인공지능 이란? 인공지능의 모든 것! (미국 AI 관련주 37개 소개)

이 글에서는 인공지능의 역사, 인공지능의 학습 구조, 미국 주식 시장에 상장된 인공지능 관련 주식 37개 기업을 소개합니다. 

ai 관련주에 투자를 하고자 한다면먼저 인공지능 기술의 발전사와 현재의 기술 상태를 이해하는 것이 중요합니다. 그래야 올바는 기업을 골라 투자를 할 수 있게 됩니다. 

현재 미국 주식 뉴욕증권시장과 나스닥에 상장된 인공지능 관련주는 총 37개 회사가 존재합니다. AI 관련주는 소프트웨어 개발, 하드웨어 개발, 서비스 제공 회사 이렇게 3가지 부분으로 구분할 수 있습니다. 

 

1. 인공지능 소프트웨어 개발 관련주는 구글 알파벳을 포함해 11곳

2. 인공지능 하드웨어 개발 관련주는 엔비디아를 포함해 9곳

2. 인공지능 서비스 제공 관련주는  세일즈포스 닷컴을 포함해 총 17곳

 

보다 자세한 기업 리스트는 본문 하단 글을 참고하시면 됩니다. 

Cover

 

이글의 목차

 

인공지능(AI)이란?

인공지능은 컴퓨터 공학자 존 매카시가 맨 처음 사용한 용어입니다. 사람이 만든 인공물을 뜻하는 Artificial과 지능을 뜻하는 Intelligence를 더해 아티피셜 인텔리전스(Artificial Intelligence)라 부르며 영어 앞 글자만 따서 약자로 AI라고 합니다.

 

ai은 인간의 지적 사고, 추론, 인식 능력을 그대로 모방하고 흉내내는 방식으로 작동합니다. 마치 사람이 이 세상을 인식하는 것처럼 인공지능 또한 이 세상의 다양한 지역, 사람, 동식물, 사물 및 언어를 인식 및 구별해 낼수 있도록 합니다. 

 

인공지능은 사람들 간의 의사소통을 돕거나 다양한 문제 및 업무를 보다 효과적이면서 빠르고 안전하게 처리할 수 있도록 해줍니다.  

 

1956년 최초의 인공지능 컨퍼런스 당시 참가자들

인공지능의 역사 자체는 아직 매우 짧습니다. 1950년대 부터 본격적인 연구가 진행되어 현재는 안면인식, 음성인식, 번역, 자율주행, 금융 및 의료 서비스, 언론 기사 작성 등 매우 다양하고 광범위한 분야에 걸쳐 활발하게 연구되고 또 사용되고 있습니다.

 

최근 AI 기술 발전은 인간의 영역으로만 여겨졌던 다양한 창의적 예술 분야에도 인공지능이 적극 활용되어 작품 활동을 하고 있을 정도입니다.  

인공지능 시대를 열어젖힌 개척자 10인
존 매카시(John McCarthy), 마빈 민스키(M. L. Minsky), 클로드 섀넌(C. E. Shannon), 너대니얼 로체스터(N. Rochester), 트렌차드 모어(Trenchard More), 레이 솔로모노프(Ray Solomonoff), 앨런 뉴얼(Allen Newell), 허버트 사이먼(Herbert SImon), 아서 사무엘(Arthur Samuel), 올리버 셀프리지 (Oliver Selfridge)

 

2022.04.23 - [주식투자/미국 주식 정보] - 양자 컴퓨터 관련주 아이온큐 주가 및 기업 상세 분석 [소액 장기 투자 추천하는 이유]

양자 컴퓨터 관련주 아이온큐 주가 및 기업 상세 분석 [소액 장기 투자 추천하는 이유]

 

 

 

인공 지능의 종류

인공지능(AI)은 크게 2가지로 크게 구분합니다. 인간 수준의 지적 능력을 가진 범용 인공지능과 알파고처럼 특정한 분야의 계산에만 특화된 좁은 인공지능(특화형 AI)으로 나눌 수 있습니다. 

 

많은 컴퓨터 공학자들의 연구는 가장 인간과 흡사한, 닮은 범용 AI 기술 개발에 많은 노력을 기울이고 있습니다.  

 

 

범용 인공지능 (Artficial General Intelligence)

범용 인공지능은 인간처럼 스스로 학습하고 사고하는 능력을 키움으로써 인간처럼 스스로 생각하고 판단하며 행동하는 AI를 말합니다.

흔히 강한 인공지능이라 부르는 범용 AI 기술은 주로 영화에서 암울한 미래 사회를 주로 그릴때 단골로 등장하는  주제입니다.  

 

 

특화형 인공지능 (Narrow AI)

특화형 인공지능은 말 그대로 어떤 특정한 분야 또는 영역의 과업 및 문제 해결에 최적화된 AI입니다. 그래서 좁은 범위의 인공지능이라 부릅니다.

 

현재 많은 분야에서 사용중인 AI 기술 대부분이 바로 이 특화형 AI 기술입니다.

 

테슬라의 자율주행을 비롯해, 로봇, 핸드폰 얼굴 안면 인식 및 AI 음성 인식, 번역에 이르기까지 다양한 분야에서 이 특화형 인공지능 기술이 활발히 사용 및 개발되고 있습니다.

 

인간처럼 도로 표지판 읽고, 그 구조와 의미를 이해하고 처리하는 자연어 처리(NLP) 기술은 매우 광범위하고 다양한 영역에서 한참 기술 개발 및 실용화되고 있는 분야입니다.

 

현재는 이 특화형 인공지능을 활용해 복잡한 계산을 빠르게 처리한다든지 단순 반복적인 업무를 보다 효율적으로 처리하는 역할 중심으로 주로 활용되고 있습니다.  

 

 

>> [채권 투자 방법] 아주 쉽게 풀어쓴 채권매매 방법 (구매 및 거래 방법)

[채권 투자 방법] 아주 쉽게 풀어쓴 채권매매 방법 (구매 및 거래 방법)

 

 

 

인공 지능의 역사 

서두에서 밝혔다 시피 인공지능 역사는 아직 채 100년이 되지 못한 신생 분야입니다. AI 개발 역사는 제1차 붐을 시작으로 제2차 붐을 거쳐 우리가 살고 있는 현재를 제3차 붐 시대로 구분합니다.  

 

제1차 붐 - 추론과 탐색의 시대

1956년 인공지능 컨퍼런스 당시 참석자들 (*출처: medium.com)

인공지능 기술에 대한 학문적 탐구와 탐색이 이제 막 시작된 시대로 제1차 붐이라 부릅니다. 1956년 미국 다트머스(Dartmouth) 대학교에서 열린 컴퍼런스에서 최초로 '인공지능(AI)'라는 용어를 사용하게 되었습니다.

 

당시는 컴퓨터 산업도 지금처럼 성장한 때도 아니었으므로 대부분 간단히 입력한 텍스트를 컴퓨터 프로그램이 읽고 인간과 기초적인 대화를 나누는 수준 정도의 채팅봇을 만든 게 전부라 할 수 있습니다.  

그래서 이 시기를 AI의 개발 역사에서는 추론과 탐색의 시대로 부릅니다. 초보적 수준의 프로그램 개발을 통한 인공지능의 활용 가능성 정도를 시도하는 정도였습니다. 오늘날 딥러닝의 대명사가 된 알파고 알고리즘의 핵심이자 기초인 인공 신경망(ANN: artificial neural network) 개념도 바로 이 시기에 등장하게 됩니다. 

초기의 커다란 관심과는 별개로 이 흐름은 얼마가지 못해  열기는 식어버립니다. 이를 인공지능의 겨울 시대라 부릅니다. 당시의 컴퓨터 기술력으로는 한계가 많았기 때문입니다. 

 

 

제2차 붐 - 지식 표현의 시대

인공지능 기술 개발 기초 단계에선 생각보다 더뎠고 대부분 학문적 호기심 수준에 머물러 있었습니다. 

1996년 IBM 딥블루와 세계 체스 챔피언 가리 카스파로프 대국 장면

그러다가 1980년 부터 1990년대 제2차 인공지능 붐이 다시 일기 시작합니다. 일반 사람들에게 AI의 무궁한 활용 가능성을 각인시킨 사건이 이때 벌어집니다. 

바로 IBM이 만든 인공지능 컴퓨터 딥 블루(Deep Blue)가 당시 세계 체스 챔피언 가리 카스파로프를 상대로 한 체스 대국을 펼치게 됩니다. 첫 도전에서는 2대 4로 인간이 승리를 했지만, 2차 대전에서는 3.5대 2.5 점수 차로 딥 블루가 승리하게 됩니다.

이를 계기로 제2차 AI 붐 시기는 실제로 인공지능의 빠른 연산 능력을 십분 활용해 특정 산업 분야에서 활용되시 시작합니다.

 

인공지능 기술 도입이 빨랐던 산업 분야는 주로 금융 서비스나 회계 분야였습니다. 복잡한 수식을 빠르게 계산해 시뮬레이션한 결과 값을 보여줌으로써 사람의 의사 결정을 돕는 범위 내에서 주로 활용되었습니다.

 

 

제3차 붐 - 머신러닝의 시대 

제2차 인공지능 붐 이후 1995년 부터 2000년대 초반 무렵까지를 AI 역사에서는 인공지능의 2차 겨울 시대라 부릅니다.

 

그렇게 식어가든 AI 기술이 재조명 받기 시작한 것은 바로 인터넷 붐 덕분입니다. 인터넷은 세상 온갖 종류의 대량 데이터(빅데이터)를 온라인 공간에 쌓게 만들었습니다. 이제 이 빅 데이터(Big Data)를 인공지능 기술에 활용할 수 있게 된 것입니다. 

인터넷에서 모은 대량 데이터를 컴퓨터 알고리즘이 스스로 학습 하도록 하는 기계학습(Machine Learning) 기술 개발을 통해 인공지능 기술은 겨울에서 완연한 봄의 시대로 접어들게 됩니다.

 

이 시기부터 기계학습 모델인 머신러닝에서 인간의 신경망 작동 방식을 모델로 해 인공 신경망이란 알고리즘을 통해 인간의 개입 없이 컴퓨터 스스로 답을 찾아내는 심층학습 모델인 딥러닝(Deep Learning)의 시대로 본격 접어들게 됩니다.  

 

딥러닝은 대량의 데이터 학습을 통해 인간처럼 개와 고양이, 사과와 배를 구별하고 식별할 수 있는 추상적인 정보를 인식하고 그 속에서 특정한 패턴 공식을 발견하게 됩니다.

 

구글 알파고와 이세돌 9단이 펼친 세기의 바둑 대결 보다 10년 앞선 2011년 무렵 또 한 번의 인공지능 컴퓨터와 인간의 대결이란 주제로 세상 사람들 큰 관심과 주목을 끈 사건 하나가 만들어집니다. 

 

2011년 제퍼디 퀴즈쇼 IBM 인공지능 왓슨(Watson) 출연 장면

 

바로 IBM에서 만든 인공지능 왓슨(Watson)이 당시 미국 유명 퀴즈 쇼였던 제퍼디(Jeopardy)에 왓슨(Watson)이 출연해 인간과 대결에서 승리를 하게 됩니다. 

 

이후 소리소문 없이 이어온 점진적 AI 기술 개발은 구글 알파고와 이세돌 9단의 바둑 대국을 통해 인간의 능력을 능가하는 인공지능의 시대가 생각보다 가까이 와 있음을 일반 사람들에게 크게 각인시키는 계기가 되기도 했습니다.

 

지금은 생각보다 다양한 분야에서 이미 AI 기술을 활용해 업무 전선에 전진배치 중에 있습니다. 이런 속도라면 인간의 할 일은 대부분 인공지능으로 대체를 할 날도 멀지 않은 듯 보입니다.  

 

>> 워렌 버핏은 왜 ROE, ROA에 집중할까? [가치투자 기업분석의 핵심]

워렌 버핏은 왜 ROE, ROA에 집중할까? [가치투자 기업분석의 핵심]

 

 

 

 

인공지능의 학습 구조

 

기계학습 

기계학습은 영어로는 머신러닝(Machine Learning)이라고 합니다. 기계학습 단계는 기본적으로 컴퓨터가 이미 만들어 놓은 수많은 데이터를 스스로 학습하는 과정 속에서 일정한 규칙과 패턴을 찾습니다. 이를 분류하고 패턴화 하는 능력을 바탕으로 수많은 예측과 판단이 가능하도록 합니다. 

그러나 머신러닝 단계는 인간의 개입과 도움을 많이 필요로 하는 단계라 할 수 있습니다. 부정확한 결과 값을 출력하거나 하는 경우 사람이 일일이 판단해 오류를 수정해주어야 하는 경우가 많습니다.

 

머신러닝과 딥러닝의 가장 큰 차이는 바로 인간의 개입을 최소화 또는 간섭 없이도 인공지능 스스로 학습을 통해 올바른 결과 값을 출력하는가로 구분할 수 있습니다.    

 

 

기계학습 단계에서의 인공지능의 학습 방법에는 3가지 형태로 나눌수 있습니다. 

1. 지도학습 (Supervised Learning)
지도 학습 단계는 이미 참과 거짓이란 명확한 정답이 나와있는 데이터 값을 먼저 학습시키는 단계입니다. 학습된 방대한 데이터를 바탕으로 분류된 정보는 추후 입력되는 데이터 값과 비교 및 추론을 통해 특정한 트렌드 및 패턴을 예측하도록 하는 학습방법입니다. 

2. 비지도학습(Unsupervised Learning)

비지도 학습 단계는 지도학습 단계와 달리 데이터만 주어지게 됩니다. 인공지능 스스로 입력된 데이터에서 규칙이나 패턴을 발견해 답을 추론해 내는 학습 방법입니다. 

 

3. 강화학습(Reinforcement Learning)

강화학습은 인공지능이 학습을 통해 데이터에 대해 나름의 가치를 스스로 부여해 가면서 스스로 최적의 알고리즘을 찾도록 하는 학습 방식입니다.

 

강화학습의 대표적인 예가 자율주행입니다. AI 스스로 복잡한 도로 환경, 날씨를 파악할 뿐만 아니라 인간과 사물, 도로 표지판, 인접 차량의 속도 등을 인식하고 스스로 판단해 행동하며 학습해 나가게 됩니다.

로봇 강화학습의 가장 대표적이면서 유명한 사례로는 보스턴 다이내믹스의 로봇 아틀라스(Atlas)를 들 수 있습니다. 

 

2022.04.29 - [주식투자/미국 주식 정보] - 미국 배당성장주 추천 TOP 38 종목 (50년간 배당 늘려온 배당킹 2022년 리스트)

미국 배당성장주 추천 TOP 38 종목 (50년간 배당 늘려온 배당킹 2022년 리스트)

 

 

 

신경망 학습

컴퓨터가 기계 학습 과정을 통해 스스로 발견한 규칙이나 패턴을 통해 최적의 데이터 값을 자동으로 찾아 실행 처리를 할 수 있도록 하는 신경망 학습 기술입니다.

 

여러 레이어 층으로 구성된 신경망 노드에 입력된 데이터 값을 가지고 기존에 훈련된 데이터로부터 스스로 가중치(Weight)와 바이어스(bias)라 불리는 수학 모델인 파라미터(매개변수)를 찾아가며 최적의 값을 자동으로 찾아가도록 합니다.  

 

인간 두되의 신경망이 작동하는 원리와 구조를 흉내 낸 것입니다. 입력과 출력이란 여러 층위의 노드를 두고 그 사이에 수많은 유닛을 배치해 일종의 인공 신경망 회로 들 간의 데이터 입출력 구조를 만든 것입니다.

 

인공 신경망 입출력 방식은 총 3단계의 레이어 층 노드로 구성 됩니다. 

AI 딥러닝의 신경망 노드 구성

데이터가 입력되는 입력층(Input Layer) 과 최종 출력 값을 갖는 출력층(Output Layer)이 양 극단에 존재합니다. 입력층과 출력층 사이에 은닉층(Hidden Layer)을 만듭니다.

시스템 내부에 자리하고 있는 이 은닉층은 단일 또는 여러 레이어 층을 두어 각 레이어에 속한 노드가 입력된 데이터 값을 서로 주고받으면서 결과 값을 출력하게 됩니다.

 

그림은 미국 초대 대통령인 조지 워싱턴(George Washington)의 인물 사진을 가지고 인공지능이 이미지를 인식해 누구인지 구별해 내는 과정을 함축적으로 표현한 것입니다.

 

보다시피 여러개의 층위로 구성된 은닉층 레이어와 노드가 그물망처럼 복잡하게 서로 연결된 체로 데이터를 주고받으면서 최종 인식 결과 값을 산출하게끔 구성됩니다. 

 

따라서 은닉층 노구와 레이어 구성이 복잡해 할 수록 보다 정교한 결과 값을 산출할 확률이 높아지게 됩니다.  

 

이런 여러 레이어 층의 노드를 거치는 방식으로 상호 데이터를 주고받는 방식을 구조에 따라 인공 신경망, 다층 퍼셉트론, 피드 포워드 신경망 등 여러 가지 복잡한 용어로 부르기도 합니다만, 그건 여기까지!

 

신경망 학습 과정에서 보다 정확하고 올바른 결과 값을 얻기 위해서는 사전에 학습을 위한 엄청난 데이터를 필요로 하게 됩니다. 이런 방대한 양의 데이터를 빠르게 처리하며 학습을 하자면 속도에 걸맞은 빠른 연산 처리 장치가 필요함을 쉽게 알 수 있습니다. 

바로 이 과정에서 그래픽 연산 처리 장치인 엔비디아의 GPU가 집중 조명을 받게됩니다. GPU는 그래픽 처리 장치로 CPU와는 결을 달리하는 연산장치인데요.

 

GPU의 강점은 CPU와는 비교가 안될 정도로 이미지와 그래픽을 초고속으로 빠르게 연산하고 처리할 수 있다는 점입니다. 바로 이 점이 부각이 되면서 엔비디아(NVIDIA)가 인공지능 시대를 선도해날 기업으로 재조명되는 계기가 되기도 했습니다.  

 

 

 

딥러닝 학습

일반 신경망 학습 단계에서는 은닉층이 2~3개 정도에 불과하지만, 딥러닝 학습 단계에서는 이제 수백, 수천 개 이상의 은닉층 레이어와 노드는 한층 더 복잡한 구조를 띄게 됩니다. 

한마디로 말해 시간이 지날 수록 인공지능의 학습 방식 자체가 점점 더 인간의 뇌가 정보를 전달하고 받는 작동 방식을 그대로 닮아가는 식으로 발전하는 식입니다. 

 

뇌 속 뉴런이 정보를 전달하고 처리하는 방식처럼, 인공지능 또한 복잡한 인공적 네트워크 구조를 그물망처럼 오밀조밀 연결해 출력 값의 정확도를 점점 더 높이고자 하는 것입니다. 

 

2022.05.01 - [주식투자/Market Update] - 글로벌 메모리 반도체 회사 순위 Top 10 (매출 및 시장 점유율 확정치 기준)

글로벌 메모리 반도체 회사 순위 Top 10 (매출 및 시장 점유율 확정치 기준)

 

 

인공지능을 활용한 기술과 활용사례

현재 일상생활에서 체감할수 있는 AI 서비스로는 핸드폰을 통한 얼굴 안면 인식이나 애플의 시리(Siri)로 대표되는 인공지능 스피커처럼 사람의 말을 알아듣는 음성인식 서비스 등은 일상적으로 많이 사용되고 있습니다.

문서나 텍스트를 그대로 인공 성우 목소리로 변환시켜 읽어 주는 STT(Speech to text) 기술, 딥페이크 처럼 진짜와 가짜를 구별하기 힘들 정도 품질의 가짜 영상을 AI가 만들어 사람을 놀라게 하는 정도가 현재 일반인이 체감하는 정도가 아닐까 싶습니다.  

 

인공지능 기술은 이미 오래전부터 여러 산업 분야에서 본격적으로 사용되었습니다. 최근에는 신문 기사, 금융 보고서, 데이터 분석 등은 이미 AI이 직접 기사를 작성하고 보고서를 쓰기도 합니다.

 

구글에서 AI writing software로 검색해 찾아보면 이미 상용화된 인공지능 서비스도 꽤 많음을 알수 있습니다. 저도 실은 블로그 기사 작성을 AI에 맡겨볼까 하는 생각으로 일부 서비스를 체험해 보기도 했습니다만 한글 환경에선 아무래도 제약이 많더군요. 

 

여하튼, 표준화된 문서나 영문 매뉴얼 작성 등은 이미 인공지능이 대필해 주는 서비스 시대를 살고 있습니다. 

 

현재의 인공지능 기술 발전 속도가 무척 빠르고 과감하게 흐르고는 있지만, 인간처럼 사고하고 행동하는 수준까지 도달하기에는 아직 갈길이 멀지 않는가 하는 생각을 개인적으로 합니다.  

 

조지 길더(George Gilder)가 말한 것처럼, 인간은 아직 우리 뇌가 어떤 작동 방식을 통해 고유한 인간의 의식을 만들어 내는지에 관해서는 어떠한 메커니즘조차 과학적으로 규명을 하지 못한 상태에서, 그저 뇌의 뉴런처럼 복잡한 연결망만 구성해 둔다면 의식이 자동적으로 창발 하는 식의 생각은 인간의 오만에 지나지 않는다는 지적에 대해서는 동의할 수밖에 없습니다. 

 

그럼에도 불구하고...

 

분명한 것은 보다 다양한 산업 분야에서 갈수록 적극적으로 인공지능 도입할 것이란 예상만은 분명해 보입니다. 기계는 그저 묵묵히 시킨 일만 할 뿐 사람들처럼 보채거나 달래줘야 하는 식의 인정욕구에 갈증을 느끼지 않기 때문이기도 할 텐데요. 

 

사실 특정 직군이나 직업이 위태롭다는 것을 넘어서 인간이 하는 대부분의 일은 직간접적으로 AI의 도움을 받거나 혹은 아예 인공지능으로 업무가 대체될 날도 그리 멀지는 않은 것 같습니다.

 

마지막으로, 그렇다면 앞으로 펼쳐질 인공지능 시대를 위해 투자자적 관점에서 예의주시 해 보아야 할 인공지능 기술개발 관련 회사들은 어떤곳이 있는지 목록으로 한번 알아보도록 하겠습니다. 

 

 

 

 

 

 

미국 AI 인공지능 관련주 37 종목 소개

미국 주식 시장에는 NYSE 및 나스닥에 상장된 AI 인공지능 관련 주식은 총 37개 기업입니다.

참고로, 현재 AI 관련 사업을 추진 또는 진행중인 미국 회사들을 사실 수백곳이 넘습니다. 예를들면 지금은 존재감 조차 사라진 스마트폰 제조자 블랙베리(BB) 또한 현재 AI 사이버보안 관련 분야에서 인공지능 솔루션 제공 사업을 추진하고 있지만 AI기업으로 분류가 되기도 합니다.  

 

추가로 관심 섹터별 투자 종목 발굴 방법에 관해서는 이 연관글을 읽으면 도움이 됩니다.   

https://moneyway.tistory.com/163

미국 성장주 인공지능 & 로봇 관련주 종목 발굴법

 

 

인공지능 AI 소프트웨어 개발 회사, AI 하드웨어 개발 업체 그리고 인공지능 AI 서비스를 제공하는 회사 이렇게 3부분으로 구분할 수 있습니다. 

 

Q. AI 인공지능 소프트웨어 관련주는 어떤 종목이 있나요?

A. 미국 상장 주식중 AI 인공지능 관련 소프웨어 개발 회사는 구글 알파벳을 포함해 총 11개 기업이 입니다. 

미국 AI 소프트웨어 개발	티커
알파벳	(GOOGL)
아마존	(AMZN)
아이비엠	(IBM)
마이크로소프트	(MSFT)
애플	(APPL)
페이스북	(FB)
테슬라 모터스	(TSLA)
뉘앙스 커뮤니케이션즈	(NUAN)
인투잇	(INTU)
모바일 아이	(MBLY)
씨쓰리에이아이(C3AI)	(AI)

 

 

Q. AI 인공지능 하드웨어 관련주는 어떤 종목이 있나요?

A. 현재 미국 상장 주식 중 AI 인공지능 관련 하드웨어 개발 회사는 엔비디아를 포함해 총 9개 기업이 있습니다.   

AI 하드웨어 개발	티커
엔비디아	(NVDA)
인텔	(INTC)
마이크론 기술	(MU)
케이던스 디자인 시스템	(CDNS)
자일링스	(XLNX)
에퀴닉스	(EQIX)
아리스타 네트웍스	(ANET)
크라운 캐슬 인터내셔널	(CCI)
온세미컨덕터	(ON)

 

 

Q. AI 인공지능 서비스 관련주는 어떤 종목이 있나요?

A. 현재 미국 시장에 상장중인 AI 인공지능 서비스 제공 업체는 세일즈포스 닷컴을 포함해 총 17개 기업이 있습니다.  

AI 서비스 활용	티커
세일즈포스 닷컴	(CRM)
스플렁크	(SPLK)
옐프	(YELP)
서비스 나우	(NOW)
에퀴팩스	(EFX)
렌딩트리	(TREE)
액티비전 블리자드	(ATVI)
팔로알토네트워크	(PANW)
어도비 시스템즈	(ADBE)
코너스톤 온디맨드	(CSOD)
아메리칸 타워	(AMT)
웨스턴 디지털	(WDC)
트위터	(TWTR)
스퀘어	(SQ)
페이팔 홀딩스	(PYPL)
젠데스크	(ZEN)
크리테오	(CRTO)

 

 

 

2022.05.06 - [주식투자/미국 주식 정보] - AMD 주가 시세 전망 및 기업분석

AMD 주가 시세 전망 및 기업분석

 

결론 및 요약 

이상 AI의 모든 것, 인공지능이란 무엇인지 그 개념에서 부터 발전해온 역사 및 기술 발전 단계까지 자세히 알아보았습니다.

 

특히, AI 관련주에 직접 투자를 하기 위해 AI 관련주를 찾는 투자자 분들이라면 그 전에 먼저 현재의 AI 기술 발달이 어떤 단계를 거쳐서 오늘날의 인공지능 기술로 까지 발전하게 되었는지 먼저 역사를 이해하는 것이 중요합니다. 

 

그렇게 이해를 하고 있을 때, 그렇다면 현재 AI 기술이 종국에 나가고자 하는 방향을 이해할 수 있게 됩니다. 그래야 인공지능 소프트웨어 혹은 하드웨어 또는 서비스를 제공하는 회사에 투자를 할 것 인지를 고려해 볼 수 있게 됩니다. 

다시 정리하면 현재 미국 주식 시장에 상장된 인공지능 관련주는 총 37 곳이 있습니다. 인공지능 소프트웨어 개발 회사 11 곳, 인공지능 하드웨어 개발 업체 9곳, 인공지능 서비스 제공 업체 17개 기업이 경쟁중에 있습니다. 

 

2022.04.20 - [주식투자/테마주 정보] - 양자 컴퓨터 관련주 국내 현황 및 미국 양자 컴퓨터 관련주 총정리!

양자 컴퓨터 관련주 국내 현황 및 미국 양자 컴퓨터 관련주 총정리!