AI 뉴스 SVIL 비다AI 산야 피들러 엔비디아 월드 모델 피지컬 AI 로보틱스

엔비디아 AI 수장이 나가서 만든 회사에 9000만 달러 — 비다 AI와 월드 모델

SVIL - Singularity Visual Intelligence Lab 2026. 08. 21 15 min read

칠흑 속에서 훨씬 큰 어두운 덩어리로부터 작은 각진 조각 하나가 깨끗하게 떨어져 나온 개념 이미지 — 엔비디아에서 갈라져 나온 새 회사를 표현

로봇을 똑똑하게 만들려면 시켜 보고 틀리면 고쳐 주는 과정이 필요합니다. 그런데 그 과정을 현실에서 하려면 로봇도 시간도 감당이 안 됩니다. 그래서 아예 현실을 하나 만들어 주자는 회사가 나왔고, 창업 석 달 만에 9,000만 달러를 받았습니다.

엔비디아를 나온 연구자가 3개월 만에 한 일

2026년 8월 19일, 비다 AI(Veeda AI)가 시드 투자 유치를 알렸습니다. 금액은 9,000만 달러 이상입니다.

회사를 세운 사람은 엔비디아에서 AI 연구를 총괄하던 산야 피들러입니다. 법인을 만든 지 석 달이 채 되지 않은 시점에 이 규모가 들어왔습니다.

9000만 달러, 캐나다 시드 최대급

시드는 보통 회사가 가장 작을 때 받는 첫 투자입니다. 제품도 매출도 없는 단계라 금액이 크지 않은 것이 일반적입니다.

이번 라운드는 그 통념에서 크게 벗어납니다. 미화 9,000만 달러(캐나다 달러 약 1억 2,400만)로, 캐나다 기업이 받은 시드 가운데 손꼽히는 규모입니다.

칠흑에 나란히 선 두 개의 적층 기둥, 오른쪽이 훨씬 높고 밝은 청록으로 빛나는 개념 이미지 — 통상적인 시드 규모를 크게 웃도는 금액을 표현

코슬라와 래디컬이 공동 주도했다

투자를 이끈 곳은 코슬라 벤처스와 래디컬 벤처스입니다. 두 곳이 공동으로 주도했습니다.

코슬라는 초기 단계 기술 기업에 오래 투자해 온 곳이고, 래디컬은 토론토를 기반으로 AI에 집중해 온 곳입니다. 두 성격이 겹친 자리에 이 회사가 있습니다.

산야 피들러는 누구인가

피들러는 컴퓨터 비전 연구자입니다. 기계가 이미지와 영상을 이해하게 만드는 분야입니다.

엔비디아에서 8년을 보냈고, 대부분을 AI 리서치 부문 부사장으로서 연구 조직을 이끄는 데 썼습니다. 이번 창업을 위해 그 자리를 떠났습니다.

양쪽에서 온 두 줄기 청록 광선이 한가운데서 만나 더 두껍고 밝은 하나로 합쳐지는 개념 이미지 — 두 투자사가 공동으로 주도한 라운드를 표현

토론토 연구그룹에서 공간지능 연구소로

피들러가 이끌던 조직은 처음에 토론토의 연구 그룹이었습니다. 이 조직이 나중에 엔비디아의 공간지능 연구소가 됩니다.

공간지능은 기계가 3차원 공간과 그 안의 사물·관계를 이해하는 능력을 뜻합니다. 이번 창업의 주제와 정확히 이어지는 이력입니다.

함께 나온 두 사람

공동 창업자는 후안 링과 잔 고이치치입니다. 둘 다 엔비디아에서 피들러와 함께 일하던 동료입니다.

세 명이 같은 조직에서 나와 같은 회사를 세웠다는 것은, 이 팀이 이미 손발을 맞춰 본 상태로 출발했다는 뜻입니다. 투자자가 초기 단계에 큰 금액을 넣는 이유 중 하나입니다.

앞선 하나의 밝은 청록 광점 뒤로 점점 흐려지는 광점들이 길게 늘어선 개념 이미지 — 앞서 떠난 연구자를 뒤따르는 동료들을 표현

설립 3개월 미만이라는 시간

법인 설립부터 이번 발표까지 석 달이 되지 않습니다. 제품을 만들고 검증해 보여 줄 시간이 아닙니다.

이 단계의 투자는 사실상 사람과 방향에 거는 돈입니다. 이번 라운드의 성격을 이해하려면 이 점을 먼저 봐야 합니다.

월드 모델이란 무엇인가

회사가 만들려는 것은 월드 모델입니다. 이름 그대로 세계를 흉내 내는 모델입니다.

물체가 어떻게 떨어지고, 밀면 어디로 가고, 부딪히면 어떻게 되는지를 예측해 내는 모델입니다. 그림을 그리는 것이 목적이 아니라 다음에 무슨 일이 벌어질지를 맞히는 것이 목적입니다.

칠흑 위에 나란히 선 세 개의 매끈한 어두운 기둥이 각각 한쪽 모서리를 청록으로 빛내는 개념 이미지 — 세 명의 공동 창업자를 표현

언어 모델과 무엇이 다른가

익숙한 대형 언어 모델은 다음 낱말을 맞히도록 훈련됩니다. 세상에 관한 지식이 글을 통해 간접적으로 들어옵니다.

월드 모델이 맞히려는 것은 낱말이 아니라 다음 상태입니다. 지금 이 장면에서 로봇이 팔을 이렇게 움직이면 그다음 장면이 어떻게 되는가입니다. 글로 설명된 세계가 아니라 겪는 세계를 다룹니다.

로봇을 현실에서 가르칠 수 없는 이유

그러면 왜 굳이 흉내 낸 세계가 필요할까요. 현실에서 가르치면 안 되는 걸까요.

피들러가 든 이유는 세 가지입니다. 하나씩 보면 왜 시뮬레이션이 선택이 아니라 조건인지가 분명해집니다.

어두운 사각 공간 안쪽 여러 깊이에 무수한 작은 청록 광점이 흩어져 있는 개념 이미지 — 시뮬레이션으로 만들어 낸 가상 환경을 표현

하드웨어는 연산처럼 늘어나지 않는다

첫째, 로봇 몸체는 컴퓨팅처럼 불어나지 않습니다. 연산은 서버를 더 빌리면 늘어나지만 로봇은 만들어야 늘어납니다.

AI 학습에서 성능을 끌어올린 가장 확실한 방법은 규모를 키우는 것이었습니다. 그런데 그 방법이 실물 로봇 앞에서 막힙니다. 천 대를 동시에 굴리려면 천 대를 사야 합니다.

실수가 위험해지는 순간

둘째, 틀리면 위험합니다. 소프트웨어의 실수는 다시 실행하면 되지만, 팔이 달린 기계의 실수는 물건을 부수거나 사람을 다치게 합니다.

시행착오로 배우는 방식은 실수를 전제로 합니다. 실수가 비싼 환경에서는 이 방식 자체를 쓸 수 없습니다.

선명한 어두운 고리 하나 뒤로 똑같은 고리 수백 개가 점점 흐려지며 반복되는 개념 이미지 — 같은 상황을 수없이 되풀이하는 학습을 표현

경험을 병렬로 쌓을 수 없다

셋째, 현실의 경험은 나란히 쌓이지 않습니다. 로봇 한 대가 한 시간에 겪을 수 있는 것은 한 시간치뿐입니다.

시뮬레이션에서는 다릅니다. 같은 상황을 수천 개 동시에 돌릴 수 있고, 시간을 빨리 감을 수도 있습니다. 현실에서 몇 년 걸릴 경험을 며칠로 압축합니다.

그래서 시뮬레이션이 필요하다

세 이유를 합치면 결론은 하나입니다. 로봇을 제대로 가르치려면 먼저 가르칠 수 있는 세계를 만들어야 합니다.

비다가 하려는 일이 정확히 이것입니다. 무한히 늘릴 수 있는 가상 환경을 만들고, 그 안에서 로봇 지능이 반복해 부딪히며 배우게 하는 것입니다.

빠르게 지나가는 청록 잔상 속에서 어두운 원반 하나만 흐릿하게 남은 개념 이미지 — 현실보다 훨씬 빠르게 돌아가는 가상 시간을 표현

백만 가지 방식으로 부딪혀 보기

피들러는 이 구조를 이렇게 설명합니다. 로봇 지능이 온전히 가상인 세계와 백만 가지 방식으로 상호작용하며 자기 실수에서 배운다는 것입니다.

핵심은 상호작용입니다. 미리 녹화된 장면을 보는 것이 아니라, 로봇이 뭔가를 하면 세계가 그에 맞게 반응해야 합니다. 그래야 시행착오가 성립합니다.

멀티모달이라는 조건

회사가 만드는 월드 모델은 멀티모달입니다. 언어·이미지·영상을 가로질러 작동하도록 설계됩니다.

로봇이 마주하는 상황은 한 종류가 아니기 때문입니다. 보고, 지시를 알아듣고, 시간에 따라 변하는 장면을 따라가야 합니다. 이 셋이 한 모델 안에서 이어져야 명령을 행동으로 옮길 수 있습니다.

어두운 구체가 지그재그로 갈라진 틈으로 강렬한 청록빛을 뿜어내는 개념 이미지 — 실수를 통해 배우는 과정을 표현

피지컬 AI라는 말의 뜻

이 분야를 부르는 이름이 피지컬 AI입니다. 화면 안에서 글과 그림을 다루던 AI가 몸을 얻어 물리 세계로 나온다는 뜻입니다.

비슷한 말로 체화된 지능도 쓰입니다. 로봇 팔, 자율주행, 물류 자동화가 모두 이 범주에 들어갑니다.

사무실이 네 곳인 회사

회사 본사는 토론토입니다. 여기에 취리히, 싱가포르, 캘리포니아 마운틴뷰에 사무실을 두고 있습니다.

설립 석 달짜리 회사로는 이례적인 배치입니다. 이는 사업 확장이라기보다 연구 인재가 있는 곳으로 간 결과에 가깝습니다. 인재가 회사로 오는 것이 아니라 회사가 인재 쪽으로 갔습니다.

칠흑 속에서 수천 개의 평행한 청록 선이 빽빽하게 뭉쳐 하나의 거대한 벽을 이룬 개념 이미지 — 한꺼번에 돌리는 대규모 병렬 학습을 표현

지금 채용하고 있는 사람들

회사는 현재 과학자와 머신러닝 엔지니어를 뽑고 있습니다. 초기 자금의 상당 부분이 여기로 갈 것으로 보입니다.

월드 모델은 데이터·연산·인력이 모두 많이 드는 분야입니다. 9,000만 달러라는 금액도 이 관점에서 보면 넉넉하다기보다 최소한에 가깝습니다.

엔비디아가 이미 하던 일 아닌가

자연스러운 의문이 하나 있습니다. 엔비디아도 로봇 시뮬레이션을 해 왔는데, 왜 굳이 나와서 따로 만드느냐는 것입니다.

차이는 접근 방식에 있습니다. 기존 시뮬레이션은 물리 법칙을 사람이 프로그램으로 짜 넣는 방식이 중심이었습니다. 월드 모델은 그 규칙을 데이터에서 학습합니다. 손으로 못 짜 넣는 복잡함까지 담으려는 시도입니다.

폭이 제각기 다른 네 줄기 청록 띠가 칠흑을 가로질러 나란히 흐르는 개념 이미지 — 언어·이미지·영상을 함께 다루는 멀티모달 구조를 표현

경쟁자는 누구인가

월드 모델은 지금 여러 곳이 동시에 달려드는 자리입니다. 대형 AI 기업의 연구 부문도, 로봇 스타트업도 각자의 방식으로 접근하고 있습니다.

비다의 승부처는 속도와 팀입니다. 이미 이 분야를 오래 판 세 사람이 조직 절차 없이 곧바로 달릴 수 있다는 점이 초기 자금이 몰린 이유로 읽힙니다.

시드 단계에 9000만 달러가 몰린 이유

정리하면 세 가지입니다. 첫째, 사람입니다. 엔비디아 AI 리서치를 이끌던 인물과 그 팀입니다.

둘째, 자리입니다. 로봇 학습의 병목이 데이터라는 점에 이견이 적고, 그 데이터를 만드는 층이 월드 모델입니다. 셋째, 시점입니다. 이 층의 표준이 아직 정해지지 않았습니다.

거대하고 텅 빈 청록빛 공간 한가운데 아주 작은 어두운 정육면체 하나가 놓인 개념 이미지 — 아직 아무것도 채워지지 않은 초기 단계를 표현

아직 제품은 없다

냉정하게 봐야 할 부분도 있습니다. 회사는 아직 내놓은 제품이 없습니다. 공개된 성능 수치도, 도입한 고객도 없습니다.

월드 모델은 연구 난도가 높은 분야이고, 시뮬레이션에서 배운 것이 현실에서 그대로 통하지 않는 문제도 오래된 난제입니다. 이번 투자는 그 난제를 풀었다는 증거가 아니라 풀어 보라는 자금입니다.

실제 사례 — 시뮬레이션이 먼저 푼 문제들

가상에서 배워 현실로 옮기는 방식이 처음은 아닙니다. 자율주행은 오래전부터 시뮬레이션에서 위험한 상황을 반복 재현해 왔습니다. 실제 도로에서는 몇 년에 한 번 마주칠 상황을 하루에 수만 번 겪게 하는 식입니다.

로봇 팔 제어에서도 가상에서 훈련한 정책을 실물로 옮기는 연구가 이어져 왔습니다. 다만 여기서 늘 걸린 것이 현실과의 틈입니다. 마찰이나 무게 중심처럼 흉내가 조금만 어긋나도 현실에서 통하지 않습니다. 월드 모델이 노리는 것이 정확히 이 틈이고, 비다가 받은 9,000만 달러도 이 틈을 얼마나 좁히느냐에 걸려 있습니다.

아직 불이 들어오지 않은 넓고 어두운 판의 한쪽 모서리에서만 청록빛이 시작되는 개념 이미지 — 제품이 아직 나오지 않은 출발점을 표현

핵심 정리

이번 소식에서 기억할 것은 다섯 가지입니다.

엔비디아 AI 리서치 부사장이던 산야 피들러가 비다 AI를 세우고 시드로 9,000만 달러 이상을 받았습니다.
코슬라 벤처스와 래디컬 벤처스가 공동 주도했고, 캐나다 기업 시드 중 최대급입니다. 설립 석 달 만입니다.
만드는 것은 멀티모달 월드 모델 — 물리 세계를 흉내 내 로봇을 훈련시키는 무한 확장 가능한 가상 환경입니다.
필요한 이유는 셋입니다. 로봇 하드웨어는 연산처럼 늘어나지 않고, 현실의 실수는 위험하며, 현실 경험은 병렬로 쌓을 수 없기 때문입니다.
본사는 토론토, 사무실은 취리히·싱가포르·마운틴뷰. 다만 제품·성능 수치·고객은 아직 없습니다.

참고하실 만한 것

AI 스타트업 투자 소식을 보실 때는 단계를 함께 보시면 좋습니다. 같은 9,000만 달러라도 시드에 들어온 돈과 매출이 나오는 회사에 들어온 돈은 의미가 전혀 다릅니다. 시드는 성과가 아니라 가능성에 매긴 값입니다.

월드 모델이라는 말이 앞으로 자주 보이실 텐데, 볼 때마다 무엇을 예측하는 모델인지를 확인해 보시길 권합니다. 영상을 그럴듯하게 만들어 내는 것과, 로봇이 움직였을 때 무슨 일이 벌어질지 맞히는 것은 겉보기에 비슷해도 전혀 다른 일입니다.

출처

협업문의 : kuroicode@gmail.com
블로그 : https://ghost-production-0ec2.up.railway.app/
홈페이지 : https://kuroicode-beep.github.io/svil-homepage/