인간의 동작 데이터를 수집하고 분석하여 휴머노이드 로봇과 기타 기계를 훈련시키는 스타트업인 Mecka AI는 Sequoia Capital이 주도하는 약 5억 달러의 가치로 새로운 자금 조달 라운드에 가까워지고 있다고 TechCrunch 보고서에 따르면 거래에 대해 알고 있는 두 사람의 말을 인용했습니다. 자금 조달은 회사가 Framework Ventures가 주도하는 6천만 달러 투자를 발표한 지 불과 3개월 만에 이루어질 것입니다.

새로운 라운드의 정확한 규모는 공개되지 않았으며 TechCrunch는 조건이 최종적이지 않으며 계속 변경될 수 있다고 언급했습니다. Mecka AI는 논평 요청에 응답하지 않았으며 Sequoia는 논평을 거부했습니다. AI 스타트업으로 유입되는 자금에 대한 자세한 내용은 스타트업 및 벤처 캐피털 보도를 참조하세요.

핀테크 창업자부터 로봇 데이터까지

Mecka AI는 2024년 4명의 기업가가 공동 창립했습니다. 이전에 레스토랑 핀테크 스타트업을 설립한 캐나다인 Josh Gao와 Mogen Cheng; 암호화폐 거래소를 인수한 후 Coinbase에 합류한 Jason Chong; 그리고 운영을 담당하는 Duy Nguyen이 있습니다. 네 가지 중 로봇 공학에서 나온 것은 없지만 업계에서 가장 중요한 문제 중 하나가 된 병목 현상을 발견했습니다.

회사 이름은 인간이 제어하는 ​​거대 로봇이라는 가상의 장르인 '메카'에서 유래되었으며, 비즈니스 모델은 언어 모델 시대의 데이터 라벨링 거대 기업을 구축했던 것과 동일한 논리를 따릅니다. Mecka는 신체 ​​센서와 스마트폰을 사용하여 커피 만들기, 자동차 수리 등 일상적인 작업을 수행하는 것을 녹음하고 업계에서 "자기 중심적" 데이터라고 부르는 것, 즉 공연자의 관점에서 본 실제 인간 동작을 캡처하도록 사람들에게 비용을 지불합니다.

그런 다음 해당 데이터는 원격 조작과 같은 다른 물리적 데이터 수집 방법과 함께 범용 및 인간형 로봇을 교육하는 로봇 회사 및 AI 연구소에 판매됩니다. 실제로 Mecka는 Scale AI, Mercor, Surge 및 기타 휴먼 데이터 회사가 대규모 언어 모델에 대해 수행한 작업을 로봇 공학에 수행하려고 노력하고 있습니다.

세쿼이아의 관심을 끈 수익 성장

재무 궤적은 프리미엄 가치 평가를 설명합니다. 6월 초 현재 Mecka는 2026년까지 연간 운영 이자율 1억 달러를 달성할 것으로 예상하고 있다고 공동 창업자인 Josh Gao가 회사가 이전 자금 조달을 발표했을 때 Fortune에 말했습니다. 2024년에 설립된 회사의 경우 2년 이내에 9자리 수익 실행률을 달성한다면 물리적 AI 공급망에서 가장 빠르게 확장되는 회사 중 하나가 될 것입니다.

6월에 발표된 6천만 달러 규모의 라운드는 Menlo Ventures, SV Angel 및 Kindred Ventures가 참여한 Framework Ventures가 주도했습니다. 세쿼이아가 주도하는 라운드는 3개월 이내에 평가액의 약 8배로 올해 해당 부문에서 가장 가파른 평가 상승 중 하나가 될 것입니다.

물리적 데이터 골드러시

실제 데이터가 로봇 시대의 희소 자원이라고 확신하는 사람은 메카뿐만이 아닙니다. TechCrunch는 지난주 로봇 훈련을 위한 실제 데이터를 수집하는 또 다른 스타트업인 XDOF가 12억 달러 가치로 새로운 라운드에 가까워지고 있다고 보도했습니다. 한편 Scale AI 및 Micro1을 포함하여 LLM용으로 구축된 인간 데이터 플랫폼은 언어 데이터를 넘어 물리적 세계 컬렉션으로 확장되고 있습니다.

이러한 러시는 구조적 격차를 반영합니다. 텍스트와 이미지는 인터넷에 거의 무제한으로 존재하지만 물리적 세계를 대규모로 기록한 사람은 아무도 없습니다. 휴머노이드 로봇 제조업체는 기계에 민첩성, 균형 및 판단력을 가르치기 위해 인간이 세탁물 접기, 가구 조립, 기계 작동 등 일상적인 작업을 수행하는 수백만 시간의 시연이 필요합니다. 모션 센서와 카메라로 데이터를 캡처하는 것은 현재 확장 가능한 유일한 방법 중 하나입니다. 이것이 바로 투자자들이 이러한 회사의 가격을 도구가 아닌 인프라처럼 평가하는 이유입니다. Mecka가 사용하는 자기 중심적 접근 방식은 대안에 비해 뚜렷한 이점이 있습니다. 인간이 원격으로 로봇 팔을 조종하고 움직임을 기록하는 원격 조작은 특정 로봇의 형상과 연결된 데이터를 생성하므로 하드웨어 세대 전반에 걸쳐 재사용하는 데 비용이 많이 듭니다. 이와 대조적으로 웨어러블 센서의 모션 캡처는 하드웨어에 구애받지 않습니다. 엔진을 재구축하는 기계공의 기록은 고객이 휴머노이드, 산업용 팔 또는 네 발 달린 동물을 훈련하는지 여부에 관계없이 유용합니다. 또한 스마트폰과 센서 키트만 있으면 누구나 기여자가 될 수 있기 때문에 확장하는 것이 훨씬 저렴합니다. 이는 라벨링 플랫폼이 하룻밤 사이에 수천 명의 인력을 모을 수 있도록 하는 크라우드소싱 논리와 동일합니다.

경제학은 또한 덜 편안한 방식으로 언어 모델 시대를 반영합니다. LLM 붐을 일으킨 데이터 회사는 고객(연구실)이 자체적으로 수집 장치를 구축할 수 있는 리소스를 갖춘 가장 유능한 잠재적 경쟁자이기도 함을 발견했습니다. 로봇공학 연구실에서는 구매한 데모에 대한 의존도를 줄이기 위해 이미 시뮬레이션 및 비디오 학습 파이프라인을 실험하고 있습니다. 반복되는 데이터 수요와 고객의 중개 중단 사이의 긴장이 오늘날의 데이터 가치 평가가 유지되는지 여부를 결정하게 될 것입니다.

볼만한 동영상

거래는 종료되지 않았으며 양 당사자는 기록에 대한 논평을 거부했습니다. 그러나 보고된 조건에 가깝게 완료되면 로봇 공학 데이터 부문은 일주일에 두 번의 9자리 가치 평가를 생성하게 되며, 이는 수요 충격이 Figure, Tesla 및 Unitree와 같은 회사가 경쟁하는 휴머노이드 하드웨어에서 훈련하는 데이터로 한 계층 아래로 이동했음을 확인합니다.

이는 또한 모든 데이터 중개자가 결국 직면하게 되는 질문을 제기합니다. 즉, 데이터를 구매하는 연구소가 중개자에게 계속 비용을 지불할 것인지 아니면 시장이 성숙함에 따라 내부 수집을 가져올 것인지 여부입니다. 현재로서는 병목 현상이 현실이고 악화되고 있으며 투자자들이 병목 현상을 막는 사람에게 기꺼이 비용을 지불할 것이라고 돈은 말합니다.

---

AI보다 앞서 나가세요

최신 AI 뉴스, 분석, 획기적인 소식을 모두 한 곳에서 받아보세요.

AI 뉴스 자세히 보기 →