개발자가 데이터베이스를 직접 설계하고 연결하던 시대가 끝나가고 있다. AI 에이전트가 프롬프트 하나로 백엔드를 스스로 만들어내는 장면이 일상이 됐고, 그 장면의 도착지는 점점 수파베이스(Supabase)로 수렴하고 있다. 신규 생성 데이터베이스의 60% 이상이 이제 클로드 코드 같은 AI 도구에 의해 자동 배포된다1. 그 구조적 전환에 싱가포르 국부펀드 GIC가 주도한 5억 달러(약 6,500억원)가 붙었다1.
왜 'Postgres를 감싼 오픈소스'가 AI 시대의 기본값이 됐나
수파베이스의 슬로건은 간결하다. "주말에 만들어 수백만 명에게 서비스한다"4. 이 한 문장은 회사가 처음부터 누구를 위해 설계됐는지를 말해준다. 빠르게 프로토타입을 만들고, 즉시 배포하고, 성장해도 인프라 교체 없이 스케일까지 감당해야 하는 개발자다. 수파베이스는 Postgres 위에 인증·스토리지·실시간 구독·엣지 함수를 한 번에 얹어 제공한다1. 별도 서버 설정 없이 프로젝트를 시작할 수 있고, 오픈소스이기 때문에 벤더 종속 리스크가 없다.
이 설계가 AI 에이전트 시대에 예상치 못한 방식으로 재평가됐다. AI가 코드를 생성하고 인프라를 배포하는 흐름이 가속되면서, 에이전트가 가장 먼저 선택하는 백엔드 플랫폼이 수파베이스가 됐다. 지난 1년간 신규 데이터베이스 생성이 600% 급증한 것은 인간 개발자가 갑자기 6배가 된 게 아니다1. AI 에이전트가 새 프로젝트를 시작할 때마다 데이터베이스를 자동으로 만들기 때문이다. 신규 생성 DB의 60% 이상이 클로드 코드 같은 AI 도구에 의해 배포됐다는 수치1는, 수파베이스가 '사람이 쓰는 개발 도구'에서 'AI가 쓰는 인프라'로 포지션 전환이 일어났음을 뜻한다.
오픈소스 전략이 이 흐름을 가속했다. AI 에이전트는 문서화가 충분하고 예측 가능한 API를 선호한다. Postgres는 30년 이상 쌓인 방대한 문서와 사례가 있고, 수파베이스는 그 위에 표준화된 REST·GraphQL·실시간 인터페이스를 얹었다. 대형 언어 모델의 학습 데이터 안에 수파베이스 사용법이 풍부하게 포함돼 있어, 에이전트 입장에서 수파베이스는 '할루시네이션 없이 호출 가능한 백엔드'가 됐다. 독점 API 구조의 Firebase나 NoSQL 패러다임의 경쟁자들과 달리, SQL에 익숙한 에이전트에게 Postgres 기반 수파베이스는 직관적이다.
규모도 이미 다른 레벨이다. 개발자 사용자 1,000만 명 이상, 고객사 25만 개 이상1. 누적 조달액이 10억 달러를 넘어선 이번 라운드와 기존 투자자 전원의 재참여1는, 이 위치가 일시적 유행이 아닌 구조적 선점임을 시장이 동의했다는 신호다.
전통 백엔드 개발 방식과 수파베이스: 같은 문제, 다른 풀이
| 업무 영역 | 전통 백엔드 개발 | 수파베이스 |
|---|---|---|
| 데이터베이스 설정 | 수동 설치·스키마 설계·마이그레이션 운영 | Postgres 즉시 프로비저닝, AI 에이전트도 API 한 줄로 생성1 |
| 인증 시스템 | 직접 구현 또는 Auth0·Firebase Auth 별도 연동 | 이메일·소셜·MFA 내장 인증, 추가 서비스 계약 불필요4 |
| 실시간 기능 | WebSocket 서버 별도 구축·운영, 인프라 비용 상승 | 내장 실시간 구독(Realtime), DB 변경 즉시 클라이언트 반영4 |
| AI 벡터 검색 | Pinecone·Weaviate 등 별도 벡터 DB 도입·연동 필요 | pgvector 내장, Postgres 안에서 임베딩 저장·검색 통합4 |
| 스케일 관리 | DevOps 팀 상시 운영, 트래픽 스파이크에 수동 대응 | 자동 스케일·관리형 인프라, 프리티어에서 엔터프라이즈까지 연속 전환4 |
세 가지 플라이휠 — 어떻게 이 위치를 만들었나
- 오픈소스로 개발자 신뢰를 선점했다 수파베이스는 2020년 Firebase의 오픈소스 대안으로 출발했다. Firebase는 구글 생태계에 종속되고 NoSQL 특성상 복잡한 관계형 쿼리가 어렵다. 수파베이스는 PostgreSQL 그대로 쓰면 되고, 코드를 직접 읽고 기여할 수 있다는 투명성이 개발자 커뮤니티의 신뢰를 만들었다. 그 결과 현재 1,000만 명 이상의 개발자가 이 플랫폼 위에서 일한다1.
- AI 에이전트 시대에 기본 인프라로 편입됐다 클로드 코드, 커서, 데빈 같은 AI 코딩 도구들이 보편화되면서 수파베이스의 위상이 바뀌었다. AI 에이전트는 새 프로젝트를 시작할 때 데이터베이스를 먼저 만든다. 문서화가 충분하고, API가 표준화돼 있고, 오픈소스라 학습 데이터가 풍부한 수파베이스가 에이전트의 기본 선택이 됐고, 그것이 신규 DB 생성 600% 급증1으로 나타났다.
- 25만 고객사가 엔터프라이즈 수익으로 전환되고 있다 프리티어로 시작한 스타트업이 성장하면 유료 플랜으로 자연 전환된다. 25만 개 이상의 고객사1 중 상당수는 이미 성장 단계에 있고, AI 에이전트가 만들어낸 프로젝트가 살아남아 스케일되면 그 인프라 비용은 수파베이스에게 귀속된다. AI가 고객을 생성하고, 그 고객이 성장해 매출이 되는 플라이휠이 작동하고 있다.
The Bet — GIC는 왜 이 타이밍에 이 구조에 베팅했나
GIC가 이 라운드를 주도한 논리는 단순하다. AI 에이전트 시대에 인프라 레이어는 애플리케이션 레이어보다 훨씬 강한 락인을 만든다. 클로드 코드가 수파베이스 DB를 만들어줬을 때, 그 프로젝트는 수파베이스 생태계 안으로 들어온다. AI 모델은 6개월마다 교체되어도 데이터는 쉽게 옮기지 않는다. 신규 DB의 60% 이상이 AI 도구에 의해 자동 배포된다1는 수치는 수파베이스가 에이전트의 기본 인프라 선택지로 굳어지고 있음을 의미한다. 스트라이프가 두 번째 투자를 단행하고 기존 투자자 전원이 재참여한 것1은 이 구조의 지속성에 대한 시장의 동의다. 누적 10억 달러1를 모은 회사가 AI 에이전트의 기본 배포 대상이 됐다면, 인프라 비용의 자연 귀착점은 이 회사다.
다음 12개월에 지켜볼 지표 3개
- AI 에이전트 기반 DB 생성 비율의 지속·상승 여부 현재 신규 DB의 60% 이상이 AI 도구 자동 배포다1. 이 비율이 유지·상승하면 수파베이스는 AI 인프라 기본값으로 자리잡는다. 반대로 Neon·Turso 같은 경쟁 인프라가 주요 AI 코딩 도구와 공식 통합을 맺으면 이 비율이 압박받는다. 클로드·GPT·제미나이 기반 코딩 도구들이 기본 DB로 무엇을 선택하느냐가 다음 12개월의 핵심 경쟁 지표다.
- 엔터프라이즈 ARR과 IPO 로드맵 공개 여부 25만 고객사1 대비 매출 구조가 아직 공개되지 않았다. Series F 이후 IPO 로드맵이 구체화된다면 ARR 수치 공개가 선행될 가능성이 높다. 기업가치 105억 달러1를 정당화하는 수익 구조가 드러나는 시점이 이 밸류에이션의 실질적 검증 포인트다. 특히 AI 에이전트 생성 프로젝트의 유료 전환율이 인간 개발자 프로젝트 대비 어떻게 다른지가 사업 모델의 핵심 변수다.
- AI 네이티브 기능 확장 — pgvector를 넘어서 수파베이스는 pgvector로 벡터 검색을 내장했지만, AI 워크플로우 전체를 커버하려면 에지 함수·RAG 파이프라인·모델 호출 레이어까지 확장이 필요하다. 이번 5억 달러1가 제품 어느 부분에 집중되느냐가 'Postgres 래퍼'를 넘어 'AI 인프라 풀스택'으로 도약하는 속도를 결정한다. 경쟁자보다 먼저 에이전트 오케스트레이션 레이어를 잡는 회사가 다음 인프라 전쟁의 승자가 된다.
AI 에이전트가 늘어날수록, 이 땅은 더 넓어진다.
