Executive Summary

주요 수치

출처: 노에티브 보도자료(2026-09-16). 마지막 카드만 다른 출처다.

노에티브는 2026년에 세워진 샌프란시스코 회사다. 9월 16일 보도자료로 처음 대외에 모습을 드러내면서 4,100만 달러 규모의 첫 투자 유치를 함께 알렸다. 이클립스가 라운드를 이끌었고 크래프트 벤처스, 웨스틀리 그룹, 스위시 벤처스, 팩토리, 인사이트 벤처스, 기가스케일 캐피털, 오퍼레이터 파트너스, 리퀴드 2 벤처스가 참여했다. 개인 자격으로 이름을 올린 사람 중에는 메타 최고기술책임자 앤드루 보즈워스, 에어비앤비 최고기술책임자이자 메타에서 생성형 AI 부문을 맡았던 아마드 알달레, 네스트 공동창립자 매트 로저스, 전 메타 최고기술책임자 마이크 슈뢰퍼가 있다.

대표를 맡은 아미르 프렌켈은 메타에서 10년 가까이 부사장으로 일했다. 메타의 조직 개편을 다룬 보도들을 따르면 2025년에는 생성형 AI 부문 부사장으로 기반 모델 조직을 공동으로 이끌었는데, 그때의 공동 책임자가 앞에 이름이 나온 아마드 알달레다. 그 조직이 해체된 뒤에는 AI 연구에 쓰이는 GPU와 데이터센터를 맡는 인프라 조직으로 자리를 옮겼다. 리얼리티 랩스에서 XR 기술 엔지니어링·제품 부사장을 지낸 것은 그보다 앞이고, 알파벳과 아마존에서도 일했다. 공동창립자 댄 바락은 넷리파이에서 제품 부사장을 지냈다. 연구진과 엔지니어는 메타·구글·아마존과 포춘 500대 기업 출신으로 채웠다고 회사는 소개했다. 공장을 이야기하는 회사인데 창업진이 지나온 자리는 산업 현장이 아니라 모델과 그 모델을 돌리는 설비에 있다.

회사가 내건 제품 이름은 물리 경제를 위한 인텔리전스 오브 레코드다. 회계 시스템을 부르는 시스템 오브 레코드를 물리 현장으로 옮겨 붙인 조어인데, 발표문에 어원 설명은 없다. 구성은 둘로 나뉜다. 하나는 브레인이라 부르는 자체 개선형 AI다. 고객사가 이미 깔아 둔 소프트웨어 위에서 함께 돌아가며 사업이 실제로 어떻게 굴러가는지를 배우고, 사람·기계·디지털 시스템 사이를 맞춰 준다. 다른 하나가 아이즈 앤드 이어스, 회사가 직접 설계했다는 다중모달 센싱 포드다.

센싱 포드가 무엇을 담고 있는지는 공개되지 않았다. 카메라인지 라이다인지 음향 센서인지, 몇 개가 한 묶음인지, 보도자료도 기사도 적지 않았다. 고급 다중모달 센싱 장치라는 표현이 전부다. 이 대목은 그대로 비워 두는 편이 낫다. 회사가 밝히지 않은 것을 추측해 채우면 나중에 공개될 사양과 어긋난다.

대신 그 장치가 무엇을 보려고 하는지는 적혀 있다. 자재가 어디에 놓여 있는지, 기계가 어느 속도로 돌고 있는지, 현장 조건이 지금 어떤지다. 한 보도는 이것을 전사 데이터베이스에 끝내 도달하지 않는 정보라고 표현했다. 창고 구석에 쌓인 팔레트의 위치, 설비가 평소보다 느려진 시간대, 오늘 작업장이 유난히 습한 상태 같은 것들은 누군가 손으로 입력하지 않는 한 어느 시스템에도 남지 않는다. 그 보도가 든 예 셋은 모양이 같다. 자재가 엉뚱한 자리에 놓였는가, 기계가 계획보다 느리게 도는가, 건설 현장이 도면에서 벗어났는가. 무엇이 어떤 상태인지를 묻는 물음이 아니라, 하기로 한 것과 실제로 벌어진 것 사이의 차이를 묻는 물음들이다.

프렌켈은 발표문에서 창업 전제를 이렇게 적었다. 지금까지 나온 AI 해법은 인터넷 위에 있는 정보 노동을 위해 설계됐다는 것이다. 물리 경제의 잠재력을 여는 데는 물리적 사업을 굴리는 현장 인력 옆에서 함께 배우는 지능이 필요하고, 그래야 사람과 기계와 디지털 시스템이 맞물려 모든 결정이 운영 전체를 더 똑똑하게 만든다고 덧붙였다. 회사가 진단하는 문제는 자료가 아예 없다는 쪽이 아니라 따로 논다는 쪽이다. 자재, 기계, 운송, 재고, 인력, 공급망, 현장 조건이 각각 다른 시스템에 갇혀 있는데 정작 결정은 그 전부를 한 번에 봐야 한다.

지금까지 공개된 성과는 하나다. 식음료 제조사인 스튜벤 푸즈가 초기 협업 기업으로 이름을 올렸고, 대표 메나헴 카츠는 한 달에 한 번, 일주일이 걸리던 계획 작업이 이제 매일 수 분이면 끝나 시장 변화에 실시간으로 대응할 수 있게 됐다고 말했다. 여기서 바뀐 것은 계획을 세우는 주기와 소요 시간이다. 불량률이나 가동률, 비용 절감 폭이 얼마나 달라졌는지는 이 발언에서 빠져 있고 다른 자료에도 없다.

하드웨어를 끼워 넣는 것은 소프트웨어 회사에 거의 모든 면에서 불리한 선택이다. 설계와 인증과 제조에 돈이 들고, 고객 한 곳을 늘리려면 장치를 만들어 보내고 설치해야 하니 확산 속도가 소프트웨어를 따라갈 수 없다. 재고가 생기고, 고장이 나면 사람이 가야 하고, 팔지 않고 세워 둔 물량이 그대로 비용이 된다. 순수 소프트웨어 회사가 누리는 복제 비용 0에 가까운 구조를 스스로 포기하는 셈이다.

그런데도 이 선택을 설명해 주는 조건이 현장 쪽에 있다. 공장과 물류 창고는 회사마다 설비가 다르고, 설비를 산 연도도 그 설비가 내보내는 신호의 형식도 같지 않다. 같은 업종 두 곳을 나란히 놓아도 데이터가 같은 모양으로 쌓여 있는 경우가 드물다. 소프트웨어만 들고 들어가면 고객사마다 연동 작업을 처음부터 다시 해야 하고, 그렇게 얻은 데이터는 고객사마다 제각각인 채로 남는다. 한 곳에서 배운 것을 다음 곳으로 옮기기 어렵다는 뜻이다.

한 업계 매체는 노에티브가 풀어야 할 핵심 과제를 개별 공장과의 맞춤형 연구 협업을 되풀이 가능한 배포로 바꾸는 일이라고 정리하면서, 센싱 포드가 바로 그 공통 기반이 될 수 있다고 봤다. 고객 시스템이 파편화돼 있어도 같은 규격의 하드웨어를 넣으면 같은 규격의 관측값이 나온다. 회사 발표문에는 이런 대목이 없다. 매체가 붙인 해석이다. 다만 회사가 왜 제조와 물류를 동시에 겨냥하면서 자체 설계 하드웨어를 고집하는지를 설명하는 데는 가장 들어맞는다.

이 구도는 노에티브 한 회사의 사정이 아니다. 피지컬 AI를 이야기하는 자리에서 되풀이되는 진단이 있다. 언어 모델은 웹 문서를 긁어모아 배웠고 이미지 모델도 인터넷에 이미 올라와 있는 사진으로 배웠는데, 물리 세계의 행동 데이터에는 긁어모을 웹이 없다는 것이다. 자재를 옮기는 동작 하나, 설비가 멈추기 직전의 진동 하나는 누군가 그 자리에서 실제로 수행하고 기록해야 데이터가 된다. 자금을 아무리 부어도 이 부분은 줄어들지 않는다. 제약이 돈이 아니라 수집 행위 자체이기 때문이다.

같은 부족에 다르게 답한 쪽도 이미 있다. 중국에서는 국가와 지방정부가 뒤를 받친 로봇 데이터 수집·훈련 시설이 2026년 4월 말 기준 90곳 넘게 운영되거나 계획·건설 중이고, 그중 64곳 이상이 이미 돌아가고 있다. 23개 성급 행정구역에 흩어져 있다는 것이 시장조사업체 인터랙트 애널리시스의 집계다. 2025년 10월 베이징시가 소개한 스징산의 1만 제곱미터 시설은 제조, 스마트홈, 노인 돌봄, 5G 융합이라는 네 범주 아래 16가지 상황을 꾸며 두고 해마다 600만 건이 넘는 고품질 데이터를 만들어 낸다고 했다. 데이터를 모으려고 따로 지은 장소에서 정해 둔 작업을 몇 번이고 기록하는 방식이다.

노에티브가 고른 길은 반대쪽이다. 수집을 위한 장소를 새로 짓는 대신 이미 돌아가고 있는 남의 공장 안에 계측기를 들여놓는다. 두 방식이 겨냥하는 것이 같지는 않다. 중국 시설은 대체로 휴머노이드 로봇에게 동작을 가르치려는 것이고, 노에티브는 공장 운영 자체를 대상으로 한다. 그래도 두 길 사이에 겹치는 자리가 있다. 모델을 더 크게 만드는 데 돈을 쓰기 전에, 현장에서 무슨 일이 벌어지는지를 계측하는 쪽에 먼저 돈이 들어가고 있다.

물론 이 판단이 맞는지는 아직 증명되지 않았다. 센서를 붙여 얻은 관측값이 정말 배포를 거듭할수록 모델을 더 쓸 만하게 만드는지, 회사가 말하는 자체 개선이 실제로 어느 정도 속도로 일어나는지는 공개된 자료로 확인할 수 없다. 사람과 기계와 재고가 함께 움직이는 공간에서 모델이 내린 결정이 안전하게 굴러가는지도 브라우저 안에서 도는 에이전트가 겪지 않는 숙제다. 지금 확인 가능한 것은 이 주장에 4,100만 달러가 붙었다는 사실뿐이다. 회사가 밝힌 자금 용도 역시 제품을 넓히는 일이 아니라 물리 경제용 자체 개선형 AI의 최전선 연구, 그리고 그것을 현장에서 증명하는 일이다.

보도자료의 부제에 한 구절이 들어 있다. 이클립스가 뒤를 받치고 또한 지었다는 표현이다. 투자 라운드를 이끌었다는 말과는 결이 다르다. 발표문은 이클립스가 통상의 시드 투자자가 아니라 회사를 만드는 가장 이른 단계부터 프렌켈과 함께 논제를 세우고 창립팀을 꾸려 내부 구상을 독립된 회사로 옮겼다고 설명했다.

시간 순서를 놓고 보면 구조가 더 분명해진다. 2026년 4월, 이클립스는 13억 달러를 두 펀드로 나눠 모으면서 피지컬 AI에 집중하겠다고 밝혔다. 운용 자산이 약 100억 달러가 됐고, 이 회사가 모은 돈 가운데 가장 큰 규모였다. 같은 달 블룸버그는 이클립스가 메타에서 프렌켈을 데려와 최초의 최고AI책임자로 앉혔다고 보도했다. 그로부터 다섯 달 뒤에 나온 것이 노에티브다. 프렌켈은 이클립스에 합류할 당시 물리 산업을 근본적으로 바꿀 가능성이 자신을 이끌었다고 썼다. 합류를 알리는 글에는 문장이 하나 더 있다. 자신은 본래 무언가를 만드는 사람이고, 이클립스와 함께 회사를 하나 바닥부터 새로 짓겠다고 적었다. 4월에 미리 공개돼 있던 그 계획이 9월에 노에티브라는 이름을 얻었다.

이클립스는 2015년 리오르 수산이 세운 회사다. 창업 논제부터가 다음 10년의 중요한 회사는 화면 안이 아니라 제조·로보틱스·에너지·핵심 인프라에서 나온다는 것이었다. 수산은 발표문에서 회사를 짓는 일은 언제나 이클립스가 움직이는 방식의 핵심이었다고 말했고, AI가 디지털 세계를 바꿔 놓는 동안 30조 달러 규모의 물리 경제는 대체로 뒤에 남겨져 있었다는 문장을 덧붙였다. 13억 달러를 알리던 자리에서 이 회사는 자금의 일부를 직접 회사를 인큐베이팅하는 데 쓰겠다고 밝혀 뒀다. 노에티브는 그 계획이 처음으로 눈에 보이는 형태로 나온 결과다.

수산이 다른 자리에서 한 말이 이 세계관을 압축한다. 이른바 감으로 짜는 코드로는 웨이퍼를 만들 수 없다는 것이다. 기계가 있어야 하고 실리콘이 있어야 하고 클린룸이 있어야 하며 그 밖에도 여러 가지가 필요하다는 이야기다. 소프트웨어만으로 닿지 않는 자리가 있다는 주장이고, 노에티브가 센서를 직접 설계한 이유와 같은 곳을 가리킨다.

이 구조는 한 가지를 미리 알려 준다. 노에티브가 하드웨어를 짊어진 것은 시장 반응을 보다가 나중에 정한 결정이 아니라 회사가 만들어지기 전에 논제로 먼저 박혀 있었다. 그래서 이 사례는 제품 전략의 변경이 아니라 투자 논제의 실행으로 읽힌다. 동시에 한계도 분명하다. 창립팀과 투자사가 같은 논제를 공유한 채 출발한 회사에는 그 논제를 바깥에서 반박해 줄 사람이 처음부터 적다.

우리가 AI-Ready Data를 이야기할 때 자주 쓰는 구별이 있다. 데이터가 있다는 말과 데이터가 배울 수 있는 형태로 남아 있다는 말은 다르다. 공장에는 자료가 없지 않다. 생산 실적이 집계되고, 설비 이력이 관리되고, 품질 검사 결과가 쌓인다. 그런데 그 자료는 사람이 읽고 판단하기 위해 만들어진 형태다. 언제 어떤 상태에서 무슨 일이 있었는지가 한 줄로 이어져 있지 않고, 같은 항목을 공장마다 다른 이름으로 부르고, 결정적인 맥락은 기록되지 않은 채 현장 사람의 머릿속에만 있다.

센서를 직접 만든 선택은 이 간격을 하드웨어로 메우겠다는 뜻이다. 기록되지 않던 것을 기록되게 만들고, 회사마다 다르던 것을 같은 규격으로 만드는 일이다. 다만 이렇게 읽은 것은 회사가 아니라 이 글이다.

한국 현장으로 옮겨 보면 질문의 모양은 그대로다. 우리 공장과 창고에서 오늘 하루 벌어진 일 가운데 얼마나가 기록으로 남았고, 그 기록은 내년에 AI가 읽을 수 있는 형태인가. 사람 눈에만 보이고 사라진 부분은 얼마나 되는가. 센서를 새로 달아야만 답이 생기는 것은 아니다. 이미 있는 데이터가 언제 어떤 맥락에서 만들어졌는지를 함께 남기는 것만으로도 상당 부분이 달라진다. 다음 네 가지를 확인해 보면 현재 위치가 대략 나온다.

• 지금 현장에서 나오는 데이터가 언제, 어느 설비에서, 어떤 조건에서 만들어진 것인지 함께 적혀 있는가. 값만 있고 맥락이 없으면 나중에 되살릴 수 없다.
• 라인이 바뀌어도, 공장이 바뀌어도 한 항목을 같은 이름으로 부르고 있는가. 이름이 갈리면 두 현장의 데이터를 한 모델이 배우지 못한다.
• 숙련 작업자가 판단으로 처리하는 일 가운데 기록이 남는 것은 무엇인가. 가장 값진 데이터가 대개 여기에서 사라진다.
• 기록이 없다는 것을 아는 자리가 어디인지 목록으로 갖고 있는가. 빈칸의 위치를 아는 것과 모르는 것은 다른 상태다.

노에티브의 주장이 옳은지는 앞으로 몇 년이 말해 줄 것이다. 센서를 붙여 모은 데이터가 정말 현장마다 다시 배울 필요를 줄여 주는지, 하드웨어를 짊어진 대가를 감당할 만큼 배포가 빨라지는지가 확인돼야 한다. 우리가 이 소식에서 눈여겨본 것은 그 답이 아니라 질문의 위치다. 피지컬 AI의 다음 단계를 준비한다고 할 때 사람들은 대개 어떤 모델을 쓸지부터 묻는데, 이 회사는 그전에 무엇이 데이터로 남는지부터 손을 댔다.

여기까지 읽어 주셔서 감사하다. 이 글이 인용한 사실은 노에티브 보도자료와 실리콘앵글 기사에서 누구나 확인할 수 있다. 여러분의 현장에서는 오늘 하루의 일이 어떤 형태로 기록에 남고 있는지, 그 기록을 다음에 다시 쓸 수 있는지 나눠 주시면 좋겠다.

1차 출처 · 공식 발표

• 1.Noetive. (2026). "Noetive Emerges From Stealth With $41 Million Seed to Build the Intelligence of Record for the Physical Economy." PR Newswire, 2026-09-16.
• 2.Frenkel, A. (2026). "Day One: Why I'm Joining Eclipse." Eclipse, 2026-04-28.
• 3.Beijing Municipal Government. (2025). "Over 10,000 Square Meters: China's Largest Humanoid Robot Training Center Opens in Beijing." english.beijing.gov.cn, 2025-10-09.

업계 보도

• 4.Riley, D. (2026). "Noetive launches with $41M to bring self-improving AI to factories and logistics." SiliconANGLE, 2026-09-16.
• 5.RuntimeWire Staff. (2026). "Amir Frenkel's Noetive raises $41M to build world models for factories." RuntimeWire, 2026-09-16.
• 6.Nye, M. (2026). "Eclipse Ventures Co-Founder Lior Susan's Insights Into a $1.3B Bet on Physical AI." TechCrunch(StrictlyVC Download podcast), 2026-05-26.
• 7.Temkin, M. (2026). "For Eclipse, the $2.5B Cerebras win is just the start of realizing its physical-world thesis." TechCrunch, 2026-05-17.
• 8.PYMNTS. (2025). "Meta Reorganizes GenAI Team to Accelerate Product Rollouts." PYMNTS, 2025-05-28.
• 9.Glover, E. (2025). "Meta Is Shaking Up Its AI Division Again. Now What?." Built In, 2025-08-27.

데이터 조사

• 10.Interact Analysis. (2026). "An Overview of Over 90 Humanoid Robot Data Collection Centers in China." note, 2026-05-27.