Khosla Ventures, 과학적 발견 자동화를 목표로 하는 Jeff Dean의 AI 스타트업 Discovery Loop의 시드 라운드 공동 리드

Khosla Ventures가 Jeff Dean과 전직 Google 엔지니어들이 설립한 AI 벤처인 Discovery Loop의 시드 라운드에 공동 리드 투자자로 참여했다. 이 스타트업은 가설 생성, 실험 실행, 결과 분석 사이의 루프를 완성하여, 인간의 개입 없이 AI가 수천 번의 실험을 수행할 수 있도록 하겠다고 밝혔다.

팀이 중요한 이유

창업자들은 TensorFlow, Tensor Processing Unit(TPU), Gemini 거대언어모델(LLM)을 구축한 경험을 바탕으로 합산 약 80년의 Google 경력을 보유하고 있다. 이들의 이력은 Discovery Loop 플랫폼을 구동할 소프트웨어와 하드웨어 모두에 대한 깊은 노하우를 증명한다.

"폐쇄 루프(closed-loop)" 시스템의 작동 방식

  1. AI가 실험 제안 – 모델이 기존 데이터를 스캔하고 새로운 테스트 조건을 제안한다.
  2. 컴퓨팅을 통한 테스트 실행 – 시뮬레이션이든 물리적 실험실이든, 대규모 리소스를 사용하여 제안된 내용을 실행한다.
  3. 결과 피드백 – 결과가 모델로 다시 전달되어 모델의 이해도를 업데이트한다.
  4. 수천 가지의 변형 – 이 사이클이 반복되면서 새로운 실험이 빠르게 쏟아져 나온다.

각 단계를 자동화함으로써, 이 스타트업은 배터리 소재 개선, 핵융합 에너지 개념, 신약 개발 기간 단축과 같이 진척이 느린 분야의 연구 속도를 높이기를 기대하고 있다.

집중된 비즈니스 모델

Discovery Loop는 다양한 AI 응용 분야로 확장하는 대신 과학과 공학에 집중한다. 이러한 좁은 범위의 목표는 상업적 로드맵보다는 거대한 과학적 과제에 이끌리는 인재를 유치하기 위함이다. 이 회사는 이익보다 미션을 우선시하는 법적 구조인 공익법인(public-benefit corporation)으로 운영되며, 이는 목적 중심의 엔지니어들에게 매력적으로 다가갈 수 있다.

투자자들이 보는 가치

Khosla Ventures는 Discovery Loop 기술의 잠재적 영향력을 콘텐츠 제작, 코딩, 고객 서비스를 재편한 거대언어모델(LLM)에 비유한다. 만약 이 루프가 유용한 과학적 통찰력을 안정적으로 생성해낸다면, 그 경제적 및 사회적 수익은 그에 못지않을 것이다.

앞으로의 과제

발견의 자동화는 여전히 해결되지 않은 과제다. 실험에는 종종 소프트웨어로 인코딩하기 어려운 미묘한 도메인 지식, 전문 장비 및 안전 프로토콜이 필요하다. 비판론자들은 순수하게 알고리즘적인 접근 방식이 인간의 직관이 제공하는 뜻밖의 통찰(serendipitous insights)을 놓칠 수 있다고 경고한다. 또한, 명확한 수익 모델 없이는 물리적 테스트를 위한 대규모 컴퓨팅 사이클을 실행하는 비용이 감당하기 어려울 정도로 높아질 위험도 있다.

주목해야 할 점

  • 데모 마일스톤 – 대상 분야(소재, 핵융합, 제약)에서의 초기 개념 증명(PoC) 결과.
  • 파트너십 – 물리적 테스트를 제공할 수 있는 학술 연구소 또는 산업 R&D 그룹과의 협력.
  • 규제 조사 – 특히 감독이 엄격한 신약 개발 파이프라인의 경우.
  • 펀딩 라운드 – 기술이 성숙함에 따라 향후 진행될 후속 투자 단계는 투자자들의 신뢰를 나타내는 지표가 될 것이다.

Discovery Loop가 폐쇄 루프 비전을 반복 가능한 혁신으로 전환한다면, 연구 방식 자체를 재정의할 수 있을 것이다. 향후 몇 달간 AI의 저력과 과학적 야망이 그 약속을 이행할 수 있을지가 증명될 것이다.