2. 자금의 사용목적
가. 공모자금 사용 계획
| 시설자금 |
영업양수자금 |
운영자금 |
채무상환자금 |
타법인증권취득자금 |
기타 |
계 |
3,700,000,000
-
15,382,000,000
-
-
-
19,082,000,000
나. 공모자금 세부 사용목적
(1) 운영자금 - R&D 연구개발
| [R&D 연구개발 세부 사용계획] |
| (단위 : 백만원) |
| 구 분 |
세부내역 |
2025년 |
2026년 |
2027년 |
합계 |
| 3분기 |
4분기 |
1분기 |
2분기 |
3분기 |
4분기 |
1분기 |
2분기 |
3분기 |
4분기 |
| R&D 연구개발 |
AI 컴퓨팅 인프라 기술개발 |
462 |
462 |
462 |
462 |
462 |
462 |
462 |
462 |
462 |
460 |
4,618 |
| VLM 및 Physical AI 연구개발 |
330 |
330 |
330 |
330 |
330 |
330 |
330 |
330 |
330 |
330 |
3,300 |
| 디지털트윈 연구개발 |
330 |
330 |
330 |
330 |
330 |
330 |
330 |
330 |
330 |
330 |
3,300 |
| 외주개발용역비 |
200 |
200 |
200 |
200 |
200 |
200 |
200 |
200 |
200 |
200 |
2,000 |
| 클라우드 및 소프트웨어 사용료 |
53 |
53 |
53 |
53 |
53 |
53 |
53 |
53 |
53 |
53 |
529 |
| 합계 |
1,375 |
1,375 |
1,375 |
1,375 |
1,375 |
1,375 |
1,375 |
1,375 |
1,375 |
1,372 |
13,747 |
당사는 상기와 같이 R&D 연구개발 자금으로 2025년 3분기부터 2027년 4분기까지 총 137.47억원을 사용할 계획이며, 세부적으로는 AI 컴퓨팅 인프라 기술개발비로 46.18억원, VLM 및 Physical AI 연구개발비로 33억원, 디지털트윈 연구개발비로 33억원을 사용할 예정입니다. 또한, 기타 외주개발용역비와 클라우드 및 소프트웨어 사용료로 각각 20억원 및 5.29억원을 지출할 예정입니다. R&D 연구개발 비용은 각 항목별 연구개발을 담당하고 있는 조직의 실제 발생 인건비를 기준으로 추정하였으며 별도의 인건비 상승은 가정하지 않았습니다.
① AI 컴퓨팅 인프라 기술개발최근 AI 산업의 확산과 함께 GPU 수요가 급격히 증가하고 있으며, 특히 정부는 국가 AI 경쟁력 강화를 위해 '국가 AI 컴퓨팅센터 구축 사업'을 본격적으로 추진하며 2만 장 이상의 GPU를 확보하겠다는 계획을 발표하였습니다. 이처럼 대규모 GPU 인프라 수요가 급증하고 있는 가운데 고성능 GPU 자원을 효율적이고 안정적으로 운영·관리할 수 있는 인프라 소프트웨어의 중요성이 빠르게 부각되고 있습니다. 당사는 GPU 관리 솔루션 AstraGo를 통해 AI 컴퓨팅 인프라 최적화를 핵심 목표로 하는 AI Infra 사업을 추진하고 있으며, 고성능 GPU와 자체 개발 소프트웨어를 통합한 GPU 어플라이언스 제품을 통해 시장을 확대하고 있습니다.또한, 다양한 고객 환경에 대응하기 위해 하이브리드 클라우드형 AstraGo 제품 개발도 병행할 계획입니다. 이는 구축형 GPU 인프라 뿐만아니라 AWS, Azure, GCP 등 퍼블릭 클라우드 플랫폼에서의 GPU 자원까지 하나의 인터페이스로 통합 관리할 수 있도록 구성되며, 클라우드 간 연산 자원의 이동성과 연동성을 확보할 수 있는 기술을 개발할 계획입니다. 이를 통해 다양한 규모의 고객사가 보유한 이기종 인프라 환경에 유연하게 대응할 수 있으며 장기적으로는 클라우드형 AI 인프라 서비스로의 확장도 기대할 수 있습니다. 이와 같은 AI 컴퓨팅 인프라 기술개발은 단순한 제품 기능 개선을 넘어, 향후 초대형 연구기관, 데이터센터, 클라우드 서비스 제공사 등 대규모 GPU 자원을 요구하는 고객층을 대상으로 하는 본격적인 시장 진입의 교두보로 활용할 것입니다. 동시에 국내를 넘어 글로벌 GPU 클러스터 관리 소프트웨어 시장에서도 기술적 차별성과 실효성을 바탕으로 경쟁 우위를 확보하는 전략적 자산으로 작용할 것입니다. 이에 따라 당사는 본 유상증자의 모집금액 중 46.18억원을 AI 컴퓨팅 인프라 기술개발에 사용할 계획입니다.
② VLM 및 Physical AI 연구개발당사는 AI 기반 영상 인식 및 분석 기술을 핵심 역량으로 삼아 다양한 산업군에 특화된 AI 솔루션을 공급하고 있으며, 최근에는 멀티모달 AI 기술의 중요성이 부각됨에 따라 VLM(Vision-Language Model) 개발을 중점 연구과제로 추진하고 있습니다.VLM은 영상(Vision) 정보와 텍스트(Language) 정보를 동시에 처리하고 이해할 수 있는 AI 모델로, 영상 속 객체 및 상황을 텍스트로 설명하거나 반대로 텍스트 기반의 질의에 대해 영상 정보를 기반으로 정답을 추론하는 등 복합적이고 고차원적인 인식 및 추론 기능을 가능하게 하는 핵심 기술입니다. 산업 현장에서는 정형화되지 않은 비정형 데이터를 효과적으로 처리하고 해석하는 능력이 점점 더 요구되고 있으며, 특히 자동차 손상 추정, 공장 설비 이상 감지, 의료 영상 분석, 디지털트윈 기반 상황 판단 등 고도화된 영상 분석이 필요한 분야에서 VLM 기반 기술의 활용 가능성이 높게 평가되고 있습니다. 또한, VLM은 향후 당사의 기존 Vision AI 기술과 자연어 처리 기술의 융합을 통해 AI 모델의 범용성과 확장성을 획기적으로 향상시킬 수 있는 전략적 기술 자산으로, 다양한 산업군에 걸친 제품 및 서비스 고도화의 핵심 기반이 될 것으로 기대하고 있습니다. 이에 따라, 당사는 VLM 관련 알고리즘 개발, 학습 데이터셋 구축, 추론 최적화 등 전 주기적 연구개발 활동을 지속 추진할 계획입니다.또한, 당사는 VLM 개발을 기반으로 한 인공지능 기술 고도화에 이어 차세대 성장 동력으로 Physical AI 연구개발을 추진하고 있습니다. Physical AI는 가상 환경에서의 인지·판단·학습 능력을 현실의 물리적 세계로 확장하는 기술로, 디지털트윈 기반의 AI 시뮬레이션과 실세계 적용 간의 연결고리를 형성하는 핵심 영역입니다. 당사는 이미 Omniverse 플랫폼 기반의 디지털트윈 사업을 추진하며, 반도체, 제조, 물류 등 다양한 산업 분야에서 AI 시뮬레이션을 실증하고 있습니다. 향후 VLM을 포함한 고도화된 인지모델과 이를 물리적 시스템에 연동하는 Physical AI 기술이 접목되면 복잡한 환경에서도 자율적 의사결정과 예측이 가능한 실세계 대응형 지능형 시스템을 구현할 수 있게 됩니다. 특히, 자율주행 로봇(AMR), 산업용 로봇, 스마트 물류 시스템, 미래형 모빌리티 등 물리 환경과 상호작용하는 지능형 디바이스의 수요가 급증하고 있으며, 이러한 시장에서는 시뮬레이션 기반의 사전 학습 및 디지털트윈 연계 기술이 경쟁력의 핵심 요소로 부상할 것으로 예상하고 있습니다. Physical AI는 단순한 인식·제어를 넘어 가상 시뮬레이션 결과를 바탕으로 실제 물리적 행동을 정교하게 수행하는 AI 기술로서, 향후 당사의 디지털트윈 기술, AI 모델링 역량, 시뮬레이터 개발 경험과의 시너지를 통해 로봇 및 모빌리티 산업으로의 진출을 가속화하는 기반이 될 것입니다. 이에 따라, 당사는 본 유상증자의 모집금액 중 약 33억원을 VLM 및 Physical AI 연구개발에 사용할 계획입니다.
③ 디지털트윈 연구개발당사는 2024년 7월 NVIDIA Omniverse Competency를 획득하며, Omniverse 소프트웨어의 제품판매권을 확보하였습니다. Omniverse는 AI 기반 디지털트윈 구축 플랫폼으로, 정밀한 3D 시뮬레이션과 AI를 통합 운용할 수 있는 고도화된 기능을 갖추고 있습니다. 당사는 2022년부터 반도체 산업을 중심으로 Omniverse를 활용한 디지털트윈 시뮬레이션 사업을 실증사업 형태로 전개해왔으며, 2024년에는 본사업으로 전환되면서 프로젝트 규모가 점차 확대되고 있습니다.이러한 디지털트윈 사업의 확장과정에서 핵심 성공요인은 단순한 가상환경 구현을 넘어, AI 시뮬레이션 고도화, 실시간 물리 연산 적용, 시나리오 기반 최적화 모델 개발과 같은 높은 수준의 기술 역량입니다. 이에 따라, 당사는 단순한 가상환경 구현을 넘어 디지털트윈 기술의 독자적 구현 역량과 차별화된 기술 경쟁력을 확보하기 위한 연구개발을 지속적으로 추진하고 있습니다. 특히, Omniverse 기반 시뮬레이션 엔진 최적화, 실시간 연동 기술, 고정밀 물리엔진 개발 등 다양한 핵심 기술을 중심으로 R&D 체계를 강화하고 있습니다. 이와 같은 기술 고도화를 위해, 당사는 본 유상증자를 통해 조달한 자금 중 33억원을 디지털트윈 연구개발에 사용할 계획입니다.
④ 외주개발용역비당사는 AI 솔루션 및 디지털트윈 기술의 연구개발을 추진함에 있어 핵심 기술 역량은 내부에서 자체 개발하고 있으며, 일부 개발 영역에 대해서는 외부 협력업체와의 외주개발용역을 병행하고 있습니다. 주된 외주개발용역 항목은 AI 학습용 데이터 구축, 데이터 정제 및 가공, 디지털트윈 사업에서의 BIM 설계 및 3D 모델링 작업 등 입니다. 이러한 영역은 기술적 난이도는 높지 않지만 반복적이고 대규모 인력이 소요되는 작업으로, 내부에서 전면적으로 수행할 경우 고정 인건비 부담이 증가하게 됩니다. 따라서 당사는 핵심 기술 및 전략적 IP 확보가 필요한 개발을 제외한 비핵심 업무에 대해서는 유연한 외주 대응 전략을 수립하고 있으며, 이를 통해 비용 효율성과 개발 일정의 유연성을 동시에 확보하고 있습니다. 현재 진행중이거나 진행이 예상되는 다수의 프로젝트를 기반으로 외주개발용역 수요를 추정하였습니다. 본 유상증자를 통해 조달되는 자금 중 20억원을 외주개발용역비로 사용할 계획입니다.
⑤ 클라우드 및 소프트웨어 사용료당사는 효율적인 연구개발 활동을 위해 IT 협업툴을 비롯한 다양한 상용 소프트웨어를 사용하고 있으며, 디지털트윈 사업의 연구개발 활동을 위해 NVIDIA Omniverse 및 다수의 3D 모델링 소프트웨어 라이선스를 구매하고 있습니다. 또한, 연구개발 및 서비스 운영에 소요되는 클라우드 사용료를 반영하여 추정하였습니다. 본 유상증자를 통해 조달되는 자금 중 약 5.29억원을 클라우드 및 소프트웨어 사용료로 사용할 계획입니다.
(2) 시설자금 - 데이터센터 인프라 확장
| [데이터센터 인프라 확장 세부 사용계획] |
| (단위 : 백만원) |
| 구 분 |
세부내역 |
2025년 |
2026년 |
2027년 |
합계 |
| 3분기 |
4분기 |
1분기 |
2분기 |
3분기 |
4분기 |
1분기 |
2분기 |
3분기 |
4분기 |
| 시설자금 |
데이터센터 인프라 확장 |
900 |
- |
900 |
- |
900 |
- |
- |
- |
- |
- |
2,700 |
| 데이터센터 시설전력 |
50 |
50 |
50 |
50 |
50 |
50 |
50 |
50 |
50 |
50 |
500 |
| 데이터센터 상면 |
50 |
50 |
50 |
50 |
50 |
50 |
50 |
50 |
50 |
50 |
500 |
| 합계 |
1,000 |
100 |
1,000 |
100 |
1,000 |
100 |
100 |
100 |
100 |
100 |
3,700 |
당사는 공모자금 중 37억원을 데이터센터 인프라 확장을 위한 시설자금으로 사용할 예정입니다. 데이터센터 인프라 확장을 위하여, NVIDIA GPU 구매 등 인프라 확장에 27억원, 시설 전력 및 유지보수 비용으로 5억원, 상면공간 임차료 및 관리 비용 등으로 총 5억원을 사용할 계획입니다. 시설자금은 GPU 구매 비용과 실제 전력사용 및 유지보수 비용, 임차료, 관리비용 등 근거로 하여 산정하였습니다.당사의 AI 솔루션의 연구개발 및 상용화 추진을 위해서는 고성능 GPU 인프라의 확충이 필수적입니다. 특히, AI 영상분석에 사용되는 객체 탐지, 상황 추론, 설명 생성 등 다양한 모델은 대용량 데이터셋 기반의 반복 학습과 고성능 추론 처리가 필요하며, 이를 효과적으로 수행하기 위해서는 최신 GPU 서버의 지속적 확보가 요구됩니다. AI 모델 성능의 정밀도와 안정성을 높이기 위해 당사는 VLM(Vision-Language Model)을 포함한 다양한 고도화된 AI 모델을 개발 중이며 이에 따라 GPU 학습 인프라의 필요성이 더욱 증대되고 있습니다.또한, 당사의 GPU 최적화 소프트웨어인 AstraGo는 최신형 GPU(B200, 블랙웰 등) 환경에서의 성능 테스트 및 적용이 필수적입니다. 다양한 GPU 아키텍처에서 최적화된 호환성을 확보하고 최신 GPU 환경에서 솔루션 본래의 기능을 효과적으로 수행할 수 있도록 지속적인 연구개발 활동이 요구됩니다. 이를 위해 GPU 서버 인프라는 단순한 처리 장비가 아니라, AI 인프라 사업의 경쟁력 확보와 제품 품질 고도화를 위한 핵심 R&D 자산으로 작용하게 됩니다. 더불어, AI 영상분석 솔루션의 클라우드 서비스 전환에 따라 AI 서비스를 상시 운영하고 확장하기 위한 안정적인 인프라 확보가 필요하며, GPU 서버 구축은 외부 리소스에 대한 의존도를 낮추고, 비용 효율성과 보안성 측면에서도 전략적 이점을 제공합니다. 이에 따라, 당사는 본 유상증자를 통해 조달되는 자금 중 27억원을 데이터센터 확장을 위한 최신형 GPU 서버 및 관련 고성능 인프라 확보에 사용할 예정입니다.또한, 당사가 실제 운영 중인 데이터센터의 전력 및 상면 사용 내역과 향후 확충 예정인 AI 인프라 장비 수요를 반영하여 시설전력과 상면 비용을 추정하였습니다. 본 유상증자를 통해 조달되는 자금 중 10억원은 데이터센터 시설 전력 및 유지보수 비용과 상면공간 임차료 및 관리 비용 등으로 사용할 예정입니다.
(3) 운영자금 - 글로벌 영업 네트워크 확대당사는 제품의 국내외 시장 확산을 위해 글로벌 영업 네트워크 확대와 브랜드 인지도 제고를 목표로 다양한 마케팅 활동을 계획하고 있습니다. 특히 당사의 제품은 산업별 고객 맞춤형 적용과 기술 이해도가 요구되기 때문에 단순 유통 채널 확보를 넘어 파트너 네트워크를 활용한 전략적 영업 전개가 매우 중요하다고 판단하고 있습니다. 해외 시장의 경우 현지 고객의 기술 수요와 시장 진입 장벽을 동시에 고려하여 전문 영업 에이전시 또는 리셀러와 협력해 파트너 기반의 간접 판매 체계를 점차 확장할 계획이며, 이를 통해 국가별 법제도, 언어, 문화 등의 차이를 극복하며 초기 시장 진입에 속도를 높이고자 합니다. 이러한 글로벌 영업 파트너 네트워크는 특히 북미, 일본, 동남아 등 기술 수요가 활발한 지역을 중심으로 확대할 계획이며, 금번 유상증자를 통해 확보되는 자금 중 일부를 해당 영업 에이전시 확보를 위한 비용으로 사용할 계획입니다.또한, 국내외 주요 산업별 전시회와 AI 분야의 기술 학회에 지속적으로 참가하여, 고객과의 직접 접점을 확대하고 전문가 집단과의 기술 교류를 강화할 계획입니다. 이러한 활동은 단순 홍보를 넘어 당사 솔루션의 신뢰도와 기술적 우수성을 효과적으로 알리는 데 기여하며, 초기 수요 창출과 시장 내 입지 강화에 중요한 역할을 하고 있습니다. 본 유상증자를 통해 조달되는 자금 중 16.35억원을 파트너 네트워크 구축비용과 국내외 전시회 및 학회참가 등 영업 네트워크 확대 전략을 실행하는 데 필요한 자금으로 사용할 예정입니다.
당사는 2021년 코스닥시장 상장 당시 글로벌 네트워크를 활용한 수출 확대, 클라우드 기반 제품 출시, 글로벌 고객 확보 전략 등을 중심으로 한 해외진출 계획을 수립한 바 있으며, 조달된 공모자금 중 약 17억원을 이러한 해외사업 진출에 사용하였습니다. 당사는 상장 이후 북미와 일본을 중심으로 영업 에이전시를 발굴하여 영업 에이전시의 해외 네트워크를 통해 제품 판매 확대를 진행한 바 있으며, 클라우드 기반 AI 영상분석 서비스(VidiGo) 출시와 함께 AWS, GPTs 등 글로벌 서비스가 가능한 마켓 플레이스를 통해 론칭을 진행하였습니다. 또한, 각 산업군별 메이저 고객사 레퍼런스를 선점하여 유사분야 해외 고객으로 횡전개 판매하려는 전략을 수립하였습니다. 그러나 이러한 자금 사용에도 불구하고 당사의 해외 고객사로부터의 매출은 공시서류 제출 전일 현재까지 실현되지 않았습니다. 해외 시장으로부터의 매출이 발생하지 못한 이유는 다음과 같습니다.첫째, AI 산업 특성상 시장이 초기단계임에 따라 AI 시스템은 도입 시 고객 현장의 데이터와 환경에 맞춘 실증(PoC) 과정이 필수이며, 이는 수개월에 걸친 기술 검증을 수반합니다. 해외 고객의 경우 내부 검토 및 커스터마이징 절차에 언어적, 문화적 장벽까지 더해지면서 초기 영업 리드가 실제 계약으로 전환되기까지 상당한 시간과 자원이 소요되는 구조입니다. 이에 따라 글로벌 시장에서 기대만큼의 빠른 확산이 이루어지지 않았습니다. 둘째, 당사의 기존 AI 영상분석 솔루션(XAIVA)은 대부분 구축형 중심의 온프레미스 형태로 제공되며, 고성능 GPU 인프라와 기술지원 체계를 동반해야하는 구조입니다. 이는 해외 고객에게 제품 도입 및 유지관리 부담으로 작용하였고, 이로 인해 당사가 계획한 AI 솔루션의 해외 진출 계획과 괴리를 보였습니다. 셋째, 2022년 이후 글로벌 AI 시장은 초거대언어모델(LLM)을 중심으로 빠르게 재편되었으며, 이에 따라 텍스트 기반 AI에 대한 수요가 급증하고 영상 기반 AI 솔루션 도입은 상대적으로 후순위로 밀리는 경향을 보였습니다. 특히, 기업 고객의 관심이 Vision AI보다는 LLM API 활용 등으로 집중되며, 당사의 AI 영상분석 솔루션 수요 확대에 제약 요인으로 작용하였습니다.이러한 대내외적 환경 변화를 반영하여 당사는 다음과 같은 방향으로 글로벌 시장 진입 전략을 새롭개 정비하고 있으며 금번 유상증자 자금을 통해 이를 실현하고자 합니다. 우선, 당사는 복잡한 인프라 구축 없이도 현장에서 바로 사용할 수 있는 설치형 제품인 XAIVA On-device를 출시하였습니다. 이는 기존 서버 기반 AI 영상분석 솔루션의 무거운 구조에서 벗어나, 경량화된 Vision AI 기능을 엣지 디바이스에 직접 탑재함으로써 고객이 보다 빠르고 간편하게 도입할 수 있도록 설계되었습니다. 이 같은 제품 구조 전환은 글로벌 시장에서의 진입장벽을 낮추는 핵심 요소로 작용할 것으로 기대됩니다.또한, AstraGo와 같은 주요 제품을 AWS, Azure 등 글로벌 클라우드 환경에 최적화된 형태로 전환하여 SaaS 기반 제품 고도화를 추진하고 있습니다. 클라우드 마켓플레이스를 통해 초기 구축 부담 없이 고객이 바로 사용할 수 있도록 지원함으로써, 실증(PoC) 없이도 고객 확보가 가능하도록 시장 진입 구조를 간소화하고자 합니다. 이와 함께, 미국과 일본 등에서의 실증 프로젝트와 글로벌 기업과의 협업 사례를 기반으로 기술력에 대한 신뢰를 확보하고, 이를 바탕으로 신규 고객을 적극 유치할 계획입니다. 특히, 글로벌 영업 에이전시 및 파트너사와의 협력 확대를 통해 간접 판매 채널(XPN, 씨이랩 파트너 네트워크)을 강화하고, 지역별 맞춤형 영업 전략을 전개함으로써 해외 수출 확대의 기반을 다져 나갈 예정입니다. 당사는 이러한 일련의 전략을 통해 기존 대비 더 넓은 시장 접근성과 기술 경쟁력을 확보할 계획입니다. 상기와 같은 당사의 글로벌 영업 네트워크 확대를 위한 전략 수정 및 운영자금 사용에도 불구하고 2021년 상장 당시와 같이 글로벌 네트워크 확대 및 해외 매출 확대를 위하여 자금을 투입하더라도 이는 곧바로 당사의 해외 매출 실현 및 매출 증가로 이어지지 않을 수 있습니다.