디노티시아

디노티시아는 AI가 답을 만들기 전에 필요한 자료를 찾는 일을 어디에서 가속할지 보여주는 회사야. 모델 연산만 빠르게 만드는 대신, 외부 자료를 의미로 검색하고 다시 불러오는 경로를 따로 떼어 보려는 거지.

이 회사의 긴장은 소프트웨어와 칩 사이에 있어. 벡터 데이터베이스만으로 대규모 검색을 감당할 수 있는지, 검색 전용 반도체까지 붙였을 때 실제 저장·검색 환경의 병목이 줄어드는지는 아직 따로 확인해야 해.

한 줄로 말하면

디노티시아는 벡터 데이터베이스 씨홀스와 벡터 검색 전용 반도체 VDPU를 결합해 AI 데이터 인프라를 만들려는 회사야.

무엇인가

디노티시아가 개발하는 VDPU는 AI가 필요한 데이터를 찾고 비교하고 불러오는 벡터 검색 연산을 전담하는 반도체야. 키워드가 같은지만 찾는 검색이 아니라 질문의 의미와 맥락을 비교하는 검색을 빠르게 처리하는 데 초점을 둬.¹

회사는 소프트웨어 쪽에서 벡터 데이터베이스 씨홀스를 함께 개발하고 있어. 씨홀스는 텍스트·이미지·문서 같은 비정형 데이터를 벡터로 바꿔 의미 기반으로 저장·검색하고, 검색 증강 생성(RAG)과 AI 에이전트가 기업 내부 데이터를 활용하는 과정도 지원한다고 소개됐어.¹

왜 계속 등장하는가

AI 서비스가 외부 문서와 기업 데이터를 자주 찾을수록 검색은 모델 호출 앞에 반복해서 놓이는 경로가 돼. 지금까지 이 연산은 주로 CPU나 GPU 같은 범용 연산 자원이 맡았는데, 디노티시아는 검색을 별도 칩으로 떼어내 속도와 비용을 개선하려고 해.¹

디노티시아는 씨홀스와 VDPU를 결합해 저장·검색·활용을 묶은 AI 데이터 인프라를 지향한다고 설명해. 다만 실제 제품에서 두 요소가 어떤 인터페이스와 처리 순서로 연결되는지는 이 자료만으로 확인되지 않아.¹

이 대상을 볼 때의 핵심 축

• 검색 연산의 범위. VDPU가 어떤 벡터 검색 연산을 맡고 CPU·GPU와 어떤 일을 나누는지 확인해야 해. ‘검색 전용’이라는 이름만으로 실제 처리 경로가 드러나지는 않아.
• 연결 구조. 씨홀스와 VDPU 사이의 인터페이스, 벡터 저장 위치, 데이터센터의 저장장치·네트워크와 연결되는 방식이 공개되는지 봐야 해.
• 소프트웨어의 배치 방식. 씨홀스가 SaaS와 온프레미스로 제공되는 만큼, 고객의 기존 데이터베이스·권한 체계·RAG 시스템과 어떻게 연결되는지 확인할 필요가 있어.¹
• 실제 환경의 성능. 샘플 칩의 평가 결과와 양산 계획은 출발점이야. 고객 데이터 규모, 검색 지연시간, 처리량, 전력, 운영 비용이 함께 공개돼야 결합의 효과를 확인할 수 있어.

최근 관찰된 신호

전자신문 보도에 따르면 디노티시아는 VDPU 샘플 칩 제작을 마치고 내부 최적화와 성능 평가를 진행하고 있어. 이르면 2026년 말 양산에 들어갈 계획이라고 밝혔어.¹ 지금 확인되는 것은 샘플 제작과 계획이지, 양산 완료나 고객 환경에서의 성능 수치는 아니야.

회사는 씨홀스와 VDPU를 결합한 AI 스토리지의 적용 가능성을 확인하기 위해 글로벌 기업과 개념 검증 프로젝트도 진행한다고 설명했어.¹ 이 자료에서 아직 보이지 않는 것은 고객 이름, 데이터 규모, 기존 구성과 비교한 수치, 그리고 개념 검증 뒤 실제 구매나 배치로 이어졌는지야.

헷갈리지 말아야 할 점

• 벡터 데이터베이스와 VDPU는 같은 제품이 아니야. 씨홀스는 데이터를 관리하고 검색하는 소프트웨어고, VDPU는 그중 벡터 검색 연산을 가속하려는 하드웨어야.
• 샘플 칩과 상용 칩은 다르다. 샘플 제작과 내부 평가를 마쳤다는 사실만으로 양산 수율, 공급 안정성, 고객 배치를 알 수는 없어.
• 검색 속도와 전체 AI 응답 속도도 다르다. 벡터 검색이 빨라져도 데이터 이동, 권한 확인, 모델 생성 시간이 병목이면 서비스 전체 개선 폭은 달라질 수 있어.
• AI 데이터 인프라라는 목표와 시장 검증은 다르다. 씨홀스·VDPU 결합 전략은 회사가 제시한 방향이고, 실제 고객 환경에서 반복 사용되는지는 별도 자료가 필요해.

이어서 읽기

외부 문서를 찾아 모델 입력에 붙이는 구조가 궁금하면 RAG를 먼저 읽으면 좋아. 벡터 검색이 기업용 저장장치와 어떤 관계를 맺는지는 낸드플래시에서 이어서 볼 수 있어.

남은 질문들

• VDPU는 어떤 검색 연산과 벡터 차원을 지원하고, CPU·GPU 대비 어느 조건에서 차이가 나나?
• 씨홀스와 VDPU를 연결하는 저장·네트워크 인터페이스는 어떻게 구성되나?
• 글로벌 PoC에서 검색 지연시간·처리량·전력·운영 비용이 기존 구성과 어떻게 달라졌나?
• 2026년 말 양산 계획은 실제 제조·수율·고객 출하로 확인되나?

각주

1. 전자신문/권동준, 「디노티시아, VDPU 성능평가…벡터 DB와 융합해 ‘AI 데이터 인프라 기업’ 도전」(2026-07-19) 기사. ↩︎ ↩︎² ↩︎³ ↩︎⁴ ↩︎⁵ ↩︎⁶ ↩︎⁷