AI 모델 경량화 기업 노타(Nota) 총정리: 넷츠프레소 기술력부터 2026년 최신 실적과 주가 전망까지 완벽 분석

1. AI 모델 경량화 기업 노타(Nota AI)란? 엔비디아와 삼성이 주목한 기술의 정체

요즘 IT와 인공지능(AI) 업계의 가장 뜨거운 화두가 무엇인지 아시나요? 불과 1~2년 전만 해도 오픈AI의 챗GPT나 거대언어모델(LLM)처럼 '누가 더 모델을 거대하고 똑똑하게 만드느냐'의 파라미터(매개변수) 경쟁이 주를 이뤘어요. 하지만 2026년 현재, 시장의 판도가 완전히 바뀌었더라고요. 이제는 '그 무겁고 거대한 AI를 스마트폰, 자동차, 로봇, CCTV 같은 작은 기기(Edge Device) 안에서 어떻게 빠르고 전력 소모 없이 돌릴 것인가'가 핵심 승부처가 되었답니다. 이 중심에서 글로벌 빅테크들의 러브콜을 한몸에 받고 있는 대한민국 대표 AI 시스템 소프트웨어 기업이 바로 주식회사 노타(Nota AI)예요.

노타의 정체성을 한 줄로 정의하자면 '인공지능 모델의 다이어트와 근육질 체질 개선을 전담하는 독보적인 소프트웨어 플랫폼 기업'이라고 부를 수 있어요. 아무리 지능이 뛰어난 AI라도 클라우드 서버와의 통신에 매달려 배터리를 광탈시키고 발열을 뿜어낸다면 실생활 기기에 탑재될 수 없잖아요? 노타는 독자 개발한 온디바이스 AI 최적화 플랫폼 ‘넷츠프레소(NetsPresso)’를 앞세워 거대한 딥러닝 신경망을 손상 없이 압축하고, 타깃 하드웨어 칩셋에 칼같이 맞춰주는 기술로 글로벌 시장을 선도하고 있답니다.

카이스트 벤처에서 출발해 코스닥 상장까지: 키보드 앱이 불러온 나비효과

노타의 시작은 굉장히 흥미진진한 스토리를 품고 있어요. 2015년 4월, 카이스트(KAIST) 학내 벤처로 첫발을 내디뎠을 당시 노타가 개발하던 첫 제품은 놀랍게도 스마트폰 오타를 머신러닝으로 실시간 교정해 주는 '노타 키보드' 앱이었답니다. 최고기술책임자(CTO)인 김태호 창업자와 연구진은 스마트폰 안에서 AI 연산을 돌리려다 심각한 벽에 부딪혔어요. 폰이 뜨거워지면서 배터리가 순식간에 녹아내리고 화면 랙이 걸렸던 거죠.

당시 딥러닝 연구자들은 모델을 웬만하면 거대화하는 데만 몰두하고 있었지만, 노타 팀은 반대로 생각했어요. "스마트폰이나 작은 임베디드 기기에서 AI가 제대로 돌지 못한다면 미래의 AI는 대중화될 수 없다!"라는 본질을 꿰뚫어 본 것이죠. 이에 2018년 합류한 채명수 대표이사와 함께 2017년을 기점으로 B2C 앱 사업을 과감히 접고 B2B AI 모델 경량화 및 최적화 전문 기업으로 피봇(사업 전환)을 단행하게 됩니다. 이 과감한 결단이 오늘날 코스닥 상장사 노타를 만든 결정적 한 수가 되었더라고요.

클라우드 AI의 명확한 한계와 온디바이스·피지컬 AI 시대로의 대전환

현재 IT 산업 전반이 왜 이토록 온디바이스(On-device)와 엣지(Edge) AI에 열광할까요? 수천억 원짜리 엔비디아 H100 서버 팜에 의존하는 클라우드 AI 방식은 세 가지 치명적인 한계를 갖고 있기 때문이에요.

• 첫째, 네트워크 지연(Latency): 자율주행 차량이 보행자를 발견하거나 로봇이 장애물을 피해야 할 때, 데이터를 클라우드로 보내고 판독 결과를 받아오는 수십~수백 밀리초(ms)의 시간은 생사를 가르는 치명적인 사고로 이어질 수 있어요.
• 둘째, 프라이버시 및 보안 리스크: 스마트폰의 개인 통화 내역, 안면 인식 데이터, 가정용 홈캠 영상이 외부 서버로 전송되는 순간 해킹과 유출의 위험에 고스란히 노출됩니다.
• 셋째, 막대한 운영 비용(OPEX): 수억 명의 사용자가 클라우드 API를 호출할 때마다 발생하는 전기료와 서버 증설 비용은 기업들에게 재앙 수준의 청구서로 돌아오거든요.

이 문제를 해결하는 유일한 열쇠가 바로 기기 자체에서 AI를 자립적으로 구동하는 온디바이스 AI이며, 이를 구현하기 위해 모델을 기기 스펙에 맞게 줄여주는 노타의 기술이 필수 불가결한 인프라로 자리매김한 것이죠.

2. 주요 사양 & 실측 성능 1:1 비교 대조: 클라우드 vs 수작업 vs 넷츠프레소

기술적 우수성을 한눈에 파악하기 위해, 전통적인 클라우드 방식과 엔지니어들이 일일이 코드를 수정하는 수작업 최적화, 그리고 노타의 넷츠프레소 플랫폼을 정밀 비교해 보았어요. 실무 도입이나 투자 판단을 내릴 때 아주 중요한 기준점이 될 거예요.

100MB 모델을 1MB로 압축하는 기적? 압축률과 정확도의 상관관계

표를 보고 "어떻게 AI 모델 크기를 90% 이상 줄이면서 똑똑함(정확도)을 유지할 수 있지?"라며 의아해하실 수 있어요. 보통 사진 파일을 강제로 압축하면 화질이 뭉개지듯, 인공지능 신경망도 파라미터를 무턱대고 쳐내면 인식률이 곤두박질치거든요. 하지만 채명수 노타 대표가 대외적으로 밝힌 기술적 검증 레퍼런스에 따르면, 조건과 모델 구조에 따라 100MB 크기의 AI 모델을 원본 정확도를 유지한 채 약 1MB(원본 대비 1% 수준)까지 축소해 낸 실증 사례를 보유하고 있더라고요.

이것이 가능한 이유는 단순 삭제가 아니라, 신경망 내부에서 출력값에 거의 영향을 미치지 않는 불필요한 가중치(Weight) 뉴런 연결을 골라내는 구조적 가지치기(Structured Pruning)와 지식 증류(Knowledge Distillation)를 수학적으로 정교하게 엮어냈기 때문이에요. 뼈대만 남기되 핵심 근육은 더 단단하게 재배열하는 셈이죠.

지연 시간(Latency)과 운영비(OPEX)의 압도적 절감 효과

실제 엔터프라이즈 환경에서 노타의 플랫폼을 도입했을 때 얻는 가장 체감도 높은 이득은 바로 비용 절감이에요. 수백만 대의 CCTV 관제 시스템이나 공장 스마트 팩토리에서 매초 발생하는 비디오 스트림을 AWS나 구글 클라우드로 쏜다고 상상해 보세요. 네트워크 트래픽 비용과 GPU 인스턴스 비용만으로도 한 달에 수억 원이 깨집니다. 반면 노타의 최적화 솔루션을 통해 엣지 기기에 AI를 직접 올려버리면, 네트워크 사용량이 '0'에 수렴하면서 데이터 통신비와 클라우드 유지비가 획기적으로 삭감되더라고요.

3. 노타의 핵심 아키텍처와 제품군 분석: 넷츠프레소(NetsPresso) 생태계

노타의 기술적 심장은 단연 넷츠프레소(NetsPresso)예요. 넷츠프레소는 단순한 압축 프로그램이 아니라, AI 모델의 탐색부터 학습, 압축, 변환, 실기기 벤치마킹까지 모든 과정을 하나의 파이프라인으로 연결한 '올인원 엣지 AI 최적화 스튜디오 플랫폼'이랍니다. 세부 모듈들이 어떻게 유기적으로 맞물려 돌아가는지 뜯어보았어요.

Model Zoo & Training Studio: 엣지 맞춤형 백본과 구조적 가지치기

처음 AI를 개발할 때 많은 엔지니어들이 깃허브에서 가장 인기 있는 대형 모델을 무작정 가져다 씁니다. 하지만 그런 모델들은 대개 서버용이라 모바일 NPU에서는 연산 효율이 엉망이에요. 넷츠프레소의 Model Zoo는 타깃 엣지 하드웨어 구동에 이상적으로 설계된 40개 이상의 사전 학습 백본 모델을 기본 제공해요.

여기에 결합된 Training Studio는 데이터 유출 걱정 없이 로컬 환경에서 압축 학습을 수행할 수 있도록 지원해요. 특히 비정형 가지치기가 아닌, 하드웨어 연산 유닛의 블록 구조에 맞춘 'Structured Pruning'을 적용하기 때문에 하드웨어 레벨에서 실제 연산 속도가 정직하게 빨라지는 놀라운 경험을 선사하더라고요.

Optimization Studio: 그래프 최적화와 양자화(INT8)의 마법

AI 모델 압축의 꽃이라 불리는 단계가 바로 양자화(Quantization)예요. 일반적으로 딥러닝 모델은 부동소수점 32비트(FP32)의 정밀한 실수를 사용합니다. 계산은 정확하지만 메모리를 엄청나게 잡아먹고 연산기도 무거워지죠. 넷츠프레소의 Optimization Studio는 이를 8비트 정수(INT8)나 4비트(INT4)로 변환해 메모리 대역폭을 4분의 1 이하로 줄여버립니다.

단순히 숫자만 줄이는 게 아니라, 신경망 연산 그래프에서 중복되거나 비효율적인 레이어를 병합하는 그래프 최적화(Graph Optimizer)와 하드웨어 전용 중간 표현 변환기(IR Converter)를 거치기 때문에, 엔지니어가 C++ 코드를 수작업으로 튜닝하지 않아도 마우스 클릭 몇 번만으로 하드웨어 친화적 런타임 파일이 쉽게 완성돼요.

Benchmark Studio & Device Farm: 실물 하드웨어 100종 원격 테스트

개발자 입장에서 노타의 서비스 중 가장 감탄했던 부분이 바로 디바이스 팜(Device Farm) 인프라예요. 일반적으로 라즈베리파이, 엔비디아 젯슨 보드, 퀄컴 스냅드래곤 등 온갖 칩셋에서 AI 성능을 측정하려면 회사 실험실 책상 위에 수십 개의 보드를 주렁주렁 늘어놓고 케이블을 연결해야 하거든요.

넷츠프레소는 노타 클라우드 상에 100개 이상의 물리적 디바이스 팜을 항시 구축해 두었어요. 개발자가 최적화된 모델을 올리기만 하면, 원격으로 실제 보드에 모델을 로드해 지연 시간(Latency), 초당 프레임 수(FPS), 메모리 사용량, 발열 및 전력 소모량을 정밀하게 실측해 프로파일링 리포트로 보여주더라고요. 보드를 직접 사서 납땜하고 세팅할 필요가 전혀 없으니 개발 기간이 상당히 단축될 수 있습니다.

4. 비전 AI 솔루션의 진화: 노타 비전 에이전트(Nota Vision Agent, NVA)

넷츠프레소가 AI를 만드는 플랫폼 툴이라면, 이 넷츠프레소로 완성해 시장에 즉각 배포할 수 있도록 패키징한 완제품 솔루션이 바로 노타 비전 에이전트(Nota Vision Agent, NVA)예요. 최근 AI 트렌드가 텍스트와 이미지를 동시에 이해하는 VLM(Vision Language Model)으로 진화하고 있는데, 노타는 이 무거운 VLM마저 엣지 기기에 얹는 데 성공했더라고요.

가벼워진 VLM(비전 언어 모델)이 바꾸는 스마트 시티와 ITS

기존의 지능형 교통 시스템(ITS) CCTV는 사전에 학습된 차량 번호판이나 단순 보행자 실루엣 정도만 감지할 수 있었어요. 비정형적인 돌발 상황, 예컨대 "도로 위에 떨어진 낙하물"이나 "킥보드를 타고 역주행하는 보행자" 같은 미묘한 맥락은 인식하지 못했죠.

NVA는 경량화된 비전 언어 모델을 엣지 카메라 단에 탑재함으로써 복잡한 상황을 자연어로 추론하고 스스로 판단해요. 현장 카메라 칩셋 안에서 상황을 즉시 인지해 관제 센터로 메타데이터만 전송하므로, 회선 비용을 획기적으로 줄이면서도 도시 안전망의 사각지대를 완벽히 지워내고 있답니다.

산업 안전과 차량용 운전자 모니터링(DMS) 적용 사례

모빌리티와 제조업 현장에서도 노타의 진가는 눈부셔요. 특히 현대 완성차 업계에서 필수 탑재되고 있는 차량용 운전자 모니터링 시스템(DMS)의 경우, 운전자의 시선 분산, 졸음 눈 깜빡임, 하품 등을 0.01초 단위로 감지해야 하는데요. 클라우드를 거치면 사고를 막을 수 없겠죠?

차량용 인포테인먼트(IVI) 칩이나 저전력 제어기(MCU)에 직접 NVA 솔루션을 이식하여, 어두운 야간이나 선글라스를 착용한 상태에서도 완벽하게 운전자의 상태를 추적해 경고를 울려줍니다. 산업 플랜트에서도 작업자의 헬멧 미착용, 쓰러짐 사고 등을 고가의 서버 없이 현장 소형 장치에서 단독 감지해 내고 있어요.

5. 하드웨어 인지(Hardware-Aware) 엔진의 기술적 깊이 파헤치기

여기서 아주 본질적인 질문을 던져볼게요. "파이토치(PyTorch)나 텐서플로우(TensorFlow)에도 기본적인 양자화 라이브러리가 있는데, 왜 기업들은 굳이 노타를 찾을까?"라는 점이에요. 그 해답은 바로 노타만의 '하드웨어 인지(Hardware-Aware)' 아키텍처 탐색 기술에 있습니다.

왜 일반 소프트웨어 압축과 차원이 다를까?

많은 분들이 간과하는 사실 중 하나가 하드웨어 칩마다 '좋아하는 계산 방식'이 완전히 다르다는 거예요. 예를 들어 엔비디아의 GPU 텐서 코어는 거대한 행렬 곱셈에 특화되어 있고, 스마트폰의 NPU(신경망처리장치)는 파이프라인 캐시 메모리 크기와 메모리 대역폭에 극도로 민감합니다. 애플 실리콘의 뉴럴 엔진과 퀄컴 헥사곤 NPU, 삼성 엑시노스의 NPU 구조가 전부 제각각이에요.

오픈소스 압축 툴로 무작정 파라미터만 깎아내면, 정작 칩 내부의 캐시 메모리에서 병목이 생겨 오히려 속도가 느려지는 기현상이 발생합니다. 하지만 노타의 기술은 타깃 칩셋의 하드웨어 스펙(산술 논리 장치 구조, 캐시 크기, 지원 명령어 세트)을 사전에 알고리즘이 스스로 인지하여, 해당 칩에서 가장 높은 성능을 낼 수 있는 최적의 신경망 구조를 역으로 설계해 냅니다. 하드웨어와 소프트웨어가 완벽한 물아일체를 이루게 만드는 것이죠.

222건 특허와 첨단기술제품 인증으로 무장한 원천 기술력

이러한 독보성은 탄탄한 특허 장벽으로 보호받고 있어요. 노타는 2026년 기준 222건 이상의 국내외 특허를 출원하고, 이미 113건 이상의 특허 등록을 완료한 상태예요. 글로벌 빅테크들이 자체 최적화 툴을 만들려 해도 노타의 원천 특허 그물망을 피하기가 대단히 까다롭다는 평가를 받는 이유예요.

게다가 대한민국 산업통상자원부로부터 '임베디드 소프트웨어 분야 – NPU용 소프트웨어 기술' 부문에서 공인된 ‘첨단기술제품’ 인증을 획득했어요. 글로벌 시장조사기관 CB 인사이트(CB Insights)가 매년 전 세계에서 가장 전도유망한 혁신 AI 스타트업 100곳을 선정하는 ‘글로벌 AI 100(AI 100)’ 리스트에도 당당히 이름을 올렸으니, 기술적 체급은 이미 글로벌 공인을 마친 셈이죠.

6. 프로세서 성능 최적화와 글로벌 칩셋 밸류체인 장악력

노타가 여타 AI 스타트업과 가장 차별화되는 지점은, 최종 소프트웨어 소비자만을 바라보는 게 아니라 글로벌 반도체 거인들의 핵심 파트너로 밸류체인 깊숙이 들어가 있다는 사실이에요. 반도체 회사들은 칩을 만들어도 이를 개발자들이 쉽게 쓸 수 있는 소프트웨어 생태계가 없으면 칩을 팔지 못하거든요.

엔비디아(NVIDIA) 젯슨 & 메트로폴리스 공식 파트너십의 위력

AI 반도체의 절대군주 엔비디아와 노타의 인연은 각별해요. 노타는 엔비디아의 스마트 시티 솔루션 플랫폼인 ‘메트로폴리스(Metropolis)’ 파트너이자, 임베디드 AI 모듈인 ‘젯슨(Jetson)’의 에코시스템 공식 파트너사로 활동하고 있습니다. 엔비디아 젯슨 오린(Orin)이나 나노(Nano) 모듈을 구매한 전 세계 기업들이 복잡한 최적화 과정 없이 넷츠프레소를 통해 몇 번의 클릭으로 최적의 엔진(TensorRT) 파일을 추출할 수 있도록 툴체인을 완벽하게 통합해 두었더라고요.

삼성전자 엑시노스(Exynos) 플래그십 탑재와 Arm 에코시스템

국내 투자자들에게 가장 가슴 뛰는 소식은 단연 삼성전자와의 협력일 텐데요. 스터닝밸류리서치의 하은재 연구원 보고서에 따르면, 삼성전자의 모바일 플래그십 애플리케이션 프로세서(AP)인 ‘엑시노스 2400’과 ‘2500’에 이어 차세대 ‘2600’까지 노타의 AI 최적화 기술 파트너십이 견고하게 이어지고 있다고 해요. 갤럭시 스마트폰에 탑재되는 온디바이스 AI 기능들의 최적화 작업에 노타의 기술력이 밑거름 역할을 톡톡히 하고 있는 셈이죠.

또한 전 세계 모바일 칩셋 아키텍처의 99%를 장악하고 있는 영국의 Arm(암)과도 공식 기술 라이선스 파트너십을 맺고 있어요. Arm의 차세대 엣지 NPU인 에토스(Ethos) 시리즈나 코어텍스(Cortex) 프로세서에 최적화된 컴파일러 레이어를 공동 개발하며 글로벌 시장 침투율을 무섭게 끌어올리고 있답니다.

퀄컴과 AMD까지 아우르는 크로스 플랫폼 최적화 역량

특정 제조사 칩에만 묶여 있다면 확장성에 한계가 있겠죠? 오픈소스 툴킷인 엔비디아의 TensorRT는 인텔 칩에서 안 돌고, 인텔의 OpenVINO는 퀄컴 칩에서 돌아가지 않습니다. 하지만 노타의 넷츠프레소는 하드웨어 중립적인 크로스 플랫폼(Cross-platform)을 지향해요. 퀄컴의 스냅드래곤(Snapdragon) NPU부터 AMD의 임베디드 라이젠 및 버설(Versal) AI 엔진까지 아우르기 때문에, 기업 고객은 하드웨어가 바뀌어도 AI 모델 소스 코드를 갈아엎을 필요 없이 넷츠프레소 안에서 칩셋 타깃만 변경해 배포하면 끝납니다.

7. 개발자를 위한 실전 가이드: PyNetsPresso와 API 연동 꿀팁

백문이 불여일견! 개발자나 엔지니어링 실무자라면 웹 콘솔 클릭도 좋지만 코드로 직접 만져보는 걸 가장 선호하시잖아요? 노타는 개발자 커뮤니티의 피드백을 적극 수용하여 파이썬 패키지인 PyNetsPresso를 오픈해 두었어요. 현업에서 써보면서 느낀 실전 꿀팁과 주의사항을 가감 없이 공유해 드릴게요.

파이썬 단 한 줄(pip install pynetspresso)로 시작하는 엣지 배포

터미널을 열고 아래 명령어를 입력하는 것만으로 최적화 파이프라인의 문이 열립니다.

pip install pynetspresso

PyNetsPresso를 임포트한 뒤 노타 웹 콘솔에서 발급받은 API 토큰을 입력하면, 기존의 PyTorch나 ONNX 모델 파일을 단 몇 줄의 파이썬 스크립트만으로 원격 디바이스 팜에 던져 벤치마킹을 돌리고 최적화된 결과물을 내려받을 수 있어요. CI/CD 자동화 빌드 파이프라인에 이 코드를 심어두면, 깃허브에 새로운 AI 가중치가 커밋될 때마다 타깃 보드용 최적화 파일이 자동으로 빌드되는 환상적인 워크플로우를 구축할 수 있답니다.

개발 현장에서 직접 써보고 느낀 장단점과 현실적 주의사항

하지만 솔직한 블로거로서 마냥 장점만 찬양할 수는 없겠죠? 실무에서 도입할 때 반드시 체크해야 할 현실적인 주의사항도 분명히 존재해요.

• 비표준 커스텀 레이어의 제약: 최신 논문에 갓 나온 기괴한 형태의 독자적 커스텀 레이어(Custom Layer)는 넷츠프레소의 자동 그래프 변환기에서 컴파일 에러를 뿜어낼 수 있어요. 이 경우 표준 레이어로 신경망을 재구성하거나 노타 측에 기술 지원을 요청해야 합니다.
• 양자화 민감도: 가중치를 INT8로 내릴 때 대부분의 객체 검출(YOLO 계열) 모델은 정확도 저하가 1% 미만으로 극히 미미하지만, 미세한 경계선을 따는 세그멘테이션(Segmentation)이나 고해상도 초해상화 모델은 양자화 후 미세한 노이즈가 튈 수 있어요. 이때는 단순 사후 양자화(PTQ) 대신 넷츠프레소의 양자화 인식 재학습(Quantization-Aware Training, QAT) 모듈을 반드시 가동해 주어야 하더라고요.

8. 자본시장이 바라본 노타: 투자 유치 히스토리와 상장 후 주가 흐름

기술력만큼이나 흥미진진한 것이 바로 노타의 자본 유치 히스토리와 코스닥 상장 드라마예요. 초기 스타트업 시절부터 대한민국 벤처캐피탈(VC) 업계의 내로라하는 큰손들이 줄을 서서 투자했던 곳이 바로 노타였거든요.

네이버 D2SF 1호 투자부터 시리즈 C까지 누적 532억 원의 여정

노타의 진가를 가장 먼저 알아본 곳은 다름 아닌 기술 스타트업 육성에 일가견이 있는 네이버 D2SF(D2 Startup Factory)였어요. 2015년 노타는 네이버 D2SF의 사상 '제1호 투자 기업'으로 낙점되며 3억 원의 시드 투자를 유치했답니다. 이후 스톤브릿지벤처스가 2019년 기업가치 약 75억 원 수준으로 평가하며 단독으로 15억 원 규모의 프리 시리즈 A에 베팅했죠.

이후의 성장세는 거침이 없었어요. 2020년 시리즈 A에서는 LB인베스트먼트와 함께 삼성벤처투자, LG CNS 등 대기업 전략적 투자자(SI)들이 대거 합류하며 80억 원을 유치했고, 2021~2022년 시리즈 B에서 카카오인베스트먼트, 컴퍼니케이, 인터베스트 등이 참여해 175억 원을 쓸어 담았습니다. 상장 직전인 2024년 시리즈 C에서는 스틱벤처스와 LB인베스트먼트가 리드하고 국책은행인 KDB산업은행과 미래에셋증권이 참여해 260억~300억 원을 확보하며 상장 전 누적 투자 유치액 532억 원을 훌쩍 넘겼더라고요.

공모가 9,100원에서 55,400원 급등, 그리고 현실적인 밸류에이션 점검

기술특례상장을 위한 전문기관 기술성 평가에서 NICE평가정보와 한국기술신용평가 두 곳 모두로부터 최고 수준인 ‘A, A’ 등급을 획득한 노타는, 마침내 2025년 11월 3일 AI 모델 최적화 기업 최초로 코스닥 시장(종목코드: 486990)에 상장했습니다.

상장 당시 공모가는 밴드 최상단인 9,100원에 확정되었고, 총 공모 주식 수는 2,916,000주, 상장 총 주식 수는 21,161,880주로 시가총액은 약 1,926억 원 수준이었어요. 그런데 상장 첫날부터 수급이 폭발하더니 단 5거래일 만에 장중 55,400원까지 약 500% 이상 상승하며 시가총액 1조 원을 터치하는 기염을 토했답니다. 시장이 온디바이스 AI 소프트웨어 대장주에 얼마나 목말라 있었는지를 단적으로 보여준 사건이었죠.

물론 이후 초기 투자자들의 보호예수 해제에 따른 오버행(차익 실현 매물 출회) 물량이 쏟아지며 주가는 숨고르기 국면에 들어갔지만, 기술적 펀더멘털 자체는 훼손되지 않았다는 것이 여의도 증권가의 일반적인 시각이에요.

9. 2026년 최신 재무 실적과 흑자 전환 로드맵 심층 점검

주식 투자자나 기업 의사결정자라면 가장 궁금한 게 바로 "그래서 돈은 제대로 벌고 있는가?"일 텐데요. 노타의 재무제표를 뜯어보면 기술 기업이 초기 R&D 단계를 지나 본격적인 상업화 결실 단계로 진입하는 정형적인 J커브 곡선이 고스란히 드러납니다.

분기 매출 53배 폭증과 121억 원 수주잔고의 실체

노타의 연간 매출액 추이를 보면 입이 떡 벌어져요.

• 2021년: 약 5억 원
• 2022년: 약 20억 원
• 2023년: 약 36억 원
• 2024년: 84억 3,747만 원
• 2025년: 131억 원

매년 세 자릿수에 가까운 경이로운 성장률을 기록하더니, 2026년 1분기 매출액은 약 35억 8,000만 원으로 전년 동기(약 6,700만 원) 대비 약 53배(5,200% 이상) 증가했습니다. 특히 주목해야 할 지표는 수주잔고예요. 2026년 1분기 말 기준 확정 수주잔고만 121억 원에 달하는데, 이 중 일회성 용역이 아닌 반복 수익(ARR) 형태의 넷츠프레소 플랫폼 비중이 약 84%까지 치솟았더라고요.

프로젝트성 SI에서 반복 SaaS(ARR) 모델로의 체질 개선

그동안 노타의 약점으로 지적되던 손익 구조도 빠르게 안정화되고 있어요. 대규모 글로벌 AI 석·박사 연구인력 채용과 베를린, 미국 등 해외 거점 확장으로 2024년 영업손실 120.2억 원, 2025년 영업손실 153억 원을 기록하긴 했지만, 당기순손실은 2024년 249억 원에서 2025년 168억 원으로 32.4% 대폭 축소되었습니다.

더욱이 코스닥 상장을 통해 대규모 자본금이 유입되면서 자본총계가 273억 원으로 불어나 그간의 자본잠식 이슈를 완벽하게 털어냈어요. 과거에는 대기업 맞춤형 프로젝트성 용역(SI)에 의존해 실적 변동성이 컸다면, 이제는 Arm 라이선스나 넷츠프레소 클라우드 구독 같은 고마진 소프트웨어 플랫폼 매출로 체질 개선에 성공하고 있는 것으로 보입니다.

10. 투자자 및 기업 도입 의사결정자를 위한 최종 추천 가이드

자, 이제 기술 분석부터 재무 분석까지 숨 가쁘게 달려왔으니 솔직하고 명확한 최종 결론을 내려드릴 시간이에요. 독자 여러분이 AI 개발사 CTO이든, 주식 계좌를 굴리는 스마트한 개인 투자자이든 실질적으로 피가 되고 살이 되는 꿀팁을 정리해 드릴게요.

이런 기업과 개발팀에게 넷츠프레소 도입을 적극 권해요

만약 여러분의 회사가 아래 3가지 항목 중 하나라도 해당된다면, 비싼 클라우드 GPU 서버를 결제하기 전에 넷츠프레소 도입 상담을 웬만하면 받아보시는 것을 추천해요.

1. 스마트팩토리, 드론, 로봇 등 실시간성(Real-time) 반응이 절대적인 디바이스를 양산하는 하드웨어 제조사
2. 수만 대의 CCTV 영상 관제 시스템을 운영하면서 매달 수천만 원의 클라우드 회선료와 호스팅 비용 때문에 골머리를 앓는 보안 기업
3. 임베디드 NPU나 엣지 보드용 펌웨어 최적화 엔지니어를 구하지 못해 AI 기능 상용화 일정이 끝없이 지연되고 있는 AI 스타트업

도입을 원하시는 기업은 대전 유성구 카이스트 문지캠퍼스 창조관에 위치한 본사 R&D 센터나 서울 강남 테헤란로 선릉 오피스, 혹은 대표 문의처(0504-1361-2920) 및 공식 웹사이트(nota.ai)를 통해 맞춤형 PoC(기술 실증) 상담을 받아보실 수 있어요.

투자 관점에서의 핵심 체크포인트와 리스크 관리법

주식 투자자 입장에서 노타(486990)를 바라보는 시각도 명확히 정리해 드릴게요. 증권가에서는 노타에 대해 AI 산업의 중심이 학습에서 추론으로 이동하는 과정의 핵심 수혜주로 평가하며 목표주가 38,000원이 제시되기도 했는데요.

솔직히 말씀드리면, 상장 초기 5만 원대 고점에 물려 계신 분들이라면 분기별 흑자 전환 시점까지는 호흡을 길게 가져가실 필요가 있어요. 수주잔고 중 플랫폼 비중이 약 84%에 달하지만, 글로벌 반도체 사들과의 계약이 분기별 실적으로 온전히 인식되는 데는 시차가 존재하거든요. 다만 2026년 들어 매출이 전년 동기 대비 50배 이상 폭증하고 있고, 삼성 엑시노스 2600 탑재 모멘텀과 피지컬 AI(로봇) 시장의 본격 개화가 맞물리고 있다는 점은 매우 강력한 하방 지지선이자 상승 모멘텀이 될 것으로 보여요.

기술의 트렌드는 언제나 무거운 것에서 가벼운 것으로, 중앙 집중에서 분산형 엣지로 흘러왔습니다. AI 모델 경량화라는 거대한 패러다임의 최전선에 서 있는 노타가 앞으로 글로벌 무대에서 어디까지 도약할지, 관심을 갖고 흥미롭게 지켜보셔도 좋을 것 같아요!

ℹ️ 이 글은 AI 도구의 도움을 받아 초안을 작성한 뒤, 게시 전 사람이 검수·수정했습니다. · 원문 보기: AdEngine-X