Ricursive Intelligence’s co-founders join Disrupt 2026

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

Ricursive Intelligence 공동창업자 Anna Goldie와 Azalia Mirhoseini가 TechCrunch Disrupt 2026에서 통상 2~3년인 칩 설계 주기를 수주로 단축하려는 AI 기술과 하드웨어의 상호 개선 구상을 소개한다.

📌 핵심 요약

• Ricursive Intelligence는 칩을 설계하고 그 과정에서 학습해 다음 설계를 개선하는 AI를 개발하고 있으며, 현재 2~3년이 걸리는 칩 설계 주기를 수주로 줄이는 것을 목표로 한다.
• Anna Goldie와 Azalia Mirhoseini는 Google에서 AlphaChip을 공동 주도했다. AlphaChip은 수시간 안에 칩 배치를 생성할 수 있었으며, 여러 세대의 Google Tensor Processing Units 설계에 기여했다.
• 두 창업자는 Google의 ML for Systems 팀을 공동 창설했고 Anthropic 초기 직원과 Google DeepMind 선임 연구과학자로 일했다. Ricursive Intelligence는 2025년 말 출범한 뒤 4개월 안에 3억 달러 규모 Series A를 포함해 3억 3,500만 달러를 조달했으며, 기업가치는 40억 달러로 평가됐다. Nvidia도 투자자다.
• Ricursive Intelligence는 부품 배치부터 설계 검증까지 자동화를 확대하고 서로 다른 칩 설계에서 학습하려 한다. 창업자들은 이를 통해 새로운 칩 아키텍처와 더 유능하고 효율적인 AI 개발이 가능해질 것으로 기대한다.
• 두 창업자는 2026년 10월 13~15일 샌프란시스코 Moscone West에서 열리는 TechCrunch Disrupt 2026의 Disrupt Stage에 오른다. 행사에는 200개 이상의 세션, 250명 이상의 연사, 300개 이상의 전시 스타트업이 마련되며, 1만 명 이상의 참석자가 예상된다.

🧩 주요 포인트

1. AlphaChip의 칩 배치 성과 → Ricursive Intelligence가 설계 검증까지 자동화를 넓히려는 기술적 출발점이며, 전체 설계 주기의 수주 단축은 여전히 목표다.
2. 서로 다른 칩 설계에서 축적한 학습 → 더 나은 하드웨어와 더 강력한 AI가 서로의 발전을 돕는 순환 구조를 지향한다.
3. 개월 내 3억 3,500만 달러 조달과 40억 달러 기업가치 → 투자자의 빠른 관심을 보여주며, 실제 칩 설계 가속 효과는 기사에서 구체적으로 입증되지 않았다.

🧠 상세 정리

1. 칩 설계 속도를 AI 발전에 맞추려는 목표

기사는 더 강력한 AI에 더 강력한 칩이 필요하지만, 그 칩을 설계하는 작업 자체가 느리고 복잡하다는 문제에서 출발한다. Ricursive Intelligence는 AI가 칩 설계의 일부를 수행하고 그 경험을 학습해 다음 설계를 개선하는 방식으로 이 병목을 줄이려 한다. 현재 칩 설계에는 2~3년이 걸리며, 회사가 제시한 목표는 이 주기를 수주 수준으로 단축하는 것이다. 이는 이미 달성한 성과로 제시된 수치가 아니라 개발 방향이며, 기사는 설계 가속이 더 유능한 AI를 뒷받침하는 하드웨어 개발을 앞당길 가능성에 주목한다.

2. Disrupt에서 논의할 AI와 하드웨어의 연결

Anna Goldie와 Azalia Mirhoseini는 TechCrunch Disrupt 2026의 Disrupt Stage에서 ‘When AI Starts Designing Its Own Hardware’ 세션에 참여한다. 두 공동창업자는 AI와 칩 개발 사이의 순환 구조를 완성하는 방법, 스스로 개선하는 시스템, 더 강력한 지능을 향한 경쟁에서 하드웨어가 만드는 병목을 논의할 예정이다. 기사는 이 세션을 AI 하드웨어의 제작 방식을 바꾸려는 연구자들에게 직접 설명을 들을 기회로 소개한다. 기술을 설명하는 내용과 행사 등록을 권유하는 문구가 함께 배치돼 있으며, 세션에서 다룰 전망을 소개하는 것이 기사의 주요 목적이다.

3. AlphaChip의 성과에서 설계 간 학습으로

두 창업자는 Ricursive Intelligence를 설립하기 전에 Google에서 AlphaChip을 공동 주도하며 AI가 실제 칩 설계에 기여할 수 있음을 보여줬다. AlphaChip은 사람이 훨씬 더 오래 걸려 수행하던 칩 배치를 수시간 안에 생성할 수 있었고, 여러 세대의 Google Tensor Processing Units 설계에 활용됐다. Ricursive Intelligence는 이 개념을 확장해 칩 설계를 자동화하고 가속하는 도구를 개발하며, 한 칩을 설계한 경험이 다른 칩의 설계 접근법을 개선하도록 하는 것을 지향한다. 그 결과 AI가 더 나은 하드웨어를 설계하고, 그 하드웨어가 더 강력한 AI를 지원하며, 다시 다음 개발을 돕는 순환이 가능해질 수 있다는 설명이다.

4. 창업자들의 연구 경력과 빠른 자금 조달

Goldie와 Mirhoseini는 Google의 ML for Systems 팀도 공동 창설했으며, 두 사람 모두 Anthropic 초기 직원이자 Google DeepMind 선임 연구과학자로 일한 경력이 있다. 창업자 겸 CEO인 Goldie는 Stanford 컴퓨터과학 박사로 MIT Technology Review의 ‘35 Innovators Under 35’에 선정됐고, 창업자 겸 CTO인 Mirhoseini는 Stanford 컴퓨터과학 조교수이자 Scaling Intelligence Lab 설립자다. 두 사람은 2025년 말 Ricursive Intelligence를 출범시켰으며, 회사는 4개월 안에 3억 달러 규모 Series A를 포함해 총 3억 3,500만 달러를 조달했다. 기업가치는 40억 달러로 평가됐고 Nvidia도 투자자로 참여했으며, 기사는 이를 창업 직후 투자자들이 빠르게 움직인 사례로 제시한다.

5. 자동화 범위의 확대와 아직 남은 검증

Ricursive Intelligence가 자동화하려는 대상은 부품 배치에서 설계 검증에 이르는 복잡한 칩 설계 과정이며, 설계를 반복하면서 학습하는 기능도 핵심 구상에 포함된다. Goldie와 Mirhoseini는 설계 속도를 높이면 새로운 칩 아키텍처의 가능성을 열고 궁극적으로 더 유능하고 효율적인 AI로 이어질 수 있다고 본다. 기사는 빠르게 발전하는 AI 모델과 그 기반 하드웨어의 서로 다른 개발 주기를 대비시키며, 회사가 AI로 이 격차를 줄이는 데 기대를 걸고 있다고 설명한다. 다만 AlphaChip의 기존 성과와 Ricursive Intelligence의 향후 목표는 구분되며, 전체 칩 설계를 수주 만에 끝냈다는 결과나 새 시스템의 구체적인 성능 검증 자료는 제시되지 않는다.

6. 행사 규모와 기사에 담긴 등록 안내

TechCrunch Disrupt 2026은 10월 13~15일 샌프란시스코 Moscone West에서 열리며, 두 창업자의 발표는 6개 산업 무대와 라운드테이블, 분과 행사에 걸쳐 마련된 200개 이상 세션 중 하나다. 기사는 250명 이상의 연사와 300개 이상의 전시 스타트업을 소개하고, 창업자·투자자·운영자·기술 리더 등 1만 명 이상의 참석자를 예상한다. 행사에서는 참가자 연결과 거래, 네트워킹 기회도 제공하며, 칩 개발 속도가 앞으로 AI의 역량에 어떤 영향을 미칠지 이해할 기회라는 점을 강조한다. 2026년 9월 25일 게시된 기사의 할인 안내는 당일 오후 11시 59분 태평양시간까지 최대 200달러 할인과 일부 티켓 유형의 두 번째 패스 50% 할인을 제시한다.

🧾 핵심 주장 / 시사점

• AlphaChip이 보여준 칩 배치 자동화와 Ricursive Intelligence가 추구하는 전체 설계 과정의 가속은 범위가 다르므로, 기존 성과만으로 수주 단축 목표의 달성을 판단할 수는 없다.
• 설계 간 학습이 의도대로 작동한다면 한 번의 칩 설계에서 얻은 경험이 이후 설계에도 기여할 수 있다는 점이 Ricursive Intelligence 접근법의 핵심이다.
• 기사는 연구 경력과 자금 조달 실적을 구체적으로 소개하지만 기술의 향후 효과는 가능성과 창업자의 기대에 기반하며, 행사 홍보의 성격도 함께 가진다.

✅ 액션 아이템

• Ricursive Intelligence의 2~3년에서 수주로의 단축 목표를 실제 달성 성과와 구분해 검토한다.
• AlphaChip의 칩 배치 성과를 기준으로 설계 검증까지 자동화를 확대하는 데 필요한 추가 근거를 확인한다.
• TechCrunch Disrupt 2026에서 서로 다른 칩 설계의 학습이 다음 설계를 어떻게 개선하는지에 대한 설명을 확인한다.

❓ 열린 질문

• Ricursive Intelligence는 2~3년인 칩 설계 주기를 수주로 줄인다는 목표를 어떤 결과로 입증할 수 있을까?
• AlphaChip의 칩 배치 성과를 설계 검증까지 확장할 때 어떤 제약이 남아 있을까?
• 서로 다른 칩 설계에서 축적한 학습이 더 유능하고 효율적인 AI로 이어지는 효과는 어떻게 확인할 수 있을까?