음성 AI（Voice AI） 인프라 유니콘: LiveKit, 10억 달러 밸류에이션에서 1억 달러 확보

LiveKit는 차세대 실시간 인공지능( real-time artificial intelligence)을 지원하는 오픈 소스 인프라 제공업체로서 공식적으로 테크 유니콘 반열에 합류했습니다. 샌프란시스코에 본사를 둔 이 회사는 목요일 시리즈 C 라운드에서 1억 달러를 조달해 기업가치를 10억 달러로 끌어올렸다고 발표했습니다. 이번 대규모 자금 투입은 특히 OpenAI의 ChatGPT Advanced Voice Mode의 핵심 엔진으로서 LiveKit가 급성장하는 AI 스택에서 맡는 중요한 역할을 부각시킵니다.

이번 라운드는 세대적 기술 전환을 지원하는 것으로 알려진 Index Ventures가 주도했으며, 기존 투자자인 Altimeter Capital, Redpoint Ventures, Hanabi Capital이 계속 참여했습니다. 이 자금 조달은 회사의 시리즈 B 이후 1년이 채 되지 않아 이루어졌으며, 실시간으로 보고 듣고 말할 수 있는 멀티모달 AI 에이전트(multimodal AI agents)에 대한 폭발적 수요가 촉발한 공격적인 성장 궤적을 강조합니다.

"우리는 2026년이 전 세계 수천 가지 사용 사례에 음성 AI가 광범위하게 배포되는 해가 될 것으로 예상합니다,"라고 LiveKit의 공동창업자 겸 CEO인 Russ d’Sa가 말했습니다. 이 자금은 LiveKit의 글로벌 "Real-time Cloud" 네트워크를 확장하고, 저지연 AI 상호작용을 위해 필요한 복잡한 오케스트레이션을 단순화하도록 설계된 Agents API를 추가 개발하는 데 사용될 예정입니다.

The OpenAI Partnership: 인프라의 검증

LiveKit의 급속한 급부상에는 OpenAI와의 전략적 파트너십이 중심에 있습니다. 생성형 AI（Generative AI）는 주로 텍스트 기반의 대형 언어 모델(LLMs, Large Language Models)에 집중되어 왔지만, 전선은 음성과 비디오와 같은 멀티모달(multimodal) 기능으로 이동했습니다. LiveKit의 기술은 ChatGPT의 Voice Mode의 백본으로 작동하며, AI와의 대화를 자연스럽고 인간처럼 느껴지게 하는 밀리초 단위의 복잡한 데이터 전송을 처리합니다.

LiveKit 이전에는 실시간 음성 봇을 구축하려는 개발자들이 음성->텍스트(STT), LLM 추론, 텍스트->음성(TTS)을 위한 별개의 API들로 구성된 이질적 서비스들을 엮어야 했고, 이 모든 것이 표준 HTTP 또는 WebSocket 프로토콜로 래핑되어 있었습니다. 이러한 '임시방편' 접근 방식은 대화에서 어색한 정지와 끊김을 초래하는 2~3초 이상의 지연을 자주 발생시켰습니다.

LiveKit는 영상회의 표준 프로토콜인 WebRTC를 AI에 최적화된 데이터 전달 계층으로 적응시켜 이 문제를 해결했습니다. 사용자 기기와 AI 모델 간의 오디오 스트림을 직접 관리함으로써 LiveKit는 지연을 인간의 뇌가 상호작용을 '실시간'으로 인식하기 위해 필요한 임계값인 300밀리초 이하로 줄였습니다.

Index Ventures의 투자자 Sahir Azam은 성명에서 LiveKit가 "AI 스택에서 가장 중요한 인프라 계층 중 하나를 구축하고 있다"며, AI 모델을 물리적 세계와 연결하는 신경계가 되고 있다고 평가했습니다.

기술 내부: AI 에이전트를 위한 "신경계"

LiveKit의 플랫폼은 단순한 영상 통화 SDK가 아니라 '상태를 유지하는(stateful)' AI 에이전트를 구축하기 위한 종합 환경입니다. HTTP 요청 사이에 컨텍스트를 잊어버리는 무상태(stateless) 전통적 챗봇과 달리, 음성 에이전트는 끊김, 배경 소음, 턴테이킹 로직을 처리하기 위해 지속적인 연결을 유지해야 합니다.

회사의 Agents API는 개발자가 구성(configuration) 대신 코드로 이러한 복잡한 워크플로를 구축할 수 있게 합니다. 이 API는 Deepgram(전사용), OpenAI 또는 Anthropic(지능), Cartesia 또는 ElevenLabs(음성 합성) 같은 다양한 모델 제공자 간 데이터 흐름을 오케스트레이션하는 반면, LiveKit는 네트워킹을 처리합니다.

주요 기술적 차별점

• Ultra-Low Latency: 기계 간 및 기계-인간 오디오 라우팅을 위해 특화된 최적화된 글로벌 엣지 네트워크.
• Multimodal Native: 오디오, 비디오, 데이터 채널을 동시에 처리하도록 설계되어 카메라 입력을 통해 '볼 수 있는' 에이전트를 가능하게 함.
• End-to-End Orchestration: 음성 활동 감지(Voice Activity Detection, VAD)와 같은 복잡한 로직을 처리하여 사용자가 끼어들었을 때 AI가 즉시 말을 멈추게 함 — 자연스러운 대화의 특징.

경쟁 구도: 전문화된 인프라 vs. 레거시 통신사

LiveKit의 부상은 Twilio 같은 레거시 CPaaS(providers of Communications Platform as a Service) 업체와 Agora 같은 영상 중심 SDK가 오랫동안 지배해 온 시장에 변화를 일으킵니다. 이러한 기존 업체들은 사람 대 사람 연결에는 뛰어나지만, 인간과 통신하는 AI 모델이 요구하는 고처리량과 저지연 요구에 맞게 설계되지는 않았습니다.

다음 표는 실시간 공간에서 LiveKit가 전통적 경쟁사들과 어떻게 위치하는지를 보여줍니다:

LiveKit의 오픈 소스 전략은 채택을 촉진하는 데 중요한 역할을 했습니다. 엔지니어들이 코드를 검사하고 테스트용으로 스택을 자체 호스팅할 수 있게 함으로써 20만 명이 넘는 개발자 커뮤니티를 구축했습니다. 이러한 '상향식(bottom-up)' 채택은 Vercel이나 MongoDB 같은 다른 인프라 대기업의 전략을 닮았으며, 독점 솔루션이 침투하기 어려운 해자를 만듭니다.

고객 명단 확장: 스타트업에서 엔터프라이즈까지

OpenAI가 대표 고객이긴 하지만, LiveKit의 유용성은 소비자용 챗봇을 훨씬 넘어섭니다. 이 기술은 현재 다음과 같은 다양한 엔터프라이즈 강자들에 의해 배포되고 있습니다:

• Tesla: 실시간 진단 및 잠재적 차량 내 음성 비서 기능에 LiveKit 사용.
• Salesforce: Service Cloud 및 Agentforce 플랫폼에 실시간 음성 기능 통합.
• xAI: Grok의 멀티모달 기능을 위해 인프라 활용.
• Spotify: 음성 기반 내비게이션 및 AI DJ 기능 실험.

"오늘날 대기업들은 워크플로를 자동화하고 고객 경험을 개선하며 새로운 수익을 창출하기 위해 음성 에이전트의 평가 및 구축을 진행하고 있습니다,"라고 d’Sa는 자금 발표에 동반된 블로그 게시물에 썼습니다. 그는 많은 사용 사례가 개념 증명 단계에 있지만, 프로덕션으로의 전환이 가속화되고 있다고 강조했습니다. 금융 서비스는 음성 생체인식을 통한 신원 확인에 이를 사용하고 있으며, 의료 제공자는 환자가 인간 의사와 대화하기 전에 에이전트를 통해 초기 분류(triage)를 수행하고 있습니다.

향후 로드맵: "웜(따뜻한)" 컴퓨팅의 시대

1억 달러의 신규 자본으로 LiveKit는 엔지니어링 팀을 확장하고 물리적 인프라 존재를 확장할 계획입니다. 로드맵의 상당 부분은 비전 기능(vision capabilities)에 할당되어 있습니다. GPT-4o 및 Gemini 1.5 Pro와 같은 모델들이 비디오 스트림 처리에 더 능숙해짐에 따라, LiveKit는 카메라 피드를 LLMs(대형 언어 모델)로 실시간 분석을 위해 보내는 표준 파이프가 되는 것을 목표로 합니다.

예를 들어, 현장 서비스 기술자가 스마트 글라스를 착용하고 AI 에이전트와 대화하면, 에이전트는 기술자의 카메라를 통해 고장난 기계를 '보고' 교체해야 할 정확한 부품을 HUD에 강조 표시할 수 있습니다. 이는 단순한 오디오를 넘어서는 대역폭 및 동기화 능력을 요구하며, LiveKit는 이 파이프라인을 소유하기 위해 자리잡고 있습니다.

또한 회사는 엣지 컴퓨팅(edge computing)에 투자하고 있습니다. 가능한 모든 밀리초의 지연을 줄이기 위해 LiveKit는 미디어 서버를 최종 사용자 및 모델 추론 센터에 더 가깝게 배치하여 데이터 패킷의 왕복 시간을 줄이고 있습니다.

Creati.ai 인사이트: 인프라는 새로운 골드

Creati.ai의 관점에서, LiveKit의 10억 달러 밸류에이션은 생성형 AI（Generative AI） 시장의 성숙을 시사합니다. 초기 과대광고 사이클은 기저 모델들(OpenAI, Anthropic, Google) 자체에 크게 집중했지만, 이제 초점은 비즈니스를 실제로 그 모델들 위에 신뢰할 수 있는 제품을 구축할 수 있게 하는 '활성화 계층'(enabling layer)으로 이동하고 있습니다.

LiveKit는 AI 채택의 병목이 더 이상 지능 자체가 아니라 상호작용(interaction)이라는 것을 정확히 파악했습니다. AI가 똑똑하더라도 응답에 3초가 걸리면 고객 서비스에는 사용할 수 없습니다. 지연과 오케스트레이션 문제를 해결함으로써 LiveKit는 단순히 소프트웨어를 판매하는 것이 아니라 AI 에이전트 경제의 실현 가능성을 판매하고 있습니다.

우리가 2026년을 지나가면서, 이 계층에서의 통합이 일어날 것으로 예상합니다. 사용자의 입에서 모델의 '두뇌'까지 원활한 엔드투엔드 파이프를 제공할 수 있는 기업들은 엄청난 가치를 차지할 것입니다. 오픈 소스 뿌리와 업계 선두주자인 OpenAI와의 깊은 통합을 가진 LiveKit는 향후 10년간 인간과 기계가 소통하는 방식을 정의할 수 있는 유력한 위치에 있습니다.