몇 시간씩 도는 에이전트가 노는 시간까지 과금됐다: Sail이 8,000만 달러로 그 청구서를 바꾼다

에이전트 인프라 스타트업 Sail Research가 시드와 시리즈A를 합쳐 8,000만 달러를 모았다. 기업가치는 4억 5,000만 달러다. 겨냥하는 건 몇 분짜리 대화가 아니라 몇 시간, 며칠씩 도는 장기 실행 에이전트다. 한 작업에 수십억 토큰을 쓰는 자율 작업이 현실이 되면서 여기에 맞춘 추론 계층을 처음부터 다시 짰다.

한눈에 보기

투자	시드+시리즈A 8,000만 달러
기업가치	4억 5,000만 달러
주도	시드 Sequoia, 시리즈A Kleiner Perkins
효율	자체 추론 스택 12배 비용 효율 주장
실적	지금까지 수조 토큰 처리, 창업자 Neil Movva는 NVIDIA·Apple·Together AI 출신

무엇이 다른가

기존 클라우드 샌드박스는 켜둔 시간을 통째로 과금한다. 문제는 하루 종일 도는 에이전트 대부분이 실제로는 툴 응답을 기다리거나 대기 상태라는 점이다. 노는 시간이 그대로 청구서에 찍힌다. Sailboxes는 반대다. 에이전트가 실제로 연산하는 시간만 청구한다. 여기에 처리량 중심으로 다시 짠 추론 스택을 붙여 독점 대안 대비 12배 비용 효율을 주장한다. 한 작업에 수십억 토큰을 태우는 장기 실행일수록 이 차이가 자릿수 큰 청구서를 가른다.

병목이 어디로 옮겨갔나

지난 몇 달 이 노트가 다룬 축은 모델 능력과 토큰 단가였다. 그런데 몇 시간짜리 자율 작업이 실제로 돌아가기 시작하면서 병목이 능력에서 장기 실행의 경제성으로 넘어갔다. 모델이 아무리 똑똑해도 켜둔 시간을 통째로 물면 밤새 도는 워크플로는 요금 때문에 못 돌린다. Sail이 트릴리언 단위 토큰을 이미 처리했다는 건 이 수요가 데모가 아니라 청구서로 존재한다는 뜻이다.

짧은 대화용 인프라와는 다르다

지금까지의 추론 서비스는 대부분 몇 초짜리 챗봇 응답에 맞춰 설계됐다. 요청이 들어오면 답하고 바로 다음 요청으로 넘어가는 구조다. 반면 사이버보안 분석이나 자동 코드리뷰처럼 한 작업이 수십억 토큰을 태우며 며칠씩 이어지는 일은 전제가 다르다. 상태를 계속 붙들고 있어야 하고 도구 호출 사이의 긴 대기를 견뎌야 한다. Sail이 추론 스택을 바닥부터 다시 짠 것도 이 때문이다. 처리량과 지속 실행을 우선하면 짧은 대화에 최적화된 기존 서비스와는 비용 곡선 자체가 갈린다.

anyAX 관점

1인 SaaS가 밤새 도는 리서치 봇이나 자동 코드리뷰 에이전트를 붙일 때 발목을 잡는 건 성능이 아니라 요금이었다. 여덟 시간 도는 작업의 90퍼센트가 대기인데 그 여덟 시간을 통째로 물면 자동화가 남는 장사가 안 된다. Sail이 판 곳이 바로 그 지점이다. 노는 시간이 아니라 일한 시간에만 과금한다. 인프라는 어차피 빌려 쓴다. 다만 빌릴 때 봐야 할 건 모델 벤치마크가 아니라 내 에이전트가 실제로 연산하는 시간과 대기하는 시간의 비율이다. 능력 경쟁이 평평해질수록 승부는 이 요금 구조를 먼저 읽는 팀 쪽으로 기운다.