Euclyd 펀딩 라운드, 2억 3,100만 달러 유치… 그러나 진짜 시험대는 실리콘

Euclyd가 야심 찬 AI 추론 아키텍처를 설계 단계에서 상용 배포로 옮기기 위해 2억 3,100만 달러를 확보했다. 이번 Euclyd 펀딩 라운드는 젊은 반도체 기업으로서는 이례적인 수준의 재정적 기반을 제공한다. 하지만 아직 검증된 하드웨어, 생산 규모, 고객 도입을 의미하지는 않는다.

Samsung, Somerset Capital Partners, EQT-managed Scaleup Europe Fund, Innovation Industries가 Series A를 공동 주도했다. 여러 유럽 투자 기관도 참여했다. 전 ASML 최고경영자 Peter Wennink은 Euclyd의 이사회 의장으로 합류해 회사 이사회에 반도체 업계의 풍부한 리더십 경험을 더했다.

이번 자금 조달이 중요한 이유는 Euclyd가 또 하나의 범용 가속기를 제안하는 것이 아니기 때문이다. 이 회사는 AI 추론을 위해 긴밀하게 통합된 컴퓨팅, 메모리, 데이터센터 플랫폼을 설계하고 있다. 이 접근 방식은 Nvidia의 GPU 중심 모델에 도전하는 동시에 Groq, Cerebras 및 다른 칩 개발사의 특화 시스템과 경쟁한다.

따라서 당장의 이야기는 단순한 투자 유치 이정표보다 더 크다. 투자자들은 Euclyd가 사양 단계에서 제조된 시스템으로 넘어가는 어려운 전환을 시도할 수 있을 만큼의 자본을 제공했다. 이제 성공 여부는 이 시스템이 실제 모델, 워크로드, 데이터센터 전반에서 경쟁력 있는 경제성을 제공할 수 있는지에 달려 있다.

Euclyd 펀딩 라운드, 회사의 배포 단계 진입을 뒷받침

이번 자금 조달은 Euclyd를 흥미로운 아키텍처 프로젝트에서 특화 AI 인프라 상용화를 추진하는 대규모 자금 지원 기업으로 전환한다.

Euclyd는 2026년 9월 15일 Series A를 발표했다. 회사는 자금 조달 규모가 2억 유로를 넘는다고 밝혔으며, 보도에서는 이를 약 2억 3,100만 달러로 환산했다. 이 차이는 별도의 두 가지 투자 총액이 아니라 환율 환산에 따른 것이다.

4개 공동 주도 투자자 외에도 EIFO, imec.xpand, the Brabant Development Agency, Quadri가 참여했다. 이 투자자 그룹은 대형 반도체 제조사, 민간 자본, 유럽 기술 투자자, 공공 개발 기관을 아우른다.

이러한 구성은 Euclyd에 현금 이상의 가치를 제공한다. Samsung은 반도체 제조 지식과 확대되는 AI 인프라 시장에 대한 직접적인 시각을 제공한다. Imec.xpand는 회사를 더 넓은 유럽 반도체 연구 네트워크와 연결한다. 지역 투자자들은 Euclyd가 Eindhoven 인근에서 인재를 채용하고 사업을 확장하는 데 도움을 줄 수 있다.

투자 발표에 따르면, Euclyd는 엔지니어링 조직을 확대하고 실리콘 및 시스템 로드맵을 가속할 계획이다. 또한 파트너 관계를 강화하고 엔터프라이즈, 주권형, 하이퍼스케일 배포를 준비할 의도다.

이 계획은 반도체 개발의 여러 고비용 단계를 포괄한다. Euclyd는 설계를 마무리하고, 검증하며, 작동하는 실리콘을 제조하고, 프로세서를 패키징한 뒤 완전한 시스템에 통합해야 한다. 또한 고객이 과도한 마이그레이션 작업 없이 현재 모델을 실행할 수 있도록 하는 소프트웨어도 구축해야 한다.

Euclyd는 2024년 Eindhoven의 High Tech Campus에서 설립됐다. 본사는 여전히 네덜란드에 있으며, California주 San Jose에도 사무소를 두고 있다. 이러한 거점은 네덜란드 반도체 클러스터 가까이에 엔지니어링을, 주요 미국 AI 기업 인근에 고객 개발을 배치한다.

Wennink의 합류 역시 또 하나의 중요한 신호다. 그는 첨단 칩 제조에 필수적인 리소그래피 장비를 만드는 네덜란드 기업 ASML을 이끌었다. 그의 의장직 수행이 Euclyd의 성능 주장을 검증하는 것은 아니지만, 회사의 반도체 거버넌스와 업계 접근성을 강화한다.

완료된 라운드는 Euclyd의 기존 목표도 넘어섰다. 2026년 4월, 창업자 겸 최고경영자 Bernardo Kastrup은 회사가 최소 1억 유로를 조달하려 한다고 밝혔다. 최종 조달 규모는 이 수치를 두 배 이상 웃돌았다.

이러한 확대는 투자자들이 단일 프로세서 테이프아웃보다 더 넓은 계획에 자금을 대고 있음을 시사한다. Euclyd는 단순한 지식재산 개발사가 아니라 반도체 시스템 기업으로 자신을 내세운다. 로드맵에는 프로세서, 맞춤형 메모리, 패키징, 랙, 지원 소프트웨어가 포함된다.

이 구분은 기회와 위험을 동시에 수반한다. 완전한 시스템은 고객이 관련 없는 부품을 조합할 때 남는 병목을 없앨 수 있다. 그러나 계층이 하나 추가될 때마다 또 다른 엔지니어링 과제, 공급 의존성, 지연 가능성이 생긴다.

따라서 Euclyd 펀딩 라운드는 시도의 규모를 바꾼 것이지 기술적 상태를 바꾼 것은 아니다. 자본은 엔지니어, 제조 약정, 테스트 시스템에 쓸 수 있다. 하지만 그 결과로 나온 플랫폼이 통제된 시연 환경 밖에서도 안정적으로 작동한다는 보장은 없다.

이 격차가 이제 회사의 핵심 과제를 규정한다. Euclyd는 상당한 무언가를 만들 수 있을 만큼의 지원을 확보했다. 고객은 그 지원을 생성 토큰당 더 낮은 비용으로 전환할 수 있는지를 판단할 것이다.

AI 추론이 핵심 목표가 된 이유

Euclyd는 AI 모델을 한 번 훈련하는 일보다 이를 실행하는 일이 더 큰 인프라 문제가 될 것이라는 데 베팅하고 있다.

훈련은 방대한 데이터세트를 처리하고 수십억 개의 내부 파라미터를 조정해 모델을 만드는 과정이다. 추론은 그 이후에 일어나며, 훈련된 모델이 답변, 이미지, 예측 또는 소프트웨어 작업을 생성할 때마다 수행된다. 사용자 요청 하나하나가 또 다른 추론 워크로드를 만든다.

이 패턴은 인프라 비용이 누적되는 방식을 바꾼다. 대부분의 모델에서 훈련은 집약적이지만 일시적으로 발생한다. 반면 추론은 모든 사용자, 애플리케이션, 자동화 작업 전반에서 지속적으로 반복된다. 따라서 성공적인 제품은 지속적인 컴퓨팅 수요 흐름을 만들어낼 수 있다.

추론 모델은 답변을 반환하기 전에 더 많은 토큰을 생성하고 평가하기 때문에 이러한 수요를 강화한다. AI 에이전트는 작업을 계획하고, 결과를 점검하며, 다음 행동을 결정하는 과정에서 모델을 반복 호출해 추가 부하를 만든다.

중요한 지표는 더 이상 최고 산술 성능만이 아니다. 데이터센터 운영자는 처리량, 응답 지연 시간, 에너지 소비, 메모리 용량, 토큰당 총비용도 추적한다. 비싼 보조 인프라가 필요한 빠른 칩은 여전히 매력적이지 않은 경제성을 낳을 수 있다.

대규모 모델 추론에서는 특히 메모리 이동이 중요하다. 프로세서는 모델 가중치와 중간 데이터를 반복적으로 가져온다. 메모리가 이 정보를 충분히 빠르게 공급하지 못하면, 추가 산술 유닛은 계산 대신 대기하는 데 시간을 쓰게 된다.

Euclyd는 프로세서와 밀접하게 연결된 맞춤형 메모리 아키텍처를 통해 이 제약을 해결하고자 한다. 회사는 자사의 메모리 설계를 Ultra-Bandwidth Memory, 즉 UBM이라고 부른다. 이 시스템이 대규모 모델을 이를 사용하는 컴퓨팅 자원 가까이에 유지할 것이라고 설명한다.

회사의 더 광범위한 CRAFTWERK 아키텍처는 긴 모델 호출 연속 실행이 필요할 수 있는 에이전트형 워크로드를 겨냥한다. 예를 들어 코딩 에이전트는 파일을 읽고, 변경을 제안하고, 도구를 실행하며, 실패를 분석하고, 작업을 수정할 수 있다. 각 단계는 새로운 추론 수요를 만들 수 있다.

이 때문에 효율성은 클라우드 제공업체를 훨씬 넘어선 영역에서 중요하다. 엔터프라이즈 구매자는 AI 에이전트 배포가 예측 가능한 운영 비용을 낳을지 고려해야 한다. 개발자는 대화형 제품에 충분한 속도가 필요하다. 데이터센터 운영자는 전력, 냉각, 네트워킹, 물리적 공간을 제공해야 한다.

시장 압력은 이미 Nvidia의 실적에서 드러난다. 회사의 2026 회계연도 공시는 Blackwell 수요에 힘입어 Data Center 컴퓨팅 매출이 59% 증가했다고 밝혔다. 회사의 연간 공시 역시 훈련과 추론을 포괄하는 광범위한 소프트웨어 스택을 강조한다.

Nvidia의 위치는 도전자들에게 까다로운 기준을 제시한다. 고객은 고립된 프로세서를 구매하는 것이 아니다. 이들은 CUDA 소프트웨어, 최적화된 라이브러리, 네트워킹, 관리 도구, 이용 가능한 클라우드 용량, 확립된 개발자 커뮤니티에 의존한다.

특화 아키텍처는 이 환경을 떠나는 비용을 상쇄해야 한다. 문서상 더 높은 효율성이 새로운 소프트웨어, 운영 프로세스, 공급업체 위험을 정당화하지 못할 수도 있다. Euclyd는 도입을 단지 기술적으로 가능하게 하는 데 그치지 않고 실용적으로 만들어야 한다.

이러한 요건은 스타트업이 전체 인프라 플랫폼을 설명하는 이유를 보여준다. 회사는 하나의 워크로드 범주를 중심으로 컴퓨팅, 메모리, 패키징, 시스템을 조율하려 한다. Euclyd가 자체적인 아키텍처 선택을 제안한다는 점에서 차이는 있지만, 이 전략은 다른 추론 전문 기업들과 닮아 있다.

이번 자금 조달은 투자자들이 추론을 독립된 시장으로 점점 더 취급하는 시점에 이뤄졌다. Groq는 모델 실행에 최적화된 프로세서와 클라우드 용량을 중심으로 사업을 구축해 왔다. Cerebras는 데이터 이동을 줄이기 위해 웨이퍼 스케일 프로세서와 대용량 온칩 메모리를 사용한다.

이들 기업은 서로 다른 방향에서 같은 근본 기회를 추구하고 있다. 고객은 더 많은 생성 토큰, 더 빠른 응답, 더 낮은 에너지 사용을 원한다. 아직 해결되지 않은 질문은 어느 아키텍처가 수용하기 어려운 소프트웨어 또는 배포 비용을 만들지 않고 이러한 결과를 제공할 수 있는가이다.

Euclyd의 기회는 이러한 불확실성에서 나온다. Nvidia가 가장 강력한 플랫폼 지위를 갖고 있지만, 추론 워크로드는 여전히 진화하고 있다. 더 긴 컨텍스트 윈도우, 멀티모달 모델, 자율 에이전트는 어떤 병목이 가장 중요한지를 바꿀 수 있다.

회사는 자사 설계가 확립된 하드웨어보다 이러한 변화를 더 잘 예측한다는 점을 입증해야 한다. 그렇지 않으면 효율성 주장은 개선되는 GPU와 더 나은 소프트웨어 최적화에 맞서야 한다. Euclyd가 첫 상용 시스템을 개발하는 동안 목표는 제자리에 머물지 않을 것이다.

Euclyd의 AI 칩, 메모리를 중심으로 컴퓨팅을 재구성하다

Euclyd의 방식은 방대한 병렬 컴퓨팅을 이례적으로 큰 맞춤형 메모리 풀 옆에 배치하는 긴밀하게 패키징된 시스템이다.

CRAFTWERK는 하나의 패키지 내부에 여러 반도체 부품을 결합하는 시스템 인 패키지, 즉 SiP에서 시작한다. Euclyd는 손바닥 크기의 이 유닛에 16,384개의 맞춤형 프로세서와 1테라바이트의 UBM이 탑재될 것이라고 밝혔다.

프로세서는 VLIW와 SIMD 실행을 사용한다. VLIW는 하나의 긴 명령어를 통해 여러 연산을 스케줄링하고, SIMD는 하나의 명령어를 여러 데이터 요소에 적용한다. 두 기술 모두 적합한 워크로드에서 예측 가능한 병렬 실행을 제공할 수 있다.

Euclyd는 하나의 패키지가 궁극적으로 FP16 계산에서 8페타플롭스, FP4 계산에서 32페타플롭스를 제공할 것이라고 말한다. 낮은 수치 정밀도는 각 연산에 필요한 데이터를 줄이지만, 모델 정확도와 워크로드 호환성은 여전히 신중한 평가가 필요하다.

회사는 UBM이 초당 최대 8,000테라바이트의 대역폭을 제공할 것이라고도 주장한다. 이 수치는 여전히 공급업체의 목표치다. 독립적인 검토자들은 대표적인 프로덕션 모델 전반에서의 지속 성능을 아직 확립하지 못했다.

CRAFTWERK는 패키지를 넘어 확장된다. Euclyd가 계획한 CWS 32 시스템은 32개의 패키지를 랙 규모 제품으로 결합한다. 발표된 구성은 32테라바이트의 패키지 수준 메모리를 포함하고 FP4 계산으로 1.024엑사플롭스에 도달할 것으로 예상된다.

이 사양은 Euclyd 펀딩 라운드의 규모를 설명하는 데 도움이 된다. 실험용 프로세서 하나를 만드는 데에도 이미 상당한 자본이 필요하다. 랙 제품을 제공하려면 회로 기판, 전력 공급, 냉각, 네트워킹, 소프트웨어, 제조 조율이 추가된다.

이 아키텍처는 Euclyd의 핵심 베팅도 드러낸다. 현대의 추론은 모델 데이터를 프로세서로 이동시키는 과정에서 자주 제약을 받는다. Euclyd는 예측 가능한 실행을 위해 단순한 병렬 처리 요소를 사용하면서 메모리 대역폭과 용량을 늘리는 것을 목표로 한다.

범용 GPU를 다양한 워크로드 유형에 활용하는 전략과는 다르다. 특화 하드웨어는 대상 워크로드에서 거의 사용하지 않는 기능을 제거할 수 있다. 대신 해당 워크로드가 반복적으로 수행하는 연산에 더 많은 면적과 전력을 할당할 수 있다.

그 대가로 유연성은 줄어든다. AI 모델과 추론 기법은 빠르게 변화한다. 오늘날의 트랜스포머 워크로드에 최적화된 아키텍처는 미래 시스템이 다른 메모리 패턴, 희소 연산 또는 새로운 수치 형식을 사용하게 되면 효율을 잃을 수 있다.

소프트웨어는 이론적 용량과 실질적 성능을 잇는 가교가 된다. Euclyd에는 컴파일러, 런타임, 모델 지원, 오케스트레이션, 모니터링 및 진단 도구가 필요하다. 고객은 모든 애플리케이션을 다시 구축하지 않고도 워크로드를 CRAFTWERK로 옮길 수 있어야 한다.

회사는 이미 중요한 구현 협력 관계 하나를 공개했다. 개발 파트너십에 따라 ADTechnology가 백엔드 설계를 맡고 Samsung Foundry의 FinFET 공정을 통한 제조를 조율하고 있다.

백엔드 설계는 논리적 칩 사양을 제조에 필요한 물리적 레이아웃으로 변환하는 작업이다. 엔지니어들은 타이밍, 전력, 발열 및 제조 가능성 목표를 충족하면서 수십억 개의 회로 요소를 배치하고 연결해야 한다.

ADTechnology는 800건 이상의 설계 및 테이프아웃 프로젝트를 완료했다고 밝혔다. 테이프아웃은 완성된 칩 설계가 제조 단계로 넘어가는 시점이다. 이러한 경험은 구현 위험을 낮출 수 있지만, 결함이나 일정 변경을 없앨 수는 없다.

Samsung과의 연결고리는 이제 제조와 자금 조달 모두에 걸쳐 있다. Samsung Foundry는 Euclyd의 생산 경로에 포함돼 있으며, Samsung은 공동 리드 투자자이기도 하다. 이러한 정렬은 아키텍처 목표와 제조 현실 간의 조율을 개선할 수 있다.

이는 패키징 및 메모리 관련 논의도 뒷받침할 수 있다. Samsung은 파운드리 서비스, 메모리, 데이터센터 부품 분야에서 폭넓은 사업을 운영한다. 다만 Euclyd는 Samsung의 참여에 수반되는 모든 상업적·기술적 의무를 공개적으로 상세히 밝히지는 않았다.

따라서 이번 투자는 구매 약정이 아니라 전략적 정렬로 해석해야 한다. Samsung의 참여는 이 프로젝트가 지원할 가치가 있다고 판단했다는 신호다. 외부 고객의 수요를 입증하거나 양산을 보장하는 것은 아니다.

Euclyd가 완전한 시스템을 강조하는 전략은 각 구성 요소가 의도대로 함께 작동한다면 강점이 될 수 있다. 고객은 가속기, 메모리, 네트워킹을 직접 조합해 설계하지 않고도 예측 가능한 용량을 제공받을 수 있다.

동시에 이러한 통합은 실행 압박을 높인다. 한 구성 요소의 지연이 전체 제품을 지연시킬 수 있다. 패키지, 소프트웨어 또는 랙 인프라가 완성되지 않은 상태라면 프로세서는 상업적 매출을 창출할 수 없다.

Euclyd는 애플리케이션 수준의 성능도 입증해야 한다. 최고 FP4 출력만으로는 첫 토큰 생성 시간, 지속 처리량, 모델 품질, 활용률 또는 다중 사용자 지연 시간을 거의 알 수 없다. 이러한 측정치가 데이터센터가 실제 고객에게 경제적으로 서비스를 제공할 수 있는지를 결정한다.

회사의 가장 강력한 증거는 널리 사용되는 오픈 모델 전반에서 재현 가능한 테스트가 될 것이다. 결과에는 프로세서만이 아니라 시스템 수준에서 측정한 전력도 포함돼야 한다. 배치 크기, 컨텍스트 길이, 정밀도 및 소프트웨어 구성도 공개해야 한다.

그러한 증거가 나오기 전까지 CRAFTWERK는 신뢰할 만한 파트너의 지원을 받는 야심 찬 설계에 머문다. 사양은 Euclyd가 추론 비용에 어떻게 대응하려 하는지를 설명한다. 아직 그 대응이 성공했음을 입증하지는 않는다.

가장 어려운 상대는 Nvidia의 전체 플랫폼이다

Euclyd는 정적인 한 세대의 Nvidia 칩이 아니라 확장 중인 하드웨어 및 소프트웨어 플랫폼을 능가해야 한다.

Nvidia의 강점은 이미 구축된 인프라에서 시작된다. 클라우드 사업자, 모델 개발자, 기업 및 연구소는 이미 이 회사의 가속기를 운영하고 있다. 팀들은 CUDA 및 관련 라이브러리로 모델을 최적화하는 방법을 알고 있다.

이러한 설치 기반은 구매 위험을 낮춘다. 고객은 경험 있는 엔지니어를 채용하고, 성숙한 도구를 이용하며, 여러 클라우드 사업자를 통해 배포할 수 있다. 이전 Nvidia 시스템용으로 개발된 소프트웨어도 재사용할 수 있다.

Euclyd는 새로운 플랫폼을 정당화할 만큼 충분한 경제적 개선을 제공해야 한다. 계산에는 하드웨어, 에너지, 냉각, 소프트웨어 이전, 교육, 지원, 가용성 및 운영 신뢰성이 포함된다. 더 낮은 프로세서 비용만으로는 결정을 내릴 수 없다.

Nvidia 역시 자체 추론 성능을 개선하고 있다. 새 아키텍처, 저정밀 형식, 최적화된 커널 및 랙 규모 네트워킹은 고객에게 익숙한 도구를 포기하라고 요구하지 않으면서 비용을 낮출 수 있다.

이는 Euclyd의 진입 시점을 어렵게 만들지만 합리적이기도 하다. 기다릴수록 지배적 플랫폼의 우위는 더 커질 것이다. 지금 진입하면 규모가 기존 메모리 및 시스템 설계의 한계를 드러내는 워크로드에 대응할 기회를 만들 수 있다.

경쟁 구도는 Nvidia를 넘어선다. Groq는 Language Processing Unit 아키텍처를 활용한 결정론적 추론에 특화돼 있다. 이 회사의 클라우드 전략은 개발자가 완전한 하드웨어 시스템을 구매하고 설치하지 않아도 모델을 시험할 수 있게 한다.

Cerebras는 다른 길을 택한다. 이 회사의 웨이퍼 규모 엔진은 매우 큰 프로세서에 광범위한 컴퓨팅 및 메모리 자원을 배치한다. Cerebras는 이 설계가 기존 외부 메모리 경로를 통한 모델 가중치의 반복적인 전송을 피한다고 말한다.

2025년 4월 Cerebras는 Meta의 Llama 4 Scout에서 초당 2,600개 이상의 토큰을 달성했다고 주장했다. 해당 Llama 4 결과는 회사가 자체 보고한 것이지만, Euclyd가 궁극적으로 마주하게 될 공개 벤치마킹 수준을 보여준다.

이들 경쟁사는 아키텍처 설명을 넘어섰다. 서비스를 제공하고, 모델 결과를 공개하며, 개발자가 시스템을 직접 경험할 수 있게 한다. 구매자가 Euclyd의 주장을 운영 가능한 대안과 비교하려면 Euclyd도 이 단계에 도달해야 한다.

이 스타트업은 공급망 위험에도 직면한다. 첨단 반도체 프로젝트는 파운드리 용량, 패키징, 메모리, 기판, 테스트 및 특수 장비에 의존한다. 지연이나 수율 문제는 납품 일정과 단위당 경제성을 바꿀 수 있다.

수율은 제조된 칩 가운데 정상적으로 작동하는 비율을 뜻한다. 크거나 복잡한 패키지는 까다로운 수율 및 조립 문제를 만들 수 있다. 수율이 낮으면 생산 배치마다 판매 가능한 제품 수가 줄어 비용이 상승한다.

Euclyd는 자금 조달 발표에서 확정적인 상업 출하 일정을 공개하지 않았다. 회사는 이번 자금 조달이 상업적 배포를 준비하는 데 사용될 것이라고 밝혔다. 이 표현은 개발 진전과 고객 가용성 사이에 여지를 남긴다.

고객 집중도도 또 다른 우려다. 초기 칩 기업은 소수의 설계 파트너나 대형 구매자에게 의존하는 경우가 많다. 한 건의 배포 취소만으로도 예상 물량과 제조 경제성이 크게 달라질 수 있다.

회사는 구속력 있는 고객 주문, 인식된 매출 또는 독립적인 벤치마크 결과도 공개하지 않았다. 이는 초기 반도체 스타트업에서는 일반적인 일이지만, 시장 검증에 관한 결론을 제한한다.

Euclyd의 기술적 주장은 특히 주의 깊게 볼 필요가 있다. 여러 사양이 향후 제품군 수준의 성능을 설명하기 때문이다. 목표 아키텍처는 물리적 구현 과정에서 변경될 수 있다. 클록 속도, 열 한계 및 메모리 동작은 모두 실제 제공 성능에 영향을 미칠 수 있다.

전력 관련 주장에도 마찬가지로 상세한 테스트가 필요하다. 데이터센터는 메모리, 네트워킹, 냉각 및 전력 변환을 포함한 전체 시스템 소비 전력을 측정한다. 프로세서 수준의 이점은 주변 장비까지 계산에 포함되면 줄어들 수 있다.

시스템이 FP4 정밀도를 사용할 때는 모델 품질도 중요하다. 낮은 정밀도는 처리량을 높이고 메모리 수요를 줄일 수 있다. 그러나 고객은 양자화가 애플리케이션 요구사항 이하로 정확도를 떨어뜨리지 않는지 확인해야 한다.

자금 조달 신디케이트의 평판만으로는 이러한 문제를 해결할 수 없다. Samsung, EQT, Innovation Industries 및 Wennink는 의미 있는 신뢰성을 제공한다. 이들의 참여는 팀과 기회에 대한 신뢰를 보여주는 것이지, 모든 제품 주장에 대한 독립적 확인은 아니다.

이 구분은 자금 조달 뉴스와 기술 검증을 가른다. 투자자는 잠재적 수익을 위해 불확실성을 받아들인다. 기업 구매자는 명확한 서비스 수준, 지원되는 소프트웨어, 납품 약정 및 측정 가능한 운영 비용 절감을 기대한다.

Euclyd는 개발자를 위한 명확한 경로도 마련해야 한다. 소프트웨어가 익숙한 프레임워크와 일반적인 모델을 지원한다면 제한적인 마찰로 시험을 시작할 수 있다. 워크로드에 상당한 재작성이 필요하다면, 예상 절감액이 매우 큰 경우에만 이전이 정당화될 것이다.

회사의 유럽 정체성은 잠재적 기회를 제공한다. 정부와 기업은 공급 다변화 및 지역 AI 인프라를 점점 더 중요하게 여긴다. Euclyd는 통제와 위치가 구매에 영향을 줄 수 있는 주권 시장을 공략할 계획이라고 말한다.

하지만 지역적 선호가 신뢰할 수 있는 하드웨어를 대체할 수는 없다. 주권 고객 역시 성능, 보안, 수명주기 지원 및 예측 가능한 교체 부품을 필요로 한다. 공공 지원은 기회를 만들 수 있지만, 배포 확대 여부는 기술적 실행이 결정할 것이다.

따라서 핵심 경쟁은 특화된 Euclyd 인프라와 Nvidia의 확립된 플랫폼 사이에 남는다. Groq와 Cerebras는 대체 추론 시스템도 자본과 사용자를 끌어들일 수 있음을 보여준다. 동시에 Euclyd가 얼마나 많은 증거를 제시해야 하는지도 보여준다.

2억3,100만 달러도 아직 입증할 수 없는 것

결정적 증거는 작동하는 시스템, 투명한 벤치마크, 그리고 이를 대규모로 운영할 의지가 있는 고객에게서 나올 것이다.

첫 번째로 주목할 신호는 실리콘이다. Euclyd는 성공적인 테이프아웃, 반환된 칩 및 기능 테스트를 공개해야 한다. 작동하는 샘플은 CRAFTWERK를 첨단 설계 단계에서 측정 가능한 하드웨어 단계로 옮길 것이다.

테이프아웃은 아키텍처가 물리적으로 구현될 수 있다는 근거를 강화할 것이다. 하지만 제조 수율, 최종 클록 속도 또는 신뢰성을 확정하지는 못한다. 이러한 답은 반복적인 제조와 테스트를 통해 나온다.

두 번째 신호는 독립적인 워크로드 성능이다. 유용한 벤치마크는 여러 규모의 최신 오픈 모델을 다뤄야 한다. 공개된 조건에서 지연 시간, 처리량, 전력, 메모리 사용량 및 비용을 보고해야 한다.

비교는 동등한 모델 품질과 정밀도를 사용해야 한다. FP4 결과를 더 높은 정밀도의 경쟁 제품과 가볍게 비교해서는 안 된다. 배치 크기와 컨텍스트 길이도 처리량을 크게 바꿀 수 있으므로 일치해야 한다.

독립적 테스트는 또 하나의 최고 성능 발표보다 더 가치 있을 것이다. 검토자는 결과를 재현하거나 방법론을 검토할 수 있어야 한다. 데이터센터 운영자는 전체 시스템과 연결된 측정치를 필요로 한다.

세 번째 신호는 고객 배포다. 기업, 클라우드 사업자, 연구기관 또는 주권 운영자와의 실명 파일럿은 Euclyd의 플랫폼이 연구실을 벗어날 수 있음을 보여줄 것이다. 유료 상용 계약은 더 강력한 검증이 될 것이다.

배포 세부 사항도 중요하다. 제한적인 평가는 지속적인 트래픽을 처리하는 시스템과 같은 무게를 갖지 않는다. 구매자는 활용률, 가동 시간, 지원 모델, 소프트웨어 호환성 및 지속적인 운영 비용을 살펴봐야 한다.

이러한 신호는 이 순서로 나타나야 한다. 작동하는 실리콘이 신뢰할 만한 벤치마킹을 가능하게 한다. 신뢰할 만한 벤치마킹은 고객 시험을 뒷받침한다. 성공적인 시험은 반복 주문과 제조 규모 확대의 토대를 만든다.

어느 단계에서든 실패하면 Euclyd의 핵심 주장은 약화될 것이다. 실리콘 지연은 개발 일정을 의문시하게 할 것이다. 부진한 애플리케이션 벤치마크는 아키텍처에 의문을 제기할 것이다. 상용 단계에 도달하지 못하는 시험은 도입 또는 신뢰성 문제를 드러낼 것이다.

Samsung의 향후 역할도 주목할 만하다. Samsung은 투자자이자 제조 파트너로 남을 수도 있고, 패키징, 메모리, 고객 소개 또는 상업적 약정을 통해 관여를 확대할 수도 있다. Euclyd는 그러한 결과를 약속하지 않았다.

Wennink의 이사회 의장 역할 역시 실행 성과로 평가돼야 한다. 그의 네트워크와 제조 경험은 이사회가 주요 이정표를 평가하는 데 도움이 될 수 있다. 의미 있는 결과는 설계, 생산, 고객 검증 전반에서 규율 있는 진전을 이루는 것이다.

Euclyd의 펀딩 라운드는 스타트업이 이러한 이정표에 도달할 시간과 자원을 제공한다. 동시에 기대치도 높인다. 2억 유로 이상을 투자받은 기업은 소규모 연구 벤처보다 더 큰 검증과 감시를 받게 된다.

개발자에게 이 경쟁은 추론 하드웨어가 어떤 AI 제품을 경제적으로 계속 실현 가능하게 하는지를 좌우하기 때문에 중요하다. 더 빠르고 저렴한 생성은 더 민첩한 에이전트, 더 긴 추론 체인, 지속적으로 실행되는 워크로드를 지원할 수 있다.

엔터프라이즈 구매자가 주목해야 할 이유는 다르다. 가속기 경쟁이 늘어나면 공급 선택권과 구매 협상력이 개선될 수 있다. 반면 여러 비호환 플랫폼이 시장을 분할할 경우 통합 위험도 생길 수 있다.

데이터센터 운영자는 물리적 영향을 주시할 것이다. 토큰당 전력 사용량을 신뢰할 수 있을 정도로 줄일 수 있다면, 기존 전력 용량 안에서 유효 출력이 늘어날 수 있다. 신규 전력망 연결이 여전히 어렵거나 느린 곳에서는 이 결과가 특히 중요하다.

Euclyd는 이제 이 가설을 검증할 그럴듯한 경로를 갖췄다. 상당한 자금, 경험 있는 반도체 파트너, 그리고 실제 인프라 제약을 중심에 둔 설계를 보유하고 있다. 다만 승리를 선언하는 데 필요한 공개 증거는 아직 부족하다.

올바른 질문은 2억3,100만 달러가 Euclyd를 즉각적인 Nvidia 경쟁자로 만드는지 여부가 아니다. 그렇지 않다. 질문은 그 자본이 업계에서 가장 확고히 자리 잡은 플랫폼을 떠나는 것이 시스템 수준의 경제성 측면에서 정당화될 만큼의 실리콘을 만들어낼 수 있는지다.

반환된 칩, 재현 가능한 벤치마크, 그리고 실명이 공개된 생산 고객을 지켜봐야 한다. 이 신호들이 함께 나타난다면 Euclyd가 자금 지원을 받은 야심에서 신뢰할 수 있는 인프라 사업으로 넘어섰음을 보여줄 것이다. 그때까지 이 자금 조달은 결과가 아니라 검증의 시작이다.