Velaura AI, 1억1천만달러 조달…AI 반도체 경쟁, 전력 효율로 넓어진다
AI 반도체 스타트업 Velaura AI가 1억1천만달러를 조달하며 기업가치 10억달러를 넘어섰다. 생성형 AI와 로봇의 연산 수요가 커지는 가운데, 반도체 시장의 경쟁 기준도 처리 성능에서 전력 소비와 냉각 비용, 기존 시스템에 적용하기 쉬운 설계 능력까지 확대되고 있다.
로이터가 8월 18일 보도한 내용에 따르면 이번 투자 라운드는 Seligman Ventures가 주도했다. 신규 투자자인 Capricorn Investment Group과 기존 투자자인 Samsung Catalyst Fund, StepStone Group, Maverick Silicon도 참여했다. Velaura는 조달 자금을 제품 개발과 고객 배치 확대, 엔지니어 및 고객 대응 인력 채용에 사용할 계획이다.
2022년 Auradine이라는 이름으로 출범한 회사는 올해 3월 Velaura AI로 사명을 바꿨다. 현재 데이터센터와 엣지 컴퓨팅, 로봇·자율시스템 등 이른바 ‘물리 AI’에 필요한 저전력 반도체 기술을 개발하고 있다. 물리 AI는 소프트웨어 안에서만 작동하는 모델이 아니라 센서와 기계장치를 통해 현실 공간을 인식하고 움직이는 AI를 뜻한다.
핵심 제품인 Titan Core는 고객사의 AI 가속기 설계를 낮은 전압에서 효율적으로 작동하도록 최적화하는 반도체 설계자산(IP)·설계 플랫폼이다. 회사는 이 기술이 일반적인 1,000와트급 GPU 또는 XPU의 전력 소비를 최대 500와트 줄여 칩 전체 소비전력을 절반 수준까지 낮출 수 있다고 설명했다. 3나노미터와 2나노미터 공정에서 여러 고객사와 적용 작업도 진행하고 있다는 것이 회사 측 발표다.
다만 이 수치는 Velaura가 제시한 설계 조건과 시험 결과에 기반한 회사 주장이다. 실제 절감 폭은 반도체 공정과 AI 작업의 종류, 서버 구성, 냉각 환경에 따라 달라질 수 있다. 고객 제품에 통합된 뒤 독립적인 성능 검증과 양산 수율, 장기간의 안정성이 확인돼야 투자 단계의 기대가 상업적 성과로 이어졌는지 판단할 수 있다.
이번 투자가 보여주는 변화는 AI 인프라 경쟁을 대형 GPU와 데이터센터 건설 규모만으로 설명하기 어려워졌다는 점이다. 전력망 연결과 냉각시설 확보가 데이터센터 확장의 제약으로 떠오르면서, 같은 전력 한도 안에서 더 많은 연산을 처리하는 기술의 경제적 가치가 커지고 있다. 설계자산을 고객 칩에 결합하는 사업은 모든 칩을 직접 생산하지 않고도 여러 제조사와 협력할 수 있다는 장점이 있지만, 고객사의 긴 개발 일정과 까다로운 검증 절차를 통과해야 하는 부담도 따른다.
보스턴권에서는 이 흐름이 대형 데이터센터보다 로보틱스와 자율시스템 분야에서 더 직접적으로 나타날 가능성이 있다. 지역 대학 연구실과 로봇 기업이 개발하는 창고 자동화 장비, 의료·산업용 로봇, 배터리 기반 이동 장치는 연산 능력이 높아질수록 배터리 사용시간과 발열 관리가 어려워진다. 저전력 칩과 엣지 AI, 센서 통합 기술이 함께 중요해지는 이유다. 다만 Velaura가 보스턴 지역의 구체적인 채용 계획을 발표한 것은 아니므로, 이를 당장의 지역 고용 증가로 해석하기보다는 관련 기술 수요의 방향을 보여주는 신호로 보는 편이 적절하다.
채용시장에서는 범용 소프트웨어 개발뿐 아니라 칩 설계와 실제 제품 배치를 연결하는 직무가 주목된다. 저전압 회로 설계, 시스템온칩(SoC), 반도체 물리설계, 전자설계자동화(EDA), 펌웨어, 성능·전력 분석이 대표적이다. 로봇 분야에서는 센서 데이터 처리, 임베디드 소프트웨어, 실시간 시스템, 하드웨어 검증과 열 관리 경험도 연결성이 높다.
AI와 함께 역할이 커질 수 있는 직무도 이 접점에 있다. 모델의 결과를 제품에 넣는 것만으로는 배터리 수명과 안전성, 응답 지연, 생산비를 관리하기 어렵다. AI 모델과 칩, 센서, 기계장치를 함께 시험하는 시스템·검증 엔지니어와 고객 환경에 맞춰 제품을 적용하는 솔루션·필드 엔지니어가 필요한 이유다. Velaura가 이번 자금의 일부를 고객 대응 인력 확대에 쓰겠다고 밝힌 것도 기술 개발에서 실제 적용 단계로 무게중심을 옮기려는 움직임으로 해석할 수 있다.
유학생과 졸업 예정자는 채용공고의 ‘AI’라는 표현만 보기보다 업무가 연구, 반도체 설계, 제품 통합, 고객 배치 중 어디에 속하는지 구분할 필요가 있다. 프로젝트 포트폴리오에서도 모델 정확도뿐 아니라 소비전력과 처리 지연, 메모리 사용량, 하드웨어 제약 아래에서 성능을 개선한 과정을 제시하면 관련 직무와의 연결성을 보여주기 쉽다.
취업비자 지원이 필요한 지원자에게 투자 유치와 실제 채용 여력은 같은 의미가 아니다. 지원 단계에서 직무별 근무지와 고용 형태, 스폰서십 가능 여부, 하드웨어 개발 일정에 따른 채용 기간을 각각 확인하는 것이 현실적이다. 이민 관련 판단은 개인의 신분과 일정에 따라 달라질 수 있으므로 학교 담당 부서나 자격을 갖춘 전문가의 안내를 참고할 필요가 있다.
현직자와 창업 관심자에게는 전력 효율을 제품 기능이 아니라 사업 지표로 다루는 변화가 중요하다. AI 서비스를 개발할 때 모델 성능과 함께 추론 한 건당 비용, 전력 사용량, 응답 지연과 장비 가동률을 측정해야 고객의 도입 효과를 설명할 수 있다. 로봇 스타트업도 자체 칩 개발 여부만 따지기보다 상용 칩과 외부 설계자산을 어떻게 조합해 개발 기간과 양산 위험을 관리할지 비교해야 한다.
Velaura의 자금 조달은 저전력 AI 반도체가 투자시장에서 독립적인 경쟁 분야로 부상하고 있음을 보여준다. 단기적으로는 채용 확대와 고객 적용 속도, 장기적으로는 실제 제품에서 확인되는 전력 절감 효과와 양산 안정성이 관전 포인트다. 보스턴권 구직자에게는 AI 관련 역량의 범위가 모델 개발을 넘어 반도체, 임베디드 시스템, 제품 통합과 검증으로 넓어지고 있다는 신호로 읽힌다.