넘즈에이아이 40억 시드 분석: 엔비디아·SAP·구글이 동시에 뛰어든 TFM 시장, KAIST 교수팀이 선점하는 이유

LLM이 텍스트를 바꿨다면, 다음은 정형 데이터다. 2026년 상반기 SAP·엔비디아·구글이 동시에 같은 레이어를 공략하기 시작했다. KAIST·서울대 조교수 출신 유재민 대표의 넘즈에이아이가 이 타이밍에 시드 40억원을 받았다.

---

📊 TFM(정형 데이터 파운데이션 모델)이란 무엇인가

 

기업이 보유한 데이터의 절대다수는 정형 데이터다. 매출 기록, 거래 내역, 재고 현황, 고객 구매 이력, 금융 거래 로그. 이것들은 모두 행과 열로 구성된 표 형태의 수치 데이터다. 문제는 이것을 AI로 활용하는 방식이 지금까지 극도로 비효율적이었다는 것이다. 과제마다 별도의 ML 파이프라인을 수개월에 걸쳐 만들어야 했다.

 

LLM이 텍스트 영역에서 이 패러다임을 뒤집었다. “언어 과제별 모델을 따로 만든다”에서 “하나의 파운데이션 모델이 모두 처리한다”로. 그런데 이 혁명이 정형 데이터에는 아직 일어나지 않았다. 넘즈에이아이의 TFM은 원샷 추론(one-shot inference) 한 번으로 수요 예측·이상 탐지·신용 평가를 즉시 처리한다. 별도 재학습 없이.

 

---

🌐 빅테크가 동시에 뛰어든 시장의 초입

 

2026년 상반기에만 SAP이 Prior Labs를 인수하고(5월), 엔비디아가 Kumo AI를 인수하고(6월), 구글이 TabFM을 공개했다(6월). 2월에는 Fundamental AI가 TFM으로 밸류에이션 14억 달러(약 2조 1,000억원)를 달성하며 유니콘에 등극했다. 글로벌 빅테크가 한꺼번에 이 레이어를 공략하기 시작했다는 것은 “지금이 시장이 형성되는 타이밍”이라는 가장 강력한 증거다.

 

---

🔬 왜 이 팀인가: 10년 연구가 기술 해자다

 

유재민 대표는 서울대 컴퓨터공학 박사, CMU 박사후연구원, 2019년 구글 PhD 펠로우십(머신러닝 부문) 수상자다. KAIST 전기및전자공학부 조교수를 거쳐 서울대 컴퓨터공학부 조교수로 임용됐다가 창업했다. 정형 데이터 AI 연구 경력이 10년 이상이다.

 

정형 데이터의 근본적 어려움은 이질성(heterogeneity)이다. 의료 테이블의 열은 혈압·혈당·나이·성별이고, 금융 테이블의 열은 거래금액·시간·가맹점·카드번호다. 두 테이블은 구조도 의미도 단위도 완전히 다르다. LLM이 모든 텍스트를 “단어의 연속”이라는 공통 구조로 다룰 수 있는 것과 달리, TFM은 이 이질적인 테이블들을 하나의 학습 공간에서 다룰 방법을 먼저 찾아야 한다. 유재민 대표 팀의 그래프 신경망·시계열 분석·이상 탐지 10년 연구가 바로 이 문제에 직접 연결된다.

 

---

💼 수익 구조: API + 온프레미스 이중 전략

 

API 서비스(사용량 기반 과금)와 온프레미스 솔루션을 동시에 준비 중이다. 온프레미스 옵션이 전략적으로 중요한 이유가 있다. 금융·의료·방산은 정형 데이터를 가장 많이 보유한 분야이면서 데이터 외부 반출이 가장 엄격하게 제한된 분야다. API만 제공하면 이 고객군 전체를 포기해야 한다. 온프레미스 솔루션을 함께 제공하면 데이터를 외부로 보낼 수 없는 고객이 자체 인프라 위에서 TFM을 운영할 수 있다.

 

KT인베스트먼트의 참여도 주목할 만하다. KT그룹의 수억 건 통화·데이터 사용 기록, 이탈 예측, 네트워크 이상 탐지가 모두 TFM의 적용 과제와 정확히 일치한다. 전략적 투자자를 초기 라운드에 포함해 데이터 파트너십 가능성을 선제적으로 형성한 구조다. 투자금은 GPU 인프라 확충과 연구 조직 확대에 집중 투입한다.

 

시드 단계에서 투자자는 팀을 산다. 구글 PhD 펠로우십과 KAIST·서울대 교수 임용이 “이 팀이 이 문제를 풀 수 있다”는 가장 강력한 증거가 됐다.

 

---

📎 전체 분석 보기: 넘즈에이아이 시드 투자 분석 전문

📊 데모데이 | 창업 정보 플랫폼: https://demoday.co.kr