구글과 HP가 베팅한 광자 컴퓨팅 스타트업 Lightmatter ⬜ 섹터 분석 ⬜ 벤처 투자
✅ 덱/메모 소개 ⬜ 투자자 이야기 |
|
|
DealEDGE
최근 주목받는 스타트업의 투자 메모를 분석합니다 |
|
|
Lightmatter - 시리즈 C (2023년 5월) |
|
|
AI 반도체를 내세운 광자 컴퓨팅 기업 라이트매터 (Lightmatter), $154M 규모 시리즈 C 완료
2017년 설립된 광자 컴퓨팅 스타트업 라이트매터(Lightmatter)가 2천억 원에 가까운 시리즈 C 라운드를 완료하고 어제 보도자료를 공개하였습니다.
- 지난 6개월 간 진행된 이번 라운드는 생성형 AI의 확산이 새로운 폼팩터의 반도체 도입을 앞당길것이란 기대를 한 몸에 받으며 성황리에 마감되었습니다.
- 기존 투자자로 참여하였던 구글벤처스, HP 엔터프라이즈, 바이킹글로벌, 매트릭스파트너스가 또다시 라운드에 참여하였으며, SIP 글로벌 파트너스와 피델리티가 신규 투자자로 합류하였습니다.
- 시리즈 C 기업가치: Post-money $630M (vs. 시리즈 B $225M)
MIT에서 광전자 분야를 전공한 니콜라스 해리스 박사가 2017년 창업한 라이트매터는 광자 기술을 활용, 고성능 컴퓨팅을 구현하는 기술 개발에 매진해 온 스타트업입니다. |
|
|
라이트매터의 웨이퍼 호환 포토닉 인터커넥트 제품 PASSAGE |
|
|
라이트매터의 기술이 주목받는 이유는 1) 딥러닝 작업에 최적화된 구조 2) 전통적인 CPU 또는 GPU 대비 높은 데이터 처리량 및 낮은 에너지 소비량 3) 빠른 연산 속도에 있습니다. 생성AI 시대에 더욱 가속화될 수 밖에 없는 컴퓨팅 수요를 따라가기 위해 기존 트랜지스터 방식의 하드웨어가 가진 한계를 극복하는 대안 기술로 각광받고 있는 분야입니다.
- 물론 아직까지 광전자 방식의 반도체가 상용화되지 못한 한계점도 명확합니다. 디지털 시그널이 아닌 광전자를 이용한 아날로그 방식으로 계산이 이뤄지기 때문에 트랜지스터 기반 반도체 대비 정확도가 낮다는 것은 광전자 방식의 치명적인 단점으로 언급됩니다.
- 라이트매터는 사전에 훈련된 AI 모델을 활용하는 이미지 및 영상처리, 자연어 이해, 비즈니스 데이터 분석과 같은 작업에 특화된 반도체 시장을 공략하여 광전자 기술이 가진 한계를 뛰어넘겠다는 복안입니다.
대부분의 딥테크 스타트업이 그렇듯이 라이트매터 또한 2021년 제품 출시에도 불구, 상용화 측면에서는 마일스톤이 계속 늦춰지는 느낌도 있습니다. 하지만 앞으로 광전자 반도체가 필요하다는 시장 방향성은 명확하고, 해당 분야에서 가장 앞서있다는 점이 부각되며 2021년 2분기 시리즈 B 라운드 이후 2년 만에 또다시 대규모 펀딩에 성공한 것으로 평가됩니다. |
|
|
AI 시대에 요구되는 컴퓨팅 파워와 속도는 가속화되고 있지만, 기존 반도체의 계산 속도와 에너지 효율성은 전혀 개선되지 못하고 있음
- 현재 전세계 에너지 소비의 3%가 데이터센터 운영에 소요 👉 2030년에는 21%가 될 것으로 예상
- 또한 2040년 예상되는 AI 연산 수요를 충족하기 위해서는 지구 면적의 20%가 데이터센터로 뒤덮을 가능성이 있음
- 물리적 크기, 에너지 소요, 연산 속도 측면에서 기존의 트랜지스터 방식 반도체를 뛰어넘는 폼팩터 출현이 필요 👉 광학 방식이 대안으로 떠오름
|
|
|
라이트매터의 솔루션 구성 'Envise', 'Passage', 'Idiom'
|
|
|
2026년 시장 규모 80조 원
- 6곳의 대형 엔터프라이즈 고객 확보 (글로벌 텔레콤, 전자, 화학, 자동차 등)
- 매출 J커브 전망 (2023 $13M 👉 2024 $42M 👉 2025 $126M)
|
|
|
MIT 연구진이 주축이 된 기업, 2017년 설립 후 7년 간 연구개발에 매진
Nicholas Harris, PhD (공동창업자 및 CEO)
- MIT에서 전기 및 컴퓨터 공학 분야에서 박사 학위를 받았으며, 프로그래밍 가능한 광학 분야 연구의 권위자
- 자연 광학 및 자연 물리학 저널에서 40개 이상의 특허와 70편 이상의 논문을 발표
Darius Bunandar, PhD (공동 창업자 및 최고 과학자):
- MIT에서 물리학 분야에서 박사 학위를 받았으며, 소형 나노광학 회로를 사용한 양자 계산 및 통신을 연구
- 라이트매터 이전에는 Sandia와 SXS CalTech-Cornell에서 소프트웨어를 개발
|
|
|
기술 및 운영 분야 하이라이트
- 강력한 지적 자산 구축: 라이트매터는 핵심 기술 혁신, 디자인 프로세스, HW/SW 통합을 중심으로 현재 110개의 특허를 보유하고 있으며 동종 업계 독보적인 수준
- 에너지 사용량: 포토닉스는 환경에 미치는 영향을 최소화하고 컴퓨팅 비용을 줄이면서 필요한 혁신 속도로 AI 발전을 가능하게 함. BERT와 같은 대형 트랜스포머 모델에서 라이트매터는 5배 더 빠르며, 엔비디아 A100 유닛의 15%의 에너지만을 사용
- 공급망 탄력성: 라이트매터의 공급망 파트너로는 전자 설계를 위해 Cadence, 패키징 설계는 Kyocera 및 IBM과 협력하며, 웨이퍼 규모의 칩 모듈을 생산하기 위해 미국 칩 제조업체인 Global Foundries가 개발한 맞춤형 파운드리 프로세스를 진행 중
|
|
|
Editor's Note
최근 AI, 스페이스, 뉴모빌리티와 같은 딥테크 분야 투자 건들을 검토해보면 한결같이 폭발적인 성장은 '내년'부터 시작된다는 공통점이 보입니다. 시리즈 B 단계를 넘어가게 되면 시제품은 어느 정도 출시되었고, 시범적으로 제품을 채택해 사용하는 고객은 존재하지만, 아직 대규모 주문으로는 이어지지는 않는다는 공통점들도 눈에 띄입니다.
- 분명 어려운 기술적 과제에 도전하고, 세상에 존재하지 않는 제품과 시장을 만들어간다는 점에서 십분 이해가 되는 대목입니다.
- 예전처럼 비전과 장밋빛 전망만을 가지고 대규모 펀딩이 가능하던 시기는 지나갔다보니 고객의 '로고'는 확보했고, 계약을 맺었다는 점을 강조하지만 '수주'가 곧 '매출'을 의미하지는 않는다는 맹점이 있습니다.
- 고객들과 인터뷰를 해보면 본인들도 시범적으로 제품을 테스트하는 단계에 있지만 정말 대규모로 주문을 하게 될 시점이 언제인지는 본인들도 모르는 경우가 대부분입니다.
결국 중요한 것은 투자자가 어떤 기대를 가지고 회사와 한 배를 탈 것이냐일 것입니다. 최근 구글의 경우 소프트웨어와 하드웨어를 가리지 않고 유망한 AI 관련 스타트업 투자를 입도선매하는 경향을 보입니다. 당장 매출이 나오지 않더라도 자사의 클라우드 서비스를 팔거나 IP를 인수하는 등 다양한 전략적 가치를 노릴 수 있기 때문입니다.
라이트매터 투자에 참여한 바이킹 글로벌이나 피델리티는 성공 가능성이 좀 낮더라도 임팩트가 큰 기업에 투자할 수 있는 여력이 있는 펀드들입니다. 특히 타어거 컵 출신으로 테크기업 롱숏전략에 특화된 바이킹 글로벌은 타이거(Tiger)나 코투(Coatue)와는 다르게 바이오, AI와 같이 기술적인 프런티어 분야만 선별하에 비상장 투자에 나서는 성향이 강합니다. 라이트매터는 바이킹 글로벌의 전략에 딱 들어맞는 회사인 것입니다.
하지만 라이트매터는 시리즈C 단계에 2천억 원에 가까운 투자금을 조달했더라도 여전히 '기술 리스크'와 '시장 리스크'가 존재하는 기업입니다. 이번 라운드는 해당 리스크에 대한 언더라이팅이 결국 본 투자 건에 대한 각 투자자들의 참여 여부를 결정한 것으로 분석됩니다.
오늘의 투자메모 분석은 여기까지입니다. 그럼 다음에는 더 시의적절한 투자 건 분석으로 찾아오도록 하겠습니다🙋♂️ |
|
|
이번 InsightEDGE 뉴스레터는 어떠셨나요?
InsightEDGE는 Technology + Business + Investing의 접점에 있는 다양한 컨텐츠를 다룹니다. 아래 버튼을 눌러 앞으로 만나고 싶은 컨텐츠를 알려주세요!
|
|
|
본 콘텐츠는 CapitalEDGE 뉴스레터의 유료 독자를 위한 콘텐츠로 무단 재배포, 복사, 변경을 금지합니다
DISCLAIMER
This article is for informational purposes only and is not intended as professional financial advice. The information presented in this article is based on publicly available sources and is not intended to make stock price or management predictions. This media outlet makes no representations as to the accuracy, completeness, suitability, or validity of any information presented in this article and will not be held legally responsible for any errors, omissions, or delays in this information or for any losses, injuries, or damages arising from its display or use.
|
|
|
|
|
