아크릴 (0007C0)

요약

GPU 26만 장 시대, 핵심은 ‘효율화’

아크릴은 AI 개발·운영 플랫폼 조나단(Jonathan)과 의료 AI 솔루션 나디아(NADIA)를 보유한 AI 인프라 기업이다. 한국 정부가 GPU 26만 장 도입을 본격화하면서, GPU 자원 효율화 수요가 확대될 전망이다.

핵심은 조나단의 GPUBASE

AI 학습용 GPU 자원을 효율적으로 배분해 사용률을 높이고 학습 시간을 줄이는 솔루션이다. 소프트웨어만으로 GPU 활용률을 85%까지 끌어올리며, NVIDIA뿐 아니라 AMD·TPU·국산 NPU까지 지원하는 벤더 중립 구조가 차별점이다. 글로벌 CSP 환경에서 최대 25배 성능 개선을 검증했다.

이더넷 전환 수혜

AI 인프라는 인피니밴드 중심에서 개방형 이더넷으로 전환하려는 흐름이 나타나고 있다. 아크릴은 이더넷 환경에서도 고성능 AI 학습을 구현하는 네트워크 최적화 기술(멀티패스, PeRF)을 보유하고 있어 이 전환의 직접 수혜주다.

장기 비전 — 글로벌 인프라 SW 기업

단기적으로는 국내 GPU 26만 장 인프라의 수혜가 기대된다. 장기적으로 GPUBASE가 K-Scale 검증을 통과하고 글로벌 CSP 마켓플레이스에 구독형으로 올라간다면, Confluent(Kafka)·Elastic(Elasticsearch)·Databricks(Spark)처럼핵심 인프라 SW를 CSP에서 구독형으로 파는 글로벌 기업으로의 경로가 열린다.

현실 체크

다만 GPUBASE 단독 매출은 아직 분리되지 않는다. GPUBASE는 조나단의 하위 모듈로 포함되어 납품되며, 매출 133억의 대부분은 조나단(HW 번들 포함)과 정부보조금이다. 긍정적인 점은 조나단 매출 성장률이 가파르다는 것 — Q1 연환산 263억으로 전년 대비 +97%. Q1 단일 고객(유니와이드) 매출 비중이 44.6%로 집중 리스크는 있지만, 3Q 국내 GPU 인프라 수주가 주요 변곡점이 될 전망이며, 흑자 전환, K-Scale Phase 2 검증과 함께 2026∼2027년이 이 회사의 승부처다.

기본적 분석

회사 소개

AI 서비스 구축부터 인프라 운영까지 전 과정을 지원하는 AX 인프라 전문 기업. 통합 AI 플랫폼 Jonathan(조나단)과 의료 특화 AI 플랫폼 NADIA(나디아)가 양대 제품군이다. 2025년 12월 기술특례로 코스닥에 상장했으며, 상장 첫날 공모가 대비 +135%'따블'을 달성했다.

임직원— 103명 (연구·개발 78 / 영업·지원 25). 평균 근속 2.3년. R&D 인력 80명(박사 5, 석사 15). 2025말 92명 대비 1분기 만에 +11명 채용 — 상장 직후 인력 확충 중. (2026.03.31 기준, 1분기 보고서)

종속회사

연혁

사업 구조

Jonathan(조나단)과 NADIA(나디아) 두 축. 정부 R&D 과제도 주요 수익원이다.

1. Jonathan (조나단) — AI 풀스택 플랫폼

GPU 자원 최적화부터 AI 모델 개발·배포까지 전 생애주기를 지원하는 통합 플랫폼. 세부 제품 3개:

핵심 경쟁력은 GPUBASE다. 소프트웨어만으로 GPU 활용률을 85% 이상으로 끌어올리며, 하드웨어 종속 없이 NVIDIA·AMD·TPU·NPU 이기종 환경에서 동작한다. 2026년 3월에는 미국 글로벌 1·2위 클라우드 기업과 GPU 248장 규모 성능 검증에서 최대 25배 성능 개선을 달성했다.

2. NADIA (나디아) — 에이전틱 AI 헬스케어 플랫폼

의료 특화 플랫폼. 국내 유수 대학병원(삼성서울병원, 강원대병원 등)에 공급 중이며, 우즈베키스탄 등 해외에도 진출했다. 닥터앤서 3.0과 한국형 ARPA-H — 국가 주도 양대 의료 AI 사업을 모두 수행하는 기업은 아크릴이 유일하다.

SaMD 파이프라인

3. ALLM.H (아름.H) — 자체 파운데이션 모델

Gemma 4(31B) 기반으로 파인튜닝한 의료 특화 모델. 한국 의사국가시험 벤치마크(KorMedMCQA)에서 96.78% 정답률을 기록해 Claude Opus 4(96.55%), GPT-5.1(90.11%)을 능가했다. 31B 경량 모델로 이 성능을 낸 것이 핵심.

매출 구조

매출 정체, 영업적자 지속. 다만 적자 폭은 축소 중이다.

매출 추이 (연결)

2023년 148억으로 정점을 찍고 2년 연속 역성장. 나디아 해외매출(2023: 39억) 일회성 소멸과 정부보조금 수익 감소가 원인.

제품별 매출 비중 (2025)

조나단이 매출의 절반 이상(52.3%)을 차지하며 빠르게 비중이 커지고 있다 (2023: 18.9% → 2025: 52.3%). 반면 나디아는 2023년 26.7%에서 6.3%로 급감 — 해외 대형 수주가 2023년에 집중됐기 때문이다. 정부보조금 수익이 28.3%로 여전히 높다.

제품별 매출 실적 (분기보고서 기준, 단위: 백만 원)

Q1에서 조나단 비중이 79.6%로 급등했다. 다만 이 중 상당 부분은 HW 번들(Q1 HW 매입 38.6억)이 포함되어 있어 순수 SW 라이선스 매출과 구분이 필요하다. 나디아는 Q1 0.95억으로 사실상 정체.

고객 집중도

Q1에 단일 고객(J사)이 전체 매출의 44.6%를 차지했다. 금액으로 29.3억 원 — 유니와이드 AI 교육솔루션 계약(29.3억, 2025.12.31 공시)과 정확히 일치한다. 2025년 연간에서는 1위 고객 비중이 13∼14%로 분산돼 있었으나, Q1에 유니와이드 계약이 집중 인식되면서 단일 고객 의존도가 급등했다. 하반기에 다른 매출이 들어오면 희석되겠지만, 현 시점에서 유니와이드 1개사에 대한 의존도가 매우 높다는 점은 리스크다.

HW 번들 매출 — 원가 구조 주의

아크릴은 소프트웨어 기업이지만, Q1에 HW 매입이 38.6억으로 2025년 연간(26.3억)을 이미 초과했다. 유니와이드 교육솔루션 계약의 HW 패키징 납품이 원인으로 추정된다.

두 가지가 동시에 일어나고 있다:

1. HW 매입 폭증: 7.3억(2024) → 26.3억(2025) → Q1에만 38.6억. 유니와이드 교육솔루션의 HW 패키징 납품이 주 원인. Q1 조나단 매출 52.3억 중 상당 부분이 순수 SW가 아닌 HW+SW 번들이다. 탐방 메모에서 "HW 패키징 영업이익률 10%대"라고 언급한 점과 일치
2. 개발 외주 급감: 44.1억(2024) → 14.3억(2025) → Q1 1.1억. 외부 의존도가 줄고 내부 개발 비중이 높아지고 있다. 장기적으로 원가 구조 개선에 긍정적이나, 단기적으로는 HW 매입 급증이 마진을 압박하고 있다

판매 경로 (사업보고서 기준)

현재 매출은 내수 100%, 직접판매 100%로 집계된다. CSP 구독형이 판매 경로로 명시돼 있지만, 매출 비중이 별도로 공시되지 않아 실제 CSP 채널 매출 규모는 확인할 수 없다. 탐방 메모에서 "온프레미스는 초기매출이 많다, 이익율은 90%"라고 언급한 점으로 보아 현재는 온프레미스 구축형이 주력이며, CSP 구독형은 향후 "FaaS(Function as a Service) 형태로 진화"할 계획이다.

수출 비중

2023년 우즈베키스탄 HIS 사업(나디아)으로 수출이 있었으나, 2024∼2025년은 내수 100%. 글로벌 매출 확대가 과제다.

수주잔고 (2026.03.31 기준)

수주잔고가 3개월 만에 117.3억 → 141.7억(+20.8%)으로 증가했다. 핵심 변화:

• 조나단: 0.95억 → 38.8억으로 40배 급증. Q1 매출(52.3억)의 74%에 해당하는 규모가 파이프라인에 남아있다. 유니와이드 교육솔루션 계약(57.2억)이 주요 원인
• 용역: 0 → 13.9억. 삼성디자인랩 등 엔터프라이즈가 조나단 기반 커스텀 개발을 의뢰하는 형태. 플랫폼 채택의 실질적 증거이며, 용역 → 솔루션 라이선스로 확장되는 "랜드 앤 익스팬드" 경로가 될 수 있다
• 정부보조금: 113.9억 → 87.5억. Q1 매출 인식(7.8억)과 과제 종료로 감소. 장기 과제(5년) 잔여분이라 단기 매출 기여는 연간 약 17억 수준
• 정부보조금을 제외한 상업적 수주잔고만 보면: 3.4억 → 54.2억으로 16배 급증. 이것이 실질적인 매출 파이프라인

재무 실적

매출 추이 (연결) — Q1 업데이트

Q1 65.7억은 연환산 시 약 263억 페이스. 전년(133억) 대비 2배 성장 궤도. 특히 조나단이 매출의 79.6%(52.3억)를 차지하며 전년(52.3%)에서 압도적으로 비중이 커졌다.

영업이익 추이

영업적자 지속이나 연환산 -32억으로 전년(-23억)보다 악화처럼 보인다. 다만 Q1은 계절적으로 매출이 적고 하반기에 집중되는 패턴이 일반적이라 단순 연환산은 의미가 제한적이다.

순이익 추이

2025년 순손실은 전년 대비 48.6% 감소. RCPS 보통주 전환에 따른 이자비용 소멸이 주 원인이다.

EPS 추이

순손실 축소 + RCPS 전환에 따른 가중평균 발행주식수 증가로 EPS 적자 폭이 3.5분의 1 수준으로 줄었다.

자본 추이 — 완전자본잠식 → 흑전

2023∼2024년은 완전자본잠식 상태였다. RCPS가 부채로 분류되면서 자본이 마이너스였기 때문. 2025년 상반기 RCPS 전환 + 12월 IPO(421억 조달)로 자본 438억의 탄탄한 재무구조로 탈바꿈했다.

자산·부채·현금성자산 추이

현금흐름 (2025)

영업 현금흐름이 아직 마이너스(-16억, 영업적자 지속). 투자활동 -6억은 유형자산 취득. 재무활동 +387억은 IPO 조달분이다. IPO 자금으로 버티는 구조다.

배당 — 없음. 적자 지속으로 무배당.

감사의견: 적정 (연결·별도 모두). 감사법인: 한울회계법인.

주주·자본 구조

주주 구성 (2025.12.31 기준)

박외진 대표 개인 15.60%, 특수관계인 포함 22.64%. LG전자가 7.96%로 2대 주주(2018년 전략적 투자). 2026.03 대량보유보고서에서는 스톡옵션 포함 24.89%로 표기되나, 주식매수선택권 행사로 총 발행주식이 늘어 비율은 오히려 하락했다.

2026.03 대량보유보고서의 트리거는 염익준 CTO의 장내 1,000주 추가 매수(약 3,500만 원)다. 기술 핵심 인물이 스톡옵션과 별도로 자기 돈을 넣은 것은 긍정적 시그널이나, 금액 자체는 소액이다.

임원별 주식 보유 상세 (2026.03.31 기준)

창업 멤버(이세화·김종희)가 각각 19.4만주, 13.2만주를 보유하고 있다. 이들은 미등기임원이라 보호예수 의무가 없으며, 상장 직후부터 매도 가능하다는 점에 유의.

소액주주 현황 (2026.03.31 기준): 25,460명, 3,855,421주(48.01%). 전체 주주 25,473명 중 99.95%가 소액주주.

자본금 변동: IPO 전 RCPS 전량 보통주 전환 + 공모 2,211,282주 신주 발행 → 총 발행주식 8,030,324주.

스톡옵션

총 미행사 546,700주(발행주식 대비 6.8%). 가장 최근 부여분(214,700주)은 행사가 41,250원.

생산·원가·R&D

아크릴은 소프트웨어 기업이라 물리적 생산설비가 없다. 대신 R&D가 핵심이다.

연구개발비

R&D 비용 비중은 11∼12%대로 꾸준하다. 전체 직원 103명 중 78%가 R&D 인력(박사 5명, 석사 15명 포함). 2025말 68명 → 2026.03 말 80명, 1분기 만에 +12명.

조직 구조 (2026 Q1 분기보고서 기준)

조직 개편 핵심 (사업보고서 → 분기보고서)

• 테크세일즈 그룹 신설: 기존 세일즈본부를 기술 기반 전략형 영업 조직으로 전환. GPUBASE 판매 전담
• AX 서비스그룹 신설: B2G(공공)·B2B(민간)로 고객 채널 분리. 공공사업 12건 수주 확대 대응
• ALLM 랩 → LLM팀: 조나단 그룹 산하로 이동. 의료 특화에서 산업 범용으로 확장
• AX 디자인랩 신설: AX인프라 연구소 산하. 컴퓨테이셔널 디자인·AI UX 연구
• IR본부 신설 (상장 후 시장 소통 전담)

정부과제: 최근 5년간 총 15건, 누적 216억 원 규모 수행.

114억·171억은 과제 전체 사업비이며, 아크릴이 받는 금액은 각각 16.6억·14.5억(5년 분할, 연간 약 6억). 총 15건 과제 중 4건만 발췌한 것이며, 2025년 정부보조금 수익 38억은 이 표 외의 과제도 포함한 전체 합계다. 투자 관점에서 매출 기여보다 중요한 것은 이기종(NPU) 지원 기술을 정부 돈으로 개발하고 있다는 점이다. 상위 사업인 'PIM인공지능반도체 핵심기술개발'은 7년간 총 4,027억 규모의 국책사업이다.

지적재산권: 특허 국내 29건 + 해외 11건. 프로그램 저작권 등록 12건.

수급·오버행

CB·BW·전환사채·차입금 모두 없다. 오버행의 유일한 요인은 보호예수 해제다.

총 발행주식 구성 (8,030,324주)

티그리스가 Q1 분기보고서(2026.03.31)에서 5% 이상 주주 목록에서 탈락했다. 보호예수 해제(6월) 전에 이미 일부 매도가 시작된 것으로 보이며, 이는 FI 엑시트 수급 압력이 예상보다 앞당겨지고 있다는 신호다.

투자포인트

GPUBASE

기본적 분석만 놓고 보면 아크릴은 매력적인 투자 대상이 아니다. 4년 연속 영업적자, 매출 정체(133억), 정부보조금 의존(28.3%), 보호예수 해제 임박. 그럼에도 이 회사를 주목하는 이유는 단 하나 — GPUBASE.

GPUBASE는 GPU 클러스터 가상화·최적화 솔루션이다. AI 시대의 핵심 병목은 GPU 자원인데, GPUBASE는 소프트웨어만으로 이 문제를 해결한다.

검증된 성능 수치

핵심은 하드웨어 종속이 없다는 점이다. NVIDIA·AMD·TPU·NPU 이기종 환경을 모두 지원하며, 온프레미스와 AWS·GCP·Azure 클라우드를 단일 GPU 풀로 통합 관리한다. GPU가 비싸질수록, 다양해질수록 GPUBASE의 가치가 올라가는 구조다.

시장 배경(GPU 활용률 문제, 정부 26만 장 도입, NVIDIA 종속 탈피 흐름)은 기술트렌드에서, 구체적 검증 현황(K-Scale, 망고부스트 MOU)은 트랙레코드에서, 리스크는 리스크 섹션에서 각각 상세히 다룬다.

투자 원칙 검증

기술트렌드

GPU는 비싼데, 대부분 놀고 있다

2026년 글로벌 AI 인프라 투자는 폭발적이다. 빅테크 5사의 AI 관련 CAPEX만 $6,000억+, 전 세계 데이터센터 인프라 CAPEX는 $7,500억에 육박한다. Gartner는 2026년 AI 전체 지출을 $2조로 전망한다.

문제는 이 비싼 GPU가 제대로 쓰이지 않고 있다는 점이다. VentureBeat의 2026 Q1 조사에 따르면 기업 AI 워크로드의 평균 GPU 활용률은 5%. $4,010억 규모의 인프라 투자 중 95%가 낭비되고 있다는 분석이다. 최고 수준의 하이퍼스케일러조차 60∼70% 이상 유지가 어렵고, 일반 기업의 데이터센터는 30∼50%에 머문다.

원인은 여러 가지다. 학습 데이터 전처리 병목으로 GPU가 30∼65% 시간을 유휴 상태로 보내고, 워크로드 스케줄링이 비효율적이며, GPU 자원을 사용자 간 유연하게 나누는 인프라가 부족하다.

업계의 패러다임이 바뀌고 있다. GTC 2026에서 Dell'Oro Group은 AI 인프라의 다음 국면을 "Scale에서 Optimization으로"라고 정의했다. GPU를 더 사는 것이 아니라 있는 GPU를 제대로 쓰는 것이 경쟁력이 되는 시대다.

"GPU를 잘 쓰게 하는 소프트웨어"가 별도의 시장이 되고 있다

GPU 활용률 문제가 심각해지면서, GPU를 효율적으로 나누고·스케줄링하고·모니터링하는 소프트웨어 — GPU 오케스트레이션이 GPU 자체와는 별개의 독립 시장으로 성장하고 있다. Technavio 기준 CAGR 25.9%(2026∼2030), 북미 기준 36.3%. 배경은 단순하다 — AWS·Azure·GCP 각각의 GPU API가 다르고, 수요가 몰리면 원하는 GPU 인스턴스를 제때 확보하지 못하거나 스팟 인스턴스가 학습 도중 회수되는 일이 빈번하며, 온프레미스 GPU까지 합치면 통합 관리 없이는 운영 자체가 불가능하기 때문이다.

이 시장의 전략적 가치를 가장 먼저 증명한 것은 NVIDIA 자신이다. 2024년 이스라엘의 GPU 오케스트레이션 스타트업 Run:ai를 약 $7억에 인수했다. Run:ai의 핵심은 흩어진 GPU를 하나의 자원 풀로 묶고 워크로드 우선순위에 따라 자동 배정하는 것인데, NVIDIA가 이걸 인수했다는 건 "GPU를 파는 것만큼, GPU를 잘 쓰게 하는 소프트웨어도 중요하다"는 의미다.

업계는 NVIDIA 종속에서 벗어나려 하고 있다

문제는 Run:ai가 인수 후 NVIDIA 전용이 됐다는 점이다. 하지만 현실의 AI 인프라는 NVIDIA만으로 돌아가지 않는다. AMD·TPU·NPU 등 이기종 가속기가 빠르게 늘고 있고, 업계 전체가 NVIDIA 종속(vendor lock-in)에서 벗어나려는 움직임이 뚜렷하다. 이를 뒷받침하는 두 가지 표준화 흐름이 있다:

UEC(Ultra Ethernet Consortium)는 AI 데이터센터의네트워크를 개방한다. 기존에는 NVIDIA가 인수한 InfiniBand가 GPU 간 통신을 사실상 독점했는데(2023년 점유율 80%+), UEC는 이더넷 기반으로 동등한 성능을 구현하는 개방형 스펙을 만들었다. AMD·Broadcom·Cisco·Google·Intel·Meta·Microsoft가 참여하며, 2025년 중반 이미 이더넷이 AI 백엔드 배포에서 InfiniBand를 추월했다.

UALink(Ultra Accelerator Link)는 GPU 간 직접 연결을 개방한다. NVIDIA의 NVLink은 성능은 압도적이지만 NVIDIA GPU끼리만 연결된다. UALink는 AMD·Intel·Google·Microsoft·Meta 등 "NVIDIA를 제외한 거의 모든 빅테크"가 모여 만든 개방형 대안으로, 최대 1,024개 가속기를 연결하며 2026∼2027년 하드웨어 출시를 앞두고 있다.

이 두 표준이 의미하는 것은 명확하다 — AI 인프라의 네트워크(UEC)와 GPU 연결(UALink) 모두 개방형으로 전환되고 있고, 그 위에서 이기종 GPU를 통합 운영할 벤더 중립적인 소프트웨어의 수요가 필연적으로 커진다. 온프레미스·멀티클라우드·이기종이 뒤섞인 현실에서, NVIDIA에 종속되지 않는 GPU 최적화 솔루션의 자리가 열리고 있다.

한국: 정부가 2조 원을 쏟고 있다

한국 정부는 소버린 AI 전략 아래 GPU 26만 장 규모의 국가 AI 컴퓨팅 인프라를 구축 중이다. 2026년 예산만 2조 805억 원. 블랙웰급 이상 최신 GPU를 도입하며, 최소 클러스터 단위는 256서버(GPU 2,048개) 이상이다.

이 GPU를 누가 운영하고 최적화할 것인가? 26만 장의 GPU가 업계 평균(5∼30%) 수준으로 운영된다면 1조 원 이상이 사실상 낭비된다. GPU를 사는 것은 시작일 뿐이고, 소프트웨어로 활용률을 끌어올리는 것이 다음 과제다. GPUBASE가 노리는 시장이 바로 이것이다.

기술경쟁력

데이터센터 안에서 GPUBASE는 어디에 깔리나

GPUBASE가 뭘 하는지 이해하려면, 먼저 AI 데이터센터의 물리적 구조를 알아야 한다.

GPUBASE는 각 호스트 서버에 설치되는 소프트웨어다. 스위치 펌웨어를 바꾸거나 NIC을 교체하는 게 아니다. 서버 안의 소프트웨어 스택에서 정확히 어디에 위치하는지 보면:

GPUBASE는 두 가지 기능을 한 제품에서 제공한다.

쿠버네티스가 먼저 환경을 만들고, 그 안에서 PyTorch가 실행되고, PyTorch가 NCCL을 호출한다.쿠버네티스와 NCCL은 직접 대화하지 않는 별개의 시스템이다. 쿠버네티스는 PyTorch의 존재를 알지만, PyTorch는 쿠버네티스의 존재를 모른다 — 그냥 "내 GPU가 4장 있네"만 알 뿐.

• 기능 1 (GPU 관리): 쿠버네티스 경로에서 개입. GPU 가상화·분할·스케줄링. 경쟁사와 겹치는 영역.
• 기능 2 (네트워크 최적화): NCCL 경로에서 개입. 멀티패스·PeRF·패킷 헤더 조작. GPUBASE만의 차별점.

기능 2가 가능한 이유 — NCCL 플러그인 구조

NCCL은 NVIDIA가 만든 오픈소스 라이브러리인데, 외부 코드가 전송 방식을 커스텀할 수 있는 플러그인 API(Net Plugin, Tuner Plugin)를 열어두고 있다. GPUBASE는 이 API를 통해 .so 파일(공유 라이브러리)을 제공하고, NCCL이 시작할 때 이를 자동으로 로드한다. 이후 NCCL이 데이터를 보낼 때마다 GPUBASE의 코드가 실행되면서 멀티패스 분산과 PeRF가 적용되는 구조다.

이 메커니즘은 GPUBASE만 쓰는 게 아니다. AWS(aws-ofi-nccl)도 자기 네트워크(EFA)에 최적화한 NCCL 플러그인을 쓰고, Azure도 자체 튜너 플러그인이 있다. 차이점은 빅테크 플러그인은 자기 클라우드 전용이고, GPUBASE는 이기종·멀티클라우드 범용이라는 점이다.

그런데 "스위치를 안 건드리면서 어떻게 네트워크를 최적화하냐?"는 의문이 생긴다. 답은 데이터센터 네트워크의 구조에 있다.

왜 소프트웨어만으로 가능한가 — Spine-Leaf와 ECMP

현대 AI 데이터센터는 Spine-Leaf 토폴로지를 쓴다. 서버A에서 서버D로 데이터를 보낼 때, 거쳐갈 수 있는 경로가 Spine 스위치 수만큼 존재한다.

3개 경로 모두 거리(홉 수)가 같다. 스위치는 ECMP라는 기능으로 패킷 헤더를 해시해서 "이 패킷은 Spine 1, 저 패킷은 Spine 2"로 자동 분산한다. 이건 스위치의 기본 기능이고 이미 켜져 있다.

문제는, 일반적인 GPU 통신(NCCL 등)이 하나의 연결(같은 포트)로 보내기 때문에 해시값이 항상 같아진다는 점이다. 스위치 입장에서는 매번 같은 해시 → 매번 같은 경로. 3차선 도로인데 모든 차가 1차선에만 몰리는 상황.

GPUBASE는 이 문제를 호스트에서 해결한다. 데이터를 보내기 전에 청크로 쪼개고, 청크마다 패킷 헤더(소스 포트 등)를 다르게 설정한다. 스위치는 서로 다른 해시값을 보고 자연스럽게 다른 경로로 분산시킨다.

수신 측 GPUBASE가 도착한 청크들을 원래 순서로 재조립한다. 스위치를 바꾸는 게 아니라, 스위치가 이미 갖고 있는 ECMP 분산 기능을 "제대로 활용하게" 보내는 쪽에서 패킷을 전략적으로 구성하는 것. 원래 3차선인 도로에서 모든 차를 1차선으로만 보내던 걸, 출발 전에 "너는 1차선, 너는 2차선, 너는 3차선" 배정해주는 역할이다. 그래서 소프트웨어만으로 가능하다.

4대 핵심 기술

특허 포트폴리오에서 GPUBASE 관련 특허만 22건(해외 14건). 전체 83건 중 26.5%.

AI 인프라 풀스택 — GPUBASE는 어디에 있는가

GPU에서 AI 서비스까지, 6개의 레이어가 필요하다. GPUBASE가 위치한 Layer 3을 세분화하면, 겉으로 비슷해 보이는 플레이어들이 실은 다른 문제를 풀고 있다는 것이 드러난다.

Layer 3을 세분화하면 핵심이 보인다.

3a(네트워크 최적화)와 3b(GPU 오케스트레이션)는 다른 문제를 푼다. 씨이랩 AstraGo나 래블업 Backend.AI는 3b에서 "GPU를 누구에게 배정할까"를 다루고, GPUBASE는 3a에서 "배정된 GPU가 데이터를 어떻게 주고받을까"를 다룬다. 직접 경쟁이 아니라 보완 관계에 가깝다.

3a는 글로벌에서도 거의 비어 있는 카테고리다. Cilium이 eBPF 기반으로 AI 네트워킹에 확장 중이고 Arista가 일부 겹치지만, "GPU 클러스터 전용 네트워크 최적화 SW"를 전문으로 하는 플레이어는 거의 없다. GPUBASE의 진입점이 여기에 있다.

NVIDIA는 Layer 1∼3b를 수직 통합하고 있다. GPU(L1) + NVLink·InfiniBand·Spectrum-X(L2) + Run:ai(L3b). 아크릴은 3a에서 벤더 중립으로 이 스택을 관통하며, 망고부스트 MOU(L2 DPU + L3a GPUBASE)로 NVIDIA 수직 통합에 대응하는 "개방형 스택"을 만들려는 시도다.

경쟁 구도 — 레이어별 심층 비교

GPUBASE와 같은 시장에서 싸우거나 인접한 플레이어 7개를 규모·기술·고객·네트워크 최적화 유무로 비교했다.

Layer 3b — GPU 오케스트레이션 (스케줄링)

"GPU를 누구에게 배정할까"를 푸는 레이어. GPUBASE와 직접 경쟁이 아니라 보완 관계이나, 상위 레이어 기능이 겹칠 수 있다.

Layer 3b 경쟁사 전부에게 GPU 네트워크 통신 최적화가 빠져 있다. "어떤 GPU에 작업을 줄까"는 풀지만, "그 GPU가 데이터를 어떻게 주고받을까"는 다루지 않는다.

Layer 3a — 네트워크 최적화 SW (GPUBASE의 직접 경쟁 레이어)

Layer 3a에서 가장 중요한 발견:

Arista가 유일하게 RDMA 수준의 네트워크 최적화를 보유하고 있다. CLB는 QP(Queue Pair) 단위로 트래픽을 분산하고, 무손실 이더넷(PFC/ECN)을 구현하며, CV UNO로 네트워크 상태를 AI 작업 완료 시간과 연관 짓는다. Microsoft·Oracle·Meta가 고객이다.

하지만 Arista는 스위치 하드웨어 + 소프트웨어 번들이다. "Arista 스위치를 사야 쓸 수 있다." GPUBASE는 기존 스위치를 그대로 두고 호스트에 SW만 설치한다는 점에서 접근 방식이 근본적으로 다르다. 시총 격차는 약 300조 원 vs 2,538억 원 — 약 1,200배.

Cilium은 eBPF로 패킷을 커널 수준에서 처리하지만, RDMA/RoCE 트래픽은 범위 밖이다. "GPU 클러스터 전용 네트워크 최적화 SW"는 이 목록에서 GPUBASE가 유일하다.

성능 근거 — K-Scale Evaluation 상세

"25배 성능 개선"의 실체를 정확히 이해해야 한다. 이것은 "GPUBASE 적용 vs 미적용"의 비교이지 경쟁 솔루션 대비가 아니다.

테스트 환경

• GPU 248장 규모, 글로벌 CSP 3개사+ 환경
• 테스트 모델: 한국어 특화 LLM(11B) + 의료 AI 모델 ALLM.H(27B)
• 부하 수준: 학술 논문(ACM IMC '24, IEEE ICNP '18) 기반 4단계(없음·하·중·상)

부하 수준별 결과

핵심: GPUBASE 미적용 환경은 부하가 올라갈수록 성능이 급격히 무너지는 반면, GPUBASE 적용 환경은 모든 부하에서 무부하 상태와 동일한 성능을 유지한다. 25배라는 숫자는 "GPUBASE가 25배 빠르게 만든다"가 아니라, "미적용 환경이 고부하에서 95% 망가지는 걸 GPUBASE가 방지한다"는 의미다.

학습 + 추론 동시 실행 (혼합 부하)

실제 데이터센터에서는 학습과 추론이 동시에 돌아간다. 이 환경에서:

• GPUBASE 적용: 기준선 대비 6배 빠른 학습 속도 + 추론 응답 시간 SLA 충족
• GPUBASE 미적용: 학습 속도 저하 + 추론 SLA 미충족

기타 성능 주장과 검증 수준

경쟁 솔루션(Run:ai, Cilium 등) 대비 비교 데이터는 공개된 적이 없다. 또한 "MLPerf v6.0 다중 리전 이기종 추론"은 Dell + 망고부스트의 성과이며 아크릴 GPUBASE가 아니다.

특허·논문으로 본 기술 해자

GPUBASE 핵심 기술이 실제로 방어 가능한지를 특허(Google Patents)와 논문(Google Scholar)으로 교차 검증했다.

아크릴의 특허·논문 포트폴리오

염익준 CTO가 3편의 논문 모두에 교신저자로 참여하고, PeRF 특허의 직접 발명자다. GPUBASE의 핵심 기술이 이 사람의 연구실(성균관대 ARCS Lab)에서 나왔다는 것이 학술적으로 확인된다.

GPUBASE의 학술적 기반 — 핵심 논문 2편 분석

1. UL-MPRDMA (IEEE Access, 2021) — 원문

2. Janus: GPU Direct Packet I/O (J. NCA, 2022) — 원문

두 논문을 합치면 GPUBASE의 기술 구조가 보인다: Janus가 GPU↔NIC 직접 통신 경로를 열고, UL-MPRDMA가 그 경로 위에서 멀티패스 분산을 소프트웨어로 구현한다.

솔직한 평가

해자의 본질은 "기술적 불가능성"이 아니라 "선행 상용화 + 실환경 검증 경험"이다. K-Scale Evaluation Phase 1(GPU 1,000장)·Phase 2(3,000장+)가 이 시간차를 실제 계약으로 전환하는 시험대다.

트랙레코드

아크릴의 외부 검증 이력을 등급별로 정리했다.

A등급 — 글로벌 제3자가 검증한 것

B등급 — 국내 기관이 채택한 것

C등급 — 아직 검증되지 않은 것

트랙레코드 종합 판단

A등급(글로벌 검증)은 전부 "시작했으나 완결되지 않은" 상태다. 핵심은 C등급이다. GPUBASE의 개별 매출 기여는 분리 공시가 없어 확인할 수 없다. 가장 현실적인 첫 매출 경로는 국내 GPU 인프라 수주(정부 26만 장 도입)다.

기업신뢰도

시장 소통

IPO 추정치 vs 실적

IPO 자금 사용

421억 중 19억만 집행(4.5%). 현금 415억이 거의 그대로 남아있다.

내부자 매매

재무안전성

적자 기업에게 재무안전성은 결국 "현금이 바닥나기 전에 흑자 전환하거나 사업을 증명할 수 있는가"다.

유동성 현황 (26.Q1 기준)

런웨이 추정

IPO 조달 총액 421억을 확보한 상태에서 연간 소진이 30∼40억 수준이라면, 최악의 경우에도 10년 이상의 런웨이가 있다. 재무안전성 자체는 이 회사의 리스크가 아니다 — 리스크는 현금이 아니라 사업 자체의 성공 여부에 있다.

밸류에이션

아크릴을 어떤 회사와 비교하느냐에 따라 판단이 완전히 달라진다.

비교군 A: 국내 AI 인프라 동급생

비교군 B: AI 모델/플랫폼 — GPUBASE의 잠재 고객

비교군 C: 산업특화 AI 솔루션

비교군 B·C는 아크릴의 직접 경쟁사가 아니라 GPUBASE의 잠재 고객이다. 이들이 GPU를 쓸수록 GPUBASE 수요가 늘어난다. 밸류에이션 관점에서 아크릴(19.1x)은 노타(45.1x)보다는 낮지만 대부분 상장 AI 기업(2∼11x)보다 높다. 성장 기대감이 선반영된 상태.

비교군 D: GPU 인프라 SW 글로벌

비교군 E: CSP 구독형 인프라 SW — 아크릴이 목표하는 경로

핵심 인프라 SW를 만들고 → CSP 마켓플레이스에 올려 → 구독형(SaaS/PaaS)으로 과금하는 모델. 아크릴이 조나단을 CSP 구독형(FaaS)으로 전환했을 때의 밸류 레퍼런스.

이 회사들의 공통 경로: 핵심 인프라 SW 개발 → CSP 마켓플레이스 입점 → 구독형 과금 → CSP 고객 확대에 따른 매출 레버리지. 아크릴이 GPUBASE를 CSP FaaS로 전환하고 K-Scale 검증을 통과하면, 이 경로에 진입할 가능성이 열린다. 글로벌까지 가지 않더라도 국내 GPU 인프라 26만 장 시장만으로도 충분한 규모가 있으며, 정부·공공 GPU 인프라에서 GPUBASE가 표준으로 채택될 경우 밸류에이션의 천장이 크게 높아진다.

시나리오별 밸류에이션 레인지

현재 시총 2,538억은 P/S 19.1x. FY2025 매출(133억) 기준으로는 높지만, 2026E 컨센서스(304억) 기준으로는 Forward P/S 8.3x로 합리적 범위다. 시장은 2026년 매출 급성장을 상당 부분 선반영하고 있으며, 이 기대가 충족되지 않으면 디레이팅 압력이 크다.

장기 밸류 천장 — CSP 구독형 인프라 SW로 자리잡는다면

비교군 E의 Confluent(12.5조), Elastic(9.7조), HashiCorp(8.9조)는 모두 핵심 인프라 SW를 CSP 마켓플레이스에서 구독형으로 파는 기업이다. 이들의 공통점은 업계 표준이 된 SW를 보유하고 있다는 것 — Kafka는 스트리밍의 표준, Terraform은 인프라 자동화의 표준, Elasticsearch는 검색의 표준.

GPUBASE가 GPU 클러스터 네트워크 최적화의 표준 SW로 자리잡고, 글로벌 CSP에서 구독형으로 채택된다면, 시총 수조 원대까지 열려있는 시장이다. 아주 먼 미래의 이야기지만, P/S 멀티플이 아닌 시장 포지셔닝 자체가 밸류를 결정하는 영역이다.

현실적으로 이 경로에 진입하려면 K-Scale 검증 통과 → 글로벌 CSP 마켓플레이스 입점 → 구독 매출 확대가 순차적으로 일어나야 한다. 현재는 K-Scale Phase 2 단계로, 글로벌 1·2위 CSP(AWS·Azure로 추정)와 GPU 248장 규모 성능 검증을 진행 중이다. 아직 검증을 통과한 것은 아니지만, CSP와의 협업 자체가 시작됐다는 점은 긍정적이다.

리스크

이 회사의 투자 논거는 GPUBASE 하나다. 모든 리스크는 결국 "GPUBASE가 매출로 전환되느냐"로 수렴한다.

상위 4개가 Thesis Killer — GPUBASE 투자 논거 자체를 무너뜨리는 리스크. 나머지는 부수적이다.