Physical Intelligence Infrastructure

로봇은 본다. 그러나 느끼지 못한다.

The missing data layer for Physical AI · 2026

산업용 연성체 자동화에 필요한 Force/Stress ground-truth 데이터는 아직 충분히 공급되지 않습니다.
Space AI는 그 calibrated 데이터 레이어를 생성하고 보정합니다.

NVIDIA Inception × StarFab
APAC AI Accelerator 단 4팀
84.2% Sim-to-Real · Force GT 결합 시 내부 검증
H200×32 전국 12위 GPU 클러스터
왜 Space AI인가
Space AI force-aware gripper FEM_MESH FORCE_FIELD |F| = 0.32 N 0.32 N 0.18 N contact SIM-TO-REAL · 84.2 % CALIBRATED FORCE / STRESS GT
Demo

Space AI 한눈에.

Space AI 데모 — 같은 로봇·같은 객체, 학습 데이터에 따라 달라지는 결과
Pattern across eras
각 시대의 데이터 인프라가 그 시대의 가장 큰 기업이 됐다.
Era · Internet
Google
검색 데이터 표준.
₩365조
Annual ad revenue · 2024
Era · Mobile
Arm
칩 IP 라이선싱.
₩230조
Market cap
Era · LLM
Scale AI
학습 데이터 공급자.
$29B
Meta deal · 2025
Era · Robotics
Space AI
촉감/Force 데이터 선점.
Next.
2026 —
The bottleneck

시각은 해결됐다.
감각은 비어있다.

로봇이 딸기를 잡으려면 '얼마나 세게 쥐어야 부서지지 않는지' 알아야 합니다. 산업 현장에서 바로 학습에 쓸 수 있는 calibrated Force/Stress ground-truth 데이터는 아직 충분히 공급되지 않습니다.

$1.0T
2030년 미국 제조 자동화 갭 — 연간 비용
Deloitte × Manufacturing Institute, 2021
2.1M
2033년까지 미충원될 미국 제조 dexterity 일자리
Deloitte × Manufacturing Institute, 2021
22%
Force/Stress 데이터 없는 산업 정밀 조작 성공률 — 기술적 근본 원인
ICRA 2026
>99%
산업 1차 통과율 임계값 — 매 1pp 미달 = scrap · rework · downtime
Industry benchmark
Vision-only 학습 로봇이 딸기를 압착해 부수는 실패 시나리오 (Franka Panda)
Vision only · 눈만 있는 로봇

시각만으로는 딸기가
뭉개질지 알 수 없다.

연성체 부품 자동화 불가 · 라인 인력 의존도 100%
Force-aware 학습 로봇이 같은 딸기를 정밀 제어로 부수지 않고 파지하는 성공 시나리오 (Franka Panda)
Force + Vision · 손감각을 가진 로봇

힘을 정밀 제어해 딸기를
부수지 않고 잡는다.

연성체 자동화를 위한 Force GT 데이터 레이어 · Space AI
연성체 부품 자동화의 마지막 10% — 우리가 자동화해 드립니다.
자동차 (O-ring · 와이어) · 식품 (두부 · 반죽) · 전자 (FPC · 광섬유) · 물류 (변형 페이로드)
PoC 검토 시작 →
Tier-1 Engagements Underway

Tier-1 기업이
먼저 검증한 회사.

투자 유치 마케팅이 아닙니다. PCT 출원 · LOI 체결 · 정부 선정 · NVIDIA 큐레이션 등 공시 가능한 사실로만 구성됐습니다.

APAC 4팀 선정
NVIDIA Inception × StarFab
APAC AI Accelerator · TAI1 Summit
논의 중
H*** WIA
Force 데이터 협업 논의 중
크레딧 확보
AWS Activate
CES 2026 · Aaron Parness (Amazon Robotics) 컨택
정부 R&D 선정
NIPA · 산업부
H200 × 32 · 민관공동 R&D
What We Make

픽셀이 아닌
물리 상태를 생성한다.

FEM/MPM/PBD 기반 deformable-contact simulation으로 물체의 변형·접촉력·응력장을 계산해 RGB · Depth · Force · Stress 4중 레이어를 같은 좌표계에서 정렬된 ground-truth로 출력합니다. L3(Force)·L4(Stress)는 대부분의 합성 데이터셋이 제공하지 않는 레이어입니다.

MEASURE · NOW
ForceGround Rig
실제 재료의 Force / Stress ground-truth 실측 — 시뮬레이션을 보정하는 calibration 레이어.
실측 자산
AMPLIFY · SCALE
Synthetic Engine
FEM / MPM / PBD 하이브리드. 실측 ground-truth를 시간당 100M+ 프레임의 물리 정확 합성 데이터로 증폭 — 같은 모델, 확장 가능.
합성 자산
Robotic hand with 4-Layer Ground Truth: RGB + Depth + Force + Stress
ForceGround · 4-Layer Output
한 번의 시뮬 패스로 4개 레이어가 동시에 출력됩니다.
로봇 손이 부드러운 물체를 잡는 그 순간 — RGB · Depth · Force · Stress 네 종류의 정답 데이터가 픽셀 단위로 정렬되어 한꺼번에 산출됩니다. L3(Force)와 L4(Stress)는 다른 합성 데이터에서는 제공되지 않는 영역입니다.
L1 / Visual Layer — RGB Image
L1 / Visual Layer
RGB Image
정밀 렌더링된 시각 레이어. 1920×1080 고해상도, 실사 수준 텍스처.
L2 / Spatial Layer — Depth Map
L2 / Spatial Layer
Depth Map
3차원 공간 구조와 거리. mm 단위 정밀도의 z-축 데이터.
L3 / Force Layer — Force Vectors
L3 / Force Layer
Force Vectors
접촉면의 힘 방향과 크기. 세상 어디에도 없던 데이터.
L4 / Internal Stress — Stress / FEM Mesh
L4 / Internal Stress
Stress / FEM Mesh
물체 내부 응력 분포. 변형과 파손까지 미리 예측합니다.
시간당 100M+ 프레임 생성 — 상용 엔진(Unity/Unreal)이 모사할 수 없는 산업용 정밀 물성 데이터.
FEM · 유한요소법 (O-ring · 가스켓) MPM · 연속체 물리 (두부 · 반죽) PBD · 위치 기반 (와이어 · 케이블)
세 가지 엔진 상세 보기 →
Proof of Results

이론이 아니라,
외부 검증 신호가 붙은 실측 데이터.

PoC 검토 전에 가장 자주 받는 질문 — "진짜 작동하나요?" 답은 자체 시연 영상이 아니라, 내부 controlled validation과 외부 PoC · Tier-1 협업 검증으로 확인 중인 정량 데이터입니다. 모든 수치는 재현 가능한 controlled experiment 기반.

CASE 01 · Internal Validation

같은 로봇, 같은 작업 ―
데이터 한 줄 추가로 4배 향상.

내부 controlled validation · Franka 로봇 · 정밀 객체 파지

Force-blind baseline Force/Stress 데이터 없음 · ICRA 2026
22%
Space AI · + Force/Stress GT RGB + Force/Stress GT · 내부 controlled validation
84.2%
×4 향상 같은 Franka 로봇 / 같은 정밀 객체 / 다른 학습 데이터
의미 — 시뮬레이터·하드웨어를 바꾸지 않고, 학습 데이터에 Force / Stress Ground Truth를 추가한 것만으로 정밀 객체 파지 성공률이 4배 도약. 기업 라인 개조 없이 데이터 레이어 추가만으로 검증 가능합니다.
CASE 02 · Sim-to-Real Protocol

10종 물체 × 1,000회 반복 ―
총 10,000회 trial에서 84.2%.

내부 controlled validation 기준 · 외부 공개 benchmark 아님 · 고객사 PoC에서 동일 프로토콜로 재측정

시뮬레이션 단독 기존 표준 시뮬레이터
61.5%
실측 only 현장 데이터만 학습
72.3%
합성 only 자체 합성 데이터만
78.6%
Space AI · 실측 + 합성 Force GT 결합 hybrid
84.2%
검증 조건 — 10종 물체 × 1,000회 반복 = 총 10,000회 grasp 시도. 성공 = 12cm 이상 들어 올림 & 4초 안정 유지. 실패 = 낙하 · 파지력 30% 초과 감소 · 변형 한계 초과. NVIDIA Isaac Sim 기반 · 고객사 PoC에서 동일 프로토콜로 재측정합니다.
CASE 03 · Track Record

글로벌 · 산업 · 정부 ―
3개 트랙 검증 단계 진입.

2024 ~ 2026 누적 · 선정 / LOI / PoC 논의 / 내부 검증 단계별 분류

글로벌 파트너십
  • NVIDIA Inception × StarFab APAC AI Accelerator 단 4팀 선정 · TAI1 Summit @ InnoVEX 2026 발표 예정
  • NVIDIA N-UP 글로벌 기업 협업 트랙 · 최종 선정
  • AWS Activate CES 2026 Aaron Parness (Amazon Robotics) 컨택 → AWS Korea 미팅 → $10K 크레딧 확보
산업 / Tier-1
  • H*** WIA Force 데이터 협업 논의 중
  • Amazon Robotics CES 2026 Aaron Parness 컨택 · 물류 자동화 연계 검토
  • 자사 PCT 4건 단독 출원 · 도메인 특화 IP
정부 / 인프라 · 2026 선정
  • NIPA 첨단 GPU H200 × 32 전국 12위 · 첨단 GPU 활용 지원사업
  • NIPA 오픈소스 사업화 전국 2위 · 4파이널 중 · 첨단로봇·제조
  • 창업중심대학 전국 2위 · 청년 창업 트랙
  • NVIDIA × NIPA 글로벌기업 협업 (N-UP) 최종 선정 · APAC AI Accelerator 트랙
  • 민관공동 기술사업화 R&D 1단계 협약 체결 · 다년 R&D
  • GSAT 2026 G-Pitch 본선 진출 · 수상
의미 — 글로벌 트랙은 NVIDIA · AWS 큐레이션, 산업 트랙은 Tier-1 기술 평가 통과, 정부 트랙은 국가 단위 인프라 신뢰를 의미합니다. 세 트랙이 동시에 진행되는 Pre-A 단계 회사는 글로벌에서도 소수입니다.
요약 — PoC를 시작하기 전에 알아야 할 사실: 우리 기술은 이미 NVIDIA Inception · H*** WIA PoC · AWS Activate 인프라 · 국가 R&D에서 다층 검증되었습니다. 고객사 라인에서의 PoC는 이 검증된 파이프라인을 회사별 환경으로 재측정하는 단계입니다.
Proof · External Validation Signals
84.2%
Force / Stress GT 결합 시,
Isaac Sim 위에 보완 레이어로 동작.
Grasp success rate · 내부 controlled validation
10,000회 grasp trial · Franka 로봇 · 고객사 PoC에서 재현 가능
SpaceAI 시뮬레이션 환경과 실물 Franka Panda 로봇의 동일 작업 비교
동일한 작업 · 시뮬레이션 환경에서 학습한 정책이 실제 로봇에서 그대로 작동
시뮬레이션 단독
61.5%
실측 only
72.3%
자체 합성
78.6%
실측 + 합성 결합
84.2%
검증 프로토콜
10,000회 파지 시도
10
종 물체
1,000
회 반복
성공 / 실패 기준
  1. 성공: 12cm 이상 들어 올림
  2. 성공: 4초 안정 유지
  3. 실패: 낙하 · 파지력 30%↓ · 변형 초과
내부 controlled validation · 동일 task · 다중 seed 반복 · 외부 benchmark 및 외부 PoC 검증 진행 중
The horizon

공장 자동화는 시작점,
휴머노이드 시대는 지평선.

Force / Stress Ground-Truth는 오늘 공장 자동화의 마지막 10%를 풀고, 내일 휴머노이드 시대의 표준 데이터 레이어가 됩니다.

시장 진입 · 오늘
공장 자동화의 마지막 10%.

자동차 호스, 광섬유 정렬, 식품 가공 — 연성체가 막아온 자동화의 끝자락. 이 한 시장만으로도 검증 · 계약 · 매출이 시작됩니다.

지평 · 휴머노이드 시대
사람의 모든 일을 대체하는 시점.

휴머노이드가 사람의 형태로 만들어진 이유는 사람의 모든 일을 대체하기 위함입니다. 그 시대의 한계는 하드웨어가 아니라, 로봇에게 물리를 가르치는 데이터입니다.

선례 · Scale AI 평행
Scale AI: 자율주행의 데이터.
Space AI: 로봇의 물리.

Scale AI는 자율주행 데이터를 구축해 멀티-빌리언 달러 기업으로 성장했습니다.

휴머노이드·로봇 파운데이션 모델 기업들은 이미 멀티-빌리언 달러 밸류에이션을 받고 있습니다. 그러나 대부분은 모델과 하드웨어에 집중합니다.

Space AI는 그 모델들이 접촉 물리를 학습하기 위해 필요한 Force/Stress 데이터 레이어에 집중합니다.

Our Journey

2023 아이디어에서,
2026 NVIDIA GTC Taipei까지.

3년 만에 정부 · 산업 · 글로벌 3-Track 병행. 누적 외부 자금 ₩24억+, NVIDIA Inception · AWS Activate 크레딧 · H*** WIA 협업 논의, 그리고 TAI1 Summit @ InnoVEX 2026 발표 예정.

2023
법인 설립 · 아이디어 검증
  • GIST 창업진흥센터 입주
  • 예비창업패키지 선정
  • ICT 공모전 최우수상
  • 연성체 Force GT 개념 최초 정립
2024
투자 유치 · R&D 본격화
  • SEED ₩2억 투자 유치
  • TIPS R&D ₩5억 선정
  • K-STARTUP 본선 진출
  • AI 바우처 · Force GT v1 프로토타입
2025
산업 검증 · 글로벌 진입
  • H*** WIA Force 데이터 협업 논의
  • 삼성 PCT 특허 출원
  • 신용보증 ₩5억 · 딥테크 패키지
  • Sim-to-Real 84.2% 내부 검증 달성
2026
★ 2026.06 · TAIPEI
NVIDIA GTC Taipei
Inception Special Event · 250 invitees
TAI1 Summit @ InnoVEX
APAC 대표 4팀 중 1팀
정부 R&D 6건
동시 선정 · 글로벌 협업 3건 · 학술 1건
상세 ↓ Track Record
3년 / 누적 ₩24억+ · TAI1 Summit @ InnoVEX 2026까지.
Team & Hiring

검증된 네트워크 위에서,
Physical AI 인프라를 확장합니다.

창업자는 누적 ₩24억+의 정부·민간 자금을 확보했고, NVIDIA Inception · H*** WIA PoC · AWS Activate 인프라 관련 협업을 추진했습니다. 올해 확보된 정부 R&D ₩10억은 비희석 자금으로 팀 확장을 지원합니다. Pre-A ₩30억은 합성 데이터 인프라 확장에 투입 — 공장 자동화 DaaS(Stage 1) → 글로벌 SaaS(Stage 2) 전환입니다.

김현규 Hyeon-Gyu Kim · Founder & CEO
CEO · Founder · 대표
김현규
창업자 · 대표이사. 누적 ₩24억+ 정부·민간 조달 총괄 · H*** WIA PoC 주도 · AWS Activate 크레딧 확보 · NVIDIA Inception × StarFab APAC 4팀 선정 견인 · PCT 4건 단독 출원 · 정부 R&D 과제 8건+ 관리.
External Network · 외부에서 검증된 자산
Global Curation
NVIDIA Inception × StarFab
APAC 4팀 선정 · TAI1 Summit @ InnoVEX 2026 무대 발표
Compute Infra
NIPA H200 × 32
첨단 GPU 전국 12위 · ₩20억+ 상당
Tier-1 Validation
H*** WIA · Amazon Robotics · AWS Activate
협업 논의 · CES 2026 컨택 · 크레딧 확보
R&D Consortium
GIST 이규빈 교수 랩
민관공동 R&D · 1년차 ₩1억 / 2년차 ₩10억
Use of Funds · 18M Runway
정부 R&D ₩10억 → 팀 확장 자금 (비희석, 자체 조달). Pre-A ₩30억 → 글로벌 합성 데이터셋 SaaS 인프라에 100% — 'Arm of Physical AI' 선점.
정부 R&D 자금으로 채용 · 1년 내 정예 13명
8
Engineering
Robotics · Simulation · Backend
3
Sales
Enterprise B2B · Tier-1 고객
2
BD
Global partnerships
로봇 시대의 마지막 데이터 레이어. NVIDIA · Universal Robots · Isaac Sim이 채우지 못한 글로벌 미해결 Stage 4 — 이 카테고리의 글로벌 1등이 되는 것이 목표입니다. 가장 어려운 문제를 함께 풀 사람을 모십니다.
Latest

진행 중인 검증과
파트너십.

2026.05 · Industry PARTNERSHIP

SOSLAB
MOU 체결

국내 LiDAR Tier-1 SOSLAB과 MOU 체결. 시뮬 환경 내 semantic + Force/Stress 통합 라벨링 협력 논의 — 다양한 공동 PoC · 연구 가능성 탐색.

2026.05 · Korea MILESTONE

NIPA 신산업
오픈소스 사업화

전국 2위 선정 (4파이널). PhysGraspGen 오픈소스 코어 + 100만 프레임 데이터셋 공개. ₩2.5억 사업화 지원.

2026.01 · CES CUSTOMER

AWS Activate
크레딧 확보

CES 2026 현장에서 Aaron Parness (Amazon Robotics) 컨택 → AWS Korea 후속 미팅 → AWS Activate $10K 크레딧 지원 확보. Tactile data infrastructure 협업 탐색.

2026 · In Progress PARTNERSHIP

H*** WIA
Force 데이터 협업

국내 최대 자동차 부품사 중 한 곳과 Force 데이터 협업 논의 중. FEM 기반 변형체 거동 시뮬레이션 + 적용 공정 후보 탐색 단계.

2026 · Pre-A Round

로봇 시대의
데이터 레이어.

PRE-A ₩30억 진행중 · 24M RUNWAY
Technology
Technology Briefing

로봇 접촉.
마지막 데이터 레이어.

피지컬 AI는 5개 단계로 작동합니다. 반도체·하드웨어·시뮬 환경은 이미 성숙했고, 4단계 '부드러운 물체용 힘·응력 합성 데이터'가 글로벌 미해결 영역입니다. Space AI가 그 자리에 들어갑니다.

홈으로
Physical AI Stack · 5 stages

힘과 응력 데이터를 만드는
단계가 비어 있다.

자율주행과 휴머노이드 로봇이 발전해도, 로봇은 여전히 두부·천·광섬유 같은 부드러운 물질을 안정적으로 다루지 못합니다. 학습에 쓸 접촉력(Force)과 응력(Stress) 정답 데이터가 세상에 거의 없기 때문입니다.

01
반도체 · 컴퓨팅 칩
NVIDIA · TSMC · Samsung
해결됨
02
로봇 하드웨어
Universal Robots · Franka · Doosan
해결됨
03
시뮬레이션 환경
Isaac Sim · MuJoCo · Genesis
연성체 미비
04
힘 · 응력 합성 데이터
부드러운 물체용 정답 데이터
글로벌 미해결
04*
Space AI · 자체 물리 엔진
비어 있던 단계를 채우는 회사
채우는 중
05
로봇 두뇌 (정책 모델)
Figure · 1X · Skild · Physical Intelligence
성장 중
Figure AI가 다리를 움직이게 했다면,
Space AI는 손이 만지는 것을 가르칩니다.
Hybrid Physics Engine

3가지 물리 계산 방식을
한 엔진에 결합했습니다.

게임 엔진(Unity·Unreal)의 물리는 겉눈에 보이는 물리입니다 — 산업용 로봇 학습에는 쓸 수 없습니다. Space AI는 학계가 30년 누적한 FEM·MPM·PBD를 자체 코드로 결합해 한 엔진에서 함께 구동시킵니다.

FEM stress visualization
FEM · Finite Element Method

유한요소법
탄성체 정밀 모사

물체 내부의 힘 계산 + 압력·응력 분포 시각화. 공장에서 부품을 잡고 누르고 변형시킬 때 실제와 같은 응력을 만들어 냅니다.

O-ring · 가스켓 고무 호스 탄성 부품
MPM particle-grid soft-body simulation
MPM · Material Point Method

물질점법
흐르는 물질 표현

입자와 격자를 결합한 계산 방식. 두부·반죽·식품 가공처럼 기존 엔진이 풀 수 없던 영역의 변형·응력 데이터를 만듭니다.

두부 · 반죽 식품 가공 고점성 유체
PBD cloth simulation
PBD · Position Based Dynamics

위치 기반 시뮬
유연체 고속 처리

직물·섬유 전용 실시간 주름·장력·변형 계산. 의류·와이어 하네스·광섬유처럼 유연한 물체를 빠른 속도로 합성합니다.

와이어 하네스 직물 · 광섬유 케이블
시간당 1억+ 프레임 합성 데이터 생성 — 사람이 직접 시연해 데이터를 모으는 것보다 1,000~10,000배 빠릅니다.
H200 × 32대 GPU 클러스터로 병렬 가속 · NIPA 첨단 GPU 지원사업 전국 12위 선정
ForceGround Rig — Franka robot + precision measurement
ForceGround Rig · Real-world Calibration
실측 force/stress가
시뮬레이션을 보정합니다.
Franka 로봇 + 정밀 측정 셋업으로 실제 물체에서 직접 측정한 힘·응력 ground truth를 수집. 합성 데이터의 calibration layer로 작동해, Sim-to-Real 정확도를 끌어올립니다.
재질·공차·온도 변동 자동 샘플링 · 250 Hz · 외부 미공개
How it works

이미지를 그리는 게 아니라,
물리 상태를 먼저 계산합니다.

Synthesis AI·Datagen 같은 기존 합성 데이터 회사들은 "이미지를 만들고 라벨을 붙이는" 방식입니다. 눈에 보이지 않는 힘과 응력 같은 정보는 누락됩니다. Space AI는 물리 상태를 먼저 계산하고 그 결과로 이미지가 도출되는 반대 방향의 파이프라인을 구축합니다.

기존 방식 · Image-centric

이미지 먼저 그리는 방식

  1. 01사람이 직접 라벨링
  2. 022D 이미지 생성
  3. 03힘·응력 라벨 추가 시도
✕ 부정확한 정답 데이터 — 눈에 보이지 않는 정보 누락 · 일관성 부족
Space AI · State-centric

물리 상태 먼저 계산

  1. 01물리 파라미터 + 환경 입력
  2. 02FEM/MPM 비선형 연산
  3. 034가지 정보 동시 출력
◆ 완벽한 이미지 + 완벽한 정답 데이터 — 물리적으로 일관된 학습 데이터
Phased Adoption

양산 라인 리스크 통제 ―
4단계 점진 도입.

"처음부터 로봇을 직접 제어한다"는 부담을 제거. Off-line → Shadow → Assisted → Limited Automation 단계로 고객사가 통제권을 유지하며 검증합니다.

Stage 0
Offline Simulation
PoC
실제 라인 제어 없음. CAD·공정 조건 기반 실패모드 리포트 제공. 양산 라인 간섭 0%, Off-line Test Cell에서 진행.
Stage 1
Shadow Mode
검증 후
예측만 · 제어 명령 없음. 실제 라인 데이터를 받아 엔진이 예측만 수행. 작업자/제어기 명령에는 일절 개입 없음.
Stage 2
Assisted Mode
Tier 2
엔지니어 승인 후 적용. 작업자/엔지니어 승인 하에 경로·힘 프로파일 추천. 모든 명령은 고객사 승인을 거쳐야 라인 반영.
Stage 3
Limited Automation
Tier 3
검증된 공정만 자동화. 장기 검증으로 신뢰성 입증된 공정에 한해 제한적 자동화. 항상 사람 모니터링 + 비상 정지 회로 유지.
핵심 원칙 — 단계 진입은 고객사 내부 평가위원회 / 품질팀 / 안전팀 승인 시에만 가능. "성공 시 자동 전환" 없음. 각 단계에서 고객사가 중단 결정권 보유.
Industry Applications

우리 기술이
당신 회사의 어떤 KPI를 바꾸는가.

"기술이 흥미롭다"가 아닌 "당신 회사의 어느 KPI가 바뀌는가"의 답입니다. 투자 유치 미팅이 아닌, 회사의 매출·원가·품질·수주 경쟁력으로 직결되는 협업 검토 — 12주 PoC(Off-line 4주 + Shadow 8주)로 정량 검증 가능합니다.

PoC 우선순위 트랙 (지역별)
🇹🇼 Taiwan Flexible PCB assembly · Cable/wire harness · Soft-material gripping
🇰🇷 Korea 자동차 (O-ring · 와이어) · 식품 (연성체) · 전자 (FPC · 광섬유) · 물류 (변형 페이로드)
Automotive — deformable parts assembly
CASE 01 · AUTOMOTIVE

자동차 부품 조립 자동화
변형체 사각지대를 PoC로 정량 검증.

신차종 셋업 시간 조립 불량률 재작업률 SI 경쟁력
현장의 비용 = 회사의 KPI
  • 와이어 하네스 라우팅
    굽힘·비틀림·케이블 충돌 — 강체 시뮬로 거동 예측 불가. 신차종마다 로봇 재프로그래밍이 수개월.
  • 씰 · 가스켓 · O-ring 삽입
    탄성 변형 + 마찰 — 미스삽입 시 누유·누설로 워런티·클레임 비용 직결.
  • 고무 호스 · 부싱 핸들링
    비선형 변형 — 신차종마다 티칭 시간 폭증, 인건비 압박.
PoC 산출물 = 회사가 얻는 것
  • 실패 모드 리포트 + 추천 경로·힘 프로파일 12주 안에 1건 정량 검증 (Off-line Test Cell 4주 + Shadow Mode 8주) — 양산 라인 무중단.
  • 고객사 전용 폐쇄형 합성 데이터셋 재질·공차·온도 변동 자동 샘플링 — 외부 미공개. WIA 100% 소유.
  • 실측 vs 시뮬 1:1 비교 리포트 baseline 대비 정량 개선폭 측정 — 결과 자체가 의사결정 자료.
PoC Candidate Matrix 12주 안에 검증 가능한 공정 후보 — 1차 미팅에서 우선순위 1건 확정
공정 후보
현장 Pain
Space AI 적용 / 12주 산출물
정량 성공 기준
★ 사전 추천
① O-ring · 가스켓 압입
엔진 / 변속기 / 유압 라인
미삽입 시 누유 · 누설 → 워런티 클레임 직결
탄성 변형 + 마찰 동시 제어
FEM 압축·변형 시뮬레이션
→ 실패 모드 리포트 + 추천 경로 · 힘 프로파일
삽입 성공률 +15%p
Force 오차 ≤ 20%
② 와이어 하네스 라우팅
차량 의장 / EV 배선
굽힘 · 비틀림 · 케이블 충돌 — 강체 시뮬 거동 예측 불가
신차종마다 재프로그래밍 수개월
PBD 케이블 변형 시뮬 + 충돌 예측
→ 경로 추종 모델 + 충돌 예측 정확도 리포트
경로 오차 ≤ 5mm
재작업률 30% 감소
③ 협동로봇 유연 부품 핸들링
고무 호스 · 부싱 · 댐퍼
신규 부품마다 셋업 부담 · 미끄러짐
숙련 작업자 의존, 인건비 압박
합성 데이터 파지 안정성 학습
→ 파지 정책 모델 + 셋업 자동화 도구
셋업 시간 50% 단축
파지 성공률 ≥ 90%
30~50%
신차종 셋업 사이클 단축
→ 라인 전환 비용 ↓ / 신차 대응 속도 ↑
+15%p
삽입·조립 1차 통과율
→ 재작업률 ↓ / 인건비 절감
≤ 20%
Force 오차 (실측 vs 시뮬)
→ 불량 사전 예측 / 워런티 비용 ↓
H*** WIA Tier 1 부품사 EV 부품 라인 의장 라인
왜 자동차 OEM/Tier1가 검토해야 하나 — ① 내부 라인 효율화 (신차종 대응 속도) ② 외부 솔루션 경쟁력 (ABB·KUKA 대비 변형체 영역 우위) ③ 그룹 글로벌 라인 표준화 옵션 (EV·HMGMA·물류)
Food processing — soft-body grasp
CASE 02 · FOOD PROCESSING

연성체 식품 자동화
로봇이 영원히 못 하던 영역.

인건비 의존도 위생 표준 신제품 셋업 속도 불량률
현장의 비용 = 회사의 KPI
  • 두부·연두부 라인 — 100% 사람 의존
    0.5g 단위 압력 차이로 부서짐. 자동화 시도마다 파손율 ↑ → 위생·인력 비용 동시 상승.
  • 반죽·소시지·HMR — 점탄성 미예측
    온도·수분에 따른 점도 변화. 기존 게임 엔진은 변형체 시뮬 불가 → 신제품 라인 셋업 수개월.
  • 제품 다양화 압박
    HMR·간편식 SKU 폭증 → 라인 전환 비용 폭증, 인력 재교육 부담.
PoC 산출물 = 회사가 얻는 것
  • MPM 기반 연성체 파지 정책 모델 두부·반죽·핫도그 동일 엔진 — Franka Dual-arm 사전 검증 완료.
  • 위생 표준 호환 시뮬레이션 환경 HACCP 라인 설계 사전 검증 — 실 라인 무중단으로 신제품 학습.
  • 제품별 합성 데이터셋 시간당 100M+ 프레임. 신제품 출시 시 기존 모델 fine-tune만으로 대응.
PoC Candidate Matrix 12주 안에 검증 가능한 공정 후보 — 1차 미팅에서 우선순위 1건 확정
공정 후보
현장 Pain
Space AI 적용 / 12주 산출물
정량 성공 기준
★ 사전 추천
① 두부 · 연두부 컷팅 · 이송
자동화 시도 시 파손율 폭증
0.5N 단위 압력 차이로 부서짐 → 100% 사람 의존
위생·인력 비용 동시 상승
MPM 연성체 파지 시뮬 (Franka 사전 검증 완료)
→ 두부 전용 파지 정책 모델 + 손상률 리포트
손상률 ≤ 3%
파지 성공률 ≥ 90%
② 핫도그 · 소시지 · 반죽 가공
점탄성 / 온도 의존성 영역
기존 게임 엔진 점탄성 시뮬 불가
신제품마다 라인 셋업 수개월
FEM + MPM 하이브리드 점탄성 모델
→ 라인 시뮬 디지털 트윈 + 처리량 리포트
처리량 +30%
HACCP 위생 표준 호환
③ HMR · 간편식 SKU 셋업
제품 다양화 압박 대응
SKU 폭증 → 라인 전환 비용 폭증
인력 재교육 부담
제품별 합성 데이터셋 + Fine-tune 파이프라인
→ 신제품별 파지 정책 모델
신제품 셋업 50% 단축
신제품 출시 속도 2배
≥ 90%
파지 성공률 (외관 손상 없음)
→ 폐기율 ↓ / 위생·인건비 절감
50%
신제품 라인 셋업 단축
→ HMR·신제품 출시 속도 2배
100M/h
합성 학습 데이터 생성
→ 실 데이터 수집 인력·시간 절감
식품 대기업 식품 OEM HMR 제조사 대형 급식
왜 식품 제조사가 검토해야 하나 — ① 100% 인력 의존 공정의 첫 자동화 ② HMR·간편식 SKU 폭증 대응 ③ 위생·품질 표준 강화 (HACCP 호환) ④ 신제품 출시 속도 = 매출 직결
Logistics — deformable payload handling
CASE 03 · ROBOTICS & LOGISTICS

협동로봇 학습 데이터 공급
신규 어플리케이션 사이클 단축.

신규 어플 개발 속도 실 데이터 수집 비용 외부 수주 차별화 로봇 매출 GP
현장의 비용 = 회사의 KPI
  • 변형 페이로드 핸들링 부재
    박스·봉지·소프트 패키지의 무게 분포 변화 — 강체 가정 실패. 글로벌 풀필먼트 자동화의 마지막 1마일.
  • 협동로봇 신규 어플 셋업 = 수개월
    새 작업마다 데이터 수집·라벨링·티칭. 데이터 부족이 매출 확대의 병목.
  • 외부 수주 차별화 부재
    ABB·KUKA·UR 대비 패키지에 "변형체 처리" 모듈 없음 → 솔루션 차별화 실패.
PoC 산출물 = 회사가 얻는 것
  • 고객사 로봇 모델별 디지털 트윈 WIA CAD · 키네매틱스 · 그리퍼 · 작업 환경 — FEM/MPM 통합 시뮬 환경.
  • 고객사 전용 폐쇄형 데이터셋 4-Layer (RGB + Depth + Force + Stress) 동시 출력. 외부 미공개.
  • "변형체 처리" 솔루션 모듈 고객사 패키지에 내재화 가능 — 외부 고객 제안 시 차별화 무기.
PoC Candidate Matrix 12주 안에 검증 가능한 공정 후보 — 1차 미팅에서 우선순위 1건 확정
공정 후보
현장 Pain
Space AI 적용 / 12주 산출물
정량 성공 기준
★ 사전 추천
① 변형 페이로드 픽킹
박스 · 봉지 · 소프트 패키지
무게 분포 변화 → 강체 가정 실패
글로벌 풀필먼트 자동화의 마지막 1마일
페이로드 변형 시뮬 + 파지 정책 학습
→ 페이로드 인식 + 파지 정책 모델
픽킹 성공률 ≥ 95%
Drop 사고 0건
② 협동로봇 신규 어플리케이션
새 작업마다 학습 수개월 → 매출 병목
작업별 데이터 수집 · 라벨링 · 티칭 부담
신규 어플 수주 사이클 6~12개월
로봇 디지털 트윈 + 합성 데이터셋
→ 어플별 정책 모델 + 학습 파이프라인
데이터 수집 비용 60% ↓
어플 개발 사이클 수배 단축
③ AMR/AGV 페이로드 진동 안정성
변형 페이로드 주행 동역학
페이로드 변형이 주행 동역학에 영향
실차 테스트 비용 폭증
변형 동역학 시뮬 + 진동 응답 분석
→ 주행 안정성 리포트 + 경로 최적화
진동 응답 검증 100%
실차 테스트 비용 40% ↓
최대 60%
실 데이터 수집 비용 절감
→ 신규 어플 개발 ROI ↑
수배 단위
신규 어플 개발 사이클 단축
→ 시장 진입 속도 ↑ / 수주 경쟁력
4-Layer
RGB+Depth+Force+Stress
→ 글로벌 경쟁사 대비 데이터 우위
Amazon Robotics H*** WIA AMR 3PL 오퍼레이터 이커머스 풀필먼트
왜 로봇 제조사·SI가 검토해야 하나 — ① 협동로봇 라인업의 신규 어플 학습 사이클 단축 ② ABB·KUKA 대비 "변형체 처리" 모듈 차별화 ③ 외부 고객 제안 경쟁력 ④ AMR/AGV 페이로드 변형 시뮬 보조 활용
Electronics — precision deformable assembly
CASE 04 · ELECTRONICS

정밀 변형체 부품 조립
FPC · 광섬유 · 마이크로 커넥터.

1차 통과율 (FPT) 정밀도 ≤ 0.1mm 미세 부품 자동화율 품질 클레임 비용
현장의 비용 = 회사의 KPI
  • 플렉시블 PCB (FPC) — 굽힘 한계 미예측
    0.1mm 균열은 불량 직결. 굽힘 응력을 라벨링할 수 있는 데이터 부재.
  • 광섬유 연결 — 작업자 의존
    굽힘 반경·인장 제어 = 숙련 작업자 노하우. 자동화율 답보, 인건비 압박.
  • 마이크로 커넥터 삽입 — 0.1mm 정렬
    탄성 변형 + 마찰력 동시 제어. 미스삽입 시 폐기 비용 ↑.
PoC 산출물 = 회사가 얻는 것
  • PBD 기반 굽힘 응력 시뮬레이션 FPC·광섬유·케이블 전용 실시간 굽힘 응력 분포 데이터.
  • 삽입 정책 모델 (force-aware) 0.1mm 정렬 + 0.1N 단위 force profile — 1차 통과율 학습.
  • 공동 R&D 출원 옵션 자사 PCT 4건 단독 출원 실적 — 도메인 특화 IP 공동 보유 가능.
PoC Candidate Matrix 12주 안에 검증 가능한 공정 후보 — 1차 미팅에서 우선순위 1건 확정
공정 후보
현장 Pain
Space AI 적용 / 12주 산출물
정량 성공 기준
★ 사전 추천
① FPC · 플렉시블 PCB 정밀 삽입
모바일 · 디스플레이 후공정
0.1mm 균열은 불량 직결
굽힘 응력 라벨링 데이터 부재
PBD 굽힘 응력 시뮬 + force-aware 삽입 정책
→ FPC 삽입 정책 모델 + force profile
정렬 정밀도 ≤ 0.1mm
1차 통과율 (FPT) +15%p
② 광섬유 · 광 케이블 연결
데이터센터 · 통신 인프라
굽힘 반경 · 인장 = 작업자 노하우 의존
자동화율 답보, 인건비 압박
PBD 굽힘·인장 시뮬
→ 자동화 정책 + 굽힘 한계 force profile
연결 성공률 ≥ 95%
작업자 의존도 50% ↓
③ 마이크로 커넥터 · 단자 삽입
반도체 후공정 · 부품 조립
0.1mm 정렬 + 탄성 변형 + 마찰력
미스삽입 → 폐기 비용 ↑
FEM 탄성 + 마찰 통합 모델
→ 삽입 정책 모델 + 폐기 예측 리포트
1차 통과율 (FPT) +15%p
폐기 비용 30% ↓
≤ 0.1mm
정렬 정밀도 목표
→ 마이크로 부품 자동화 가능
+15%p
1차 통과율 (FPT) 개선
→ 폐기·재작업 비용 ↓
PCT 4건
자사 단독 출원
→ 도메인 IP 공동 보유 옵션
전자 대기업 반도체 후공정 FPC 제조사 전자 OEM
왜 전자 제조사가 검토해야 하나 — ① 0.1mm 정밀도 = 마이크로 부품 자동화율 ↑ ② FPC·광섬유 폐기 비용 = 직접 GP 영향 ③ 자사 PCT 실적 = 검증된 IP 토대 ④ 도메인 특화 IP 공동 보유 옵션 (Tier 3)
당신 회사 라인에서 어떤 KPI를 바꿀 수 있는지, 1차 미팅에서 우선 검증 공정 1건을 함께 정합니다.
주의 — 모든 KPI 목표값은 Space AI 내부 PoC 데이터 기반 추정이며, 고객사 라인 조건에서의 실제 개선폭은 PoC 검증 결과에 따릅니다. Space AI는 PoC 전 ROI를 보장하지 않습니다. Baseline 데이터는 고객사가 제공하며, PoC 종료 시 1:1 비교 리포트로 제공됩니다.
Validated Engagements

Tier-1 기업이
먼저 검증한 회사.

투자 유치 마케팅이 아닙니다. PCT 출원 · LOI 체결 · 정부 선정 · NVIDIA 큐레이션 등 공시 가능한 사실로만 구성됐습니다.

글로벌 · 정부 검증
글로벌 접점
AWS Activate
CES 2026 Aaron Parness (Amazon Robotics) 컨택 · $10K 크레딧
정부 인프라
NIPA H200×32
첨단 GPU 전국 12위 선정
정부 R&D · 2026
민관공동 · N-UP · 오픈소스
민관공동 1단계 · NIPA N-UP · NIPA 오픈소스 전국 2위
Build · Buy · Partner

왜 NVIDIA·Siemens가
아니라 Space AI인가.

Space AI는 NVIDIA·Siemens·Ansys를 대체하지 않습니다. 그 위에 부족한 접촉/변형체 데이터 레이어를 보완합니다. NVIDIA Isaac Sim은 훌륭한 공장 뼈대를 제공하지만, 그 안에서 고무 호스나 와이어가 어떻게 휠지 계산하는 두뇌는 제공하지 않습니다.

옵션
장점
한계
Build
자체 개발
보안 · 통제 · IP 전사 보유
FEM/MPM + Force 데이터 축적에 수년 소요 · 전문 인력·데이터셋 부재
Buy
NVIDIA · Siemens · Ansys
안정성 · 글로벌 브랜드 · 일반 시뮬레이션 성숙
접촉·변형체·Force 데이터 특화 부족 · Sim-to-Real 한계
Partner
Space AI
접촉 데이터 + FEM/MPM 특화 · NVIDIA Inception 선정 · Tier-1 협업 검증 진행 중
스타트업 리스크 → 소스코드 Escrow · 단계 도입(Stage 0~3)으로 통제
Collaboration Model

PoC → License → Joint Development.
정량 KPI 기반 단계 협의.

"자동 전환" 없음. 각 단계마다 고객사 내부 평가위원회 / 구매 / 법무 절차 존중.

Tier 1
Proof of Concept
12주
  • 고객사 우선영역 1건 선정
  • Space AI 엔지니어 1~2명 현장 파견
  • Sim-to-Real 정량 검증 + 실패모드 리포트
  • 성공 기준 충족 시 Tier 2 협의 진입
KPI Sim-to-Real ≥ 80% / force 오차 ≤ 20% / 작업 성공률 +15%p
Tier 2
License + Integration
6 ~ 12 개월
  • PhysGraspGen 오픈소스 코어 + 도메인 튜닝·SLA 상용 라이선스
  • 고객사 협동로봇 · AMR/AGV 라인업 통합
  • 고객사 자체 합성 데이터 생성 역량 이관
  • SLA 24시간 지원 · 분기별 성능 리뷰 · 소스코드 Escrow
KPI 적용 라인 수 · 배포 방식 · SLA에 따라 비용 별도 산정
Tier 3
Strategic Partnership
1 년 +
  • 도메인 특화 모델 공동개발
  • 공동 IP 출원 협의
  • 글로벌 라인 동반 적용 검토
  • Tier 1·2 검증 후 별도 논의
Note 전략적 파트너십 구조는 Tier 1·2 성과 후 별도 논의
Engagement Process

PoC는
12주면 끝납니다.

투자 유치가 아닙니다. 회사 내부에서 즉시 검토 가능한 PoC 패키지가 산출물입니다. 미팅부터 검증 리포트까지 명확한 타임라인 + KPI 미달 시 회사 리스크 0의 Exit Plan.

Week 1
60분
1차 미팅
우선 검증 공정 1건 함께 선정. Space AI 데모 + Q&A. 회사 현장 우선순위 청취 후 PoC 후보 매트릭스 검토.
  • 회사 우선 공정 1건 합의
  • NDA 초안 송부
Week 2~3
10영업일
PoC 제안서
성공 지표 · 일정 · 인력 · 보안 · 데이터 처리 방식 명문화. 회사 법무 · 보안 팀 검토 통과 가능 수준으로 작성.
  • PoC 제안서 송부
  • NDA 체결
  • 비용 · 일정 확정
Month 2~
12주
PoC 착수
엔지니어 1~2명 현장 파견. Off-line Test Cell에서 진행 — 양산 라인 무중단. 시뮬 환경 구축 · 실측 비교 측정.
  • 디지털 트윈 구축
  • 실측 vs 시뮬 1:1 비교
  • 실패 모드 리포트
PoC 종료
의사결정
결과 리포트
KPI 충족 여부 정량 리포트. 충족 시 Tier 2 협의 진입, 미달 시 추가 비용 없이 종료 + 리포트 회사 내부 자료 활용.
  • 1:1 정량 비교 리포트
  • 다음 단계 의사결정 자료
회사가 준비할 것

PoC 즉시 가속 체크리스트

  • 1 대상 부품 CAD (STEP/IGES) + 사진
  • 2 공정 영상 (작업자 시연 · 1~3분)
  • 3 실패 사례 샘플 (선택)
  • 4 로봇 · 그리퍼 모델 (URDF 또는 사양)
  • 5 현재 takt time · 불량률 baseline
  • 6 내부 PoC 담당자 1명 (60min 미팅 가능)
PoC Exit Plan

회사 리스크 0 — 안전장치

  • KPI 미달 시 추가 비용 청구 없이 PoC 종료. 결과 리포트는 회사 내부 학습용으로 활용 가능.
  • NDA 범위 PoC 기간 + 종료 후 2년. 양사 모두에 적용. 기밀 정보 즉시 반환 · 파기.
  • 데이터 처리 회사 제공 CAD · 공정 데이터는 회사 100% 소유. PoC 종료 시 즉시 반환 + Space AI 사본 전량 파기.
  • 비용 분담 Tier 2 진입 시 PoC 비용 일부 라이선스 비용 차감 가능.
Get Started

12주 안에 정량 KPI를
검증해 드립니다.

투자 유치가 아닌, "고객사 내부에서 바로 검토할 수 있는 PoC 패키지"가 산출물입니다. 1차 미팅에서 우선 검증 공정 1건 선정 → PoC 제안서 송부 → 12주 PoC 착수.

Investors
For Investors

Pre-A 라운드
₩30억 조달

Pre-A ₩30억 진행 중 · 12주 PoC 매출 기반 · 외부 검증 신호 · 잠재 KOSDAQ IPO 또는 전략적 Exit 경로.
1차 미팅 후 데이터룸 접근 가능합니다.

← 제품 페이지로
Capital Allocation
운영비는 정부가, 성장은 VC가.
Pre-A 자금은 100% 글로벌 인프라 선점에.
비희석 자금 · 자체 조달
정부 R&D ₩10억
올해 확보. 팀 확장 13명 · 운영비 충당. 지분 희석 0%.
Pre-A 자금 · 성장 투자
Pre-A ₩30억
100% 비즈니스 모델 진화. 공장 자동화 DaaS(Stage 1) → 글로벌 합성 데이터셋 SaaS(Stage 2). 'Arm of Physical AI' 선점.
Why Now

데이터 인프라를 먼저 잡은 자가
표준이 된다.

2025–2026년, 4가지 신호가 동시에 떴다. 이 창은 길어야 18개월이다.

2024 – 2025
휴머노이드
투자 폭발
글로벌 누적 ₩19조
+77% YoY 성장
June 2025
Scale AI
Meta 베팅
₩43조 valuation 인정
데이터 인프라 = 시대 표준
2025 – 2026
Jensen Huang
"Physical AI"
"다음 AI의 물결은
물리 세계의 이해" 선언
Now · 2026
Space AI
선점 위치
실측 데이터 + 물리 엔진
선점 위치
Irresistible Economics

고객이 거절할 수 없는
경제학.

대기업 자동화 라인의 실제 TCO 비교. 첫 분기에 ROI 회수.

As-Is · 기존 방식
전담 인력 + 외주 라벨링
전담 엔지니어 2~3명
실측 장비 자체 구축
외주 라벨링 비용
수개월의 데이터 구축 시간
₩12억연간 TCO
→
To-Be · Space AI 도입
GPU + 물리 엔진
GPU 리소스 비용 (가변)
FEM/MPM 엔진 라이선스
물리 기반 자동 라벨
며칠 단위로 압축
₩1.2억연간 총 비용
결과: 연 ₩10.8억 절감,
도입 첫 분기에 ROI 회수.
Verified Pipeline

추정이 아니라
이미 검증된 파이프라인.

고객사별 구체적 단가와 PoC 스코프 — bottom-up 산정. 보수 시나리오 기준.

고객사
프로젝트 / 스코프
단가
전자 대기업
FPCB Force 검증 · 샘플 납품 완료, 단가 상향 협의 중
₩2.5억/ 연간
현***
공정 자동화 PoC · 세부 스펙 협의 진행 중
₩2.0억/ 연간
식품 대기업
Force 비정형 시뮬레이션 · 오픈이노베이션 단독 선정
₩1.5억/ 연간
A*****
물류 자동화 연계 · CES 2026 Aaron Parness 컨택 + AWS Activate $10K 크레딧
$10K 크레딧
확정 3개사 단가 합산 = 연간 ARR ₩6.0억
+ AWS Activate $10K 크레딧 (인프라 자산, ARR 비합산)
보수 시나리오 — 계약 확정 분만 합산
Business Model

현금부터,
그리고 표준까지.

즉각적인 DaaS 매출로 시작해, 반복형 SaaS로 마진을 높이고, 글로벌 표준 API에 도달합니다.

병행 운영 중인 B2C 트랙 RIPLY(89K+ 사용자)가 월 흑자로 운영비를 상시 보전 — 본 사업은 런웨이 압박 없이 집중 가능.
Stage 1 · Now
Force DaaS
대기업 맞춤형 Force GT 실측 + 합성 데이터셋. 현장 방문 → 실측 → 납품 (2~4주).
PoC 건당₩1,000~1,500만
전사 도입연 ₩1~3억
현 ARR₩3.5억
Stage 2 · 2027
Force + 합성
SaaS
중견 로봇 제조사·연구소 대상 Force + 합성 통합 엔진 구독. 실측이 합성을 보정하는 Data Flywheel.
월 구독료₩1,000~2,000만
대형 계약연 ₩2~5억
목표 NRR118%
Stage 3 · 2028+
글로벌 표준
API · IP 라이선싱
Arm이 칩 설계도를 라이선싱하듯, Space AI가 물리 엔진 IP를 라이선싱. 모든 로봇이 학습할 때 거치는 인프라.
벤치마크Arm Holdings
시총 (Arm)₩230조+
모델IP licensing
3-Year Projection

ARR ₩15억 도달
= Series A 트리거.

보수 시나리오. 핵심은 규모가 아니라 속도 — 투자 후 약 18개월 내 Series A 트리거가 결판납니다.

₩80억 ₩55억 ₩28억 0 ₩5.5억 ₩30.1억 ₩76.6억 2026 H2 투자 후 6개월 2027 18개월 · Series A 2028 Series B 준비
EXIT ARR ₩15~17억 · SERIES A
Key Assumptions · 3년 기준
PoC 단가초기 ₩1,250만 / 센터급 ₩1.2억
전사 도입 연 단가₩2~3억
Stage 2 SaaS 구독연 ₩2.1억 + 합성 ₩2.5~3억
고객당 ARPU (Stage 2)연 ₩4.6~5.1억
신규 핵심고객1년차 3 / 2년차 +2 / 3년차 +6
Gross Margin80%+ · LTV/CAC > 5.0
초기 비용 회수< 6개월
3년 누적 매출₩112억 (GP ~₩90억)
M1 · 2026 H2
₩5.5억
H*** WIA·정부 R&D PoC 가동 + Amazon Robotics 후속 컨택 + 현금흐름 흑자 진입
M2 · 2027 · 18개월
₩30.1억
전사 도입 + Stage 2 SaaS 출시 → Exit ARR ₩15~17억 · Series A 트리거
M3 · 2028 · 30개월
₩76.6억
일본·대만 OEM 6곳 + 구독 안착 → Exit ARR ₩50~55억 · Series B 준비
Market

공장 자동화에서 휴머노이드 시대까지,
₩587조 → ₩6,750조로 확장.

우리가 푸는 시장은 공장 자동화의 마지막 30% — Goldman Sachs가 "수동 노동 20%" 라고 부른 영역. 그 위에 휴머노이드 시대가 열립니다. 단순 SW 판매가 아닌, Physical AI 인프라의 데이터 표준 공급자로 포지셔닝합니다.

TAM 휴머노이드 시대 · 2050 SAM 공장 100% 자동화 · 2030 SOM ₩200~500억 3년 목표 ₩6,750조 2050 · Morgan Stanley ₩587조
TAM
휴머노이드 시대 데이터 인프라2050 · $5T · Morgan Stanley 2025
₩6,750조
SAM
공장 100% 자동화 시장2030 · $435B · MarketsandMarkets 2025
₩587조
SOM
Space AI 초기 3년2026~2028
₩200~500억
추가 임팩트: ₩148조 — 자동화 산업의 마지막 10%(연성체)가 풀리지 못해 발생하는 글로벌 산업 손실.
Comparable Valuation

Force GT 공급자
자리는 비어 있다.

Figure(₩52조) · Physical Intelligence(₩8.3조) · Skild AI(₩6조) — 모두 로봇의 뇌(Model)에 집중합니다. 학습용 촉감(Force) Ground Truth 공급자 자리는 글로벌 누구도 채우지 못한 시장 공백입니다.

Figure AI
₩52조
Scale AI
₩43조
Physical Intelligence
₩8.3조
Skild AI
₩6조
Space AI · Pre-A
검토 시 공개
글로벌 Physical AI는 모두 학습할 촉감 데이터가 없습니다.
Space AI 밸류에이션 근거: 확정 매출 + LOI + 정부 R&D 현금 + IP 자산 + 누적 인프라 가치 ₩24억+ — bottom-up 산정. 구체 조건은 1차 미팅 후 데이터룸에서 공개합니다.
Exit Path

IPO 또는 전략적 Exit
모두 열어두는 구조.

Isaac Sim이 시각을 만들면, Space AI는 그 위에 촉감을 더한다 — Physical AI는 두 레이어가 모두 필요하다. 단순 Exit 시나리오를 넘어, 로봇 물리 엔진의 글로벌 IP 라이선싱 기업으로 독립 성장도 가능한 구조입니다.

Path 01
코스닥 상장
Physical AI 산업 성장(TAM CAGR 37% · MarketsandMarkets 2025) + 해외사업 진출 + 국내 첫 상장 사례.
Series A 12개월 후₩500~1,000억
Path 02
Strategic Exit Optionality
N-UP 프로그램 선정 · Isaac Sim 보완재 포지션 — 전략적 Exit 경로의 한 옵션입니다.
전략적 가치NVIDIA 보완 IP
Path 03
'Physical AI의 Arm'
독립 성장
IP 라이선싱 ARR ₩500억+ 달성 시 Series B/C로 독립 성장. Arm처럼 표준이 됩니다.
벤치마크 (Arm)시총 ₩230조+
시뮬레이션 · Series A ₩500억 기준 2.2x 회수 · ₩1,000억 기준 4.3x 회수 (18개월)
Next Step

데이터룸 접근.

전체 재무 자료, 기술 검증 리포트, IP 포트폴리오, 고객 LOI 사본 — 모두 데이터룸에서 NDA 후 공개. 1차 미팅 후 접근 권한 부여.

₩6.0억
확정 ARR · 3개사
LOI 1건
식품 대기업
PCT 4건
자사 단독 출원
₩24억+
누적 외부 자금