OLIX, 특화 AI 추론 시스템 구축 위해 3억1,200만 달러 조달

OLIX가 기업가치 33억 달러에 3억1,200만 달러를 조달하며, Nvidia Techmeme 구도에 이례적으로 야심 찬 하드웨어 계획을 내세운 새로운 영국 경쟁자가 등장했다. 런던의 이 스타트업은 범용 추론 프로세서 하나를 특화 칩으로 구성된 랙 규모의 생산 라인으로 대체하려 한다. 첫 제품은 2027년 하반기 고객 인도가 예정돼 있다.

조달과 인도 사이의 이 간극이 이 이야기의 핵심이다. OLIX는 Arm, Fundomo, Hudson River Trading, Netflix 공동 창업자 Reed Hastings를 투자자로 유치했다. 기존 투자자들도 투자 약정을 늘렸다. 하지만 회사는 고객 시스템에 배포된 장비의 독립 벤치마크를 공개하지 않았다.

직접적인 상대는 Nvidia이지만, 더 근본적인 경쟁은 아키텍처에 있다. Nvidia는 범용 가속기, 네트워킹, 소프트웨어, 고대역폭 메모리를 중심으로 한 긴밀하게 통합된 플랫폼을 계속 확장하고 있다. OLIX는 더 나은 해법이 광 링크로 연결된 특화 칩들에 토큰 생성을 분산하는 것이라고 주장한다.

3억1,200만 달러 규모의 투자 라운드는 OLIX에 이 해법을 구축할 시간을 제공한다. 그러나 이 해법이 주장대로 성능을 내고, 안정적으로 제조되며, 이미 Nvidia 하드웨어 중심으로 구축된 소프트웨어 관행에 부합한다는 점까지 입증하는 것은 아니다.

신규 투자 유치는 칩 가설을 납품 약속으로 바꾼다

OLIX는 대안 아키텍처를 제안하는 단계에서 실제 고객을 위한 완전한 추론 랙을 약속하는 단계로 옮겨갔다.

회사는 2026년 8월 3일 Series B를 발표했다. 이번 라운드에서 설립 2년 된 기업의 가치는 33억 달러로 평가됐다. Fundomo, Arm, Hudson River Trading은 Hastings 및 기존 투자자들과 함께 참여했다.

기존 투자자인 Hummingbird Ventures, Crane, Plural, Creandum, Phoenix Court, Transition은 투자 약정을 확대했다. OLIX는 발표에서 단일 리드 투자자를 밝히지 않았지만, Financial Times는 Fundomo가 이번 투자를 주도했다고 보도했다.

이번 라운드는 2월에 보도된 2억2,000만 달러 조달에 이은 것이다. 당시 자금 조달은 OLIX의 가치를 10억 달러 이상으로 평가했고 Hummingbird Ventures가 주도했다. 이에 따라 스타트업이 첫 상용 칩을 납품하기도 전에 기업가치는 약 6개월 만에 세 배 이상으로 뛰었다.

OLIX는 또한 Nick McKeown 교수를 이사회에 영입했다. McKeown은 소프트웨어 정의 네트워킹을 공동 발명했고, 운영자가 네트워크를 프로그래밍하는 방식을 바꾼 기술인 OpenFlow와 P4 개발에 기여했다. 그는 VMware와 Intel에 각각 인수된 Nicira와 Barefoot Networks도 공동 창업했다.

이 인선은 회사의 시스템 수준 야망과 맞닿아 있다. OLIX는 고객이 기존 서버에 교체 장착할 수 있는 독립형 프로세서를 제안하는 것이 아니다. 칩, 레이저, 광 연결, 컴파일러, 그리고 이를 둘러싼 랙 전체를 하나의 조율된 시스템으로 설계할 계획이다.

전 Wise 재무 책임자 Matt Briers는 OLIX의 최고재무책임자로 합류했다. Briers는 Wise가 2021년 런던에서 직접상장을 진행하는 데 기여했다. 그의 합류는 OLIX에 비상장 기술 기업을 공개시장 수준의 검증으로 이끈 경험을 가진 경영진을 더한다.

이 인선들이 중요한 이유는 신규 투자금에 명확한 운영 목적이 있기 때문이다. OLIX는 제조 약정, 공급망 역량, 더 광범위한 맞춤형 실리콘 플랫폼 개발에 자금을 투입할 계획이라고 밝혔다. 또한 런던, 브리스톨, 오스틴, 토론토, 샌프란시스코에서 채용을 진행하고 있다.

핵심 이정표는 AI 모델이 응답을 생성하는 단계에 맞춰 설계된 디코드 가속기 DX-1이다. OLIX는 2027년 하반기 중 첫 고객에게 이 칩을 제공할 계획이다.

이 목표는 회사를 평가하는 방식을 바꾼다. 초기 투자는 기술적 가설에 보상했다. Series B는 웨이퍼, 패키징, 포토닉스, 컴파일러 준비도, 시스템 통합, 고객 수용성에 마감 시한을 부여한다.

칩 스타트업은 유망한 시뮬레이션과 신뢰할 수 있는 양산 하드웨어 사이에서 장기간의 공백을 겪는 경우가 흔하다. 제조 지연은 소프트웨어 이정표 미달과 고객 배포 연기로 연쇄적으로 이어질 수 있다. 완전한 랙은 독립형 가속기보다 훨씬 더 많은 통합 지점을 추가한다.

OLIX는 이제 상당한 자본과 주목받는 기술 지원을 확보했다. 다음 단계는 더 냉정하다. 회사는 이 자원을 측정 가능한 경제성을 갖춘 작동 시스템으로 전환해야 한다.

Nvidia Techmeme 비교가 유용하면서도 오해를 부르는 이유

Nvidia Techmeme 구도는 기존 강자를 지목하지만, OLIX는 전통적인 GPU 복제품을 만드는 것이 아니라 Nvidia의 시스템 설계에 도전하고 있다.

Nvidia는 가속기 실리콘 이상의 것을 제공한다. 그 입지는 GPU, 네트워킹 제품, 개발 도구, 최적화 라이브러리, 배포 경험, CUDA를 중심으로 훈련된 대규모 커뮤니티에 기반한다. 고객은 단순한 프로세서 사양이 아니라 이처럼 축적된 시스템을 도입한다.

OLIX는 다른 경로를 택하고 있다. 이 스타트업은 추론이 서로 다른 하드웨어 요구 사항을 지닌 여러 연산으로 구성된다고 주장한다. 모든 단계를 하나의 범용 가속기에서 실행하면 속도, 응답성, 전력 소비, 활용률 사이에서 절충이 발생한다.

추론은 학습된 모델을 사용해 답변을 생성하는 과정이다. 여기에는 프롬프트 처리 단계와 모델이 토큰을 하나씩 순차적으로 생성하는 디코드 단계가 포함된다. 이 단계들은 메모리 대역폭과 연산에 서로 다른 요구를 부과할 수 있다.

OLIX는 토큰을 생산물로 하는 공장에 데이터센터를 비유한다. 전통적 공장은 생산 단계마다 특화 장비를 사용한다. 회사는 추론 시스템도 같은 원칙을 따라야 한다고 말한다.

X-1 플랫폼은 모델을 다수의 특화 칩에 분산할 예정이다. 각 프로세서는 활성화값이 시스템을 통과하는 동안 모델의 한 부분을 반복적으로 처리한다. OLIX는 이 구성을 토큰 생산 라인으로 설명한다.

이 접근 방식은 기술적 문제를 옮겨 놓는다. 특화는 개별 연산을 더 효율적으로 만들 수 있지만, 데이터가 그 이점을 상쇄하지 않고 프로세서 사이를 이동할 수 있어야 한다. 따라서 지연 시간, 동기화, 네트워크 에너지, 스케줄링이 설계의 중심이 된다.

OLIX는 구리 대신 빛을 사용해 데이터를 전송하는 “느리고 넓은” 광 인터커넥트를 제안한다. 회사는 랙 규모 공동 설계를 통해 이 링크가 낮은 지연 시간과 에너지 사용으로 대량의 데이터를 이동시킬 수 있다고 말한다. 결정론적 컴파일러는 랙 전반의 워크로드를 스케줄링하게 된다.

Nvidia는 보다 점진적인 경로를 택한다. Blackwell 아키텍처는 가속기를 고속 인터커넥트 및 학습과 추론을 위해 구축된 소프트웨어 플랫폼과 결합한다. 후속 시스템은 폭넓은 프로그래밍 가능성을 유지하면서 메모리 용량, 통신 대역폭, 연산 성능을 높인다.

이러한 범용성에는 오버헤드가 따르지만, 급격한 모델 변화로부터 고객을 보호하기도 한다. 한 워크로드용으로 구매한 가속기는 소프트웨어 조정 후 다른 워크로드에도 활용할 수 있는 경우가 많다. Nvidia의 설치 기반은 개발자에게 프로파일링, 최적화, 배포를 위한 검증된 도구도 제공한다.

OLIX는 자사 칩이 하나의 모델을 하드코딩하는 대신 유연한 연산 패브릭을 유지할 것이라고 말한다. 이 구분은 핵심적이다. 모델 아키텍처는 반도체 개발 주기보다 더 빠르게 변할 수 있으므로, 경직된 특화는 어제의 워크로드에 최적화된 칩을 남길 수 있다.

Arm의 참여는 이 위험을 해소하지는 않지만 신뢰도를 더한다. Arm은 프로세서 설계와 상용화에 깊은 경험을 갖고 있지만, 투자 자체가 OLIX가 주장하는 성능을 검증하는 것은 아니다. 이는 다른 추론 아키텍처에 대한 전략적 관심을 시사한다.

기업가치에도 같은 주의가 적용된다. 투자자들은 증가하는 추론 비용에 대응할 잠재적 가치가 있는 해법에 자금을 댔다. X-1이 기존 플랫폼을 대체할 수 있는지 판단하는 데 필요한 독립적인 기술 증거를 제공한 것은 아니다.

OLIX는 연산이 아니라 메모리가 한계를 결정한다고 본다

회사의 핵심 주장은 모델 데이터를 효율적으로 이동하는 일이 범용 연산을 한 단계 더 추가하는 것보다 더 중요하다는 것이다.

대형 모델에는 학습 중 습득한 수치 매개변수인 가중치가 포함돼 있다. 이러한 모델을 서비스하려면 프로세서가 가중치와 중간 데이터를 반복적으로 가져와야 한다. 이 데이터 이동은 특히 순차적 토큰 생성 중 시간과 에너지를 소비한다.

현대 가속기는 흔히 프로세서 가까이에 배치된 고대역폭 메모리, 즉 HBM에 의존한다. HBM은 일반 서버 메모리보다 훨씬 높은 대역폭을 제공하지만, 특수 제조와 첨단 패키징이 필요하다. 두 요소의 공급은 AI 하드웨어 시장 전반에서 전략적으로 중요해졌다.

OLIX는 DX-1이 모델 데이터를 정적 랜덤 액세스 메모리, 즉 SRAM에 유지하도록 하려 한다. SRAM은 일반적으로 칩에 직접 통합되는 고속 메모리다. 낮은 지연 시간을 제공하지만, 외부 메모리 기술보다 저장 비트당 집적도가 낮고 비용이 더 높다.

이 스타트업은 멀티칩 아키텍처가 그 명백한 단점을 관리 가능하게 만든다고 말한다. 전체 대형 모델을 하나의 프로세서 옆에 배치하는 대신, X-1은 모델을 여러 칩과 랙에 분산하게 된다. 각 칩은 할당된 영역을 저장하고 실행한다.

OLIX는 DX-1에 HBM이나 첨단 패키징이 필요하지 않을 것이라고 말한다. 이 선택은 기존 가속기 공급업체가 주도하는 공급망에 대한 노출을 줄일 수 있다. 앞선 OLIX 보도는 공급이 제한된 부품을 피하는 것을 회사 전략의 핵심 요소로 지목했다.

이 설계는 OLIX를 다른 광자 컴퓨팅 제안과도 구분한다. 포토닉스는 통신이나 연산에 빛을 사용하는 것을 뜻한다. X-1에서 광학 기술은 주로 프로세서를 연결하며, 프로그래밍 가능한 연산은 전자 회로가 수행한다.

이 하이브리드 설계는 광학 연산에 모든 것을 거는 방식을 피한다. 그러나 여전히 OLIX는 레이저, 전자 칩, 네트워킹, 컴파일러 소프트웨어, 열 관리를 신뢰할 수 있는 랙으로 통합해야 한다. 각 요소는 시스템 가용성과 제조 수율에 영향을 미친다.

회사는 DX-1이 1,000억 개 매개변수를 가진 모델에서 사용자별 초당 1만 토큰을 넘어설 것이라고 주장한다. 또한 대규모 배치 크기에서 작동하는 범용 프로세서보다 와트당 출력 토큰 처리량이 더 높을 것이라고 주장한다.

OLIX는 자사 아키텍처가 10조 개 이상의 매개변수를 가진 모델까지 확장할 수 있다고도 말한다. 이는 독립적으로 재현된 고객 결과가 아니라 회사의 전망이다. 발표문은 비교의 근거가 된 모든 모델, 정밀도, 지연 시간, 활용률, 전력 조건을 명시하지 않는다.

누락된 이 조건들은 매우 중요하다. 추론 성능은 입력 길이, 출력 길이, 배치 크기, 수치 정밀도, 모델 아키텍처, 허용 가능한 지연 시간에 따라 달라진다. 한 조합에 최적화된 결과가 일반적인 프로덕션 트래픽을 설명하지 못할 수 있다.

“사용자별 초당 토큰”은 상호작용성을 측정할 수 있지만, 운영자는 랙 전체 처리량에도 관심을 둔다. 이들은 응답성과 동시에 처리되는 요청 수 사이에서 균형을 맞춰야 한다. 에너지 효율은 칩과 시설 양쪽 수준에서 중요하다.

비교 대상 역시 중요하다. 특화 디코드 시스템은 모든 추론 단계를 처리하는 범용 프로세서와 비교하면 강해 보일 수 있다. 운영 측면의 질문은 네트워킹, 유휴 용량, 소프트웨어, 냉각까지 포함했을 때 완전히 최적화된 이기종 배포 환경보다 OLIX 전체 랙이 더 뛰어난가이다.

OLIX의 추론 선언문은 현재 주류 아키텍처에 의문을 제기할 일관된 근거를 제시한다. 그렇다고 재현 가능한 측정의 필요성이 사라지는 것은 아니다. 가장 설득력 있는 증거는 현실적인 서비스 수준 요구사항 아래에서 최신 모델을 구동하는 완전한 랙에서 나올 것이다.

첫 번째 실리콘이 돌아온 뒤부터 진짜 어려움이 시작된다

OLIX는 아키텍처 효율성이 제조, 모델 변화, 그리고 프로덕션 추론의 일상적인 변동성 속에서도 유지된다는 것을 증명해야 한다.

첫 번째 불확실성은 실리콘 구현에 관한 것이다. 반도체 일정은 설계 오류, 제조 문제, 패키징 제약 또는 낮은 수율 때문에 지연될 수 있다. OLIX는 맞춤형 프로세서와 광학 부품을 조율해야 하므로 고객 납품 전까지 의존성의 수가 늘어난다.

HBM을 피한다고 공급망 위험이 사라지는 것은 아니다. 이 회사에는 여전히 파운드리 생산능력, 기판, 레이저, 광학 조립, 테스트 장비, 네트워킹 부품 및 랙 제조가 필요하다. 이 설계는 단지 부담을 다른 공급업체와 공정의 집합으로 옮길 뿐이다.

두 번째 불확실성은 소프트웨어다. Nvidia의 강점에는 성숙한 컴파일러, 최적화된 커널, 디버깅 도구, 그리고 개발자들에게 익숙한 프레임워크가 포함된다. 새로운 아키텍처에는 고객이 전체 추론 운영을 다시 구축하지 않고도 모델을 배포할 수 있는 소프트웨어 경로가 필요하다.

OLIX는 결정론적 컴파일러가 자사 랙 전반에 걸쳐 워크로드를 스케줄링할 것이라고 말한다. 결정론적 스케줄링은 작업을 동적으로 할당하는 대신 시스템이 연산과 통신을 예측 가능하게 계획한다는 뜻이다. 이는 조정 오버헤드를 줄일 수 있지만, 변화하는 트래픽 패턴을 흡수하기는 더 어렵게 만들 수도 있다.

프로덕션 요청은 깔끔하고 균일한 배치로 도착하는 경우가 드물다. 프롬프트 길이는 제각각이다. 출력 길이는 예측하기 어렵다. 모델은 도구를 호출하고, 캐시된 컨텍스트를 재사용하며, 서로 다른 지연시간 기대치를 가진 사용자에게 서비스를 제공한다. 파이프라인이 가장 느린 단계를 기다리면 하드웨어 활용률은 떨어질 수 있다.

이는 전형적인 생산 라인 문제를 만든다. 작업 흐름이 안정적일 때 전문화는 처리량을 높이지만, 병목은 다른 단계를 유휴 상태로 남길 수 있다. OLIX는 아키텍처가 약속한 효율성을 유지하면서 다양한 요청을 자사 컴파일러가 균형 있게 처리한다는 것을 보여줘야 한다.

모델의 진화도 또 다른 과제를 만든다. 전문가 혼합 시스템은 토큰마다 모델의 서로 다른 하위 집합을 활성화한다. 멀티모달 모델은 텍스트, 이미지, 오디오, 비디오를 결합한다. 사변적 디코딩은 더 작은 모델이 출력을 제안하고 더 큰 모델이 이를 검증하는 방식이다.

각 기법은 연산과 데이터 이동을 바꾼다. OLIX는 유연한 패브릭이 모델을 하드코딩하지 않고도 이러한 변화를 따라갈 수 있다고 말한다. 고객은 업데이트에 긴 컴파일러 작업이나 새로운 실리콘이 필요하지 않다는 증거를 원할 것이다.

랙 규모에서는 신뢰성도 중요하다. 많은 프로세서에 분산된 시스템은 한 구성 요소가 실패했을 때 더 많은 작업을 잃을 수 있다. OLIX에는 하드웨어 오류 중에도 서비스를 유지하는 장애 격리, 이중화, 모니터링, 복구 메커니즘이 필요하다.

그다음은 경제성 테스트다. 고객은 장비, 전력, 네트워킹, 냉각, 소프트웨어, 인력, 유지보수, 활용률 전반에 걸쳐 총소유비용을 계산한다. 더 빠른 칩이 자동으로 더 저렴한 서비스를 만드는 것은 아니다.

Nvidia도 대응할 수 있다. 기존 강자는 추론 특화 소프트웨어, 저정밀 연산, 네트워킹 및 랙 설계를 계속 개선하고 있다. 하이퍼스케일러들은 자체 가속기를 개발하고 있으며, Cerebras, Groq, d-Matrix, Fractile 같은 스타트업은 다른 특화 접근법을 추구하고 있다.

이처럼 붐비는 시장은 구매자에게 협상력을 준다. 또한 OLIX가 배포 시점에 맞닥뜨릴 경쟁자는 X-1 설계 당시 उपलब्ध했던 Nvidia 시스템이 아닐 수 있음을 뜻한다. 관련 비교 대상은 2027년 말에 출하되는 제품들이 될 것이다.

정부 지원은 스타트업의 활주로를 연장할 수 있다. 영국의 AI 하드웨어 계획은 국내 컴퓨팅 기업과 공공 인프라 접근을 우선시한다. 그러나 정책 지원은 고객 검증이나 반복 가능한 제조를 대체할 수 없다.

OLIX는 모호한 약속보다 바람직한, 기술적으로 구체적인 주장을 내놓았다. 이제 그 주장은 그에 상응해 구체적인 입증 책임을 확립한다.

OLIX가 진정한 Nvidia 대안인지 보여줄 세 가지 신호

고객 하드웨어, 독립적으로 정의된 벤치마크, 그리고 반복 주문은 OLIX가 인프라 공급업체가 될지 아니면 값비싼 아키텍처 실험으로 남을지를 결정할 것이다.

첫 번째 신호는 일정에 맞춰 납품되는 작동하는 DX-1 랙이다. OLIX는 고객 목표 시점을 2027년 하반기로 잡았다. 그 전까지 테이프아웃 발표, 첫 실리콘 결과, 랙 시연, 실명 공개 출시 파트너는 개발이 계획대로 진행되는지를 보여줄 것이다.

실험실 시연만으로는 충분하지 않다. 이 시스템은 최신 모델을 지속적으로 실행하고, 장애에서 복구하며, 고객이 이미 사용하는 서빙 소프트웨어와 통합되어야 한다. 고객 환경에서 나온 증거는 또 다른 전망치보다 더 큰 무게를 지닌다.

두 번째 신호는 완전한 테스트 조건을 갖춘 벤치마크다. 독자들은 모델명, 파라미터 수, 수치 정밀도, 프롬프트 길이, 출력 길이, 배치 크기, 지연시간 목표, 랙 전력, 총 시스템 구성을 확인해야 한다.

사용자당 초당 10,000개 이상의 토큰이라는 OLIX의 핵심 주장은 눈에 띄게 들린다. 그 의미는 이런 세부 사항에 달려 있다. 독립적인 재현은 회사의 도전을 강화할 것이고, 좁은 조건이나 누락된 시스템 전력 정보는 이를 약화시킬 것이다.

유용한 비교는 응답성과 총 처리량을 모두 측정해야 한다. 한 플랫폼은 하나의 스트림을 빠르게 생성하면서도 동시 사용자 수가 너무 적을 수 있다. 반대로 총 토큰 수를 극대화하면서 사용자별 지연시간이 받아들일 수 없는 수준이 될 수도 있다.

세 번째 신호는 첫 설치 이후의 상업적 확장이다. 파일럿은 구매자가 기술을 평가하고 싶어 한다는 것을 보여준다. 반복 주문은 시스템이 운영 변경을 정당화할 만큼 충분한 가치를 제공했다는 것을 보여준다.

반복 수요는 또한 OLIX의 소프트웨어 및 지원 조직이 프로덕션 고객을 지원할 수 있음을 나타낼 것이다. 하드웨어 성능만으로는 인프라 사업을 구축할 수 없다. 구매자에게는 예측 가능한 납품, 유지보수, 보안 업데이트, 모델 지원, 신뢰할 수 있는 제품 로드맵이 필요하다.

Arm의 투자는 이러한 상업적 검증 안에서 주목할 만하다. Arm은 폭넓은 시장에 걸쳐 프로세서 기술을 라이선스한 경험과 기술적 관계를 제공할 수 있다. 향후 협력, 고객 소개 또는 공개된 설계 구성 요소는 Arm의 전략적 역할을 더 명확하게 만들 것이다.

Nvidia의 대응은 제품 로드맵과 추론 경제성에서 드러날 것이다. Nvidia가 OLIX를 모방할 필요는 없다. OLIX가 겨냥한 기회를 좁힐 만큼 토큰당 전력 효율, 지연시간, 배포 비용을 충분히 빠르게 개선하기만 하면 된다.

이 때문에 Nvidia Techmeme 이야기를 스타트업 대 기존 강자의 자금 조달 경쟁으로 축소해서는 안 된다. OLIX는 AI 추론이 범용 가속기에 집중된 상태로 남는 대신, 특화된 기계들의 파이프라인이 되어야 하는지를 시험하고 있다.

이 생산 라인 모델이 작동한다면 개발자와 기업 구매자는 더 낮은 지연시간의 추론으로 가는 또 다른 경로를 얻을 수 있다. 더 많은 토큰을 활용할 수 있게 되면 더 긴 추론 워크로드, 더 큰 사용자 집단, 그리고 현재는 서비스 비용이 너무 높은 애플리케이션을 지원할 수 있다.

실패한다면 그 원인은 유익한 시사점을 줄 가능성이 크다. 광통신이 조정 오버헤드를 상쇄하지 못할 수 있다. SRAM 용량이 까다로운 확장 경제성을 초래할 수 있다. 컴파일러가 가변적인 워크로드에 어려움을 겪을 수 있고, Nvidia의 더 폭넓은 플랫폼이 OLIX가 프로덕션에 도달하는 속도보다 더 빠르게 개선될 수도 있다.

이번 자금 조달은 그러한 답을 찾기에 충분한 활주로를 제공한다. 하지만 답을 확정하지는 않는다. 따라서 Nvidia Techmeme 헤드라인에 대한 가장 유용한 대응은 단순하다. 랙을 지켜보고, 벤치마크 조건을 검토하고, 고객이 두 번째 주문을 할 때까지 기다려야 한다.