Exclusive: Plants can speak using electricity, so this startup built an AI model to decipher their language

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

Electric Plant는 식물의 전기 신호를 해석하는 AI 모델 Bombadil과 저가 센서의 상용화를 추진하며, 식물의 필요를 파악해 재배 효율을 높일 수 있다고 주장한다.

📌 핵심 요약

• Justin Mast와 DARPA에서 일한 경험이 있는 신경과학자 Lee von Kraus가 설립한 Electric Plant는 지난 3년간 데이터를 수집해 약 125종의 식물 전기 신호를 해석하는 대규모 언어 모델 Bombadil을 개발했다.
• Electric Plant는 센서와 Bombadil의 시장 출시를 위해 Onto Ventures와 Climactic이 주도한 시드 투자에서 1,120만 달러를 조달했다.
• Mast는 토양 탐침, 휴대용 분광기, 위성 영상 등 기존 도구가 식물 내부의 실시간 필요를 파악하는 데 한계가 있다고 설명했으며, Electric Plant는 이들 장비를 Bombadil 학습에 활용했다.
• 수십 달러 수준이라는 센서는 스테인리스 나사를 형성층까지 삽입해 식물 내부의 마이크로볼트 단위 전기 변화를 측정한다. 데이터는 저전력 무선망과 기지국을 거쳐 클라우드의 Bombadil에서 해석된다.
• Mast는 에이커당 센서 약 2개로 정확한 결과를 얻고, 관수·시비 일정 조정을 통해 수확량을 늘리면서 물 사용량을 20% 이상 줄일 수 있다고 주장했다. 초기 고객은 공개하지 않았으며, 농업과 임업은 기사에서 제시한 잠재적 활용 분야다.

🧩 주요 포인트

1. 기존 도구로 학습한 Bombadil → 식물 내부 전기 신호를 재배 판단에 연결하려는 접근이며, 기존 장비를 능가할 것이라는 전망은 Mast의 주장이다.
2. 수십 달러 센서와 에이커당 약 2개라는 배치 조건 → 저비용 식물 모니터링 가능성을 제시하지만, 센서 부착에는 형성층까지 나사를 삽입해야 한다.
3. 약 125종의 해석 범위와 물 사용량 20% 이상 절감 주장 → 다양한 식물의 재배 효율 개선을 겨냥하지만, 초기 고객 비공개로 실제 도입 사례의 구체성은 제한된다.

🧠 상세 정리

1. 움직이는 화분 연구에서 시작된 창업

Justin Mast는 몇 년 전 과학 문헌을 읽다가 전동 받침대에 연결된 실내 식물 연구를 접했다. 식물이 더 많은 빛을 필요로 하면 살아 있는 조직에 전기 신호가 흐르고, 제어 장치가 이를 감지해 화분을 광원 가까이 이동시키는 방식이었다. 이 연구에 관심을 갖게 된 Mast는 DARPA에서 일한 경험이 있는 신경과학자 Lee von Kraus와 함께 Electric Plant를 설립했다. 회사는 지난 3년간 식물 줄기를 흐르는 미세한 전기 신호를 해석하고 식물의 필요를 재배자에게 전달할 대규모 언어 모델 Bombadil을 만들기 위해 데이터를 수집했다. 창업자들은 언젠가 식물과 ‘대화’하는 도구로 발전할 수 있다고 보지만, Mast는 현재는 말하기보다 듣기에 집중하며 듣기가 첫 단계라고 설명했다.

2. 센서와 Bombadil 상용화를 위한 투자

Electric Plant는 센서와 Bombadil을 시장에 내놓기 위해 최근 1,120만 달러의 시드 투자를 유치했다. 이번 투자는 Onto Ventures와 Climactic이 주도했으며, Ponderosa, Endeavor Catalyst, Ludlow, Michigan Rise, The Fund, Schox VC, Dug Song이 참여했다. 회사가 상용화하려는 시스템은 식물에 부착한 센서에서 신호를 수집하고, 모델의 해석 결과를 고객에게 전달하는 구조다. 이를 통해 재배자가 식물의 필요를 파악하고 물이나 비료를 주는 일정을 조정하도록 돕는 것이 기사에서 설명한 용도다. 투자 유치 사실과 별개로 Mast는 초기 고객이 누구인지는 공개하지 않았으므로, 기사에서는 구체적인 고객 사례를 확인할 수 없다.

3. 기존 측정 도구의 한계와 학습 기반

Mast는 환경을 정밀하게 관리하는 온실에서도 재배자가 식물에 필요한 것을 완전히 파악하지는 못한다고 설명했다. 농부와 재배자, 산림 관리자는 전통적으로 물·영양분·빛에 대한 식물의 요구에 대응하는 비교적 거친 도구에 의존해 왔다는 주장이다. 토양 탐침, 휴대용 분광기, 위성 영상은 유용하지만, 그는 이 기술들이 정교한 데 비해 식물 내부 상태에 접근하는 능력은 부족하고 실시간 필요에도 뒤처진다고 평가했다. 다만 Electric Plant 역시 모델 개발의 출발점으로 이러한 기존 장비를 활용해 Bombadil을 학습시켰다. Mast는 모델이 앞으로 상당수 기존 장비를 능가할 것이라고 말했으며, 이는 기사에 제시된 비교 검증 결과가 아니라 그의 전망이다.

4. 형성층의 미세한 전기 변화를 읽는 센서

Electric Plant의 센서는 일반적인 아이폰을 세로 방향으로 반 접은 정도의 크기이며, 스테인리스 나사로 식물에 부착한다. 나사는 나무껍질 바로 아래 살아 있는 조직층인 형성층까지 들어가야 식물 내부에서 발생하는 마이크로볼트 단위 전기 변화에 연결될 수 있다. 수집된 데이터는 저전력 무선망으로 기지국에 전달되고, 이후 클라우드의 Bombadil이 이를 해석해 고객에게 결과를 보낸다. Mast는 기존 도구가 대체로 수천 달러인 데 비해 자사 센서는 수십 달러 수준이라고 설명했다. 또한 정확한 결과를 얻는 데 에이커당 센서 약 2개면 충분하다고 주장했으며, 이 설명은 센서 가격과 필요한 배치 수를 통해 시스템의 비용상 이점을 제시한다.

5. 관수·시비 조정과 자원 절감 가능성

고객은 Bombadil이 해석해 돌려준 정보를 바탕으로 물이나 비료를 주는 일정을 조정할 수 있다. 식물의 필요를 읽어 재배 결정을 돕는다는 것이 Electric Plant가 설명하는 시스템의 실질적 활용 방식이다. Mast는 이러한 시스템으로 수확량을 늘리는 동시에 물 사용량을 20% 이상 줄일 수 있다고 주장했다. 다만 기사에는 이 수치가 나온 구체적인 재배 조건이나 고객 사례가 제시되지 않았으며, 초기 고객의 신원도 공개되지 않았다. 기사는 농업과 임업에서의 활용을 쉽게 상상할 수 있다고 서술하지만, 이를 회사가 공개한 실제 고객 분야나 확인된 도입 실적으로 단정하지는 않는다. 따라서 기대 효과와 이미 공개된 적용 사실을 구분해 읽을 필요가 있다.

6. 약 125종의 해석 범위와 창업자의 포부

Bombadil은 약 125종의 식물에서 전기 신호를 해석할 수 있는 모델로 소개된다. Mast에 따르면 그 범위에는 양치식물, 레드우드, 토마토, 달리아 등 서로 다른 형태의 식물이 포함된다. 그는 이를 생물학적 전기 신호를 대상으로 만들어진 가장 다양한 모델이라고 표현했으며, 동물 분야에서도 이에 상응하는 시도는 없었다고 주장했다. 이러한 표현은 모델의 폭넓은 적용 가능성에 대한 창업자의 평가로, 기사에서 독립적으로 입증한 비교 결과로 제시되지는 않는다. 식물과 ‘대화’한다는 장기적 구상 역시 현재의 신호 해석 기능에서 더 나아간 가능성으로 언급된다. 현재 기사에서 구체적으로 설명하는 기능은 센서로 식물의 전기 변화를 듣고, 그 해석을 재배자의 판단에 연결하는 것이다.

🧾 핵심 주장 / 시사점

• Electric Plant의 접근은 토양이나 외부 관측에 더해 식물 내부의 전기 신호를 재배 판단의 근거로 삼으려는 것이다.
• 기존 장비의 한계를 지적하면서도 이를 Bombadil 학습에 활용했다는 점에서, 기존 측정 기술은 모델 개발의 출발점 역할을 했다.
• 수십 달러 센서와 폭넓은 식물 해석 범위는 상용화 가능성을 뒷받침하는 요소지만, 물 절감과 성능 우위는 기사에서 Mast의 주장으로 제시된다.

✅ 액션 아이템

• Bombadil의 기존 장비 대비 성능 우위는 Mast의 전망임을 구분해 검토.
• 수십 달러 센서와 에이커당 약 2개라는 배치 조건을 형성층 나사 삽입 방식과 함께 검토.
• 물 사용량 20% 이상 절감 주장은 초기 고객 비공개라는 정보 제약을 고려해 평가.

❓ 열린 질문

• 기존 도구로 학습한 Bombadil이 해당 장비를 능가한다는 전망은 어떤 비교 결과로 확인할 수 있는가?
• 약 125종의 식물에서 에이커당 센서 약 2개로 정확한 결과를 얻는다는 주장은 얼마나 일관되게 성립하는가?
• 초기 고객이 공개되지 않은 상황에서 수확량 증가와 물 사용량 20% 이상 절감 주장을 어떻게 확인할 수 있는가?