크라이시(克雷西) 아페이쓰(凹非寺) 발
양자위(量子位) | 위챗 공식계정 QbitAI
23억 위안, AI 네이티브 인프라 서비스 업체 우원신궁(无问芯穹)이 C 라운드 투자 유치를 완료했다. 이전 라운드들을 합쳐 우원신궁의 누적 투자 유치액은 43억 위안에 달하며, 단일 라운드와 누적 모두 국산 AI 네이티브 인프라 분야의 새 기록을 세웠다.
우원신궁은 창립 이래 국유기관, 산업 투자자, 재무 투자 기관 등 여러 범주를 아우르는 다수의 저명 기관이 투자자로 참여했다. 그중 국유기관으로는 항저우고신금투, 사보중관춘펀드(군련자본관리), 주하이과학기술산업그룹, 샤먼궈싱투자, 쉬후이캐피털, 푸텡캐피털, 중바오투자, 궈카이커창 등이 있다. 산업 투자자로는 Dabanc Holding, 레노버, 지우쿤창투, 통거창투, 텐센트, 바이두 등이 있다. 재무 투자 기관으로는 홍산(세쿼이아) 차이나, 홍타이펀드, 후이위안캐피털, 치밍창투, 다천차이즈, 순웨이캐피털, 리쓰캐피털 등 저명 기관이 있다. 우원신궁은 AI Infra 분야에서 가장 큰 주목을 받는 스타 유니콘 중 하나가 되었다.
이 회사는 모델을 학습시키지도, 애플리케이션을 만들지도 않는다. 모델과 칩 사이의 그 층을 하는데, 구체적으로는 모델과 칩을 연결해 다양한 모델 알고리즘과 다양한 칩 하드웨어 간의 극한의 효율과 비용 최적화를 실현한다.
이렇게 하는 목표는 이질적이고 파편화되며 도메인을 넘나드는 연산력 자원을 효율적으로 집약·협동시켜, 전기 1도, 칩 가동 1초에서 저비용·고품질·생산 수준으로 사용 가능한 Token을 '짜내고', Token이 실제 비즈니스 현장에 들어가도록 추진하는 것이다.
해외에서는 시장이 이미 이 사업에 가격을 매겨 놓았다. 같은 사업을 하는 세 회사가 지난 1년간 기업가치가 모두 로켓을 탔다.
Fireworks AI는 40억 달러에서 175억 달러로 337% 상승했고, Baseten은 160% 상승했으며, Together AI는 151% 상승했다.
이 세 회사 뒤에는 우리가 너무나 잘 아는 같은 투자자가 서 있다.
엔비디아.
삽을 팔며 GPU 산업 사슬 최상류에서 큰돈을 벌어들인 엔비디아가 직접 하류의 AI Infra에 베팅에 나서, AI Infra 수요 대폭발 시대의 배표를 놓칠까 조마조마해 하는 것이다.
삽 파는 회사조차 조급해했다는 것은, 이 시장의 잠재적 공간이 상류 업체가 앉아있을 수 없을 만큼 커졌다는 뜻이다.
엔비디아가 거는 것에 대해, 우원신궁의 투자자들도 당연히 같은 베팅을 하고 싶어 한다. 이번 23억이 들어온 것은 바로 이 시장에 걸기 위해서다.
연산력 공백은 바닥 없는 구덩이다
이번 투자 유치의 배경을 이해하려면 먼저 한 가지 사실을 봐야 한다.
칩이 강해지고 생산 능력이 향상되면 AI 연산력 공백이 메워질 것이라고 생각하지만, 실제로는 연산력이 충분했던 날은 없었다. 칩 생산 능력이 아무리 확장되어도 수요 증가를 따라잡을 수 없기 때문이다.
이에 따라 독립 연구분석 기관 SemiAnalysis의 창립자 Dylan Patel은 연산력 부족이 계속될 것이라고 판단했다.
그리고 Agent의 폭발은 이 공백을 한 자릿수 더 키웠다.
Agent가 한 번 작업을 실행할 때 그 뒤에는 수십 개의 추론 요청이 연달아 호출되며, Token 소비량이 과거의 단일 턴 대화와는 완전히 비교할 수 없는 수준에 이른다.
자본의 후각은 매우 예민해서, 빠르게 자금을 이끌고 뛰어들었다.
앞서 언급한 세 해외 AI 인프라 회사의 흐름이 이미 문제를 잘 보여주는데, AI Infra 분야 전체가 재평가되고 있다.
20VC 창립자 Harry Stebbings는 Fireworks AI에 대한 투자를 두고 "15분 만에 확정됐고, 10년 투자 경력에서 가장 쉬운 결정 중 하나였다"고 말했다.
15분, 10년간 펀드를 운영해온 사람이 식사 한 끼도 되지 않는 시간에 한 AI Infra 회사에 투자했다.
Agent의 촉매 가속 아래에서 연산력 공백은 메워지기는커녕 오히려 더 벌어질 것이고, 이 사업에는 천장이 보이지 않는다.
같은 트랙에서 해외에서는 이미 백억 달러대 기업가치의 회사가 나왔고, 국내에서도 방금 이 트랙의 투자 유치액 신기록이 탄생했다.
게다가 우원신궁은 자체 데이터센터를 짓는 대신 다른 길을 선택했다.
데이터센터를 짓지 않고도 AI Infra를 할 수 있다
AI Infra를 하려면 사실 두 가지 길이 있을 뿐이다.
비교적 전통적인 방식은 자체 데이터센터를 건설해 중자산으로 규모를 바꾸는 것이지만, 이는 부채를 지며 확장해야 할 가능성이 크다는 것을 의미한다.
다른 하나는 정반대 방향으로 나아갔다. 즉 데이터센터(서버실)에는 전혀 손대지 않고, 곳곳에 흩어져 있는 컴퓨팅 파워를 모아 소프트웨어 오케스트레이션을 통해 이를 하나의 네트워크로 엮어내는 것이다.
무원신궁(Wuwen Xinqiong)이 선택한 것은 바로 후자다. 회사 자체는 물리적 데이터센터를 보유하지 않고, 연산 자원은 각지의 연산 센터에 분산되어 있으며, 칩 제조사는 이른바 '만국제(万国造)'이다.
무원신궁의 기술 체계에는 세 가지 키워드가 있다. 다원 이기종(多元异构), 소프트웨어-하드웨어 협동, 자율식 AI이다.
먼저 다원 이기종을 보면, 무원신궁의 플랫폼은 이미 엔비디아, AMD, 화웨이 승텐(昇腾), 빈런(壁仞), 하이광(海光), 무어스레드, 무시(Muxi), 쒼위안과기(燧原科技), 핑투어게(平头哥) 등 16종의 칩에 적응을 마쳤으며, 37000P의 연산 능력을 서비스하고 있다.
새로운 칩이 등장하더라도 팀은 단 2영업일 만에 적응을 마칠 수 있으며, 국산 칩의 적응 비용은 70% 이상 절감되었다.
칩 공급망이 점점 복잡해지는 요즘, 서로 다른 칩 사이를 자유롭게 전환할 수 있어 고객이 특정 칩에 종속되지 않아도 되는 이 능력은 상당히 강력하다고 할 수 있다. 단순히 종속되지 않는 데 그치지 않고, 무원신궁은 중립을 유지하며 모델, 칩, 고객 수요를 연결하는 독립 플랫폼으로서 분산된 모델 역량과 이기종 연산 자원을 조직화하고, 하위 자원에서 AI 생산력으로의 전환 효율을 지속적으로 최적화하고 있다.
무원신궁은 업계에서 처음으로 천 단 규모 이기종 칩 혼합 훈련을 실현했으며, 연산 이용률은 97.6%에 달했다. 좀 더 구체적으로 말하면, 무원신궁은 화웨이 승텐, 톈수즈신(天数智芯), 무시, 무어스레드의 4종 국산 칩과 AMD, NVIDIA의 2종 수입 칩을 활용해 700억 파라미터 대형 모델의 이기종 칩 혼합 훈련을 완수했다. 이는 업계 최초의 일이다.
크로스 도메인 훈련 역시 하나의 경쟁력 있는 지표다.
무원신궁은 차이나텔레콤과 함께 국내 최초로 4000킬로미터를 초과하는 대형 모델 크로스 도메인 혼합 훈련을 완수해, 신장 하미(哈密)와 광둥 선전의 연산 자원을 연결하고 300억 파라미터 모델에 대한 공동 훈련을 수행해 성능을 165% 향상시켰다.
이 밖에도 팀은 서로 다른 세대와 모델의 GPU 클러스터 4개를 활용한 다중 데이터센터 공동 훈련, 그리고 로컬 프라이빗 클러스터와 퍼블릭 클라우드 연산 자원의 하이브리드 클라우드 혼합 훈련도 실현해, 성능을 각각 41%와 68% 향상시켰다.
물론 적응은 그중 한 단계일 뿐이며, 실제 운영에서는 속도 역시 중요한 지표다.
어차피 Agent는 모델이 한 글자 한 글자 뱉어내기를 기다릴 시간이 없다.
이것이 바로 소프트웨어-하드웨어 협동이 해결해야 할 문제다.
무원신궁은 소프트웨어 스택 전반에 걸쳐 자동화된 병렬 오케스트레이션과 탐색, 연산자 및 계산 그래프 최적화부터 계산과 통신의 중첩, 동적 오케스트레이션과 스케줄링에 이르는 일련의 최적화를 수행해, 연산 자원을 고품질의 모델 성능과 Token 서비스 역량으로 효율적으로 전환하고 있다.
그 결과, 무원신궁이 최적화한 인프라에서는 조 단위(万亿) 파라미터 MoE 모델의 훈련 처리량이 주류 오픈소스 프레임워크보다 41%~75% 높았다.
추론 측면에서는, 무원신궁이 일련의 기술 혁신을 통해 1년 만에 추론 비용을 기존의 10분의 1 수준으로 낮췄다.
2026년 WAIC에서 회사는 업계 최초의 크로스 클러스터 이기종 PD 분리 아키텍처인 PDD(Prefill-RelayDecode-MainDecode)를 발표했으며, 첫 Token 지연 시간을 51.5% 낮추고 단위 Token 비용을 37.5% 절감했다.
PDD의 대규모 적용이 확대되면, 향후 추론 비용은 10배까지 추가로 하락할 여지가 있다.
하지만 Agent 시대에는 또 하나의 문제가 있다. 모델마다 잘하는 능력이 다르기 때문에, 구체적인 작업에 어떤 모델을 호출하고 얼마나 많은 연산을 사용할지 고민해야 하는 것이다.
무원신궁은 이 판단 문제를 시스템에 맡겼는데, 이것이 바로 회사가 말하는 '자율식 AI'이다.
구체적으로는 대형 모델과 소형 모델의 자적응 협동 메커니즘을 도입해, 시스템이 복잡한 작업은 대형 모델에 계획과 추론을 맡기고, 경량의 실시간 응답은 소형 모델에 넘기며, 작업 복잡도, 지연 시간 요구, Token 비용에 따라 동적으로 전환한다.
이 메커니즘 위에서 무원신궁은 지능형 에이전트 스웜(agent swarm) 한 조를 배치했으며, 현재 세 가지 하위 집합을 포함한다. 사용자 대상 플랫폼 관리 에이전트 시스템, 클러스터 대상 운영·유지보수 에이전트 시스템, 칩 대상 연산자 생성 에이전트 시스템이다. Agent 역량으로 전체 AI Infra가 자율적 반복과 자기 최적화의 순환고리를 형성하도록 구동해, 인프라를 쓸수록 더 강해지게 만든다.
이러한 역량들을 종합해 보면, 무원신궁이 하는 일은 매우 이해하기 쉬워진다.
이들은 인프라에 입각해 아래로는 에너지와 칩을 집약하고, 위로는 모델과 애플리케이션을 지원하며, 하위 자원이 AI 생산력으로 전환되는 규모와 효율을 극한까지 끌어올릴 뿐만 아니라, Agentic AI 시대의 가장 두드러진 AI 네이티브 역량, 즉 인프라 지능형 에이전트 스웜으로 자원 규모 확장과 Token 생산 효율화를 실현하고 Agentic AI의 지속적인 진화를 지원하는 사업 선견지명을 갖추고 있다.
연산, 모델, 산업, 세 층의 사업을 함께 추진
기술 측면의 계산이 끝났으니, 이제 상업화를 살펴보자.
무원신궁은 '전점후공 일센터(前店后厂一中心)'의 전략적 배치를 제시했는데, 구체적으로 사업을 세 층으로 나누는 것이다.
가장 아래 층은 연산 집산센터(Agentic Infra 자율식 인프라 플랫폼)로, 분산되고 이기종인 연산 자원을 통합적으로 집약하고 탄력적으로 스케줄링하며 수요에 따라 배분하는 역할을 담당해, 모델과 애플리케이션 층을 위한 충분하고 안정적이며 확장 가능한 연산 기반을 탄탄히 다진다. 고객은 하위 하드웨어의 차이를 신경 쓸 필요 없이 연결만 하면 바로 사용할 수 있다.
가운데 층은 Token 공장(Agentic MaaS 대형 모델 서비스 플랫폼)으로, 극한의 효율로 Token의 규모화·고품질 생산을 서비스한다. 현재 이 플랫폼은 지푸(智谱), 월지안면(月之暗面) 등 선두 대형 모델 기업들과 긴밀한 협력을 맺어 백여 개 이상의 대형 모델을 출시했으며, 고객은 직접 배포할 필요 없이 모델만 선택하면 개봉 즉시 사용할 수 있다.
가장 위 층은 AI 생산력 스토어(산업 솔루션)로, 기업 대상 Agentic Infra 산업 솔루션을 제공한다. 동일한 산업 시나리오라도 모델 규모와 하드웨어 구성에 따라 완전히 다른 Token 비용이 발생할 수 있는데, 무원신궁은 에이전트 시나리오 자적응 기술을 AI 생산력 전환 효율을 높이는 핵심 기술 경로로 삼아, 이미 문화·엔터테인먼트·게임, 의료·헬스케어, 법률 서비스, 에너지·전력 등 분야를 아우르는 Agentic Infra 산업 솔루션을 출시해, Token을 실행 가능하고 납품 가능한 산업 생산력으로 한층 더 전환시키고 있다.
Agent 애플리케이션이 폭발한 이후, 무원신궁 대형 모델 서비스 플랫폼의 일평균 Token 사용량은 반년 만에 40배 이상 증가했으며, 추론 작업의 95% 이상이 Agent에서 비롯되었다.
무원신궁의 세 층 사업 가운데, 연산 집산센터는 모델과 애플리케이션 층을 위한 충분하고 안정적이며 확장 가능한 연산 기반을 탄탄히 다지고, Token 공장은 일련의 오리지널 기술 혁신을 통해 대형 모델 추론 효율을 크게 높이고 추론 비용을 낮추며, AI 생산력 스토어는 Token을 산업이 인정하는 고품질 AI 생산력으로 효율적으로 전환한다.
일찍이 2025년, 무원신궁은 업계에서 가장 먼저 Agentic Infra의 패러다임 전환을 제시했다. 오늘날 Agentic Infra가 지능형 에이전트의 규모화 운용과 지속적인 진화를 뒷받침한다는 산업적 가치는 끊임없이 검증되고 있다. 바람이 정말 불 때, 그것은 이미 바람이 부는 자리에 서 있었다.
23억을 쏟아부으며 베팅하는 것은 무엇인가?
기술은 검증되었고, 수요도 확인되었으니, 다음은 규모의 문제다.
무원신궁(无问芯穹)은 이번 C 라운드에서 23억 위안을 조달했고, 이전 라운드까지 합치면 누적 조달액이 43억 위안에 달하며, 단일 라운드 및 누적 금액 모두 중국산 AI 인프라 부문의 신기록을 세웠다.
이 자금이야말로 무원신궁이 규모화 확장으로 나아가는 핵심 동력이다.
또한 블룸버그통신이 관계자를 인용해 보도한 바에 따르면, 무원신궁은 최근 몇 달간 비공개 형식으로 홍콩거래소에 IPO 신청서를 제출했다.
누적 43억 위안을 조달한 후, 이 AI 네이티브 인프라 공급업체는 IPO 나팔을 울렸다.
투자자들이 이 시점에서 이 가격을 제시한 것은 세 가지, 즉 팀, 위치, 타이밍을 본 것이다.
먼저 팀을 보자. 무원신궁은 전형적인 칭화대 계열 회사로, 발기인 왕위(汪玉)는 칭화대 전자공학과 종신교수이자 당시 학과주임, IEEE Fellow이며, CEO 샤리쉐(夏立雪), 수석과학자 다이궈하오(戴国浩), CTO 리보쉰(李伯勋) 모두 칭화대 전자공학과 출신이다.
즈푸(智谱)부터 월지안면(月之暗面)까지, 칭화대 계열은 이미 AI 분야의 선두 기업들을 배출했으며, 무원신궁의 유전자도 이 계보 위에 있다.
이 팀은 박사 과정 때부터 딥러닝의 하드웨어 가속과 이기종 시스템 최적화를 연구해 왔으며, 깊은 산업 경험과 결합해 최고 수준의 소프트웨어·하드웨어 연구개발 및 엔지니어링 역량을 겸비하고 있다.
다음으로 위치를 보자.
무원신궁은 산업 사슬의 교두보에 자리 잡고 있어, 아래로는 에너지와 칩을 연결하고 위로는 모델과 애플리케이션을 떠받치며, 온갖 산업의 실제 워크로드를 상대한다. 고객을 한 명 더 맞이할 때마다 스케줄링과 시나리오 적응의 복잡도가 한 단계씩 올라간다.
마지막으로 타이밍을 보자. 지난 2년간 경쟁은 누구의 모델이 더 강한가였지만, 모델 간 격차는 점차 좁혀지고 있다.
모두가 비슷한 모델을 학습시킬 수 있게 되면 경쟁은 다음 층위로 이동한다. 비슷한 모델을 더 빠르고, 더 저렴하고, 더 안정적으로 구동시킬 수 있는 사람이야말로 진짜로 돈을 버는 사람이다.
게다가 먼저 자리 잡은 플레이어는 데이터와 경험을 축적했기에, 나중에 따라오려는 이들이 돈을 쏟아부으며 추격하기는 매우 어렵다.
이와 관련해 무원신궁은 실제 비즈니스 시나리오에서 지속적으로 역량을 갈고닦으며 방대한 최적화 경험을 축적했고, 문화·엔터테인먼트·게임, 의료·헬스케어, 법률 서비스, 에너지·전력 등 분야를 아우르는 Agentic Infra 산업 솔루션을 이미 출시했다. 그리고 방대한 비즈니스 경험은 다시 기술의 빠른 반복 개선으로 이어져 플랫폼의 성능과 신뢰성의 동반 도약을 촉진하며, 상업화의 선순환을 형성한다.
AI Infra 부문에서 무원신궁은 설립 3년 동안 연산 자원, Token 생산 및 산업 지능형 에이전트 애플리케이션을 중심으로 탐색을 진행해 왔다. 실제 산업 수요에서 출발해 자체 기술 혁신으로 연산 활용, 서비스 비용, 애플리케이션 전환 등의 문제를 해결하는 실천을 통해 오늘에 이르렀으며, 단일 라운드 및 누적 조달액 모두 이 부문의 기록을 갈아치웠다.
AI 인프라의 규모 전쟁은 이제 막 시작되었고, 무원신궁은 이미 맨 앞에 서 있다.