전기전자/정보통신

Nikkei Computer_2019.4.4 특집 요약 (p40~47)

일본의 AI 스타트업, 존재감 급상승
거인 GAFAM에 도전하는 ‘젊은 영웅들’

AI 분야를 현재 리드하고 있는 것은 미국의 구글 및 아마존닷컴, 마이크로소프트, 중국의 바이두(百度)와 같은 거대 IT 기업이다. 비즈니스 규모만을 봤을 때 일본 기업은 그들의 상대가 되지 못한다. 그런 가운데, 주목할 만한 국내 AI 스타트업 기업이 두각을 나타내고 있다. 강력한 제품 전략과 기술 전략을 통해 규모는 작지만 ‘우시와카마루(일본 신화에 나오는 젊은 영웅)와 같이 미국과 중국 거인에게 뒤지지 않는 독자적인 포지션을 구축하려고 한다. 여기에서는 Preferred Networks(PFN), ABEJA, 시나몬, LeapMind의 4사를 취재했다.

현재, AI(인공지능)의 대표적인 기업으로 손꼽을 수 있는 것은 미국의 거대 IT기업인 ‘GAFAM(Goolge, Apple, Facebook, Amazon, Microsoft)과 중국의 저명한 IT기업인 ‘BATIS(Baidu, Alibaba, Tencent, Iflytek, Sense Time)이다. 라이벌을 압도시키는 기술 개발능력을 무기로 세력을 확장시켜 그 중에는 시가 총액이 8,000억달러(약 90조엔) 규모에 이르는 회사가 다수 있다.

일본은 어떠한가? GAFAM이나 BATIS에 필적하는 규모의 AI기업은 존재하지 않으나, 독자적인 비즈니스를 전개하는 AI 스타트업 기업이 세력을 확장시키고 있다. Preferred Networks(PFN), ABEJA, 시나몬, LeapMind가 그 주인공이다.

-- 특정 업종을 타깃으로 차별화를 모색한다 --
GAFAM 및 BATIS와 국내 AI 스타트업의 가장 큰 차이는 AI 비즈니스의 대상 범위에 있다. 해외 대기업은 범용적으로 사용할 수 있는 제품 및 서비스 개발에 주력하고 있다. 그 이유는 높은 매상이 기대되기 때문이다.

그에 반해, 국내 AI 스타트업은 제조 및 물류, 소매와 같은 특정 업종을 위한 제품 및 서비스 개발을 중시하고 있다. 각각의 매출 규모는 작지만, 특정 고객의 요구가 꾸준히 예상되고 있다. 미국과 중국의 AI 대기업이 커버를 다할 수 없는 틈새 영역이기 때문에 수위의 자리도 충분히 도전해 볼만 하다.

국내 AI 스타트업은 IT가 아닌 분야의 대기업과 손잡고 범용 부분에도 세력을 확장하고 있다. 일본을 대표하는 대기업의 레버리지(Leverage) 효과를 얻는 형태로 강력한 AI제품 및 서비스를 개발해 일본뿐만이 아닌 전세계로의 판매 확대를 계획하고 있다. 수탁 개발로 이어 온 기존의 국내 IT기업과는 비즈니스 모델이 근본적으로 다른 이유이다.

■ Preferred Networks(PFN)
강력한 기업과 장기 제휴, 전문 외의 지식을 자신의 것으로

▶ Preferred Networks의 경쟁 전략
- 도요타자동차 및 화낙과 장기 파트너십을 채결
- 심층학습 프레임워크인 ‘Chainer’와 그에 대응하는 학습용 프로세서 ‘MN-Core’을 개발
- 업종의 경계를 뛰어넘어 학습하는 ‘Learn or Die’에 적합한 인재를 등용

2019년 4월 시점에서 국내 유일의 유니콘 기업(평가액 10억달러 이상의 비상장 스타트업)인 Preferred Networks(PFN). 기업 가치는 2,402억엔(2018년말, 일본경제신문 추정)에 달한다.

PFN은 거대 AI 기업과 다른 노선을 걷는 국내 AI 스타트업 중에서 적극적으로 대기업과 정면 승부에 도전한다. 경쟁 품목은 AI칩이다. 심층학습(딥러닝)의 연산에는 대량의 데이터를 투입해 뉴럴 네트워크를 단련시키는 ‘학습’과 훈련된 모델을 이용해 판단이나 예측하는 ‘추론’이 있다. PFN이 개발 중인 AI칩 ‘MN-Core’는 학습 시의 연산의 고속화를 노리고 있다.

학습용 칩은 미국의 엔비디아의 GPU(화상처리 프로세서) 외에 구글이 개발 중. 알리바바 그룹도 개발을 표명하고 있다. PFN은 미국과 중국 기업을 상대로 경쟁에서 한 발자국도 물러서지 않을 기세이다.

-- 간부가 ‘화낙(FANUC) 학교’에서 배운다 --

-- 독자적인 제품 및 서비스에 활용 --
화낙과의 장기적 협업의 성과는 이미 나오고 있다. 예를 들어 2018년 11월에 AI가 공작 기계 주축의 고장을 감시하는 ‘AI 주축 모니터’를 공개했다. 이것 보다 먼저 같은 해 4월에는 서보 모터 제어의 파라미터 설계에 기계학습을 적용해 모터의 진동을 제어하는 ‘AI 피드 포워드’를 공개. 2017년 10월에는 사출 성형기의 부품의 마모 상태를 심층학습으로 예측하는 예방보전기술 ‘AI 백플로우 모니터’를 발표했다. 수개월의 단기간 PoC를 수탁하는 일반적인 AI 비즈니스로서 이런 성과를 잇따라 내는 것은 어렵다.

화낙과의 협업에 의한 성과는 PFN의 독자적인 제품 및 서비스로서도 결실을 맺고 있다. PFN이 2018년 10월에 제공하기 시작한 외관검사 소프트웨어 ‘Visual Inspection’이 그 중 하나이다. 제품의 사진으로부터 이상이 감지되는 부분을 자동으로 판별해 양품과 불량품을 구분할 수 있다.

■ ABEJA
PaaS로 거인에 대항, SaaS를 차별화 요소로

▶ ABEJA의 경쟁 전략
- 업종 특화형의 SaaS와 범용적인 PaaS의 양쪽을 개발
- PaaS는 미국 구글과 데이터 로봇의 ‘틈새’를 노린다.
- SaaS는 다이킨 공업 등 고객과 공동 개발

“우리가 노리는 것은 구글 및 아마존과 미국 데이터 로봇 (Data Robot)과의 중간 틈새이다”. ABEJA의 오카다(岡田) 사장은 세계의 AI 대기업과의 차별화 전략에 대해 이렇게 말했다. ABEJA의 기업 가치는 235억엔으로 미(未)상장 AI기업으로서는 2위이다. 구글 및 엔비디아, 다이킨 공업, 도프콘 등으로부터 출자를 받고 있다.

ABEJA는 2012년 9월에 설립되었다. 심층학습에 대해 가장 먼저 주목해 점포 안의 카메라를 이용한 내점객 동향 분석 등의 서비스를 소매업에게 제공하고 있었다.

-- 거인의 틈새를 노린다 --
승부수를 띄운 것은 창업 6년 째인 2018년 2월이다. 심층학습을 중심으로 한 기계학습의 PaaS(Platform as a Service)인 ‘ABEJA Platform’을 정식으로 배포해 플랫폼 사업에 뛰어들었다.

ABEJA Platform 은 심층학습에 관한 데이터의 수집 및 학습, 배포 등 일련의 공정을 줄일 수 있다. “말하자면 AI의 공작기계. 고객은 공작기계를 스스로 조종해 독자적인 AI 모델을 만들 수 있다”(오카다 사장).

플랫폼 사업은 구글 및 아마존, 마이크로소프트 등 경합이 치열하다. 그러나 오카다 사장은 이 영역에도 ‘틈새’가 있다고 보고 있다. “구글 등의 대부분의 서비스는 기계학습에 대해 일정의 소양이 있는 기술자만이 사용할 수 있다. 알고리즘의 선택 및 조정을 자동화할 수 있는 데이터 로봇의 서비스는 간단히 학습 모델을 생성할 수 있는 반면, 알고리즘의 블랙박스화를 초래하기 쉽다”(오카다 사장).

AI를 블랙박스화 하지 않고 전문가가 아니어도 다룰 수 있는 플랫폼에 ABEJA는 성공의 열쇠가 있다고 보고 있다. 2019년 3월에는 새로운 서비스인 ‘ABEJA Platform Accelerator’를 공개. 교사 데이터의 작성 및 AI 모델 작성∙평가 등의 공정을 단순화시켰다.

-- 업종 특화형으로 우위를 차지 --

■ 시나몬
베트남 인재를 활용, 커스터마이즈로 공략

▶ 시나몬의 경쟁 전략
- 베트남 등의 비 영어권에서 AI 엔지니어를 육성
- AI-OCR 분야에서 업종 특화형의 제품을 제공
- 음성 인식 기술의 개발에 착수

사원 160명 중, 약 120명이 베트남인이며 그 중에서 약 70명은 AI 엔지니어. 국내 스타트업의 대부분이 AI엔지니어의 확보에 고전을 면치 못하는 가운데, 시나몬은 특이한 인재 전략을 채택하고 있다.

시나몬은 ‘화이트 칼라의 업무 효율화’를 테마로, AI 기술을 응용한 제품을 개발하고 있다. 기업 가치는 69억엔이다. 2018년 6월에 9억엔, 2019년 1월에 6억엔의 자금을 조달하고 있다.

-- 인재 채용, 비(非)영어권에서 --

-- AI-OCR에 강점 --
시나몬의 주력 사업은 심층학습 등의 AI 기술을 응용해 손글씨를 고정밀도로 읽어내는 OCR(광학적 문자인식), 다시 말해 ‘AI-OCR’제품의 사업이다. 시나몬의 AI-OCR제품인 ‘Flax Scanner’은 정형화된 문서(장표)뿐만이 아니라, 청구서나 계좌이체 의뢰서와 같은 비정형 장표에 대해서도 회사명이나 금액 등의 항목을 인식한 후에 텍스트 데이터로 출력할 수 있다.

비정형 서류를 많이 취급하는 금융업이나 보험업 외에도 과거의 기술 문서를 텍스트 데이터로 만들기 위한 제조업으로부터의 거래 요청도 있다고 한다. “손글씨의 화학식 판독’ 등 특정 업종을 위한 기능 개발도 추진하고 있다.

일본 거점의 사원은 주로 제품 기획 및 영업, 도입 지원을 맡고 있다. 제품 개발 및 고객별 커스터마이즈를 담당하는 주요 인력은 베트남 거점의 AI 엔지니어들이다. “일본어를 몰라도 일본어 대응의 학습 모델은 구축할 수 있다. QA(품질보증)를 제외한 개발 업무는 베트남 거점에서 맡아서 하고 있다”(히라노 CEO).

이처럼 시나몬은 풍부한 인력 자원을 이용해 전문용어로의 대응 등 고객별 맞춤 제작된 제품을 납품한다. 구글 및 마이크로소프트 등 범용의 AI 서비스를 전개하는 대기업과는 경합이 어려운 사업 모델이라고 할 수 있다.
 
■ LeapMind
독자적 프로세서 개발, 수탁형으로부터의 탈피를 서둘러

▶ LeapMind의 경쟁 전략
- 성 전력화를 위한 ‘양자화 DNN’의 기술 개발에 주력
- 학습 모델생성 소프트웨어를 오픈 소스로서 공개
- 추론 처리에 특화된 프로세서 개발에 착수

“심층 학습의 연산을 빠르게 하는 고효율의 액셀러레이터 프로세서의 개발을 추진하고 있다”. LeapMind의 마쓰다(松田) CEO는 2019년 2월에 개최한 자사 이벤트에서 새로운 도전에 대해 발표했다.

액셀러레이터 프로세서는 심층학습용의 저소비 전력 프로세서이다. 학습이 완료된 모델을 짜 넣어 물체 인식 및 불량품 특정과 같은 ‘추론’을 실행한다. 상세한 사양은 2019년 6월경에, 상세한 사업 모델은 올해 안에 공개한다는 계획이다.

LeapMind가 프로세서 개발에서 목표로 하는 것은 ‘스케일(측정)하는 사업’으로의 전환이다. 대기업의 요구에 따라 PoC를 취급하는 수탁형 비즈니스에서 탈피해, 라이선스 판매 및 서브스크립션 계약 등을 중심으로 고성장을 목표로 한다.

-- 수탁형 PoC사업이 중심 --
LeapMind의 강점은 심층학습의 연산을 GPU의 수 분의 1이라는 저전력으로 실현하는 ‘양자화 딥뉴럴 네트워크(DNN)’의 기술이다. 2015년경부터 연구가 활발해졌다.

양자화 DNN은 일반적인 심층학습에 비해 물체 인식 등의 정밀도가 수 퍼센트 낮아지긴 하지만, 소비 전력을 대폭 줄일 수 있다는 장점이 있다. 칩 면적도 작게 할 수 있으므로 생산 기계 및 자동차, 가전 등에 임베디드(내장)하기 쉽다.

LeapMind 양자화 DNN을 활용해 총 100사와 PoC를 실시해 왔다. 제조업일 경우는 불량품의 검지 및 설비의 점검 등의 용도로 실증 실험을 추진하고 있다. 2019년에은 몇 가지 조건을 통해 실제 운용이나 제품으로의 어프로치를 시작한다고 한다.

그러나 이런 PoC사업에서 개발하는 학습 모델의 대부분은 특정 고객용이며 비즈니스를 확산시키기는 힘들다. 여기서 LeapMind는 수탁형 비즈니스에서 탈퇴하기 위해 3가지 방법을 고안했다.

우선 고객 기업이 학습 모델을 작성해 칩 등에 저장하는 도구 모음인 DeLTA-Family’의 제공을 2018에 본격화했다. 또한, 양자화 DNN의 학습 모델을 생성하는 핵심 소프트웨어를 OSS(오픈 소스 소프트웨어)로 같은 해 10월에 공개했다.

또 다른 시책은 앞에서 말한 새로운 프로세서의 개발이다. 자사에서 칩을 판매하지 않고 하드웨어 설계 데이터만을 제공하는 형태를 취함으로써 고객의 요건에 맞춘 다양한 고객 칩을 개발할 수 있게 한다. “예를 들어 자동차 안에서 사용하는 칩은 일반적인 칩과 온도 요건이 다르다”(마쓰다 CEO). 일련의 시책에 따라 현재는 매출의 대부분을 차지하는 수탁형 비즈니스의 비율을 “최종적으로 10~20%까지 낮춰 갈 예정이다’라고 도쿠나가(徳永) CTO(최고기술책임자)는 말한다.

 -- 끝 --