카메라는 오래도록 형태와 색을 보는 장치였다. 그러나 자율시스템과 AI가 현장으로 내려갈수록 문제는 ‘보이는가’가 아니라 ‘무엇인지 판별하는가’로 이동한다. 일반 RGB 영상이나 열화상으로는 유해물질 유출, 구조물 열화, 연소 화염, 위장체 같은 위험을 충분히 읽기 어렵다1. 그 빈칸을 초분광 센서로 메우려는 회사에, 카카오벤처스의 시드 투자가 붙었다1.
왜 초분광이었나 — 카메라의 다음 병목이 식별이기 때문이다
AI가 이미지를 잘 읽는다는 말은 절반만 맞다. 대부분의 비전 AI는 카메라가 받아온 신호 위에서 작동한다. 센서가 색과 형태만 넘겨주면 모델도 결국 색과 형태의 통계 안에서 판단한다. 현장의 위험은 그보다 자주 물질의 성분, 상태 변화, 열화의 징후, 표면 아래의 이상으로 나타난다1.
초분광 이미징은 이 병목을 센서 레벨에서 바꾸려는 접근이다. 스펙트라인텔이 설명하는 기술은 기존 영상에 시간과 공간 정보뿐 아니라 파장 정보를 더한다. 같은 흰색 표면이라도 어떤 파장을 흡수하고 반사하는지 보면 재질과 상태가 달라진다. 스펙트라인텔의 핵심은 더 선명한 사진이 아니라, 사진이 놓치는 물질의 서명을 읽는 일이다.
회사는 초소형 이미징 초분광기 하드웨어, 산업별 분광 데이터베이스, 분석 소프트웨어를 하나의 패키지로 통합 제공한다고 밝힌다1. 여기서 중요한 단어는 하드웨어가 아니라 패키지다. 초분광 센서가 산업 현장에 들어가려면 장비만 작아져서는 부족하다. 어떤 파장이 어떤 물질과 위험을 뜻하는지 해석하는 DB와, 현장에서 바로 쓸 수 있는 분석 소프트웨어가 붙어야 한다.
그래서 첫 시장을 천문으로 잡은 선택도 단순한 취미 시장 진입이 아니다. 첫 제품 ASTRO-HSI는 기존 천체망원경에 장착해 천체의 파장별 이미지와 픽셀별 스펙트럼 데이터를 확보하도록 설계됐다1. 천문은 빛의 스펙트럼을 다루는 언어가 이미 있는 시장이다. 스펙트라인텔은 가장 설명이 쉬운 곳에서 데이터를 모은 뒤, 설명이 어려운 산업 현장으로 내려가려는 순서를 택했다.
무엇이 다른가 — 센서 회사가 아니라 해석 레이어를 노린다
| 영역 | 전통 방식 | 스펙트라인텔 방식 |
|---|---|---|
| 센서 입력 | RGB 영상이나 열화상 중심의 형태·색상 인식 | 시간·공간 정보에 파장 정보를 결합한 초분광 입력1 |
| 판별 대상 | 보이는 물체의 외형, 온도, 움직임 위주 | 대상의 종류, 상태, 위험 징후까지 판별하는 구조1 |
| 제품 출발점 | 산업 현장별 맞춤 장비를 먼저 제안 | ASTRO-HSI로 천문 시장에서 실측 데이터를 축적1 |
| 확장 경로 | 단일 장비 판매 뒤 현장 통합은 고객 몫 | 하드웨어, 산업별 분광 DB, 분석 소프트웨어를 통합 제공1 |
| 응용 시장 | 검사 장비나 관측 장비의 개별 카테고리 | 산업 플랜트, 환경 감시, 국방, 우주 관측으로 확장 계획1 |
초기 시장을 어떻게 열 것인가
- 천문에서 데이터 언어를 만든다. 첫 제품은 기존 천체망원경에 장착하는 초분광 어댑터 ASTRO-HSI다. 회사는 이를 통해 천체의 파장별 이미지와 픽셀별 스펙트럼 데이터를 확보할 수 있도록 설계했다고 밝혔다1. 천문은 초분광의 가치가 비교적 직관적인 시장이어서, 초기 제품 검증과 데이터 축적의 출발점이 될 수 있다.
- 센서를 DB와 소프트웨어로 묶는다. 스펙트라인텔은 초소형 이미징 초분광기 하드웨어만 내세우지 않는다. 산업별 분광 데이터베이스와 분석 소프트웨어를 함께 제공하는 통합 패키지를 지향한다1. 이 구조가 성립하면 고객은 장비를 사는 것이 아니라 특정 위험과 물질을 식별하는 워크플로를 산다.
- 위험 식별 시장으로 확장한다. 회사가 제시한 적용처는 미사일 및 발사체 식별, 산업 비파괴 검사, 환경 유해물질 감시, 식품·농업 분야 이물질 검사다1. 이 목록의 공통점은 ‘멀리서, 접촉하지 않고, 보이지 않는 차이를 판별해야 한다’는 점이다. 초분광은 이 요구가 강할수록 단순 카메라와 구분된다.
The Bet — 왜 카카오벤처스는 이 시점에 들어갔나
이번 투자의 금액은 공개되지 않았다1. 그래서 숫자보다 봐야 할 것은 진입 시점이다. 카카오벤처스가 산 베팅은 ‘초분광 장비 하나’가 아니라, AI와 자율시스템이 더 많은 현장 의사결정을 맡을수록 센서 입력의 질이 병목이 된다는 가설이다. 유동호 대표는 카이스트 물리학과 재학 중 창업했고, 기초과학연구원에서 행성 대기 연구를 수행했으며, NASA 스페이스 앱스 챌린지 글로벌 파이널리스트와 미래항공우주학술대회 LIG D&A 대표이사상 이력을 갖고 있다1. 이력만으로 회사가 이기는 것은 아니다. 다만 천문·행성 대기·분광이라는 연구 언어를 제품 언어로 바꿀 수 있는 창업자라는 점은, 이 시장에서 보기 드문 출발점이다. 스펙트라인텔의 베팅은 카메라 이후의 AI 인프라가 모델이 아니라 센서에서 다시 시작된다는 주장이다.
다음 12개월에 지켜볼 지표 3개
- ASTRO-HSI의 실제 사용자 데이터. 첫 제품이 천문 시장에서 얼마나 많은 파장별 이미지와 픽셀별 스펙트럼 데이터를 축적하는지가 중요하다1. 제품이 팔렸는지보다, 분석 가능한 반복 데이터가 쌓이는지가 더 본질적인 지표다.
- 산업별 분광 DB의 전환 속도. 회사는 천문 시장에서 데이터를 축적한 뒤 산업 플랜트, 환경 감시, 국방, 우주 관측으로 확장할 계획이라고 밝혔다1. 다음 단계는 각 산업에서 어떤 물질과 위험 징후를 DB로 정의하고, 고객이 그것을 판별 결과로 신뢰하는가다.
- 시드 투자금의 집행 방향. 투자금은 시제품 고도화와 핵심 인재 확보에 쓰일 예정이다1. 하드웨어 소형화 인력, 분광 데이터 해석 인력, 산업 소프트웨어 인력 중 어디가 먼저 두꺼워지는지에 따라 회사의 우선순위가 드러난다.
다음은 천문에서 얻은 스펙트럼이 산업 현장의 의사결정 언어로 번역되는지다.
