Lasso에 3000만달러, GPU 없는 AI 방어벽은 자체 측정치다

Lasso Security는 2026년 9월 2일 3000만달러 규모의 투자 유치와 CPU 기반 AI 가드레일 LEAP 출시를 발표했다. Lasso Security의 9월 2일 공식 발표 에 따르면 ClearSky가 투자를 주도했고 Entrée Capital, iAngels, Singtel Innov8, Mindset, Swish Data가 참여했으며, 자금은 엔지니어링 확대와 미국 연방정부·규제 산업 사업 강화, 북미·유럽 영업 확장에 쓰일 예정이다.

투자와 제품 출시는 확인됐지만, LEAP이 일반 CPU에서 5밀리초 미만에 판정하고 기존 가드레일보다 수백 배에서 수천 배 높은 처리량을 낸다는 수치는 독립 시험 결과가 아니다. SiliconANGLE의 확인 보도 도 이를 Lasso 자체 벤치마크로 구분했다. 이번 발표의 핵심은 확정된 투자 거래와 아직 외부 재현이 필요한 성능·비용 주장을 분리하는 데 있다.

3000만달러는 확인됐지만 투자 단계는 불분명하다

Raising.fi의 투자 기록 은 ClearSky Advisors가 주도한 3000만달러 조달과 참여 투자자 명단을 별도 도메인에서 확인하면서 라운드 단계는 미공개로 분류했다. 회사의 공식 발표에도 Series A 같은 단계명이나 기업가치, 투자자별 출자액은 적혀 있지 않다.

따라서 일부 후속 기사에 등장한 Series A라는 표현을 확정된 거래 조건으로 받아들이기는 어렵다. 현재 공개 자료로 단정할 수 있는 범위는 투자 규모, 주도 투자자와 참여사, 회사가 밝힌 자금 사용 계획까지다.

누적 조달액이 3700만달러를 넘는다는 수치도 회사가 언론에 제공한 정보다. 이전 투자자가 다시 참여했다는 사실은 AI 애플리케이션과 에이전트의 실행 단계에 보안 통제를 두려는 사업에 추가 자본이 들어왔음을 보여주지만, 그 자체가 제품 성능이나 시장 채택을 검증하지는 않는다.

LEAP의 ‘GPU 없음’은 1차 판정 경로를 뜻한다

LEAP의 비용 논리는 모든 요청을 별도의 대형 언어 모델에 보내지 않는 데서 출발한다. 회사 설명상 LEAP은 트랜스포머를 사용하지 않으며 일반 서버 CPU에서 프롬프트, 출력, 에이전트 행동을 먼저 검사한다. 명확한 요청은 이 경로에서 처리하고 복잡한 자연어 정책 판단이 필요한 사례만 두 번째 엔진으로 넘기는 구조다.

발표된 요청 흐름은 다음과 같이 정리된다.

1. AI 애플리케이션이나 에이전트의 요청과 행동이 인라인 보안 계층에 들어온다.
2. LEAP이 일반 CPU에서 요청을 우선 검사하고 명확한 사례를 판정한다.
3. 복합적인 정책 해석이 필요한 예외 사례를 선별한다.
4. 자체 호스팅 LLM 판정 엔진 RAPID가 예외 사례를 추가로 평가한다.

이 구조에서 ‘GPU가 필요 없다’는 설명은 LEAP 자체에는 적용되지만 Lasso 플랫폼의 모든 판정 과정에 적용되지는 않는다. 어려운 사례를 맡는 RAPID는 자체 호스팅 언어 모델이며, 회사도 전체 구조에서 GPU가 사라지는 것이 아니라 대부분의 요청에 GPU를 쓰지 않는 것이라고 설명한다.

따라서 비용 절감 폭은 CPU와 GPU의 단순 가격 차이만으로 계산할 수 없다. LEAP에서 끝나는 요청의 비율, RAPID로 넘어가는 예외 비율, RAPID를 운영하는 하드웨어의 이용률과 관리 비용이 함께 결정한다. 예외가 늘어나면 회사가 강조하는 빠른 경로의 경제성도 달라질 수 있다.

성능 숫자에는 재현 조건이 빠져 있다

Lasso가 제시한 짧은 판정 지연시간과 큰 처리량 배수는 제품의 가능성을 보여주는 출발점이지 시장에서 재현된 결론은 아니다. 공개된 회사 자료에는 정면 비교를 했다는 설명이 있지만 비교 제품과 버전, CPU 모델과 코어 수, 동시 요청 수, 입력 길이, 데이터세트 구성, 워밍업 여부가 제시되지 않았다.

지연시간의 범위도 명확하지 않다. 엔진 내부 판정만 잰 것인지, 네트워크 전송과 라우팅, 정책 조회, 로그 기록까지 포함한 종단 간 측정인지에 따라 실제 서비스가 경험하는 시간은 달라진다. 처리량 비교 역시 동일한 하드웨어 자원과 정확도 기준을 고정하지 않으면 서버 수나 클라우드 비용으로 곧바로 환산할 수 없다.

정확도 주장에는 오탐과 미탐 자료가 필요하다. 정상 요청을 위험하다고 차단한 비율, 실제 공격이나 정책 위반을 놓친 비율, 정책 유형과 언어별 결과가 공개되지 않은 상태에서는 ‘GPU급 정확도’가 어떤 위험 범위에서 성립하는지 판단하기 어렵다. 빠른 판정이 실제 보안 효과로 이어졌는지는 동일 데이터세트와 동일 정책을 사용한 독립 시험이 있어야 확인된다.

최근 12개월 매출이 500% 넘게 늘었다는 수치도 Lasso가 제공한 주장으로, 기준 매출액은 공개되지 않았다. 성장률만으로 매출 규모나 반복 매출의 질을 계산할 수 없으며, 회사가 제시한 고객·트래픽 정보도 감사된 운영 지표로 공개된 것은 아니다. 투자 거래의 성립과 회사가 설명한 사업 성과는 검증 수준이 서로 다르다.

총비용은 예외 처리와 오류 비용이 결정한다

CPU 우선 판정은 모든 요청에 추론 모델을 붙이는 설계보다 가속기 사용량을 줄일 가능성이 있다. 트래픽이 많고 보안 검사가 요청 경로 안에 들어가야 하는 서비스라면 단순 사례를 저비용 경로에서 처리하는 계층형 구조가 지연과 연산비를 낮출 수 있다. 다만 이는 구조에서 기대되는 효과이며, 공개된 비용 비교로 입증된 절감액은 아니다.

첫 번째 변수는 예외 요청의 실제 비중이다. 정책이 복잡하거나 입력 분포가 자주 달라져 RAPID 호출이 늘면 모델 추론과 운영 비용이 다시 커진다. 자체 호스팅에는 서버뿐 아니라 배포, 모니터링, 모델 업데이트, 장애 대응 비용도 포함된다.

두 번째 변수는 오류의 비용이다. 오탐이 많으면 정상 업무의 재처리와 고객 대응이 늘고, 미탐이 많으면 절약한 연산비보다 큰 보안 손실이 생길 수 있다. 속도와 처리량만 비교하고 탐지율을 고정하지 않은 벤치마크로는 총소유비용을 판단할 수 없다.

세 번째 변수는 배포 환경이다. 일반 클라우드 인스턴스, 자체 데이터센터, 격리망은 CPU 세대와 코어 배정, 네트워크 조건이 다르다. CPU 배포가 데이터 위치나 망 분리 요구가 있는 조직에 선택지를 넓힐 수는 있지만, 실제 효과는 각 환경의 대표 트래픽을 사용한 부하 시험과 보안 평가로 확인해야 한다.

투자와 제품 구조는 확인됐고 효율은 검증을 기다린다

현재 확인된 사건은 Lasso Security가 신규 자금을 확보하고, CPU 우선 판정 엔진 LEAP과 자체 호스팅 예외 처리 엔진 RAPID를 결합한 구조를 출시했다는 것이다. 회사는 LEAP이 기업과 미국 연방정부 환경에서 이미 운영 중이라고 밝혔지만 고객별 구성, 예외 요청 비율, 독립적인 실측 결과는 공개하지 않았다.

남은 판단 기준은 비교 대상과 하드웨어를 고정한 독립 벤치마크, 오탐·미탐을 포함한 정확도, RAPID로 전달되는 실제 비율, 서버와 운영 인력을 합친 총비용이다. 그 자료가 나오기 전까지 GPU 사용을 줄일 수 있다는 설계상의 가능성과, Lasso가 제시한 속도·처리량·비용 효과는 구분해 다뤄야 한다.