국내 AI 시장은 오랫동안 외산 모델 위에 얹는 응용 서비스로 설명돼 왔다. 비용은 모델 제공자가 정하고, 성능의 방향도 대개 해외 빅테크가 정했다. 그런데 모티프테크놀로지스는 외산 오픈소스 구조를 단순 활용하지 않는 독자 설계를 내세웠고, 거기에 240억원의 시리즈B 자금이 붙었다13. 이 투자는 한 스타트업의 증자가 아니라, 한국 AI가 다시 파운데이션 모델 레이어를 소유할 수 있는지에 대한 시장의 질문이다.
왜 독자 모델이었나 — 응용층만으로는 AI 주권을 설명할 수 없다
AI 스타트업의 가장 빠른 길은 이미 공개된 모델을 가져와 특정 산업의 워크플로에 붙이는 것이다. 이 방식은 제품 출시가 빠르고, 고객 검증도 쉽다. 하지만 모델 비용, 데이터 통제, 추론 품질의 한계는 외부 모델의 정책과 성능에 종속된다. 모티프테크놀로지스가 굳이 모델 아키텍처를 직접 설계한다고 말하는 이유가 여기에 있다1.
이번 라운드가 의미 있는 지점은 단순히 금액이 크다는 데 있지 않다. 기존 투자자인 나이스투자파트너스와 노틸러스인베스트먼트가 후속 투자로 남았고, 디토인베스트먼트와 포레스트벤처스가 신규로 들어왔다1. 후속 투자와 신규 투자가 동시에 붙었다는 것은, 기술 실험이 다음 개발비를 요구하는 단계에서 사업 확장 가능성까지 같이 검토됐다는 신호다.
모티프테크놀로지스는 2026년 2월 과학기술정보통신부의 ‘독자 AI 파운데이션 모델’ 사업 정예팀으로 선정됐고, 현재 모레·서울대학교·한국과학기술원(KAIST)·삼일회계법인·국가유산진흥원·HDC랩스 등 17개 기관과 300B급 추론형 LLM 프로젝트를 진행 중이다1. 이 조합은 연구실만의 언어도, SI식 납품의 언어도 아니다. 대규모 모델을 만들기 위해 필요한 학계, 인프라, 산업 적용, 회계·데이터 검증 레이어가 한 테이블에 들어온 구조다.
회사는 지난해 2월 출범 이후 4개월 만에 자체 소형언어모델 Motif-2.6B를 오픈소스로 공개했고, 동급 모델뿐 아니라 70억 개 매개변수급 모델 성능도 일부 능가했다고 밝혔다1. 또 자체 LLM Motif-2-12.7B가 글로벌 AI 성능 지표 AAII에서 국내 1위를 기록했다는 점을 내세운다5. 작은 모델에서 성능과 공개 검증을 먼저 통과한 뒤, 큰 모델로 확장하겠다는 순서가 이번 베팅의 기술적 논리다.
무엇이 다른가 — 모델 사용자가 아니라 모델 제작자를 겨냥한다
| 영역 | 전통적 AI 스타트업 | 모티프테크놀로지스 |
|---|---|---|
| 모델 레이어 | 외산 오픈소스 또는 상용 API를 조합 | 외산 오픈소스 구조 단순 활용이 아닌 순수 독자 설계 철학1 |
| 개발 범위 | 앱·에이전트·업무 자동화에 집중 | LLM 아키텍처, GPU 인프라, 시스템 운영, 사후학습, RLHF까지 내재화1 |
| 확장 경로 | 텍스트 모델 위에 기능을 추가 | 300B 추론형 LLM에서 310B VLM, 320B VLA로 단계적 고도화1 |
| 검증 방식 | 고객사 PoC와 데모 중심 | Motif-2.6B 공개와 Motif-2-12.7B 성능 지표로 기술 신뢰 확보15 |
| 사업화 | 모델 호출 기반 SaaS 과금 | 독자 파운데이션 모델과 기업 대상 AX 솔루션 사업을 병행 확대1 |
어떻게 티어를 바꾸려 하나
- 작은 모델로 설계 능력을 먼저 증명 모티프테크놀로지스는 출범 4개월 만에 Motif-2.6B를 오픈소스로 공개했다1. 대형 모델은 자본과 인프라가 필요하지만, 작은 모델은 설계 효율과 학습 전략의 밀도를 보여준다.
- 300B급 추론 모델로 국가 프로젝트의 중심에 진입 회사는 2026년 2월 과학기술정보통신부 ‘독자 AI 파운데이션 모델’ 사업 정예팀으로 선정됐다1. 이후 서울대·KAIST 등 17개 기관과 300B급 추론형 LLM 개발 프로젝트를 진행하고 있다1.
- 텍스트에서 행동 모델로 확장 로드맵은 300B급 LLM에서 끝나지 않는다. 회사는 310B급 시각언어모델(VLM), 320B급 시각언어행동(VLA) 모델까지 단계적으로 고도화하겠다는 전략을 밝혔다1.
왜 이 VC들은 이 베팅을 샀나
투자자들이 산 것은 당장의 챗봇 매출보다, 독자 모델을 실제 기업 전환 시장에 연결할 수 있다는 가능성이다. 240억원은 300B급 추론형 LLM을 향한 개발비이면서, GPU 인프라·사후학습·RLHF까지 품은 풀스택 팀이 한국에서 성립할 수 있는지 확인하는 비용이다1. 모티프테크놀로지스의 베팅은 ‘더 좋은 앱’이 아니라 ‘모델 레이어의 일부를 다시 국내 회사가 소유할 수 있는가’에 걸려 있다.
다음 12개월에 지켜볼 지표 3개
- 300B급 추론형 LLM의 공개 검증 방식 개발 중이라는 사실만으로는 충분하지 않다. 공개 벤치마크, 제한 공개, 파트너 검증 중 어떤 방식으로 성능을 증명할지가 다음 신뢰의 기준이다.
- AX 솔루션 매출의 실체 회사는 독자 파운데이션 모델과 기업 대상 AX 솔루션 사업을 확대하겠다고 밝혔다1. 모델 R&D가 고객사의 업무 전환 예산으로 연결되는지가 사업성의 핵심이다.
- VLM·VLA 로드맵의 실행 속도 310B VLM과 320B VLA는 텍스트 모델보다 적용 범위가 넓지만 개발 난도도 높다1. 계획이 아니라 프로토타입, 파일럿, 실제 고객 적용으로 내려오는 속도를 봐야 한다.
다음은 그 권한이 연구 성과를 넘어 고객 예산으로 바뀌는지다.
