Euclyd 시리즈 A 투자, €2억 돌파…하지만 시험대는 Nvidia가 만든다

Euclyd가 €2억 이상을 확보하고 전 ASML CEO 피터 베닝크를 회장으로 선임했다. 이는 신생 칩 제조사에 자본과 산업적 신뢰도를 함께 제공한다.

Euclyd의 시리즈 A 투자는 첫 AI 컴퓨팅 아키텍처의 상용화를 추진 중인 기업으로서는 이례적으로 큰 규모다. Samsung, 여러 유럽 투자자 및 지역 개발 펀드는 AI 추론에 필요한 비용과 전력 사용량을 줄이려는 야심 찬 시도를 지원하고 있다.

하지만 이 시도는 계속 움직이는 목표를 마주한다. Nvidia는 칩, 네트워킹, 소프트웨어, 완전한 데이터센터 시스템 전반에서 추론 성능을 개선하고 있다. Cerebras와 Groq 같은 전문 경쟁사 역시 유망한 아키텍처를 실제 배포 서비스로 전환하는 데 수년을 투자했다.

따라서 Euclyd는 자금 조달만으로 결론낼 수 없는 경쟁에 뛰어든다. 회사의 핵심 주장은 컴퓨팅, 메모리, 시스템을 함께 재구축하면 훨씬 더 나은 추론 경제성을 만들 수 있다는 것이다. 다음 시험은 양산 실리콘과 독립 벤치마크가 이 주장을 뒷받침하는지 여부다.

Euclyd 시리즈 A 투자가 베팅의 규모를 바꾸다

이번 자금 조달로 Euclyd는 흥미로운 칩 설계 프로젝트에서 전체 AI 추론 플랫폼 구축을 시도하는 충분한 자금을 갖춘 기업으로 전환된다.

에인트호번에 기반을 둔 이 회사는 2026년 9월 15일 자금 조달을 발표했다. 회사의 투자 발표에 따르면 €2억을 넘는 시리즈 A 라운드 계약이 체결됐다.

Samsung, Somerset Capital Partners, Scaleup Europe Fund, Innovation Industries가 이번 라운드를 공동 주도했다. EQT는 Scaleup Europe Fund를 운용한다.

다른 참여자로는 덴마크의 Export and Investment Fund, imec.xpand, Brabant Development Agency, Quadri가 있다. 이 구성은 기업, 기관, 지역 자본을 한데 모은다.

Euclyd는 기업가치나 각 투자자가 출자한 정확한 금액을 공개하지 않았다. 또한 이번 자금 조달을 제조 이정표와 연결하는 상세 일정도 제공하지 않았다.

이러한 누락은 중요하다. 반도체 개발은 고객이 양산 시스템을 받기 훨씬 전부터 자본을 소모하기 때문이다. 설계 검증, 물리적 구현, 패키징, 소프트웨어 개발, 제조 준비에는 모두 전문 인력이 필요하다.

프로세서 하나만 개발하는 기업도 이미 이러한 비용에 직면한다. Euclyd는 맞춤형 프로세서, 메모리 아키텍처, 패키징, 데이터센터 시스템을 포함하는 더 넓은 스택을 제안하고 있다.

회사는 새 자본을 엔지니어링 조직 확장, 실리콘 로드맵 가속, 파트너십 강화, 여러 고객군 대응 준비에 사용할 것이라고 밝혔다. 여기에는 기업, 정부, 하이퍼스케일 AI 사업자가 포함된다.

이는 단순히 더 큰 연구 예산이 아니다. 아키텍처에 관한 주장을 물리적 제품으로 전환하는 과정에 자금을 대려는 시도다.

이번 라운드는 이전의 자금 조달 목표가 공개된 뒤에 이뤄졌다. Bloomberg는 6월 이 회사가 약 €2억을 조달하려 한다고 보도했다. 원 보도에 따르면, 완료된 라운드는 이제 그 문턱을 넘어섰다.

피터 베닝크의 선임은 또 다른 신호를 더한다. 그는 2024년까지 ASML을 이끌었으며, 반도체 업계에서 가장 중요한 공급업체 중 하나를 수년간 경영했다.

ASML은 첨단 칩의 패턴 형성에 쓰이는 리소그래피 시스템을 만든다. 이러한 경력이 Euclyd의 경쟁력 있는 하드웨어 생산을 보장하지는 않지만, 제조 의존성과 글로벌 고객을 다룬 이사회 경험을 제공한다.

베닝크는 이미 Euclyd의 투자자이자 고문으로 이름을 올린 바 있다. 회장 취임으로 그는 회사의 거버넌스와 전략적 의사결정에 더 가까이 관여하게 된다.

그의 존재는 유럽 반도체 네트워크 전반에서 Euclyd의 관계를 강화할 수도 있다. 이 네트워크는 주요 AI 프로세서가 여전히 다른 지역에 집중돼 있음에도, 중요한 장비·연구·자동차·설계 역량을 갖추고 있다.

Euclyd의 시리즈 A 투자는 이 두 형태의 지원을 결합한다. 회사는 이제 상당한 자본과 반도체 산업의 운영 현실을 잘 아는 회장을 확보했다.

어느 쪽도 제품 위험을 해결해주지는 않는다. 다만 Euclyd가 그 위험에 맞설 여지를 넓혀준다.

AI 추론 효율성이 이만큼의 자본을 끌어들이는 이유

Euclyd는 AI 모델 운영의 반복 비용을 겨냥한다. 이 영역에서는 메모리 이동, 활용률, 전력이 표면적인 컴퓨팅 용량만큼 중요할 수 있다.

AI 학습은 대규모 데이터 세트를 처리하고 내부 파라미터를 조정해 모델을 만든다. 추론은 학습된 모델이 입력을 받아 답변, 예측, 이미지 또는 행동을 생성하는 과정이다.

이 구분은 Euclyd의 기회를 규정한다. 학습은 집중적인 컴퓨팅 프로젝트를 수반하는 반면, 성공적인 AI 서비스는 사용자와 소프트웨어 에이전트를 위해 지속적으로 추론을 실행한다.

에이전틱 시스템은 이러한 수요를 늘릴 수 있다. 에이전트는 계획 수립, 도구 사용, 결과 확인, 작업 수정 과정에서 모델을 반복적으로 호출할 수 있다.

추가되는 모든 단계는 토큰을 생성하고 프로세서와 메모리 사이로 데이터를 이동시킨다. 작은 효율 차이도 수많은 사용자와 요청에 걸쳐 누적되면 의미가 커질 수 있다.

Euclyd는 기존 아키텍처가 “효율성 장벽”에 부딪힌다고 주장한다. 회사는 전력 요구량, 메모리 대역폭, 자본 지출, 시스템 복잡성을 서로 연결된 제약으로 지목한다.

메모리 대역폭은 데이터가 메모리와 프로세서 사이를 얼마나 빠르게 이동할 수 있는지를 뜻한다. 대규모 언어 모델 추론에는 종종 모델 가중치와 임시 컨텍스트 데이터에 대한 빠른 접근이 필요하다.

학술 연구는 이 병목의 중요성을 뒷받침한다. 2026년 가속기 검토 연구는 자기회귀 디코딩을 대역폭 제한 작업으로 설명하며, 데이터 이동을 주요 에너지 비용으로 지목한다.

그렇다고 Euclyd의 설계가 검증되는 것은 아니다. 다만 회사가 실제 엔지니어링 문제를 다루고 있음을 확인해준다.

중요한 지표는 단순히 초당 연산 수가 아니다. 구매자는 와트당 생성 토큰 수, 부하 상태에서의 실사용 처리량, 지연 시간, 모델 지원, 총운영비를 고려해야 한다.

활용률도 결과를 바꾼다. 가속기는 최대 부하에서 효율적으로 보일 수 있지만, 트래픽이 불균일하거나 용량이 유휴 상태일 때는 덜 유리한 성능을 보일 수 있다.

또 다른 2026년 가속기 연구는 일부 대체 플랫폼이 Nvidia 및 AMD GPU보다 높은 유휴 전력을 소비한다는 결과를 제시했다. 이 결론은 통제된 비교에 고립된 최고 사양이 아닌 현실적인 워크로드가 필요한 이유를 강조한다.

Euclyd의 주장은 조율된 설계가 이러한 비효율을 줄일 수 있다는 것이다. 컴퓨팅, 메모리, 패키징, 주변 시스템을 각각의 제품으로 다루는 대신, 이를 하나의 플랫폼으로 계획한다.

이 접근법은 도메인 특화 가속기로 향하는 더 큰 흐름과 닮아 있다. 이러한 칩은 범용 프로세서보다 선택된 워크로드에 더 많은 실리콘을 할당한다.

특화는 효율성을 높일 수 있지만, 그만큼 상충 관계도 만든다. 하나의 실행 패턴에 최적화된 하드웨어는 모델, 수치 형식 또는 소프트웨어 기법이 바뀌면 장점을 잃을 수 있다.

따라서 회사는 효율성과 프로그래머빌리티의 균형을 맞춰야 한다. 고객은 Euclyd AI chip이 잦은 재설계 없이 변화하는 모델을 지원할 수 있다는 근거를 원할 것이다.

성숙한 소프트웨어도 기대할 것이다. 개발자가 모델 컴파일, 장애 진단, 기존 오케스트레이션 도구와의 시스템 통합에 어려움을 겪는다면 빠른 프로세서의 가치는 제한적이다.

이 때문에 이번 라운드의 규모가 전략적으로 타당하다. Euclyd는 완성된 설계가 제조에 들어가는 시점인 칩 테이프아웃에만 자금을 대는 것이 아니다.

고객이 해당 칩을 사용할 수 있도록 충분한 주변 플랫폼을 구축하려는 시도에 자금을 지원하고 있다. 소프트웨어와 시스템 작업은 프로세서 자체만큼 중대한 변수가 될 수 있다.

Euclyd AI Chip은 메모리를 중심으로 컴퓨팅을 재구축한다

Euclyd가 제안하는 우위는 다수의 프로그래밍 가능한 프로세서를 새로운 메모리 설계 및 긴밀히 통합된 패키징과 결합하는 데서 나온다.

회사는 프로세서 아키텍처를 craftwerk라고 부른다. 이 제품을 범용 GPU가 아닌 에이전틱 AI 추론을 위해 설계된 실리콘으로 설명한다.

Euclyd가 공개한 Craftwerk 사양에는 128웨이 단일 명령어·다중 데이터 실행을 사용하는 프로세서 16,384개가 명시돼 있다. SIMD는 하나의 명령어가 여러 데이터 요소에 동시에 적용되도록 한다.

회사는 FP16 기준 8페타플롭, FP4 기준 32페타플롭의 컴퓨팅 성능을 주장한다. FP16과 FP4는 값을 16비트 또는 4비트로 표현하는 수치 형식이다.

낮은 정밀도의 형식은 처리량을 높이고 메모리 사용량을 줄일 수 있다. 다만 모델 품질에도 영향을 줄 수 있으므로, 실질적인 결과는 소프트웨어가 이를 어떻게 적용하는지에 따라 달라진다.

Euclyd는 이 프로세서들을 Ultra Bandwidth Memory라고 부르는 메모리와 결합한다. 공개 설계에는 용량 1테라바이트와 초당 8,000테라바이트의 메모리 대역폭이 제시돼 있다.

회사는 이 수치에 대한 독립 검증을 내놓지 않았다. 외부인이 성능 예측을 재현할 수 있을 만큼 충분한 아키텍처 세부 정보도 공개하지 않았다.

회사가 제안한 칩 패키지는 첨단 2.5D 및 3D 통합 방식을 사용한다. 이러한 패키징 방식은 구성요소를 더 가깝게 배치해 통신 대역폭을 늘리고 일부 데이터 이동을 줄인다.

Euclyd는 craftwerk의 열 설계 전력을 약 3킬로와트로 제시한다. 열 설계 전력은 모든 워크로드에서의 측정 소비전력이 아니라 발열 및 냉각을 위한 계획 수치다.

회사의 시스템 수준 제안은 Craftwerk Station CWS 32라고 불린다. 이 시스템은 craftwerk 장치 32개, CPU 16개, 액체 냉각을 결합한다.

Euclyd는 이 시스템이 FP4 기준 1.024엑사플롭에 도달할 수 있으며, 제안된 메모리 32테라바이트를 탑재한다고 주장한다. 열 설계 전력은 약 125킬로와트로 제시했다.

이 수치들은 회사의 효율성 논거를 위한 명확한 메커니즘을 만든다. 더 많은 로컬 메모리와 대역폭은 모델 데이터 이동과 관련된 지연 및 에너지를 줄여야 한다.

이 아키텍처는 또한 다수의 프로세서를 계속 가동하는 것을 목표로 한다. 더 나은 활용률은 이론적 컴퓨팅 용량을 실제 제공되는 토큰으로 전환하는 데 도움이 된다.

Euclyd는 다중 사용자 Llama 4 Maverick 워크로드에서 초당 2,500만 토큰이라는 예측치를 제시했다. 회사는 이를 초당 24만4,000토큰이라는 공개된 Nvidia 시스템 결과와 대비한다.

이 비교를 벤치마크 승리로 받아들여서는 안 된다. Euclyd의 수치는 아직 양산으로 나아가는 하드웨어에 대한 회사의 예측인 반면, 인용된 Nvidia 결과는 다른 구성에서 나온 것이다.

벤치마크 조건은 두 측정치가 비교 가능한지를 결정한다. 모델 정밀도, 배치 크기, 입력 길이, 출력 길이, 지연 시간 목표, 소프트웨어 버전은 처리량을 크게 바꿀 수 있다.

공정한 평가는 이러한 변수를 일정하게 유지해야 한다. 총 토큰량뿐 아니라 응답 지연 시간과 정확도도 보고해야 한다.

Euclyd AI chip은 아키텍처가 메모리 이동을 직접 겨냥한다는 점에서 여전히 유망하다. 고객이 아직 일관된 조건에서 양산 하드웨어를 평가할 수 없다는 점에서 여전히 검증되지 않았다.

회사는 제조를 향한 한 가지 구체적 조치를 취했다. 2025년 11월, 한국의 디자인하우스 ADTechnology와 실리콘 개발 파트너십을 발표했다.

ADTechnology는 Samsung Foundry 공정을 활용해 설계를 제조 가능한 시스템으로 전환하는 데 특화되어 있다. 이 협력은 Euclyd에 구현 전문성을 제공하지만, 실행 위험을 없애지는 않는다.

칩은 기능 사양을 충족하더라도 목표 주파수, 전력 소비, 수율 또는 제조 비용을 달성하지 못할 수 있다. 패키징과 냉각 역시 추가 제약을 초래할 수 있다.

소프트웨어 준비 상태는 또 다른 관문이다. Euclyd는 개발자들이 기존 모델을 craftwerk로 어떻게 이전하는지, 그리고 어떤 프레임워크, 연산자, 양자화 방식을 지원하는지 보여줘야 한다.

이번 자금 조달은 회사가 이 통합 계획을 추진할 수 있게 한다. 제조된 시스템이 발표 자료 밖에서도 이 방식이 작동하는지를 판가름할 것이다.

Nvidia는 Euclyd가 피해 갈 수 없는 경쟁자다

Euclyd는 정적인 GPU 사양이나 이전 세대 하드웨어가 아니라, 지속적으로 발전하는 플랫폼을 능가해야 한다.

Nvidia는 프로세서 성능보다 훨씬 더 많은 영역을 지배하기 때문에 핵심 경쟁자다. Nvidia의 입지는 가속기, 고속 인터커넥트, 네트워킹, 최적화된 라이브러리, 배포 도구, 개발자 친숙도에 걸쳐 있다.

이렇게 구축된 소프트웨어 기반은 고객의 위험을 줄인다. 팀은 익숙한 개발 프로세스를 활용하고, 경험 있는 엔지니어를 채용하며, 여러 클라우드 제공업체에 걸쳐 배포할 수 있다.

Euclyd는 그 환경의 일부를 떠날 이유가 될 만큼 충분한 경제적 가치를 제시해야 한다. 작은 효율 개선만으로는 이전 및 운영 비용을 상쇄하기 어렵다.

Euclyd의 개발 기간 동안 이 과제는 더 어려워졌다. Nvidia는 더 특화된 추론 기능을 광범위한 플랫폼에 계속 통합해 왔다.

Nvidia의 Rubin platform은 CPU, GPU, 네트워킹 프로세서, 스위치, 스토리지 인프라를 결합한다. Nvidia는 Groq에서 파생된 추론 기술도 이 시스템에 통합했다.

Nvidia는 Vera Rubin NVL72 구성이 Blackwell 플랫폼보다 와트당 최대 10배 높은 추론 처리량을 제공한다고 말한다. 이는 여전히 공급업체의 주장이나, Euclyd가 맞춰야 할 발전 속도를 보여준다.

Groq 3 LPX 시스템은 지연 시간에 민감한 토큰 생성을 겨냥한다. 이 시스템은 컴파일러가 관리하는 온칩 메모리와 결정론적 실행을 사용하며, 이는 소프트웨어가 예측 가능한 순서로 연산을 스케줄링한다는 뜻이다.

이 설계는 Euclyd가 지목한 일부 추론 병목현상을 공략한다. 또한 고객에게 전체 플랫폼 교체를 요구하는 대신 Nvidia GPU와 함께 배치된다.

이것이 경쟁의 핵심 긴장이다. Euclyd는 통합된 대안을 제안하는 반면, Nvidia는 이미 구축된 생태계를 포기하지 않고도 특화된 구성 요소를 추가할 수 있다.

다른 기업들도 압박을 높이고 있다. Cerebras는 웨이퍼 스케일 프로세서를 구축하고, 자사 클라우드와 파트너십을 통해 고속 추론을 제공한다.

Groq는 추론 중심 아키텍처를 개발했으며, Nvidia에 기술을 라이선스하기 전 클라우드 서비스를 통해 사업을 확장했다. 그 경로는 특화 기술이 접근 가능한 인프라를 통해 채택될 수 있음을 보여준다.

클라우드 접근성은 평가 비용을 낮추기 때문에 중요하다. 개발자는 하드웨어 구매, 냉각 계획, 데이터센터 용량 확약 없이 모델을 시험할 수 있다.

Euclyd는 아직 이에 상응하는 공개 평가 경로를 설명하지 않았다. 기업 구매자는 AI 추론 효율을 검증하기 전에 시스템, 호스팅 인스턴스 또는 레퍼런스 배포 환경에 접근할 필요가 있다.

하이퍼스케일러는 또 다른 경쟁 층을 만든다. 대형 클라우드 및 AI 기업들은 특정 워크로드를 위해 자체 가속기를 점점 더 설계하고 있다.

예를 들어 OpenAI와 Broadcom은 2026년 말까지 초기 배포를 목표로 한 추론 중심 플랫폼을 발표했다. 이 협력은 워크로드 지식과 축적된 실리콘 및 시스템 전문성을 결합한다.

Euclyd의 유럽 기업 정체성은 지역 기술 선택지를 원하는 고객에게 도움이 될 수 있다. 정부는 공급망 다양성, 현지 엔지니어링, 핵심 인프라에 대한 더 큰 통제력을 중요하게 여길 수 있다.

그러나 지리적 선호가 성능 요건을 없애지는 않는다. 공공 및 민간 구매자 모두 여전히 신뢰할 수 있는 하드웨어, 지원되는 소프트웨어, 예측 가능한 공급, 경쟁력 있는 운영 비용을 필요로 한다.

이 맥락에서 Samsung의 참여는 전략적으로 흥미롭다. Samsung은 반도체 제조, 메모리, 패키징, 전자제품에 걸쳐 있으며, 이들 모두 Euclyd의 플랫폼과 맞닿아 있다.

자금 조달 발표는 Samsung의 운영상 역할을 명시하지 않는다. 추가 공개 없이는 투자를 제조 약정이나 고객 주문으로 해석해서는 안 된다.

Wennink에도 같은 주의가 적용된다. 그의 리더십은 회사의 네트워크를 강화하지만, ASML은 투자자, 제조 파트너 또는 구매자로 명시되지 않았다.

Euclyd는 측정 가능한 시스템 결과를 통해 차별성을 입증해야 한다. 현행 플랫폼이 계속 발전하는 동안 과거 Nvidia 제품과만 비교해서는 안 된다.

신뢰할 수 있는 비교는 최신 시스템 전반에서 동일한 모델과 품질 설정을 시험해야 한다. 또한 지연 시간, 처리량, 에너지, 하드웨어 수량, 지속 활용률을 공개해야 한다.

소프트웨어 투입 노력도 포함해야 한다. 한 시스템이 광범위한 모델 변환이나 맞춤형 엔지니어링을 필요로 한다면, 그 비용도 비교에 포함돼야 한다.

Euclyd의 Series A 자금 조달은 이러한 검증을 추진할 자원을 제공한다. 회사가 그 목표를 향해 나아가는 동안 경쟁 기준은 더 높아질 것이다.

€200 Million이 입증하지 못하는 것

이번 자금 조달은 투자자 관심을 검증하지만, Euclyd의 성능 주장, 생산 일정 또는 고객 수요를 검증하지는 않는다.

가장 큰 불확실성은 하드웨어 상태다. Euclyd는 2025년 9월 아키텍처를 공개했을 때 craftwerk가 고도 설계 단계에 있다고 설명했다.

최신 자금 조달 발표는 이 자금이 개발을 가속할 것이라고 밝힌다. 생산 칩이 독립 테스트를 완료했다는 내용은 없다.

이 구분은 자금이 확보된 로드맵과 상업적으로 검증된 플랫폼을 가른다. 반도체 프로그램은 아키텍처, 테이프아웃, 첫 실리콘, 인증, 양산 사이에서 종종 지연을 겪는다.

제조 수율은 하나의 위험이다. 수율은 웨이퍼 위 칩 가운데 요구 사양을 충족하는 칩의 비율을 측정한다.

대형 또는 복잡한 패키지는 경제적으로 제조하기 어려울 수 있다. 너무 많은 구성 요소가 인증에 실패하면 설계 성능이 좋아도 비용이 지나치게 높아질 수 있다.

메모리도 또 다른 위험이다. Euclyd의 Ultra Bandwidth Memory는 주장하는 우위의 핵심으로 보이지만, 회사는 구현에 관한 공개 세부 정보를 제한적으로만 제공했다.

관찰자들은 명시된 용량과 대역폭이 양산 구성에도 적용되는지 알아야 한다. 또한 공급업체, 패키징, 신뢰성, 달성 가능한 생산량에 관한 명확한 설명이 필요하다.

전력 관련 주장도 그만큼 신중한 테스트를 요구한다. 열 설계 수치는 서로 다른 모델 크기와 트래픽 패턴 전반의 평균 에너지 사용량을 보여주지 않는다.

관련 계산에는 프로세서, 메모리, 네트워킹, 냉각, 호스트 시스템, 유휴 용량이 포함된다. 데이터센터 전력 측정은 전체 시스템을 포괄해야 한다.

모델 품질 역시 성능 주장을 복잡하게 만들 수 있다. FP4로 모델을 실행하면 메모리 사용량을 줄이고 연산 처리량을 높이지만, 양자화는 출력 품질을 바꿀 수 있다.

테스트는 동등한 정확도 또는 작업 품질을 비교해야 한다. 그렇지 않으면 더 빠른 구성이 다른 시스템이 피하는 품질 저하를 감수해 결과를 얻었을 수 있다.

Euclyd의 토큰 처리량 전망은 관련된 질문을 제기한다. 대규모 배치에서의 총 출력은 한 사용자가 첫 토큰을 받거나 응답을 완료하는 데 걸리는 시간을 보여주지 않는다.

기업용 애플리케이션의 우선순위는 서로 다르다. 오프라인 문서 처리는 처리량을 중시할 수 있지만, 대화형 코딩 및 음성 시스템은 일관된 저지연을 요구한다.

강력한 플랫폼은 어느 영역에서 우위를 갖는지 설명해야 한다. 정의된 워크로드와 연결된 결과보다 보편적 우위 주장은 덜 유용하다.

소프트웨어는 아마도 가장 큰 비실리콘 위험이다. Nvidia의 CUDA 환경은 수년에 걸쳐 라이브러리, 도구, 문서, 개발자 경험을 축적해 왔다.

Euclyd는 일반적인 모델 아키텍처와 프로덕션 프레임워크를 지원해야 한다. 모니터링, 보안, 스케줄링, 장애, 업그레이드도 처리해야 한다.

고객은 기존 모델이 광범위한 수정 없이 실행되는지 물을 것이다. 또한 안정적인 컴파일러와 성능 최적화를 위한 문서화된 방법을 원할 것이다.

조달 위험도 평가할 것이다. 스타트업은 시스템, 교체 부품, 지원 약정, 제품 전환을 견딜 수 있는 로드맵을 제공해야 한다.

투자자 그룹은 Euclyd가 이러한 요구에 대응하도록 도울 수 있다. Samsung은 반도체 전문성을 제공하며, imec.xpand는 회사를 중요한 연구 네트워크와 연결한다.

그럼에도 참여가 기술 인증을 의미하지는 않는다. 투자자들은 모든 엔지니어링 주장이 이미 입증됐기 때문이 아니라 미래 가치를 기대하기 때문에 위험을 감수한다.

자금 조달 규모는 오히려 기대치를 높일 수 있다. €200 million 이상을 조달한 기업은 그 자본에 걸맞은 이정표를 달성해야 한다는 압박을 받게 된다.

그 이정표에는 작동하는 실리콘, 재현 가능한 벤치마크, 고객 평가, 신뢰할 수 있는 제조 계획이 포함돼야 한다. 매출 또는 구속력 있는 주문은 추가 파트너십만으로 제시되는 것보다 더 강력한 증거를 제공할 것이다.

Euclyd는 칩 공급업체와 인프라 공급업체 사이에서 자사의 위치도 설명해야 한다. 완성된 시스템을 구축하면 더 많은 통제력을 얻지만, 회사의 운영 부담도 커진다.

하드웨어 배포, 냉각 통합, 네트워킹, 시스템 소프트웨어, 장기 유지보수를 지원해야 할 수 있다. 각 책임은 자본과 경영진의 관심을 소모한다.

이것이 전략이 타당하지 않다는 뜻은 아니다. AI 추론 효율은 프로세서 사양만으로 판단할 수 없는 이유를 설명한다.

이번 자금 조달은 Euclyd에 시간과 자원을 제공한다. 증명은 실행에서 나와야 한다.

Euclyd의 경쟁력을 보여줄 세 가지 신호

작동하는 실리콘, 독립적인 비교, 실제 고객 배포가 Euclyd가 대안 플랫폼을 구축했는지 아니면 야심 찬 프로토타입을 만들었는지를 결정할 것이다.

첫 번째 신호는 양산을 대표하는 실리콘의 작동 여부다. Euclyd는 craftwerk가 제조를 마치고 초기 검증을 완료하는 시점을 공개해야 한다.

초기 실리콘이 모든 최종 목표를 충족할 필요는 없다. 아키텍처가 작동하고 핵심 컴퓨팅, 메모리, 인터커넥트 기능이 설계대로 동작한다는 점을 보여야 한다.

전력 측정은 특히 중요할 것이다. 관찰자들은 개별 구성 요소 추정치가 아니라 현실적인 워크로드 전반에서 벽면 전력 기준 소비량을 확인해야 한다.

Euclyd가 설계 목표에 가까운 결과와 함께 작동하는 실리콘을 보고한다면, 회사의 방식에 대한 신뢰는 강화될 것이다. 반복되는 일정 변경이나 누락된 사양은 이를 약화할 것이다.

두 번째 신호는 독립적으로 재현 가능한 벤치마크다. 가장 유용한 시험은 craftwerk를 최신 Nvidia, AMD, Cerebras 또는 Groq 기반 시스템과 비교하는 것이다.

동일한 모델, 정밀도 설정, 컨텍스트 길이, 출력 길이, 품질 임계값을 사용해야 한다. 결과는 지연 시간, 처리량, 에너지, 활용률을 포괄해야 한다.

이전 Nvidia 하드웨어와의 비교만으로는 제한적인 증거가 된다. Nvidia의 현행 추론 시스템이 관련된 경쟁 기준선이다.

제3자 접근성은 공개만큼 중요하다. 독립 연구소, 고객, 벤치마킹 기관은 결과를 재현할 수 있을 만큼 충분한 시스템 접근 권한이 필요하다.

투명한 결과는 Euclyd AI chip을 아키텍처 주장 수준에서 평가된 제품으로 전환할 것이다. 제한된 시연은 핵심 불확실성을 해소하지 못할 것이다.

세 번째 신호는 의미 있는 워크로드를 실행하는 실명 고객이다. 파일럿은 소프트웨어, 지원, 통합이 연구실 밖에서도 작동함을 보여준다.

가장 강력한 배포 사례라면 모델 종류, 서비스 요구사항, 시스템 규모, 그리고 고객이 Euclyd를 선택한 이유를 명시해야 합니다. 또한 해당 계약이 유료인지도 분명히 해야 합니다.

엔터프라이즈, 정부, 하이퍼스케일 사용자는 서로 다른 기준을 적용합니다. 어느 범주에서든 성공적인 배포는 Euclyd의 초기 시장에 대한 근거를 제공할 것입니다.

정부 지원 시연은 지역 수요를 검증할 수 있지만, 상업적 경제성에 대해서는 제한적인 정보만 드러낼 수 있습니다. 하이퍼스케일 배포는 신뢰성과 운영 비용을 더 강하게 시험하는 사례가 될 것입니다.

이 세 가지 신호는 순서대로 나타나야 합니다. 작동하는 실리콘은 신뢰할 수 있는 벤치마크를 가능하게 하고, 신뢰할 수 있는 벤치마크는 고객이 배포를 정당화하는 데 도움이 됩니다.

자본과 리더십은 모든 단계를 지원할 수 있지만, 그 어느 단계도 대신할 수는 없습니다.

Euclyd의 Series A 투자 유치는 여전히 주목할 만합니다. 유럽은 핵심 반도체 장비와 연구 성과를 배출해 왔지만, 세계적으로 두각을 나타내는 AI 가속기 플랫폼은 상대적으로 적게 만들어냈습니다.

Euclyd는 이러한 역량을 빠르게 성장하는 추론 시장과 연결하려 하고 있습니다. 컴퓨팅, 메모리, 패키징, 시스템을 함께 조율하겠다는 결정은 이 시도에 일관된 기술적 논지를 부여합니다.

이제 회사는 그 논지를 측정 가능하게 만들어야 합니다. 독자들은 홍보성 최상급 표현보다 첫 실리콘 공개, 벤치마크 접근성, 실명이 공개된 배포 사례를 추적해야 합니다.

개발자와 인프라 구매자에게 실질적인 질문은 간단합니다. Euclyd는 용납하기 어려운 소프트웨어 또는 배포 마찰을 추가하지 않으면서 유용한 토큰의 비용을 낮출 수 있는가?

회사가 새 자본을 집행하는 동안 이 세 가지 신호를 지켜보십시오. 이들이 맞물린다면 Euclyd는 신뢰할 만한 추론 공급업체가 될 것입니다. 그렇지 않다면 2억 유로는 성과가 아니라 야망의 증거로 남을 것입니다.