Baseten, 15억 달러 규모의 대규모 추론 펀딩 라운드를 통해 130억 달러 기업 가치 목표
추론 스타트업 Baseten이 무려 15억 달러 규모의 펀딩 라운드를 마무리 단계에 두면서, AI 인프라 시장이 기념비적인 급성장을 목격하고 있습니다. 이러한 대규모 자본 유입은 전례 없는 초고속 성장기를 거친 결과이며, 투자자들의 관심이 인공지능의 운영 계층(operational layer)으로 이동하고 있음을 시사합니다.
기업 가치의 급격한 상승
Baseten의 최근 행보는 그야말로 놀랍습니다. 월스트리트 저널(Wall Street Journal)의 보도에 따르면, 이 스타트업은 이번 라운드를 130억 달러의 기업 가치로 마무리하고 있습니다. 이는 불과 5개월 전 50억 달러의 기업 가치로 3억 달러 규모의 시리즈 E를 마감했던 것과 비교하면 엄청난 도약입니다. 이를 수치로 살펴보면, Baseten은 반년도 채 되지 않아 기업 가치가 약 160% 상승했습니다.
이는 급속한 확장 패턴의 연장선에 있습니다. 시리즈 E는 1억 5천만 달러 규모의 시리즈 D를 완료한 지 불과 9개월 만에 마무리되었습니다. 130억 달러라는 수치가 헤드라인 목표이긴 하지만, 업계 관계자들은 이번 라운드가 스플릿 프라이스(split-priced) 방식으로 진행되고 있다고 언급합니다. 일부 투자자는 130억 달러의 가치로 참여하는 반면, 다른 투자자들은 110억 달러의 가치로 참여하고 있는데, 이는 캡 테이블(cap table)을 관리하고 리드 투자자의 수익을 최적화하기 위해 흔히 사용되는 전략적 전술입니다. 이번 라운드는 Spark Capital, Sands Capital, Altimeter Capital, Wellington Management 등 거물급 투자사들이 공동 주도하는 것으로 알려졌습니다.
추론 골드러시를 활용하다
2019년 출시 이후, Baseten은 업계 분석가들이 말하는 이른바 '추론 골드러시(inference gold rush)'의 중심에 자리 잡았습니다. 초기 AI 열풍의 상당 부분이 파운데이션 모델(foundation model) 학습에 집중되었다면, 이제 업계는 학습된 모델이 사용자의 프롬프트를 처리하여 출력을 생성하는 핵심 단계인 '추론 계층(inference layer)'으로 중심축을 옮기고 있습니다.
Baseten의 가치 제안은 AI 라이프사이클의 이 특정 단계를 최적화하는 능력에 있습니다. 이 플랫폼은 비용을 공격적으로 통제하면서도 높은 속도로 추론 요청을 처리할 것을 약속합니다. 이는 지능형 라우팅(intelligent routing)을 통해 특정 작업을 해당 작업에 가장 효율적인 모델로 전달함으로써 달성됩니다. 결정적으로, Baseten은 값비싼 독점 대규모 언어 모델(LLM)에만 의존하는 대신, 성능이 뛰어나고 비용이 저렴한 오픈 소스 대안으로 워크로드를 라우팅하는 데 탁월한 역량을 발휘합니다.
AI 스케일링에 있어 추론 계층이 중요한 이유
Baseten에 대한 이러한 막대한 자본 유입은 현재 AI 시대의 근본적인 진실을 강조합니다. 모델을 구축하는 능력은 싸움의 절반에 불과하며, 이를 대규모로 효율적으로 배포하는 능력에 진정한 경제적 가치가 있다는 점입니다. 기업들이 실험 단계에서 프로덕션 단계로 넘어가면서, LLM 추론과 관련된 비용은 감당하기 어려운 수준이 될 수 있습니다.
Baseten은 모델 선택 및 라우팅을 최적화하는 추상화 계층을 제공함으로써 AI 도입의 주요 병목 현상인 유닛 이코노믹스(unit economics) 문제를 해결하고 있습니다. 개발자와 창업자들에게 이는 개별 배포 파이프라인을 관리하는 엔지니어링 오버헤드 없이도, 더 예측 가능한 마진을 확보하고 다양한 오픈 소스 모델 생태계를 활용할 수 있음을 의미합니다.
핵심 요약
- 초고속 성장 궤도: Baseten은 130억 달러의 기업 가치로 15억 달러를 유치 중인 것으로 알려졌으며, 이는 6개월도 채 되지 않아 기업 가치가 160% 상승했음을 나타냅니다.
- 전략적 라우팅: 이 플랫폼은 작업을 가장 효율적인 모델로 라우팅함으로써 AI 비용을 최적화하며, 특히 비용 효율적인 오픈 소스 대안을 활용합니다.
- 인프라로의 전환: 이번 자금 조달은 모델 학습에서 벗어나 수요가 높은 추론 및 배포 계층으로 자본을 이동시키는 더 넓은 VC 트렌드를 보여줍니다.