로봇 공학 분야의 자금 지원은 2021~2022년 정점 이후 전반적으로 둔화되었으나, 팬데믹이 노출했던 문제들 상당수는 여전히 해결되지 않은 채 고착화되어 있습니다. 이 분야 벤처 캐피털의 주요 성장 동력은 지속적인 노동력 부족 문제입니다. 분석 회사 가너(Garner)에 따르면, 2028년까지 대기업의 절반이 창고 및 제조 공정에 로봇을 도입할 것으로 전망됩니다.
창고 및 물류 로봇공학이 가지는 또 다른 핵심 경쟁력은 '검증된 실적'입니다. 현재 많은 자동화 방식이 이론적인 투자수익률(ROI)을 제시하고 있지만, 창고 로봇들은 아마존(Amazon)을 비롯해 이미 현장에서 작업을 수행하며 그 효용성을 입증하고 있습니다.
그레이매터(GrayMatter)는 이 분야에서 실질적인 트랙 레코드를 보유한 기업 중 하나입니다. 사우스캘리포니아에 위치한 이 회사는 자체 보고에 따르면, 자사의 시스템이 현재 "생산 라인 생산성을 2~4배 향상시키고 소모품 폐기물을 30% 이상 절감"하는 성과를 달성했다고 합니다. 3M을 포함한 다수의 유명 기업들이 그레이매터의 시스템을 활용하고 있습니다.
이는 그레이매터가 2020년 팬데믹 초기에 설립되어 역사가 비교적 짧은 기업임에도 불구하고 가능했습니다. 공동 창립자이자 CEO인 아리안 카비르(Ariyan Kabir)는 보도자료를 통해 "저희는 인력 복지 우선과 생산성 향상이라는 두 가지 목표를 가지고 그레이매터를 설립했습니다. 물리 기반(physics-based) AI 시스템을 통해 이 목표를 달성함과 동시에, 효율성과 생산성의 새로운 차원을 열고 있습니다. 투자사들의 지원을 받아, 오늘날 제조업 현장의 근로자들에게 실질적인 변화를 가져오고 심각한 노동력 부족 문제에 대응하고 있습니다."라고 밝혔습니다.
그렇다면 '물리 기반' 로봇 시스템이란 무엇일까요? 그레이매터는 자사의 접근 방식을 다른 방식의 순수 데이터 기반 모델과 대비시키며 설명합니다.
만약 입력 데이터를 바탕으로 공정 출력을 예측하는 문제라고 가정해 봅시다. 만약 출력이 입력 증가에 따라 선형적으로 증가할 것이 예상된다면, 모델 공간 자체가 제한적이므로 이를 훈련시키는 데 필요한 데이터 양이 적습니다. 이 경우, 임의로 복잡한 모델을 고려할 필요가 없습니다. 반면, 순수 데이터 기반 방식은 제약 조건을 충족시키고 허용 가능한 컴퓨팅 성능을 구현하기 위해 훨씬 복잡한 표현 방식과 관련 해법 생성 방법을 필요로 합니다. 단순히 관찰된 입력 및 출력 데이터를 가지고 신경망을 훈련시키는 것만으로는 이러한 과정 제약 조건을 보존할 수 있다는 보장이 없습니다.
이러한 기업의 성장에 대한 관심이 회사 성장의 추진력이 되었습니다. 그레이매터는 당사 로봇 공학 분야 채용 공고에 지속적으로 언급되며, 지난 5월에 게재된 요약 기사에서는 가장 많은 비중을 차지하는 20개 포지션이 공개되었습니다.
이러한 성장은 지속적인 자금 조달에 의해 뒷받침되고 있습니다. 그레이매터는 지난 목요일, 웰링턴 매니지먼트(Wellington Management)가 주도하고 NGP Capital, Euclidean Capital, Advance Venture Partners, SQN Venture Partners, B Capital, Bow Capital, Calibrate Ventures, OCA Ventures, Swift Ventures 등이 참여하는 4,500만 달러 규모의 시리즈 B 라운드를 유치했다고 발표했습니다. 이 투자금은 회사가 2022년에 유치한 2,500만 달러 규모의 시리즈 A보다 거의 두 배 가까이 늘어난 규모입니다.