딜리네이트 vs 스타클라우드

딜리네이트 장단점

• 가장 큰 장점은 수작업으로 수개월이 걸리던 임상 데이터 수집 및 구조화 작업을 약 15배 이상 빠르게 처리할 수 있다는 점입니다. 특히 논문 속 그래프(Plots)에 숨겨진 수치를 정확하게 복원하는 능력이 뛰어나, 데이터가 소실된 과거 연구 결과도 다시 활용할 수 있게 해줍니다. 글로벌 Top 10 제약사들과 협업하며 검증된 높은 데이터 품질과 품질 관리(QC) 프로세스를 제공하며, 이를 통해 임상 설계 단계에서 하루만 앞당겨도 발생하는 수백만 달러의 기회비용을 절감하는 데 실질적인 도움을 줍니다.

• 제약 및 바이오 전문 엔터프라이즈 솔루션 특성상 일반 사용자가 접근하기 어려운 폐쇄적인 가격 정책을 가지고 있으며, 도입 비용이 상당히 높을 것으로 예상됩니다. AI가 추출한 데이터라 할지라도 임상 시험이라는 특수성 때문에 최종 단계에서는 반드시 전문가의 검토가 필요하다는 인적 리소스 부담이 여전히 존재합니다. 또한 현재는 영어권 기반의 연구 자료 처리에 최적화되어 있어, 한국어 등으로 작성된 국내 특허나 로컬 임상 자료에 대한 처리 정확도는 상대적으로 낮을 수 있다는 한계가 있습니다.

스타클라우드 장단점

• 태양 에너지를 무제한으로 활용할 수 있어 전력 비용 절감과 탄소 중립 목표 달성에 유리하며, 우주의 진공 환경을 활용한 방사 냉각으로 별도의 냉각 시스템 비용을 줄일 수 있습니다. 창립 21개월 만에 6500만 달러(약 900억 원) 시리즈 A 투자를 유치한 점은 투자자들의 기술적 가능성에 대한 신뢰를 보여줍니다. Nvidia H100 GPU를 탑재한 최초의 상업용 우주 컴퓨팅 위성을 발사한다는 점은 업계 최초의 시도로 의미가 있습니다.

• 아직 서비스가 런칭되지 않아 실제 성능, 안정성, 가격 경쟁력을 검증할 수 없습니다. 위성 발사와 운영의 높은 초기 비용, 발사 실패나 우주 쓰레기 충돌 등의 리스크가 존재하며, 지상과의 통신 지연(레이턴시) 문제로 실시간 추론보다는 배치 학습에 제한적으로 활용될 가능성이 큽니다. 하나의 위성에 의존하는 경우 단일 실패 지점(SPOF)이 될 수 있어 고가용성 보장이 어려울 수 있습니다.

딜리네이트 주요 기능

• AI 에이전트 기반 체계적 문헌 고찰 자동화
• 컴퓨터 비전을 활용한 그래프·도표 수치 추출(plot digitization)
• 100% 감사 가능한 데이터 출처 추적
• 특정 약물 계급에 특화된 대규모 데이터셋 구축
• 비구조화 문서(PDF·특허)의 구조화 변환
• 멀티소스 파라미터 추출 및 생물학적 메커니즘 탐색

스타클라우드 주요 기능

• 24시간 태양광 에너지 및 우주 방사 냉각 활용 데이터센터
• NVIDIA H100·Blackwell GPU 기반 우주 내 고성능 연산
• Crusoe Cloud 연동을 통한 우주 클라우드 워크로드 배포
• 우주에서 LLM 학습 및 Gemini 모델 실행 최초 달성
• FCC 제안: 최대 88,000기 위성 컨스텔레이션 구축 계획