아라고, 빛 기반 칩 JEF로 AI 에너지 10배 절감 주장, GPU 호환성 유지

아라고(Arago)는 아날로그·디지털 전자공학, 실리콘 포토닉스, 자유 공간 광학을 결합한 멀티피직스 AI 추론 프로세서 'JEF'를 개발하는 팹리스 딥테크 스타트업이다. 표준 AI 프레임워크를 실행하면서 GPU 수준의 성능을 최대 10배 낮은 에너지로 제공한다고 주장한다.

빛은 GPU보다 약 10배 적은 에너지로 AI 추론을 수행할 수 있다 — 단, 생태계를 재작성하지 않고도 오늘날의 소프트웨어, 팹, 데이터센터에 칩이 그대로 통합될 수 있어야 한다는 전제 하에.

2,600만 달러(2,210만 유로) 규모의 초과 청약 시드 투자로, Earlybird, Protagonist, Visionaries Tomorrow가 공동 주도했으며 Generative IQ, C4 Ventures, 그리고 Bertrand Serlet, Olivier Pomel(Datadog), Thomas Wolf(Hugging Face), Jack Abraham을 포함한 엔젤 투자자들이 참여했다; 2025-07-07 발표.

아라고는 2025년 7월 발표보다 1년도 채 되지 않은 시점에 파리에서 Nicolas Muller(CEO)가 Eliott Sarrey, Ambroise Müller와 함께 설립했다 — 이들은 메이커 스페이스에서 만난 물리학 및 AI 연구자들로, Sarrey와 Müller는 ETH 취리히에서 실리콘 포토닉스와 AI 알고리즘 개발을 수행한 경력이 있다. 이들은 모델을 매우 효율적으로 추론하려면 무엇이 필요한가라는 하향식 질문에서 출발해 제품 데이터시트를 작성했다; Muller는 핵심 부품과 공정이 약 1~2년 전에 성숙해졌기 때문에 이 시점이 가능해졌다고 주장한다.

아라고는 프랑스, 영국, 미국, 이스라엘에 걸쳐 약 20명 규모의 팀을 구축했으며 그 절반이 소프트웨어에 집중되어 있고, 소형 카드에서 여러 모델의 AI 추론을 실행하는 JEF 테스트 칩을 확보했다. 2025년 7월에는 Earlybird, Protagonist, Visionaries Tomorrow가 공동 주도하고 Generative IQ, C4 Ventures, 그리고 전 애플 부사장 Bertrand Serlet, Datadog 공동 창업자 Olivier Pomel, Hugging Face 공동 창업자 Thomas Wolf, Exowatt 공동 창업자 Jack Abraham을 포함한 엔젤 투자자들이 참여한 2,600만 달러 규모의 초과 청약 시드 투자를 마감했다; Earlybird는 이 아키텍처를 AI 칩의 잠재적 'DeepSeek 모멘트'라고 평가했다. 이 라운드는 데이터센터 추론 가속기 개발에 자금을 지원하며, 엣지 및 로보틱스 응용은 이후에 추진될 예정이고, 팀은 새로운 제조 라인에 의존하지 않고 성숙한 공정을 활용하는 팹리스 방식이다.

추론 에너지가 AI 확장의 핵심 제약이 되고 있으며, 광자는 전자보다 훨씬 적은 열을 발생시킨다 — GPU 로드맵 대비 물리학 수준의 이점이다.

과거 포토닉 시도들은 물리학이 아닌 통합에서 실패했다; 아라고는 광학을 특정 위치로 제한하고 성숙한 실리콘 공정을 재사용해 제조 가능성을 유지한다.

드롭인 호환성이 채택 전략이다: 새로운 언어 없음, 한 줄 소프트웨어 변경, 표준 프레임워크 — 생태계가 적응할 필요가 없다.

시점 주장은 검증 가능하다: 부품이 설립 1~2년 전에야 성숙하고 비용 효율화되었으며, 팀은 첫해 안에 추론을 실행하는 테스트 칩을 확보했다.

딥테크에서 호환성이 돌파구다: 가장 어려운 부분은 새로운 물리학이 아니라 오늘날의 소프트웨어, 제조, 배포이다 — 바라는 생태계가 아닌 존재하는 생태계를 위해 설계하라.

2026-09-02 기준 아라고는 개발 단계로 상용 제품이나 발표된 고객이 없으며, 프랑스, 영국, 미국, 이스라엘의 허브에 걸쳐 JEF 프로세서와 소프트웨어 스택을 구축하고 있다. 주장된 초기 결과(표준 프레임워크에서 GPU 수준 성능을 최대 10배 낮은 에너지로 구현)는 회사와 투자자로부터 나온 것으로 아직 독립적으로 벤치마크되지 않았다. 남은 질문은 하이브리드 포토닉 칩이 데이터센터 규모에서 데이터시트 성능, 비용, 신뢰성에 도달할 수 있는지, 그리고 기존 강자 및 Lightmatter 같은 포토닉 경쟁자들과 어떻게 경쟁할지이다.