AI 온디바이스 시대 핵심 기업 노타의 AI 경량화 최적화 기술 경쟁력을 분석합니다. GPU·메모리 절감 기술부터 사업 구조, 2026년 실적 전망과 투자 시 확인할 위험요인까지 살펴봅니다.
AI 온디바이스 시장이 커질수록 함께 중요해지는 기술이 AI 경량화 최적화입니다. 아무리 성능이 뛰어난 AI 모델이라도 스마트폰·자동차·로봇처럼 연산 자원이 제한된 기기에서 제대로 작동하지 못하면 활용 범위가 좁기 때문입니다. 노타는 거대한 AI 모델의 메모리와 연산 부담을 줄여 실제 하드웨어에서 효율적으로 구동하도록 만드는 기술에 집중하고 있다는 점에서 주목할 필요가 있습니다.
특히 2026년에는 단순히 "AI를 개발하는 기업"보다 AI를 얼마나 적은 비용과 자원으로 실제 서비스에 적용할 수 있게 만드는가가 중요한 경쟁 요소로 떠오르고 있습니다.
노타의 기술 경쟁력을 이해하려면 바로 이 지점부터 살펴봐야 합니다.
AI 온디바이스 시대에 AI 경량화 최적화가 필요한 이유
최근 AI 모델은 빠른 속도로 대형화되고 있습니다.
모델이 커지면 복잡한 작업을 수행할 수 있는 능력이 좋아질 수 있지만 그만큼 필요한 메모리와 연산 자원도 증가합니다. 데이터센터에서는 고성능 GPU를 추가하는 방식으로 대응할 수 있지만 스마트폰이나 자동차, CCTV, 로봇 등에서는 상황이 다릅니다.
하드웨어 자원이 제한돼 있기 때문입니다.
따라서 AI 온디바이스를 구현하려면 크게 세 가지 문제를 해결해야 합니다.
- AI 모델이 사용하는 메모리를 줄여야 합니다.
- 실제 추론 과정에서 필요한 연산량을 낮춰야 합니다.
- 모델을 작게 만들면서도 기존 성능 저하를 최소화해야 합니다.
이 세 가지를 동시에 해결하는 것이 AI 경량화 최적화 기술의 핵심입니다.
노타가 AI 온디바이스 관련 기업으로 평가받는 이유 역시 단순히 AI 모델을 개발하는 것이 아니라, 이미 만들어진 AI가 다양한 하드웨어 환경에서 실제로 작동하도록 최적화하는 기술을 사업화하고 있기 때문입니다.
노타는 어떤 회사인가?
노타는 2015년 설립된 AI 모델 경량화·최적화 전문기업입니다.
사업 구조는 크게 플랫폼과 솔루션으로 구분됩니다.
플랫폼 사업에서는 AI 경량화 및 최적화 기술을 이용해 다양한 하드웨어에서 AI 모델을 효율적으로 구동할 수 있도록 지원합니다. 솔루션 사업은 고객이 사용하는 AI 모델과 추론 하드웨어 환경에 맞춰 최적화를 제공하는 형태입니다.
사용자 입장에서 더 쉽게 표현하면 이렇습니다.
"성능 좋은 AI를 실제 제품에 넣었을 때 빠르고 효율적으로 돌아가도록 만드는 회사"
AI 모델을 개발하는 것과 실제 제품에서 AI를 구동하는 것은 다른 문제입니다.
같은 AI 모델이라도 어떤 반도체와 프로세서에서 실행하는지에 따라 필요한 최적화 방식이 달라질 수 있습니다. 노타의 경쟁력을 판단할 때는 바로 이러한 모델과 하드웨어 사이의 최적화 능력을 살펴볼 필요가 있습니다.
노타 AI 경량화 최적화 기술 경쟁력이 주목받는 이유
1. AI 모델의 메모리 사용량을 크게 낮출 수 있다
AI 경량화 기술의 경쟁력을 확인하는 가장 쉬운 방법 중 하나가 실제 모델을 얼마나 작은 하드웨어 자원으로 구동할 수 있게 했는지를 보는 것입니다.
2026년 7월 노타는 업스테이지와 함께 정부 독자 AI 파운데이션 모델 프로젝트에 참여하면서 '솔라 오픈2(Solar Open 2)' 전용 경량화 모델을 공개했습니다.
솔라 오픈2는 총 2,500억 개 매개변수를 갖추고 실제 작업에서는 150억 개가 활성화되는 MoE(Mixture of Experts) 구조의 대규모언어모델입니다.
노타는 여기에 데이터 기반 MoE 양자화 등의 기술을 적용했습니다.
그 결과 원본 모델의 가중치 메모리를 500.6GB에서 117.8GB로 줄였습니다.
약 76.5% 감소한 수준입니다.
더 눈여겨볼 부분은 GPU 요구량입니다.
메모리 용량을 기준으로 원본 모델에는 GPU 8장이 필요했지만, 경량화 이후에는 GPU 2장 환경에서도 구동할 수 있도록 최적화됐습니다.
단순히 모델 크기를 조금 줄이는 수준이 아니라 실제 AI 인프라 구성에 영향을 줄 수 있다는 의미입니다.
2. 경량화하면서 AI 기능을 유지하는 것이 중요하다
AI 모델 경량화에서 어려운 부분은 무조건 모델을 작게 만드는 것이 아닙니다.
크기와 연산량만 줄이려 한다면 중요한 AI 성능까지 떨어질 수 있기 때문입니다.
따라서 실제 경쟁력은
얼마나 많이 줄였는가 + 필요한 성능을 얼마나 유지했는가
두 가지를 함께 봐야 합니다.
노타가 공개한 솔라 오픈2 경량화 사례에서는 최적화 이후에도 에이전트 AI에서 중요한 툴 호출(Tool Calling) 기능이 안정적으로 유지됐다고 설명했습니다.
AI 경량화 기술을 평가할 때 중요한 사례입니다.
앞으로는 단순한 모델 압축률보다 실제 서비스에 필요한 성능을 유지하면서 GPU와 메모리 요구량을 얼마나 낮출 수 있는지가 더욱 중요해질 가능성이 있습니다.
AI 온디바이스에서 노타 기술이 필요한 이유
AI 온디바이스는 AI가 항상 클라우드 서버를 거쳐 작동하는 것이 아니라 기기 자체에서도 데이터를 처리하고 추론할 수 있도록 하는 방식입니다.
대표적인 적용처로는 스마트폰뿐만 아니라 다음과 같은 분야를 생각할 수 있습니다.
자동차·ADAS → 지능형 CCTV → 로봇 → 산업용 장비 → 엣지 디바이스
이들 기기의 공통점은 데이터센터처럼 GPU를 계속 추가하기 어렵다는 것입니다.
전력 소비와 발열, 메모리, 제품 크기와 원가까지 고려해야 합니다.
따라서 AI 온디바이스 시장이 확대되면 AI 모델 자체의 성능뿐 아니라 제한된 하드웨어에서 AI를 얼마나 효율적으로 실행할 수 있는가가 중요해집니다.
이 과정에서 노타의 AI 경량화 최적화 기술이 활용될 수 있습니다.
노타가 온디바이스AI만 보는 기업은 아닌 이유
노타를 분석할 때 놓치기 쉬운 부분도 있습니다.
AI 경량화 최적화 기술은 온디바이스AI에만 필요한 기술이 아닙니다.
클라우드에서도 동일한 문제가 존재합니다.
생성형 AI 서비스 사용량이 늘어날수록 추론에 필요한 GPU와 서버 자원이 증가하고, 이에 따라 AI 서비스를 운영하는 기업의 인프라 비용 부담도 커질 수 있습니다.
AI 모델의 연산량과 메모리 요구량을 낮춘다면 동일한 AI 서비스를 보다 효율적인 인프라에서 운영할 가능성이 생깁니다.
즉 노타가 바라볼 수 있는 시장을 단순화하면 다음과 같습니다.
| 시장 | AI 경량화가 필요한 이유 | 노타의 기회 |
|---|---|---|
| 온디바이스AI | 제한된 메모리·연산 성능 | 기기별 AI 모델 최적화 |
| 자동차·로봇 | 전력·지연시간·하드웨어 제약 | 엣지 AI 최적화 |
| 산업용 AI | 다양한 하드웨어 환경 | 맞춤형 최적화 |
| 클라우드 AI | GPU·서버 비용 부담 | 추론 효율 개선 |
| 생성형 AI·LLM | 거대한 모델 크기와 메모리 | 양자화·모델 최적화 |
따라서 노타의 장기적인 성장 가능성을 판단하려면 온디바이스AI와 클라우드 AI 양쪽에서 기술이 실제 매출로 연결되는지를 확인해야 합니다.
노타 실적, 2026년에는 무엇을 봐야 할까?
한국IR협의회가 제시한 전망에 따르면 노타의 2026년 예상 매출액은 233억원입니다.
전년 대비 약 70% 증가하는 수준입니다.
반면 예상 영업이익은 -125억원으로 아직 흑자 전환 단계는 아닙니다.
여기에서 투자자가 숫자를 해석할 때 주의할 부분이 있습니다.
매출이 빠르게 성장한다는 것은 긍정적이지만, 매출 증가 자체가 곧바로 기업가치 상승을 보장하지는 않습니다. 연구개발과 인력, 사업 확대 비용이 지속되고 있기 때문에 매출 성장과 손익 개선을 동시에 확인할 필요가 있습니다.
특히 중요한 지표는 네 가지입니다.
고객사 증가 → 프로젝트 확대 → 실제 양산 적용 → 반복 매출 발생
AI 기술기업에서는 기술 검증이나 프로젝트 수주가 실제 대규모 양산과 장기 계약으로 이어지는 과정이 중요합니다.
따라서 노타를 단순히 "AI 관련주"라는 테마로 보기보다 경량화 기술이 얼마나 많은 고객의 상용 제품에 적용되고 반복적인 매출을 만들어내는지를 확인하는 것이 더 중요합니다.
노타 AI 경량화 기술의 핵심 투자 포인트
노타의 사업을 바라볼 때 가장 중요한 변화는 AI 산업의 범위가 데이터센터 밖으로 빠르게 확장되고 있다는 점입니다.
지금까지 AI 투자에서는 고성능 GPU와 데이터센터가 크게 주목받았습니다.
하지만 AI가 자동차와 스마트폰, CCTV, 로봇, 산업기기 등으로 내려오기 시작하면 이야기가 달라집니다.
AI를 개발하는 기술뿐 아니라 개발된 AI를 제한적인 하드웨어에 효율적으로 넣는 기술이 필요해집니다.
여기에 생성형 AI 모델의 대형화까지 계속된다면 클라우드에서도 AI 추론 비용을 줄이는 최적화 기술의 경제적 가치가 커질 가능성이 있습니다.
노타가 두 시장에서 실제 레퍼런스를 확대한다면 AI 경량화 최적화 전문기업이라는 위치가 더욱 중요해질 수 있습니다.
그렇다면 노타의 위험요인은 무엇일까?
AI 온디바이스 시장이 성장한다고 해서 모든 AI 경량화 기업이 함께 성장한다고 단정해서는 안 됩니다.
특히 세 가지를 확인해야 합니다.
첫째, AI 모델과 반도체 기술의 변화 속도입니다. 새로운 AI 모델과 AI 반도체가 계속 등장하기 때문에 최적화 기업도 이에 맞춰 기술을 빠르게 업데이트해야 합니다.
둘째, 기술 경쟁력이 실제 매출로 전환되는 속도입니다. 기술 검증이나 협력 발표가 많더라도 고객사의 제품 양산과 반복 계약으로 이어지지 않으면 실적 개선 속도는 기대보다 느릴 수 있습니다.
셋째, 지속되는 영업적자입니다. 2026년에도 영업적자가 예상되는 만큼 매출 증가와 함께 적자 폭이 실제로 감소하는지 확인해야 합니다.
따라서 주가 상승 자체보다 향후 공시와 실적에서 신규 고객사, 상용화·양산 프로젝트, 반복 매출, 매출 증가율, 영업손실 축소를 추적하는 편이 기업의 본질적인 변화를 판단하는 데 도움이 됩니다.
AI가 커질수록 'AI를 작게 만드는 기술'도 중요해진다
노타의 AI 경량화 최적화 기술을 이해하는 핵심은 역설적으로 AI 모델이 계속 커지고 있다는 사실에 있습니다.
AI가 고도화될수록 모델에 필요한 연산량과 메모리가 커질 수 있습니다. 하지만 모든 AI를 고가의 GPU가 설치된 데이터센터에서만 실행할 수는 없습니다.
AI가 자동차와 스마트폰, 로봇, 카메라, 산업용 기기로 확산되려면 결국 제한된 하드웨어에서도 효율적으로 작동해야 합니다.
노타는 이 과정에서 AI 모델과 실제 하드웨어 사이의 간극을 줄이는 AI 경량화 최적화 기술을 사업화하고 있습니다.
특히 솔라 오픈2 사례처럼 500.6GB였던 가중치 메모리를 117.8GB로 줄이고, GPU 8장 수준의 요구 환경을 2장으로 낮춘 결과는 노타의 기술을 이해하는 데 참고할 만한 구체적인 사례입니다.
다만 기술적 성과와 기업의 투자 가치는 구분해서 볼 필요가 있습니다.
2026년 이후 노타의 진짜 경쟁력을 판단할 기준은 단순한 AI 온디바이스 시장의 성장 기대가 아니라 AI 경량화 기술이 실제 고객사의 제품과 서비스에 얼마나 많이 채택되고, 그 결과가 지속적인 매출과 수익성 개선으로 연결되는가입니다.
한국IR협의회가 2026년 매출액을 233억원, 영업이익을 -125억원으로 전망하고 별도의 목표주가와 투자의견을 제시하지 않았다는 점도 함께 고려할 필요가 있습니다.
결국 노타를 볼 때 확인해야 할 핵심은 명확합니다.
AI가 더 거대해질수록 AI를 더 작고 빠르고 저렴하게 실행시키는 기술의 가치가 커질 것인가, 그리고 그 시장에서 노타의 AI 경량화 최적화 기술이 실제 매출로 이어질 것인가.
이 두 가지가 앞으로 노타의 기술 경쟁력과 기업가치를 판단하는 가장 중요한 기준이 될 가능성이 높습니다.
※ 본문에 언급된 실적 전망과 기술 관련 수치는 제공된 2026년 7~8월 기사 및 한국IR협의회 관련 자료를 바탕으로 작성했으며, 전망치는 실제 실적과 달라질 수 있습니다. 특정 종목의 매수·매도를 권유하는 내용이 아니며 투자 판단 시 최신 공시와 회사 발표를 함께 확인해야 합니다.
0 댓글