노타 주주총회소집공고

가. 이사회 출석률 및 이사회 의안에 대한 찬반여부

주) 상기 독립(사외)이사 등의 활동내역은 2026년 9월말 기준입니다.

나. 이사회내 위원회에서의 독립이사 등의 활동내역

- 당사는 이사회 내 별도 위원회를 구성하고 있지 아니하며 해당사항 없습니다.

가. 업계의 현황

AI 확산과 인프라 비용의 구조적 증가

생성형 AI가 검색 및 문서작성 중심에서 코딩, 에이전트, 멀티모달 서비스 및 기업 업무 전반으로 확산되면서 AI 모델의 규모와 문맥 길이, 추론 호출 횟수가 함께 증가하고 있습니다. AI 서비스에서 토큰은 모델이 입력받고 생성하는 데이터의 기본 단위이며, 서비스 원가는 일반적으로 처리 토큰 수, 입력ㆍ출력ㆍ추론 토큰의 단가, 반복 호출 횟수 및 하드웨어 사용시간의 영향을 받습니다. 이에 따라 'AI Tokenomics(토큰 기반 단위경제성)'는 단순한 API 가격 비교를 넘어, 동일한 업무를 완료하는 데 필요한 총 토큰과 총 추론비용을 관리하는 개념으로 중요성이 확대되고 있습니다. AI 사용량 증가는 인프라 부담으로 연결됩니다. 이는 AI 확산이 GPU와 서버뿐 아니라 전력, 냉각, 데이터센터 공간 및 네트워크를 포함한 전체 인프라 비용의 문제로 확대되고 있음을 보여줍니다. 글로벌 AI 산업의 경쟁 기준은 단순히 모델의 파라미터 수와 절대적인 성능을 확대하는 것에서 나아가, 성능 대비 비용, 추론 속도, 토큰 효율 및 전력효율 등 동일한 성능을 얼마나 적은 자원으로 구현할 수 있는지로 확대되고 있습니다.

OpenAI는 2026년 3월 GPT-5.4를 공개하면서 이를 자사의 당시 가장 토큰 효율적인 추론 모델로 소개했습니다. GPT-5.4는 이전 GPT-5.2 대비 문제 해결에 필요한 토큰 사용량을 줄여 속도와 비용 효율성을 개선했으며, 다수의 외부 도구를 사용하는환경에서는 필요한 도구 정보만 선택적으로 불러오는 'Tool Search' 기능을 통해 회사 자체 평가 기준 동일한 정확도를 유지하면서 전체 토큰 사용량을 약 47% 절감했다고 발표했습니다. Google 역시 2026년 3월 Gemini 3.1 Flash-Lite를 당시 Gemini 3 계열 중 가장 빠르고 비용 효율적인 모델로 공개했습니다. Gemini 3.1 Flash-Lite의 API 가격은 100만토큰당 입력 USD 0.25, 출력 USD 1.50으로 책정됐으며, Google이 인용한 외부 벤치마크 기준 이전 세대인 Gemini 2.5 Flash 대비 첫 응답 토큰 생성 속도(Time to First Answer Token)는 약 2.5배 빨라지고 출력 속도는 약 45% 향상되면서 유사하거나더 높은 수준의 품질을 유지한 것으로 나타났습니다. Anthropic도 성능과 비용 간 선택의 폭을 확대하는 방향으로 모델과 가격 체계를 고도화하고 있습니다. 2026년 5월 공개된 Claude Opus 4.8은 이전 모델과 동일한 API가격인 100만 토큰당 입력 USD 5, 출력 USD 25를 유지하면서 성능을 개선했으며, 사용자가 모델의 추론 노력 수준(effort)을 조절해 응답 품질과 토큰 사용량 간 균형을 선택할 수 있도록 했습니다. Anthropic은 낮은 effort 설정에서 더 빠른 응답과 낮은 자원 사용이 가능하며, 기본 설정의 코딩 작업에서는 이전 모델과 유사한 토큰을 사용하면서 더 높은 성능을 구현한다고 설명했습니다. 또한 Anthropic은 프롬프트 캐싱 및 배치 처리 등 추론비용의 효율화를 지원하는 기능을 제공하고 있습니다. 이러한 변화는 Stanford Institute for Human-Centered Artificial Intelligence가 2026년 4월 발표한 「AI Index Report 2026」에서도 확인됩니다. 동 보고서는 AI 모델이 대규모로 배포될 경우 추론에 소요되는 누적 에너지가 수개월 내 일회성 학습 에너지를 초과할 수 있다고 분석했으며, 2025년 주요 모델의 중간 길이 프롬프트 기준 추론 전력 소비량에는 약 5Wh에서 23Wh까지 큰 차이가 존재한다고 제시했습니다. 또한 높은 모델 성능이 반드시 높은 환경 비용과 비례하는 것은 아니라고 분석했습니다. 한편 GPU 연산 비용은 2006년 이후 2024년까지 99% 이상 하락하여 AI의 대규모 학습과 배포를 경제적으로 가능하게 하는 주요 요인으로 작용한 것으로 분석됐습니다.

이처럼 글로벌 AI 산업의 경쟁력은 모델의 절대적인 성능뿐만 아니라 동일하거나 허용 가능한 수준의 성능을 보다 적은 연산·메모리·토큰·전력 등의 자원과 낮은 비용으로 구현하는 능력으로 확대되고 있습니다. 이에 따라 대규모 AI 모델의 성능을 최대한 유지하면서 모델 크기와 하드웨어 자원 요구량을 줄이는 경량화ㆍ최적화 기술의 중요성도 더욱 높아지고 있습니다.

나. 회사의 현황

(1) 영업개황 및 사업부문의 구분

(가) 영업개황당사는 이러한 시장 변화에 대응하여 AI 모델과 목표 하드웨어를 함께 분석하고, 모델 구조, 수치 정밀도, 연산 그래프 및 실행 방식을 조정하는 AI 모델 경량화ㆍ최적화기술을 개발하고 있습니다. 최적화를 통해 모델의 메모리와 연산량이 줄어들면 동일 노드에서 더 많은 모델 또는 요청을 처리하거나, 필요한 GPUㆍ서버 수와 업그레이드 규모를 줄일 수 있어 CAPEX 효율화에 기여할 수 있습니다. 또한 클라우드 GPU 사용시간, 전력비 및 냉각비, 지연시간 및 토큰당 비용을 낮추고 처리량과 자원 활용률을 높여 OPEX 효율화에도 기여할 수 있습니다. 당사의 AI 최적화 사업은 NetsPresso Platform을 중심으로 운영됩니다. NetsPresso Platform은 모델 분석과 설계, 학습, 프루닝ㆍ양자화 등 경량화, 하드웨어별 변환ㆍ배포 및 실제 장비 성능 검증을 통합한 핵심 기술 플랫폼입니다. 고객에게는 플랫폼 라이선스, SDKㆍ툴체인 연동, 모델 최적화 및 튜닝, 공동개발 및 상용화 등의 형태로 제공됩니다. NetsPresso Solution은 이 플랫폼 기술을 교통, 산업안전, 영상관제, 운전자 모니터링 등 특정 산업 환경에 적용한 제품화 사례로서, 별도 기술축이 아니라 플랫폼의 상용성과 현장 적용성을 확장하는 역할을 합니다.

당사는 초거대 AI 모델의 성능을 최대한 유지하면서 모델 크기와 연산ㆍ메모리 요구량을 줄이는 경량화ㆍ최적화 기술을 보유하고 있습니다. 특히 2026년 6월에는 LG AI연구원의 K-EXAONE 236B 모델을 퓨리오사AI의 데이터센터용 NPU 환경에 최적화하였습니다. 이를 통해 모델 크기를 원본 대비 약 71% 축소하면서도, 회사 자체 평가의 3개 주요 벤치마크 단순 평균 기준 원본 모델 대비 약 99.2% 수준의 성능을 유지했습니다. K-EXAONE은 2,360억 개의 파라미터를 보유한 초거대 AI 모델로, 이러한 대규모 모델을 실제 데이터센터용 AI 가속기 환경에 맞춰 경량화·최적화한 사례는 당사의 기술이 특정 소형 모델이나 GPU 환경에 국한되지 않고 대규모 상용 AI 인프라에도 적용될 수 있음을 보여줍니다. 특히 모델 크기를 약 71% 축소할 경우 모델 구동에 필요한 메모리 용량과 데이터 전송량 등 하드웨어 자원 요구량을 낮출 수 있어, 동일한 AI 서비스를 구축ㆍ운영하는 데 필요한 AI 가속기 및 관련 인프라의 효율성을 높일 수 있습니다.

AI 모델의 대형화에 따라 고성능 GPUㆍNPU 등 AI 가속기와 고대역폭 메모리(HBM)에 대한 투자 부담이 증가하고 있는 가운데, 당사의 경량화ㆍ최적화 기술은 기존 AI 모델의 성능을 최대한 보존하면서 제한된 하드웨어 자원을 보다 효율적으로 활용할 수 있도록 지원합니다. 이에 따라 고객사는 모델 배포에 필요한 메모리 및 연산 자원을 줄이고, 동일한 하드웨어 환경에서 보다 큰 모델을 구동하거나 추가적인 서비스 용량을 확보할 수 있으며, 궁극적으로 AI 인프라 구축에 필요한 하드웨어 투자비(CAPEX)와 운영비(OPEX)를 절감할 수 있는 가능성이 있습니다.

사업 측면에서는 글로벌 반도체 선도기업 Arm과 Samsung의 AI 모델 최적화 툴체인협력, 국내 퓨리오사AIㆍ모빌린트 등 AI 반도체 기업 대상 기술 공급, AWS 자체 AI 칩 환경을 위한 NetsPresso 기반 튜닝 서비스, 엔비디아 아태지역 로보틱스 및 엣지 AI 파트너 데이에 유일한 한국 기업으로 참여 등으로 적용 범위를 모바일ㆍ데이터센터ㆍ클라우드ㆍ로보틱스로 확대하고 있습니다. (나) 공시대상 사업부문의 구분

당사의 제품 및 서비스는 AI 추론 효율화를 위한 최적화 기술을 기반으로 하며, NetsPresso Platform을 중심으로 구성됩니다. NetsPresso Platform은 당사의 원천기술, 제품 로드맵, 파트너 연동 및 라이선스 사업의 핵심이며, 고객의 모델과 하드웨어에 따라 소프트웨어 라이선스, SDKㆍ툴체인 연동, 모델 최적화 모듈, 기술검증(PoC), 상용화 지원 및 산업 적용형 제품의 형태로 제공됩니다.

NetsPresso Platform은 AI 모델의 구조를 이해하고 목표 하드웨어에 맞는 최적화 전략을 설계한 후, 학습ㆍ경량화ㆍ변환ㆍ배포ㆍ벤치마크까지 전 과정을 연결합니다.CPU, GPU, NPU, MCU 및 클라우드 전용 AI 칩 등 서로 다른 환경에서 모델의 성능과 자원 사용량을 함께 검증할 수 있어, 고객이 특정 하드웨어의 성능을 실제 워크로드에서 활용하도록 지원합니다. 고객 관점에서 플랫폼의 경제적 가치는 AI 모델 자체의 성능뿐 아니라 모델을 운영하는 데 필요한 메모리, GPU 수, 처리시간, 전력 및 토큰당ㆍ추론비용을 함께 개선하는 데 있습니다. 이는 신규 GPU 및 서버 구매와 데이터센터 증설 부담을 낮추거나 시점을 늦추는 CAPEX 효율화와, 클라우드 GPU 사용료ㆍ전력비ㆍ냉각비ㆍ운영비를 줄이는 OPEX 효율화로 연결될 수 있습니다.

NetsPresso Solution은 이 플랫폼 기술이 실제 산업에 적용되는 방식 중 하나입니다.교통, 산업안전, 영상관제, 운전자 모니터링 등 현장 요구에 맞춘 제품을 공급하면서 확보한 데이터와 운영 경험은 플랫폼의 모델ㆍ모듈ㆍ하드웨어 지원 범위를 고도화하는 데 활용됩니다.

(2) 시장점유율당사가 영위하고 있는 제품 및 서비스에 대한 객관적인 시장점유율 자료 또는 통계는파악되지 않고 있습니다.

다만, 당사의 사업과 관련된 AI 추론 소프트웨어 시장은 AI 활용 확대에 따라 성장할 것으로 전망되고 있습니다. 시장조사기관 Grand View Research에 따르면, 글로벌 AI 추론 소프트웨어 시장은 2026년 약 211억 달러에서 2033년 약 809억 달러로 확대되어, 해당 기간 연평균 21.1% 성장할 것으로 전망됩니다. 동 보고서는 AI 모델의 배포 및 운영 확대와 함께 하드웨어 특성에 맞춘 추론 최적화, 메모리 관리 및 실행 효율 개선에 대한 수요가 증가하고 있는 것으로 분석하고 있습니다.

주) 상기 시장자료는 당사의 사업과 관련된 시장의 성장 전망을 설명하기 위한 참고자료이며, 당사의 개별 제품 및 서비스와 집계 범위가 상이합니다.출처: Grand View Research, 「AI Inference Software Market (2026~2033)」, 2026년 9월.

(3) 시장의 특성

당사가 영위하는 AI 모델 경량화 및 최적화 시장은 AI 모델을 서버, PC, 모바일 및 각종 엣지 디바이스 등 다양한 환경에서 효율적으로 구동하기 위한 기술과 소프트웨어를 제공하는 시장입니다. AI의 산업별 활용과 생성형 AI 서비스 도입이 확대됨에 따라, 서비스에 필요한 성능을 확보하면서 연산량, 메모리 사용량, 전력 소비 및 운영비용을 줄이기 위한 최적화의 중요성이 높아지고 있습니다.

이 시장은 AI 모델의 구조와 용도가 다양하고, CPU, GPU, NPU 등 하드웨어별 연산특성과 실행 환경이 상이하다는 특징이 있습니다. 또한 적용 분야에 따라 요구되는 정확도, 응답 속도, 처리량 및 보안 수준 등이 달라, 모델과 하드웨어의 특성을 함께 고려한 최적화와 실제 사용 환경에서의 성능 검증이 요구됩니다.

이에 따라 다양한 모델과 하드웨어에 대한 대응 역량, 기존 시스템과의 호환성, 실제 운영 환경에서의 안정성 및 적용·배포의 편의성 등이 주요 경쟁 요소로 작용합니다.새로운 AI 모델과 하드웨어의 출시, 고객의 서비스 및 운영 조건 변화에 대응하기 위한 지속적인 기술 개발과 기능 고도화도 요구되는 시장입니다.

(4) 신규사업 등의 내용 및 전망

당사는 AI 모델 경량화 및 최적화 기술을 기반으로, AI 실행 환경의 효율화와 AI 서비스의 구축·운영 최적화 등 연관 분야로 사업 확장을 추진하고 있습니다. 향후 다양한 모델과 하드웨어에 대한 대응 역량을 강화하고, AI 활용에 요구되는 성능을 확보하면서 자원 사용과 운영 비용을 효율화하는 방향으로 기술 적용 범위를 넓혀갈 계획입니다. 이를 통해 고객의 다양한 AI 활용 수요에 대응하는 제품 및 서비스를 고도화하고, 새로운 사업 기회를 확대해 나가고자 합니다.

(5) 조직도

[이미지: 노타_조직도] 원문에서 확인할 수 있어요.

□ 정관의 변경

가. 집중투표 배제를 위한 정관의 변경 또는 그 배제된 정관의 변경

나. 그 외의 정관변경에 관한 건

□ 이사의 선임

가. 후보자의 성명ㆍ생년월일ㆍ추천인ㆍ최대주주와의 관계ㆍ독립이사후보자 등 여부

나. 후보자의 주된직업ㆍ세부경력ㆍ해당법인과의 최근3년간 거래내역

다. 후보자의 체납사실 여부ㆍ부실기업 경영진 여부ㆍ법령상 결격 사유 유무

+

라. 후보자의 직무수행계획(독립이사 선임의 경우에 한함)

마. 후보자에 대한 이사회의 추천 사유

□ 주식매수선택권의 부여

가. 주식매수선택권을 부여하여야 할 필요성의 요지

회사의 경영성과 및 기술혁신에 기여하였거나 기여할 능력을 갖춘 임직원에 대한 보상과 장기적인 동기 부여를 위하여 아래와 같이 주식매수선택권을 부여하고자 합니다.

나. 주식매수선택권을 부여받을 자의 성명

주1), 주2) 부여대상자는 직원으로서 각 개인별로 발행주식총수의 1만분의 10 미만에 해당하는 주식매수선택권을 부여받았으므로 부여대상자명을 기재하지 않습니다.

다. 주식매수선택권의 부여방법, 그 행사에 따라 교부할 주식의 종류 및 수, 그 행사가격, 행사기간 및 기타 조건의 개요

라. 최근일 현재 잔여주식매수선택권의 내역 및 최근년도 주식매수선택권의 부여, 행사 및 실효내역의 요약

- 최근일 현재 잔여주식매수선택권의 내역

주) 총발행주식수 및 잔여주식수는 2026년 11월 10일까지 행사가액 납입이 완료된 주식매수선택권 행사분을 반영한 수량입니다.

- 최근 2사업연도와 해당사업연도의 주식매수선택권의 부여, 행사 및 실효내역

※ 상기 주식수는 2025년 3월 5일 액면분할(1주당 5,000원 → 100원) 및 2025년 3월 19일 무상증자(보통주 1주당 5주 배정)를 반영하여 조정한 수량입니다.