케임브리지 PSI, 5,800만달러 시드 투자 유치…AI·물리 융합 인재 채용
케임브리지의 AI 스타트업 피지컬 슈퍼인텔리전스(Physical Superintelligence·PSI)가 9월 1일 공식 출범하며 5,800만달러 규모의 시드 투자를 발표했다. 생성형 AI의 활용 범위가 문서와 코딩을 넘어 물리 시뮬레이션, 데이터센터 설계·운영 등 과학·산업 영역으로 확장되는 흐름을 보여주는 사례다.
이번 투자는 브레이크스루 에너지 벤처스가 주도했다. 드래곤 글로벌, 솔라리 캐피털, 로봇 벤처스, 수사 벤처스, 배리언트 펀드, SV 엔젤, 발키리 등이 참여했으며 기술·투자업계 인사들도 자금을 댔다. 회사는 투자금을 연구·엔지니어 인력 확충, 핵심 플랫폼 ‘에미(Emmy)’ 개발, 에너지와 컴퓨팅이 맞물린 분야의 상용화에 투입할 계획이라고 밝혔다.
PSI가 공개한 조직 규모는 연구자와 엔지니어 25명 이상이다. 하버드·MIT·스탠퍼드 등 대학과 구글·엔비디아·메타 등 기술기업 출신 인력이 포함됐다는 것이 회사 설명이다. 케임브리지의 대학·연구기관과 보스턴권의 로보틱스, 에너지, 고성능컴퓨팅 생태계를 활용할 수 있다는 점은 초기 인재 확보에 유리한 조건으로 꼽힌다.
핵심 플랫폼 에미는 복잡한 물리 문제를 검증 가능한 가설들의 구조로 나누고, 다수의 시뮬레이션을 통해 이를 병렬로 시험하는 시스템이다. 하나의 해답을 생성하는 데 그치지 않고 가설 설정, 계산, 비교, 검증 과정을 반복한다는 점에서 PSI는 이를 ‘가상 물리학자’ 집단으로 설명한다.
첫 상용화 대상은 지상 및 궤도 데이터센터다. 전력 공급, 냉각, 네트워크, 컴퓨팅 자원의 상호작용을 시뮬레이션해 건설 전 설계를 최적화하거나 가동 중인 시설의 효율을 개선한다는 구상이다. 여러 물리 현상이 동시에 작용하는 데이터센터에서는 한 요소의 변경이 다른 설비의 비용과 성능에 영향을 줄 수 있어 통합 시뮬레이션의 가치가 크다.
다만 새로운 물리 법칙을 발견하고 인간의 설계 범위를 넘어서는 시스템을 만들겠다는 목표는 현재 회사가 제시한 장기 비전이다. 에미의 성능과 데이터센터 개선 효과 역시 고객 운영 데이터나 독립적인 기술 검증을 통해 추가로 확인할 부분이 남아 있다. 투자 규모와 참여 기관은 사업 가능성에 대한 시장의 관심을 보여주지만, 기술적 성과나 반복 가능한 매출을 보장하는 지표는 아니다.
채용에서는 AI 연구, 응용 AI, 머신러닝 엔지니어링, 분산 시스템, 인프라·운영, 물리 연구와 기술 리더십 직무가 확인된다. 다수 공고는 보스턴 기반의 대면 또는 하이브리드 근무를 기본으로 하며, 일부 직무만 원격 지원자를 개별적으로 검토한다.
요구 역량도 전공 하나보다 연구와 실제 시스템을 연결하는 능력에 무게가 실린다. 물리 연구직은 시뮬레이션 결과의 재현성과 검증 체계를 설계할 수 있는 인재를 찾고 있다. 머신러닝 직무에서는 PyTorch·Ray 같은 분산 학습 도구, GPU 운영, vLLM·SGLang 등 모델 서비스 기술이 언급된다. 연구 코드를 안정적인 서비스로 전환하고 장애와 비용까지 관리한 경험이 중요하다는 의미다.
이는 AI가 연구자를 단순히 대체한다기보다 과학 계산, 모델 학습, 시뮬레이션, 성능 검증, 고객 현장 적용을 잇는 역할이 함께 늘어날 수 있음을 보여준다. 보스턴권 유학생과 이직 준비자에게는 논문이나 학위뿐 아니라 공개 코드, 재현 가능한 실험, 기술 문서, 실제 사용자가 있는 시스템처럼 구현 결과를 보여주는 포트폴리오가 유용한 평가 자료가 될 수 있다.
취업 자격은 공고별 확인이 필요하다. 3∼6개월 전일제 과정인 PSI 펠로십은 참여 기간 미국 내 취업 자격을 요구하며 비자 스폰서십을 제공하지 않는다고 명시했다. 정규직 공고에는 스폰서십 정책이 일괄적으로 기재돼 있지 않다. 지원에 비자 지원이 필요한 경우 채용 초기 단계에서 스폰서십 가능 여부와 수출통제 규정의 적용 가능성을 확인하는 것이 현실적이다. 이는 일반적인 채용 정보이며 개인별 OPT·STEM OPT 또는 체류 자격 판단은 학교 담당 부서나 관련 전문가의 확인이 필요하다.
창업 관심자에게는 5,800만달러의 초기 자금이 장기 연구와 단기 사업화를 어떻게 병행하는지가 관전 포인트다. 데이터센터 최적화에서 측정 가능한 비용 절감과 반복 매출을 확보한다면 AI와 물리학을 결합한 사업 모델의 실효성을 보여줄 수 있다. 반대로 검증 주기가 길어질 경우 대규모 계산 비용과 연구개발 인력 유지가 부담으로 작용할 수 있다.
단기적으로 이번 출범은 보스턴 지역에서 소수의 고숙련 AI·물리 융합 채용이 추가되는 변화에 가깝다. 장기적으로는 PSI가 제시한 시뮬레이션 결과가 실제 데이터센터 운영 성과로 이어지는지, 그리고 ‘AI를 활용하는 과학자’와 ‘과학을 이해하는 AI 엔지니어’에 대한 수요가 다른 기업과 산업으로 확산되는지를 지켜볼 필요가 있다.