AI 데이터 스타트업 Micro1의 연간 총 매출

8개월 만에 연간 총 매출 런레이트(Gross Run Rate)가 1억 달러에서 5억 달러로 5배 급증했다. 설립 4년 차 AI 데이터 스타트업 Micro1(마이크로원)이 달성한 수치로, AI 모델 학습을 위한 고품질 데이터 수요가 기업의 외형 성장을 빠르게 견인한 결과다.

순 연간 런레이트(Net Annual Run Rate)는 1억 5천만 달러에서 2억 달러 사이로 추정된다. 이는 의사, 변호사, 과학자 등 전문 지식을 갖춘 계약직 인력을 고용해 지불한 비용을 제외한 수치다. Micro1은 전체 매출의 약 60%에서 70% 수준을 유지하고 있으며, 전문 인력을 통한 데이터 확보 비용이 매출 구조의 핵심 변수로 작용하고 있다.

수익성 개선을 위해 인간의 개입 없이 비디오 콘텐츠의 자동 설명을 생성하는 합성 데이터 방식을 도입했다. 이와 더불어 동일한 데이터셋을 여러 고객에게 반복 판매하는 기성품(Off-the-shelf) 데이터 전략을 병행하고 있다. 기성품 데이터의 경우 총 마진이 80%에서 90%에 달하며, 이는 인적 자원 의존도를 낮추고 데이터 재판매를 통해 마진율을 극대화하는 사업 모델의 결과다.

로봇 학습 데이터 병목을 겨냥한 해법

20억 달러의 연간 총 매출을 기록한 Mercor와 올해 초 10억 달러에 도달한 Handshake라는 높은 매출 장벽이 존재한다. Micro1은 이들 경쟁사에 비해 현재 매출 규모가 작게 형성되어 있다. 하지만 Micro1이 보여주는 성장세는 특정 기업의 독점이 아닌 다수의 데이터 공급업체가 동시에 성장할 수 있는 시장 구조를 입증한다. 이는 AI 학습 데이터에 대한 시장의 수요가 매우 강력하며, 여러 공급업체가 공존해도 충분한 파이가 형성되어 있음을 수치로 보여주는 결과다.

전문가들이 모델의 출력값을 검토하고 평가하는 강화 학습 짐(reinforcement learning gyms)을 통해 데이터의 정밀도를 높인다. 강화 학습 짐은 전문가의 피드백을 통해 모델의 성능을 최적화하는 시스템을 의미한다. 이와 동시에 수백 명의 일반인이 각자의 가정 내에서 일상적인 사물 상호작용을 직접 기록하게 하여 로보틱스 사전 학습 데이터셋을 구축하고 있다. 일반인의 실제 생활 환경에서 수집된 데이터는 로봇이 현실 세계의 다양한 변수를 학습하는 데 필요한 기초 자료가 된다. 전문가의 정밀한 평가와 일반인의 광범위한 행동 데이터라는 두 가지 경로를 통해 학습 데이터의 병목을 해결하려는 시도다.

설립자 Ali Ansari는 경쟁사와 달리 중국 모델

5억 달러의 기업 가치로 작년 9월 시리즈 A 투자를 유치했다. Mercor(AI 채용 플랫폼)와 마찬가지로 AI 채용 스타트업으로 출발했으나, 이후 데이터 라벨링(데이터에 정답지를 다는 작업)으로 사업 모델을 전환했다. 데이터 라벨링 고객들이 Micro1의 AI 플랫폼을 활용해 어노테이션 엔지니어를 검증하고 채용하는 흐름을 포착한 결과다. 최근에는 작년보다 더 높은 기업 가치를 기반으로 추가 투자 라운드를 진행했을 가능성이 있다.

중국 모델 제작자에게는 데이터를 판매하지 않는 입장을 명확히 했다. 설립자 Ali Ansari는 일부 휴먼 데이터 기업들이 외국 적대국과 협력하는 행태를 비판하며, 그 결과가 Kimi K3(중국 AI 모델)의 성능으로 나타났다고 주장했다. 미국 AI의 우위를 유지하겠다는 목표를 주장하면서 적대적 경쟁 관계에 있는 국가에 수백만 달러 규모의 데이터를 판매하는 것은 부적절하며 수치스러운 일이라는 관점이다.

데이터 공급사를 선정할 때는 기성 데이터의 다중 고객 판매 여부와 적대적 경쟁 국가로의 데이터 유출 및 판매 제한 정책을 핵심 보안 및 경쟁력 판단 기준으로 삼아야 한다.