🗂️ 실전 노트

커뮤니티에서 모은 현장의 실전 경험. 주제별로 정리하고 익명화 처리하여 시행착오를 줄이는 데 도움이 되도록 공유합니다.

💡 이 노트들은 싱가포르 AI 스타트업 커뮤니티의 실제 대화에서 가져온 것으로, 발행 전에 구조화 및 익명화 처리되었습니다. 각 항목에는 기업 프로필과 적용 조건이 표시되어 있습니다. 지침이 아니라 참고로 활용하세요. 정책 세부사항은 최신 공식 문서를 참조하세요.

연구 월간 National University of Singapore Nanyang Technological University EDB EP 신청 세무 컴플라이언스 보조금 정책 회사 설립

싱가포르 AI 연구 월간 (2026-07)

📅 2026-07 📖 OpenAlex + 사이트 큐레이션
연구 월간 National University of Singapore Nanyang Technological University

AI 안전성 및 평가

  • · [National University of Singapore] A Practical Guide to Interpretability Metrics for Chain of Thought Reasoning — NUS가 저술한 조사 논문은 체인-오브-소트 해석 가능성 지표의 단편화된 지형을 체계적으로 정리하면서, LLM 추론 흔적이 그저 그럴듯해 보이기만 한 것이 아니라 충실한지를 직접 다룬다. 이는 최첨단 추론 모델을 신뢰하는 데에 중추적인 문제에 관한 핵심 AI 안전성/평가 연구이다. (https://doi.org/10.5281/zenodo.21127002)
  • · [Nanyang Technological University] Are heterogeneous graph neural networks truly effective for node classification? A causal perspective — 이 NTU-주도 논문은 인과 추론을 활용하여 이질형 그래프 신경망의 노드 분류 성능 향상이 진정한지 아니면 데이터셋 인공물에 의해 교란된 것인지를 검증하는 엄밀성 중심의 기여로서, 존경받는 저널 Knowledge-Based Systems에 발표되었습니다. 이는 하위 도메인 응용이 아닌 실질적인 싱가포르-주도 AI 방법론 연구를 대표합니다. (https://doi.org/10.1016/j.knosys.2026.116595)
  • · [Singapore University of Social Sciences] Governance-Aware Agentic AI for Enterprise Engineering Systems: A Design-Science Reference Architecture and Quantitative Risk-Control Model — Singapore University of Social Sciences에서 저술된 본 논문은 기업 환경에서 에이전트 AI를 관리하기 위한 설계 과학 참조 아키텍처와 정량적 위험 제어 모델을 제안하며, 감사 용이성, 도구 호출 제어, 인간 상향 에스컬레이션을 다룬다. 기업 에이전트 AI 도입이 가속화되는 가운데 거버넌스 프레이밍은 싱가포르의 AI 정책 생태계와 직접 관련성이 있으나, 현재는 경험적 검증이 없는 개념적 프리프린트(Zenodo)로 남아 있다. (https://doi.org/10.5281/zenodo.21264296)

LLMs와 에이전트

  • · [Nanyang Technological University] Beyond Textual Repository Exploration: Dual-Modal Structural Reasoning for Agentic Issue Resolution — NTU 연구진이 DUALVIEW를 제안합니다. 이는 대규모 저장소를 탐색하는 코딩 에이전트의 알려진 실패 모드를 해결하기 위한 이중 모달(텍스트 + 코드 구조) 추론 접근법입니다. 현재 LLM 에이전트 연구를 주도하고 있는 빠르게 발전하는 에이전트 코딩 분야에 정확히 위치합니다. (https://openalex.org/W7167379738)
  • · [Singapore Management University] Knowledge-State Generative Agents for Pre Assessment Question Evaluation — SMU 연구진이 다양한 숙달 수준을 지닌 학생들을 모의하는 LLM 기반 생성형 에이전트를 개발하고 실증적으로 검증했으며, 424명 학생의 실제 데이터를 통해 평가 문항 품질을 평가했습니다. 상위 정보 시스템 저널에 게시된 이 연구는 명확한 교육 생태계 관련성을 갖춘 신뢰할 수 있는 응용 LLM-에이전트 연구를 보여줍니다. (https://openalex.org/W7164709949)
  • · [National University of Singapore] ChakapBot: A Generative AI-Powered Chatbot for the Revitalisation of Baba Malay — NUS에서 구축되고 커뮤니티 큐레이션 말뭉치로 학습되며 26명이 참여한 파일럿에서 검증된 ChakapBot은 싱가포르의 멸종 위기 유산 언어인 바바 말레이어의 부흥과 문서화를 지원하는 생성 AI 챗봇입니다. 이는 일반적인 상용 사용을 넘어 명확한 생태계 및 문화 보존 의의를 지닌 독특하고 사회 기반의 LLM 애플리케이션입니다. (https://doi.org/10.3390/languages11070145)

멀티모달 & 시각

  • · [Nanyang Technological University] LongVQUBench: Benchmarking Long-Term Video Quality Understanding of Vision-Language Models — LongVQUBench는 NTU에서 개발한 상당한 규모의 새로운 벤치마크(1,200개 이상의 동영상, 1,500개의 QA 쌍)입니다. 대규모 시각-언어 모델의 장기 동영상 품질 이해를 평가하기 위해 설계되었으며, 이전 벤치마크가 짧은 클립만을 다루었던 점에서 실질적인 공백을 채웁니다. 최첨단 다중 모달 모델의 시간적 추론 능력을 직접 검증합니다. (https://openalex.org/W7167289797)
  • · [National University of Singapore] NoPA: Non-Parametric Online 3D Scene Graph Generation — NUS 주도의 NoPA는 거친 단일-Gaussian 객체 근사를 대체함으로써 실시간 3D 장면 그래프 생성을 발전시키고, embodied/robotic perception을 위한 속도와 기하학적 충실도를 모두 개선합니다. 이는 실질적인 로봇공학 연관성이 있는 핵심 multimodal perception 문제에 대한 견고한 기술적 기여입니다. (https://openalex.org/W7167290256)

과학과 보건을 위한 AI

  • · [Nanyang Technological University] Reaction-aware molecular representation learning: Toward generalizable artificial intelligence for enzymatic catalysis — NTU 연구팀이 효소 촉매작용을 위한 일반화 가능한 AI를 목표로 하는 반응 인식 분자 표현 학습 프레임워크를 소개했으며, Acta Pharmaceutica Sinica B에 게재되었습니다. 이는 좁고 점진적인 사용 사례가 아닌, 과학 AI의 핵심 병목인 화학 반응의 전이 가능한 표현을 겨냥합니다. (https://doi.org/10.1016/j.apsb.2026.06.033)
  • · [Agency for Science, Technology and Research] CycPeptMPDB-4D: Multi-Solvent Conformational Ensembles for Predicting Cyclic Peptide Permeability — CycPeptMPDB-4D는 다기관(A*STAR, NUS, NTU)의 대규모 자원으로, 5,160개 고리형 펩타이드에 대한 분자동역학 유래 구조 앙상블을 제공하며, 막 투과성 예측을 위한 3D/4D 딥러닝 모델 훈련을 위해 명시적으로 구축되었습니다. 이는 물리 기반 시뮬레이션과 AI 기반 신약 개발을 연결하는 기초 데이터셋 기여이며, 싱가포르의 성장하는 AI-과학 인프라 역할을 반영합니다. (https://doi.org/10.5281/zenodo.21237441)
💬 요약: 싱가포르의 7월 논문들은 프론티어 모델 개발에서 에이전틱 AI 시스템 및 과학용 AI 인프라로의 전략적 전환을 드러내고 있으며, 거버넌스, 해석가능성, 엄격한 평가 방법론에 대한 강조가 점차 커지고 있습니다. 실시간 3D 인식 에이전트, 적용형 교육 에이전트, 분자 발견 데이터셋, 기업 거버넌스 프레임워크를 아우르는 포트폴리오는 싱가포르를 신뢰성 평가자이자 고위험 영역을 위한 AI 배포 인프라의 설계자로서 뚜렷하게 위치시킵니다.

AI 스타트업과 EDB 회의 기록

📅 2026-02 📖 커뮤니티 공유
EDB EP 신청 세무 컴플라이언스 보조금 정책 회사 설립
🏢 기업 프로필: AI 플랫폼 기업, ARR이 $100M에 근접, 싱가포르 등록, 팀은 주로 원격, 약 10명

기업 속성 판정: 지분 구조를 보되, 창업자 국적은 보지 않음 구조를 보되, 여권은 보지 않음

  • · EDB는 “싱가포르 회사”와 “중국계 기업”을 명확한 기준으로 구분합니다. 법인이 어디에 등록되어 있는지, 지분 구조에 중국 법인이 있는지, 고객과 매출이 글로벌하게 분산되어 있는지를 봅니다.
  • · 회사가 싱가포르에 등록되어 있고 주주에 중국 주체가 없으며, 사업이 북미·유럽·글로벌 중심이면 싱가포르 회사로 봅니다.
  • · 이 분류가 본부형 경로로 갈지, 특별 관리가 필요한지를 결정합니다.

EP 신청: 정상 경로가 인맥 활용보다 더 순조로움

  • · CEO / CTO 같은 핵심 임원의 EP 문턱은 높지 않으며, 먼저 현지 직원을 고용할 필요도 없습니다.
  • · 급여는 반드시 싱가포르 법인에서 지급되어야 합니다.
  • · 거절의 약 90%는 정책 문제가 아니라 서류 작성 오류 때문입니다.
  • · 초기 단계(10~20명)가 가장 유연하며, 규모가 커지면 다양성 요건을 충족해야 합니다.
  • · 권장 순서: 먼저 직접 온라인으로 신청하고, 거절된 뒤에만 에이전트를 찾으세요.

진정한 레드라인: 팀의 동질성 다양성은 겉치레가 아니라 실질적 요구사항입니다

  • · 싱가포르는 고정된 현지 직원 비율을 강제하지 않지만, 팀 다양성을 매우 중요하게 봅니다.
  • · 어려운 구조: 전원 중국 팀, 전원 인도 팀, 전원 미국 팀.
  • · 가능한 구조: 중국 + 북미 + 유럽 + 호주.
  • · 단일 문화 팀은 진정으로 국제화되기 어렵습니다. 이는 장기 관찰의 결론이지 정치적 올바름이 아닙니다.

참고 사례: Manus는 특례입니다

  • · EDB가 먼저 Manus를 언급했지만, 동시에 그것이 특수 사례임을 분명히 했습니다.
  • · Manus는 외부 규제의 시간 압박을 받았고, 매우 짧은 기간 안에 핵심 팀을 이전해야 했습니다.
  • · EDB는 깊이 관여했습니다. 인력부와 사전에 조율하고, 이전 인원을 여러 배치로 나눴습니다.
  • · 원래 팀의 일부는 포기해야 한다는 전제가 있었습니다.
  • · 결론: 일반 회사는 일반 절차를 밟는 편이 성공률이 높습니다. 특별 지원은 “두 번째 선택지가 없는” 상황에서만 나옵니다.
  • · 후속 확인(2026-04-27): 중국 국가발전개혁위원회는 국가안보를 이유로 Meta의 Manus 20억 달러 인수를 중단시키고, 기술 주권·데이터 주권·국가안보라는 세 가지 레드라인을 그었습니다. EDB가 당시 말한 “시간 압박”과 “핵심 팀 이전”은 사후적으로 보면 출처 국가의 규제 방향에서 비롯된 것이었습니다. 등록지를 옮기는 것만으로는 출처 국가 관할을 벗어날 수 없으며, “Singapore washing” 전략은 처음으로 명시적으로 거부되었습니다.

실제 운영 순서: 합규가 세금 우대조치보다 먼저 먼저 합규, 그 다음 우대조치

  • · $100M ARR에 가까운 회사에 대해 EDB가 권하는 순서는 다음과 같습니다.
  • · 1단계: 세무 컴플라이언스. 국제 세무와 Transfer Pricing을 정리하고, 왜 매출이 이곳에 있고 이익이 왜 이렇게 배분되는지 설명할 수 있어야 합니다. 빅4를 직접 쓰는 것이 좋습니다.
  • · 2단계: 본부 기능의 포지셔닝을 확정합니다.
  • · 3단계: 그 다음에야 세율 인센티브를 검토합니다.
  • · 세율 인센티브: 17% → 15%(약 15명), 17% → 10%(25명, 5년 차 달성).
  • · 인센티브 정책은 이미 잘 작동하는 구조를 보상하는 것이지, 망가진 구조를 구하기 위한 것이 아닙니다.

가성비 높은 두 가지 정책

  • · R&D 보조금: 10명 이하 기술팀에 잘 맞으며, 핵심 기술과 관련된 실제 R&D라면 신청할 수 있습니다.
  • · 현지 신입 졸업생 훈련 보조금: 현지 신입 졸업생 5명을 정규직으로 채용하고 CTO 또는 핵심 기술자가 교육하면 정부가 급여 일부를 보조합니다.
  • · Enterprise Compute Initiative: 정부가 현지 기업의 AI 인프라 제공업체 사용을 보조합니다. 참여하려면 싱가포르 기반 팀이 필요하며 AWS, Microsoft, Google 등과 함께 진행할 수 있습니다.

기업 등록 및 이사

  • · 싱가포르 법인을 설립했지만 이사는 agency가 제공하고, 창업자 본인은 아직 EP가 없는 경우는 흔합니다.
  • · 운영 경로: 싱가포르 법인으로 본인의 EP를 신청한 뒤, EP를 받은 후 직접 이사가 됩니다.
  • · 이사는 법적 책임을 집니다.
  • · 직접 진행할 수도 있고, 제3자 agent에게 맡길 수도 있습니다.
💬 요약: 싱가포르의 정책은 이미 시작했지만 구조적 리스크를 피하고 싶은 기업을 위해 준비된 것입니다. 아직 PMF를 검증 중이라면 정부는 중요하지 않습니다. 하지만 위험이 「할 수 있을까」에서 「구조, 합규, 장기 지속 가능성」으로 변할 때, 이러한 대화는 가치가 있습니다.

현장 경험을 공유하고 싶으신가요? 다음을 통해 기여해 주세요 GitHub .

모든 게시물은 구조화 및 익명화 처리 후 발행됩니다.