마인즈랩 공모주 상장일 신규상장 매출, 재무현황, 보호예수 물량, 최근 뉴스, 자금 사용 계획..

 

 

 

 1. 상장일. 공모가 

 

 2.사업현황 
1.사업현황

- 당사는 응용 소프트웨어 개발 및 공급업, 인공지능 기반 제품의 개발, 연구를 주요 사업으로 영위

 

- 당사는 국내를 대표하는 종합 인공지능 서비스 기업으로, 자체 보유한 다양한 AI 기술을 맞춤 조합하여 다양한 산업군과 업무에서 활용되는 AI 어플리케이션 서비스와 인공인간 서비스를 하고 있음

 

- 당사의 연구인력은 2명의 박사급 인력을 포함해 총 29명이 활발하게  AI 기술을 연구개발하고 있으며, 총 35개의 정부연구과제를 수행하며, 국내 AI 기술을 세계적인 수준으로 향상시켜가고 있음

 

- 당사의 주요 고객군은 현재 매출규모로는 금융권이나 제조업 등의 대기업과 공공기업이 다수를 차지하나, 2019년부터 본격적으로 서비스 중심 AIaaS (AI as a Service)체계로 전환하면서 기존 고객군은 물론, 다양한 업종의 중소기업, 벤처기업까지 고객군이 확대

 

- 당사의 maum.ai Suite는 AI 서비스를 도입하고자 하는 B2B 고객이 필요로 하는 기술력/전문성/인프라 및 데이터 자산을 All-in-One으로 제공 가능한 국내 유일의 종합 AI B2B 서비스 플랫폼으로써, 기업 고객에게 최적의 솔루션을 제공

 

- 당사는 국내를 대표하는 종합 인공지능 서비스 기업입니다. AI 기초 알고리즘 개발부터 AI데이터 구축, AI 응용서비스  개발 및  클라우드 서비스 제공 그리고, Edge AI까지 인공지능이 필요한 다양한 고객군에게 End-to-End로 종합적인 AI 서비스를 제공

 

- 당사는 자체 기술로 보유한 40여종의 인공지능 기술을 바탕으로 2020년까지 AICC, SmartX, maumCloud, maum+ 등 4개 제품/서비스로 고객사의 인공지능 기반 디지털 트랜스포메이션을 촉진해왔고, 2021년 신규 사업인 AI Human을 성공적으로 런칭하며,  새로운 AI 서비스 시대를 선도

 

- 당사는 2021년 3월 25일에 AI Human ‘M1’을 런칭 했습니다. M1은 음성지능, 시각지능, 언어지능, 사고지능을 AIOS (AI Operation System)가 통합해서 종합적인 지능을 갖도록 한 세계 최초의 AI Human

 

 

 3.매출현황 

 

 

 4.재무현황 

 

 5. 보호예수 / 유통가능물량 

 

 

 6. 최근뉴스 

 

 

 

7. 자금의 사용계획

증권신고서 제출일 현재 당사의 공모자금 사용계획은 아래와 같습니다. 다만, 하기 투자계획은 현 시점에서 예상되는 투자계획이며 향후 집행 시점의 경영환경 등을 고려하여 변경될 가능성이 있으므로 절대적인 계획이 아님을 투자자께서는 반드시 인지하시기 바랍니다.

나. 자금의 세부 사용계획

당사는 금번 코스닥시장 상장공모를 통해 조달된 공모자금 중 당사로 유입되는 순수입금 17,642백만원을  연구개발비 및 연구개발에 필요한 서버 확충비 등으로 사용할예정입니다. 구체적인 자금사용계획은 다음과 같습니다.

 

(1) AI Human 연구개발 : 82억원

(가) AI Human Recognition 연구개발 : 29억원

AI Human을 구성하는 기술 중 Recognition에 해당하는 기술은 크게 인간의 귀에 해당하는 Speech Recognition과  Visual Recognition(Image와 Video를 포괄함)이 있습니다. 기본적인 STT 엔진과 Face Recognition 등의 엔진을 보유하고 있으나, AI Human이 실제로 사람의 기능을 대체하기 위해서는 화자분리나 Semantic Visual Understanding 등의 고도화가 필요합니다.

Speech recognition 엔진은 엔진 자체의 아키텍처를 현행(CNN)에서 차기(Transformer)로 교체하는 고도화 작업을 진행하고 있습니다. 이를 통해 정확도는 LER 4%수준에서 1% 수준까지 높이고, CNN모델의 약점이었던 Streaming 기능을 강화할 계획입니다. 또한 최대 5명의 화자가 동시에 발화하고 있는 동안에도 타겟 화자의 발화를 정확하게 분리해내어 코엑스 전시장과 같은 시끄러운 환경에서도 사용자의 발화를 정확하게 인식하도록 고도화할 계획입니다.

AI Human의 눈에 해당하는 Visual Recognition 엔진은 NLP와 Image의 Multi-modal Training을 기반으로 하는 VQA(Visual Question Answering) 기술의 상용화를 핵심 목표로 연구개발 중입니다. 이를 통해 기존 Visual Recognition 엔진들이 단순히 사람의 얼굴 벡터를 대조하여 누군지 알아보거나, Object를 인식하는 등의 단순한 Classification 정도만 가능했다면, 이제는 상황의 맥락을 이해하여 사람이 양손에 물건을 들고 있는지, 곤란한 표정을 짓고 있는지 등의 Natural Language 적인 맥락을 이해하게 됩니다. 이 분야의 연구개발은 Recognition 기반 기술의 가장 첨단 기술들을 수용해야 하는 것으로 해당분야의 최고 수준의 연구원들을 지속적으로 채용, 연구개발비를 매년 증액할 계획입니다. 

(나) AI Human Generation 연구개발: 30억원

AI Human Generation에 해당하는 기술에는 텍스트를 음성으로 변환하는 TTS 기술과 해당 음성에 따라 아바타의 입모양을 움직이는 LipSync 기술이 있습니다. AI Human이 발화를 자연스럽게 고객에게 전달하기 위해서는 TTS 기술이 자연스럽고 맥락에 맞는 발화를 생성하는 것과, 이렇게 생성한 음성을 AI Human 아바타가 자연스럽게 입모양을 따라 움직이는 것이 필수적입니다. TTS 기술이 자연스럽고 맥락에 맞는 발화를 생성하는 것과, 이렇게 생성한 음성을 AI Human 아바타가 자연스럽게 입모양을 따라 움직이는 것이 필수적입니다.

TTS 기술은 현 시점에서도 학습한 음성에 대해서 발화의 자연스러움과, 음질 측면에서 경쟁사들에 비해 비교우위가 있지만, 여러 음성을 하나의 모델이 발화하게 하는 기술(Multi-Speaker TTS), 텍스트 맥락에 따라 감정이나, 음의 높낮이, 발화속도 등을 변화시키는 기술(Emotional TTS, Conditional TTS), 따로 학습하지 않고 한문장만 듣고도 음성을 따라 하는 기술(Zero-shot TTS), 외국어 녹음을 하지 않아도 같은 음성으로 외국어를 할 수 있는 기술(Multi-Lingual TTS) 등 차별화된 기술로 고도화할 계획입니다.  LipSync 기술은 현재 '2D 영상으로만', '학습한 음성에 대한 입술 부근만' 생성할 수 있습니다. 향후 다양한 Use-case에 대응하기 위해서는 고개를 위아래로 일정 이상 돌려도 자연스럽게 합성되어야 하고, 이를 대응하기 위해서는 Face Landmark를 2D Landmark에서 3D Landmark로 전환해야 합니다. 또한 같은 얼굴에 다른 음성을 입력하거나, 아예 다른 언어를 입력해도 자연스러운 입모양을 생성해내기 위해서는 지금까지 모은 대량의 학습데이터를 하나의 모델에 pre-training하여 새로운 음성과 영상에 대해 따로 학습하지 않아도 자연스럽게 입술모양을 생성할 수 있는 Zero-shot LipSync 기술을 개발할 계획입니다. 이 분야의 연구개발은 Generation기반 기술의 가장 첨단 기술들을 수용해야 하는 것으로 해당분야의 최고 수준의 연구원들을 지속적으로 채용, 연구개발비를 매년 증액할 계획입니다.

(다) AI Human Dialog 연구개발 : 8.5억원

AI Human Dialog는 가장 미래를 예측하기 어려운 분야입니다. 구글이 BERT 알고리즘을 공개한 이후로, 당사에서도 NLP 엔진은 BERT를 기반으로 가장 최신 버전을 유지하고 있으나, 어느 정도 이상의 Break Through는 나오지 않고 있습니다.  최근 NLP 기술은 OpenAI의 GPT3로부터 비롯된 초거대AI (Hyper Scale AI) 경쟁으로 흘러가고 있기 때문에, 섣불리 NLP 분야에 대대적인 투자를 결정하기 어려운 상황입니다. 그러나, Hyper Scale 기반 기술이 NLP 분야에서 최종 승자가 될지에 대해서는 여전히 많은 연구자들이 회의적인 시각을 보내고 있는 것이 사실이기 때문에(성능이 나온다 해도, 너무 많은 자원을 필요로 하며, 하드웨어의 발전 속도가 이를 뒷받침해줄 수 없음),  NLP 분야에서 Hyper Scale이 아닌 새로운 Break Through가 나올 가능성을 염두에 두고 최신 기술들을 지속적으로 Catch-up 하려고 합니다.

당사에서는 DialogBERT, PLATO-2 같은 상대적으로 가벼운 Natural Language Generation Model들을 상용화 하기 위한 연구를 지속적으로 추진하며, 연구비의 큰 증액 없이 기술의 발전 추이를 관찰하며 대응할 예정입니다.  

(라) AI Human App 서비스 개발 : 약 15억원

당사에서는 위에서 개발한 AI Human 핵심 엔진들을 활용해 2023년까지 총 10개 직업군(아나운서, 뱅커, 텔러, 리셉셔니스트, 어르신 돌보미, 직업 상담사, 강사, 쇼호스트, 무인상점판매원, 관광안내원) App 서비스를 런칭할 계획입니다. AI Human App 서비스를 중앙에서 총괄적으로 관리하기 위한 가상화(Kubernetes 기반) 플랫폼인 Maum Orchestra 개발에 약 5억원, 그리고 각 직업군에 특화된 시나리오와 UX로 커스터마이징하는데 직업군 당 각 1억원으로 산정하여 총 15억원의 개발비를 투입할 계획입니다.

(2) 인공지능컨텍센터(AICC) : 32억

(가) 3자통화 음성봇 및 모바일 웹/앱 표준스크립트 TTS 개선 : 10억원

 

TM 영업시 청약 신청 단계에서, 고객에게 계약조건 및 상품 약관에 대해서 설명하고 고객이 이해 및 동의했는지를 점검하는 부분을 AI 음성봇이 처리할 수 있도록 개발하는 내용입니다. 일반적인 음성봇과 차이는 상담사가 3자 통화 형식으로 음성봇과 고객의 대화를 듣고 있으면서, 고객 질문에 대한 답변을 할 수 있도록 해야 한다는 점입니다. 또한 모바일 웹/앱을 통한 표준스크립트 설명은 스마트폰의 화면을 통해서 약관 등을 시각적으로 확인할 수 있도록 하는 기능을 개발하는 것입니다.

 

(나) 대화형 IVR 개발 : 7억원

콜센터로 전화한 고객이 IVR 연결 후 통화 목적을 발화하면, 의도파악을 통해 해당 업무에 맞는 상담원을 찾아서 연결하도록 하는 것입니다. 고객이 버튼을 누르면서 메뉴를 찾는 불편함을 해소하고, 상담원이 통화 목적을 사전에 알고 고객 응대를 하므로 통화시간을 단축하는 장점이 있습니다.

 

(다) STT/TA/TTS 고도화 : 15억원

콜센터 상담 내용을 텍스트로 변환 및 분석하여 업무에 활용하는 3가지 솔루션인 상담 가이드 제공, TM 불완전 판매 모니터링, 고객 VOC 분석에 대해 기능을 고도화하고, 고객사별 커스터마이징이 용이하도록 개선합니다. 또한, 음성합성 요청시 다양한 처리 조건을 Tag 형태로 표시하여 텍스트 평문과 함께 보내면, 이에 맞도록 음성합을 처리하는 기능을 개발하는 것으로, 국제 표준인 SSML을 지원할 수 있도록 개발합니다. 주요 지원 사항으로 <break>, <say-as> 속성(기수,서수,분수,검열,한글자씩,날짜,시간)과 <audio> 속성(속도, 강조, 높낮이 등), <alias>대체 텍스트 등을 지원하게됩니다.

(3) SmartX 연구개발 Edge AI 최적화 연구 : 17억원

Edge AI 에 투입할 자금은 사용처로는 다음과 같습니다.

첫째, 당사는 Edge AI 에 다양한 형태의 딥러닝 엔진들을 포팅할 수 있는 프레임워크를 개발했는데, 이를 유연성, 확장성, 효율성을 크게 향상시킨 프레임 워크 고도화 작업을 진행하려고 합니다. 이를 통해 새로운 알고리즘을 Edge AI 장비에 구현 및 최적화하는 속도를 극대화할 수 있어 빠른 시장 상황에 유연하게 대응할 수 있으며 3년간 6 억의 자금을 투입할 계획입니다.

둘째, Edge AI 에 사용할 수 있는 다양한 저비용고효율의 딥러닝 계산 췹을 기반으로 시스템을 개발하고, 그 특성에 맞도록 알고리즘을 포팅하고 최적화하는 작업을 진행하려고 합니다. 현재 본사는 실리콘밸리 벤처업체인 Blaize 와 이스라엘 벤처업체인 Hailo 의 칩을 기반으로 시스템 및 알고리즘을 개발하고 있습니다. 앞으로 좀 더 세분화된 Edge AI 시장 상황에 대응하기 위해 다양한 딥러닝 계산 췹들을 기반으로 시스템을 구성하고, 그 시장 요구사항에 적합한 딥러닝 알고리즘을 최적화하려고 합니다. 이를 위해 3 년간 7 억을 자금을 투입할 계획입니다.

(4) 연구장비 투자: R&D용 서버 확충 : 45억원

AI 기술은 점점 하나의 모델을 학습시키는데 필요한 GPU의 연산력이 커지고 있습니다. 특히 GAN과 같은 Generation Model은 학습이 끝난 후 사용할 때는 가볍지만, 학습 시 많은 자원과 시간이 필요합니다. 당사가 올해 시범적으로 도입한 DGX-A100(대당 약 4억원)과 같은 고가의 서버 장비는 기존에 사용하던 서버에 비해 학습시간이 1/10로 줄어들어 연구개발 주기가 훨씬 빨라지는 효과를 검증했습니다. 현재 대부분의 연구원들은 V100 GPU 1~2장 정도의 자원을 사용하고 있는데, 연구성과를 가속하기 위해 올해 도입한 DGX-A100 급의 장비를 2023년까지 총 10대 이상으로 늘릴 계획입니다.

다. 연도별 미사용 자금 운영계획

당사는 공모자금사용계획 및 사용시기에 따라 자금을 분할 사용할 계획이며 연도별 미사용 잔액은 자금운영계획에 따라서 장기 정기예금 및 단기 MMT, MMF 등 안전한 금융자산으로 운영하면서 이자 수익을 발생시킬 예정입니다.

 

 

위 정정사항외에 모든 사항은 2021년 11월 04일자로 당사가 제출한 신고서와 동일하오니 이를 참고하시기 바랍니다.

 

 

출처-38커퓨니케이션, 피스탁, 네이버뉴스

※ IPO공모주 정보, 공모청약일정 등은 증권신고서 수리과정에서 변경될 수 있으며 입력오류도 배제 못하니 본인 책임하에 투자바랍니다