분 기 보 고 서

                                   (제 17 기)

【 대표이사 등의 확인 】

1분기보고서-대표이사등의확인서_1

I. 회사의 개요

1. 회사의 개요

- 해당사항은 기업공시서식 작성기준에 따라 분기보고서에 기재하지 않습니다.
관련 내용은 2026.03.23에 제출된 사업보고서를 참고해주시기 바랍니다.

2. 회사의 연혁

- 해당사항은 기업공시서식 작성기준에 따라 분기보고서에 기재하지 않습니다.
관련 내용은 2026.03.23에 제출된 사업보고서를 참고해주시기 바랍니다.

3. 자본금 변동사항

- 해당사항은 기업공시서식 작성기준에 따라 분기보고서에 기재하지 않습니다.
관련 내용은 2026.03.23에 제출된 사업보고서를 참고해주시기 바랍니다.

4. 주식의 총수 등

- 해당사항은 기업공시서식 작성기준에 따라 분기보고서에 기재하지 않습니다.
관련 내용은 2026.03.23에 제출된 사업보고서를 참고해주시기 바랍니다.

5. 정관에 관한 사항

- 해당사항은 기업공시서식 작성기준에 따라 분기보고서에 기재하지 않습니다.
관련 내용은 2026.03.23에 제출된 사업보고서를 참고해주시기 바랍니다.

II. 사업의 내용

1. 사업의 개요

<라온피플(주)>
당사는 2010년 1월 설립 이후 4차 산업혁명의 핵심 기술인 인공지능을 이용한 비전  솔루션을 제공하는 전문기업으로 사업의 내용을 보면 다음과 같습니다.
① 머신 비전 카메라, 렌즈 및 조명을 이용하여 적절한 이미지를 획득한 후, 획득한 이미지를 이미지 프로세서, 소프트웨어가 수행 작업의 목적에 적합하게 영상처리 및 분석 과정을 거쳐 특정 작업을 수행할 수 있는 판단을 제공하는 AI머신비전 솔루션
② 산업용 분야에서 입증된 우수한 AI 비전솔루션과 AI  영상검지 기술 등을 활용하여 골프센서, AI덴탈 솔루션, AI교통 솔루션, AI스마트팜 솔루션으로 사업을 확장하여 실생활에 활용될 수 있는  AI스마트비전 솔루션
③ 스마트폰 등에 사용되는 카메라 모듈을 검사하기 위해 카메라 모듈로부터 나오는 영상을 PC로 전송해주는 카메라 모듈 검사 솔루션
④산업별 맞춤형 혁신, 업무 자동화, 강력한 데이터 보안, 그리고 실제 현장 적용성에 최적화된 차별화된 기술력을 바탕으로, 다양한 산업군의 운영효율성 향상을 위한 혁신적인 솔루션을 제공해 주는 생성형AI솔루션

<(주) 라온로드>
당사는 산업용 분야에서 입증된 우수한 AI 영상검지 기술과 자체 개발한 지능형 교통신호제어 기술을 활용하여 스마트 라이프 사업 기회를 선점하기 위하여 교통제어시스템 사업 진출을 진행 중에 있습니다.

당사의 AI 영상검지 기술은 시간이나 날씨에 강인한 검출 능력을 기반으로 차종을 분류하고 횡단보도의 보행자를 인식하며, 인공지능 기술이 적용되어 PC 없이도 카메라가 딥러닝 연산을 수행하고, 영상 전송 과정이 생략되어 네트워크 연결에 대한 부담이 없는 등 교차로의 독립된 운영이 가능한 기술입니다.

한편 당사의 지능형 교통 신호제어 기술은 교차로의 교통 상황을 실시간으로 분석하여 교통 혼잡을 최소화할 수 있는 방향으로 교통 신호를 생성, AI 영상검지로 분석한 차량 정보를 이용하여 각 교차로 진행 방향(직진/좌회전)에 대한 혼잡도를 산출하고, 교통량이 가장 많은 혼잡 방향에 교통신호를 먼저 분배함으로써 혼잡 방향의 교통을 우선적으로 해결해 주는 기술입니다.

현재 지방자치단체 및 도로 관련 국가 유관기관과 협력을 넓혀가고 있으며, 2019년 하반기에 안양시에 독립 교차로에 시범 설치하여 AI 교통솔루션의 성능을 입증하였고, 각 지자체들은 C-ITS(차세대 지능형 교통시스템) 사업을 추진하고 있으며 관련사업에 컨소시엄 형태로 참여하며 사업을 확대하고 있습니다.

<(주) 라온메디>
당사는 회사가 보유한 인공지능 딥러닝 기술, 영상 처리 및 컴퓨터 비전 기술과 노하우를 활용하여 산업용에서 컨슈머용까지 어플리케이션 사업 영역을 확대하고 있으며 2021년 11월 물적분할을 통해 (주)라온메디가 신설되었습니다.

앞선 AI기술과 다양한 현장 경험을 통한 최적화 솔루션으로 생활 속의 AI를 실현하는 라온메디는 비전 기술을 바탕으로 독자 설계한 능동형 RGBW 프로젝터를 이용한 고속 3D 구강 스캐너를 개발하였습니다. 또한, AI와 3D 기술을 접목한 3D 덴탈 엔진을 개발하였고, 3D 덴탈 엔진을 이용하여 다양한 소프트웨어를 출시하였습니다.

그 외 투명교정솔루션 Align Studio, 보철 치료 솔루션 Design Studio, 세팔로 분석 솔루션 LaonCeph그리고 투명교정/직접프린팅 장치 설계가 가능한 Clear Aligner Creator, 교정후유지장치용 Retainer Creator소프트웨어 등의 제품을 개발하고 있습니다.

<(주) 티디지>
 당사는 MS 라이선스(LSP) 및 클라우드 솔루션 파트너(MSP), 클라우드 기술지원을 영위하고 있는 기업으로서 M365 계약 유저 최대 보유 MS 파트너사로 향후 클라우드 시장의 성장과 함께 MS Azure 메인 구축 업체로서 성장 잠재력을 보유하고 있습니다.
라온피플의 AI 기술 및 플랫폼 기술과 시너지로 클라우드 MSP 시장을 확대해 나갈 것으로 기대하고 있습니다.

2. 주요 제품 및 서비스

가. 주요 제품 등의 현황

3. 원재료 및 생산설비

가. 원재료

당사의 주요 원재료 품목은 다음과 같고 원재료는 국내외 업체로부터 안정적으로 조달받고 있습니다. 사업에 대한 보안으로 원재료의 구체적인 주요 매입처는 기입하지 않고 품목별로 총액으로 기재하였습니다.

공시대상기간 중 수익성에 중요한 영향을 미치는 원재료 가격변동은 없으며, 당사의 주요 원재료 품목은 다음과 같습니다.

나. 생산설비

(1) 생산능력 및 생산실적

당사의 주요 제품은 카메라 모듈 검사기, AI 머신비전, 골프센서로, 당사는 제품의 설계 및 소프트웨어 개발 등을 담당하고 있습니다. 주요 부품은 직접 구매 후 외주생산 업체들에게 사급 배포하고 있으며, 당사는 최종 제품의 조립 및 제조일정, 품질 등을 관리하고 있습니다. 따라서 당사가 보유 중인 직접제조설비는 존재하지 않으며, 대부분의 공정에 대해서 외주가공을 통해 제품을 생산하고 있습니다.

(2) 생산설비에 관한 사항

당사가 비품 외 보유 중인 직접제조설비는 존재하지 않습니다.

4. 매출 및 수주상황

가. 매출에 관한 사항

(1)매출실적

(2) 판매경로 및 판매방법
 <판매조직>

[판매조직]

 <판매경로>

 <판매방법 및 조건>
-내수 : 주문생산방식에 의한 현금 및 외상판매
-수출 : 주문생산방식에 의한 구매승인서 및 T/T결제방식

 <판매전략>
판매전략은 당사 영업기밀에 해당하여 관련 내용의 기입을 생략합니다.

(3)주요매출처

2026년 1분기 당사의 주요매출처의 내용은 고객사의 요청으로 기재하지 않았으며, 상위 3개사의 전체매출에 대한 비중은 약 30%입니다.

나. 수주에 관한 사항

세부적인 수주상황은 고객사와의 계약사항으로 공개가 불가능하여 카메라모듈검사, AI비전, Platform, 생성형 AI, 클라우드 부분으로 크게 분류하여 사업부별로 수주총액, 기납품액, 수주잔고를 하기와 같이 표시하였습니다.

5. 위험관리 및 파생거래

가. 시장위험과 위험관리

(1) 금융위험관리

연결실체는 경영활동과 관련하여 신용위험, 유동성위험 및 시장위험 등 다양한 금융위험에 노출되어 있습니다. 연결실체는 금융위험이 경영에 미칠 수 있는 불리한 효과를 최소화하기 위해  노력하고 있습니다.

1) 신용위험관리

연결실체는 채무불이행으로 인한 재무적 손실을 경감시키기 위하여 신용도가 일정 수준 이상인 거래처와 거래하고, 충분한 담보 또는 지급보증을 수취하고 있습니다. 연결실체는 신용위험노출 및 거래처의 신용등급을 주기적으로 검토하여 거래처의 여신한도 및 담보수준을 재조정하는 등 신용위험을 관리하고 있습니다.

(가) 금융상품 종류별 신용위험의 최대 노출금액은 다음과 같습니다.

2) 유동성위험관리

연결실체는 미래의 현금흐름을 예측하여 단기 및 중장기 자금조달 계획을 수립하여 유동성위험을 관리하고 있으며, 금융부채의 잔존계약 만기에 따른 만기분석내용은 다음과 같습니다.

<당분기>  

(*) 기타채무 중 급여관련 미지급비용과 미지급금은 제외하였습니다.

<전기>  

(*) 기타채무 중 급여관련 미지급비용과 미지급금은 제외하였습니다.

3) 시장위험

연결실체는 환율의 변동으로 인한 시장위험에 노출되어 있습니다.

(가) 외환위험관리

① 보고기간말 현재 외환위험에 노출되어 있는 연결실체의 금융자산 및 금융부채의 내역의 원화환산기준액은 다음과 같습니다.

② 연결실체는 외화거래 수행에 따라 다양한 환율변동위험에 노출되어 있습니다.
주요 통화별 환율변동시 민감도 분석내용은 다음과 같습니다.

(2) 자본위험관리

연결실체의 자본관리 목적은 계속기업으로 영업활동을 유지하고 주주 및 이해관계자의 이익을 극대화하고 자본비용의 절감을 위하여 최적의 자본구조를 유지하는데 있습니다. 연결실체는 배당조정, 신주발행 등의 정책을 통하여 자본구조를 경제환경의 변화에따라 적절히 수정변경하고 있습니다. 연결실체의 자본위험관리정책은 전기와 중요한 변동이 없습니다.

나. 파생상품 및 풋백옵션 등 거래

당사의 파생상품 및 풋옵션, 콜옵션 등의 의무를 보유하고 있는 상품의 거래내역은 다음과 같습니다.

(1) 전환사채 계약내역

(*1) 사채권자와의 별도 계약에 따라 당분기 중 3회차전환사채 액면금액 기준 5억 상환되었습니다.
(*2) 당분기 중 실시한 무상증자를 반영하여 조정된 전환가격입니다

(2) 보고기간말 현재 회사가 발행한 전환사채의 내역은 다음과 같습니다.

<당분기>

(*1) 당분기 중 제2회 무기명식 무보증 전환사채 전액, 제3회차 전환사채 5억원 상환하였습니다.
(*2) 별도의 파생상품으로 인식된 발행회사 보유 콜옵션입니다.
(*3) 주채무로부터 분리 인식한 전환권입니다.

<전기>

(*1) 전기 중 제1회 무기명식 무보증 전환사채는 전액 상환되었습니다.
(*2) 별도의 파생상품으로 인식된 발행회사 보유 콜옵션입니다.

(*3) 주채무로부터 분리 인식한 전환권입니다.
(*4) 전기 중 제3회 무기명식 무보증 전환사채를 발행하였습니다.

(2) 지분인수내역

(3) 상환전환우선주
라온메디가 발행한 상환전환우선주 162,659주 중 (주) 라온피플 취득 62,046주에 대한 내역입니다.

(*) 라온피플(주)에서 투자한 62,046주가 포함되어 있습니다.

(4) 파생상품계약으로 발생한 손익
티디지 주주간계약에 대한 파생상품 거래에 대한 내역은 각각 평가손실 480(백만원), 평가이익 1,015(백만원)입니다.

6. 주요계약 및 연구개발활동

가. 경영상의 주요계약 등

- 공시서류 작성 기준일 해당사항 없습니다.

나. 연구개발활동

(1) 연구개발 담당조직

-연구개발 조직개요
당사의 연구소는 AI팀, 머신비전팀, 메디컬비전팀, 엣지비전팀으로 구성되어 있으며, 미래성장엔진 가시화와 주력사업의 기술경쟁력 강화 등 전사적인 차원에서 유망성장분야에 대한 연구개발 방향제시와 창의적 R&D 체제를 구축하고 있습니다.

(2) 연구개발조직도

[연구개발 조직]

(3) 연구개발비용

(4) 연구개발 실적

7. 기타 참고사항

가. 업계의 현황

(1) AI 머신비전

(가) 산업의 연혁

머신비전이란 기계에 인간이 지닌 시각과 판단 기능을 부여한 것으로, 인간의 '눈(시각)'을 '카메라'가 대신하며, 인간의 '뇌(판단 기능)'를 '소프트웨어 시스템'이 대신하여 처리하는 기술을 의미합니다. 머신비전은 다양한 제조 공정의 최종 제품을 검사하는데 주로 이용됩니다.

머신비전의 구성요소는 하기 그림에서 보는 바와 같습니다.

머신비전 구성요소

(출처 : 라온피플)

즉, 생산 라인 상에 장착된 카메라, 조명 등의 하드웨어를 통해 제품의 이미지를 획득하고, 소프트웨어를 통해 획득한 이미지를 분석 및 검사하여 최종 제품의 검사가 이루어집니다.

한편, 제품 검사는 사람(검사자)이 직접 검사를 수행하는 '육안 검사'에서 시작되어 일부 자동화 검사가 이루어지지만 어느 정도의 검사자가 필요한 'Rule 기반 머신비전'을 거쳐 컴퓨터가 스스로 학습하고 추론하여 검사자를 완벽히 대체할 수 있는 'AI 기반 머신비전'까지 이르렀습니다.

제품 검사의 역사

(a) 육안 검사

머신비전이 등장하기 전 제품 검사는 검사 작업자의 육안에 의해 이루어졌습니다. 육안 검사는 검사 작업자들마다 결과에 관한 편차가 존재하여 균일도가 낮고, 작업자의 피로도 탓에 인적 오류가 발생할 가능성이 존재합니다. 또한 작업자의 숙련도나 컨디션에 따라 검출 성능이 일정하지 않을 수 있으며, 작업자의 주관적 판단이 검사에 큰 영향을 미치는 단점이 존재하였습니다.

(b) Rule 기반 머신비전

이러한 단점을 보완하기 위하여 Rule 기반 머신비전이 등장하였습니다. Rule 기반 머신비전은 양품과 불량품이 차이가 확연히 드러나거나, 'Rule(규칙)'로 양품과 불량품을 정의할 수 있어야 성립됩니다.

Rule 기반 머신비전이 실제 산업에서 적용되는 사례는 다음과 같습니다.

Rule 기반 머신비전 실제 적용 사례

(출처 : 라온피플, 미래에셋대우)

Rule 기반 머신비전을 사용하면 위 사례의 Bolt 조립 유무와 같이 정형화되거나 일정한 패턴이 존재하는 작업에 대한 검사를 손쉽게 자동화할 수 있습니다.

하지만 제품에 미세하게 생긴 금이나 사전에 정의할 수 없는 스크래치, 얼룩 등은 Rule 기반 검사로 자동화할 수 없어 어쩔 수 없이 사람(검사 작업자)을 배치하여 육안으로 검사를 진행해야 합니다. 또한 Rule 기반 머신 비전은 전문 비전 엔지니어가 프로그램을 만드는 데 수 주 혹은 수 개월이 소요되어 머신비전을 구축하는 데 시간이 오래 걸린다는 단점이 존재합니다.

(c) AI 기반 머신비전

AI 기술이 머신비전과 접목되며 비정형 불량이 발생하더라도 AI 기반의 추론능력을 통해 비전 검사가 가능해졌습니다.

AI 기반 머신비전이 실제 산업에서 적용되는 사례는 다음과 같습니다.

AI 기반 머신비전 실제 적용 사례

(출처 : 라온피플, 미래에셋대우)

위 사례는 AI 머신비전을 이용하여 태양광 패널을 검사한 것입니다. ①번 크랙의 경우 좌우로 길게 뻗어 있으며 크기도 커서 다른 크랙에 비해 상대적으로 검출이 쉽습니다. ②번 크랙의 경우는 경계에 걸쳐 있어 육안으로도 구분이 잘 가지 않으나 AI 머신비전을 이용하면 검출 가능합니다. ③번 크랙의 경우에는 배경과 비슷한 형태를 지니고 있으나 AI 머신비전을 이용하여 검출시 정상적으로 검출 가능합니다. 이처럼 AI 기반 머신비전을 이용하면 태양광 패널과 같이 육안으로 검사하기 까다롭거나 불량(크랙)이 비정형적으로 나타나 Rule(규칙)을 적용하기 어려운 복잡한 검사 대상들을 검사할 수 있습니다.

(나) AI 머신비전과 전방시장

대한민국 정부는 2026년 AI예산 3조원 시대를 열며, AI머신비전을 포함한 'AI G3 강국'도약을 핵심 국정과제로 추진하고 있습니다. 과거 단순한 자동화 지원을 넘어, 이제는 "제조업의 자율화(Autonomous)"와 비제조업의 "지능화"를 동시에 겨냥하고 있습니다. 핵심 정책 방향은 다음과 같습니다.  

(a) 자율제조 전략 1.0 & 3.0 (산업통상자원부·중소벤처기업부)

정부는 2030년까지 제조업 생산성을 20% 향상시키는 것을 목표로 머신비전 중심의 'AI 자율제조'를 강력히 밀고 있습니다.

   - 자율제조 공장 모델 확산: 반도체, 이차전지 등 주요 업종별로 AI 머신비전이
    핵심인 '선도모델' 공장 구축에 5년간 1조 원 이상을 투자합니다.

- 스마트제조혁신 3.0: 중소기업의 AI 도입률을 현재 1%에서 10%까지 끌어올리기 위해, AI 비전 검사기 등 고도화된 장비 도입 비용을 지원합니다.

- AI 자율제조 얼라이언스: 대기업의 AI 비전 노하우를 협력사에 전수하는 상생형 모델을 통해 공급망 전체의 지능화를 꾀하고 있습니다.

(b) 국가 AI 인프라 확충 (K-클라우드 & AI 바우처)

머신비전 소프트웨어가 원활히 구동될 수 있는 '인프라'와 '구매력'을 지원하는 정책입니다.
- AI 바우처 지원사업: AI 솔루션 도입이 필요한 수요기업에 최대 2~3억 원 규
 모의 바우처를 지급합니다. 이를 통해 기업들은 라온피플과 같은 공급기업의  
  AI 머신비전 솔루션을 큰 부담 없이 도입할 수 있습니다.
- K-클라우드 프로젝트: 국산 AI 반도체(NPU) 기반의 클라우드 환경을 구축하
  여, 고해상도 비전 데이터를 저비용·고속으로 처리할 수 있는 환경을 만듭니다

(c) 피지컬 AI 및 로봇 산업 육성 (지능형 로봇 실행계획)

머신비전을 로봇의 '눈'으로 정의하고, 서비스 및 산업용 로봇과의 결합을 가속화합니다.
- 지능형 로봇 400만 대 시대: 2026년부터 로봇이 스스로 환경을 인식하고 판단하는 3D 비전 및 엣지 AI 기술 개발에 집중 투자합니다.
-  비제조업 확산: 제조 현장을 넘어 물류, 의료, 안전 분야에서 AI 머신비전을 활용한 관제 및 진단 서비스 모델 개발을 국가 R&D 과제로 적극 지원하고 있습니다.

(d) 산업별 점유율

2025년 전체 시장 규모는 약 158억 3,000만 달러로 추산되며, 점유율 비중은 다음과 같습니다.

2025년 전세계 머신비전 산업별 시장점유율

(출처 :MarketsandMarkets)

머신비전 시장은 전통적인 제조 분야인 반도체와 자동차가 여전히 큰 비중을 차지하고 있으나, 최근 물류와 의료 분야의 비중이 빠르게 늘고 있습니다.

이와 같이 전 세계 머신비전 시장은 제조현장의 디지털 전환과 인공지능(AI) 기술의 고도화에 힘입어 매우 낙관적인 전망을 보이고 있습니다.

이러한 성장의 핵심 동력은 단순한 '이미지 촬영'을 넘어 '지능형 판단'이 가능해진 기술적 진화에 있습니다. 특히 AI 및 딥러닝 기반 소프트웨어는 기존 방식으로는 잡아내기 힘들었던 비정형 결함을 정밀하게 식별해내며 시장 성장을 주도하고 있습니다 . 이런 이유로 우리는 숙련된 노하우와 더불어 생성형AI기술을 결합하여  시장에서의 위치를 더욱 견고히 할 것입니다.

글로벌 AI 비전 시장은 엣지(Edge) 카메라, 3D 카메라 등 고성능 카메라 기술의 발전으로 활발히 성장하고 있습니다. 디스플레이, 반도체, 2차전지, 자동차, 의류 F&B 등 다양한 분야에서 기존의 Rule 기반 머신비전 또는 육안검사로 생기는 오류 및 번거로움을 극복하여 불량, 이물 등의 검사를 보다 효율적으로 진행할 수 있게 해주었고, 공장 자동화, 스마트 팩토리 등 4차 산업혁명과 연계되어 응용 영역이 크게 확대되고 있습니다. 최근에는 헬스케어/의료, 우편, 지능형 교통시스템 등 비산업 분야까지 확장되어 광범위하게 사용되고 있습니다.

                              [글로벌 AI 비전 시장 2024-2030  전망]

AI 비전 시장 2024-2030 추이

출처: Markets and Markets (2024.12)

글로벌 시장 조사 기관 Markets and Markets에 따르면 글로벌 AI 비전 시장의 규모는 2025년부터 2030년까지 22.1%의 연평균 성장률 (CAGR)을 보여주며 2025년 US 234.2억 달러에서 2030년 US 634.8억 달러에 도달할 것으로 전망하고 있습니다.

(2) 카메라모듈 검사 솔루션과 전방시장

① 카메라 모듈

CCM(Compact Camera Module : 초소형 카메라모듈)은 디지털 카메라 기술에서 시작된 소형 카메라로서 영상 기반의 초정밀 부품입니다. CCM의 주요 기능은 렌즈를 통해 들어온 이미지를 디지털 신호로 변환시키는 것으로 사진이나 동영상 촬영 용도로 주로 사용됩니다. 현재의 카메라 모듈은 2,100만화소 이상의 고화소로 빠르게 진화하면서 디지털 카메라의 성능과 비슷한 수준까지 도달하였습니다. 또한 화소수의 증가뿐만 아니라 Auto Focus(자동초점), OIS(손떨림 방지) 등의 다양한 기능이 추가되고 성능도 업그레이드 되고 있는 추세입니다. 특히 고화소급 카메라 모듈일수록 장착되는 관련 부품도 고도의 기술이 요구됩니다.

[ 카메라 모듈 ]

②  카메라 모듈 검사 솔루션

카메라 모듈 제조 공정에서 ①Active Alignment(카메라 모듈 제조 시 이미지 센서와 렌즈 모듈의 축을 정렬시키는 공정), ②Focusing, ③Calibration(측정 장비가 측정하여 표시하는 값이 정확한지 공인된 표준과 비교하여 객관적으로 검증), ④Final Test에 당사 카메라 모듈 검사기가 사용되며, 이미지 수신 이외에 Auto Focusing 알고리즘을 포함한 다양한 영상 처리 알고리즘을 적용하여 빠르고 정확하게 카메라 모듈 검사를 진행하게 됩니다.

[ 카메라 모듈 제조공정 ]

당사의 카메라 모듈 검사 솔루션은 스마트폰, CCTV, 자동차 등에 사용되는 카메라 모듈을 검사하기 위해 카메라 모듈로부터 나오는 영상을 수신하여 처리한 후  PC로 전송해주는 역할을 수행합니다. 뿐만아니라, 카메라 모듈에서 필요로 하는 각종 전원을 생성하여 공급하고, 제조시 접선 불량이나 진행성 불량을 감별하기 위한 동적/정적 전류 계측, 누설전류 계측 및 open/short 검사 기능을 갖고 있습니다.

카메라 모듈을 생산하는 대다수 기업들은 카메라 모듈의 성능(좋은 화질, 빠른 프레임 속도, 모듈별 편차 없는 균일한 성능 등)과 내구성, 생산성을 높이기 위해 최고의 품질을 지닌 카메라 모듈 검사기 확보에 노력을 기울이고 있습니다.

[ 카메라 모듈검사기 사용예시 ]

이 같은 카메라 모듈 검사기의 성능을 좌우하는 주요 항목들은 다음과 같습니다.

카메라 모듈 검사 시장은 스마트폰에 적용되는 카메라의 해상도와 기능이 고도화되면서 검사 공정의 중요성이 크게 확대되고 있는 분야입니다. 스마트폰 제조사들이 제품 경쟁력을 높이기 위해 듀얼, 트리플, 쿼드 등 멀티 카메라 채택을 지속적으로 확대함에 따라, 각 모듈의 정밀도 및 품질을 검증하기 위한 검사 장비 수요도 꾸준히 증가하고 있습니다.

또한, 스마트 제조, 산업 자동화 트렌드 확산으로 생산라인 전반에서 영상 기반 정밀 검사의 필요성이 높아지고 있으며, 이는 공정 안정성 확보와 수율 제고를 위한 핵심 요구사항으로 자리잡고 있습니다. 스마트폰 외에도 자율주행차, 보안 및 감시 시스템, 메타버스 기기 등 다양한 전방산업에서 고성능 이미지 센서의 활용이 확대됨에 따라, 카메라 모듈 검사 장비와 AI 기반 검사 솔루션의 적용 범위 또한 점차 넓어지고 있습니다.

시장조사기관 Verified Market Reports에 따르면, 글로벌 카메라 모듈 검사 장비 시장은 2024년 약 12억 달러(USD) 규모에서 연평균 8.1%의 성장률(CAGR)을 기록하며 2033년까지 약 25억 달러 수준으로 성장할 것으로 전망되고 있습니다.

             [글로벌 카메라 모듈 검사 장비 시장 2024-2033 전망]

카메라모듈 검사 시장 2024-2033 추이

출처 : Verified Market Reports(2025.02)

(3) AI스마트비전 솔루션

(A) 골프센서


골프센서는 스크린 골프장에서 스크린 골프를 즐길 수 있도록 하는 장치로서, 골프공의 속도, 탄도, 스핀, 방향 및 비거리 등 골프를 하는데 있어 필요한 가장 중요한 결과물들을 이용자가 직접 보고 느낄 수 있도록 정확하게 데이터를 산출하여 보여줌으로써 실제 필드에서와 동일한 느낌을 스크린 골프장에서도 느낄 수 있도록 구현해 줍니다.

스윙크래프트

또한 AI분석 알고리즘을 통한 골프스윙 분석 및 자가연습 솔루션을 제공하고 있습니다.

당사의 골프센서 제품과 직접적인 경쟁 관계에 있는 업체로는 골프존과 SG골프가 있습니다. 이외에도 소수의 골프센서 제조업체들이 존재하지만 영세한 수준으로 당사의 경쟁 대상은 아니라고 판단됩니다.

골프존과 SG골프는 자체적으로 골프센서를 개발하였습니다. 이들 업체는 자체 스크린 골프 브랜드를 영위하고 있으며, 자사 스크린 골프 제품에 자신들의 골프센서를 탑재하고 있습니다. 그러나 당사는 자체 스크린 골프 브랜드와 제품이 없으며, 카카오 VX(티업비전)로의 독점 공급을 통해 골프센서 판매를 진행하고 있습니다.

국내 스크린 골프 시장 내 업체들의 시장 점유율 현황은 다음과 같습니다.

스크린 골프 시장점유율

(출처 : S-Golf, 2018년 4월)국내 스크린 골프 시장점유율은 골프존이 60% 가까이를 차지하고 있으나, 최근 몇 년 사이 SG골프 및 카카오 VX의 점유율이 상승하고 있어 골프존의 시장지배력이 과거 대비 약화되고 있는 것으로 판단됩니다.

(4) 클라우드 및 전방시장

당사는 2023년 12월 Microsoft의 소프트웨어 유통 및 클라우드 관리 솔루션 제공 사업자인 (주)티디지의 지분 36%를 인수하였습니다.  LSP 클라우드 구축 및 운영 사업 확대에 따라 클라우드 관리 서비스(MSP) 시장에서의 사업 비중이 점차 증가하고 있습니다. 기업들의 디지털 전환 가속화, 멀티클라우드 환경 도입 확대, 보안 및 운영 효율화 요구 증가 등에 힘입어 MSP 서비스에 대한 수요가 지속적으로 확대되고 있으며, 이러한 시장 흐름 속에서 당사의 클라우드 관련 매출 또한 성장세를 보이고 있습니다.

클라우드는 네트워크, 서버, 스토리지, 애플리케이션, 서비스 등의 ICT 자원을 가상의네트워크에 접속하여 이용할 수 있도록 제공하는 환경을 의미하며, 이용자들은 필요한 컴퓨팅 자원을 자체적으로 구축하지 않고 인터넷으로 쉽게 이용 가능하게되어 사용자는 자신의 하드웨어 디바이스가 보유한 정보처리(컴퓨팅) 능력을 상회하는 자원을 제공받을 수 있어, 단순 저장공간의 제약을 벗어나는 것 뿐만 아니라 일반 컴퓨터로 수행 불가능한 고난도 연산 작업이 가능해지며 AI, 머신러닝, 빅데이터 분석, 자율주행, IoT 등 과거 대비 엄청난 연산 능력과 저장소, 연결성을 필요로 하는 산업이 성장하였고 이는 사실상 클라우드 환경에서만 구현 가능하기 때문에 클라우드의 중요성도 함께 높아지고 있습니다.

클라우드 시장은 2000년대 후반부터 선진국 시장을 중심으로 성장해왔으며, 인플레이션 및 높은 금리로 인해 경제 상황이 위축되는 최근 상황에서도 지속적인 성장이 예상됩니다. 클라우드 컴퓨팅은 소비자들에게 민첩성과 탄력성, 확장성을 제공하므로 인플레이션 압력 등으로 불확실한 상황에서도 기업 성장을 지원하면서 안전과 혁신의 동력으로 작용하며 성장할 것이라고 전망하였습니다.

국내 클라우드 시장의 경우도 글로벌 성장 흐름과 마찬가지로 대부분 기업의 차세대 애플리케이션이 클라우드 기반으로 교체되는 추세 등에 따라 지속적인 성장이 예상되고 있습니다. IT 시장조사업체 한국IDC는 국내 기업의 지속적인 디지털화 흐름 속에 디지털 민첩성 지수(DAI: Digital Agility Index)와 같은 기준이 생기고 비즈니스 전략에 영향을 미치면서 시장 무게중심이 IaaS에서 PaaS와 SaaS로 이동되어 향후 시장 성장세 유지에 긍정적인 영향을 미칠 것으로 전망하였으며, 국내 퍼블릭 클라우드 서비스 시장은 2022년부터 2027년까지 5년간 연평균 16.9% 성장률로 7조 6,642억원 규모로 성장할 것으로 전망하였습니다.

                 [국내 퍼블릭 클라우드 서비스 2022-2027 시장 전망]

(2022-2027)

출처 : IDC (2023. 09)

이러한 클라우드 시장 확장으로 기업의 IT 환경이 사용자가 모든 전산시스템을 조달 및 관리하는 온프레미스 방식에서 클라우드(IaaS, PaaS, SaaS) 기반으로 이동함에 따라, 기업이 사용하는 소프트웨어 라이선스의 형태가 근본적으로변화하고 있습니다. 과거 기업은 LSP자격을 얻은 소수 업체들을 통해 Windows, Server, Office 등을 영구 라이선스 형태로 구매를 하였습니다. 다만, 현재 클라우드 도입 이후 Microsoft 365, Azure 등 Saas  및 클라우드 기반 종량제 모델이 확산되면서 구매 경로가 직판/ CSP(클라우드 솔루션 파트너), MSP로 이동하며 전통적인 EA 및 영구라이선스 비중은지속적으로 감소하고 있습니다.

당사가 2023년 말 지분 인수한 기존 LSP 중심의 MS 제품을 유통하는 (주) 티디지 또한, 과거 LSP 중심으로  EA(Enterprise Agreement) 계약 체결, 라이선스 구성 및 조정 등 기능을 수행해왔지만, 현재는 기존 LSP 중심의 MS 제품 유통 뿐만아니라 MS의애저 클라우드 관리 사업자(MSP)로 기업의 애저클라우드 인프라 구축 및 운영 사업 및 라이선스 계약을 수행하며 사업을 확장해 나가고 있습니다.

기업들의 클라우드 수요가 급증함에 따라 대부분 자체 전산 인력의 클라우드에 대한 전문성이 미비하여, 컨설팅부터 구축, 운영, 관리 서비스까지 제공해주는 MSP를 찾는 수요가 늘고 있으며, MSP는 기업의 클라우드 파트너 역할을 수행함으로써 산업 내 핵심적 존재로 부상하고 있습니다. 이러한 시장 흐름 속에서 당사의 클라우드 관련 매출 또한 성장세를 보이고 있습니다.

MSP 시장은 기업의 IT 인프라 운영, 클라우드 전환 및 관리, 보안, 네트워크, 애플리케이션 관리 등을 전문 서비스 사업자에게 위탁하는 방식으로, 클라우드 도입 증가와 비용 최적화 트렌드에 따라 꾸준히 성장해 왔습니다. 시장조사기관 Grand View Research에 따르면 글로벌 MSP 시장 규모는 2024년 약 3,353억 달러에서 2030년 약 7,310억 달러로 확대될 것으로 예상되며, 연평균 성장률(CAGR)은 약 14.1%에 달할 것으로 전망됩니다.

                                     [MSP 시장 2018-2030 전망]

2018-2030 추이

출처 : Grand View Research (2025.04)

[클라우드 제공자 시장 점유율]

글로벌 클라우드 점유율 20.4q-25.3q

(5) AI플랫폼 및 생성형 AI 솔루션 과 전방시장

당사는 AI 비전 기술 기반으로 축적한 기술 역량을 바탕으로, 성장성이 높게 전망되는 AI 플랫폼 및 스마트팩토리, 머신비전 분야 중심의 신규 사업을 추진하고 있습니다. 2024년과 2025년 당사는 MLDLC 기반 AI 개발 플랫폼 'EZ-PLANET(EZ Planet래닛)'과 LLM 기반의 생성형 AI 에이전트 서비스 'HI FENN', VLM 기반의 영상분석 솔루션 'Odin AI'를 출시하였습니다. 이를 통해 당사는 기존 AI 비전 사업에서 확보한 기술 자산을 확장하여, 산업용 AI 플랫폼, 머신비전 기반 검사 시스템, 데이터 분석 솔루션 등으로 사업영역을 다각화하고 있습니다.

시장조사기관 Grand View Research에 따르면, 글로벌 MLOps 시장 규모는 2024년 약 21억 9천만 달러에서 2030년 약 166억 달러로 확대될 것으로 전망되며, 연평균 성장률(CAGR)은 약 40.5%에 달할 것으로 예상됩니다. 이는 AI 모델의 개발, 배포, 운영을 자동화하여 효율성을 극대화하는 MLOps 솔루션이 산업 전반의 AI 활용 확산과 함께 빠르게 채택되고 있기 때문으로 분석됩니다.

                            [MLOps 시장 2020-2030 규모 전망]

전망

출처: Grand View Research(2025.05)

MLOps는 AI 모델의 개발부터 운영까지의 전 과정을 표준화 및 자동화함으로써 AI 비즈니스의 지속성과 운영 효율을 향상시키는 핵심 인프라로 주목받고 있으며, 산업 자동화, 공정 모니터링, 스마트팩토리 등 비전 AI 응용 분야에서의 활용이 가속화됨에 따라 당사의 핵심 기술과의 시너지가 기대됩니다.

2025년에 당사가 출시한 'HI FENN'은 LLM 기반 생성형 AI 에이전트 서비스로, 기존 LLM의 단순 질의응답 방식에서 나아가 AI가 사용자의 업무 맥락을 파악하고 자체적 의사결정 기반으로 자동 실행하는 에이전트 기능을 구현한 제품입니다. 당사는 이를 기업(B2B) 환경에 맞게 구축하여 제공하고 있으며, 사용자가 업무 자료를 업로드하면 AI가 문서 맥락을 이해하고 보고서 작성, 회의록 요약, 코드 생성 등 업무 자동화를수행합니다.

'Odin AI'는 VLM(비전 및 언어 모델) 기반의 영상 분석 플랫폼으로, 영상 내 위험 상황 및 비정형 이벤트를 탐지하고 이를 자연어 형태로 실시간 보고하는 기능을 제공합니다. 주요 적용 분야는 건설현장 안전감시, 제조설비 위험탐지, 도난 및 침입 감시 등이며, 2024년에는 용산구청 전기차 화재 감시, 인천공항 혼잡도 감지 등 시범사업(POC)을 수행하여 레퍼런스를 확보한 바 있습니다.

ODIN AI는 기존의 딥러닝을 이용한 AI기술의 한계를 뛰어넘어 딥러닝 기술에 자연어이해 능력을 결합한 생성형 AI 모델로 단순 객체 인식 단계를 넘어 영상 속 상황을 이해하고 설명하는 생성형 AI 관제 시스템입니다. ODIN AI는  ARC 기술을 통해 오탐률, 미탐률을 최소화하고 자연어 기반 제어 및 자동 보고 기능을 제공하여 산업현장 전반의 안전관리 효율 제공이 가능합니다.
예를 들어 실시간으로 감지된 이벤트인 화재, 침입, 쓰러짐등을 분석하고 그에대한 검증을 통해 오탐을 줄이고 사건의 개요 및 세부설명을 함께 제공함으로써 담당자가 사건의 맥락을 빠르게 이해하고 판단할 수 있도록 돕습니다.

odin ai 사례

odin ai 사례2

산업현장에서의 중대재해 관리가 점차 중요시되고 있으며, ODIN AI의 기회가 더욱 넓어지고 있다고 볼 수 있습니다.

AI 에이전트인 HI FENN은 사용자 목적을 이해하고 스스로 판단해 목표를 달성하기 위한 필요한 작업을 수행하는 소프트웨어입니다. 자율성, 추론, 계획, 기억 능력을 갖추고 있으며 일정 수준의 자율성을 가지고 의사 결정, 학습 및 조정을 처리합니다. 전통적인 인공지능은 RPA, 챗봇처럼 명확하게 정의된 규칙 기반으로 작동하며, 단순 문제 해결, 단순 자동화 개념이었지만 AI 에이전트는 이를 넘어 지식기반, 맥락 이해를 바탕으로 작업을 수행한다는 점에서 큰 차이가 있습니다.

정보통신 기술을 기반으로 한 지식산업 시대에서는 공공기관이나 기업들이 IT투자, 또는 IT인프라 투자를 통하여 생산성과 효율성의 극대화를 추구하였다면, 최근 AI 기술의 발달로 촉발되고 있는 AX(인공지능 대전환)시대에서는 AI 기술의 도입과 적용이 기관과 기업의 생존 자체가 걸려있는 필수불가결한 투자라는 것은 주지의 사실입니다.

이러한 시대적 흐름 속에서 AI 에이전트는 제조, 의료, 법률 등 다양한 분야에서 수요가 증가하고 있습니다. 시장에서는 생성형AI를 이용한 사업 수익화 모델로 AI 에이전트를 개발하고 제품을 출시하며 최근 몇 년 사이 급격한 성장과 발전을 이뤄내 향후 발전 가능성이 있는 분야로 손꼽히고 있습니다.

빅테크 기업은 AI 에이전트 제품과 서비스를 출시해 생성형 AI를 활용한 수익화 모델을 만들어내는데 집중하고 있습니다. 특히 AI 에이전트는 제조, 의료, 법률 등 기존인적 전문성이 강해 기술이 침투하지 못했던 영역에서 빠르게 발전이 이뤄지고 있습니다.

ai agent 글로벌 시장 규모 그래프

글로벌 AI 에이전트 시장은 최근 급격한 성장을 이뤄내고 있습니다. 2025년 4월 발간된 리서치 기관 Precedence Research의 보고서에 따르면, 2024년 54억 3천만 달러에 달했으며, 2025년 79억 2천만 달러에서 2034년에는 약 2,360억 3천만 달러로 증가해 CAGR 45.82%로 확대될 것으로 전망됩니다.

한국 AI 에이전트 시장은 2025년부터 2030년까지 연평균 56.1%의 성장률을 기록할 것으로 예상됩니다. 또한 소프트웨어정책연구소가 발표한 보고서에 따르면 2024년 국내 AI 산업 매출액은 6조 3천억원으로 집계되었습니다

이와 같이 AI 에이전트 시장은 글로벌 및 국내 모두 높은 성장세가 예상되며 관련 산업 및 응용 서비스 전반의 매출이 확대될 것으로 전망됩니다. 당사는 이러한 시장 흐름에 발맞춰 고객 맞춤형 AI 에이전트사업을 확대 및 강화하고 더 나아가 AI 에이전트 플랫폼을 개발해 고객 맞춤 AI 서비스를 제공할 계획입니다.

이처럼 당사는 신규 출시한 플랫폼 및 AI 솔루션의 고도화를 통해 매출 성장과 수익성 제고를 목표로 하고 있습니다.

당사는 현 시점에서 EZ-PLANET, HI FENN, Odin AI 외에 별도 신규 사업을 추진할 계획은 없으며, 기존 AI 플랫폼 및 비전 기반 제품군의 고도화를 중심으로 R&D 역량을 집중하고 있습니다. 다만, AI 산업 환경 변화와 기술 발전 속도 등을 고려할 때 향후 신규 플랫폼 또는 AI 제품 개발이 이루어질 가능성은 존재합니다.


나. AI 산업 관련 정부 정책

당사가 영위하는 사업의 근간이 되는 인공지능 기술이 비약적으로 발전하면서 산업 내 다양한 사업에 활용되고 있으며, 이에 정부의 각종 정책들이 산업의 발전 방향 혹은 규제 등에 영향을 크게 미치고 있습니다. 정책과 더불어 관계 법령들을 제정함으로써 산업의 기본 발전 및 방향성이 민간 뿐만 아닌 정부 차원의 주도로 이루어지고 있습니다. 국내 정부 또한 그 중요성을 인식하여 데이터 및  AI 경제 활성화 계획(2019.01)을 시작으로, 혁신성장 확산 및 가속화 전략(2019.08), 한국판 뉴딜 2.0(2021.07), 제1차 데이터 산업 진흥 기본계획(2023.01) 및 초거대AI 경쟁력 강화 방안(2023.04), 비정형 데이터 익명화 가이드라인(2024.02) 등의 정책을 연달아 시행하며 인공지능 국가 경쟁력 강화를 위해 적극적인 투자를 진행하고 있습니다.

(1) 데이터 및 AI 경제 활성화 계획 (2019.01)

과학기술정보통신부는 2019년 01월 16일 4차 산업혁명의 성공이 고도의 인공지능 기술 확보 등에 의존한다는 인식 아래 데이터 및 인공지능의 육성전략 및 융합을 촉진하는 5개년 실행계획을 수립 및 발표하였습니다. 향후 5년간 데이터의 수집에서 유통, 활용에 이르는 가치사슬의 전 주기를 활성화하고 인공지능 생태계의 조성 등을 촉진하는 9개의 정책과제를 제시하였습니다. 이러한 과제를 통해 정부는 2023년까지 국내 데이터 시장을 30조원 규모로 성장시키고 인공지능 분야의 유니콘 기업 10개 육성, 관련분야 전문 인력 1만 명 양성 등의 목표를 수립하였습니다.

(2) 혁신성장 확산 및 가속화 전략 (2019.08)

상기 기술한 데이터 및 AI 경제 활성화 계획(2019.01)을 데이터 및 AI  분야에서의 단기 및 중장기 정책과제를 담은 로드맵으로 삼아 추진하는 과정에서 정부는 그간의 성과를 바탕으로 혁신성장을 한 단계 업그레이드 하기 위한 방안으로서 2019년 08월 혁신성장 확산 및 가속화 전략을 마련하였습니다. 산업생태계 혁신 가속화를 위한 전략으로 '플랫폼 경제 가속화', '선도사업 성과 고도화', '산업간 연결과 융합 촉진'의 3가지 정책 과제 및 80개의 세부 과제를 발표하였으며, 주요 세부 과제는 아래와 같습니다.

(3) 한국판 뉴딜 2.0 (2021.07)

한국판 뉴딜 2.0은 코로나19 사태로 인한 경제 위기를 극복하고 글로벌 경제를 선도하기 위한 한국의 국가발전전략으로, 디지털뉴딜 정책의 일환으로 D.N.A(Data, Network, AI) 생태계 강화와 메타버스, 지능형로봇, IOT 등 AI 기반의 초연결 신산업 육성을 표방하며 정부는 국내 AI 산업 발전을 위해 투자하고 있습니다. 특히, 2020년 07월 한국판 뉴딜 1.0을 통해 추진하였던 D.N.A 생태계 육성 성과의 확산을 한국판 뉴딜 2.0을 통해 유도하고자 하였으며, 구체적으로 개인정보보호법 개정을 통한 마이데이터 전분야 확산, 가명정보 결합 및 활용 지원을 통한 민간 데이터 활용 촉진 등을추진전략으로 삼았습니다. 또한, 한국판 뉴딜 1.0 당시 D.N.A 생태계 강화에 편성되었던 31.9조원의 사업비를 33.5조원으로 추가편성 하는 등 데이터 및 인공지능 분야에 대한 적극적인 정책적 투자 의지를 나타냈습니다.

(4) 제1차 데이터 산업 진흥 기본계획 (2023.01), 초거대 AI 경쟁력 강화 방안 (2023.04)

2023년 01월 '제2차 국가데이터정책위원회'를 통해 정부는 향후 3년간 국가 데이터 정책 방향을 결정할 '제1차 데이터 산업 진흥 기본계획' 및 '인공지능 일상화 및 산업고도화 계획'을 안건으로 논의하며 약 7,100억원을 투입하는 데이터 시장의 성장 전략 및 AI의 일상화 전략을 위한 청사진을 제시하였습니다. 정부는 그간의 데이터 시장의 한계를 극복하고 민관 협력을 통한 전량적 데이터 개방과 선제적 투자를 추진할 계획이며, 이를 위하여 모든 데이터의 혁신적 생산 및 개방과 공유 추진, 민간 중심 데이터 유통 및 거래 생태계 마련, 안전하고 혁신을 촉진하는 데이터 활용기반 조성, 국가 디지털 전환 전면화 등을 세부 전략으로 확립하였습니다.

나아가, 2023년 04월 정부는 전세계적인 챗GPT 돌풍을 계기로 국내 역시 독자적인 초거대 AI 플랫폼을 기반으로 글로벌 선두권 경쟁에 참여하여야 하는 필요성을 인식하고 초거대 AI 경쟁력을 확보하기 위한 초거대 AI 경쟁력 강화 방안을 제시하였습니다. 이를 위하여 초거대 AI 개발 및 고도화를 지원하는 기술과 산업 인프라 확충, 민간과 공공 초거대 AI 융합 등 초거대 AI 혁신 생태계 조성, 범국가 AI 혁신 제도 및 문화 정착 등을 추진 전략으로 확립하였으며 세부 내용은 아래와 같습니다.

(5) 비정형 데이터 익명화 가이드라인(2024.02)

2024년 02월 개인정보보호위원회는 이미지, 영상, 음성, 텍스트 등 인공지능 시대 기술개발의 핵심 재료인 비정형 데이터에 대한 가명처리 기준을 새롭게 마련했습니다. 기존의 '가명정보 처리 가이드라인'은 정형 데이터에 대한 처리기준만 제시하고 있어 기업, 연구기관 등은 적합한 가명처리 방법이나 수준을 알지 못하는 등 현장의 불확실성이 컸습니다. 개정된 가이드라인에는 비정형 데이터를 가명처리하고 활용하는 과정에서 특수하게 나타날 수 있는 개인정보 위험을 사전에 확인하고 통제하기 위한 원칙과 함께, 의료/교통/챗봇 등 각 분야 사례 및 시나리오를 제공함으로써 현장에서 손쉽게 활용할 수 있도록 개선하였습니다.

비정형 데이터는 개인식별 가능 정보에 대한 판단이 상황에 따라 달라질 수 있는 만큼, 데이터 처리목적 및 환경, 민감도 등을 종합적으로 고려하여 개인식별 위험을 판단하고 합리적인 처리방법과 수준을 정했으며, 개인정보위는 가이드라인에서 제시한 개인식별 위험성 검토 체크리스트를 통해 식별위험을 사전에 진단하고, 위험을 낮추기 위한 관리적 및 환경적 통제방안을 마련하였습니다. 특히, 연구목적 달성에 필수적인 정보항목을 남기는 경우에는 그 외 정보에 대한 가명처리 수준을 높이거나 접근권한 통제, 식별에 악용될 수 있는 소프트웨어(SW) 반입제한, 보안서약서 징구 등 조치를 추가하였습니다.

(6) 국가 AI 전략 정책 방향 (2024.09)

2024년 09월 정부는 AI기술의 글로벌 패권 경쟁 심화에 대응하고 대한민국을 글로벌 AI 중추국가(AI G3)로 도약시키기 위한 청사진으로 「국가 AI전략 정책방향」을 발표했습니다. 국가인공지능위원회에서 공개된 이 정책은 AI가 국가 경제와 안보를 좌우하는 시대적 전환기임을 반영하여 AI 인프라, 기술. 인재, 안전체계 등을 총망라한 범국가적 전략을 담았고, 구체적으로 핵심 4대 AI 플래그십 프로젝트를 지원하는 내용을 담았습니다. 주된 내용은 ▲2027년까지 최신 GPU 2EF 규모 확보 및 국가 AI 컴퓨팅센터 구축, ▲4년간 민간 AI 투자 65조 원 유치, ▲산업, 공공, 국방 등 국가 전반에 AI 도입('30년 산업 70%, 공공 95% 도입률 목표), ▲AI 안전, 신뢰. 국제규범 주도입니다. 이와 함께 기술과 인프라 혁신, 글로벌 리더십 확보, 스타트업 인재 양성, 공정 기반 조성을 4대 정책 분야로 설정하고 실행할 계획을 발표하였습니다. 특히, AI 컴퓨팅 인프라 부족 문제 해결을 위해 민간과 공공이 공동으로 대규모 GPU 인프라를 구축하고, 국산 AI 반도체(NPU, PIM) 상용화를 추진함으로써 글로벌 AI 기술 경쟁에서 자립적 생태계를 육성할 계획임을 발표하였습니다. 정부는 국가AI위원회를 중심으로 정책 실행을 총괄하며 민간 전문가와 긴밀히 협력해 세부 과제들을 단계별로 추진할 예정입니다.

(7) AI 데이터 확충 및 개방 확대방안 (2025.02)

국가인공지능위원회는 2025년 2월, AI 기반 디지털 전환 가속화에 대응하고 AI 경쟁력 확보를 위해 양질의 데이터 확충 및 활용 촉진을 목적으로 「AI 데이터 확충 및 개방 확대방안」을 의결하였습니다. 그간 AI 기술 발전 및 경쟁력 강화를 위해 데이터의 중요성이 지속적으로 강조되어 왔으나, 여전히 AI 데이터 활용에 대한 장벽이 존재하고 있으며, AI 시대에 부합하는 데이터 이용 관행 및 제도의 전면적 개선이 필요한 상황입니다. 본 방안은 ① AI 개발 촉진을 위한 고품질 데이터 제공 확대, ② 공공부문 데이터 활용 여건의 획기적 개선, ③ 데이터 활용에 대한 법적 불확실성 해소를 주요 추진전략으로 설정하고 있으며, 세부 내용은 다음과 같습니다.

AI 데이터 활용 촉진 추진전략 및 7대 핵심과제

AI 안전성과 윤리성 확보를 위한 규제 체계 강화, 데이터 활용 기준 정비 등이 병행됨에 따라, 당사는 데이터 구축 및 가공 과정뿐만 아니라 AI 비전 솔루션 개발 과정에서도 보다 강화된 법적ㆍ윤리적 요구사항을 충족할 필요성이 높아질 것으로 예상됩니다. 또한, 국내외 정책 기조의 변화나 주요국의 규제 강화 움직임에 따라 당사의 사업 전략에 대한 수정 또는 추가 대응이 요구될 수 있으며, 이로 인해 예측이 어려운 사업 리스크가 발생할 가능성도 존재합니다. 투자자께서는 이와 같은 정책 및 규제 환경 변화에 따른 불확실성에 유의하여 주시기 바랍니다.

(8) AI 추경 예산 편성 (2025.05, 2025.07)

정부는 2025년 4월 총 1.8조원 규모의 AI 분야 추경 예산을 편성하고, 국가 AI 역량 강화를 위한 후속조치에 본격 착수하였으며, 해당 추경안은 2025년 5월 1일 국회 본회의에서 정부안 대비 증액되어 총 1조 9,067억원 규모로 의결되었습니다. 주요 내용으로는 첨단 GPU 1만 장 확보(1.46조원), 국산 AI 반도체 상용화 지원(494억원), 등이 포함되어 있으며, 이는 AI 인프라 확충 및 민간 AI 산업 성장에 긍정적 영향을 미칠 것으로 기대됩니다. 한편, 2025년 7월 4일에는 AI 분야 제2회 추경이 국회 본회의에서 의결되었습니다. 제2회 추경은 공공, 의료, 제조 분야에 AI를 접목하는 'AI 대전환' (656억원), 1차 추경을 통해 확보한 AI혁신펀드(1,000억원) 외에 500억원 규모의 AI혁신펀드 추가 조성, 국내 AI반도체(NPU) 팹리스 육성을 위한 제품 고도화 지원(300억원), 국가정보보호 역량 강화 및 청년 대상 맞춤형 AI.SW 교육 확대 등이 포함되었습니다.

2025년 1차 AI 추경예산 국회 심의 결과

2025년 2차 AI 추경예산 국회 심의 결과

나. 회사의 현황

(1) 영업의 개황

(가) AI 머신비전 솔루션

머신비전이란 사람이 눈으로 보고 뇌에서 판단하던 것을, 카메라와 영상 인식 알고리즘으로 대신하는 시스템을 의미합니다. AI 머신비전은 영상 인식 알고리즘에 AI를 적용한 것을 말하며, 고성능 카메라, 이미지 프로세서, AI 비전 소프트웨어 등으로 구성된 시스템입니다. 머신비전 카메라, 렌즈 및 조명을 이용하여 최적의 이미지를 획득한 후, 이미지 프로세싱 소프트웨어를 사용하여 획득한 이미지를 원하는 검사의 목적에 맞게 처리합니다. 이후 AI 비전 소프트웨어가 영상 속에 들어 있는 정보를 분석하여  특정 작업을 수행할 수 있는 판단 기능을 제공합니다.

AI 비전검사가 도입되기 이전에는, 비전 전문가가 양/불을 판정할 수 있는 규칙을 사전에 미리 정의한 Rule 기반 비전 검사가 주류를 이뤘는데, Rule이 너무 복잡하거나 다양한 상황 조건에 따라 다른 판단이 요구되는 경우에는 한계가 있었습니다. 이런 경우는 Rule 기반 비전 검사를 수행한 후, 사람들이 진성/가성 불량 여부를 최종적으로 확정하는 육안검사가 필요했습니다. 육안검사가 Rule 기반 비전검사의 한계를 극복하기는 하지만, 작업자마다 검사기준이 다를 수 있고, 동일한 작업자라고 할지라도 심신 상태에 따라 달라질 수 있으며, 대부분 육안 검사가 필요한 환경이 열악한 상황이기 때문에 검사 인력의 유지/관리에도 어려움이 있었습니다. 하지만 AI 비전은 최고의 육안 검사 전문가의 수준에 맞춰 학습을 하면,그 전문가 수준으로 검사 항상성 있는 검사가 가능하기 때문에 검사분야의 혁명을 초래했습니다.

[ 머신비젼 카메라 ]	[ NAVI AI SW ]
[ NAVI AI Trainer ]	[ AI Display 검사 솔루션]
[ AI PCB 검사 솔루션]	[ AI Substrate 검사 장비]
[ OLED De-mura 보상장비 ]	[ AI 비전검사 플랫폼 ]
[AI산업안전 솔루션]	[AI 스마트팜 솔루션]

당사는 비전 검사 상용화 툴인 NAVI 소프트웨어를 바탕으로 2016년부터 딥러닝에 기반한 비전검사 연구를 지속하여 딥러닝이 추가된 AI 소프트웨어 개발에 성공하였습니다. 2017년에는 사용자가 딥러닝 네트워크를 쉽게 학습시킬 수 있는 자체 Trainer와 이를 이용하여 검사까지 할 수 있는 SDK 소프트웨어를 개발하여 NAVI AI를 시장에 출시하였고, 2019년부터 딥러닝을 기반으로 육안검사가 필요없는 AFVI PCB검사장비를 납품하고 있습니다.

더욱이, 2020년 코로나19의 영향으로 비대면(Untact)산업이 부상하면서 기존에 육안으로 검사하던 부분을 머신비전으로 검사하려는 시도가 늘어나고 있으며, 당사는 다양한 분야에 AI기술을 적용 및 확장해 가며, 성공적인 구축사례를 보유하고 있어 경쟁사 대비 유리한 위치에 있습니다.
기존방식(RULE기반)으로 검사가 불가능하였던, 완성차의 외관검사 Substrate PCB검사, 의류/원단검사 등 현재의 한계를 넘어 확실한 도입 효과를 체감할 수 있는 AI검사 솔루션/장비를 제공하고 있습니다.

AI 머신비전은 기존의 Rule 기반 머신비전이나 육안검사에 비해 디스플레이, 반도체, 2차전지, 자동차, 의류, F&B 등 다양한 분야에서 불량, 이물 등의 검사를 보다 효율적으로 진행할 수 있게 해 주었고, 공장 자동화, 스마트 팩토리 등 4차 산업혁명과 연계되어 응용 영역이 크게 확대되고 있습니다.

[ AI검사 플랫폼 활용분야 ]

(나) 카메라 모듈 검사 솔루션

① 카메라 모듈

CCM(Compact Camera Module : 초소형 카메라모듈)은 디지털 카메라 기술에서 시작된 소형 카메라로서 영상 기반의 초정밀 부품입니다. CCM의 주요 기능은 렌즈를 통해 들어온 이미지를 디지털 신호로 변환시키는 것으로 사진이나 동영상 촬영 용도로 주로 사용됩니다. 현재의 카메라 모듈은 2,100만화소 이상의 고화소로 빠르게 진화하면서 디지털 카메라의 성능과 비슷한 수준까지 도달하였습니다. 또한 화소수의 증가뿐만 아니라 Auto Focus(자동초점), OIS(손떨림 방지) 등의 다양한 기능이 추가되고 성능도 업그레이드 되고 있는 추세입니다. 특히 고화소급 카메라 모듈일수록 장착되는 관련 부품도 고도의 기술이 요구됩니다.

[ 카메라 모듈 ]

②  카메라 모듈 검사 솔루션

카메라 모듈 제조 공정에서 ①Active Alignment(카메라 모듈 제조 시 이미지 센서와 렌즈 모듈의 축을 정렬시키는 공정), ②Focusing, ③Calibration(측정 장비가 측정하여 표시하는 값이 정확한지 공인된 표준과 비교하여 객관적으로 검증), ④Final Test에 당사 카메라 모듈 검사기가 사용되며, 이미지 수신 이외에 Auto Focusing 알고리즘을 포함한 다양한 영상 처리 알고리즘을 적용하여 빠르고 정확하게 카메라 모듈 검사를 진행하게 됩니다.

[ 카메라 모듈 제조공정 ]

당사의 카메라 모듈 검사 솔루션은 스마트폰, CCTV, 자동차 등에 사용되는 카메라 모듈을 검사하기 위해 카메라 모듈로부터 나오는 영상을 수신하여 처리한 후  PC로 전송해주는 역할을 수행합니다. 뿐만아니라, 카메라 모듈에서 필요로 하는 각종 전원을 생성하여 공급하고, 제조시 접선 불량이나 진행성 불량을 감별하기 위한 동적/정적 전류 계측, 누설전류 계측 및 open/short 검사 기능을 갖고 있습니다.

카메라 모듈을 생산하는 대다수 기업들은 카메라 모듈의 성능(좋은 화질, 빠른 프레임 속도, 모듈별 편차 없는 균일한 성능 등)과 내구성, 생산성을 높이기 위해 최고의 품질을 지닌 카메라 모듈 검사기 확보에 노력을 기울이고 있습니다.

[ 카메라 모듈검사기 사용예시 ]

이 같은 카메라 모듈 검사기의 성능을 좌우하는 주요 항목들은 다음과 같습니다.

(다) AI 스마트비전 솔루션

AI비전 기술을 외관검사에 적용하여 스마트팩토리에 적용하는 것을 AI 머신비전이라고 칭하며, 비전기술을 이용하여 실생활에 필요한 제품 및 알고리즘을 개발한 것을 AI 스마트 비전이라고 칭합니다. AI스마트비전에는 교통솔루션, 덴탈솔루션, 스마트팜, 골프센서 등이 있습니다.

(A) 골프센서

골프센서는 스크린 골프장에서 스크린 골프를 즐길 수 있도록 하는 장치로서, 골프공의 속도, 탄도, 스핀, 방향 및 비거리 등 골프를 하는데 있어 필요한 가장 중요한 결과물들을 이용자가 직접 보고 느낄 수 있도록 정확하게 데이터를 산출하여 보여줌으로써 실제 필드에서와 동일한 느낌을 스크린 골프장에서도 느낄 수 있도록 구현해 줍니다.

스윙크래프트

또한 AI분석 알고리즘을 통한 골프스윙 분석 및 자가연습 솔루션을 제공하고 있습니다.

 (B) AI 덴탈 솔루션

연평균 8.45% 이상의 성장이 예상되는 국내 치과용 CAD/CAM 시장은 2019년 현재까지도 대부분 해외 제품에 의존하고 있으며, 일부 국산화가 이루어지고 있으나 매우 미비한 것이 현실입니다.

[ 치과용 CAD/CAM 시장규모 ]

당사는 회사가 보유한 인공지능 딥러닝 기술, 영상 처리 및 컴퓨터 비전 기술과 노하우를 활용하여 산업용에서 컨슈머용까지 어플리케이션 사업 영역을 확대하고 있으며, 최근 디지털 치과 솔루션인 세팔로 분석 프로그램(LaonCeph)을 개발 완료하고, 디지털 치과 솔루션 중 기술의 난이도로 상용화 되지 않은 인공지능을 활용한 교정 진단 및 치료 프로그램인 Laon Setup을 개발하고 있습니다.

당사의 세팔로 분석 프로그램은 시판되고 있는 기존 경쟁사 세팔로 프로그램의 단점인 치과의가 환자의 54개 치아의 특이점을 하나씩 분석해야하는 어려움을 해결하고자 인공지능 Detection 및 Segmentation 알고리즘을 적용함으로써 불과 20초 만에 정확하게 54개 Landmark를 자동으로 찾아내어 계산하고 분석해 주는 세팔로 프로그램으로 2019년 5월에 식약처로부터 의료기기 GMP 인증, 의료기기 제조업 허가 및 의료기기 품목 인증까지 모두 취득한 상태입니다.

[ LaonCeph 인공지능 landmark 적용후 두개골 영상 이미지 ]

Laon Setup은 기존 3D 영상처리기술과 인공지능 알고리즘을 적용하여 자동으로 치아와 잇몸을 분리하고 정렬할 수 있으며 교정을 위한 여러 단계별 치료과정을 인공지능으로 구현하여 기존 교정전문의가 1시간 이상 걸리던 작업을 5분 미만으로 단축할 수 있는 프로그램입니다.

[ LaonSetup 인공지능 단계별 치아 자동정렬 ]

당사는 2019년 3월 독일 퀠른에서 개최된 세계 최대 규모의 IDS 2019 치과 전시회에독립 부스로 참가하여 국내외 업체들로부터 많은 주목을 받았습니다.  또한, 해외 판로 확장을 위해 2020년 2월 두바이에서 개최된 세계 2위 규모의 치과전시회인 AEEDC를 통해 올해 Laon Setup 1차버전을 적극적으로 프로모션 하였고, 국내 프로모션을 위해 동사와 협업중인 Y대 치과 대학병원과 함께 교정학회, 세미나를 통해 제품 홍보를 강화할 계획입니다.

(C) AI 교통 솔루션 사업

당사는 산업용 분야에서 입증된 우수한 AI 영상검지 기술과 자체 개발한 지능형 교통신호제어 기술을 활용하여 스마트 라이프 사업 기회를 선점하기 위하여 교통제어시스템 사업 진출을 진행 중에 있습니다.

당사의 AI 영상검지 기술은 시간이나 날씨에 강인한 검출 능력을 기반으로 차종을 분류하고 횡단보도의 보행자를 인식하며, 인공지능 기술이 적용되어 PC 없이도 카메라가 딥러닝 연산을 수행하고, 영상 전송 과정이 생략되어 네트워크 연결에 대한 부담이 없는 등 교차로의 독립된 운영이 가능한 기술입니다.

[ AI 영상검지 ]

한편 당사의 지능형 교통 신호제어 기술은 교차로의 교통 상황을 실시간으로 분석하여 교통 혼잡을 최소화할 수 있는 방향으로 교통 신호를 생성, AI 영상검지로 분석한 차량 정보를 이용하여 각 교차로 진행 방향(직진/좌회전)에 대한 혼잡도를 산출하고, 교통량이 가장 많은 혼잡 방향에 교통신호를 먼저 분배함으로써 혼잡 방향의 교통을 우선적으로 해결해 주는 기술입니다.

[ 지능형 교통 신호제어 ]

현재 지방자치단체 및 도로 관련 국가 유관기관과 협력을 넓혀가고 있으며, 2019년 하반기에 안양시에 독립 교차로에 시범 설치하여 AI 교통솔루션의 성능을 입증하였습니다.
각 지자체는 C-ITS(차세대 지능형 교통시스템) 사업을 추진하고 있으며 관련 사업에 컨소시엄 형태로 참여하며 사업을 확대하고 있습니다.

(2) 공시대상 사업부문의 구분

(3) 시장점유율

(가) AI 머신비전 솔루션

AI 머신비전의 국내 경쟁업체로는 뷰웍스, 해외 경쟁업체로는 코그넥스, 키엔스 등의 업체가 있습니다.

머신비전은 하드웨어(카메라, 조명 등) 구성요소와 소프트웨어(이미지 해석 및 검사) 구성요소가 모두 필요합니다.

국내에는 동사와 같이 머신비전 구성요소인 하드웨어와 소프트웨어, 솔루션(하드웨어+소프트웨어)을 포함한 원스탑 서비스 형태를 제공하는 사업구조를 가진 경쟁 업체는 존재하지 않습니다. 다만, 머신 비전 솔루션의 하드웨어나 소프트웨어 한 분야에 국한된 제품을 개발 및 판매하는 업체로는 카메라 제조 업체인 뷰웍스가 당사와 경쟁 관계에 있습니다.

한편, 해외의 코그넥스는 하드웨어와 소프트웨어 모두를 개발 및 판매하고 있으며 동사와 가장 유사한 사업 구조를 갖는 미국에 상장된 기업입니다. 코크넥스는 종전까지 Rule 기반 머신비전만을 취급하였으나,  2017년에 AI 소프트웨어 개발업체인 VIDI Systems를 인수했고, 2019년에도 AI 소프트웨어 국내 개발업체인 수아랩을 인수하여 현재는 AI 기반 머신비전도 제공하고 있습니다.  키엔스는 일본에 상장되어 있으며 외관 품질 검사 분야에서 세계적인 명성을 갖고 있는 기업입니다. 키엔스의 사업은 공장 자동화 부문과 검사 부문으로 구분되며, 이 중 검사 부문이 동사와 경쟁하고 있는 부문입니다.  

세계인공지능 시장규모

국내인공지능 시장규모

상기의 자료와 같이 2020년 세계 인공지능 시장규모는 360억달러, 국내 인공지능 시장규모는 2조원에 이르며 2025년까지 각각 5배가량 커질 것으로 전망하고 있을 정도로 인공지능(AI)관련 시장의 규모는 무한합니다.

국내 및 글로벌 머신비전 시장 또한 그 응용범위가 매우 넓고 방대하여  집계된 자료가 없습니다. 특히 당사가 집중적으로 주력하고 있는 AI 기반의 머신비전 시장에 대한 정보는 집계된 자료가 없으며, 새롭게 시작되는 머신비전 내 한 분야이므로 추정하거나 예측하기도 어렵습니다.  
아직은 시장규모를 추정하기 어렵지만 상기의 인공지능 시장규모의 자료와 같이 시장규모가 크기 때문에 그 성장 가능성은 크다고 할 수 있습니다.

(나) 카메라 모듈 검사 솔루션

카메라모듈 검사 시장은 사업의 성격에 따라 두 가지 형태로 분류할 수 있습니다. 카메라모듈 검사 솔루션을 포함한 '카메라모듈 검사 장비'를 만드는 업체와 당사와 같이 '카메라모듈 검사 솔루션'만 단독으로 제작하는 업체로 나뉩니다.

카메라모듈 검사 솔루션의 경우 국내에서는 당사를 포함하여 하이비젼시스템, 이즈미디어, 엔비로직 등이 관련 사업을 영위하고 있습니다. (앞서 기재한 대로 당사는 카메라모듈 검사 솔루션을 개발, 판매하고 있으며 하이비젼시스템과 이즈미디어는 카메라모듈 검사 솔루션을 포함한 관련 장비를 제조 판매하고 있어 사업의 성격은 다소 차이가 있습니다.)

국내 카메라모듈 검사 솔루션 시장의 경우 당사를 포함하여 하이비젼시스템, 이즈미디어, 엔비로직 등 4개업체가 과점구도를 형성하고 있으며, 해외시장에서는 중국 심천에 위치한 Dothinkey를 비롯하여 신생업체인 Rolonge, CZTEK 등과 경쟁하고 있습니다.

카메라모듈 검사기의 최전방 시장은 스마트폰 시장이며, 전방시장인 카메라모듈 시장들의 통계자료는 흔히 조회되는 반면, 카메라모듈 검사 솔루션 시장은 공신력 있는 시장기관의 시장 현황 및 점유율 자료가 존재하지 않습니다. 또한, 사업의 특성상 상당수 제품이 고객의 주문에 의해 개발되기 때문에 구체적인 수주내역 등에 대해서도 철저한 보안이 유지됨에 따라 공식적인 시장점유율 산출도 어렵습니다.

그러나 당사는 과거 설립단계부터 유지하고 있는 거래처들과 지금까지도 우호적인 관계를 바탕으로 꾸준하게 거래를 이어가고 있으며, 뛰어난 기술력을 기반으로 지속적으로 신규 거래처를 확장함에 따라 여러 업체 간 경쟁 속에서 의미있는 외형 성장이 가능하다고 판단됩니다.

(다) 골프센서

당사의 골프센서 제품과 직접적인 경쟁 관계에 있는 업체로는 골프존과 SG골프가 있습니다. 이외에도 소수의 골프센서 제조업체들이 존재하지만 영세한 수준으로 당사의 경쟁 대상은 아니라고 판단됩니다.

골프존과 SG골프는 자체적으로 골프센서를 개발하였습니다. 이들 업체는 자체 스크린 골프 브랜드를 영위하고 있으며, 자사 스크린 골프 제품에 자신들의 골프센서를 탑재하고 있습니다. 그러나 당사는 자체 스크린 골프 브랜드와 제품이 없으며, 카카오 VX(티업비전)로의 독점 공급을 통해 골프센서 판매를 진행하고 있습니다.

국내 스크린 골프 시장 내 업체들의 시장 점유율 현황은 다음과 같습니다.

스크린 골프 시장점유율

(출처 : S-Golf, 2018년 4월)

국내 스크린 골프 시장점유율은 골프존이 60% 가까이를 차지하고 있으나, 최근 몇 년 사이 SG골프 및 카카오 VX의 점유율이 상승하고 있어 골프존의 시장지배력이 과거 대비 약화되고 있는 것으로 판단됩니다.

(4) 시장 경쟁 요인 및 회사의 경쟁력

(가) AI 머신비전 솔루션

기존 Rule 기반 방식의 솔루션은 이미 보편화된 기술로 업체 간 기술적 격차 보다는,해당 분야의 실적, 인지도, 가격 경쟁력, 서비스 품질 등이 고려 대상인 경우가 많아서 오히려 신규 업체가 진입하기 어려운 경우가 많았습니다. 하지만 당사의 AIPi, AIDi, ADAMS와 같이 기존 Rule 기반 방식에 AI 방식을 더하여 특화된 솔루션을 제안할 수 있는 업체는 많지 않으며, 시장에서의 채택률이 점차 상승함에 따라 오히려 경쟁 구도에서 자유로워지고 있다는 판단입니다.

근래의 AI는 하루가 다르게 빠른 속도로 발전하고 있습니다. 그 이유는 다수의 글로벌 리딩 기업에서 AI 및 딥러닝 플랫폼을 개방하면서 누구나 쉽게 접근 가능해 짐에 따라 집단 지성이 발휘되어 아주 빠른 속도로 발전을 이루고 있기 때문으로 판단됩니다. 따라서 이런 시장 환경 하에서 기존 Rule 기반 방식의 비전 검사 업체 대비 비전 검사에 AI를 접목한 업체들의 시장 경쟁력이 높아지고 있는 상황입니다. 기존 검사 방식에 AI를 접목시키는 방법도 유형별로 학습만 수행하면 되기 때문에 과거 대비 상당히 쉬워졌으며, 학습을 위한 트레이닝 툴도 나날이 발전하여 점차 쉽고 빠르게 AI를 접목시킬 수 있습니다.

그럼에도 불구하고, 기존 비전 검사를 수행하면서 AI 기술을 접목하고 있는 기업은 당사를 포함하여 소수의 기업만이 존재합니다. 여기에 추가로 자체 개발한 딥러닝 SDK(Software Development Toolkit)를 보유하고 있는 기업은 국내외를 통틀어 당사와 코그넥스(VIDi)가 대표적이라고 할 수 있습니다. 자체 개발한 SDK를 보유하고 있는 기업과 그렇지 않은 기업과의 성능 차이는 발생할 수밖에 없습니다. 그 이유는 딥러닝을 적용하면 사람의 학습방법을 모방한 방식이기 때문에 대체로 우수한 성능을 낼 수 있겠지만, 상황이나 조건에 따라 좀 더 우수한 성능을 내기 위해선 학습망(Net)이 요구되기 때문입니다. 즉, 자체 개발한 SDK를 보유하고 있는 기업은 딥러닝의 학습망을 상황에 맞게 튜닝할 수 있어 고객의 요구에 맞게 최적화가 가능하며 실제 더 높은 성능을 이끌어낼 수 있습니다. 또한, 여러 개의 망을 조합하여 최종 결과를 도출하는 방법도 가능하기 때문에 자체 딥러닝 SDK를 가지고 있지 않은 기업보다는 상당히 유리한 위치에 있다고 할 수 있겠습니다.

(나) 카메라 모듈 검사 솔루션

카메라 모듈을 양산하는 기업들은 대부분 카메라 모듈의 성능(좋은 화질, 빠른 프레임 속도, 모듈별 편차 없는 균일한 성능 등), 내구성, 생산성 등에 대한 기술 확보가 중요해짐에 따라 관련된 카메라 모듈 검사기 제품의 확보를 필요로 하고 있으며, 최근 카메라 모듈 검사기 시장은 점차적인 인건비 상승과 자동화시스템에 대한 수요 증가로 인해 Semi-Auto 장비에서 Full-Auto 장비라인으로 변화되어 가는 추세입니다.

고사양, 고품질의 카메라 모듈 검사기를 만들기 위한 핵심 기술로는 ① 다양한 카메라 모듈에 대응할 수 있는 카메라 모듈 인터페이스 기술(고속, 대용량 데이터 처리 기술 등), ② 카메라 모듈 데이터를 이용한 영상 처리 기술(Auto Focus, Auto White Balance, Auto Exposure, 선명하고 균일한 화질 확보 기술 등), ③ 카메라 모듈 검사기와 PC와의 인터페이스 기술(속도, 데이터 용량, 데이터 안정성 등) 등이 있습니다.

이처럼 높은 신뢰도의 카메라 모듈 검사기를 개발, 양산하기 위해서는 고도의 기술과노하우를 보유하고 있어야 하며, 글로벌 카메라 모듈 제조업체에 검사기를 납품하기 위해선 오랜 기간의 양산 검증과정을 통과한 Track Record를 보유하고 있어야 하는 바, 이같은 보수적인 업계의 특성은 신규업체들에겐 높은 진입장벽으로 작용할 수 있습니다. 또한 완성 스마트폰 제조업체는 충분한 물량 확보 및 위험 분산을 위해 통상 3~4개의 업체로부터 카메라 모듈을 공급받는 성향이 있으며, 과거 카메라 모듈 검사기/검사장비의 경우 카메라 모듈 업체에서 원가절감 및 생산성 향상을 위해 자체적으로 도입하는 방식이 주를 이루었던 반면, 최근에는 완성 스마트폰 업체에서 각 카메라 모듈 업체가 공급하는 카메라 모듈의 품질 균일성 및 수율 관리를 위해 외부의 자동화 검사기/검사장비의 도입을 독려하고 있으며, 이 경우 서로 다른 카메라 모듈 업체에도 동일한 카메라 모듈 검사기/검사장비의 도입을 유도하고 있는 상황입니다.
경쟁사 제품 대비 당사의 제품은 Tact Time을 줄이고 정확도를 증가시키는 Built-in ISP(이미지 성능을 향상시키는 엔진)를 채택하여 PC ISP나 Phone Board의 ISP를 사용하는 경우보다 2배 성능이 빨라 AF(Auto Focus, 자동 초점 조절), OIS(Optical Image Stabilization, 광학 손떨림 보정), Active Align 검사 시에 탁월한 성능을 보입니다. 또한, 낮은 CPU 점유율, 프로그램 초기화 시 시간 단축, 전기적 특성에 따른 검사지원, 소프트웨어 디자인 편리성이 타사 제품 대비 강점으로 시장에서 인정받고 있습니다.

(5) 신규 사업

당사는 2024년 AI개발 플랫폼인 EZ-PLANET(이지플래닛)의 개발을 마무리 하고, 출시합니다.

ez planet

EZ-PLANET(이지플래닛)은 클라우드 MSP자회사인 티디지의와 클라우드 융합 플랫폼으로 개발되었습니다.
EZ-PLANET(이지플래닛)은 데이터 수집에서 AI학습모델 배포까지 머신러닝 전체 영역을 쉽게 개발하고 체계적으로 운영할 수 있게 하는 MLOps의 혁신적인 서비스를 제공합니다.
즉, 이 플랫폼을 이용하면 어려운 인프라 지식이나 모델 운영 노하우 없이도 AI 모델 학습부터 추론, 배포까지 프로세스 전반을 통합 관리할 수 있게 됩니다.
또한, 데이터 수집과 라벨링 기간을 단축할 수 있다는 장점이 있습니다. 사람이 수집했던 데이터를 API를 통해 플랫폼의 파이프라인에 연결해 자동화함으로써 인건비를 절감하고 수집된 데이터들을 일괄적으로 전처리 할 수 있습니다.

기대효과

기존 Stand Alone의 AI SW와 EZ-PLANET(이지플래닛)을 비교해 보면 위의 그래프와 같이 5배의 효율을 보이며, 모델개발 배포 유지보수 등 기업의 AI업무 비중이 높아지는 경우 그 효율성은 더욱 극대화 되는 것으로 분석되었습니다.

다. 지적재산권 보유현황

라. 출원중인 특허현황

마. 관계법령 또는 정부의 규제 등

정부가 추진하는 4차산업혁명 및 한국판 뉴딜 종합계획에 따라 2025년까지 총 사업비 100.9조원이 투입되고 일자리 111.1만개가 만들어질 것으로 기대하고 있으며 이에 따라 회사가 영위하는 사업에서 많은 기회가 있을 것으로 판단됩니다.

III. 재무에 관한 사항

1. 요약재무정보

가. 요약 연결 재무정보

나. 요약 별도 재무정보

2. 연결재무제표

2-1. 연결 재무상태표

2-2. 연결 포괄손익계산서

2-3. 연결 자본변동표

2-4. 연결 현금흐름표

3. 연결재무제표 주석

1. 일반사항

(1) 지배기업의 개요

라온피플 주식회사와 그 종속기업(이하 "연결회사")의 지배기업인 라온피플 주식회사(이하 "지배기업")는 2010년 1월에 컴퓨터 비전과 영상신호처리 분야의 전문기업으로 보유한 핵심기술과 제품을 기반으로 비전 솔루션 개발 공급을 목적으로 설립되었으며, 자체 개발한 비전소프트웨어와 머신비전카메라, 바코드리더기 등 비전 컴포넌트를 제조ㆍ판매하고 있습니다. 지배기업은 2019년 10월 코스닥시장에 주식을 상장하였으며 본사 및 공장소재지 등은 다음과 같습니다.

(1-1) 본사 및 공장 소재지

  1) 본사 소재지 : 경기도 과천시 과천대로 7나길 60, C동 5층, 6층
   2) 공장 소재지 : 경기도 과천시 과천대로 7나길 60, C동  6층

(1-2) 주요사업 내용 : 소프트웨어 개발 및 공급, 제조업

(2) 종속기업의 개요

1) 현황

종속기업의 현황은 다음과 같습니다.

<당분기>

(*) 당분기 중 유상증자를 통한 신주인수로 지분율이 증가하였습니다.

<전기>

(*) 주주간계약을 통해 보유한 콜옵션 행사(간주행사일 25년 3월 31일)로 지분율이 36%에서 변동되었습니다.

2) 요약재무정보

종속기업의 요약재무정보는 다음과 같습니다.

<당분기>

<전기>

2. 중요한 회계정책

분기 연결재무제표는 기업회계기준서 제1034호 '중간재무보고'에 따라 작성되었으며, 연차연결재무제표에서 요구되는 정보에 비하여 적은 정보를 포함하고 있습니다. 분기연결재무제표는 보고기간말 현재 유효한 한국채택국제회계기준에 따라 작성되었으며, 분기연결재무제표를 작성하기 위하여 채택한 중요한 회계정책은 별도의 언급이 없는 한 전기 연차연결재무제표 작성시 채택한 회계정책과 동일하게 적용되었습니다.  

분기연결재무제표 작성을 위하여 채택한 중요한 회계정책은 다음과 같습니다.

(1) 회계정책의 변경과 공시

1) 연결회사가 채택한 제ㆍ개정 기준서

(가) 기업회계기준서 제 1001호 '재무제표 표시' (개정)
개정 기준서는 공시 대상 회계정책 정보를 '유의적인' 회계정책에서 '중요한' 회계정책으로 바꾸고 중요한 회계정책 정보의 의미를 설명하였습니다. 연결회사는 상기 개정 기준서의 적용이 재무제표에 미치는 영향이 유의적이지 아니할 것으로 예상하고 있습니다.

(나) 기업회계기준서 제1008호 '회계정책, 회계추정의 변경 및 오류' (개정)
개정 기준서는 '회계추정치'를 측정불확실성의 영향을 받는 재무제표상 화폐금액으로 정의하고, 회계추정치의 예를 보다 명확히 하였습니다. 또한 새로운 정보의 획득, 새로운 상황의 전개나 추가 경험의 축적으로 투입변수나 측정기법을 변경한 경우 이러한 변경이 전기오류수정이 아니라면 회계추정치의 변경임을 명확히 하였습니다. 연결회사는 상기 개정 기준서의 적용이 재무제표에 미치는 영향이 유의적이지 아니할 것으로 예상하고 있습니다.
.
(다) 기업회계기준서 제 1012호 '법인세' (개정)
개정 기준서는 이연법인세 최초 인식 예외규정을 추가하여 단일 거래에서 자산과 부채를 최초 인식할 때 동일한 금액으로 가산할 일시적차이와 차감할 일시적차이가 생기는 경우 각각 이연법인세 부채와 자산을 인식하도록 하였습니다.

'단일 거래에서 생기는 자산과 부채에 관련되는 이연법인세'는 비교 표시되는 가장 이른 기간의 시작일 이후에 이루어진 거래에 적용하며, 비교 표시되는 가장 이른 기간의 시작일에 이미 존재하는 (1) 사용권자산과 리스부채, (2) 사후처리 및 복구 관련 부채 및 이에 상응하여 자산 원가의 일부로 인식한 금액에 관련되는 모든 차감할 일시적 차이와 가산할 일시적 차이에 대해 이연법인세 자산과 부채를 인식하며, 최초 적용 누적 효과를 이익잉여금(또는 자본의 다른 구성요소) 기초 잔액을 조정하여 인식합니다. 연결회사는 상기 개정 기준서의 적용이 재무제표에 미치는 영향이 유의적이지 아니할 것으로 예상하고 있습니다.

(라) 기업회계기준서 제1001호 ' 재무제표 표시 ' - 행사가격 조정 조건이 있는 금융부채 평가손익 공시
발행자의 주가 변동에 따라 행사가격이 조정되는 조건이 있는 금융상품의 전부나 일부가 금융부채로 분류되는 경우 그 금융부채의 장부금액과 관련 손익을 공시하도록 하였습니다. 연결회사는 상기 개정 기준서의 적용이 재무제표에 미치는 영향이 유의적이지 아니할 것으로 예상하고 있습니다.

2) 공표되었으나 아직 시행되지 않은 제ㆍ개정 기준서 및 해석서

당분기말 현재 제정ㆍ공표되었으나 시행일이 도래하지 않아 연결회사가 채택하지 않은 한국채택국제회계기준의 기준서 및 해석서는 다음과 같습니다.

(가) 기업회계기준서 제1001호 '재무제표 표시' 개정 - 부채의 유동/비유동 분류

보고기간말 현재 존재하는 실질적인 권리에 따라 유동 또는 비유동으로 분류되며, 부채의 결제를 연기할 수 있는 권리의 행사가능성이나 경영진의 기대는 고려하지 않습니다. 또한, 부채의 결제에 자기지분상품의 이전도 포함되나, 복합금융상품에서 자기지분상품으로 결제하는 옵션이 지분상품의 정의를 충족하여 부채와 분리하여 인식된경우는 제외됩니다. 동 개정사항은 2024년 1월 1일 이후 시작하는 회계연도부터 적용하며, 조기적용이 허용됩니다. 연결회사는 동 개정으로 인해 연결재무제표에 중요한 영향은 없을 것으로 예상하고 있습니다.

(2) 재무제표 작성기준

1) 측정기준

연결재무제표는 금융상품 등 아래의 회계정책에서 별도로 언급하고 있는 사항을 제외하고는 역사적원가를 기준으로 작성되었습니다.  

2) 기능통화와 표시통화

연결재무제표는 지배기업의 기능통화이면서 표시통화인 "원(KRW)"으로 표시되고  있으며 별도로 언급하고 있는 사항을 제외하고는 "원(KRW)" 단위로 표시되고 있습니다.  

(3) 법인세비용

중간기간의 법인세비용은 전체 회계연도에 대해서 예상되는 최선의 가중평균연간법인세율, 즉 추정평균연간유효법인세율을 중간기간의 세전이익에 적용하여 계산합니다.

(4) 중요한 회계추정 및 판단

연결재무제표의 작성시 경영진은 회계정책의 적용이나 자산, 부채, 수익, 비용의 장부금액 및 우발부채의 금액에 영향을 미칠 수 있는 판단과 추정 및 가정을 하여야 합니다. 보고기간말 현재 이러한 추정치는 경영진의 최선의 판단 및 추정에 따라 이루어지고 있으며 추정치와 추정에 대한 가정은 지속적으로 검토되고 있으나 향후 경영환경의 변화에 따라 실제 결과와는 중요하게 다를 수도 있습니다.

3. 공정가치

(1) 당분기말 현재 금융상품의 종류별 장부금액과 공정가치의 비교내역은 다음과 같습니다.

<당분기>

<전기>

(2) 공정가치로 측정되는 자산·부채의 공정가치 측정치

1) 공정가치 서열체계 및 측정방법

공정가치란 측정일에 시장참여자 사이의 정상거래에서 자산을 매도할 때 받거나 부채를 이전할 때 지급하게 될 가격을 의미합니다. 공정가치 측정은 측정일에 현행 시장 상황에서 자산을 매도하거나 부채를 이전하는 시장참여자 사이의 정상거래에서의 가격을 추정하는 것으로, 회사는 공정가치 평가시 시장정보를 최대한 사용하고, 관측 가능하지 않은 변수는 최소한으로 사용하고 있습니다.

회사는 공정가치로 측정되는 자산·부채를 공정가치 측정에 사용된 투입변수에 따라 다음과 같은 공정가치 서열체계로 분류하였습니다.

수준 1 : 활성시장에서 공시되는 가격을 공정가치로 측정하는 자산·부채의 경우 동 자산·부채의 공정가치는 수준1로 분류됩니다. 공정가치가 수준1로 분류되는 자산·부채는 없습니다.

수준2 : 가치평가기법을 사용하여 자산·부채의 공정가치를 측정하는 경우, 모든 유의적인 투입변수가 시장에서 관측한 정보에 해당하면 자산·부채의 공정가치는 수준2로 분류됩니다. 공정가치 수준2로 분류되는 자산·부채는 없습니다.

수준3 : 가치평가기법을 사용하여 자산·부채의 공정가치를 측정하는 경우, 하나이상의 유의적인 투입변수가 시장에서 관측불가능한 정보에 해당하면 동 금융상품의 공정가치는 수준3로 분류됩니다. 공정가치 수준3으로 분류되는 자산·부채는 당기손익-공정가치 측정 금융자산.부채 중 지분상품 및 출자금과 파생상품자산.부채입니다.

자산·부채의 공정가치는 자체적으로 개발한 내부평가모형을 통해 평가한 값을 사용하거나 독립적인 외부평가기관이 평가한 값을 제공받아 사용하고 있습니다.

2) 당기말 현재 재무상태표에 공정가치로 측정되는 자산·부채의 공정가치 서열체결별 공정가치 금액은 다음과 같습니다.

<당분기>

(*1) (주)티디지 인수시 체결한 주주간계약의 투자자의 풋옵션 행사로 인해 파생상품자산금액이 변동되었습니다.
(*2) (주)티디지 인수시 체결한 주주간계약의 투자자의 풋옵션 행사로 인해 파생상품부채금액이 변동되었습니다.

<전기>

(*1) 2022년 및 전기 중 ㈜오디에스의 제 3자배정 유상증자시 참여한 지분투자로 취득원가를 공정가치의 적절한 추정치로 판단하였습니다.
(*2) 전기중 ㈜올콘텐츠에이아이 제 3자배정 유상증자시 참여한 지분투자로 취득원가를 공정가치의 적절한 추정치로 판단하였습니다.
(*3) 소프트웨어공제조합에 1,029좌를 출자하고 있으며, 해당 당기손익-공정가치 측정 금융상품은 소프트웨어공제조합으로부터 제공받는 지급보증과 관련하여 담보로 제공되어 있습니다.
(*4) 2024년 연결대상에 편입한 (주)티디지의 주주간계약상 라온피플 콜옵션과 당기 중 발행한 제2회차 무보증 전환사채의 발행자 콜옵션을 파생상품자산으로 인식하였습니다.
(*5) 2024년 연결대상에 편입한 (주)티디지의 주주간계약상 Drag-along(동반매각요구권)과 전기 중 발행한 제2회차 무보증 전환사채의 분리 인식 전환권 및 (주)라온메디 이해관계자와의 특약조건를 파생상품부채로 인식하였습니다.

4. 관계기업 및 공동기업투자

(1) 공동기업 현황

당사는 전기 중 발생한 ㈜에이치엔에이치의 파산종결에 따라 해당 기업을 공동기업 범위에서 제외하였습니다. 따라서, 당분기 중 공시 대상이 되는 공동기업 현황은 없습니다.


5. 유형자산

(1) 유형자산의 내용은 다음과 같습니다.

<당분기>

(*) 당분기 중 감가상각비는 재평가모형 기준으로 상각되었습니다.

<전기>

(*) 전기말기준으로 유형자산 중 토지와 건물의 후속측정방법을 원가모형에서 재평가모형으로 회계정책을 변경하였으며 건물 감가상각누계액 전액 제거되었습니다.

(2) 유형자산의 변동내용은 다음과 같습니다.

<당분기>

(*) 당분기 감가상각비는 제조경비와 판매관리비로 인식되었습니다.

<전기>

(*1) 유형자산 재평가로 인해 증가되었습니다.
(*2) 전기 감가상각비는 제조경비와 판매관리비로 인식되었습니다.
(*3) (주)티디지 토지 및 건물(지분형 콘도회원권)에서 무형자산 콘도회원권으로 대체되었습니다.
(*4) 전기 중 분당사무소의 임차계약 종료됨에 따라 처분인식되었습니다.

(3) 당분기말 단기차입금과 관련하여 상기 유형자산 중 건물이 담보로 제공되어 있습니다.

(4) 당분기말 현재 유형자산의 재평가모형과 원가모형을 적용한 장부금액은 다음과 같습니다.

6. 무형자산

(1) 무형자산의 내용은 다음과 같습니다.

<당분기>

(*) 소프트웨어의  구축완료로 건설중인자산에서 대체되었습니다.

<전기>

(*1) 전기 특허권의 취하등으로 비용처리 되었습니다.
(*2) 비한정내용연수를 가진 무형자산으로 분류하고 상각하지 않고 있습니다.
(*3) 소트프웨어와 특허권으로 대체되었습니다.

(2) 무형자산의 변동내용은 다음과 같습니다.

<당분기>

(*) 소프트웨어의  구축완료로 건설중인자산에서 대체되었습니다.

<전기>

(*1) (주)티디지의 토지 및 건물(지분형 콘도회원권)에서 대체되었습니다. 소프트웨어와 특허권으로 대체되었습니다.
(*2) 콘도회원권 일부 매각하였습니다.
(*3) 지배력 취득시 PPA평가에 의한 영업권 89.8억과 (주)티디지의 주주간계약상 Drag-along(동반매각요구권) 및 라온피플 콜옵션 평가액 36.3억으로 구성되어 있습니다.
(*4) (주)티디지의  지배력 취득시 PPA평가에 의한 영업권과 무형자산으로 무형자산은 고객관계와 수주잔고로 분류됩니다.

7. 정부보조금

(1)  정부보조금의 수령 내용과 회계처리 내용은 다음과 같습니다.

8. 리스

(1) 당분기 중 현재 기초자산 유형별 사용권자산의 내역은 다음과 같습니다.

(*) 전기중 분당사무소의 임차계약이 종료됨에 따라 사용권자산 금액이 감소하였습니다.

(2) 당분기 중 리스와 관련해 손익으로 인식된 금액은 다음과 같습니다.

리스(단기및소액자산 리스제외)의 총 현금유출은 61,040,136원 입니다.

(3) 당분기 및 전기 현재 리스부채의 유동성분류 내역은 다음과 같습니다.

(4) 당분기 및 전기 현재 리스부채의 유동성분류 내역은 다음과 같습니다.

9. 투자부동산

당분기말 투자부동산의 내용은 다음과 같습니다.

(1) 당분기 현재 투자부동산의 구성내역은 아래와 같습니다.

<당분기>

(2) 투자부동산의 변동내역은 아래와 같습니다.

<당분기>
당분기 중 투자부동산 변동내역은 없습니다.

<전기>

(*) 임대사용분에 대한 공정가치 증가액입니다.

(3) 당분기 투자부동산에서 발생한 수익은 6백만원입니다.

10. 차입금

(1) 당분기 단기차입금의 내역은 다음과 같습니다.

<당분기>

(*) 기존 차입금 대출만기가 도래하여 대출기한 연장하였습니다.

<전기>

(*1) 유형자산(건물)이 담보로 제공되어 있습니다.
(*2) 기술보증기금으로부터 494백만원의 지급보증을 제공받고 있습니다.

(2) 당분기 장기차입금은 없습니다.

11. 전환사채

(1) 당분기말 현재 회사가 발행한 전환사채의 내역은 다음과 같습니다.

<당분기>

(*1) 당분기 중 제2회 무기명식 무보증 전환사채 전액 및 제3회차 전환사채 5억원 상환하였습니다.
(*2) 별도의 파생상품으로 인식된 발행회사 보유 콜옵션입니다.
(*3) 주채무로부터 분리 인식한 전환권입니다.

<전기>

(*1) 전기 중 제1회 무기명식 무보증 전환사채는 전액 상환되었습니다.
(*2) 별도의 파생상품으로 인식된 발행회사 보유 콜옵션입니다.

(*3) 주채무로부터 분리 인식한 전환권입니다.
(*4) 전기 중 제3회 무기명식 무보증 전환사채를 발행하였습니다.

(2) 당분기 중 전환사채의 변동 내역은 다음과 같습니다.

<당분기>

(*) 당분기 중  조기상환 청구권행사에 따라 제2회차 전환사채 260억 및 3회차 전환사채 5억 상환하였습니다.

<전기>

(*1) 전기 중 제3회 무기명식 무보증 전환사채 60억 발행하였습니다.
(*2) 전기 중 제1회 무기명식 무보증 전환사채의 조기상환 청구권행사에 따라 30억 상환하였습니다.

(3) 전환사채의 발행조건은 다음과 같습니다.

(*1) 사채권자와의 별도 계약에 따라 당분기 중 3회차전환사채 액면금액 기준 5억 상환되었습니다.
(*2) 당분기 중 실시한 무상증자를 반영하여 조정된 전환가격입니다.

12. 자본금과 자본잉여금

(1) 자본금

1) 자본금의 내용은 다음과 같습니다.