애프트쿼리 vs 시갈드리 테크놀로지스

애프트쿼리 장단점

• 단순 라벨링을 넘어 골드만삭스, 구글 출신 등 실제 업계 전문가들이 직접 설계한 고품질 데이터를 제공하므로 모델의 전문성이 비약적으로 향상됩니다. 특히 루브릭(Rubrics) 기반의 RLHF를 통해 모델이 왜 해당 답변을 내놓아야 하는지에 대한 정교한 피드백을 학습시킬 수 있으며, 에이전트 전용 훈련 환경을 통해 복잡한 멀티스텝 워크플로우 학습이 가능합니다. 또한 독자적인 벤치마크(IDE-Bench, FinanceQA 등)를 보유하고 있어 모델 성능을 객관적으로 검증할 수 있는 연구 역량이 뛰어납니다.

• 전문 인력을 직접 투입하는 방식의 특성상 구축 비용이 경쟁사 대비 매우 높을 것으로 예상되며, 대규모 범용 데이터를 단기간에 확보해야 하는 프로젝트에는 가성비가 떨어질 수 있습니다. 소규모 스타트업이나 개인 개발자를 위한 셀프 서비스 플랜이나 공개된 가격 정보가 부족하여 접근성이 낮으며, 주로 최상위 AI 리서치 랩이나 엔터프라이즈를 타겟으로 하기에 도입 상담 과정이 복잡할 수 있다는 점이 진입 장벽으로 작용합니다.

시갈드리 테크놀로지스 장단점

• 가장 큰 장점은 기존 GPU 인프라 대비 지수적인 성능 향상과 획기적인 에너지 절감 가능성입니다. Rigetti Computing 창업자 출신의 기술적 전문성을 바탕으로, 양자-클래식 하이브리드 설계를 통해 LLM의 토큰 생성 비용을 대폭 낮출 수 있다는 기대를 모으고 있습니다. 특히 중성 원자의 안정성과 광자의 빠른 통신 능력을 결합한 설계는 양자 연산의 고질적 문제인 오류율을 줄이는 데 효과적이며, AI 연구자가 기존 워크플로우를 크게 바꾸지 않고도 양자 가속을 활용할 수 있는 통합 도구를 지향한다는 점이 전문가들로부터 긍정적인 평가를 받습니다.

• 현재 Y Combinator 2025 배치에 포함된 초기 단계 기업으로, 실제 벤치마크 수치나 상용 제품의 보급이 제한적이라는 점이 가장 큰 한계입니다. NVIDIA의 독점적인 소프트웨어 생태계에 익숙한 개발자들이 Sygaldry의 하이브리드 환경으로 전환하는 데 따르는 학습 곡선과 호환성 문제가 존재할 수 있습니다. 또한 양자 하드웨어 특유의 초저온 유지 장치나 복잡한 제어 시스템이 데이터 센터에 통합될 때 발생하는 물리적 유지보수 비용과 인프라 구축의 복잡성 역시 실질적인 도입을 망설이게 하는 요인으로 지적됩니다.

애프트쿼리 주요 기능

• 고품질 SFT·RLHF 훈련용 전문가 제작 데이터 페어
• 추론·코딩 성능 개선을 위한 루브릭 기반 피드백
• MCP 기반 에이전트 훈련 상호작용 데이터
• 맞춤형 도메인 특화 데이터셋 제작 서비스
• 컴퓨터 사용 환경 시뮬레이션 및 데이터 수집

시갈드리 테크놀로지스 주요 기능

• 다중 큐비트 방식 결합 내결함성 양자 아키텍처
• AI 훈련·추론 지수적 가속
• 기존 클래식 인프라와 데이터센터 내 병행 운영
• AI 연구자 워크플로우 원활 통합용 양자 알고리즘 툴킷
• 재료과학·우주론 등 복잡 분야 연산 지원