설립 2년도 안 된 스타트업이 유니콘 됐어 — 그것도 '남의 AI 안 빌리게 해주는' 사업으로

솔직히 요즘 AI 스타트업이 몇억 달러 땡겼다는 소식은 하도 흔해서 감흥이 잘 안 오지? 그런데 이건 좀 결이 달라. Prime Intellect라는 회사가 7월 8일 시리즈A로 1억3천만 달러를 조달하면서 기업가치 10억 달러, 그러니까 유니콘에 올랐거든. 근데 이 회사, 2024년에 세워졌어. 채 2년이 안 된 거야. 그 짧은 시간에 연환산매출(ARR)이 벌써 1억 달러 수준까지 올라왔고, 고객이 6천 곳이 넘어. 이 정도 속도는 인프라 스타트업 판에서도 흔하지 않아.

더 재밌는 건 이 회사가 파는 물건이야. 요즘 대부분의 기업은 AI가 필요하면 OpenAI나 Anthropic 같은 '프론티어 랩'에 돈 내고 API를 빌려 써. 편하잖아. 근데 Prime Intellect의 메시지는 정반대야. "네 AI 에이전트, 네가 직접 훈련해서 소유해라(Own your intelligence)"는 거지. 남의 모델을 빌리는 게 아니라, 우리 인프라 위에서 너희 데이터로 너희만의 모델을 만들라는 거야. 창업자 Vincent Weisser의 말이 이 회사 정체성을 그대로 보여줘. "샌프란시스코 유리 타워 속 몇몇 괴짜들만 AI 모델을 훈련할 수 있어선 안 된다."

이 한 문장에 이번 라운드의 모든 게 담겨 있어. AI 모델 훈련이라는 게 지금까진 초대형 랩들의 전유물이었잖아. GPU 수만 장 깔고, 초고속 인터커넥트 깔고, 박사급 인력 수십 명 붙여야 겨우 되는 일. Prime Intellect는 그걸 '분산·탈중앙 훈련'이라는 방식으로 뜯어고쳐서, 돈과 인력이 훨씬 적은 회사도 자기 모델을 만질 수 있게 하겠다는 거지. 그리고 그 비전에 엔비디아, 인텔, 델이 지갑을 열었어. 이게 왜 중요한 신호인지, 하나씩 풀어볼게.

등장인물 정리 — Prime Intellect, Radical Ventures, 그리고 전략 투자자들

먼저 Prime Intellect. 2024년 창업, CEO는 Vincent Weisser야. 이 회사가 유명해진 건 사실 이번 펀딩 전부터인데, '탈중앙 분산 훈련' 쪽에서 이미 이름값이 있었어. 전 세계에 흩어진 GPU를 끌어모아서 하나의 거대한 모델을 훈련시키는 실험을 실제로 성공시킨 곳이거든. 뒤에서 더 자세히 다룰 INTELLECT 시리즈가 그 결과물이야. 즉 마케팅으로 유니콘 된 게 아니라, 기술적으로 "이게 진짜 되네?"를 증명한 뒤에 사업으로 확장한 케이스라는 거지.

이번 라운드를 이끈 건 Radical Ventures. AI에 집중 투자하는 걸로 유명한 VC야. 리드 투자자가 AI 전문 하우스라는 건, 이 딜이 단순 유행 편승이 아니라 기술을 뜯어보고 들어왔다는 신호로 읽을 수 있어. 여기에 붙은 조연들이 화려해. 엔비디아 벤처스(NVentures), 인텔 캐피탈, 델 테크놀로지스 캐피탈, 그리고 Iconiq. 여기에 클라우드플레어 CEO 매튜 프린스 같은 거물도 개인 자격으로 들어왔어.

잠깐, 이 투자자 라인업이 왜 의미심장한지 짚고 갈게. 엔비디아, 인텔, 델은 전부 '하드웨어' 진영이야. GPU와 칩, 서버를 파는 회사들. 이들이 "기업이 자기 모델을 직접 훈련하게 해주는" 스타트업에 돈을 넣었다는 건, 훈련 수요가 소수의 프론티어 랩에 집중되는 것보다 수천 개 기업으로 퍼지는 게 자기들한테 유리하다고 봤다는 뜻이야. 랩 몇 곳만 GPU를 사는 것보다, 만 개 기업이 각자 훈련하는 세상이 칩 파는 입장에선 훨씬 큰 시장이잖아.

그리고 엔젤 투자자 명단이 진짜 화룡점정이야. Perplexity의 Aravind Srinivas, Box의 Aaron Levie, Harvey의 Winston Weinberg, Cognition의 Jeff Wang, Mercor의 Brendan Foody. 죄다 지금 AI 판을 실제로 굴리고 있는 창업자들이야. 이 사람들이 개인 돈을 넣었다는 건 "우리도 이 인프라 필요하다" 또는 "이 방향이 맞다"는 현장의 베팅으로 볼 수 있어. VC가 숫자로 판단한다면, 이 엔젤들은 자기 회사를 운영하면서 체감한 걸로 판단한 거지.

정리하면 이번 라운드는 세 종류의 돈이 한자리에 모인 거야. AI 전문 VC(Radical, Iconiq)의 안목, 하드웨어 대기업(엔비디아·인텔·델)의 전략적 이해관계, 그리고 현장 창업자들(Perplexity·Box·Harvey 등)의 실전 감각. 이 세 축이 같은 방향을 가리킨다는 게 이 딜의 진짜 무게감이야.

실제로 뭘 파는 거야? — 라운드 조건, ARR, 그리고 'Open Superintelligence Stack'

이제 알맹이. Prime Intellect가 스스로 부르는 이름은 **'Open Superintelligence Stack(오픈 슈퍼인텔리전스 스택)'**이야. 거창하지? 근데 뜯어보면 꽤 실용적이야. 기업이 자기 AI 모델을 만들려면 필요한 걸 모듈 단위로 다 갖춰놨어. 컴퓨트(GPU 자원), RL·포스트트레이닝(강화학습·후처리 훈련), 샌드박스, 인퍼런스(추론), 환경(environments), 평가(evaluations) — 이걸 마켓플레이스처럼 골라 쓸 수 있게 해놨거든. 전부 다 사는 '올 오어 낫씽'이 아니라, 필요한 부품만 집어 쓰는 방식이라 진입 장벽이 낮아.

기술적으로 핵심 무기는 크게 세 개야. 첫째, Verifiers(베리파이어스) — RL 훈련용 환경을 만드는 툴킷. 에이전트를 어떤 과제로, 어떤 보상 기준으로 훈련시킬지 그 '훈련장'을 짜주는 도구야. 둘째, Prime-RL — GPU 수천 장에 걸쳐 분산 훈련을 돌리는 프레임워크. 이게 이 회사의 시그니처 기술이야. 셋째, 50곳 넘는 데이터센터를 경매(auction) 방식으로 묶은 관리형 추론 인프라. 남는 GPU를 경매로 싸게 끌어다 쓰는 구조라, 비용이 프론티어 랩 API보다 유리할 수 있어. 여기에 FSDP2(메모리 효율적 분산 훈련), LoRA·파인튜닝(가벼운 커스터마이징) 같은 것도 다 지원해.

그리고 이 회사의 기술력을 증명하는 게 바로 INTELLECT 모델 시리즈야. INTELLECT-2는 320억 파라미터 규모로, 전 세계에 흩어진 GPU 스웜(swarm)으로 강화학습 훈련을 완주한 세계 최초 사례였어(2025년 5월, Apache 2.0 오픈소스). 이걸 가능하게 한 게 앞서 말한 PRIME-RL이랑, 신뢰할 수 없는 외부 워커의 연산을 검증하는 TOPLOC, 훈련 노드의 가중치를 추론 노드로 뿌리는 SHARDCAST 같은 자체 기술이야. 최신인 INTELLECT-3은 1천억 파라미터 이상 규모로, 비슷한 크기 모델들을 추론 벤치마크에서 앞섰다고 해. 즉 "탈중앙 훈련은 성능이 떨어질 것"이라는 통념을 실측으로 반박한 거지.

효과는 고객 사례로 나와. 대표적으로 Ramp은 Prime Intellect 스택으로 자체 모델을 만들었는데, 일부 스프레드시트 검색 과제에서 Claude Opus 4.6보다 더 정확하게 처리했다고 해. 프론티어 랩의 최상위 모델을 특정 업무에선 자체 모델이 이겼다는 거야. 범용 모델은 넓지만 얕고, 특정 업무에 맞춰 훈련한 모델은 좁지만 깊거든. 이게 "네 AI는 네가 훈련해"라는 메시지의 실증인 셈이야. Ramp 말고도 Zapier, Flapping Airplanes 같은 고객이 호스팅 버전을 돈 내고 쓰고 있어.

숫자로 정리하면 이래.

항목 내용
라운드 시리즈A
조달액 1억3천만 달러
기업가치 10억 달러 (유니콘)
누적 조달 1억5천만 달러 이상
리드 투자자 Radical Ventures
전략 투자자 엔비디아 벤처스, 인텔 캐피탈, 델 테크놀로지스 캐피탈, Iconiq
주요 엔젤 Aravind Srinivas(Perplexity), Aaron Levie(Box), Winston Weinberg(Harvey), Jeff Wang(Cognition), Brendan Foody(Mercor), Matthew Prince(Cloudflare)
ARR(연환산매출) 약 1억 달러 (설립 1년 안팎에 달성)
고객 수 6,000곳 이상
대표 고객 Ramp, Zapier, Flapping Airplanes
설립 / CEO 2024년 / Vincent Weisser
핵심 제품 컴퓨트·Prime-RL·Verifiers·추론(50+ DC 경매)·환경·평가
대표 모델 INTELLECT-2(32B, 탈중앙 RL 세계 최초), INTELLECT-3(100B+)

각자 뭘 얻는 거야? — Prime Intellect, 전략 투자자, 그리고 '독립'을 원하는 기업

Prime Intellect가 얻는 건 명확해. 우선 유니콘 타이틀과 함께 1억3천만 달러라는 실탄. 이걸로 컴퓨트 확보, 엔지니어 채용, 스택 확장을 밀어붙일 수 있어. 근데 돈보다 중요한 게 '신뢰'야. 엔비디아·인텔·델이라는 하드웨어 3대장이 명단에 오르는 순간, 대기업 고객이 "이거 실험적인 스타트업 아냐?"라고 의심할 여지가 확 줄어. 인프라 사업은 신뢰가 곧 매출이거든. 게다가 엔비디아가 투자자로 있으면 GPU 수급이나 우선순위에서 유리해질 여지도 생겨.

**전략 투자자들(엔비디아·인텔·델)**은 시장 구조 자체를 베팅하는 거야. 지금 AI 컴퓨트 수요는 OpenAI, Anthropic, 구글 같은 소수에게 심하게 몰려 있어. 이건 칩 파는 입장에서 위험해 — 고객이 몇 곳뿐이면 그들의 협상력이 세지니까. 반대로 '기업이 각자 자기 모델을 훈련하는 세상'이 오면 GPU를 사는 손님이 수천, 수만으로 흩어져. 시장이 넓어지고 특정 고객 의존도가 낮아지는 거지. Prime Intellect에 넣은 돈은 그런 미래를 앞당기는 헤지(hedge)이자 촉진제인 셈이야.

엔젤 창업자들은 각자 이유가 조금씩 달라. Perplexity의 Srinivas나 Harvey의 Weinberg처럼 AI를 핵심으로 굴리는 회사들은, 프론티어 랩 API에만 의존하는 게 장기적으로 위험하다는 걸 몸으로 알아. 가격 정책이 바뀌거나, 모델이 갑자기 deprecate되거나, 경쟁사가 같은 모델을 쓰면 차별화가 안 되잖아. 자체 훈련 능력은 그런 종속에서 벗어나는 보험이야. Box의 Levie 같은 엔터프라이즈 SaaS 창업자는 "고객사 데이터로 그들만의 모델을 만들어주는" 수요를 누구보다 잘 읽고 있고.

마지막으로 진짜 수혜자는 'AI 독립'을 원하는 기업들이야. 은행, 보험사, 제약사, 로펌처럼 데이터가 민감하거나 규제가 빡센 업종은 외부 API에 데이터를 넘기는 걸 극도로 꺼려. 또 특정 업무(자기 회사 문서 검색, 내부 워크플로우 자동화)에선 범용 모델보다 자체 훈련 모델이 더 정확할 수 있어 — Ramp 사례가 딱 그거잖아. Prime Intellect는 이런 기업에게 "랩에 의존하지 않고도, 랩만큼의 훈련을 할 수 있다"는 선택지를 파는 거야. 통제권·데이터 주권·비용, 이 세 가지를 동시에 노리는 거지.

예전에도 이런 거 있었잖아 — '빌릴래 만들래'의 역사

'AI를 빌릴 것이냐 직접 만들 것이냐'는 사실 새로운 논쟁이 아니야. 오픈소스 모델과 인프라 스타트업들이 몇 년째 이 시장을 두드려왔어. 대표적인 게 Together AI야. 오픈소스 모델 훈련·추론 인프라를 파는 회사로, 수억 달러를 조달하며 몸값을 키웠지. Prime Intellect랑 결이 비슷해 — "프론티어 랩 말고 오픈 모델로도 충분히 할 수 있게 해준다"는 포지션. 이 시장이 실제로 돈이 된다는 걸 먼저 보여준 선배 격이야.

**Mistral(프랑스)**과 Hugging Face도 비슷한 흐름 위에 있어. Mistral은 "유럽이 자체 오픈 모델을 가져야 한다"는 주권 논리로 조 단위 밸류에이션까지 올라갔고, Hugging Face는 오픈소스 모델·데이터셋의 허브가 되면서 '자체 AI를 만들려는 사람들의 깃허브'로 자리 잡았어. 공통점은 전부 "소수 미국 랩에 AI를 몰아주지 말자"는 정서를 자양분 삼았다는 거야. Prime Intellect의 "Own your intelligence"도 정확히 같은 물결을 타고 있어.

근데 밝은 얘기만 있는 건 아니야. '탈중앙 컴퓨트' 하면 과거의 흑역사도 떠오르거든. 몇 년 전 크립토 붐 때 "전 세계 GPU를 블록체인으로 묶어 훈련시킨다"는 프로젝트가 우후죽순 나왔는데, 상당수가 실제 성능·검증·안정성 문제로 흐지부지됐어. 흩어진 노드로 대형 모델을 안정적으로 훈련한다는 게 말은 쉬워도 엔지니어링은 지옥이거든. 인터커넥트 지연, 노드 신뢰 문제, 훈련 발산 같은 게 다 발목을 잡아. 그래서 "탈중앙 훈련"이라는 말만 들으면 반사적으로 경계하는 시선이 아직도 있어.

Prime Intellect가 다른 점은, 그 통념을 실측으로 깼다는 것이야. INTELLECT-2로 실제 32B 모델을 전 세계 분산 RL로 완주했고, TOPLOC(연산 검증)·SHARDCAST(가중치 전파) 같은 걸로 '신뢰할 수 없는 노드' 문제를 정면으로 풀었어. 게다가 지금은 순수 탈중앙만 고집하는 게 아니라 관리형 데이터센터 50곳을 경매로 묶는 '실용 노선'도 같이 가고 있고. 과거 크립토식 이상주의랑, 매출 1억 달러 나오는 실사업 사이의 균형을 잡았다는 게 이번 라운드가 시장에서 먹힌 이유로 보여. 물론 이 노선이 계속 통할지는 지켜봐야 하지만.

경쟁사는 어떻게 받아칠까 — 랩, 인프라 스타트업, 엔비디아, 하이퍼스케일러

가장 직접적인 상대는 아이러니하게도 이 회사가 "안 빌려도 되게 해주겠다"는 바로 그 프론티어 랩, OpenAI와 Anthropic이야. 이들의 반격은 뻔해 — "직접 훈련? 그거 골치 아파. 그냥 우리 최신 모델 API 쓰면 훈련·유지보수 다 우리가 해줄게." 실제로 대부분의 기업엔 이게 맞는 답이야. 자체 모델을 훈련·운영할 팀이 없는 회사가 태반이거든. 랩들은 파인튜닝·커스텀 모델 옵션을 계속 확장하면서 "빌리는 게 만드는 것보다 편하고 결국 더 좋다"는 프레임을 밀어붙일 거야. Prime Intellect의 최대 적은 경쟁 제품이 아니라 '그냥 API 쓰는 게 편하다'는 관성일 수 있어.

인프라 레이어에선 Together AI, Fireworks AI 같은 회사들이 정면 경쟁이야. 이들도 오픈 모델 훈련·추론을 싸고 빠르게 제공하는 걸로 승부해. Prime Intellect의 차별점은 '탈중앙·분산 훈련'이라는 기술 서사랑, RL 환경·평가까지 아우르는 풀스택 마켓플레이스 구조야. 하지만 Together나 Fireworks가 추론 속도·가격에서 앞서는 지점도 있어서, 이 판은 "누가 더 싸고 빠르고 안정적이냐"의 소모전으로 갈 가능성이 높아.

미묘한 건 엔비디아야. 엔비디아는 이번에 투자자로 들어왔지만, 동시에 자체 소프트웨어 스택(NIM, NeMo, DGX Cloud)으로 "우리 GPU로 우리 툴 써서 훈련해"를 밀고 있는 회사이기도 해. 즉 투자자이면서 잠재적 경쟁자야. 지금은 "GPU 수요만 늘면 다 좋다"는 논리로 한배를 탔지만, Prime Intellect가 커져서 엔비디아 소프트웨어 계층을 우회하기 시작하면 관계가 미묘해질 수 있어. 인텔·델도 각자 AI 인프라 야심이 있고.

그리고 진짜 큰 그림자는 **하이퍼스케일러(AWS, 마이크로소프트 애저, 구글 클라우드)**야. 이들은 이미 Bedrock, Azure AI, Vertex 같은 걸로 "모델 고르고, 파인튜닝하고, 배포하는" 걸 한 곳에서 다 제공해. 컴퓨트·데이터·유통을 전부 쥐고 있는 거인들이지. Prime Intellect가 "우리는 더 열려 있고(open), 특정 클라우드에 종속 안 되고, 탈중앙이라 더 싸다"는 카드를 얼마나 설득력 있게 미느냐가 관건이야. 거인들이 "우리도 오픈 모델 다 지원하고 더 편하다"고 나오면, 스타트업 입장에선 속도와 기술 깊이로 계속 앞서가는 수밖에 없어.

결국 Prime Intellect의 방어선은 두 가지야. 하나는 탈중앙·분산 훈련이라는 기술적 해자 — 아무나 32B, 100B 모델을 전 세계 GPU로 안정적으로 훈련시킬 순 없으니까. 다른 하나는 오픈·모듈러라는 포지셔닝 — 특정 랩이나 클라우드에 묶이기 싫은 기업들의 '독립 심리'를 파고드는 거지. 이 두 개가 얼마나 오래 버티느냐가 유니콘 그 이후를 결정할 거야.

그래서 뭐가 달라지는데 — 입장별로 정리

기업 CTO·기술 리더라면, 이제 "AI는 무조건 API로 빌린다"가 유일한 답이 아니게 됐다는 걸 계산에 넣어야 해. 데이터가 민감하거나, 특정 업무에서 정확도가 매출에 직결되거나, API 비용이 규모 커지면서 부담되기 시작했다면 '자체 훈련' 옵션을 진지하게 검토할 시점이야. Ramp가 스프레드시트 검색에서 Claude Opus 4.6을 이긴 것처럼, 좁고 반복적인 업무일수록 자체 모델의 승산이 커. 다만 훈련·운영할 팀과 데이터 파이프라인이 있어야 하니, "우리가 이걸 감당할 조직인가"를 냉정하게 봐야 해. 남의 인프라라도 결국 운전은 네가 하는 거니까.

AI 투자자라면, 이번 딜은 시장의 무게중심이 어디로 옮겨가는지 보여주는 지표야. '모델 자체'에 베팅하던 흐름에서 '기업이 자기 모델을 만들게 해주는 도구·인프라'로 돈이 돌고 있어. ARR 1억 달러를 1년 만에 찍었다는 건 이 수요가 실재한다는 방증이고. 다만 이 레이어는 Together·Fireworks·하이퍼스케일러·엔비디아까지 다 뛰어든 레드오션이라, 밸류에이션이 매출 대비 앞서가는 건 아닌지, 탈중앙이라는 서사가 실제 마진으로 이어지는지를 봐야 해. 유니콘 태그가 곧 안전을 뜻하진 않아.

개발자·ML 엔지니어라면 이건 좋은 소식이야. Prime Intellect의 Verifiers, Prime-RL 같은 툴킷은 이미 오픈소스로 풀려 있어서, 프론티어 랩에 안 들어가도 '분산 훈련·RL 환경 설계'라는 최상단 기술을 직접 만져볼 기회가 열렸거든. 예전엔 이런 규모의 훈련은 소수 랩 내부에서만 가능했는데, 이젠 오픈 스택으로 실험할 수 있어. RL 환경 설계, 보상 모델링, 분산 훈련 디버깅 같은 스킬의 몸값이 오를 거라는 신호이기도 해. "모델 훈련은 랩 사람들만의 일"이라는 시대가 조금씩 끝나가고 있는 거지.

한 발 물러서서 보면, 이번 라운드의 진짜 메시지는 'AI 권력의 분산' 실험이 이제 이상론이 아니라 매출 나는 사업이 됐다는 거야. 소수 랩이 지능을 독점하는 구조에 균열을 내겠다는 회사에 하드웨어 대기업들이 돈을 넣었다는 것 자체가 흥미로운 아이러니야. 이게 진짜 판을 바꿀지, 아니면 결국 거인들이 흡수하거나 복제할지는 앞으로 1~2년이 답을 줄 거야.

🥄 남은 궁금증 세 가지

— 유니콘이라는데 이거 거품 아냐? ARR 1억 달러에 고객 6천 곳이면 매출은 실재해. 다만 기업가치 10억 달러가 매출의 10배라는 건 시장의 기대가 상당히 앞서 있다는 뜻이야. 실제 수익성과 탈중앙 서사가 마진으로 이어지는지는 아직 증명 단계라, "매출 있는 유니콘"과 "안전한 투자"는 다른 얘기라는 걸 기억해.

— 우리 회사도 이제 자체 AI 훈련해야 하는 거야? 전부 다는 아니야. 데이터가 민감하거나, 특정 반복 업무의 정확도가 돈이랑 직결되거나, API 비용이 규모 커지며 부담되면 검토할 가치가 있어. 근데 운영할 팀·데이터가 없으면 그냥 API 쓰는 게 더 싸고 빨라. "직접 훈련"은 능력과 필요가 둘 다 있을 때만 이득이야.

— 엔비디아가 투자했는데 왜 경쟁자이기도 해? 엔비디아는 GPU 수요가 늘면 무조건 이득이라 지금은 한배를 탔어. 근데 자기네 NeMo·DGX Cloud로도 훈련 시장을 노리고 있어서, Prime Intellect가 그 계층을 우회할 만큼 커지면 이해관계가 어긋날 수 있어. 지금의 '전략 투자자'가 미래엔 '경쟁자'로 바뀌는 건 인프라 판에서 흔한 그림이야.

참고 자료

숫자와 기준은 발표 시점 기준이라 바뀔 수 있어. 투자 판단은 각자의 몫!