소재 발견 AI ‘커스프AI’, 4.5억 달러 투자 유치

반도체 성능과 에너지 효율, 탄소포집 비용을 좌우하는 공통 변수는 소재이다. 하지만 원하는 특성을 갖춘 신소재를 찾아 실제 생산까지 연결하는 과정에는 수년에서 10년 이상이 걸리기도 한다. 인공지능이 후보 물질 탐색을 크게 단축하고 있지만, 컴퓨터가 설계한 소재를 실험실에서 합성하고 산업 현장에서 검증하는 일은 여전히 병목으로 남아 있다.

영국 소재 발견 AI 스타트업 커스프AI(CuspAI)가 이 간극을 좁히기 위해 데이터와 GPU 컴퓨팅, 연구소, 소재 기업을 하나로 묶은 ‘AI 머티리얼즈 파운드리(AI Materials Foundry)’를 출범했다. 이와 함께 4억5천만 달러 규모의 시리즈B 투자를 유치하며 기업가치 26억 달러를 인정받았다.

AI가 설계하고 글로벌 연구소가 검증한다

커스프AI가 공개한 AI 머티리얼즈 파운드리는 신소재 개발에 필요한 네 가지 요소를 하나의 네트워크로 연결한다. 대규모 학습 데이터와 GPU 컴퓨팅, 소재를 합성·시험할 연구소, 결과를 해석할 과학자와 산업 전문가다.

창립 파트너는 45곳이 넘는다. 엔비디아(NVIDIA)와 메타(Meta)를 비롯해 삼성, 현대자동차그룹, LG CNS, 3M, AMD, 어플라이드 머티어리얼즈(Applied Materials), 램리서치(Lam Research), 도쿄일렉트론(Tokyo Electron), 키옥시아(Kioxia), 후지필름(Fujifilm), 머크(Merck), 헨켈(Henkel) 등이 참여했다.

연구소 네트워크에는 싱가포르 과학기술연구청(A*STAR), 영국 케임브리지대학교, 벨기에 반도체 연구기관 아이멕(imec), 암스테르담대학교, 덴마크공과대학교, 헨리로이스연구소 등이 이름을 올렸다. 케임브리지 결정구조 데이터센터(CCDC), 무기결정구조데이터베이스(ICSD), 학술출판사 와일리(Wiley)는 학습 데이터와 과학 문헌을 제공한다.

파트너 기업이 열 안정성이나 밴드갭, 촉매 반응, 제조비용 등 목표 조건을 입력하면 커스프AI의 과학 에이전트 ‘미라(MIRA)’가 후보 구조를 생성한다. 이어 수백만 개 후보의 물성을 예측하고 합성 경로를 설계한 뒤, 장비와 지역·처리 능력을 고려해 적합한 연구소로 실험을 배정한다. 실험 결과는 다시 모델 학습에 투입된다.

커스프AI는 고객별 데이터를 분리한 비공개 파운드리 환경을 제공해 기업의 소재 조성과 공정 데이터를 보호한다는 방침이다. 다국적 제조기업이 소재 AI를 도입할 때 가장 민감하게 여기는 지식재산권 문제를 고려한 설계이다.

300조개 구조에서 20개 후보로

커스프AI는 핀란드 수처리 화학기업 케미라(Kemira)와 진행한 프로젝트를 파운드리 모델의 초기 성과로 제시했다. 양사는 물속의 과불화화합물(PFAS)을 제거할 소재를 찾기 위해 300조개에 달하는 잠재적 분자 구조를 탐색했다.

커스프AI에 따르면 AI가 5천개 이상의 새로운 구조를 설계했고, 이 가운데 실험과 추가 검증을 진행할 후보 20개를 선정했다. 기존 방식으로 수년이 걸릴 수 있는 과정을 6개월로 줄였다는 설명이다. 다만 이들 후보가 대량생산과 상용화 단계까지 도달했는지는 아직 공개되지 않았다.

시뮬레이션 계층에는 커스프AI가 엔비디아의 화학·소재 AI 연구조직 알케미(ALCHEMI)와 개발한 오픈소스 분자 시뮬레이션 도구 ‘kUPS’가 사용된다. 메타가 개발한 원자 단위 파운데이션 모델 ‘UMA’도 활용한다.

커스프AI는 소재 AI의 성능을 좌우하는 데이터 확보에도 공을 들였다. CCDC의 케임브리지 구조 데이터베이스와 ICSD에 대한 AI 학습권을 확보했고, 와일리의 소재과학 문헌도 활용한다. 메타가 공개한 OMat24 데이터세트는 1억1천만건 이상의 밀도범함수이론 계산을 담고 있어, AI가 원자 구조의 안정성과 에너지를 예측하는 기반으로 활용될 수 있다.

9개월 만에 기업가치 5배

커스프AI는 4억5천만 달러 규모의 시리즈B 투자유치를 마무리했다. 클라이너 퍼킨스(Kleiner Perkins)와 뉴엔터프라이즈어소시에이츠(NEA)가 공동으로 투자를 주도했고, 제프 베이조스의 투자회사 베이조스 익스페디션스(Bezos Expeditions)가 주요 투자자로 참여했다.

신규 투자자로는 글레이드브룩 캐피털 파트너스(Glade Brook Capital Partners), 럭스 캐피털(Lux Capital), AMD 벤처스(AMD Ventures), 트루애로 파트너스(Tru Arrow Partners), 스텝스톤(StepStone), 영국 소버린 AI 벤처 펀드, 네덜란드 인베스트NL(Invest-NL), 존 도어 등이 합류했다.

기존 투자자인 테마섹(Temasek), 베이시스셋 벤처스(Basis Set Ventures), 자이언트 벤처스(Giant Ventures), 투어링 캐피털(Touring Capital), 프로서스(Prosus), 피닉스 코트(Phoenix Court), 노스존(Northzone)도 후속 투자했다.

이번 라운드에서 인정받은 기업가치는 26억 달러이다. 2025년 9월 시리즈A 당시 알려진 5억2천만 달러와 비교하면 약 9개월 만에 5배로 뛰었다. 누적 투자유치액은 6억5천만 달러를 넘어섰다.

커스프AI는 투자금을 미국과 아시아·태평양, 유럽의 파운드리와 연구소 네트워크 확장에 투입한다. 특히 케임브리지와 싱가포르, 샌프란시스코 베이 지역의 파트너 연구소 지원을 확대할 예정이다.

소재과학자와 AI 연구자의 공동창업

커스프AI는 2024년 채드 에드워즈와 맥스 웰링(Max Welling)이 공동 창업했다.

에드워즈는 화학을 전공하고 구글과 화학기업 바스프(BASF)에서 딥테크 사업화를 담당했다. 이후 양자컴퓨팅 기업 퀀티넘(Quantinuum)을 거쳐 커스프AI를 설립했다.

최고기술책임자를 맡은 웰링은 암스테르담대학교 교수와 마이크로소프트리서치 부사장 등을 지낸 머신러닝 연구자다. 생성형 AI의 주요 기반 기술 가운데 하나인 변분 오토인코더와 분자·소재 구조를 학습하는 등변 신경망 연구에 참여했다.

커스프AI의 초기 전략은 사용자가 원하는 속성을 먼저 제시하면 AI가 그 조건에 맞는 물질을 역으로 설계하는 것이다. 기존 소재의 특성을 예측하는 데서 한발 더 나아가, 목표 특성에서 출발해 새로운 구조를 생성하는 ‘역설계’ 방식이다.

회사는 탄소포집 소재를 첫 적용 분야로 삼았다. 메타, 조지아공과대학교와 함께 1억개 이상의 데이터 포인트를 포함한 직접공기포집 소재 데이터세트 ‘오픈DAC(OpenDAC)’ 구축에도 참여했다. 이후 PFAS 제거용 소재와 배터리, 수소연료전지, 반도체 공정 소재로 적용 범위를 넓혔다.

경쟁은 ‘모델’에서 ‘실험 자동화’로

AI 소재 발견 시장에는 대규모 자금이 몰리고 있다. 경쟁의 초점도 후보 물질을 생성하는 모델 성능에서 실제 합성과 검증을 반복하는 자동화 연구 인프라로 옮겨가고 있다.

릴라 사이언스(Lila Sciences)는 AI가 가설을 만들고 로봇 연구소가 실험하는 자율 과학 플랫폼을 개발한다. 생명과학과 화학·소재과학을 함께 겨냥하며 출범 당시 2억 달러를 유치했다.

페리오딕랩스(Periodic Labs)는 오픈AI와 구글 딥마인드 출신 연구자들이 설립했다. AI가 실험을 설계하고 결과를 학습하는 자율 연구소 구축을 목표로 하며, 시드 단계에서 3억 달러를 유치했다.

오비탈 머티리얼즈(Orbital Materials)는 구글 딥마인드 출신 연구진이 설립한 기업으로, 탄소포집과 배터리·데이터센터 등에 필요한 소재를 AI로 설계한다. 커스프AI가 여러 산업 파트너에게 발견 플랫폼을 제공한다면, 오비탈 머티리얼즈는 AI로 설계한 소재를 실제 산업 제품으로 연결하는 수직통합 전략에 가깝다.

구글 딥마인드의 GNoME, 마이크로소프트의 MatterGen·MatterSim, 메타의 FAIR Chemistry처럼 빅테크 연구조직도 소재 파운데이션 모델과 데이터세트를 공개하고 있다. 커스프AI에는 이들이 기술 공급자이자 잠재적 경쟁자인 셈이다.

AI가 소재 발견을 실질적으로 앞당길 가능성은 연구에서도 확인된다. 미국 기업 연구소 과학자 1,018명을 분석한 연구 결과에 따르면 AI 도구를 사용한 연구자는 신소재 발견을 44%, 특허 출원을 39% 늘렸다. 반면 성과는 상위 연구자에게 집중됐다. AI가 제시한 수많은 후보 가운데 실제로 유망한 물질을 가려내는 전문성이 여전히 중요하다는 의미다.

커스프AI가 내세운 파운드리는 바로 이 지점을 공략한다. 생성형 AI만 판매하는 대신 데이터와 컴퓨팅, 합성 장비, 산업 전문가를 하나의 운영체계로 묶는다. 향후 관건은 AI가 추천한 후보가 실험실 검증을 넘어 생산비용과 공급망, 안정성, 규제라는 상용화 관문까지 얼마나 빠르게 통과하느냐이다.

주요 AI 기업들의 투자 관계망에 대한 자세한 내용은 여기를 참고하시길.