[아이티데일리] 데이터 중심 AI 혁신을 이끄는 통합 기술 기업

디노티시아는 2023년에 설립된 장기기억 인공지능(AI)과 반도체 융합 기술 전문기업이다. 단순 연산을 넘어 방대한 데이터를 빠르고 정확하게 처리함으로써 AI의 성능과 효율을 극대화하는 새로운 데이터 인프라 구축을 목표로 한다.
디노티시아는 AI 알고리즘, 벡터 데이터베이스(DB) 및 AI 스토리지, 그리고 반도체 가속 기술을 하나의 통합 솔루션으로 개발하며 데이터 중심의 AI 혁신을 주도하고 있다. 설립 1년 만에 약 100명 이상의 인력 규모로 급성장했으며, 2023년 시드 투자를 시작으로 2024년 Pre-A 라운드까지 누적 350억 원의 투자를 유치해 기술력과 시장 잠재력을 입증했다.
특히, 세계 유일의 벡터 데이터 연산 가속 반도체(VDPU)를 기반으로 한 벡터 DB ‘씨홀스(Seahorse)’와 로컬 환경에서 고성능 대규모언어모델(LLM) 서비스를 구현하는 온디바이스 AI 솔루션 ‘니모스(Mnemos)’를 핵심 제품으로 내세우고 있다.
 

AI의 한계를 넘어서는 ‘장기기억’ 기술 생태계 구축

디노티시아는 현재 LLM의 가장 큰 한계인 대화 맥락 유지의 어려움과 축적된 피드백 미반영 문제를 해결하는 데 주력하고 있다. 이 문제를 해결하는 핵심이 바로 벡터 데이터베이스(이하 벡터 DB) 기반의 ‘장기기억’ 기술이다. 디노티시아는 AI에 ‘장기기억‘을 부여하는 기술 생태계를 독자적으로 구축했다.
주력 솔루션인 ‘씨홀스’는 검색증강생성(RAG) 구조를 중심으로 설계된 벡터 DB로, 텍스트·이미지·영상 등 멀티모달 데이터를 벡터 형태로 색인해 사용자의 의도와 맥락을 반영한 의미 기반 탐색을 제공한다.
소프트웨어만으로도 경쟁사 대비 약 2배의 성능을 제공하는 가운데, 한 단계 더 나아가 VDPU를 자체 설계해 데이터 처리 병목을 근본적으로 해소하고 있다. VDPU 가속기가 적용되면 검색 속도가 획기적으로 향상되고 저전력 구현이 가능하다. 이에 디노티시아는 대규모 AI 서비스에서도 경제적이고 확장성 있는 인프라 구현이 가능해질 것으로 전망한다.
이와 함께 ‘니모스’는 이러한 핵심 기술을 통합해 별도의 클라우드 없이도 로컬 디바이스로 맞춤형 AI를 구동하는 온디바이스 솔루션으로, 보안이 중요한 환경에서 자체 데이터 활용의 안전성을 높인다.
 

클라우드부터 온디바이스까지, AI 인프라 통합 운영 체계

디노티시아는 클라우드와 온디바이스를 아우르는 통합 라인업으로 시장을 선도하고 있다. ‘씨홀스 클라우드’는 국내 최초의 완전 관리형(SaaS) 벡터 DB 형태로, MCP(Model Context Protocol) 기반의 검색증강생성 운영(RAGOps)를 지원해 기업의 AI 도입 장벽을 크게 낮췄다.
특히 지난 9월 출시된 ‘씨홀스 클라우드 2.0’은 에이전트 운영(AgentOps)를 중심으로 챗봇형 RAG를 넘어 맞춤형 AI 에이전트를 직접 설계하고 운영할 수 있도록 기능을 확장했다. 이 AgentOps 구조는 클라우드뿐 아니라 ‘니모스 워크스테이션’에도 동일하게 적용돼, 클라우드와 로컬 환경을 아우르는 일관된 AI 운영 체계를 구현했다.

디노티시아는 CB인사이트가 선정한 ‘2025 Global AI 100’의 ‘벡터 데이터베이스’ 부문과 ‘AI Agent Tech Stack 135’에 연이어 이름을 올렸다. 연구 개발 측면에서도 한국어 논리·추론 특화 모델 ‘DNA-R1’ 및 차세대 모델 ‘DNA 2.0’을 오픈소스로 공개하고, AI 양자화 알고리즘 평가 플랫폼 ‘QLLM-INFER’를 개발하는 등 국내 AI 생태계 발전에 기여하고 있다.

인터뷰 

“디노티시아, AI ‘기억 인프라’를 재정의하다”

디노티시아 정무경 대표

Q. 디노티시아에게 AI란 어떤 의미인가.

디노티시아에게 AI는 단순히 답을 생성하는 기술이 아니라, 기억하고 맥락을 이해하는 ‘지능’이다. 현재 LLM의 근본적인 한계점은 과거의 맥락이나 사용자 피드백을 장기적으로 기억하지 못한다는 것이다. 이는 환각(Hallucination) 현상, 근거 불투명성, 실시간 정보 학습 한계 등 여러 문제를 야기한다. 인공지능의 발전은 이 한계를 극복하기 위해 사고(추론) 능력과 기억(지식 저장) 능력을 분리하는 새로운 구조로 진화하고 있다. LLM의 역할을 사고에 집중시켜 경량화하고, 방대한 기억의 역할은 외부 데이터 시스템에 맡기는 방식인 것이다.
 

Q. AI 솔루션 구축 사례를 소개한다면.

디노티시아는 공공 기록과 정책 데이터를 쉽게 검색하는 의미 기반 정책 서비스 '폴리큐(PoliQ)' 시리즈를 선보였다. 약 3만 건에 달하는 국회 본회의 및 위원회 회의록을 바탕으로, 사용자가 자연어로 질문하면 관련된 발언과 정책 논의를 요약해 함께 보여주는 서비스다. 검색 결과에는 요약된 핵심 내용과 함께 원문 출처가 함께 제공돼, 공공 데이터의 접근성과 활용성을 크게 높였다. 이 서비스는 자사의 벡터 DB '씨홀스', LLM 'DNA' 모델, 그리고 Agentic RAG 기술을 기반으로 구축됐다.
 

Q. 디노티시아의 핵심 전략과 비전은.

과거 AI는 제한된 학습 데이터에 의존했지만, 생성형 AI 시대에는 실시간 비정형 데이터까지 반영할 수 있는 구조로 진화했다. RAG가 확산되면서 데이터 범위가 폭증했고, '검색 속도'가 새로운 병목이 됐다. 디노티시아는 이 구조적 한계를 바꾸기 위해 벡터 데이터 연산을 전담하는 전용 하드웨어 가속기 ‘VDPU’를 자체 개발하는 전략을 택했다. 이 칩은 대규모 벡터 검색 연산을 초고속으로 처리해 AI 서비스의 속도·정확도·비용 효율을 동시에 개선한다. 결국 디노티시아의 전략은 AI가 더 빠르고 똑똑하게 작동하기 위한 ‘기억 인프라’를 하드웨어 차원에서 재정의하는 것이다. 소프트웨어와 반도체의 통합적 혁신을 통해 AI가 실시간으로 데이터를 이해하고 사고할 수 있는 환경을 만드는 것이 디노티시아가 그리는 AI 시대의 비전이다.