Modular이 Nvidia 소프트웨어 지배력에 대항하는 대체 AI 소프트웨어 플랫폼 구축을 위해 $250 million 조달
AI 스타트업 Modular가 $250 million 규모의 펀딩 라운드를 성공적으로 마감했으며, 총 펀딩이 $380 million에 달하고 기업 가치는 $1.6 billion에 도달했습니다. 회사는 AI 칩 시장에서 Nvidia(NASDAQ: NVDA)의 지배력에 직접 도전하고 특히 그 소프트웨어 중심 생태계를 해체하겠다는 야심 찬 목표를 명시적으로 밝혔습니다. 펀딩 라운드는 Thomas Tull의 US Innovative Technology 펀드가 주도했으며, DFJ Growth도 참여했고 GV(Google Ventures), General Catalyst, Greylock Ventures 등 기존 투자자들의 지속적인 지원을 받았습니다. 이 자본 주입은 기초 하드웨어의 복잡성을 추상화하는 중립적 소프트웨어 계층으로 작동하도록 설계된 "AI hypervisor"로 기능할 Modular의 플랫폼을 공격적으로 확장하기 위해 배정되었습니다.
2022년에 설립된 Modular의 비전은 개발자들이 광범위한 코드 재작성 없이 Nvidia(NASDAQ: NVDA), AMD(NASDAQ: AMD), Apple(NASDAQ: AAPL) 및 기타 다양한 컴퓨터 칩에서 AI 애플리케이션을 원활하게 실행할 수 있도록 하는 것입니다. Modular의 공동 창립자이자 CEO인 Chris Lattner는 회사의 사명을 "Nvidia를 압박하거나 무너뜨리려는" 시도가 아니라 "다른 기업들이 경쟁할 수 있도록 공평한 경쟁 환경을 조성하려는" 것으로 설명했습니다. 회사의 플랫폼은 이미 Oracle(NYSE: ORCL)과 Amazon(NASDAQ: AMZN) 같은 주요 클라우드 제공사는 물론 Nvidia와 AMD 같은 칩 제조업체 자체에서도 사용 중입니다. 초기에 AI inference에 집중하고 있는 Modular는 AI training 시장으로 역량을 확대할 계획이며, AI 워크로드의 throughput, latency, cost, accuracy에서 비교할 수 없는 이득을 약속하고 있습니다.
현재 고급 AI 칩 시장의 약 80-92%를 차지하고 있는Nvidia는 Modular의 unified layer로부터 가장 중요한 전략적 도전에 직면해 있습니다. 그 지배력은 강력한 GPU만이 아니라 400만 명 이상의 개발자 생태계를 조성한 proprietary CUDA 소프트웨어 플랫폼에서 비롯됩니다. Modular의 "AI hypervisor"는 AI 소프트웨어를 특정 하드웨어로부터 분리하는 것을 목표로 하며, 잠재적으로 CUDA의 "lock-in" 효과를 약화시킬 수 있습니다. 분석가들은 경쟁 심화에 따라 Nvidia의 AI 서버 시장 점유율이 2023년의 94%에서 2025-2026년까지 약 75%로 감소할 것으로 예상하고 있습니다. 다만 Nvidia가 RISC-V CPU와 Blackwell 같은 아키텍처로의 선제적 확장을 추진하고 Intel(NASDAQ: INTC) 같은 기업과 파트너십을 체결한 것은 이 변화하는 환경에 대한 인식과 전략적 대응을 나타냅니다.
AMD(NASDAQ: AMD), Intel(NASDAQ: INTC), 그리고 Tensor Processing Units를 보유한 Google(NASDAQ: GOOGL)은 상당한 수혜자가 될 것으로 예상됩니다. ROCm 플랫폼이 CUDA 수준의 채택을 얻기 위해 고심해온 AMD의 경우, Modular의 unified layer는 소프트웨어 경쟁 환경을 효과적으로 평준화하여 AMD의 MI300 series와 향후 GPU가 하드웨어 성능과 가격에서 더 직접적으로 경쟁할 수 있게 할 것입니다. Intel의 Gaudi AI processors는 Modular의 플랫폼이 Intel의 open software ecosystem인 oneAPI와 원활하게 통합되어 "AI everywhere" 비전을 강화함에 따라 현재 CUDA에 종속된 개발자들에게 더욱 매력적이 될 수 있습니다. 종종 자사의 클라우드 생태계로 제한되었던 Google의 TPU는 Modular가 다양한 하드웨어에 걸쳐 AI 모델 배포를 단순화함에 따라 더 광범위한 채택을 기대할 수 있으며, 이를 통해 TPU가 더 넓은 범위의 개발자와 기업에 접근 가능해질 것입니다.