했고, Rao는 Intel의 AI 제품 그룹을 이끌었다. 2021년에는 대규모 모델 학습 비용을 낮추는 MosaicML을 공동 창업했고, Databricks가 2023년 13억 달러에 인수하면서 Rao는 Databricks의 AI 부사장이 됐다. 두 번의 엑시트, 합산 보도 가치 약 17억 달러, 둘 다 "AI의 비용은 하드웨어 문제"라는 같은 집착 위에 서 있다.

그의 옆에는 Michael Carbin이 있다. 프로그래밍 시스템과 새로운 기판 위 컴퓨팅의 기초를 연구하는 MIT 부교수이며, MosaicML의 공동창업자이기도 하다. Sara Achour는 컴파일러와 물리 기반 컴퓨팅을 연구하는 Stanford 조교수다. 그리고 MeeLan Lee는 Google, Qualcomm, Intel을 거친 아날로그 회로 설계자로, 이 팀에서 양산 환경의 아날로그 실리콘을 실제로 만들어 본 사람이다. 구성은 의도적이다. 엑시트를 반복한 CEO 1명, 소프트웨어를 물리 동역학에 매핑하는 이론가 2명, 아날로그 설계가 어디서 죽는지 아는 실무자 1명.

문제 제기는 단순하고, 지금까지는 경험적으로 참이다. AI 역량은 연산량과 함께 커졌고, 연산량은 전력과 함께 커졌다. 이제 데이터센터는 칩이 아니라 전력 — 발전 용량, 계통 연결, 냉각 — 을 기준으로 계획된다. Rao의 프레이밍은 이렇다. "AI는 본질적으로 하드웨어와 연결돼 있고, 하드웨어는 본질적으로 전력과 연결돼 있다. 에너지 문제 때문에 단위 시간당 추론 횟수를 일정 수준 이상으로 늘릴 수 없다. 앞으로 10년 안에 그만큼의 에너지를 더 생산할 수는 없다." 회사의 주장은 수요 증가가 3~4년 안에 에너지 공급의 선형 성장을 따라잡는다는 것이다. 그 일정이 정확하든 아니든 방향은 논쟁거리가 아니다. 추론당 에너지는 이제 1차 비용이자 1차 제약이다.

이 배경 위에서 회사는 80년간 컴퓨팅을 지배한 추상화를 버리자고 제안한다. 디지털 컴퓨터는 모든 것을 숫자로 표현하고 동역학을 단계별로 시뮬레이션하며, 그 대가로 막대한 에너지를 쓴다. 자연의 학습 시스템은 그렇게 한 적이 없다. "자연의 학습 시스템은 숫자를 쓴 적이 없다. 학습의 동역학을 시뮬레이션하지도 않았다. 자신들이 올라탄 기판의 고유한 물리를 이용해 학습 시스템을 만든다. 우리는 그 거동을 실리콘에서 재현할 수 있다고 믿는다"는 것이 Rao의 말이다.

Business Deep Dive

1. 딜의 산수: 45억 달러에 4억 7,500만 달러가 말하는 것

산수부터 시작하자. 산수가 곧 이야기이기 때문이다. 포스트머니 45억 달러에 4억 7,500만 달러의 신규 투자가 들어갔다는 것은 신규 투자자가 회사의 약 10.6%를 샀고, 프리머니 밸류에이션 — 아이디어와 팀, 그 외에 아무것도 없는 것의 가격 — 이 약 40억 3,000만 달러였다는 뜻이다. 비교하자면 이 프리머니는 제품과 고객과 매출이 있던 MosaicML을 Databricks가 2023년에 산 가격의 약 3배다.

규모만큼 구조도 중요하다. 4억 7,500만 달러는 회사가 밝힌 대로 최대 10억 달러까지 갈 수 있는 조달의 첫 번째 부분이다. 앞선 보도에서는 이 큰 라운드에 50억 달러 밸류에이션을 노린다는 얘기도 있었다. 이런 분할 조달은 마일스톤 기계다. 첫 클로징은 비전을 가격 매기고, 두 번째 클로징은 그때까지 비전이 만들어 낸 것을 가격 매긴다. 같은 조건으로 들어간 Rao 본인의 1,000만 달러는 4억 7,500만 달러 대비 약 2%로 작지만 상징적 무게가 있다. "창업자가 믿는다"는 피치 문장을 재무제표의 사실로 바꾸기 때문이다.

투자자들은 실제로 무엇을 인수(underwriting)했나. 현금흐름 할인은 아니다. 현금흐름이 없다. 인수한 것은 확률가중 옵션이다. 이 팀이 GPU 이후의 기판을 만들 작은 확률에, 성공했을 때 AI 연산의 의미 있는 몫을 소유하는 가치를 곱한 것, 그리고 팀이 보여준 피인수 능력에서 오는 하한 가치다. 아래 6절에서 이 옵션을 명시적으로 풀어 본다.

2. 과학: 물리가 연산을 하게 하라

기술적 베팅은 세 층이다.

1층: 디지털이 아니라 아날로그. 아날로그 회로는 양을 비트가 아니라 연속적인 전압과 전류로 표현한다. AI가 실제로 수행하는 연산 — 방대한 multiply-accumulate, 동역학, 분포에서의 샘플링 — 에서는 물리 시스템이 연산을 시뮬레이션하는 대신 연산 그 자체가 될 수 있는 경우가 많다. Rao 본인의 예는 풍동(wind tunnel)이다. 엔지니어들이 여전히 풍동을 짓는 이유는 공기의 흐름이라는 물리 모델이, 디지털 유체역학이 비싸게 근사하는 것을 직접 계산하기 때문이다. 주장은 신경망이 스프레드시트보다 풍동에 가깝다는 것이다. 신경망은 확률적이고 분산된 동적 시스템이며, 결정적이고 정밀한 수치 기판에 억지로 올리면 워크로드가 요구한 적 없는 추상화에 에너지 예산의 대부분을 쓰게 된다.

2층: 기본 소자로서의 coupled oscillator. 회사의 첫 공개 산출물 Un-0는 이 추상적 주장을 구체화한다. Un-0는 연산 엔진이 coupled oscillator의 거대한 집단인 이미지 생성기이며, Kuramoto model — 같은 탁자 위의 메트로놈, 반딧불이, 심장 박동 세포가 서로를 동기로 끌어당기는 현상의 수학 — 로 모델링된다. 각 oscillator는 위상(phase)을 가지며, 학습 가능한 파라미터는 모든 oscillator 쌍 사이의 결합 강도와 각 oscillator의 고유 진동수다. 이미지를 생성할 때는 무작위 위상에서 시작해, 작은 conditioning oscillator 그룹이 집단을 원하는 클래스 쪽으로 기울이고, 물리가 진화하도록 둔 뒤, 최종 위상 패턴을 읽어 픽셀로 디코딩한다. 학습한다는 것은 결합을 학습한다는 뜻이다. 디코더는 모델 파라미터의 13% 미만을 차지하고, 회사의 ablation 결과는 oscillator 자체가 유용한 연산을 수행하고 있음을 시사한다. 기존 생성기를 장식하는 수준이 아니라는 것이다.

3층: 공동 설계, 즉 "neural co-evolution". 회사는 모델과 하드웨어가 함께 설계돼야 한다고 주장한다. 메모리를 연산에 물리적으로 가깝게 두고, 토큰마다 수십억 개 파라미터를 다시 불러오는 대신 물리 상태를 시간에 걸쳐 재사용하며, 하드웨어의 불완전함을 엔지니어링으로 제거할 대상이 아니라 모델이 학습할 대상으로 취급한다. 노이즈가 가장 선명한 예다. 디지털 설계에서 노이즈는 에너지를 써서 억제해야 할 적이다. 이 아키텍처에서는 생성형 AI가 어차피 무작위성에서 시작하고, 특정 기판 위에서 학습한 네트워크는 그 기판의 편차를 학습할 수 있다. 디지털 칩이 완벽한 균일성을 강제하는 데 쓰는 에너지는, 이 서사에서는 그냥 쓰지 않는 에너지다.

효율 목표는 벤치마크가 아니라 열역학에서 나온다. 회사는 디지털 AI 하드웨어가 동작하는 지점과 물리적으로 가능한 지점 사이의 간격이 대략 세 자릿수라고 주장한다. 그래서 약 1,000배라는 숫자가 나온다. 이 숫자의 지위를 정확히 해 둘 필요가 있다. 이것은 이론적 간격의 추정치이지 측정값이 아니다. 하드웨어로 입증된 적이 없으며, Un-0의 결과 — oscillator 16,384개, 파라미터 3억 2,200만 개 구성에서 ImageNet 64x64 FID 6.74, 초기 GAN·diffusion 계열이 처음 등장했을 때와 같은 구간 — 는 학습 주장(물리 동적 시스템이 실제 생성 작업을 적정 규모로 학습할 수 있다)을 검증할 뿐 효율 주장을 검증하지는 않는다. Un-0 자체가 B200 GPU 위에서 돌았기 때문이다.

3. 오늘 존재하는 것: 시뮬레이션, 논문 궤적, 5년의 시계

회사의 최근 공개 마일스톤 기준으로 목록은 짧다. Un-0의 가중치, 학습 코드, ablation 코드를 공개한 출범 글과 기술 블로그가 있다. 스텔스 하드웨어 스타트업 다수가 공개하는 것보다 많은, 진정한 오픈 리서치 산출물이다. 칩은 없다. 공개된 테이프아웃 날짜도 없다. Rao는 앞으로 몇 년은 "여러 아이디어와 프로토타입을 시도하며 가장 효율적으로 확장될 패러다임을 찾는" 기간이 될 것이라고 했고, 칩 구축에 대략 5년의 시간축을 언급했으며, TSMC와 파트너십을 맺을 것이라고 했고, 첫 프로토타입을 "아마도 사람들이 만들어 본 가장 큰 아날로그 칩 중 하나, 어쩌면 가장 큰 것"이라고 표현했다. 회사는 최종 제품을 부품 판매가 아니라 실리콘과 전체 추론 스택을 묶어 궁극적으로는 연산 제공자로 경쟁하는 시스템 플레이로 자리매김한다.

여기와 저기 사이에는 아날로그 컴퓨팅의 가장 오래된 문제가 놓여 있으며, Rao 본인이 그것을 지목한다. 아날로그 컴퓨터는 최초의 컴퓨터 중 일부이고 본질적으로 효율적이지만, 제조 편차 때문에 디지털에 졌다 — 확장할 수 없었던 것이다. 모든 소자는 미세하게 다르고, 온도 변화와 공정 편차는 오차를 넣어 누적시킨다. 디지털이 이긴 것은 정확히 그 혼란에 무관심하기 때문이다. Unconventional AI의 과학적 베팅 전체는, 신경망 워크로드라는 특정 경우에 한해 이 80년 된 판결을 뒤집을 수 있다는 것이다. 신경망은 포병 사표나 회계에 치명적이었던 바로 그 편차를 견디고, 학습으로 흡수할 수 있기 때문이다.

4. 회의론의 논거

정직한 반론은 네 부분이며, 어느 것도 가볍지 않다.

정밀도와 변환 오버헤드. 아날로그 연산은 노이즈가 있고, 노이즈는 큰 연산에서 누적된다. 역사적으로 아날로그 가속기는 핵심 행렬 연산에서는 가장 좋아 보이고 시스템 수준에서는 가장 나빠 보인다. 아날로그와 디지털 영역 사이의 변환 — 모든 경계에 있는 ADC와 DAC — 이 아날로그 코어가 아낀 에너지의 상당 부분을 소비할 수 있기 때문이다. 실제 워크로드에서, 벽면 콘센트 기준으로, 종단 간(end-to-end)으로 측정되지 않은 효율 주장은 할인해서 봐야 한다. Unconventional의 1,000배는 현재 존재하지 않는 기판에 대한 전망이다.

프로그래머빌리티. GPU의 해자는 성능만이 아니다. 같은 실리콘이 월요일에는 한 모델을 학습하고 화요일에는 다른 모델을 서빙한다는 점이다. 아날로그 시스템은 연산을 물리 구조에 박아 넣는 경향이 있어 경직적이다. 회사의 답 — 물리에 대한 소프트웨어 인터페이스, 그리고 정확히 그 문제를 전공하는 창업자 2명의 컴파일러 — 은 서류상으로는 그럴듯하고 실전에서는 미검증이다. AI 하드웨어의 역사는 CUDA의 유연성에 진, 더 빠른 칩들로 채워져 있다.

스케일링. oscillator 16,384개를 시뮬레이션해 64x64 이미지를 만드는 것은 연구 성과다. 양산 추론 기판은 현대 언어 모델 규모에 해당하는 동역학을, 학습이 흡수할 수 있는 편차로, 파운드리가 서명할 수율로 제조해야 한다. 시뮬레이션에서 프로토타입으로, 프로토타입에서 제품으로, 이미지 생성에서 LLM 추론으로 — 각 단계가 과거 아날로그 벤처들을 죽였다. 이 분야가 비어 있는 것도 아니다. 아날로그 인메모리 컴퓨팅은 다른 이들도 수년간 추구해 왔고(Mythic은 엣지 추론용 아날로그 프로세서를 출하했다), 베이징대 팀은 2025년 말 RRAM 기반 아날로그 행렬 연산 시스템에서 GPU 대비 큰 효율 향상을 주장했다. 이 방향이 과학적으로 살아 있다는 증거인 동시에, Unconventional이 이 방향을 소유하지는 않는다는 증거다.

움직이는 기준선. 디지털 효율은 정적이지 않다. Rao 본인이 Databricks 시절 지적했듯, AI의 단위 역량당 비용은 모델 개선, 양자화, 시스템 작업으로 연 약 4배씩 — Moore의 법칙보다 10배 빠르게 — 하락해 왔다. 5년 뒤에 도착하는 아날로그 기판은 오늘의 GPU와 경쟁하지 않는다. 5년간 복리로 쌓인 디지털 효율, 성숙한 소프트웨어 생태계와 토큰당 비용으로 경쟁한다. 1,000배라는 목표는 부분적으로 바로 그 사실의 인정이다.

5. 45억 달러가 성립하려면 무엇이 참이어야 하나

가격을 하중을 지탱하는 가정들로 벗겨 보자. 시드 밸류에이션 45억 달러가 돌이켜 합리적으로 보이려면 대략 다음이 성립해야 한다.

이 표를 깔때기로 읽자. 가정 1과 2는 2025년 12월 투자자들이 합리적 확신을 갖고 인수할 수 있던 것들이다. 가정 3~5에 45억 달러가 실제로 산다. 셋은 이진적이고, 서로 상관돼 있으며(셋 다 "물리가 확장되는가"의 다른 면이다), 해소에는 수년이 걸린다. 가정 7은 과학 리스크 위에 쌓인 사업 리스크다. 작동하는 기판조차 기술에서 가장 깊이 자리 잡은 공급망을 밀어내야 한다.

그럼에도 정교한 투자자들이 서명하게 만드는 수익 산수는 이렇다. 벤처 수익은 거듭제곱 법칙을 따른다. 펀드는 Unconventional이 가능성 높을 필요가 없다. 성공 분기의 보상이 거대하고 진입 지분이 의미 있어야 한다. 새로운 연산 기판이 AI 추론 지출의 한 자릿수 초반 몫만 소프트웨어 같은 마진으로 가져가도 회사는 수백억~수천억 달러 가치가 된다. 부분적으로 대체할 incumbent는 조 단위로 평가받는다. 그 보상에 비하면 약 10.6%를 사는 4억 7,500만 달러는 가격이 매겨진 옵션이고, 행사가는 시간이다. 물리가 돈이나 산업의 인내가 떨어지기 전에 확장되지 않으면 옵션은 만료된다. 10억 달러를 향한 두 번째 분할 조달은 그 옵션의 갱신일이다. 그때까지 존재하는 프로토타입 증거를 근거로 가격이 매겨질 것이며, 이 회사에 대한 미래 데이터 포인트 중 가장 정보량이 많다.

6. 다운사이드: 바닥은 무엇으로 돼 있나

제품 없는 회사의 다운사이드 분석은 보통 한 단어 — 0 — 지만, 여기 바닥에는 약간의 구조가 있다. 첫째, 팀 바닥. Rao의 직전 두 회사는 보도 기준 약 4억 달러와 13억 달러에 팔렸고, MosaicML 동문 네트워크와 MIT·Stanford 연구 그룹을 묶은 팀은 실패 시나리오에서도 여전히 피인수 대상이 될 수 있다. 다만 시드 이후 밸류에이션은 45억 달러에 한참 못 미치는 수준일 것이므로, 시드 투자자의 수익 산수에는 위로가 안 되고 절대 손실만 줄여 준다. 둘째, IP 바닥. 오픈소스로 공개한 모델 작업은 방어 가능한 IP보다 평판과 채용 중력을 만든다. 방어 층이 있다면 하드웨어와 컴파일러 스택일 텐데, 둘 다 아직 없다. 셋째, 현금 바닥. 4억 7,500만 달러는 연구 단계 회사에 수년의 활주로이며, 이는 양날이다. 탐험 단계의 자금조달 리스크를 제거하는 동시에, 자금조달 리스크가 부과하는 규율도 제거한다. 현실적인 나쁜 결과는 갑작스러운 붕괴가 아니다. 느린 것이다 — 작은 규모에서는 작동하는 프로토타입, 시스템 수준에서 줄어드는 효율, 그리고 2030년대의 세계에서 이 회사가 비싼 캡테이블을 가진 존경받는 연구소로 남는 결과다.

Chase's Take

물리를 잠시 치워 두고 거래를 보자. 설립 두 달 만에 4억 7,500만 달러 시드, 45억 달러 밸류에이션은 사실 Unconventional AI의 밸류에이션이 아니다. 카테고리 주장의 밸류에이션이다. 에너지가 트랜지스터가 아니라 희소 자원이 됐기 때문에 디지털 추상화의 80년 지배가 끝나고 있다는 주장 말이다. 투자자들은 칩을 산 것이 아니다. 컴퓨팅의 기판이 바뀌면 일찍 들어갈 권리를 샀고, 정확히 이 베팅을 위해 준비된 것처럼 읽히는 이력의 소유자에게 창업자 프리미엄을 지불했다. 엔지니어에서 신경과학자가 되고, 유행하기 전에 워크로드 전용 하드웨어를 만들어 팔고, 효율 소프트웨어 층까지 팔아 본 사람이다.

내가 읽는 가격은 크기 순으로 세 부분이다. 가장 큰 부분은 기판 교체에 대한 옵션으로, 회사가 만든 것이 아니라 AI 추론의 크기를 기준으로 가격이 매겨졌다. 두 번째는 팀이다. 진정으로 희소하다. 양산 아날로그 설계, 물리 시스템용 컴파일러 이론, AI 효율에서 두 번 엑시트한 CEO를 한 팀에 묶은 그룹은 거의 없다. 세 번째이자 가장 작은 부분은 지금까지의 과학이다. Un-0는 믿을 만한 연구 마일스톤 — 학습된 oscillator가 실제 생성 작업을 하고, 공개까지 됐다 — 이면서, 주장에 견주면 증거까지 시뮬레이션으로 세 자릿수가 남은 얘기이기도 하다. 64x64 이미지의 FID 6.74는 학습이 작동한다는 것을 말해 준다. 물리가 출하될지는 아직 아무것도 말해 주지 않는다.

내가 계속 돌아가는 디테일은 분할 조달이다. Rao는 10억 달러를 한 번에 받지 않았다. 첫 4억 7,500만 달러는 명시적으로 첫 번째 부분이다. 이는 자신감("두 번째 클로징이 가격을 매길 때 우리는 더 가치 있을 것")이거나 규율("회사를 가격 매기기 전에 패러다임을 증명하라")인데, 두 회사를 팔아 본 창업자에게서 나는 둘 다로, 그리고 이 회사를 따라가는 법의 단서로 읽는다. 밸류에이션 헤드라인을 보지 마라. 세 가지를 보라. 두 번째 분할이 닫히는지, 얼마에, 어떤 산출물을 근거로 닫히는지. oscillator 프로그램이 시뮬레이션에서라도 언어 모델 규모의 시연으로 이미지 생성을 탈출하는지. 그리고 벽면 기준 효율 숫자가 붙은 물리 프로토타입이 등장하는지. 세 번째가 일어나기 전까지 이 회사의 모든 효율 숫자 — 1,000배를 포함해 — 는 제품이 아니라 열역학에 대한 진술이다.

반도체 산업에 더 깊은 신호는 병목이 어디로 이동했는가에 있다. 10년 전 희소한 것은 FLOPS였다. 그다음은 메모리 대역폭 — HBM의 시대였다. Unconventional AI는 다음 희소한 것이 joule이며, joule이 충분히 강하게 묶이면 산업은 1940년대에 닫았던 질문들 — 비수치 컴퓨팅, 알고리즘으로서의 물리, 프로그래밍이 아니라 학습되는 하드웨어 — 를 다시 여는 것을 감수할 것이라는 4억 7,500만 달러짜리 주장이다. 이 특정 회사가 실패하더라도, 그 주장은 이제 모방자, 논문, 프로토타입을 보장하는 규모로 자금을 받았다. 이런 가격이 바로 산업이 연구 방향을 전략으로 격상시켰다고 발표하는 방식이다.

마지막으로 눈금을 하나 맞추자. "45억 달러, 칩 없음"에 대한 올바른 사전 확률은 "버블"도 "비전"도 아니다. "의도적으로 가격이 매겨지지 않은 리스크"다. 투자자들은 위 표의 가정 중 몇 개가 미검증인지 정확히 알면서도 텀시트에 서명했다. 전부 성립하는 단 하나의 시나리오가 나머지 여섯 시나리오의 비용보다 가치가 크기 때문이다. 우리 나머지는 깨끗한 실험을 지켜볼 수 있다. 뇌의 연산 방식을 실리콘에서 재건할 수 있는지를 시험하는, 역대 가장 자금이 풍부한 실험이다. 그 실험은 마일스톤 단위로, 공개적으로, 숫자를 붙여서 따라갈 가치가 정확히 있다.

Implications: 투자·경영 시사점

투자자. 이 포지션을 갱신일이 보이는 이진 옵션으로 취급하라. 이 회사를 다시 가격 매기는 데이터 포인트는 순서대로 (1) 10억 달러를 향한 두 번째 분할 조달 — 그 가격과 시점이 시장의 갱신된 확률 추정이다, (2) 시뮬레이션이라도 언어 모델 규모의 oscillator 접근법 시연, (3) 종단 간(벽면 기준) 효율 데이터를 갖춘 첫 실리콘, (4) 공개되는 하이퍼스케일러 평가다. 이것들이 없으면 헤드라인 밸류에이션이 아니라 논제를 표시(mark)하라. 비교 가능한 리스크는 제품과 구매 주문을 가진 다른 AI 칩 스타트업이 아니라, 일정이 분기가 아니라 연 단위로 밀리는 연구 단계 기판 베팅이다.

반도체 전략가. 창업팀의 구성이 전략 신호다. 컴파일러와 프로그래밍 시스템이 아날로그 회로 옆에 앉아 있는 이유는, 대안 기판을 역사적으로 죽인 것이 소자 물리가 아니라 소프트웨어 인터페이스였기 때문이다. AI 실리콘에서 경쟁한다면 모니터링 항목은 Unconventional의 FID 점수가 아니다. 물리에 대한 소프트웨어 인터페이스 접근법이 비디지털 기판을 프로그래밍 가능하게 만들 이론가와 컴파일러 엔지니어들을 끌어들이는가다. 인재 흐름이 벤치마크보다 먼저 패러다임의 신빙성을 보여줄 것이다.

데이터센터·에너지 기획자. 어떤 용량 계획에도 1,000배 효율 계수를 넣지 마라. 회사의 자체 일정은 수년의 프로토타이핑이며, 그사이 디지털 효율은 계속 복리로 쌓인다. 이 라운드가 엔지니어링이 아니라 자본 배분 수준에서 검증하는 것은, 추론당 에너지가 이제 최대 AI 투자자들에게 전략 제약으로 가격이 매겨진다는 사실이다. 에너지 답 없이 추론 수요가 자랄 수 있다고 가정하는 계획이야말로 이 4억 7,500만 달러가 반대에 베팅한 계획이다.

연구자. 가중치, 학습 코드, ablation을 갖춘 Un-0의 공개는 oscillator 접근법을 공개적으로 반증 가능하게 만든다. 기판 주장은 정확히 그렇게 시험돼야 한다. 열린 질문은 구체적이고 검증 가능하다. oscillator 수 대비 품질의 스케일링 거동이 기존 프런티어와 어떻게 견주는지, 학습된 결합이 소자 편차에 얼마나 견고한지, 물리 구현에서 변환 오버헤드가 얼마나 되는지. 이 순서대로의 진전이 과학적 스코어보드다.

FAQ

Unconventional AI에는 칩이 있나요? 없습니다. 최근 공개 마일스톤(Un-0, 2026년 6월) 기준으로 회사가 시연한 시스템은 기존 GPU 위에서 돌린 coupled oscillator의 소프트웨어 시뮬레이션입니다. 물리 아날로그 칩은 개발 중이며 회사는 수년에 걸친 프로토타이핑 프로그램과 TSMC 파트너십을 설명하지만, 실리콘은 공개된 적이 없고 테이프아웃 날짜도 발표되지 않았습니다.

제품 없는 회사가 왜 45억 달러로 평가받나요? 보도 기준 45억 달러는 2025년 12월의 시드 단계 포스트머니 밸류에이션으로, 제품에 대한 시장 가격이 아닙니다. 세 가지를 가격 매긴 것입니다. 두 번의 엑시트 이력(Nervana 보도 기준 약 4억 달러에 Intel행, MosaicML 13억 달러에 Databricks행)을 가진 창업팀, 아날로그 설계와 컴파일러 이론을 묶은 희소한 전문성, 그리고 AI의 에너지 제약이 새 연산 기판을 강제할 경우에 대한 옵션입니다. 투자자는 4억 7,500만 달러로 회사의 약 10.6%를 샀습니다.

coupled oscillator 접근법을 쉽게 설명하면 무엇인가요? 신경망을 단계별로 시뮬레이션하는 디지털 스위치로 연산하는 대신, 회사는 물리 oscillator — 메트로놈처럼 리듬으로 순환하는 회로 — 의 네트워크가 서로 동기화하는 과정 자체로 연산을 수행하게 하려 합니다. 학습 가능한 파라미터는 oscillator 사이의 결합 강도입니다. 물리가 동기화된 패턴으로 settle하는 것 자체가 추론이며, 그래서 같은 동역학을 수치로 시뮬레이션하는 것보다 훨씬 적은 에너지를 쓸 수 있다고 회사는 믿습니다.

다음에 무엇을 지켜봐야 하나요? 정보 가치 순서대로 세 가지 마일스톤입니다. 총 10억 달러 조달을 향한 두 번째 분할의 클로징과 가격, 이미지 생성을 다루는 Un-0를 넘어선 언어 모델 규모 작업에서의 접근법 시연, 그리고 종단 간 효율 측정을 갖춘 첫 물리 실리콘입니다. 마지막이 나오기 전까지 약 1,000배 효율 수치는 입증된 결과가 아니라 이론적 추정치로 남습니다.

출처와 상태에 대한 각주: 밸류에이션, 라운드 규모, 투자자 구성은 2025년 12월 8일 발표 시점의 보도 기준 수치이며, 회사는 비상장사로 조건은 독립 감사되지 않았다. 기술 결과(Un-0)는 회사가 2026년 6월 공개한 자체 수치다. 원화 환산은 전 구간 1달러 1,400원을 적용했다.

📌 반도체 완전 가이드

반도체의 원리부터 종류·제조 공정·밸류체인과 한국 반도체 산업 지도까지 한 편으로 정리했습니다. 이 글의 배경 지식을 한 번에 잡고 싶다면 반도체 완전 가이드 — 반도체란 무엇인가를 먼저 읽어보세요.

📩 VLSI Korea 뉴스레터 구독하기

매일 발행되는 반도체 심층 분석을 이메일로 가장 먼저 받아보세요. 구독은 무료입니다.

무료로 구독하기