스카이인텔리전스 — 피지컬 AI의 병목을 데이터 인프라로 바꾸는 회사

AI 업계는 오랫동안 모델의 크기와 추론 비용을 이야기했다. 그러나 제조·로봇·산업 현장으로 내려오면 병목은 모델이 아니라 현실 데이터다. 공장과 설비, 작업자와 예외상황을 충분히, 안전하게, 반복 가능하게 학습시키는 데이터가 부족하다. 그 병목을 디지털 트윈과 산업용 합성데이터로 풀겠다는 회사에 1,000억원 밸류가 붙었다¹².

왜 피지컬 AI 였나 — 현실 세계의 데이터가 가장 비싼 학습재료가 됐다

생성형 AI 이후의 다음 질문은 화면 밖으로 이동했다. 챗봇이 문장을 예측하는 문제와 로봇·장비·공정이 실제 공간에서 움직이는 문제는 다르다. 후자는 실패 비용이 높고, 실험 반복이 느리며, 현장 데이터를 마음껏 수집하기 어렵다. 그래서 피지컬 AI 에서 데이터는 단순한 원재료가 아니라 시장 진입장벽이 된다.

스카이인텔리전스가 겨냥하는 지점은 이 병목이다. 회사는 엔비디아 옴니버스 기반 디지털 트윈으로 제조·산업 환경을 정밀 구현하고, 그 위에서 피지컬 AI 학습에 필요한 산업용 합성데이터를 생성한다고 설명된다¹⁵. 현장을 직접 망가뜨리지 않고도 현장 같은 데이터를 만들 수 있다면, AI 도입의 속도와 비용 구조가 바뀐다.

이번 투자에서 주목할 숫자는 투자금액이 아니다. 금액 자체는 공개되지 않았다¹. 대신 시장이 본 숫자는 1,000억원의 기업가치다¹². 초기 딥테크 회사에 밸류가 먼저 크게 붙었다는 것은, 매출 규모보다 기술 희소성과 인프라 포지션을 먼저 가격에 반영했다는 뜻에 가깝다.

투자자 구성도 이 서사를 강화한다. 앞서 DS투자파트너스가 시리즈A에 참여했고, 이후 위업기술투자가 운용하며 오라클벤처투자가 Co-GP로 참여하는 오라클-벡터지역혁신벤처펀드에서 추가 투자가 들어왔다¹⁴. 피지컬 AI는 모델 회사만의 게임이 아니라, 클라우드·시뮬레이션·제조 현장 데이터가 함께 움직이는 인프라 게임이기 때문이다.

무엇이 달랐나 — 전통적 산업 AI 도입과 스카이인텔리전스의 접근

어떻게 인프라가 되나 — 스카이인텔리전스의 세 단계

1. 현장을 먼저 복제한다 피지컬 AI는 텍스트 데이터처럼 공개 말뭉치에 기대기 어렵다. 스카이인텔리전스는 제조·산업 환경을 디지털 트윈으로 구현하는 접근을 취한다¹⁵. 실제 장비와 공정의 맥락을 가상 공간에 옮기는 일이 먼저다.
2. 부족한 데이터를 만든다 산업 현장에서는 사고, 불량, 예외상황처럼 중요한 데이터일수록 자주 발생하지 않는다. 회사가 제공하는 산업용 합성데이터 인프라는 이런 학습 데이터를 생성하는 데 초점이 있다¹. 희귀한 상황을 기다리는 대신, 학습 가능한 형태로 만들어내는 것이 피지컬 AI의 시간표를 앞당긴다.
3. 모델보다 앞단의 병목을 판다 스카이인텔리전스는 특정 완제품 AI 서비스보다 데이터 인프라에 가까운 위치를 잡고 있다. 디지털 트윈과 합성데이터가 결합되면 로봇, 제조 자동화, 산업 안전 같은 여러 응용으로 이어질 수 있다¹⁵. 투자자가 본 것은 하나의 앱이 아니라 반복 가능한 기반 기술일 가능성이 크다.

왜 이 VC 가 이 베팅을 샀나 — The Bet

다음 12개월에 지켜볼 지표 3개

1. 상용 고객의 공개 여부 현재 공개된 기사에서 핵심은 투자와 기술 포지셔닝이다¹². 다음 단계는 실제 제조·산업 고객이 어떤 형태로 공개되는지다. 피지컬 AI 인프라는 PoC보다 반복 매출과 현장 적용 사례가 중요하다.
2. 합성데이터의 검증 방식 합성데이터는 많이 만드는 것보다 실제 모델 성능을 올리는지가 중요하다. 회사가 어떤 벤치마크, 고객 사례, 품질 검증 체계를 공개하는지가 신뢰의 관문이 된다. 지금 공개된 자료에는 구체적인 성능 수치가 제한적이다¹.
3. 프리 시리즈B로 이어지는 자본 서사 일부 보도는 이번 라운드를 1,000억원 밸류에이션의 프리 시리즈B 클로징으로 표현한다³. 라운드 명칭보다 중요한 것은 후속 자금이 글로벌 제조·로봇 시장 진입 속도로 이어지는가다. 투자금액이 비공개인 만큼, 다음 공개 지표는 고객·매출·해외 파트너가 될 가능성이 높다¹.