- 파이어웍스가 시리즈 D로 15억 500만 달러(약 2조 원)를 조달, 기업가치 175억 달러(약 24조 원)가 됐다. NVIDIA도 투자자로 참여했다.
- 연 매출 실행률 10억 달러(약 1.4조 원) 돌파, 1년 만에 5배 성장. 하루 처리 토큰은 40조 개를 넘겨다.
- 핵심 메시지는 하나다. “기업은 더 이상 일반 AI를 ‘빌리지’ 않는다. 자기 데이터로 만든 AI를 ‘소유’한다.”
- 그 40조 토큰의 95% 이상이 고객 고유 데이터로 특화된 모델에서 나온다. ‘특화 인텔리전스’가 새 경쟁력이다.
챗GPT나 클로드 API를 갖다 쓰는 것, 지금은 당연해 보입니다. 그런데 그렇게 ‘남의 AI’를 빌려 쓰는 방식이 곳 경쟁 열위가 될 수 있다면 어떄까요. 이번 주 24조 원짜리 회사가 된 파이어웍스(Fireworks AI)의 성장은, 바로 그 지점을 정확히 겨냥니다. 우리 회사가 쥗 데이터가 사실은 가장 강력한 AI 자산이라는 이야기입니다.
2조 원 조달, 하루 40조 토큰
파이어웍스는 2026년 7월 15일, 시리즈 D로 15억 500만 달러(약 2조 원)를 조달했다고 발표했습니다. 기업가치는 175억 달러(약 24조 원). 아트레이디스 매니지먼트, 인덱스 벤처스, TCV가 공동 주도했고, NVIDIA·라이트스피드·베세머·멘로 등 6곳 이상이 참여했습니다.
이 밸류를 정당화하는 건 숫자입니다. 연 매출 실행률은 10억 달러(약 1.4조 원)를 넘겨으며, 이는 직전 라운드 대비 1년 만에 5배입니다. 플랫폼이 하루에 처리하는 토큰은 15조 개에서 40조 개 이상으로 세 배 가까이 늘었습니다. 고객사에는 커서(Cursor), 퍼플렉시티, 노션, 우버, 도어대시, 쇼피파이, 삼성전자, 깃랩, 그리고 법률 AI 하비(Harvey)까지 이름을 올립니다.
AI Biz Insider 분석 — 주목할 건 매출 성장률(5배)과 토큰 처리량(3배)의 방향이 같다는 점입니다. AI 인프라 회사의 진짜 체력은 ‘얼마나 많은 실제 추론을 돌리느냐’에서 나옵니다. 데모가 아니라 프로덕션에서 돌아가는 물량이 밸류를 만듭니다.
“AI는 빌리는 게 아니라 소유하는 것”
파이어웍스가 내건 개념은 ‘특화 인텔리전스(specialized intelligence)’입니다. 공동창업자이자 CEO인 린 차오(Lin Qiao)의 말이 핵심을 채웁니다. “모든 기업은 남이 갖지 못한 지식을 갖고 있다. 데이터, 업무 방식, 고객, 그리고 자기만의 품질 기준이다. 파이어웍스는 그 지식을 기업이 소유하고 계속 개선할 수 있는 특화 지능으로 바꿔준다.”
왜 지금 ‘소유’가 가능해졌나
불과 얼마 전까지 이런 특화는 대기업 AI 랩의 전유물이었습니다. 그런데 오픈모델(공개된 오픈웨이트 모델)이 폐쇄형 프론티어 모델의 성능에 빠르게 근접하면서 판이 바뀌었습니다. 이제 기업은 공개 모델을 가져와 자기 데이터로 미세조정(파인튐닝)해, 프론티어급 성능을 훨씬 낮은 비용에 손에 넣을 수 있습니다. 파이어웍스 플랫폼에서 처리되는 토큰의 95% 이상이 이렇게 특화된 모델에서 나온다는 사실이 이 흐름을 증명합니다.
더 이상 ‘일반 지능을 빌려 쓰는’ 게 아니라, 각 회사가 자기 제품 뒤의 지능을 직접 소유하고 고쳐 쓰는 시대라는 겁니다.
AI Biz Insider 분석 — 이 논리는 데이터가 부족한 신생 기업보다, 오래 쌓은 고객·거래·업무 데이터를 가진 기존 기업에 유리합니다. 남들이 못 가진 데이터가 곳 남들이 못 만드는 AI가 되기 때문입니다. “우리는 데이터가 별로 없어서”라고 넘겼던 회사도, 실은 상당한 원석을 깔고 앉아 있을 가능성이 큽니다.
어떻게 돌아가나 — 파인튐닝의 자동화
파이어웍스가 파는 건 ‘복잡한 파인튐닝을 쉽게 만드는’ 도구입니다. 개발자가 미세조정하려는 작업을 설명하고 학습 데이터를 올리면, AI 에이전트가 기술적 세부(모델 성능을 좌우하는 하이퍼파라미터 조합 등)를 알아서 최적화합니다. 필요하면 데이터셋을 보강하기도 합니다.
학습이 끝난 모델은 두 가지 방식으로 서비스합니다. 인프라 설정이 필요 없는 ‘서버리스’, 그리고 전용 GPU 클러스터를 쓰는 고성능 ‘Deployments’입니다. 후자는 요청량에 따라 하드웨어를 자동으로 늘리고 줄이며(오토스케일링), 모델을 압축(양자화)해 인프라 비용을 낮춥니다. 조달 자금은 이 컴퓨팅 인프라 확장과 엔지니어 채용에 투입됩니다.
AI Biz Insider 분석 — 파인튐닝의 진짜 장벽은 언제나 ‘전문 인력’이었습니다. 이걸 에이전트가 대신하면, AI 팀이 없는 중소기업도 특화 모델을 만들 수 있게 됩니다. 진입장벽이 낮아질수록 ‘데이터를 가진 쪽’의 우위가 더 선명해집니다.
우리 회사는 뭘 봐야 하나
파이어웍스의 24조 원짜리 메시지를 실무로 옮기면 세 가지입니다. 첫째, 지금 우리가 쓰는 AI가 ‘남의 일반 모델’에 그대로 의존하는지, 아니면 우리 데이터가 반영돼 있는지 점검하세요. 경쟁사도 똑같이 쓸 수 있는 AI라면 그것은 차별화가 아닙니다. 둘째, 사내에 흘어진 고객·거래·업무 데이터를 ‘학습 가능한 자산’으로 정리하기 시작하세요. 셋째, 단순 반복 업무부터 작은 특화 모델로 실험해, 성능 대비 비용을 직접 측정하세요.
AI 시대의 해자(moat)는 가장 큰 모델을 쓰는 데서 오지 않습니다. 남이 갖지 못한 데이터를, 남이 못 만드는 지능으로 바꾸는 회사가 앞서갈 겁니다.
관련 글
출처
- Fireworks AI Blog — Announcing our Series D and $1B ARR (2026.07.15)
- SiliconANGLE — AI infrastructure startup Fireworks closes $1.5B round at $17.5B valuation (2026.07.16)
- Quartz — Fireworks AI raises $1.5 billion Series D at $17.5 billion valuation (2026.07)
AI Biz Insider · AI 비즈니스 · aibizinsider.com
댓글 남기기