스트라드비젼

사업에 대한 이해를 돕기 위해 당사가 영위하는 사업 분야 및 기술, 제품에 대한 용어를 아래 표와 같이 기재합니다. 용어 | 설명 | 딥러닝 (Deep Learning) | 고성능의 고가 반도체에서 주로 구현되었으나, 당사가 경량화 기술을 통해 보급형 반도체에서도 구현 가능하게 만든 인공지능 기술 | 첨단운전자보조시스템 (ADAS) | 운전자 안전과 편의를 위해 차량 주변 환경을 인식하여 주행을 보조하는 시스템 | SoC (System on Chip) | 다양한 컴퓨팅 기능이 하나의 칩에 통합된 반도체로, 당사 소프트웨어가 동작하는 보급형 차량용 반도체 플랫폼 | OEM (Original Equipment Manufacturer) | 특정 반도체 공급사에 종속되지 않고 유연한 하드웨어 플랫폼 활용을 요구하는 글로벌 완성차 제조사 | Tier-1 | 완성차 제조사(OEM)에 부품이나 시스템을 직접 공급하는 1차 글로벌 협력사 | SVNet | 다양한 상용 차량용 반도체(SoC)에서 고성능 인공지능을 안정적으로 구현하는 당사의 핵심 영상 인식 알고리즘 소프트웨어 엔진 | SVDataFlow | 인공지능 학습에 필수적인 방대한 주행 데이터를 효율적으로 수집, 가공, 관리하는 당사의 핵심 데이터 처리 자동화 공정 시스템 | 오토 라벨링 (Auto-Labeling) | 인공지능이 스스로 학습용 데이터를 분석하고 정답을 부여하여 데이터 가공 공정의 상당 부분을 자동화하는 기술 | 하드웨어 비종속성 (Hardware-Agnostic) | 특정 고성능 반도체나 하드웨어에 얽매이지 않고 다양한 칩셋 플랫폼에서 소프트웨어가 동일하게 지원되는 기술적 특성 | 카메라 비종속성 (Camera-Agnostic) | 차량에 장착된 다양한 종류의 카메라 고유 특성을 AI가 자체적으로 인식하고 보정하여 하나의 소프트웨어로 유연하게 대응하는 기술 | 3D 인식 (3D Perception) | 2D 카메라 영상만으로 객체의 3차원 위치, 크기, 방향, 속도 등 물리적 공간 정보를 직접 추론하여 거리 추정 정확도와 연산 효율을 높인 혁신 기술 | 공통 플랫폼 프레임워크 (CPF) | 다양한 하드웨어와 운영체제 환경에서도 당사의 소프트웨어(SVNet)가 일관된 성능을 유지하도록 추상화 계층을 제공하는 기술 | SDV (Software Defined Vehicle) | 하드웨어 중심에서 벗어나 차량의 기능과 성능이 개방형 소프트웨어 솔루션으로 정의되고 유연하게 전환되는 차세대 차량 구조 | NPU (Neural Processing Unit) | 고성능 인공지능 구동을 위해 대규모 연산을 처리하는 고가의 고성능 반도체 프로세서 | 합성 데이터 (Synthetic Data) | 실제 도로에서 수집하기 어렵거나 위험한 특수 상황(예: 무단횡단)을 시뮬레이션을 통해 가상으로 생성하여 인공지능에 학습시키는 데이터 | 양산개발 (NRE, Non-Recurring Engineering) | 본격적인… 앞 1,500자만 보여줍니다 (전체 5,992자). 나머지는 DART 원문에서 볼 수 있습니다.

가. 주요 제품 설명 당사의 제품은 자동차가 카메라를 통해 주변 환경을 인식하고 분석할 수 있도록 지원하는 인공지능(AI) 영상 인식 소프트웨어입니다. 이 소프트웨어는 3가지 주요 제품 라인업(FrontVision, SurroundVision, MultiVision)으로 구성되며, 당사의 핵심 기술인 AI 엔진 'SVNet'과 데이터 처리 자동화 플랫폼 'SVDataFlow'를 기반으로 구동됩니다. SVNet은 AI 모델을 경량화하여 저사양 반도체에서도 원활하게 작동하도록 설계된 고효율 소프트웨어이며, SVDataFlow는 이 AI 엔진의 학습에 필요한 데이터를 빠르고 정확하게 구축하는 자동화 시스템입니다.자율주행 시스템의 고도화에 따라 인지 범위가 확대되고 정밀도가 향상되면서, 복잡한 주행 시나리오에 대응하기 위해 요구되는 하드웨어 처리 성능과 딥러닝 모델의 연산량은 지속적으로 증가하고 있습니다. 당사는 제품 라인업(FrontVision, SurroundVision, MultiVision)별로 AI 모델의 크기를 최적화하여, 다양한 사양의 하드웨어에 효율적으로 탑재될 수 있도록 개발 전략을 수립하고 있습니다. 1) 인지 알고리즘 SVNet SVNet은 당사 영상 인식 솔루션의 핵심 알고리즘 역할을 하는 AI 엔진입니다. SVNet의 주요 특징은 완성차 제조사(OEM)가 겪는 높은 원가 부담, 특정 하드웨어 종속성, 개발 비효율 등의 문제를 개선하는 데 초점을 맞추고 있습니다. 구체적인 특징은 다음과 같습니다. ① AI 모델 경량화 및 최적화(비용 효율성 제고) : 자율주행 기술 상용화의 주요 과제 중 하나는 시스템 구축 비용입니다. 일반적으로 고성능 AI를 구동하기 위해서는 고가의 고성능 반도체(NPU)가 필요하며, 이는 차량의 제조 원가 상승으로 이어집니다. 당사의 SVNet은 AI 모델의 인식 성능을 유지하면서도 연산량과 메모리 사용량을 줄이는 경량화 기술을 적용했습니다. 이를 통해 상대적으로 저렴한 보급형·저전력 반도체에서도 첨단 운전자 지원 시스템(ADAS) 기능을 안정적으로 구현할 수 있어, 완성차 제조사의 원가 절감 및 대중적인 차량 모델로의 기술 확대 적용에 기여합니다.② 3D 인식 기술(인지 정확도 및 처리 속도 향상) : 기존의 2D 기반 인식 방식은 카메라 영상 속 객체를 평면적으로 인식한 후, 별도의 후처리 연산을 거쳐 거리를 추정했기 때문에 연산 부하가 발생하고 오차 가능성이 존재… 앞 1,200자만 보여줍니다 (전체 3,523자). 나머지는 DART 원문에서 볼 수 있습니다.

가. 매출실적 (단위: 백만원, %) | 매출유형 | 제13기 반기(2026년) | 제12기(2025년) | 제11기(2024년) | 매출 | 비중 | 매출 | 비중 | 매출 | 비중 | 용역매출 | 국내 | 884 | 9% | 2,493 | 14% | 2,606 | 23% | 수출 | 9,103 | 91% | 15,616 | 86% | 8,933 | 77% | 합계 | 9,987 | 100% | 18,109 | 100% | 11,539 | 100% | 나. 판매경로 및 판매방법 등자동차 업계에서 특히 자율주행(Advanced Driver Assistance System, ADAS) 제품 군은 운전자 및 보행자의 안전과 직결되는 제품입니다. 안전을 최우선해야 하는 제품을 판매하기 위해서는 제품의 성능을 증명하는 것이 가장 중요합니다. 당사는 다음과 같은 순서로 당사 제품의 성능을 선보이며 각 단계별로 한 단계씩 나아가는 경우가 비즈니스모델을 구축하고 있습니다. 1단계: 제품 소개(Product introduction)당사는 일본, 독일, 미국, 중국에 해외 법인을 설립하고 현지에서 주요 Tier-1 및 경쟁사 출신의 인재들을 성공적으로 영입하였습니다. 고객의 근접지에서 영입한 인재들의 고객사와의 관계를 통해 현재 여러 Tier-1, OEM과 초기영업을 거쳐 대부분의 글로벌 고객사들과 프로젝트를 수행하고 있습니다.2단계: 평가용 제품 공급(Evaluation license project) 고객사에게 제품 및 데모차량 시연을 통해, 고객사가 좀 더 상세한 성능 평가를 원하는 경우, Evaluation license project 단계를 진행하며, Evaluation License 제공시 사용권료를 청구하고 매출로 인식하게 됩니다. 현재까지 개발되어 있는 소프트웨어의 PC버전을 고객사에게 제공 후 고객사가 해당 소프트웨어를 다양한 본인들의 데이터(영상 등)를 활용하여 평가를 진행합니다. 고객사가 원하는 Input 및 Output interface가 있다면, 리소스를 투입하여 고객사의 요구에 맞춰 변환하는 작업을 거쳐 소프트웨어는 다시 한번 준비됩니다. 이때 소프트웨어를 탑재하는 반도체(System on Chip, SoC)는 당사의 로드맵에 있는 SoC 중 하나로 제안하게 됩니다.3단계: 실증 프로젝트 (Proof of concept, PoC)Evaluation license project를 통해 성능이 1차 검증되면 Proof of concept project 단계를 진행하게 됩니다. 본 단계에서는 고객사가 양산을 고려하여 좀 더 성능이 고도화되고 최적화된 소프트웨어를 평가하기를 원하게 됩니다. SoC 또한 고객사가 원하는 제품 또는 형태로 변경하여 요청됩니다. 고객사의 중요 요구 사항을 전달받으면, 당사는 이를 검토 후 대략적인 개발 기간 및 금액을 산정하며, 개발 기간 및 금액에 대해 고객사와 협의 후 계약서까지 양사 서명 완료되고 나면 본격적인 개발에 돌입하게 됩… 앞 1,500자만 보여줍니다 (전체 5,989자). 나머지는 DART 원문에서 볼 수 있습니다.

비용의 성격별 분류당반기와 전반기 중 비용의 성격별 분류는 다음과 같습니다. (단위 : 천원) | 구 분 | 당반기 | 전반기 | | 3개월 | 누적 | 3개월 | 누적 | 급여 | 7,523,571 | 14,373,211 | 6,685,958 | 14,253,311 | 퇴직급여 | 699,940 | 1,359,056 | 676,071 | 1,333,486 | 복리후생비 | 735,609 | 1,348,420 | 686,861 | 1,499,670 | 감가상각비 | 1,748,939 | 3,510,215 | 1,798,015 | 3,647,205 | 무형자산상각비 | 921,687 | 1,808,450 | 845,243 | 1,669,674 | 보험료 | 203,611 | 339,406 | 192,416 | 345,228 | 지급수수료 | 3,177,524 | 6,367,427 | 1,985,391 | 3,973,127 | 소모품비 | 278,275 | 364,373 | 178,595 | 290,317 | 지급임차료 | 21,096 | 25,438 | 33,684 | 65,406 | 여비교통비 | 347,920 | 775,849 | 358,821 | 719,883 | 경상연구개발비 | 1,221,601 | 1,987,765 | 2,097,066 | 4,031,999 | 기타 | 688,657 | 2,046,654 | 2,392,759 | 4,746,032 | 합 계 | 17,568,430 | 34,306,264 | 17,930,880 | 36,575,338 | 22. 기타수익 및 기타비용(1) 당반기와 전반기 중 기타수익의 내역은 다음과 같습니다. (단위 : 천원) | 구 분 | 당반기 | 전반기 | 3개월 | 누적 | 3개월 | 누적 | 기타수익 | 외환차익 | 193,140 | 311,343 | 64,566 | 152,701 | 외화환산이익 | (204,773) | 410,518 | - | 29,719 | 유형자산처분이익 | - | 1,082 | - | 32,461 | 리스처분변경이익 | 9 | 1,694 | - | 89,290 | 잡이익 | 380,956 | 419… 앞 1,200자만 보여줍니다 (전체 6,000자). 나머지는 DART 원문에서 볼 수 있습니다.

영업부문으로 구성되어 있으며, 당반기와 전반기 중 매출액의 10% 이상을 차지하는 외부 고객과 관련된 정보는 다음과 같습니다. (단위 : 천원) | 구 분 | 당반기 | 전반기 | Aptiv PLC 및 종속기업 | 5,746,623 | 3,241,540 | LG전자 주식회사 | 878,923 | 1,128,348 | Applied Intuition, Inc. | 1,004,276 | 67,880 | 20.