YC Launch 시리즈 농업 분야: Bindwell
· 10대 창업자 둘이 100억에 가까운 시드를 클로징했다.
· 10대 창업자 둘이 100억에 가까운 시드를 클로징했다.
· 신물질 Ai 딜을 평가하는 5단계 투자 프레임워크.
· 매주 갓 투자 받은, 분야별 YC 딜들을 분석해봅니다.
솔직히 말해, 대부분의 VC들은 너무 젊은 창업자가 레거시를 건드린다고 하면 한 발 물러서기 마련이다. 일단 한국에서는 못들어봄. 나이도 어리고, 시장도 보수적이고, 규제도 복잡.
그런데 나는 오히려 이런 조합이야 말로 크게 사고칠거라 생각한다. 기술적 전환이 가장 느린 곳일수록, 외부에서 들어오는 새로운 관점이 시장을 더 크게 흔들 수 있기 때문이다.
1️⃣ 미국 VS 한국 농업 차이점
미국의 농업 분야는 규모와 구조 자체가 한국과 많이 다르다. 가장 큰 차이는 A/ 시장 규모와 B/ 산업 집중도, 그리고 C/ 기술 채택 속도다.
미국은 생산량을 좌우하는 새로운 기술, 종자, 농약, 장비, 알고리즘에 훨씬 적극적으로 투자하는데 이유는, 땅이 넓고 단일 작물 중심의 대규모 농업이 발달해 있어, 한 번의 기술 도입이 미치는 영향이 매우 크기 때문이다. 반면 한국은 국토가 좁고 지형이 복잡해 소규모·다품종 농업이 많다. 기술 도입이 점진적이고, 가격보다는 안정적인 생산이 우선되는 경향이 강하다.
3개의 차이점 중 제일 큰 차이를 다루면, 산업의 R&D 구조다. 미국의 농업은 사실상 거대 기업이 지배하는 시장이다. Bayer, Corteva, Syngenta 같은 글로벌 플레이어들이 신규 화합물 개발, 유전자 편집 종자, 자동화 기기 등 전체 밸류체인을 주도한다. 한국의 농업 기업들은 주로 농자재 유통, 스마트팜 솔루션, 생산 개선 등 상대적으로 다운스트림 영역에 집중한다. 신규 분자나 작용기 개발 등 거대한 R&D 분야는 국가 연구기관 주도로 이루어진다.
2️⃣ AI와 농업 화학
본 팀은 AI 기반 신물질 발견을 자체 IP로 전환하는 전략을 취한다. 농약 사용량 증가에도 불구하고 새로운 화합물 파이프라인은 멈춰 있는 상황에서, 이들은 모델 판매 대신 직접 분자를 발굴해 라이선싱하는 방식으로 틀을 바꿔냈다. Ai 기반 신물질 기업을 판단할 때 활용하는 5단계 투자 프레임워크를 소개한다.
2.1. 시장구조의 Fit
딥테크 딜에서 가장 먼저 보는 것은 시장 구조가 AI-native 방식으로 전환될 타이밍인지다. 여기서 중요한 질문은:
· 기존 농약 시장의 구조적 병목이 명확한가? → 예: 40년간 신물질 연구개발 거의 정체.
· AI가 들어갔을 때 핵심 병목을 진짜로 해소하는가?→ 실험 비용·리드타임·표적 단백질 발굴 속도.
2.2. 딥테크 Fit — 창업자가 과학·엔지니어링 역량을 독자적으로 스케일할 수 있는가
사실 분야를 막론하고 나이는 중요하지 않다. 딥테크에서는 ‘해당 도메인에서 어떤 breakthrough를 직접 만들어본 경험이 있는가?’가 핵심이다. 객관적으로 평가할 질문들은,
· 원천 모델을 직접 만든 경험이 있는가?
· 팀이 모델 연구뿐 아니라 wet lab까지 스스로 운영하는가? 이는 기술-실험 loop를 자체적으로 돌릴 수 있다는 뜻. 참고로 본팀은 자체 lab 운영을 한다.
· 논문/모델의 수준이 frontier인지, 유사 모델 대비 차별화 포인트가 있는가? 속도·확률·비용 벡터에서 구조적 우위를 가늠할수 있다.
2.3. 초기 타겟 선택이 작지만 독점 가능한 영역인지
딥테크 투자에서 wedge는 단순한 시장 세그먼트가 아니라 첫 번째 작용기이다. 그래서 확인할 질문은,
· 효과가 증명되면 즉시 라이센싱 가능한 시장인지?
· 첫 타겟이 기존 기업들이 무시하거나 해결 못한 niche pest인가?
· 규제 및 인증 절차가 너무 길지 않은지 등이다.
참고로 농업은 신약보다 규제가 느슨해 first-in-class 물질이 훨씬 빠르게 시장화될 수 있다. 본 팀은 표적 단백질 기반 접근법을 wedge로 잡았다는 점에서 어필된다.
2.4. 규제와 & GTM
이런 모델류의 GTM은 SaaS가 아닌 “신규 물질 라이선싱 회사”로 봐야 하기에 GTM이 3단계로 구성된다:
· 타겟 단백질 선정 → 리드 컴파운드 도출 → 글로벌 아그로케미컬 기업에 라이선스 아웃
따라서 투자자는 다음을 체크하게 되는데,
· 필드 실험 파트너 및 글로벌 아그로케미컬 기업 파이프라인 여부,
· 1st 라이센싱 타임라인 (보통 18~36개월)
이 팀은 중국·인도 현장 테스트 라인을 미리 열고 있다는 점이 매우 강한 traction 신호를 보인다.
2.5. 현금 흐름과 엑싯 현실성 — 딥테크는 burn 이 컨슈머 Ai와 다르다
나같은 초기 투자자의 경우, 이런 딜에는 반드시 현금흐름 쪽을 살펴보기 마련인데, 주로 아래의 비용이 발생한다.
· 실험실(웻랩) 운영 비용, 합성 외주 비용, 현장 시험(Field trial) 비용, 규제 대응 비용
일반적으로 seed → A 사이에 $15–30M 정도는 더 필요하다.
� Peter’s VC 관점.
✔ 이 팀은 “age-defying technical 파운더” 유형에 해당한다
과학적 성과 → 실험실 실행력 → AI 기반 농약 개발 전주기 파이프라인을 다룸.
✔ 시드투자자로 들어가기 좋은 타이밍.
Seed→ Pre-A 사이에서 실증 데이터가 붙으면 기업가치가 단기간 많이 붙을듯 (신약 스타트업 과거 패턴 동일).
단,
� 실험 데이터 부족에 따른 모델 신뢰도 리스크
실제 합성·효능 검증 데이터가 충분하지 않은 초기 단계다. 모델 예측과 실험 결과 간 일치도가 입증되어야 한다.
� 라이선싱 시점 불확실성과 실험운영 비용
농약 산업은 규제가 신약보다 느슨하다고 해도, 주요 기업과의 라이센싱 계약 체결까지는 변동성이 크다. 자본 효율성은 SaaS 대비 낮으며 런웨이 관리가 핵심이다.
____
· 사진은 Curry Village, Yosemite.
· 실리콘벨리를 품는 창업가들을 위한 영어 뉴스레터 - https://lnkd.in/gK67Fw_u
· 미국 진출, 그렇게 로망 가질 일이 아니다. - https://lnkd.in/gqprDvE9
