Y Combinator의 최신 데모 데이: 이제 떠다니는 핵 데이터 센터와 뇌세포 컴퓨팅까지

또 다른 Y Combinator 데모 데이가 목요일에 열렸는데, 이번 배치는 조금 달라 보였다. 매 기수마다 새로운 창업자 물결이 몰려오지만, 이번 주에 발표한 스타트업들은 과거보다 훨씬 더 딥테크에 치우쳐 있었다. 한 투자자가 "공상과학 같다"고 표현한 종류의 기술이다. 하지만 엉뚱한 아이디어를 넘어, 밸류에이션이 최근 기수들보다 훨씬 더 현실적이라는 데 의견이 모였다. 이게 가장 공상과학적인 발전이다.

매 분기처럼, TechCrunch는 초기 단계 VC들에게 이번 배치에서 가장 뜨거운 스타트업을 꼽아달라고 요청했다. 최고 픽과 모두가 이야기하는 딜 모두를 포함해서다. 그리고 늘 그렇듯, 이 매체는 최소 두 명의 투자자가 이번 배치에서 가장 화제라고 지목한 스타트업 목록을 정리했다. 다음은 알파벳 순으로 나열한 최고 픽이다.

Atomarine

만드는 것: 바다에 떠 있는 핵-powered 데이터 센터.

왜 인기인가: 전력이 부족하고, 지역 사회는 새로운 데이터 센터 건설에 점점 더 반대하고 있다. MIT 컴퓨터 과학 및 해군 엔지니어와 MIT 핵공학 박사가 공동 창업한 Atomarine은 데이터 센터를 바다의 바지선에 올려 컴퓨팅 부족 문제를 해결하려 한다. 바닷물이 거의 무료 냉각을 제공할 수 있기 때문이다. 이 스타트업은 2028년까지 가스-powered 파일럿을 출시하고 2032년에는 떠다니는 핵-powered 전력선으로 전환할 계획이다. Atomarine은 이미 의향서를 통해 40억 달러 이상의 고객 관심을 확보했다고 주장한다. 한 VC는 TechCrunch에 이 수익 잠재력 덕분에 이 회사가 이번 배치에서 가장 높은 가치를 인정받는 스타트업 중 하나가 됐다고 말했다.

Dipole Labs

만드는 것: AI 데이터 센터를 위한 효과적이고 에너지 효율적인 고속 광 네트워킹 하드웨어.

왜 인기인가: GPU 클러스터는 각 칩 사이로 데이터가 이동하기를 기다리느라 엄청난 컴퓨팅 시간을 낭비한다는 아이디어다. 네트워킹 계층에서는 데이터가 빛에서 전기로, 다시 빛으로 변환되는데, 이 과정에서 많은 전력이 소모되고 많은 열이 발생한다. 하지만 Dipole Labs는 변환을 건너뛰어 데이터가 빛으로 남아 필요한 곳으로 직접 갈 수 있는 광 스위치를 만들었다고 한다. GPU가 엄청나게 비싸고 데이터 센터가 컴퓨팅 하드웨어를 최대한 활용하면서 시간을 낭비하지 않으려는 지금, 시의적절한 문제 해결이다.

Isengard

만드는 것: 현지 생산 가능한 제트-powered 공격 및 대응 드론.

왜 인기인가: Isengard는 동맹국 내에서 직접 제트-powered 공격 및 대응 드론을 대량 생산하여 미국의 주요 계약업체가 청구하는 비용의 일부만으로 생산하는 것을 목표로 한다. 호주 육군 장교 출신과 이전에 우크라이나 관련 드론 스타트업을 6천만 달러 수익으로 키운 방위 기업가가 공동 창업한 Isengard는 이미 자체적으로 1천만 달러의 수익을 올리고 있다. 이 스타트업은 강한 VC 관심을 불러일으켰고, 두 투자자에 따르면 이번 YC 배치에서 가장 높은 가치 중 하나를 얻었다.

Lamb Labs

만드는 것: AI 모델 가중치를 하드코딩한 맞춤형 추론 칩.

왜 인기인가: 전통적인 AI 칩은 추론 중에 메모리에서 모델 가중치를 가져오느라 막대한 에너지를 소모한다. Imperial College London AI 박사와 Oxford 이론 물리학자가 공동 창업한 Lamb Labs는 AI 모델 가중치를 실리콘에 직접 하드코딩하여 초효율적인 칩을 만들려 한다. "Model Processing Units"(MPU)라고 불리는 이 맞춤형 칩은 메모리 대역폭 병목을 제거한다.

(이름은 버즈 경제에 의해 삭제됨)

만드는 것: 로봇 훈련에 사용할 실제 데이터 수집.

왜 인기인가: 이 회사는 기업과 협력하여 인간이 일하는 비디오와 데이터를 수집하고, 이를 로봇을 만드는 회사의 훈련 자료로 바꾼다. 이미 상장사와 협력 중이며 150개 이상의 다양한 환경에서 비디오 데이터를 캡처했다고 한다. 이 회사는 기업들이 어떤 작업이 인간에게 가장 적합한지 더 많이 실험하기 시작하고, AI가 계속 스스로를 개선함에 따라 어떤 작업이... (이하 생략)