데이터브릭스, 생성형 AI 스타트업 모자이크ML 13억 달러에 인수

기업 데이터를 외부 AI에 넘기지 않고 자체적으로 대규모 언어 모델을 학습시키려는 수요를 잡기 위해 데이터 인프라 거물이 승부수를 던졌습니다.

데이터 및 머신러닝 플랫폼 기업 Databricks는 생성형 AI 스타트업 MosaicML을 약 13억 달러(직원 잔류 보상 패키지 포함)에 인수하기로 최종 합의했다고 발표했습니다. 설립된 지 불과 2년 된 MosaicML의 연구진을 포함한 전 직원이 Databricks에 합류합니다. 공교롭게도 경쟁사인 Snowflake가 AI 검색 스타트업 Neeva를 인수한 직후이자, 양사 모두 연례 콘퍼런스를 여는 주간에 메가 딜이 성사되었습니다.

수천 달러로 만드는 사내 전용 GPT-3

MosaicML은 오픈소스 LLM 제품군인 MPT 시리즈로 업계의 주목을 받아온 기업입니다. 공식 발표에 따르면 MPT-7B는 다운로드 수 330만 건 이상을 기록했으며, 최근 공개된 MPT-30B는 300억 개의 매개변수만으로 1,750억 개 매개변수를 지닌 OpenAI의 GPT-3에 필적하는 성능을 입증했습니다.

핵심 경쟁력은 학습 최적화 엔지니어링입니다. 자동 학습 최적화 알고리즘을 통해 기존 방식 대비 2배에서 7배 빠른 학습 속도를 제공하며, 수십억 매개변수 모델을 며칠이 아닌 몇 시간 만에 훈련할 수 있습니다. Databricks에 따르면 이를 통해 LLM 구축 비용을 수백만 달러에서 수천 달러 수준으로 낮출 수 있습니다. 브라우저 기반 코딩 도구 Replit, 헬스케어 AI 기업 Hippocratic AI, 앨런 인공지능 연구소(AI2) 등이 이미 MosaicML의 솔루션을 사용하고 있습니다.

레이크하우스에 데이터를 두고 구축하는 독자 모델

기업 입장에서 공용 상용 AI의 가장 큰 걸림돌은 보안과 데이터 통제권입니다. 금융이나 의료, 법률 분야의 민감한 자산을 외부 API로 전송하는 것은 유출 위험과 규제 문제를 동반하기 때문입니다.

MosaicML의 기술이 Databricks의 레이크하우스 플랫폼에 통합되면, 기업은 외부로 데이터를 내보내지 않고 저장된 내부 데이터 바로 위에서 전용 모델을 학습, 미세조정, 배포할 수 있습니다. ActionIQ의 제품 수석 부사장 Justin DeBrabant는 Databricks가 데이터 관리(ETL)와 SQL 분석, 기존 머신러닝에 이어 호스팅형 LLM까지 아우르는 파이프라인을 완성했다고 평가했습니다. 분석가 John Furrier 역시 미래 기업의 핵심 가치는 소프트웨어가 아니라 사내 데이터이며, Databricks가 이 흐름을 선점했다고 분석했습니다.

왜 중요한가

이번 인수는 빅테크의 독점적 폐쇄형 API에 의존하지 않고 자체 AI 역량을 내재화하려는 기업들에게 실질적인 돌파구를 제공합니다. 의료, 법률 등 규제 준수가 필수적인 조직의 개발자라면 천문학적인 연구 인프라 비용을 들이지 않고도 레이크하우스 환경에서 저비용으로 도메인 특화 모델을 직접 다듬을 수 있게 됩니다. 사내 데이터 자산을 이미 Databricks에 두고 있는 조직이라면 도입을 적극 검토해 볼 만합니다.

산업 전체로 보면 생성형 AI의 승부처가 '범용 모델의 크기'에서 '기업 고유 데이터와의 결합'으로 이동하고 있음을 보여줍니다. Snowflake가 Neeva를 품고 Databricks가 MosaicML을 흡수하면서, 데이터 인프라 기업들이 AI 인프라까지 수직 통합해 클라우드 거인들과 맞붙는 형국이 되었습니다.

Databricks의 선택은 데이터 주권과 비용 절감이라는 엔터프라이즈의 핵심 가려운 곳을 정확히 긁었다는 점에서 영리한 포석으로 보입니다. 다만 설립 2년 차 스타트업에 지불한 13억 달러라는 기업 가치가 결코 가볍지 않은 만큼, 오픈소스 파운데이션 모델이 범람하는 환경 속에서 MosaicML의 학습 효율화 기술이 얼마나 오랫동안 차별화된 기술적 해자를 유지할 수 있을지가 성공의 관건이 될 것입니다.