Pebblous 전략 개요

출처: Pebblous Inc. — "Building the AI-Ready Data Infrastructure for Physical AI: The Data Greenhouse Strategy" (December 2025) ⚠️ 이 문서는 기밀 내부 자료입니다. (Private 위키 전용)

Executive Summary

Pebblous는 AI 데이터 인프라 통합 플랫폼을 개발한 한국 딥테크 스타트업이다.

데이터 품질 진단 + 시뮬레이션 기반 합성 데이터 생성 + 규제 컴플라이언스를 단일 아키텍처로 통합한 유일한 글로벌 플레이어
시장: Physical AI(로보틱스, 자율주행, 스마트 제조, 방산) ↔ 디지털 트윈 교차점
US 특허 4건+ (2042년까지 유효)
고객: 현대자동차, 한화비전, 삼성E&A, 국군

시장 기회

3대 메가트렌드 교차점

데이터 중심 패러다임 전환: 모델 아키텍처보다 데이터 품질이 AI 성공의 결정 요소. Gartner 예측: 2030년까지 합성 데이터가 AI 모델 훈련을 지배
Physical AI 폭발적 성장: 시장 규모 ~~$5.1B(2025) → $500~~840B(2033-35), CAGR 31~34%
규제 컴플라이언스 의무화: EU AI Act, 한국 AI기본법(2026.1), ISO/IEC 42001, ISO/IEC 5259 → 감사 가능한 데이터 품질이 법적 요건화

시장 규모

세그먼트	2025	2030-35	CAGR
합성 데이터	$5~9B	$25~34B	31~46%
Physical AI	$5.1B	$500~840B	31~34%
디지털 트윈	$21~29B	$122~150B	35~48%
DT 기반 AI 인프라	—	$20~40B(2030)	—

핵심 문제: Physical AI의 데이터 병목

Problem 1 — 데이터 기근 (희소성 & 품질)

희귀 결함(발생률 <0.001%), 로봇 예외, 위험 주행 시나리오는 실제로 수집 불가
데이터 과학자 업무의 대부분이 데이터 정제에 소비

Problem 2 — 보안 & 거버넌스 (온프레미스 의무)

제조·모빌리티·방산 데이터는 국가 보안 자산 → 폐쇄망 내 처리 필수
공개 클라우드 SaaS는 엔터프라이즈 Physical AI 고객에게 불가

Problem 3 — 멀티모달 복잡성

센서·비전·로그·3D 공간 데이터의 실시간 통합 필요
비IT 현장 인력(공장장, 조선소 감독)이 데이터를 해석하기 어려운 커뮤니케이션 장벽

솔루션: 데이터 그린하우스 (Data Greenhouse)

3대 통합 기둥

① Data Greenhouse (Data OS)

Observe → Orchestrate → Act → Govern (OOAG) 자율 사이클
뉴로-심볼릭 아키텍처: 임베딩 공간 분석(벡터) + 지식 온톨로지(컨텍스트)
기존 인프라(Snowflake, Databricks, 데이터 레이크) 위에 레이어로 작동

② Data Clinic (품질 진단 엔진)

시간당 100,000장 이상 이미지 처리
Data Imaging: 고차원 데이터를 임베딩 공간에 투영 → 밀도·분포로 데이터 건강 시각화
Data Diet: 과밀 클러스터에서 중복 데이터 제거 (GPU 효율 향상)
Data Bulk-up: 저밀도 공백(void) 감지 → 정밀 합성 데이터 생성
Diagnostic Reports: ISO/IEC 5259 기반 품질 보고서 (IOD/MIOD 시각 결함 맵)

③ PebbloSim (시뮬레이션 기반 합성 데이터)

현실에 존재하지 않는 시나리오의 하이퍼-합성 데이터 생성
US 특허 12,481,720: 데이터 공백 좌표 → 시뮬레이션 파라미터 자동 변환 (Vector-to-Param)
뉴로-심볼릭 하이브리드 월드 모델: 물리 기반 시뮬레이션 + 생성형 AI
ISO 42001 준수 감사 추적(Provenance) 자동 생성

Data Flywheel

Data Clinic 진단 → PebbloSim 정밀 생성
     ↑                      ↓
생성 품질 개선 ←← 진단 정확도 향상

시간이 지날수록 경쟁자가 복제하기 어려운 데이터 자산(Structural Moat) 형성.

경쟁 우위

기능	NVIDIA	Siemens	Applied Intuition	MOSTLY AI	Pebblous
물리 시뮬레이션	✓(인프라)	✓	✓(AV특화)	✗	✓
AI 데이터 품질 진단	✗	✗	부분	✗	✓
합성 데이터 생성	✓(Cosmos)	✗	부분	✓	✓
Data OS/관리	✓(Nucleus)	✗	부분SDK	✗	✓
규제 증거 패키지	✗	✗	부분	✗	✓
진단→생성 자동 연결	✗	✗	✗	✗	✓

특허 포트폴리오

특허	등록일	범위
US 12,481,720	2025.11	듀얼 임베딩 공간 투영, 밀도 분석, IOD/MIOD. 2042년까지 유효
US 11,967,308	2024	데이터 처리 및 정밀 타겟 합성 데이터 생성
US 11,868,435	2024.01	데이터 진단 방법론 기초 (Parent)
US 11,748,447	2023.09	데이터 속성 진단 장치 (Grandparent)

검증된 ROI

현대자동차 — 용접 결함 감지

감지 정확도: 50% → 97~99% (+94%)
불량률: 16 PPM → 3.4 PPM (-78.75%)
데이터 수집 기간: 3~5년 → 2주
재무 ROI: 8,150%+ (회수 기간: 1.8개월)

조선업 — 공정 일정 예측

예측 정확도: ±30일 → ±7일
병목 감지: 2~3주 → 실시간
ROI: 1,725%+ (회수: 8개월)

국군 — 전술 훈련 합성 데이터

AI 성능: 60~70% → 90%+
훈련 비용: 실사훈련 대비 80~95% 절감
ROI: 1,650%+ (회수: 8.3개월)

AADS — 자율 데이터 인텔리전스 플랫폼

Agentic AI Data Scientist (AADS): AI 에이전트가 데이터 품질 문제를 자기 진단·계획·개선·보고하는 완전 자율 데이터 운영 플랫폼

구성:

The Brain: KISTI KONI LLM 기반 AADS-LLM (LogicKor 벤치마크 1위) + Chart VLM
The Engine: Data Clinic 엔진 + EU AI Act/ISO 42001 실시간 검증 Dual Governance Engine
The Conductor: Planner Agent (자연어 → 실행 워크플로) + Tool Router Agent

PDIG 사이클: Plan → Diagnose → Improve → Govern

GTM 전략

단계	기간	타겟	목표
Phase 1: Focus	2026	국내 모빌리티 (현대차그룹)	플래그십 레퍼런스 확립
Phase 2: Expand	2027	글로벌 모빌리티 (BMW, Toyota)	글로벌 교두보
Phase 3: Transition	2027-28	조선, 방산	인접 버티컬 선점

포지셔닝: NVIDIA Omniverse, Siemens, Dassault 위에 올라타는 "품질 레이어" — 경쟁이 아닌 보완

창업팀

이주행 CEO: POSTECH 컴퓨터공학 박사, 전 ETRI 수석연구원. 고차원 데이터를 기하학적 다양체로 처리하는 핵심 혁신 창안
이정원 COO: KAIST 바이오및뇌공학 박사. 노이즈 많은 실제 데이터의 ML 응용 전문

실패 사례에서 배운 교훈

Datagen ($70M 투자 후 2024년 폐업), Synthesis AI (직원 1~10명으로 축소), AI.Reverie (Meta에 acqui-hire) — 모두 단일 모달리티 데이터 생성에 그쳐 워크플로 통합 없이 실패.

Pebblous의 진단 + 생성 + 거버넌스 통합 플랫폼 전략은 이 함정을 피하기 위해 설계됨.

🏢 Pebblous 전략 개요