Graphon AI, AI 모델 부하 경감을 위해 830만 달러 투자 유치

AI 스타트업 Graphon AI가 현재 인공지능의 핵심 한계인 방대하고 상호 연결된 데이터 세트를 이해하는 데 필요한 엄청나고 비용이 많이 드는 계산 부하를 해결하기 위해 830만 달러의 시드 펀딩을 확보했습니다. 이 회사의 '지능형 레이어'는 대규모 언어 모델 외부의 데이터 전반에서 관계를 매핑하는 것을 목표로 하며, 이는 처리 비용을 절감하고 이전에는 액세스할 수 없었던 정보에서 인사이트를 도출할 수 있게 해줍니다.

이번 라운드의 리드 투자자인 Novera Ventures의 Arvind Gupta는 "이것은 AI를 조금 더 효율적으로 만드는 수준이 아닌 근본적으로 새로운 기술입니다"라고 말했습니다.

가장 발전된 LLM조차 한 번에 수백만 개의 토큰을 처리하는 데 제한이 있는 반면, 기업들은 "문서, 비디오, 로그 및 데이터베이스에 걸쳐 수조 개의 토큰을 보유하고 있습니다"라고 회사는 밝혔습니다. Perplexity Fund, Samsung Next, GS Futures, Hitachi Ventures 등이 참여한 Graphon의 830만 달러 시드 라운드는 이 격차를 해소하기 위해 설계된 AI 인프라 클래스 구축에 자금을 지원할 예정입니다.

이 기술의 성공은 현재 방식에 비해 더 효율적이고 확장 가능한 대안을 제공함으로써 AI 인프라 지형에 영향을 미칠 수 있습니다. 방대한 비정형 데이터 세트를 보유한 기업들에게는 더 저렴하게 가치를 추출할 수 있는 잠재적인 방법을 제시합니다. 이는 향후 투자 트렌드에 영향을 미치고 대규모 LLM에 의존하는 기업들의 경쟁적 위치에 영향을 미칠 수 있습니다.

샌프란시스코에 본사를 둔 이 회사는 전 아마존 수석 응용 과학자인 Arbaaz Khan이 설립했으며, 그는 CEO를 맡고 있습니다. Khan은 LLM에 도달하기 전에 문서와 비디오에서 시스템 로그에 이르기까지 조직의 전체 데이터 유니버스에 대한 관계형 맵을 만드는 것이 아이디어라고 말합니다. 이러한 사전 처리는 거대한 모델이 연결을 찾기 위해 모든 데이터를 반복적으로 분석하도록 하는 것보다 더 효율적으로 설계되었습니다.

로봇 공학에서 관계형 데이터까지

Khan은 펜실베이니아 대학교에서 로봇 공학 박사 과정을 밟으며 영감을 얻었습니다. 정의된 공간에서 작동하는 로봇은 해당 구조에 대한 지식을 사용하여 계산 요구 사항을 줄일 수 있다고 그는 설명했습니다. 그는 공유된 관계 속성을 기반으로 이질적인 사용자나 데이터 포인트를 "이웃"으로 식별하고 그룹화할 수 있는 '그라폰(graphon)'이라는 수학적 개념을 사용하여 데이터에도 유사한 아이디어를 적용했습니다. LLM의 트랜스포머 기술이 어떤 단어가 관련되어 있는지 파악하기 위해 엄청난 에너지를 소모하는 반면, Khan의 지능형 레이어는 이 작업을 별도로 수행합니다. Khan은 "우리는 이 거대한 관계형 표현을 구축할 것이며... 모델이 모든 무거운 작업을 수행하게 하는 대신 이것이 모델에 정보를 제공하게 될 것입니다"라고 말했습니다. 그는 이것이 엄청난 절감 효과를 준다고 주장하며, "5조 개의 매개변수 모델을 한 시간 동안 실행하는 것보다 2억 개의 매개변수 모델을 천 번 실행하는 것이 훨씬 더 효율적입니다"라고 덧붙였습니다.

한국 기업 집단, 기술 테스트에 나서다

한국의 대기업 GS는 GS Futures 부문을 통해 투자자로 참여하며 이미 이 기술을 사용하고 있습니다. GS의 52g 디지털 전환 이니셔티브를 이끄는 Ally Kim 부사장은 팀이 건설 현장의 안전 준수 여부를 모니터링하는 폐쇄회로 TV 녹화물 분석을 개선하기 위해 Graphon을 사용했다고 말했습니다. 또한 회사는 GS가 후원하는 팀의 선수를 발굴하기 위해 축구 선수의 비디오를 더 효율적으로 분석하여 움직임, 강점 및 약점을 평가하는 데 이를 사용했습니다. Kim은 "음성이나 비디오 또는 다른 컨텍스트와 같은 멀티모달리티로 지식 범위를 확장해야 합니다. Graphon은 좋은 지원군이 될 수 있습니다"라고 말했습니다.

이 기사는 정보 제공 목적으로만 제공되며 투자 조언을 구성하지 않습니다.