회사 자료를 불러오는 중…
회사 자료를 불러오는 중…
검증 단계 — 어디까지 확인했나
L0 · 국민연금 인력 · 공시 재무 · 특허 — 공공자료
서울특별시에 있는 2015년 설립 회사입니다. 시스템 소프트웨어 개발 및 공급업을 합니다. 2025년 그룹 연결 매출은 67.2억입니다. 자회사까지 합친 숫자이며 이 법인 하나의 매출이 아닙니다. 2026년 8월 기준 국민연금 가입자는 46명입니다. 외부감사를 받는 회사이고, 가장 최근 감사의견은 「적정」입니다.
읽어오는 중입니다…
최근 출원 2026-06-09 · 최근 등록 2026-09-11 · 최신 출원순
본 발명의 메모리 관리 장치의 적어도 하나의 프로세서에 의해 수행되는 이질적 메모리 계층 기반 에이전틱 인공지능 메모리 관리 방법에 있어서, 에이전틱 인공지능 실행 환경에서 실행되는 인공지능 연산 과정에 대한 워크로드를 분석하여 데이터 객체의 지연 민감도를 등급화하는 단계와, 상기 데이터 객체의 지연 민감도를 기반으로 상기 데이터 객체를 제1메모리 또는 제2메모리에 배치하기 위한 메모리 배치 정책을 결정하는 단계와, 상기 메모리 배치 정책에 따라 상기 데이터 객체를 제1메모리 또는 제2메모리에 할당하는 단계와, 상기 제2메모리에 저장된 데이터 객체 중 이후 실행 단계에서 사용될 데이터 객체를 식별하여, 상기 데이터 객체가 사용되기 전에 상기 제1메모리로 이동되도록 프리페칭(prefetching) 시점을 결정하는 단계와, 결정된 프리페칭 시점에 따라 상기 제2메모리에 저장된 데이터 객체를 상기 제1메모리로 비동기 이동시키는 단계 및 상기 인공지능 연산 과정이 실행되는 동안 제1메모리 또는 제2메모리에 배치된 데이터 객체를 참조하도록 제어하여 제2메모리의 접근 지연에 따른 대기 시간을 최소화하는 단계를 포함한다.
본 발명은 이기종 클러스터를 통합 관리하기 위한 오케스트레이션 방법에 관한 것이다. 본 발명은 복수의 상이한 클러스터 각각에 대응하는 브릿지 모듈을 브릿지 레지스트리에 등록하는 단계와, 상기 브릿지 모듈을 통해 각 클러스터별로 상이한 형식으로 표현되는 연산 자원, 네트워크 자원 및 스토리지 자원에 대한 자원 정보를 수집하고, 수집된 자원 정보를 클러스터 유형에 무관한 정규화된 자원 스키마로 변환하여 통합 자원 레지스트리에 저장하는 단계와, 워크로드 제출 시, 상기 워크로드로부터 자원 요구사항, 하드웨어 가속기 요구 여부, 스케줄링 요구사항 및 워크로드 유형을 포함하는 복수의 특성 항목을 추출하여 워크로드 특성 벡터를 생성하는 단계와, 각 클러스터에 대응하여 연산 자원 구성, 지원 가능한 하드웨어 가속기 유형, 네트워크 특성, 스케줄링 기능 및 워크로드 특화 기능을 포함하는 클러스터 프로파일을 참조하여, 상기 워크로드 특성 벡터와 상기 클러스터 프로파일을 비교함으로써 상기 워크로드에 대한 클러스터별 적합도를 나타내는 적합도 스코어를 산출하고, 상기 적합도 스코어와 각 클러스터의 현재 자원 가용 상태를 기초로 미리 정의된 라우팅 규칙에 따라 상기 워크로드를 실행할 최적의 클러스터를 선택하는 단계와, 선택된 클러스터에 대응하는 브릿지 모듈을 통해 상기 워크로드를 해당 클러스터의 네이티브 실행 형식으로 변...(이하생략)
본 발명은 실행 실패 기반 자원 요구량 조정을 이용한 작업 자동 복구 방법 및 장치에 관한 것이다. 본 발명은 작업 실행 중 자원 부족에 기인한 실행 실패 이벤트가 발생하면 감지하는 단계와, 상기 실행 실패 이벤트에 대응하여 상기 작업의 실행 로그를 분석함으로써 자원 부족량을 정량적으로 산출하는 단계와, 산출된 자원 부족량을 물리적 가속 장치의 종류 또는 메모리 용량과 독립적인 논리적 자원 단위로 변환하는 단계와, 상기 논리적 자원 단위에 기초하여 상기 작업에 대한 자원 요구량을 조정하는 단계와, 조정된 자원 요구량을 반영하여 상기 작업에 대응하는 새로운 실행 명세를 생성하는 단계와 상기 새로운 실행 명세에 따라 상기 작업을 재실행하는 단계를 포함한다. 분산 컴퓨팅 환경에서 작업 실행 중 발생하는 자원 부족에 따른 실행 실패를 단순한 오류로 처리하지 않고, 실행 결과로부터 획득 가능한 유의미한 피드백 신호로 활용함으로써, 작업의 자원 요구량을 자동으로 조정하여 작업을 복구할 수 있다.
본 발명의 동적 부하 분산 및 장애 대응을 위한 엑스퍼트 스케일링 방법에 있어서, 클러스터 컨트롤러가 하나의 AI 가속기를 동일한 크기의 파티션으로 분할하고 각 파티션에 동일 크기의 엑스퍼트(expert)를 적재하는 단계와, 앱 프록시가 클라이언트로부터 추론 요청을 수신하고, 복수의 연산노드 중 정상 상태의 파티션을 포함하는 연산노드에 추론 요청을 분산하여 전달하는 단계와, 앱 프록시가 각 연산노드의 파티션, AI 가속기 및 연산단위의 성능 지표 및 상태 지표를 수집하고 분석하여 부하 상태를 모니터링하는 단계와, 클러스터 컨트롤러가 모니터링한 지표를 기반으로 비활성 파티션을 활성화하거나 새로운 파티션에 엑스퍼트를 적재하여 연산용량을 동적으로 확장하거나 축소하고 엑스퍼트-파티션 매핑 테이블을 갱신하는 단계와, 클러스터 컨트롤러가 장애 지표를 기반으로 파티션, AI 가속기 또는 연산노드의 장애를 감지하는 단계와, 클러스터 컨트롤러가 감지된 장애의 종류 및 특성에 따라 대응 시나리오를 수행하는 단계 및 클러스터 컨트롤러가 엑스퍼트-파티션 매핑 테이블을 갱신하는 단계를 포함한다.
본 발명의 AI 가속기를 동일한 크기의 엑스퍼트 혼합(Mixture-of-Experts) 구조로 다중 분할하여 격리 운용하는 방법에 있어서, 클러스터 컨트롤러가 하나의 AI 가속기를 동일한 크기의 파티션으로 분할하고 각 파티션에 동일 크기의 엑스퍼트(expert)를 적재하는 단계와, 앱 프록시가 클라이언트로부터 추론 요청을 수신하고 게이트 함수를 실행하여 적어도 한 개 이상의 엑스퍼트를 선택하는 단계와, 앱 프록시가 선택된 엑스퍼트가 적재되어 있어 상기 선택된 엑스퍼트의 연산을 수행할 수 있는 AI 가속기의 파티션을 선택하고, 선택한 파티션에 해당하는 연산노드에 추론 요청을 전달하는 단계와, 상기 연산노드의 AI 가속기의 파티션에 적재된 엑스퍼트가 추론 요청을 처리하고 처리결과를 앱 프록시에 전달하는 단계와, 앱 프록시가 적어도 하나 이상의 처리결과를 취합하여 추론 요청에 대한 응답을 결정하는 단계 및 앱 프록시가 결정한 응답을 클라이언트에 전달하는 단계를 포함한다.
본 발명은 다중 딥러닝 모델의 사전훈련 계층과 미세조정 계층의 GPU 분리 할당을 통한 다중노드 클러스터 기반 추론 방법에 관한 것이다. 본 발명의 실시예에 따르면, 추론서버의 엔드포인트부가 클라이언트로부터 입력값을 수신하는 단계와, 추론서버의 엔드포인트부가 수신한 입력값을 분산하여 첫번째 단계의 신경망 묶음을 적재한 컨테이너를 포함하는 제1연산노드에 제1입력값을 전달하는 단계와, 제1연산노드의 제1컨테이너가 수신한 제1입력값을 입력으로 하여 GPU의 신경망 계층을 통한 연산을 수행하고 제1출력값을 생성하는 단계 및 제1컨테이너가 다음 단계의 신경망 묶음을 적재한 컨테이너를 선택하고, 다음 단계를 실행할 컨테이너 또는 다음 단계를 실행할 컨테이너를 포함하고 있는 연산노드로 제1출력값을 전달하는 단계를 포함하고, 상기 GPU는 적어도 하나의 GPU를 포함하는 것으로, 물리적 GPU 또는 분할 가상화된 GPU 조각을 의미하는 것이고, 상기 GPU에는 분할 가상화 기법을 통해 미세조정이 적용되는 모델의 적어도 하나의 사전훈련 계층과 적어도 하나의 미세조정 계층이 나누어 저장되어 있는 것을 특징으로 한다.
일 실시예에 따른 비말 분사 및 계측 장치는, 일 측면에 개구를 가지는 챔버, 챔버의 외부에 위치하고 개구를 통해 챔버 내부로 비말을 분사하는 비말 분사부 및 챔버의 내부에 위치하고 챔버 내부에 위치하는 비말의 개수를 계측하는 비말 계수부를 포함할 수 있다.
본 발명은 클러스터 상에서 다중 컨테이너 기반 연산 세션의 자동 스케일링 방법에 관한 것이다. 본 발명의 실시예에 따르면, 다중 컨테이너 자동 스케일링 방법은 노드컨트롤러가 컨테이너엔진으로부터 컨테이너에 대한 이벤트정보 및 통계정보를 수신하는 단계와, 상기 노드컨트롤러가 감지된 이벤트정보 및 통계정보를 클러스터 컨트롤러에게 전달하는 단계와, 상기 클러스터 컨트롤러가 수신된 이벤트정보 및 통계정보에 기초하여 특정세션에 대한 컨테이너 추가 또는 삭제 여부를 판단하는 단계와, 상기 클러스터 컨트롤러가 판단 결과에 따라 특정세션의 노드컨트롤러에 컨테이너 추가 또는 삭제 명령을 전달하는 단계와, 상기 클러스터 컨트롤러가 기존에 있는 노드만으로 컨테이너 추가가 불가능한지 여부 또는 컨테이너 삭제가 필요한 경우를 판단하여, 노드 추가 또는 삭제 여부를 판단하는 단계를 포함한다.
본 발명은 사용자가 요청한 다수개의 라이브러리를 탑재한 세션 컨테이너 제공방법에 관한 것이다. 본 발명은 사용자로부터 컨테이너 실행을 수신하면, 노드컨트롤러가 컨테이너 카탈로그에서 라이브러리 컨테이너를 조회하는 단계와, 상기 노드컨트롤러가 상기 라이브러리 컨테이너내의 라이브러리가 탑재될 세션 컨테이너와 상기 라이브러리 컨테이너간의 호환 여부를 체크하는 단계와, 호환이 가능하면 컨테이너 엔진이 상기 라이브러리 컨테이너내의 라이브러리를 탑재한 세션 컨테이너를 생성하는 단계를 포함한다.
컨테이너 기반의 GPU 가상화 방법은, 컨테이너가 생성되면 노드 컨트롤러가 GPU 자원 제약 정보를 포함하는 설정파일과 API 프로파일을 상기 컨테이너에 전송하는 단계와, 상기 컨테이너가 실행되면 상기 컨테이너에 구비되는 라이브러리 컨트롤러가 라이브러리 호출을 가로채어 GPU 자원량과 관련된 인자를 변경하고, 시스템콜 컨트롤러가 시스템콜 호출을 가로채어 인자 및 반환값을 변경하여 가상 GPU를 구현하는 단계를 포함한다.
특허청 KIPRIS · 2026-10-15 조회 · 최신 출원순 · 오른쪽은 등록일(등록 전은 출원일) · 전체 10건 중 10건 · 줄을 누르면 자세한 내용이 펼쳐집니다 ▾
지금은 공공자료(국민연금 · 전자공시 · 특허 · 명부 · 보도)만 있습니다. 회사가 IR Room에 자료를 내면 L1로 올라갑니다. 저희는 회사에 점수나 등급을 매기지 않습니다 — 어디까지 확인했는지만 적습니다.
| 단위 억원 | 2024 | 2025 |
|---|---|---|
| 영업수익(매출액) | 59.3 | 67.2 |
| 영업비용 | 50.2 | 60.4 |
| 영업이익(손실) | 9.1 | 6.8 |
| 영업외수익 | 5.7 | 4.0 |
| 기타이익 | 1.7 | 1.0 |
| 금융수익 | 3.9 | 3.0 |
| 영업외비용 | 19.4 | 26.0 |
| 기타손실 | 0.1 | 0.1 |
| 금융원가 | 19.3 | 25.9 |
| 법인세비용 | (0.4) | 0.0 |
| 당기순이익(손실) | (4.2) | (15.2) |
매출은 67.2억으로 전년 대비 13.3% 증가한 것으로 나타났다.
영업이익률은 10.1%로 전년 15.4%에서 하락했다.
당기순이익은 -15.2억으로 나타났다.
여기 실린 것보다 깊은 자료가 필요하십니까. 추가 정보 요청 — 종합 검토보고서 · 가치평가 · Executive Teaser · IM · 경쟁사 분석 · 실사 의뢰. 고르시면 산출비용과 걸리는 기간을 메일로 안내드립니다.
공개 기사의 제목 · 링크만 싣습니다 · 저희가 확인한 내용이 아닙니다(원문 ↗) · 「증권사 전망」은 확정 실적 아님 · 2026-11-08 확인