컨피그인텔리전스, AWS로 로봇 AI 학습 비용 절반으로 낮췄다

컨피그인텔리전스, AWS 최적화로 학습 비용 50% 절감

컨피그인텔리전스는 로봇이 다양한 환경에서 스스로 행동을 학습하도록 돕는 로봇 파운데이션 모델(RFM)을 개발하는 국내 스타트업이다. 카이스트 서민준 부교수가 창업했으며, 2026년 5월 삼성벤처투자 주도의 400억원 시드 투자를 유치해 주목받았다.

이 회사는 AWS 인프라 최적화를 통해 로봇 AI 학습에 드는 전체 비용을 50% 줄이는 데 성공했다. 핵심은 데이터 전송과 스토리지 두 구간을 집중 개선한 것이다.

AWS Direct Connect로 전송 비용 6배 절감

로봇 학습 데이터는 베트남 하노이에서 주로 수집된다. 공용 인터넷으로 이 데이터를 국내·미국 서버로 옮기면 전송 비용이 상당하다. 컨피그인텔리전스는 AWS Direct Connect 전용 회선을 도입해 비용을 공용 인터넷 대비 6분의 1 수준으로 낮췄다.

스토리지도 이원화했다. 자주 접근하는 데이터는 S3 Standard에, 장기 보관 데이터는 S3 Glacier에 넣는 계층형 관리로 저장 비용을 2배 절감했다. 메타데이터 관리에는 DynamoDB와 Aurora를 활용한다.

소규모는 스팟 인스턴스, 대규모는 HyperPod

학습 워크로드도 크기에 따라 다른 컴퓨팅 자원을 쓴다. 소규모 학습 작업에는 EC2 스팟 인스턴스를 적용해 온디맨드 대비 2.5배 비용을 줄였다. 수백 개 GPU를 연결해야 하는 대규모 분산 학습은 SageMaker HyperPod에서 EFA(Elastic Fabric Adapter) 네트워크로 처리한다.

현재 이 회사는 매달 2만 시간의 액션 데이터를 수집하고 그 중 약 1천 시간을 로봇 전용 데이터로 정제한다. 월간 데이터 처리량은 100TB를 넘는다.

2026년 내 데이터 5~10배 성장 목표

컨피그인텔리전스는 2026년 안에 현재 데이터 규모의 5~10배 성장을 내다보고 있다. 로봇 AI 모델 고도화에는 대규모 다양한 데이터가 필수인 만큼, 비용 효율적인 인프라 구조가 장기 경쟁력을 결정짓는 요소가 된다.

로봇 파운데이션 모델 분야는 미국 피지컬 인텔리전스(PI), 피규어 AI 등 해외 기업들이 빠르게 치고 나오고 있는 가운데, 국내에서는 컨피그인텔리전스가 클라우드 비용 최적화라는 실용적 접근으로 차별화를 꾀하고 있다. 올해 400억원 시드 투자를 발판 삼아 글로벌 경쟁에 본격 진입할 계획이다.