Engram, AI 토큰 비용 100분의 1로 줄이기 위해 9,800만 달러 투자 유치

미국 기업들의 AI 지출이 통제 불능 상태로 치닫는 가운데, 신경과학에서 영감을 받은 메모리 접근법을 가진 창립 8개월 된 스타트업이 이 문제를 해결하기 위해 9,800만 달러를 조달했다.

AI 스타트업 엔그램(Engram)은 최고 수준 연구소들과 견줄 수 있는 모델을 최대 100배 적은 토큰으로 구현하며, 제너럴 캐털리스트(General Catalyst), 클라이너 퍼킨스(Kleiner Perkins), 세쿼이아(Sequoia)로부터 9,800만 달러를 유치했다. 이번 라운드에는 오픈AI의 공동 창업자 안드레이 카파시(Andrej Karpathy)도 참여했다.

"데이터의 폭발, 비용의 폭발이 일어나고 있습니다."라고 클라이너 퍼킨스의 파트너 리 마리 브래스웰(Leigh Marie Braswell)은 말했다. "엔그램이 등장해 조직 전체를 매핑하고, 규모 대비 훨씬 저렴한 출력을 제공합니다."

13명 규모의 이 회사는 창립 1년도 되지 않아 이미 마이크로소프트, 노션(Notion), 법률 AI 스타트업 하비(Harvey)를 고객사로 확보했다. 엔그램의 모델은 조직별 워크플로와 맥락을 기억해 질문을 예측하고 더 저렴한 응답을 제공한다고 회사 측은 밝혔다. 이 접근법은 뇌 속 기억의 흔적인 '엔그램'이라는 신경과학 개념에서 비롯되었다.

이번 자금 조달은 우버(Uber)를 비롯한 주요 은행들이 AI 예산을 초과 지출하면서도 뚜렷한 성과를 거두지 못하고 있는 상황에서 이루어졌다. 우버의 CTO는 지난 4월 회사가 이미 2026년 AI 예산을 초과했다고 공개했다. 두 개의 대형 은행은 상당한 수익 없이 AI 실험에 약 10억 달러를 지출한 것으로 알려졌다. 메타(Meta)는 2026년에 AI만으로 수십억 달러를 지출할 궤도에 있다는 사실을 발견한 후, 내부 토큰 사용에 엄격한 제한을 가했다.

엔그램의 공동 창업자이자 CEO인 댄 비더만(Dan Biderman)은 컬럼비아 대학교에서 계산신경과학 박사 학위를 받고 이후 스탠포드 AI 연구소에서 근무한 인물로, 회사가 AI 시스템을 위한 '학습된 메모리' 계층을 구축 중이라고 밝혔다. 이 아이디어는 AI 모델이 매우 뛰어난 능력을 보이지만, 실제 메모리는 보이는 것보다 훨씬 제한적이며 더 많은 맥락을 추가할수록 모델이 압도되어 비용이 증가한다는 관찰에서 비롯되었다.

"우리는 기존의 메모장 기능을 넘어서, 인간이 가지고 있고 현재 모델에는 없는 직관의 계층을 구축하려고 합니다."라고 비더만은 말했다.

이러한 효율성 추구는 더 넓은 AI 업계가 비용 위기에 직면한 상황에서 이루어지고 있다. 오픈AI와 앤트로픽(Anthropic)은 대규모 언어 모델 서비스에 대해 실제 비용을 청구하기 시작한 지 3개월도 채 되지 않아 대폭적인 가격 인하를 고려 중이라고, 토큰 비용이 대규모로 창출하는 가치를 훨씬 초과한다고 말한 시스코(Cisco) 임원이 전했다. 가트너(Gartner)는 AI 서버 수요로 인한 메모리 부족이 2026년 PC 가격을 17%, 스마트폰 가격을 13% 인상할 것으로 전망했다.

엔그램의 접근법은 효율성으로의 더 광범위한 전환을 반영한다. 애플(Apple)은 구글 제미나이(Google Gemini)와의 파트너십을 통해 온디바이스(on-device) AI 모델을 구축하며 대형 모델을 로컬에서 실행되는 소형 버전으로 증류하고 있다. 중국 스타트업 지푸 AI(Zhipu AI)는 최근 오픈 웨이트 모델인 GLM-5.2를 출시했으며, 서구 최고 수준 모델 대비 토큰당 최대 82% 저렴한 가격인 백만 토큰당 4.40달러에 출력을 제공한다.

비더만은 엔그램의 모델이 모든 작업에서 오픈AI나 앤트로픽의 모델보다 "절대적으로 더 우수"하지는 않지만, 특화 분야에서 뛰어나며 때로는 다른 기능을 희생한다고 인정했다. 회사는 이번 자금을 컴퓨팅 파워와 인재 확보에 사용할 계획이다.

투자자들에게 엔그램의 빠른 고객 확보—창립 수개월 만에 마이크로소프트와 노션을 고객사로 유치한 점—는 비용 효율적인 AI 인프라에 대한 기업 수요가 실제하고 시급하다는 신호로 읽힌다. 이 스타트업은 효율성 관련 플레이어들이 포화된 시장에 진입했지만, 조직 메모리에 대한 집중이 일반적인 모델 최적화와 차별화를 이룬다. 엔그램의 100배 토큰 절감 주장이 프로덕션 대규모 환경에서도 유효하다면, 업계 전반의 추론 추론 가격에 압력을 가해 클라우드 제공업체의 마진을 압박하는 동시에 기업 AI 구매자들에게는 혜택을 줄 수 있다.

본 기사는 정보 제공 목적으로만 작성되었으며 투자 조언을 구성하지 않습니다.