기업 AI 는 오랫동안 모델의 문제처럼 보였다. 더 큰 언어모델, 더 긴 컨텍스트, 더 빠른 추론이 경쟁의 중심이었다. 그런데 실제 현장에서는 정형 데이터, 문서·이미지 같은 비정형 데이터, 개체 간 관계 정보가 서로 다른 저장소에 흩어져 AI 가 업무 맥락을 잃는다1. 그 병목을 하나의 데이터베이스 엔진으로 줄이겠다는 회사에 170억원이 붙었다1.
왜 데이터베이스였나 — AI 의 다음 병목이 저장 계층으로 내려왔기 때문이다
그래파이의 출발점은 단순하다. 기업이 AI 를 쓰려면 문서만 검색해서는 부족하고, 테이블만 조회해서도 부족하다. 고객, 계약, 계정, 거래, 정책, 문서, 이미지, 조직의 관계까지 한 번에 읽어야 한다. 회사가 말하는 문제는 이 데이터들이 서로 다른 데이터베이스와 파이프라인에 나뉘어 있어, AI 가 질문 하나에 답하기 위해 여러 시스템을 건너야 한다는 점이다1.
그래파이의 핵심 제품 아카식DB는 이 지점을 겨냥한다. 그래프 DB 는 개체 간 관계를 읽고, 벡터 DB 는 비정형 데이터의 의미를 검색하며, 관계형 DB 는 정형 데이터를 처리한다. 그래파이는 세 레이어를 하나의 AI 네이티브 데이터베이스 엔진으로 통합해, 기업 데이터와 업무 맥락을 한 번의 질의 안에서 다루도록 설계했다고 설명한다1. 이 회사가 파는 것은 또 하나의 RAG 툴이 아니라, RAG 이전에 놓이는 데이터 구조다.
성능 주장은 공격적이다. 회사 자료에 따르면 아카식DB는 국제 표준 그래프 데이터베이스 벤치마크인 LDBC SNB에서 기존 그래프 DB 대비 최대 142배 빠른 처리 성능을 기록했다1. 글로벌 벡터 DB 밀버스와의 회사 자체 평가에서는 동일 정확도 기준 초당 질의 처리량이 4배 이상 높게 나타났다고 밝혔다1. 벤치마크와 자체 평가는 제품 채택을 보장하지 않는다. 그러나 투자자가 보는 지점은 명확하다. 엔터프라이즈 AI 는 정확도와 보안, 지연 시간과 운영 복잡도를 동시에 요구하고, 그 요구는 데이터베이스 계층을 다시 열고 있다.
설립자 맥락도 중요하다. 그래파이는 KAIST 전산학부 김민수 교수가 2022년 설립한 엔터프라이즈 AI 데이터 인프라 기업이다1. 이번 라운드는 케이투인베스트먼트파트너스가 주도했고, 에이벤처스와 지유투자가 신규로 합류했으며, 쿼드벤처스, 키움인베스트먼트, 위벤처스가 후속 투자했다1. 프리 시리즈 A 투자자가 다시 들어온 것은 기술 데모 이후의 산업 적용 성과를 다시 산 셈이다.
전통 데이터 스택과 그래파이는 무엇이 다른가
| 영역 | 전통 방식 | 그래파이 방식 |
|---|---|---|
| 데이터 모델 | 관계형, 벡터, 그래프 DB 를 목적별로 분리한다 | 그래프·벡터·관계형 데이터를 아카식DB 한 엔진에서 다룬다1 |
| 검색 흐름 | 문서 검색, 테이블 조회, 관계 분석을 별도 파이프라인으로 연결한다 | 서로 다른 데이터 유형을 한 번의 질의로 검색하도록 설계했다1 |
| AI 맥락 | 모델이 텍스트 조각은 읽지만 업무 관계를 놓치기 쉽다 | 기업 데이터와 업무 맥락을 함께 파악하게 하는 하이브리드 RAG 를 지향한다1 |
| 운영 복잡도 | 여러 DB 와 연동 계층을 운영하며 장애 지점이 늘어난다 | 수집·변환부터 AI 추론과 에이전틱 AI 실행 환경까지 플랫폼으로 묶는다1 |
| 적용 시장 | 오픈 인터넷 서비스 중심의 검색·추천에서 출발한다 | 국방·금융처럼 폐쇄망과 보안 요구가 큰 산업 적용을 내세운다1 |
그래파이가 노리는 세 단계는 무엇인가
- 통합 엔진으로 복잡도를 줄인다. 기업 AI 도입의 첫 병목은 데이터를 모으는 일이다. 그래파이는 그래프, 벡터, 관계형 데이터를 별도 제품으로 쌓는 대신 아카식DB라는 단일 엔진을 제시한다1. 통합이 실제 운영비를 줄인다면, 이는 기능 차이가 아니라 구매 이유가 된다.
- 하이브리드 RAG 를 엔터프라이즈 언어로 바꾼다. 일반 RAG 는 문서 검색의 정확도를 높이는 방식으로 이해되기 쉽다. 그러나 기업에서는 계정과 계약, 정책과 권한, 거래와 리스크의 관계를 같이 봐야 한다. 그래파이는 그래프·벡터·관계형 검색을 결합한 하이브리드 RAG 를 전면에 둔다1.
- 폐쇄망 산업에서 신뢰를 증명한다. 회사는 국방·금융 폐쇄망 적용을 언급한다1. 이 영역은 PoC 만으로 끝나기 쉬운 AI 도입에서 가장 까다로운 고객군이다. 여기서 통과한 데이터 인프라는 다른 산업으로 내려갈 때 신뢰의 언어를 이미 갖는다.
The Bet — 왜 이 VC 들은 이 베팅을 샀나
이번 170억원 시리즈 A 의 본질은 데이터베이스가 다시 전략 자산이 된다는 베팅이다1. 모델 API 는 빠르게 보편화되지만, 기업 내부 데이터의 구조와 권한, 관계와 검색 성능은 회사마다 다르다. 그래파이가 주장하는 142배 그래프 처리 성능과 4배 이상 QPS 우위가 실제 고객 환경에서도 반복된다면, 이 회사는 AI 앱 회사가 아니라 엔터프라이즈 AI 의 하부 구조를 파는 회사가 된다1. 누적 투자액 206억원은 그 가능성을 제품 고도화, 신제품 개발, 글로벌 진출, R&D 인재 확보로 밀어붙일 실탄이다1.
다음 12개월에 지켜볼 지표 3개
- 벤치마크가 고객 환경에서 재현되는가. LDBC SNB 최대 142배, 밀버스 대비 QPS 4배 이상은 강한 숫자다1. 다만 투자자가 다음에 확인할 것은 표준 벤치마크가 아니라 실제 기업 데이터, 권한 체계, 폐쇄망 조건에서의 반복성이다.
- 아카식DB 1.0 이후 제품 라인이 확장되는가. 그래파이는 아카식DB 1.0을 정식 출시했고, 이번 자금을 제품 고도화와 신제품 개발에 투입한다고 밝혔다13. 단일 엔진의 성능만으로는 부족하다. 관리 도구, 보안, 배포, 관측성까지 포함한 엔터프라이즈 제품성이 다음 관문이다.
- 국방·금융 레퍼런스가 매출형 고객으로 전환되는가. 회사는 국방·금융 폐쇄망 적용을 언급하지만, 구체 고객명과 매출 규모는 공개하지 않았다1. 이 영역의 레퍼런스가 유료 반복 매출로 확인되면 그래파이의 티어는 연구형 딥테크에서 상용 인프라 회사로 바뀐다.
다음은 그 지도가 폐쇄망과 글로벌 시장에서도 같은 속도로 작동하는지다.
