2026년 2분기 글로벌 AI 기업 100개 선정 : 이제 승부는 ‘모델’이 아니라 실행·데이터·거버넌스다
출처:
CB Insights — AI 100: The most promising artificial intelligence startups of 2026
들어가며
2023년 이후 AI 시장의 질문은 계속 바뀌어 왔습니다.
처음에는 “AI가 정말 쓸 만한가?”가 핵심 질문이었습니다.
그다음에는 “어떤 모델이 더 똑똑한가?”가 중요했습니다.
하지만 2026년 AI 시장을 보면, 질문은 다시 한 번 바뀌고 있습니다.
이제 중요한 질문은 이것입니다.
AI를 실제 기업 업무, 산업 현장, 현실에서 얼마나 빠르고 안전하게 사용할 수 있는가?
CB Insights가 발표한 AI 100 2026은 이 변화를 꽤 선명하게 보여줍니다. 이번 리포트는 전 세계 4만 개 이상의 기업 중에서 딜 활동, 산업 파트너십, 투자자 역량, 채용 모멘텀, CB Insights의 Mosaic Score와 Commercial Maturity 등을 기준으로 100개 AI 스타트업을 선정했습니다.
흥미로운 점은 단순히 “생성형 AI 회사가 많다”는 이야기가 아니라는 점입니다. 이번 AI 100의 핵심은 훨씬 실무적입니다.
AI 에이전트는 기업 워크플로우를 직접 실행하기 시작했고, Physical AI는 독립 카테고리로 부상했으며, Vertical AI의 해자는 업종이 아니라 데이터의 성격으로 결정되고 있습니다.
이번 글에서는 CB Insights AI 100 2026을 바탕으로, 2026년 AI 스타트업 시장에서 읽어야 할 핵심 흐름과 기업 지형을 정리해보겠습니다.
(1) AI 100의 전체 구조: 인프라와 산업 특화 AI가 중심으로 이동하고 있다
💡 핵심: AI 100 기업 중 가장 큰 비중은 Infrastructure & compute 35개, 그다음은 Industry applications 29개입니다. AI 시장의 무게중심이 단순 앱에서 인프라와 산업별 실행 레이어로 이동하고 있습니다.
CB Insights AI 100 2026의 기업들은 크게 네 가지 카테고리로 나뉩니다.
대분류 | 기업 수 | 비중 | 의미 |
|---|---|---|---|
Enterprise applications | 25개 | 25% | 기업 공통 업무 자동화 |
Industry applications | 29개 | 29% | 금융, 헬스케어, 산업, 법률 등 산업 특화 AI |
Infrastructure & compute | 35개 | 35% | AI 모델·데이터·배포·보안·컴퓨팅 인프라 |
Physical AI | 11개 | 11% | 로봇, 자율 시스템, 하드웨어 기반 AI |
합계 | 100개 | 100% |
이 분포를 보면 2026년 AI 시장의 방향이 꽤 명확해집니다.
AI 애플리케이션은 여전히 중요합니다. 하지만 더 큰 흐름은 AI를 실제 업무에 안정적으로 사용하기 위한 기반 기술과 특정 산업의 데이터·규제·워크플로우에 깊게 들어가는 Vertical AI 쪽으로 이동하고 있습니다.
단순히 “챗봇을 만들었다”거나 “AI 기능을 붙였다”는 것만으로는 차별화가 어려워지고 있습니다.
그렇다면 무엇이 중요해졌을까요?
첫째, AI가 기업 시스템 안에서 실제로 일을 하려면 보안, 권한, 감사, 관찰 가능성이 필요합니다.
둘째, 금융·헬스케어·산업·법률처럼 규제와 전문 데이터가 많은 영역에서는 범용 AI만으로 충분하지 않습니다.
셋째, AI가 소프트웨어를 넘어 로봇과 자율 시스템으로 확장되면서 물리 세계에서 작동하는 AI 인프라가 필요해지고 있습니다.
즉, 2026년 AI 스타트업 시장은 “AI를 보여주는 회사”보다 AI를 실제로 굴러가게 만드는 회사에 더 높은 가치를 부여하고 있습니다.
(2) AI 에이전트의 다음 문제: 실행보다 더 중요한 것은 권한과 책임이다
💡 핵심: AI 에이전트는 이미 기업 업무를 대규모로 실행하고 있습니다. Prophet Security는 6개월간 100만 건 이상의 SOC 조사를 수행했고, Bretton AI는 120만 건의 금융 범죄 케이스를 처리했습니다. 이제 문제는 “할 수 있느냐”가 아니라 “누가 책임지느냐”입니다.
2026년 AI 시장에서 가장 중요한 키워드 중 하나는 단연 AI Agent입니다.
다만 여기서 말하는 AI 에이전트는 단순한 챗봇이 아닙니다. 사용자가 질문하면 답변하는 수준을 넘어, 기업 시스템 안에서 여러 단계를 스스로 판단하고 실행하는 소프트웨어에 가깝습니다.
예를 들어 보안 영역에서는 AI가 이상 징후를 탐지하고, 로그를 분석하고, 사건을 분류하고, 대응 절차를 실행합니다. 금융에서는 의심 거래나 금융 범죄 케이스를 검토하고, 필요한 업무 흐름을 자동으로 처리합니다.
CB Insights 리포트에서 언급된 것처럼, Prophet Security는 6개월 동안 100만 건 이상의 SOC 조사를 수행했고, Bretton AI는 120만 건의 금융 범죄 케이스를 처리했습니다. 이것은 AI 에이전트가 더 이상 실험실 안에 머물러 있지 않다는 뜻입니다.
그렇다면 다음 질문은 무엇일까요?
AI 에이전트가 실수하면 누가 책임질까요?
기업 시스템 안에서 AI 에이전트는 직원도 아니고, 전통적인 소프트웨어도 아니고, 단순 API 계정도 아닙니다. 그런데 실제로는 데이터를 읽고, 의사결정을 보조하고, 때로는 시스템에 영향을 미치는 행동을 합니다.
이 지점에서 새로운 인프라 시장이 열립니다.
문제 | 필요한 인프라 | 대표 기업 |
|---|---|---|
AI 에이전트가 누구인지 식별해야 함 | Identity / Credentialing | Keycard |
어떤 권한으로 어떤 작업을 했는지 확인해야 함 | Scoped authority / Audit trail | Keycard, Geordie AI |
배포 전 위험한 행동을 검증해야 함 | Pre-deployment assurance | Virtue AI |
공격이나 오작동을 방어해야 함 | Model & agent security | Straiker |
운영 중 행동을 관찰해야 함 | Observability & governance | Dash0, Geordie AI, Knostic |
이 흐름은 상당히 중요합니다.
사람 직원에게는 계정, 권한, 직무 범위, 승인 체계, 감사 로그가 있습니다. 그런데 AI 에이전트가 기업 업무를 수행하기 시작하면, AI에게도 비슷한 체계가 필요합니다.
CB Insights는 이를 일종의 Know Your Agent, KYA 흐름으로 설명합니다. 사람에게 KYC가 필요했다면, AI 에이전트에게는 KYA가 필요해지는 셈입니다.
이 관점에서 보면, 앞으로 AI 에이전트 시장의 승자는 단순히 “똑똑한 에이전트”를 만드는 회사가 아닐 수 있습니다. 오히려 기업들이 안심하고 에이전트를 배포할 수 있도록 만드는 권한·보안·감사·거버넌스 인프라 회사가 더 큰 기회를 가져갈 가능성이 있습니다.
(3) Physical AI의 부상: 로봇 한 대가 아니라 로봇 군단을 운영하는 시장
💡 핵심: 2026년 AI 100에서 Physical AI는 처음으로 독립 카테고리로 등장했고, 총 11개 기업이 포함됐습니다. 핵심은 단일 로봇의 성능이 아니라 여러 자율 시스템을 함께 조율하는 능력입니다.
이번 리포트에서 특히 눈에 띄는 변화는 Physical AI가 독립 카테고리로 등장했다는 점입니다.
Physical AI는 로봇, 자율주행 장비, 자율 선박, 휴머노이드, 산업용 로봇처럼 물리 세계에서 인식하고 판단하고 행동하는 AI 시스템을 의미합니다.
AI가 화면 안에서 답변을 생성하는 단계를 넘어, 실제 세계에서 움직이는 기계와 결합하기 시작한 것입니다.
CB Insights는 Physical AI 관련 투자가 2025년에 780억 달러를 기록했다고 설명합니다. 이는 AI가 소프트웨어 시장을 넘어 제조, 물류, 국방, 건설, 산업 자동화로 확장되고 있다는 강한 신호입니다.
Physical AI 기업은 크게 두 부류로 나뉩니다.
구분 | 설명 | 대표 기업 |
|---|---|---|
Robotics software & models | 로봇의 인식, 이동, 의사결정을 지원하는 소프트웨어와 모델 | Augmentus, FieldAI, Generalist AI, InOrbit |
Robots & enabling hardware | 실제 로봇, 자율 시스템, 반도체, 하드웨어 | Blue Water Autonomy, BOS Semiconductors, DYNA, Gravis Robotics, Humanoid, Persona AI, The Bot Company |
여기서 중요한 포인트는 단순히 “로봇을 잘 만든다”가 아닙니다.
대부분의 초기 로봇 도입은 단일 장비 중심으로 진행됩니다. 로봇 한 대가 특정 작업을 수행하는 방식입니다. 하지만 기업 현장에서 진짜 생산성을 만들려면 여러 대의 로봇, 다양한 벤더의 장비, 여러 작업 환경을 하나의 목표 아래 조율해야 합니다.
즉, 다음 경쟁은 robot orchestration입니다.
예를 들어 InOrbit은 벤더에 종속되지 않는 로봇 오케스트레이션을 지향하고, FieldAI는 여러 에이전트 또는 로봇이 함께 작동할 수 있는 프레임워크를 강조합니다. Gravis Robotics는 한 명의 운영자가 하나 이상의 장비를 감독할 수 있는 원격 오케스트레이션 방식을 제시합니다.
이 흐름은 클라우드 시장의 초기와도 닮아 있습니다.
초기에는 서버 자체가 중요했습니다.
그다음에는 서버를 어떻게 배포하고 모니터링하고 확장할지가 중요해졌습니다.
Physical AI에서도 비슷한 일이 벌어질 가능성이 높습니다.
초기에는 로봇 자체가 중요합니다.
하지만 시간이 지나면 로봇을 어떻게 배치하고, 조율하고, 모니터링하고, 유지보수할지가 더 중요해질 수 있습니다.
결국 Physical AI 시장의 큰 기회는 하드웨어 자체뿐 아니라, 그 하드웨어를 기업 현장에서 운영 가능하게 만드는 운영체제, 관제 시스템, fleet orchestration layer에 있을 가능성이 높습니다.
(4) Vertical AI의 진짜 해자: 업종보다 데이터의 성격이 중요하다
💡 핵심: CB Insights는 Vertical AI의 승부처를 업종이 아니라 데이터의 성격으로 봅니다. 비텍스트 전문 데이터, 전환비용이 큰 워크플로우, 접근이 어려운 희소 데이터가 핵심 해자가 됩니다.
Vertical AI를 이야기할 때 흔히 이렇게 나눕니다.
금융 AI.
헬스케어 AI.
법률 AI.
산업 AI.
리테일 AI.
물론 이 구분도 필요합니다. 하지만 CB Insights 리포트가 더 흥미로운 이유는, Vertical AI의 본질을 업종보다 데이터의 성격에서 찾는다는 점입니다.
왜 그럴까요?
AI가 특정 산업에서 강력한 제품이 되려면, 단순히 그 업종 이름을 붙이는 것만으로는 부족합니다. 그 산업에서 실제로 쓰이는 데이터가 무엇인지, 그 데이터를 범용 모델이 이해할 수 있는지, 데이터 접근이 쉬운지, 업무 흐름 안에 얼마나 깊게 들어갈 수 있는지가 중요합니다.
리포트는 Vertical AI의 해자를 크게 세 가지로 나눠볼 수 있음을 보여줍니다.
데이터 유형 | 해자 방식 | 대표 사례 |
|---|---|---|
비텍스트 전문 데이터 | 범용 모델이 이해하기 어려워 자체 모델 필요 | Chai Discovery, Leo AI |
기존 모델이 읽을 수 있는 데이터 | 업무 시스템에 깊게 들어가 전환비용 형성 | Bretton AI, Further AI, Salient |
접근이 어려운 희소 데이터 | 데이터 접근권 자체가 경쟁력 | Atomic Canyon, Assort Health |
첫 번째는 비텍스트 데이터입니다.
예를 들어 분자 구조, 항체 설계 데이터, CAD 도면, 재료 특성 데이터, 기계공학 설계 데이터는 일반 텍스트와 다릅니다. 범용 LLM이 자연스럽게 읽고 이해하기 어렵습니다. 이 경우에는 특정 데이터 구조를 이해하는 자체 모델이나 특화 모델이 필요합니다.
Chai Discovery는 항체 설계 모델을 기반으로 성장했고, Leo AI는 기계공학 질문에서 일반 도구 대비 높은 정확도를 보인다고 설명됩니다. 리포트에 따르면 Chai Discovery는 15개월 만에 1억 5,000만 달러에서 13억 달러 가치로 성장했습니다.
두 번째는 전환비용입니다.
금융 서비스 영역의 Bretton AI, Further AI, Salient 같은 기업은 꼭 자체 파운데이션 모델을 만드는 방식이 아닐 수 있습니다. 대신 기존 AI 모델을 활용하더라도, 컴플라이언스 업무, 대출 시스템, 금융 범죄 탐지 프로세스 안에 깊게 들어가면 쉽게 교체하기 어려워집니다.
특히 Salient는 0% 고객 이탈률과 100% 파일럿 전환율을 보여주는 사례로 언급됩니다. 이는 AI의 기술력뿐 아니라, 실제 업무 프로세스 안에 얼마나 깊게 들어갔는지가 중요하다는 점을 보여줍니다.
세 번째는 희소 데이터 접근권입니다.
Atomic Canyon은 미국 원자력규제위원회 NRC의 5,300만 페이지 규제 데이터베이스를 기반으로 학습했고, Assort Health는 1억 2,500만 건 이상의 환자 상호작용을 인코딩했다고 설명됩니다.
이런 데이터는 단순히 인터넷에서 수집하기 어렵습니다. 규제, 라이선스, 기관 접근성, 도메인 전문성 등이 결합되어 있기 때문입니다.
결국 Vertical AI의 핵심 질문은 “어느 산업인가?”가 아닙니다.
더 정확한 질문은 이것입니다.
이 회사가 가진 데이터는 범용 AI가 쉽게 따라 할 수 있는가?
이 회사의 제품은 고객 업무 흐름 안에 얼마나 깊게 들어가 있는가?
경쟁사가 같은 데이터를 확보할 수 있는가?
이 질문에 강하게 답할 수 있는 회사일수록 오래 살아남을 가능성이 높아 보입니다.
(5) AI 100 기업 전체 정리
💡 핵심: AI 100은 단순한 “AI 스타트업 목록”이 아니라, 2026년 AI 시장이 어디로 이동하는지 보여주는 지형도입니다. 아래 표를 보면 기업용 에이전트, 산업 특화 AI, AI 인프라, Physical AI가 각각 어떤 문제를 풀고 있는지 더 명확하게 보입니다.
Enterprise Applications
No. | 기업 | 분야 | 간략 서비스 소개 | 홈페이지 |
|---|---|---|---|---|
1 | Anam | Customer support | 실시간 인터랙티브 AI 아바타 API. 고객지원, 교육, 세일즈용 저지연 영상 AI 아바타를 제공 | |
2 | Strella | Customer support | AI 기반 고객 리서치 플랫폼. AI 인터뷰를 통해 고객 인사이트를 빠르게 수집·분석 | |
3 | 7AI | Cyber & physical security | AI SOC 에이전트 플랫폼. 보안 알림 조사와 대응 업무를 자율 에이전트가 처리 | |
4 | Aurascape | Cyber & physical security | 기업 내 AI 사용을 탐지·통제하고 민감 데이터 유출을 방지하는 AI 보안 플랫폼 | |
5 | depthfirst | Cyber & physical security | 코드, 비즈니스 로직, 인프라를 이해해 취약점을 찾는 AI-native 보안 플랫폼 | |
6 | Lumana | Cyber & physical security | AI 기반 영상·물리 보안 분석 솔루션으로 추정 | - |
7 | Prophet | Cyber & physical security | 보안 운영 전 과정에서 알림 조사, 위협 탐지, 대응을 자동화하는 Agentic AI SOC 플랫폼 | |
8 | Simbian | Cyber & physical security | 네트워크·보안 운영을 자동화하는 AI 보안 에이전트 플랫폼 | |
9 | Alex | HR | AI 리크루터. 후보자 소싱, 스크리닝, 인터뷰, 일정 조율을 자동화 | |
10 | Tako | HR | 채용, 인사 운영, 노동 분쟁 관리에 AI를 적용하는 People Ops 플랫폼 | |
11 | Bluefish | Marketing | 브랜드가 AI 검색·생성형 AI 채널에서 어떻게 노출되는지 관리하는 AI 마케팅 플랫폼 | |
12 | Creatify AI | Marketing | 제품 URL이나 이미지를 기반으로 AI 영상 광고와 UGC 스타일 광고를 생성 | |
13 | Newton Research | Marketing | 브랜드의 고객 360 분석, 예측 모델링, 마케팅 분석 워크플로우 자동화 | |
14 | Profound | Marketing | AI 검색 시대의 브랜드 가시성, 프롬프트 수요, AI 답변 내 노출을 분석·최적화 | |
15 | MainFunc | Productivity & enterprise workflows | Genspark를 운영하는 AI 워크스페이스 기업. 지식근로자 업무를 자율적으로 완성하는 에이전트 지향 플랫폼 | |
16 | Narada | Productivity & enterprise workflows | 기업 내부 도구와 워크플로우를 Large Action Model 기반으로 자동화하는 Agentic Process Automation 플랫폼 | |
17 | Pokee AI | Productivity & enterprise workflows | 기업 인프라 안에서 AI 에이전트를 배포·확장하는 에이전트 운영 플랫폼 | |
18 | Serval | Productivity & enterprise workflows | IT 서비스 관리 플랫폼. 헬프데스크, 권한 요청, 인시던트, 자산 관리 업무를 AI로 자동화 | |
19 | Actively AI | Sales | 계정별 AI 에이전트가 영업 기회, 고객 생애주기, 다음 액션을 관리하는 세일즈 AI 플랫폼 | |
20 | Netic | Sales | 서비스 기업의 리드 전환, 예약, 고객 응대를 자동화하는 AI 성장 엔진 | |
21 | Reevo | Sales | 리드 발굴, 아웃리치, CRM, 파이프라인 관리를 통합하는 AI 기반 Revenue OS | |
22 | Antithesis | Software development & coding tools | 소프트웨어 테스트와 버그 탐지를 자동화하는 개발 인프라 플랫폼 | |
23 | PlayerZero | Software development & coding tools | 코드, 티켓, 관측 데이터, 의사결정 맥락을 연결해 SRE·QA·지원 업무를 자동화하는 AI Production Engineering 플랫폼 | |
24 | Resolve AI | Software development & coding tools | 개발·운영 문제 해결을 위한 AI 코딩 및 소프트웨어 에이전트로 추정 | - |
25 | Superblocks | Software development & coding tools | 기업 내부 데이터 기반 AI 앱을 생성하고 IT가 권한·감사·통합을 관리하는 엔터프라이즈 앱 플랫폼 |
Anam은 실시간 AI 아바타 API를, Strella는 AI 고객 인터뷰 플랫폼을, 7AI는 AI SOC 에이전트 플랫폼을 공식 사이트에서 설명하고 있어 Enterprise Applications 영역의 방향성을 잘 보여줍니다.
Industry Applications
No. | 기업 | 분야 | 간략 서비스 소개 | 홈페이지 |
|---|---|---|---|---|
26 | Alta | Consumer & retail | 소비자·리테일 영역 AI 애플리케이션으로 분류. 구체 서비스는 확인 필요 | - |
27 | Oboe | Consumer & retail | 소비자·리테일 영역 AI 애플리케이션으로 분류. 구체 서비스는 확인 필요 | - |
28 | Raspberry AI | Consumer & retail | 패션 산업의 제품 개발·디자인 프로세스를 지원하는 생성형 AI 솔루션 | - |
29 | AgentSmyth | Financial services | 금융기관용 자율 AI 에이전트. 투자·트레이딩 리서치와 시장 인사이트 업무 지원 | |
30 | Avantos | Financial services | 금융 서비스 워크플로우 자동화 AI로 분류. 구체 서비스는 확인 필요 | - |
31 | Bretton AI | Financial services | 금융 범죄 대응용 AI 에이전트 플랫폼. 컴플라이언스 시스템 안에서 케이스 처리 자동화 | |
32 | Casap | Financial services | 금융 서비스 프로세스 자동화 AI로 분류. 구체 서비스는 확인 필요 | - |
33 | Further AI | Financial services | 상업 보험사를 위한 AI 워크스페이스. 언더라이팅, 문서 처리, 보험 운영 자동화 | |
34 | Light | Financial services | 금융 서비스 AI 애플리케이션으로 분류. 구체 서비스는 확인 필요 | - |
35 | Questflow | Financial services | 금융 워크플로우·에이전트 자동화 영역으로 분류. 구체 서비스는 확인 필요 | - |
36 | Salient | Financial services | 미국 소비자 대출사를 위한 AI 음성 에이전트. 추심, 고객지원, 분쟁, 차지백 업무 자동화 | |
37 | TidalWave | Financial services | 대출기관용 AI 워크플로우 자동화. 문서 검토, 데이터 입력, 대출 처리 자동화 | |
38 | Assort Health | Healthcare & life sciences | 전문 진료 분야의 환자 접근성, 전화 응대, 예약, 워크플로우 자동화 AI | |
39 | Boltz | Healthcare & life sciences | 생명과학·분자/단백질 설계 관련 AI 모델 기업으로 분류 | - |
40 | Chai Discovery | Healthcare & life sciences | 항체·단백질 등 생명과학 연구를 위한 AI 모델 기업 | - |
41 | Elicit | Healthcare & life sciences | 연구 논문 검색, 문헌 리뷰, 과학적 근거 정리를 돕는 AI 리서치 어시스턴트 | |
42 | Ellipsis Health | Healthcare & life sciences | 헬스케어용 AI Care Manager. 감정 지능 기반 환자 관리와 케어 커뮤니케이션 지원 | |
43 | Layer Health | Healthcare & life sciences | 임상 문서·의료 데이터 분석을 위한 헬스케어 AI로 분류 | - |
44 | Penguin Ai | Healthcare & life sciences | 헬스케어·생명과학 AI 애플리케이션으로 분류. 구체 서비스는 확인 필요 | - |
45 | Periodic Labs | Healthcare & life sciences | 과학 실험·재료·생명과학 연구 자동화 AI 기업으로 분류 | - |
46 | Qualified Health | Healthcare & life sciences | 헬스케어 데이터·진료 워크플로우 기반 AI 기업으로 분류 | - |
47 | Atomic Canyon | Industrials | 원자력 규제 문서 등 산업 규제 데이터를 기반으로 한 AI 검색·분석 솔루션 | - |
48 | CuspAI | Industrials | 소재·화학·분자 설계를 위한 AI 플랫폼 | - |
49 | Leo AI | Industrials | 기계공학·제조 설계 데이터를 이해하는 산업용 AI 엔지니어링 도구 | - |
50 | Procure Ai | Industrials | 조달·구매 프로세스를 최적화하는 산업용 AI 솔루션으로 분류 | - |
51 | Qbiq | Industrials | 공간·부동산·건축 설계 자동화 AI로 추정 | - |
52 | Ankar | Legal | 법률 리서치, 문서 분석, 계약 검토 영역의 AI 도구로 분류 | - |
53 | DeepJudge | Legal | 법률 문서, 판례, 계약 분석을 지원하는 Legal AI 플랫폼 | - |
54 | Enter | Legal | 법률 업무 자동화 AI 애플리케이션으로 분류 | - |
Financial services 영역에서는 AgentSmyth, Bretton AI, Further AI, Salient, TidalWave처럼 실제 금융 업무 흐름 안으로 들어가는 AI 에이전트들이 눈에 띕니다. 특히 Bretton은 금융 범죄 대응 AI 에이전트, Salient는 소비자 대출사를 위한 AI 음성 에이전트, TidalWave는 대출 처리 자동화를 전면에 내세웁니다.
Infrastructure & Compute
No. | 기업 | 분야 | 간략 서비스 소개 | 홈페이지 |
|---|---|---|---|---|
55 | Rhino Federated Computing | Data | 연합학습·프라이버시 보존 데이터 처리 기반 AI 데이터 인프라 | - |
56 | Aaru | Data | 합성 데이터 생성 플랫폼으로 분류 | - |
57 | LanceDB | Data | AI 애플리케이션을 위한 오픈소스 벡터 데이터베이스 | |
58 | AMESA | Development & deployment | AI 개발·오케스트레이션 플랫폼으로 분류 | - |
59 | Applied Compute | Development & deployment | AI 개발·컴퓨팅 인프라 및 오케스트레이션 영역 기업 | - |
60 | E2B | Development & deployment | AI 에이전트와 앱을 위한 샌드박스 실행 환경·개발 인프라 | |
61 | Linkup | Development & deployment | AI 에이전트가 웹·데이터 소스에 접근하도록 돕는 검색·연결 인프라로 분류 | - |
62 | Lyzr | Development & deployment | 기업용 AI 에이전트 구축·배포 플랫폼 | |
63 | Maisa AI | Development & deployment | AI 에이전트 개발·운영 플랫폼으로 분류 | - |
64 | Parallel | Development & deployment | AI 개발·오케스트레이션 인프라 기업으로 분류 | - |
65 | Seekr | Development & deployment | 신뢰성, 평가, 콘텐츠 안전성을 중심으로 한 AI 개발 인프라 기업으로 분류 | - |
66 | StackOne | Development & deployment | SaaS·HR·업무 시스템 API 통합 인프라. AI 앱의 엔터프라이즈 연동을 지원 | |
67 | Thread AI | Development & deployment | 기업용 AI 워크플로우와 에이전트 오케스트레이션 플랫폼 | - |
68 | Browser Use | Development & deployment | AI 에이전트가 브라우저를 조작하도록 돕는 웹 자동화 오픈소스/개발 도구 | |
69 | LlamaIndex | Development & deployment | LLM 애플리케이션을 위한 데이터 연결, RAG, 에이전트 개발 프레임워크 | |
70 | FriendliAI | Development & deployment | AI 모델 서빙·배포 인프라 플랫폼 | |
71 | Ami Labs | Development & deployment | AI 모델 개발·배포 영역으로 분류. 구체 서비스는 확인 필요 | - |
72 | Black Forest Labs | Development & deployment | 이미지 생성 AI 모델 기업. FLUX 계열 모델로 알려짐 | |
73 | Moonlake AI | Development & deployment | AI 모델 기업으로 분류. 구체 서비스는 확인 필요 | - |
74 | Moonvalley | Development & deployment | 영상 생성 AI 모델·크리에이티브 AI 플랫폼 | |
75 | Paid | Development & deployment | AI 앱·모델 수익화 인프라로 분류 | - |
76 | ChipAgents | Hardware & computing | AI 칩 설계·검증 관련 에이전트/인프라로 분류 | - |
77 | SiPearl | Hardware & computing | 고성능 컴퓨팅용 프로세서·칩 기업 | |
78 | Unconventional AI | Hardware & computing | AI 컴퓨팅 인프라 기업으로 분류 | - |
79 | Majestic Labs AI | Hardware & computing | AI 서버·컴퓨팅 하드웨어 영역으로 분류 | - |
80 | Positron | Hardware & computing | AI 추론·서빙용 컴퓨팅 하드웨어 기업 | - |
81 | Dash0 | Observability & evaluation | AI·클라우드 시스템 관측 가능성, 로그·메트릭·트레이스 분석 플랫폼 | |
82 | Geordie AI | Observability & evaluation | 자율 AI 시스템의 리스크 완화, 관측, 거버넌스 플랫폼 | - |
83 | InCountry | Observability & evaluation | 데이터 레지던시·컴플라이언스 기반 AI 거버넌스 인프라로 분류 | - |
84 | Knostic | Observability & evaluation | 기업 AI 사용에서 권한, 지식 접근, 데이터 노출을 제어하는 보안·거버넌스 플랫폼 | - |
85 | Thinking Machines Lab | Observability & evaluation | AI 모델 파인튜닝·연구 인프라 기업으로 분류 | - |
86 | LMArena | Observability & evaluation | LLM 벤치마킹, 모델 비교, 모델 라우팅 관련 플랫폼 | - |
87 | Keycard | Observability & evaluation | AI 에이전트의 신원, 권한, credential을 관리하는 Model & agent security 인프라 | - |
88 | Straiker | Observability & evaluation | 모델·에이전트 보안, 적대적 테스트, 런타임 보호 플랫폼 | - |
89 | Virtue AI | Observability & evaluation | AI 모델 행동 검증, 배포 전 테스트, 에이전트 보안 검증 플랫폼 | - |
이 영역은 이번 AI 100에서 가장 큰 비중을 차지합니다. 발표 기준으로 Infrastructure & compute는 35개 기업으로, 전체의 35%입니다. 이는 2026년 AI 시장에서 “앱을 만드는 회사”만큼이나 “AI를 안전하게 만들고, 배포하고, 관찰하고, 운영하게 하는 회사”가 중요해지고 있음을 보여줍니다.
Physical AI
No. | 기업 | 분야 | 간략 서비스 소개 | 홈페이지 |
|---|---|---|---|---|
90 | Augmentus | Robotics software & models | 로봇 프로그래밍·자동화 소프트웨어. 제조 현장 로봇 배포를 단순화하는 플랫폼으로 분류 | - |
91 | FieldAI | Robotics software & models | 로봇이 비정형 환경에서 자율적으로 인식·이동·판단하도록 돕는 Physical AI 소프트웨어 | - |
92 | Generalist AI | Robotics software & models | 범용 로봇 지능·로봇 파운데이션 모델 영역 기업으로 분류 | - |
93 | InOrbit | Robotics software & models | 여러 로봇과 벤더를 통합 관제·오케스트레이션하는 로봇 운영 플랫폼 | |
94 | Blue Water Autonomy | Robots & enabling hardware | 자율 선박·해양 자율 시스템 개발 기업 | - |
95 | BOS Semiconductors | Robots & enabling hardware | 자율주행·로봇용 반도체 및 차량용 AI 칩 기업 | - |
96 | DYNA | Robots & enabling hardware | 범용 로봇·자율 시스템 하드웨어 기업으로 분류 | - |
97 | Gravis Robotics | Robots & enabling hardware | 건설·산업 장비의 원격 운영과 자율화를 지원하는 로봇 기업 | - |
98 | Humanoid | Robots & enabling hardware | 산업용 휴머노이드 로봇 개발 기업 | - |
99 | Persona AI | Robots & enabling hardware | 산업용 휴머노이드·범용 로봇 하드웨어 기업 | - |
100 | The Bot Company | Robots & enabling hardware | 일상·가정·업무 환경용 범용 로봇 개발 기업으로 분류 | - |
Physical AI는 이번 리포트에서 처음 독립 카테고리로 등장한 영역입니다. Physical AI를 “물리 세계에서 인식하고, 판단하고, 행동하는 자율 기계·로봇 AI 시스템”으로 정의하고, 총 11개 기업을 포함했습니다.
(6) 창업자와 투자자가 봐야 할 포인트: AI 기능이 아니라 ‘잠금 효과’를 만들어야 한다
💡 핵심: 2026년 AI 시장에서 지속 가능한 회사는 모델 성능만으로 승부하지 않습니다. 데이터 접근권, 워크플로우 내재화, 에이전트 거버넌스, 물리 세계 운영 레이어가 핵심 경쟁력이 됩니다.
그렇다면 이 리포트를 창업자나 사업 기획자 관점에서 어떻게 읽어야 할까요?
가장 먼저 버려야 할 생각은 “AI 기능을 붙이면 차별화된다”는 접근입니다. 이미 많은 시장에서 AI 기능은 빠르게 보편화되고 있습니다. 고객 입장에서는 “AI가 들어갔다”는 사실 자체보다, 실제 업무 성과가 얼마나 개선되는지가 중요합니다.
앞으로 더 중요한 질문은 이런 것들입니다.
첫째, 이 제품은 고객의 핵심 워크플로우 안에 들어가 있는가?
둘째, 고객이 이 제품을 쓰면 데이터가 계속 쌓이는가?
셋째, 시간이 지날수록 제품이 더 좋아지는 구조인가?
넷째, 교체하려면 고객이 실제로 불편함을 느끼는가?
다섯째, 범용 모델이 좋아져도 이 회사의 가치가 유지되는가?
이 질문에 답하지 못하면, AI 스타트업은 기능 경쟁에 갇힐 가능성이 큽니다.
반대로 답할 수 있다면, 작은 시장에서 시작하더라도 강력한 회사를 만들 수 있습니다.
예를 들어 법률 AI는 단순 문서 요약만으로는 방어력이 약할 수 있습니다. 하지만 특정 유형의 계약, 특정 판례 데이터, 특정 기업 내부 검토 프로세스에 깊게 들어가면 전환비용이 생깁니다.
헬스케어 AI도 마찬가지입니다. 단순 문진 챗봇은 따라 하기 쉽습니다. 하지만 병원 운영 데이터, 환자 커뮤니케이션 이력, 보험·청구·진료 워크플로우와 결합되면 훨씬 강한 제품이 됩니다.
산업 AI 역시 범용 챗봇으로 접근하기 어렵습니다. CAD, 설계 데이터, 기계 도면, 공정 데이터는 텍스트와 다른 구조를 갖습니다. 이 데이터를 제대로 이해하는 모델과 워크플로우를 만들면, 범용 모델이 발전해도 쉽게 대체되기 어렵습니다.
결국 2026년 AI 스타트업의 전략은 이렇게 정리할 수 있습니다.
전략 질문 | 좋은 방향 |
|---|---|
어떤 모델을 쓸 것인가? | 중요하지만 충분하지 않음 |
어떤 데이터를 장악할 것인가? | 핵심 해자 |
어떤 워크플로우에 들어갈 것인가? | 전환비용 형성 |
어떤 리스크를 줄여줄 것인가? | 기업 구매 명분 |
고객이 왜 계속 써야 하는가? | 지속 가능성 |
AI 시장은 빠르게 커지고 있지만, 동시에 기능의 수명은 짧아지고 있습니다. 그래서 더 중요한 것은 기능이 아니라 구조적 방어력입니다.
마치며
CB Insights AI 100 2026은 단순한 유망 스타트업 목록이 아닙니다. 2026년 AI 시장이 어디로 이동하고 있는지를 보여주는 지형도에 가깝습니다.
이 지형도에서 가장 중요한 변화는 세 가지입니다.
첫째, AI 에이전트는 이제 기업 업무를 실제로 실행하고 있습니다. 그래서 앞으로는 에이전트를 통제하고 책임을 부여하는 거버넌스 인프라가 중요해집니다.
둘째, AI는 소프트웨어를 넘어 물리 세계로 확장되고 있습니다. 로봇 한 대의 성능보다 여러 자율 시스템을 함께 운영하는 Physical AI orchestration이 중요한 시장으로 떠오르고 있습니다.
셋째, Vertical AI의 승부처는 산업 이름이 아니라 데이터의 성격입니다. 범용 모델이 쉽게 이해하지 못하는 데이터, 접근하기 어려운 데이터, 고객 워크플로우 안에서 계속 쌓이는 데이터가 진짜 해자가 됩니다.
결국 2026년 AI 시장의 핵심은 “누가 더 멋진 데모를 보여주는가”가 아닙니다.
누가 AI를 실제 업무에 배포하고, 책임 있게 운영하며, 고객의 데이터와 워크플로우 안에서 빠져나오기 어려운 가치를 만드는가.
이 질문에 답하는 기업들이 다음 세대 AI 시장의 주도권을 가져갈 가능성이 높아 보입니다.