🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Radical AI가 45분 만에 700억 원 투자를 끌어낸 핵심은 AI의 진짜 미래를 소프트웨어의 작은 개선이 아니라 소재 발견을 수백 배 가속하는 자율 과학 시스템에서 찾았다는 데 있다.

📌 핵심 요점

1. 다수의 AI 기업이 소프트웨어와 SaaS의 단기 최적화에 집중하는 사이, Radical AI는 암 치료와 신소재 발견처럼 성공했을 때 파급력이 큰 과학적 난제를 선택했다.
2. 소재는 자동차·항공우주·제조·국방·에너지·반도체의 발전을 좌우하지만, 새로운 소재를 발견해 산업 규모로 확장하기까지 통상 10년 이상과 막대한 비용이 필요하다.
3. Radical AI는 수백만 편의 논문, 수십억 개 소재의 시뮬레이션, 수천 개의 실험을 하나의 피드백 루프로 연결해 소재 발견을 인간 과학자보다 약 370배 빠르게 진행하려 한다.
4. 이 시스템의 목적은 과학자를 대체하는 것이 아니라 반복적인 기초 작업을 자동화하고, 과학자가 다음 문제와 소재를 선택하는 고차원적 판단에 집중하도록 돕는 것이다.
5. 창업 과정에서는 먼저 행동해 정보를 얻는 실행 편향, 임무에 공감하는 인재 중심의 문화, 확신이 51%에 도달하면 위험을 따져 결정하는 원칙이 기술 비전만큼 중요하게 제시된다.

🧩 배경과 문제 정의

AI의 잠재력과 실제 활용 사이에는 큰 간극이 있다. 많은 기업이 소프트웨어와 SaaS의 단기 개선에 집중하는 동안, 암 치료와 신소재 발견처럼 파급력이 큰 난제는 충분히 공략되지 않고 있다.

소재 연구개발은 자동차·항공우주·제조·국방·에너지·반도체의 발전을 좌우하지만, 새로운 소재가 실제 산업 규모에 도달하기까지 통상 10년 이상과 막대한 비용이 필요하다.

Radical AI는 수백만 편의 논문과 대규모 시뮬레이션·실험을 연결하는 AI 및 자율화 시스템으로 인간 중심의 과학적 발견 과정을 재설계하려 한다.

🕒 시간순 섹션별 상세정리

1. 작은 최적화보다 중요한 과학적 발견

• AI가 세상을 바꿀 잠재력이 있는데도 다수 기업은 소프트웨어·SaaS의 쉬운 문제와 작은 개선에 집중하며, 암 치료와 같은 중대한 난제는 공백으로 남아 있다. [00:19]
• Radical AI는 소재과학부터 과학적 발견용 범용 인공지능을 구축하며, 수백만 편의 논문을 학습한 에이전트로 10년 이상 걸리는 소재 발견을 인간 과학자보다 약 370배 빠르게 진행하려 한다. [01:47]

2. 개인의 강점과 군 복무에서 세운 원칙

• 아버지에게서 단순한 행복보다 깊은 몰입을 추구하고, 누구보다 잘할 수 있는 영역에서 실질적인 영향을 만들어야 한다는 기준을 배웠다. [02:15]
• 학업과 국가 복무를 병행하기 위해 대학 3학년 때 주방위군에 입대했고, 매달 훈련과 여름 집중훈련에 참여하는 길을 선택했다. [03:00]
• 기초군사훈련에서는 서로 다른 지역과 배경의 사람들이 하나의 임무로 결속했고, 개인보다 부대와 공동의 목표를 앞세우는 태도가 자리 잡았다. [03:46]

3. 라이스대와 육군 연구소에서 찾은 진로

• 학부 연구 심포지엄 우승 후 만난 라이스대 연구자들은 실제 산업과 사회에 큰 영향을 줄 문제에 집중했고, 미래를 직접 만드는 연구 문화가 대학원 선택을 결정했다. [04:38]
• 대학원과 군 복무를 병행하면서 전문 과학자와 특허법 등 여러 진로를 검토했지만, 최종 기준은 자신의 역량으로 가장 큰 영향을 만들 수 있는 분야였다. [05:01]
• 육군 지휘부와 기초과학 연구진의 관점 차이를 연결한 경험은 연구를 제품으로 상용화하고, 그 실행 수단으로 스타트업을 선택하는 계기가 됐다. [06:30]

4. 창업을 배우기 위한 뉴욕행과 실행 편향

• 회사를 세우는 방법을 익히기 위해 경험 있는 창업가와 투자자를 찾았고, 뉴욕에서 더블클릭을 이끌고 AlleyCorp를 설립한 케빈 라이언과 연결됐다. [06:57]
• 소재에 투자하지 않으면 미래에도 투자할 수 없다는 주장을 검증하기 위해 휴학한 뒤 일주일 만에 뉴욕으로 옮겨 6개월간 투자 업무를 경험했다. [07:26]
• 좋은 창업가는 완벽한 전략을 기다리기보다 먼저 행동하고 결과에서 학습하며, 더 많은 실행과 정보로 독자적인 가설을 구축한다. [08:12]

5. AI와 소재과학을 결합한 창업 구상

• 공동창업자 호르헤는 새로운 머신러닝 구조를 연구하면서 AI 기업들이 쉬운 문제에 집중하고 암 치료 같은 근본적 문제에는 도전하지 않는 현실에 의문을 품었다. [09:02]
• 약 한 달 반 동안 수백 편의 논문을 검토한 결과, 지식이 파편화되고 발전 속도가 느린 소재과학이 AI의 효과를 크게 낼 수 있는 분야로 좁혀졌다. [09:29]
• 소재과학·AI·로봇공학을 연결하고 자율 과학 실험실 경험을 갖춘 공동창업자까지 합류하면서, 인간 중심 연구를 AI·자율화 중심으로 바꿀 Radical AI가 출범했다. [10:16]

6. 산업 발전을 가로막는 소재 발견의 병목

• 기존 시스템을 1~5% 개선하는 최적화는 비교적 잘 해결되지만, 세상에 없던 것을 찾아내는 신규 발견은 여전히 가장 어려운 기술 문제다. [10:41]
• 자동차·항공우주·제조·국방·기후·에너지·반도체는 소재 연구개발에 의존하지만, 발견한 소재를 산업 규모로 확장하려면 통상 10년 이상과 막대한 비용이 든다. [11:10]
• AI와 자율화가 소재 개발의 시간·비용 장벽을 낮추면 핵심 산업의 발전 속도가 달라지고, 성공의 파급력은 인류의 장기적 궤적까지 바꿀 수 있다. [11:40]

7. 대규모 자본이 필요한 풀스택 전략

• Radical AI는 AlleyCorp 내부에서 시작했지만, AI부터 실제 소재 실험까지 아우르는 풀스택 시스템에는 많은 자본이 필요해 비교적 큰 프리시드 투자를 추진했다. [12:20]
• 약 100쪽의 투자 자료에는 기술적 기회가 열린 이유, 당시 기술 수준, 소재과학·AI·자동화를 결합해야 하는 이유가 담겼다. [12:32]
• 알파고가 방대한 기보에서 인간이 생각하지 못한 수를 찾았듯, 과학에서도 인간이 읽고 실험할 수 있는 범위의 한계를 넘어야 새로운 가설을 만들 수 있다. [13:14]

8. 역설계 연구와 45분 만의 투자

• AI는 수백만 편의 논문을 읽고 수십억 개 소재를 시뮬레이션하며 수천 개를 시험한 뒤 결과를 실시간으로 연결해, 해결할 문제에서 출발하는 소재 역설계를 수행할 수 있다. [13:49]
• AI와 자율화는 과학자를 대체하기보다 여러 실험 과정을 통합하며, 과학자가 반복 작업에서 벗어나 다음 소재와 문제를 선택하도록 돕는다. [14:31]
• 케빈 라이언이 필요한 자금을 단독으로 전액 투자하면서 프리시드 라운드는 약 45분 만에 마무리됐다. [14:48]

9. 임무 중심 문화와 51% 의사결정 원칙

• Radical AI는 단순히 일자리를 찾는 인재보다 회사의 임무에 깊이 공감하는 인재를 채용해 구성원의 방향성을 문화로 유지한다. [15:20]
• 확신이 51%에 도달하면 결정을 내리되, 결정의 규모와 오판 위험을 함께 따져 불필요한 토론과 조직 전체의 시간 손실을 줄인다. [16:21]
• 이 원칙은 속도 자체보다 결국 내릴 결정을 앞당기는 데 목적이 있으며, 오판과 실패는 과정을 다시 설계할 학습 기회로 다룬다. [17:39]

10. 실패 경험의 연결과 장기적인 소재 혁신

• 미래에는 경험의 의미를 미리 알 수 없지만, 소재 연구에서 겪은 좌절은 뒤돌아봤을 때 다음 단계로 이어지는 필수적인 경험이 됐다. [18:22]
• 과학자로 남을지와 시도가 성공할지는 중요하지 않았으며, 답을 찾을 때까지 전진하고 포기하지 않는 끈기가 돌파구를 만들었다. [18:45]
• 소재를 혁신의 장애물에서 제거하는 기술은 창업자들을 넘어 100년 또는 200년 동안 이어질 수 있고, 성공하면 오늘날 불가능하다고 여기는 세계까지 열 수 있다. [19:26]

🧾 결론

• AI의 장기적 가치는 기존 시스템을 몇 퍼센트 개선하는 데 그치지 않고, 인간의 시간과 인지 능력 때문에 탐색하지 못했던 과학적 가능성 공간을 넓히는 데서 나올 수 있다.
• Radical AI의 핵심 구상은 논문 학습, 시뮬레이션, 로봇 실험, 결과 피드백을 연결해 해결할 문제에서 필요한 소재를 역설계하는 폐쇄형 연구 시스템이다.
• AI와 자율화는 과학자의 역할을 없애기보다 반복 작업을 줄이고 문제 선택과 가설 판단이라는 인간의 역할을 강화하는 방향으로 설계된다.
• 어려운 과학 문제를 풀려면 장기적 임무, 다학제 팀, 대규모 자본, 빠른 실행을 동시에 감당하는 풀스택 접근이 필요하다는 것이 창업자의 결론이다.

📈 투자·시사 포인트

• AI 투자 기회는 SaaS의 생산성 향상뿐 아니라 소재과학처럼 산업 전체의 물리적 제약을 줄이는 AI 기반 과학 발견 영역으로 확장될 수 있다.
• 이 분야를 평가할 때는 모델의 언어 능력만이 아니라 논문·시뮬레이션·실험을 실제로 연결하고 결과를 재현하는 통합 역량을 함께 살펴야 한다.
• 풀스택 연구 시스템은 자본 소요가 크고 소재의 산업 확장에도 오랜 시간이 걸리므로, 단기 매출보다 발견·검증·확장 단계별 성과를 구분해 판단필요가 있다.
• 소재 개발의 시간과 비용이 실질적으로 낮아진다면 자동차·항공우주·국방·에너지·반도체 등 여러 산업에서 동시에 파급 효과가 나타날 수 있다.

⚠️ 불확실하거나 확인이 필요한 부분

• 소재 발견을 인간 과학자보다 약 370배 빠르게 진행한다는 주장의 비교 기준, 측정 방식, 대상 소재와 재현 결과는 제시되지 않았다.
• 제목에는 700억 원 투자라고 제시되지만, 본문에는 정확한 통화 환산 기준, 지분 조건, 기업가치와 투자 집행 구조가 설명되지 않는다.
• 프리시드 라운드가 약 45분 만에 끝났다는 표현이 최종 의사결정 시간인지, 사전 검토와 관계 형성을 포함한 전체 투자 과정인지는 불분명하다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 약 370배 가속 주장에 사용된 기준 작업, 인간 연구팀의 베이스라인, 실험 반복 횟수와 외부 재현 여부를 확인한다.
• 700억 원 투자 규모와 프리시드 라운드의 투자자, 통화, 지분 조건 및 실제 집행 내역을 별도로 검증한다.
• Radical AI의 역량을 논문 학습, 소재 시뮬레이션, 자율 실험, 역설계, 산업 검증의 다섯 단계로 나눠 현재 도달 수준을 점검한다.
• 발견된 후보 소재가 실제 실험에서 재현됐는지, 기존 소재보다 어떤 성능·비용·안전성 우위를 보였는지 확인한다.

❓ 열린 질문

• Radical AI가 실제로 발견하고 독립적으로 검증한 소재는 무엇이며, 기존 연구 방식보다 빨랐다는 결과를 어떻게 입증할 수 있는가?
• 시뮬레이션과 실제 실험의 결과가 다를 때 시스템은 오류를 어떻게 학습하고 다음 가설의 정확도를 높이는가?
• 소재 발견 속도가 크게 향상되더라도 인증·제조·공급망을 포함한 산업 확장 기간까지 단축할 수 있는가?