달파(DALPHA)
심층 전략 보고서
맞춤형 AI 구축사에서 소비재 Agent OS, 그리고 인간 행동을 예측하는 Social World Model로 이동 중인 달파를 사업·재무·기술의 세 층으로 해부한다. 회사 발표와 외부 데이터, 공개 벤치마크를 분리해 검증하고 STARGATE가 실제 사업에 가져올 실행 포인트까지 연결했다.
보고서 1. 회사·재무·투자 구조
1) 성장 궤적
2023 — 설립. AI Store를 통해 기업이 데모를 체험하고 맞춤형 AI를 도입하는 모델을 전개했다.
2024 — Pre-A 120억원 유치. 시드 13억원을 포함해 당시 공개 누적 민간투자액은 133억원. 미래에셋벤처투자, 인터베스트, DSC인베스트먼트, IMM인베스트먼트, 파트너스인베스트먼트 등이 참여했다.
2025 — AI Agent, Market Intelligence, 검색, 브랜드 데이터 분석 등으로 제품군을 확대했다. 컬리 시맨틱 검색 사례에서 회사는 장바구니 전환율 10% 개선을 발표했다.
2026 — K-뷰티·패션·F&B에 집중하는 Agent OS 전략을 거쳐 Cobra World Model을 전면에 배치했다. 가격·수요·행동 반응을 사전 시뮬레이션하는 방향이다.
2) 3개년 재무
| 연도 | 매출 | 영업이익 | 당기순이익 | 해석 |
|---|---|---|---|---|
| 2023 | 1.16억 | -9.78억 | -9.78억 | 초기 제품·조직 구축기 |
| 2024 | 8.56억 | -37.79억 | -34.64억 | 매출 약 6.4배 증가, 투자 확대 |
| 2025 | 21.91억 | -51.08억 | -38.52억 | 매출 +156%, 영업손실 절대액 확대 |
2023→2025 매출의 2년 CAGR은 약 335%다. 다만 2025 영업손실은 매출의 약 2.33배다. 현재는 성장률과 현금소모를 동시에 봐야 한다. 2025년 자본총계는 약 50.1억원으로 외부 조달자본을 기술·인재에 공격적으로 투입하는 단계로 해석할 수 있다.
3) 투자액 숫자는 분리해서 봐야 한다
공식 팀 페이지는 누적 투자 133억원을 표기한다. 반면 2025년 Scale-up TIPS 관련 자사 글은 설립 약 2년 만에 ‘누적 160억원을 확보’했다고 표현한다. 두 숫자의 정의가 동일한지 공개 자료만으로는 명확하지 않다. 따라서 133억원은 확인 가능한 민간투자 기준선으로 두고, 160억원은 정부 R&D·후속자금 포함 여부를 별도 실사하는 편이 안전하다.
보고서 2. 제품·기술·벤치마크 검증
Phase 1 · AI Store
100여 개 AI 솔루션을 모듈화하고 빠른 PoC와 맞춤 구축을 강조했다. 전통 SI보다 빠른 ‘AI 블록 조립형’ 접근이 초기 고객 확보의 엔진이었다.
Phase 2 · Agent OS
2026년부터 K-뷰티·패션·F&B를 핵심 수직시장으로 좁혀 상품기획·마케팅·재고·물류를 에이전트로 연결하는 운영체제를 지향했다.
Phase 3 · Cobra Agent
탐색→구현→평가→개선을 반복하고 전문 서브에이전트를 조합하는 자율 업무·ML 엔지니어링 구조다. 기업별 데이터와 업무에 맞춘 오케스트레이션 역량이 핵심이다.
Phase 4 · Cobra World Model
가격 변경, 프로모션, 경쟁환경 변화 등 행동을 유발하는 변수를 넣고 고객·집단 반응을 사전 시뮬레이션하려는 Social World Model이다. 2026년 9월에는 가격반응 예측을 대표 유즈케이스로 공개했다.
벤치마크는 발표 시점과 현재 순위를 구분해야 한다
| 벤치마크 | 달파 발표 | 2026-09-18 공개 확인 | 해석 |
|---|---|---|---|
| DeepResearch Bench II | 2026년 6월 61.01점, 당시 #1 | 현재 공식 리더보드 #2. AI21 64.38, Dalpha 61.01 | 성능은 강하지만 현재 #1은 아님 |
| GIFT-Eval | 2026년 6월 Cobra-Agent #1 홍보 | 공식 결과를 미러링하는 최근 보드에서 Cobra-Agent의 전체 MASE 순위는 #14 | ‘당시 #1’과 ‘현재 순위’를 분리 |
| OpenAI MLE-Bench | 79.11% | 달파 제출 PR #129는 공개되어 있으나 아직 병합되지 않았고 공식 저장소는 2026-04-24 이후 신규 제출 접수를 중단 | 회사 측 결과와 공식 리더보드 등재는 별개 |
‘빅테크를 이겼다’는 표현은 특정 시점·조건에서는 근거가 있지만 장기적 기술우위로 일반화하기는 어렵다. 더 중요한 경쟁력은 자체 파운데이션 모델보다 에이전트 오케스트레이션, 데이터 파이프라인, 실험 자동화, 도메인 통합을 실제 기업 업무에 붙이는 능력에 있다.
World Model의 잠재력과 검증 과제
달파는 거래·가격·프로모션·고객 프로필 같은 내부 데이터와 소비 트렌드·경쟁환경 같은 외부 데이터를 결합해 행동 동학을 학습하고, 실제로 시도하지 않은 가격에서도 고객 반응을 예측하는 방향을 제시한다. 가격·재고·마케팅 의사결정에 경제적 가치가 큰 접근이다. 다만 산업별 실측 오차, holdout 실험, A/B 검증, 장기 drift 데이터를 공개해야 일반화 성능을 더 강하게 평가할 수 있다.
보고서 3. STARGATE 적용 전략
1) 가져올 운영 원리
- 제품보다 문제를 먼저 판다. 고객의 실제 업무흐름을 해부한 뒤 AI를 붙여 ROI를 만든다.
- 프로젝트를 모듈로 축적한다. 검색·분류·리서치·수요예측·콘텐츠 생성 같은 반복 기술을 재사용 가능한 블록으로 만든다.
- 범용 시장에서 수직시장으로 좁힌다. 데이터 축적과 영업 메시지를 하나의 산업 문제에 집중한다.
- 분석에서 실행으로 이동한다. 단순 리포트보다 입찰·가격·입지·교육 운영 등 실제 행동까지 연결한다.
2) STARGATE에 적용할 세 가지 제품축
| 제품축 | 데이터 | AI 역할 | 수익화 |
|---|---|---|---|
| Urban / Real-estate Decision Agent | 공시가격·실거래·교통·상권·토지·GIS | 입지 비교, 개발 시나리오, 수요·가격 변화 분석 | B2B 리포트·컨설팅·구독 |
| Public Opportunity Agent | 나라장터·공공데이터·입찰·지원사업 | 기회 탐색→적합도→제안초안→후속관리 | SME 구독·성과형 서비스 |
| Education Intelligence Agent | 강의·문항·학습로그·시장수요 | 개인화 커리큘럼, 문항생성, 학습성과 예측 | 교육기관 SaaS·콘텐츠 판매 |
3) 90일 실행안
| 기간 | 실행 | KPI |
|---|---|---|
| 0~30일 | 현재 대시보드 기능을 ‘수집 / 분석 / 예측 / 실행’ 4계층으로 재분류하고 공통 크롤러·RAG·리포트 모듈을 표준화한다. | 공통 모듈 6개, 데이터 소스 10개 표준화 |
| 31~60일 | 도시·입찰·교육 중 1개 수직시장을 선택해 실제 고객 업무 1개를 end-to-end agent로 연결한다. | PoC 3건, 업무시간 50% 절감 증명 |
| 61~90일 | 예측 기능 1개를 추가해 ‘대시보드’에서 ‘의사결정 시스템’으로 전환하고 유료 파일럿으로 반복매출을 검증한다. | 유료고객 3곳, 월 반복매출 시작 |
4) 경쟁·협력 시나리오
경쟁: 범용 AI 에이전트 구축시장에서는 달파와 정면승부하지 않는다. 자본·인재·레퍼런스 규모의 차이를 감안하면 수직 데이터 자산에 집중하는 편이 낫다.
협력: STARGATE가 구축한 도시·공공·교육 데이터셋과 달파의 에이전트·예측 스택을 결합하는 공동 PoC가 가능하다. 공간적·정책적 시나리오 분석은 소비재 중심의 달파와 보완관계를 만들 수 있다.
차별화: 데이터 표시형 대시보드를 넘어 정책·가격·입지·입찰 선택에 따른 다음 결과를 시뮬레이션하고 실행 workflow까지 연결하는 Decision Agent를 목표로 한다.
주요 출처
- DALPHA 공식 홈페이지 — 2026년 현재 World Model for Human Behavior 포지셔닝.
- Cobra Agent — 에이전트 구조와 회사 발표 벤치마크.
- 가격반응 예측 — Social World Model 적용 사례.
- DeepResearch Bench II 공식 리더보드 — 최신 순위 검증.
- OpenAI MLE-Bench PR #129 — 달파 제출 상태 검증.
- NICE평가정보 기반 기업 재무·국민연금 고용 데이터, 2026년 9월 조회.
- ZDNet Korea·전자신문·아시아경제의 2024 Pre-A 투자 및 2026 사업전략 보도.
주의: 기업 블로그·인터뷰의 성능·고객 성과 수치는 회사 발표값이며, 외부 벤치마크와 재무 데이터는 가능한 범위에서 별도 교차검증했다. 분석 기준일은 2026-09-18이다.