케임브리지 AI 스타트업 Unreasonable Labs, 1350만달러 시드 유치…과학 지식 연결형 AI 시험대

케임브리지에 거점을 둔 AI 스타트업 Unreasonable Labs가 스텔스 상태를 마치고 1350만달러 규모의 시드 투자를 유치했다고 밝혔다. 이번 라운드는 Playground Global이 리드했고, AIX Ventures, E14 Fund, MS&AD Ventures가 참여했다.

회사는 구글 딥마인드 출신 연구자 Yuan Cao와 MIT 공학 교수 Markus Buehler가 공동 창업했다. 발표 내용에 따르면 Unreasonable Labs는 일반적인 문서 검색·요약형 AI보다 한 단계 더 나아가, 서로 떨어져 있는 과학 지식과 공학 데이터를 연결해 새로운 가설을 만드는 데 초점을 둔 기술을 개발하고 있다. 화학, 소재과학, 생물학 등 여러 분야의 정보를 함께 해석할 수 있도록 대형언어모델에 관계 지도와 뉴로심볼릭 수학 추상화를 결합했다는 설명이다.

회사가 내세우는 차별점은 ‘이미 알려진 정보를 더 빨리 찾는 AI’가 아니라 ‘새로운 지식을 조합해 가설을 만드는 AI’에 가깝다. 예를 들어 신약 개발에서는 후보물질을 많이 제안하는 것만으로는 충분하지 않고, 실패 가능성이 큰 후보를 초기 단계에서 얼마나 줄일 수 있는지가 중요하다. 소재 분야에서도 설계안을 제시하는 데서 끝나지 않고, 그 설계가 실제 시뮬레이션과 제조 공정으로 이어질 수 있어야 의미가 생긴다. 회사가 강조한 것도 이런 연결 지점이다. 발표문에는 새로운 가설 생성, 시뮬레이션 검증, 실험 설계까지 이어지는 연구개발 흐름을 지원하겠다는 방향이 담겼다.

Unreasonable Labs는 이미 에너지 전환, 소재과학, 제약 분야의 산업 파트너들과 파일럿 협업을 시작했다고 밝혔다. 이 대목은 향후 회사를 평가할 때 중요한 기준이 될 가능성이 있다. 초기 데모 단계에서는 모델 설명이 주목을 받기 쉽지만, 실제 기업 고객은 보통 세 가지를 함께 본다. 첫째, 제안된 가설이 반복적으로 나오는지, 둘째, 시뮬레이션이나 실험으로 검증 가능한지, 셋째, 실험 비용과 리드타임을 줄이는 데 도움이 되는지다. 결국 연구 현장에서는 모델의 화려한 문장보다 검증 절차와 재현성이 더 직접적인 판단 기준이 되는 경우가 많다.

이후의 시장성이나 채용 수요에 대한 평가는 아직 해설의 영역으로 보는 편이 적절하다. 다만 이번 발표가 보여주는 흐름은 비교적 분명하다. 보스턴·케임브리지에서 AI 관련 창업이 범용 챗봇 경쟁만이 아니라 연구개발 자동화, 시뮬레이션, 계산과학과 맞닿은 영역으로 세분화되고 있다는 점이다. Unreasonable Labs 역시 그중에서도 물리·소재·바이오의 경계 영역을 겨냥하고 있다.

보스턴 지역 한인 유학생과 연구자 입장에서는 이 회사를 특정 기업 사례로만 보기보다, 어떤 역량 조합이 요구되는지 살펴보는 참고 사례로 볼 수 있다. 발표문 기준으로 회사가 확장하겠다고 밝힌 분야는 머신러닝, 시뮬레이션 엔지니어링, 계산과학이다. 실제로 이런 유형의 스타트업은 단순 프롬프트 작성 능력보다 연구 데이터 구조를 이해하고, 실험·시뮬레이션 결과를 제품 수준의 워크플로로 연결하는 역량을 더 중시할 가능성이 있다. 다만 채용 확대 속도나 규모는 아직 공개된 사실보다 전망의 성격이 강한 만큼, 후속 공고와 제품 검증 사례를 함께 확인하는 접근이 더 현실적이다.

리스크도 분명하다. 과학 발견형 AI는 설명 가능성과 검증 가능성을 강점으로 제시하지만, 실제 현장에서는 데이터 품질 편차, 실험 재현성, 산업별 규제 검토가 성과 전환 속도를 좌우할 수 있다. 파일럿이 시작됐다는 사실과 상용 계약으로 이어진다는 판단은 구분해서 볼 필요가 있다. 다음 단계의 관전 포인트도 추가 투자 자체보다는 산업 파트너가 반복 사용을 이어가는지, 실제 실험 결과나 개발 시간 단축 사례가 공개되는지에 모일 가능성이 있다.

이번 발표는 케임브리지에서 AI 인재와 과학 연구가 만나는 흐름이 계속되고 있음을 보여준다. 동시에 시장의 기준이 더 구체해지고 있다는 점도 드러낸다. 앞으로는 ‘AI를 연구에 쓴다’는 설명만으로는 충분하지 않고, 가설 생성에서 검증과 실험까지 얼마나 짧고 재현 가능한 루프를 만들 수 있는지가 더 중요한 평가 기준이 될 것으로 보인다.