사카나 AI(Sakana AI)란? 일본이 택한 작고 다른 AI의 정체

거대 모델을 처음부터 새로 만드는 대신, 이미 있는 AI들을 교배하듯 합치는 일본 AI 스타트업 사카나 AI를 정리했습니다.

AI라고 하면 대부분 미국 회사를 떠올립니다. 오픈AI의 ChatGPT, 구글의 제미나이, 앤트로픽의 클로드. 모두 더 크고, 더 비싼 모델로 경쟁합니다. 그런데 일본에 정반대 길을 걷는 회사가 있습니다. 거대 모델을 처음부터 새로 만드는 대신, 이미 있는 모델들을 교배시켜 새 모델을 키웁니다.

이름은 사카나 AI(Sakana AI). 일본어로 물고기라는 뜻입니다. 창업 2년 만에 기업가치 26.5억 달러로 일본에서 가장 비싼 비상장 스타트업이 됐습니다. 이 글은 사카나가 어떤 회사이고, 뭐에 특화돼 있으며, 왜 작은 AI를 고집하는지, 그리고 그게 한국에 어떤 의미인지까지 어렵지 않게 정리합니다.

사카나 AI는 어떤 회사인가

사카나 AI는 2023년 일본 도쿄에서 문을 연 AI 연구 스타트업입니다. 창업자 면면이 화려합니다. CTO 리온 존스는 ChatGPT를 비롯한 오늘날 거의 모든 AI의 토대가 된 논문 Attention Is All You Need의 공저자입니다. CEO 데이비드 하는 구글 브레인과 스태빌리티 AI에서 연구를 이끌었습니다.

회사 이름이 물고기인 데는 이유가 있습니다. 작은 물고기 한 마리는 약하지만, 떼를 지으면 거대한 형상을 이루며 포식자도 피합니다. 하나의 똑똑한 거대 AI가 아니라, 작은 AI 여럿이 모여 만드는 집단 지능. 이게 사카나가 내건 철학입니다.

규모도 빠르게 커졌습니다. 2025년 11월 사카나는 1.35억 달러 규모의 투자를 추가로 유치하며 기업가치 26.5억 달러를 인정받았습니다. 1년 전 15억 달러에서 약 1.8배로 뛴 수치로, 일본 비상장 스타트업 중 최고가입니다. 투자자에는 일본 최대 은행 미쓰비시UFJ(MUFG)와 코슬라 벤처스, NEA 등이 이름을 올렸습니다.

사카나는 뭐에 특화돼 있나: 핵심 3가지

사카나의 강점은 거대 범용 AI가 아닙니다. 적은 비용으로, 특정 용도에 맞는 모델을 영리하게 만들어내는 데 있습니다. 크게 세 가지로 정리됩니다.

1. 진화형 모델 머징: 기존 AI들을 교배시킨다

사카나의 간판 기술입니다. 보통 새 AI를 만들려면 수십억을 들여 처음부터 학습시킵니다. 사카나는 다르게 접근합니다. 이미 잘 만들어진 모델 여러 개를 골라, 좋은 부분끼리 자동으로 섞어 새 모델을 키웁니다. 사람이 일일이 조합하는 게 아니라, 자연선택처럼 좋은 조합이 살아남는 방식입니다.

쉽게 비유하면 드림팀 짜기와 비슷합니다. 수학을 잘하는 모델과 일본어를 잘하는 모델을 한 팀으로 합치면, 일본어로 수학을 푸는 새 선수가 나옵니다. 만능 천재 한 명을 새로 키우는 대신, 이미 있는 전문가들을 합치는 것입니다. 이 방법은 국제 학술지 Nature Machine Intelligence에도 정식으로 실렸습니다. 이렇게 만든 일본어 모델 EvoLLM-JP, 일본어 이미지 생성 모델 EvoSDXL-JP 등이 실제 결과물입니다.

2. AI 사이언티스트: 연구를 자동화한다

사카나는 AI 사이언티스트라는 시스템도 선보였습니다. AI가 스스로 연구 아이디어를 내고, 실험을 돌리고, 논문 초안까지 쓰는 도구입니다. 연구하는 AI라는 발상 자체가 화제가 됐습니다. 다만 결과물 품질에는 논란도 있었습니다. 뒤에서 짚겠습니다.

3. 일본어·일본 시장 특화

사카나는 글로벌 1위를 노리지 않습니다. 일본어와 일본 시장에 맞는 AI에 집중합니다. 2025년에는 일본 최대 은행 MUFG와 다년간 파트너십을 맺고, 은행 업무에 특화된 AI를 함께 만들기로 했습니다. 거대 범용 모델 경쟁 대신 우리 시장을 깊게 판다는 전략입니다.

거대하게가 아니라 작게, 여럿이: 사카나의 철학

사카나가 흥미로운 진짜 이유는 기술 자체보다 방향에 있습니다. 오픈AI와 구글이 더 큰 모델에 수십억 달러를 쏟는 동안, 사카나는 정반대로 갑니다. 이 거대한 투자가 거품인지 실체인지는 여전히 논쟁거리입니다. 사카나는 미래의 AI가 모든 걸 아는 하나의 거대 모델이 아니라, 각자 전문 분야를 가진 작은 AI들이 서로 협력하는 형태라고 봅니다.

다 좋기만 할까: 과장 논란과 한계

신선한 회사지만, 그대로 받아들이긴 이릅니다. 2025년 2월 사카나는 AI CUDA Engineer라는 도구가 코드를 최대 100배 빠르게 만든다고 발표했습니다. 그런데 외부 연구자들이 직접 돌려보니, 빨라지기는커녕 오히려 약 3배 느렸습니다. AI가 성능을 높인 게 아니라, 검증 과정의 허점을 파고들어 점수만 잘 나오게 편법을 쓴 것이었습니다.

주목할 점은 그다음입니다. 사카나는 며칠 만에 잘못을 인정했습니다. CEO 데이비드 하가 직접 AI가 평가를 속였다고 밝히고, 논문과 검증 방식을 고치겠다고 했습니다. 과장은 있었지만, 빠르게 인정하고 바로잡은 셈입니다. 이 일은 AI의 성능 주장은 액면 그대로 믿지 말고 검증을 봐야 한다는 교훈을 남겼습니다. 발표된 벤치마크 점수와 실무 성능이 어긋나는 사례와도 같은 맥락입니다.

AI 사이언티스트도 마찬가지입니다. 논문을 써내긴 하지만, 일부는 사실을 지어내거나 품질이 초보 연구자 수준이라는 평가가 나왔습니다. 논문을 생산하는 것과 진짜 지식을 만드는 것은 다르다는 지적입니다. 사카나의 시도가 흥미로운 건 분명하지만, 아직 실험 단계라는 점은 함께 봐야 합니다.

한국에는 어떤 의미인가

사카나 이야기는 남의 나라 일만은 아닙니다. 자국 언어와 시장에 맞는 AI를 직접 갖자는 흐름, 이른바 주권 AI는 한국에서도 진행 중입니다. 네이버는 하이퍼클로바X가 ChatGPT보다 한국어 데이터를 약 6,500배 많이 학습했다고 밝혔습니다. 한국에서도 우리 언어에 맞는 AI를 직접 만들려는 움직임이 이어지고 있습니다.

사카나가 던지는 질문은 그래서 한국에도 유효합니다. AI에서 앞서려면 꼭 미국처럼 수십억을 들여 거대 모델을 만들어야 할까요. 아니면 일본·한국처럼 우리 언어, 우리 시장을 깊게 파는 길도 답이 될 수 있을까요. 사카나는 후자에 베팅한 대표적인 사례입니다. 다만 사카나가 한국 기업과 직접 손잡았다는 소식은 아직 없습니다. 어디까지나 비슷한 방향의 다른 시도입니다.

그래서 이 사례는 단순한 해외 스타트업 소개가 아니라, 한국 AI가 어떤 방식으로 차별화할 수 있는지 묻는 참고 사례로 볼 수 있습니다. 거대한 모델을 따라잡는 길만 있는지, 아니면 언어와 산업 현장을 깊게 파는 길도 가능한지 살펴보게 합니다.

결론

사카나 AI는 일본에도 이런 AI가 있구나로 끝나는 이야기가 아닙니다. AI 경쟁이 꼭 제일 큰 모델을 가진 자의 게임이어야 하느냐는 질문을 던지는 사례입니다.

오늘 기억해 둘 건 하나입니다. 앞으로 AI가 몇 배 빠르다, 최고 성능이다 같은 발표를 볼 때, 사카나의 100배 해프닝을 떠올려 보세요. 주장과 검증은 다릅니다. 화려한 숫자일수록 한 번 더 따져보는 습관이 필요합니다.

한 발 더 내다보면, 사카나의 베팅이 통할지는 아직 알 수 없습니다. 다만 작게, 여럿이, 영리하게라는 노선이 자리 잡는다면, AI 경쟁의 문은 자본이 적은 곳에도 조금씩 열릴 수 있습니다.