AI 주식 투자 꼭 알아야 할 용어 정리

2026. 1. 19.

목차

Toggle

🎯 왜 AI 용어를 알아야 할까?

AI 주식 투자에서 전문 용어 이해는 선택이 아닌 필수입니다.

“팔란티어의 AIP가 RAG 기술을 활용해 엔터프라이즈 LLM 시장을 공략한다”

이 문장을 이해하지 못한다면, 실적 발표나 애널리스트 리포트를 읽어도 제대로 된 투자 판단이 불가능합니다.

💡 용어 이해의 3가지 이점

① 기업 분석 능력 향상

• 실적 발표 내용을 정확히 이해
• 기술 경쟁력을 객관적으로 평가
• 허위 과장 광고와 실질적 혁신 구분

② 투자 타이밍 포착

• 신기술 트렌드 조기 파악
• 시장 변화 선제적 대응
• 저평가/고평가 종목 구별

③ 리스크 관리

• 기술적 한계 이해로 과도한 기대 방지
• 규제 리스크 사전 파악
• 경쟁 구도 변화 감지

📖 용어 분류 한눈에 보기

🤖 AI 기술 용어 (10개)

• 생성형 AI
• LLM
• LMM
• 멀티모달 AI
• 파인튜닝
• 프롬프트 엔지니어링
• RAG
• AGI
• ASI
• AI 할루시네이션

💼 비즈니스 용어 (6개)

• ARPU
• 토큰
• API
• SaaS
• NRR
• 프리미엄

🖥️ 인프라 용어 (7개)

• GPU
• HBM
• NPU
• 클라우드 컴퓨팅
• TPU
• 추론
• 벡터 데이터베이스

📈 투자 지표 용어 (5개)

• PER
• P/S Ratio
• Churn Rate
• FCF
• TAM

🔒 리스크 용어 (3개)

• AI Act
• 딥페이크
• AI 정렬

🤖 AI 기술 핵심 용어

생성형 AI

영문명: Generative AI

정의

• 텍스트, 이미지, 음성, 코드 등을 자동으로 생성하는 AI 기술
• 대표 예시: ChatGPT, Gemini, DALL-E, Midjourney

투자 관점

• 생성형 AI 기능 탑재 여부가 소프트웨어 기업 밸류에이션에 직접 영향
• 월간 활성 사용자(MAU) 수가 성장성 지표

관련 기업

• OpenAI (마이크로소프트 파트너)
• Google Gemini
• Meta Llama

LLM

영문명: Large Language Model
한글명: 대규모 언어 모델

정의

• 수십억~수조 개의 파라미터로 학습된 초대형 언어 AI 모델
• 자연어 이해 및 생성 능력 보유

주요 지표

• 파라미터 수: 모델 규모 (GPT-4: 1.76조 개 추정)
• 컨텍스트 윈도우: 한 번에 처리 가능한 텍스트 길이
• 벤치마크 점수: MMLU, HumanEval 등 성능 평가 지표

투자 시 체크포인트

• 자체 LLM 보유 여부
• 타사 LLM 의존도
• API 호출 비용 구조

LMM

영문명: Large Multimodal Model
한글명: 대규모 멀티모달 모델

정의

• LLM의 진화형으로 텍스트뿐만 아니라 이미지, 음성, 비디오를 함께 처리하는 AI 모델
• 하나의 통합 모델로 여러 형태의 입력과 출력 처리

LLM과의 차이점

• LLM: 텍스트 중심 처리
• LMM: 텍스트 + 이미지 + 음성 + 비디오 통합 처리

대표 모델

• GPT-4V: OpenAI의 비전 기능 통합 모델
• Gemini Ultra: 구글의 네이티브 멀티모달 모델
• Claude 3: Anthropic의 이미지 이해 모델

비즈니스 중요성

• LLM보다 훨씬 넓은 응용 분야
• 자율주행, 의료 진단, 로봇공학 등 실생활 적용

투자 시사점

• LMM 기술 보유 기업의 시장 가치 상승
• 멀티모달 데이터 처리 능력이 차세대 경쟁력
• 단일 모달 AI 기업 대비 높은 성장 잠재력

관련 기업

• OpenAI (GPT-4V)
• Google (Gemini)
• Anthropic (Claude 3)

멀티모달 AI

영문명: Multimodal AI

정의

• 텍스트, 이미지, 음성, 비디오를 통합 처리하는 AI
• 하나의 모델로 여러 형태의 데이터 이해 및 생성

대표 모델

• GPT-4 Turbo (텍스트 + 이미지)
• Gemini 2.0 (텍스트 + 이미지 + 음성 + 비디오)
• Claude 3 (텍스트 + 이미지)

투자 관점

• 단일 모달보다 높은 활용도와 시장 가치
• 응용 분야 확장 가능성 큼

파인튜닝

영문명: Fine-tuning

정의

• 사전 학습된 AI 모델을 특정 목적에 맞게 추가 학습시키는 기술
• 기업별 맞춤형 AI 구축에 필수

비즈니스 활용

• 기업 내부 데이터로 AI 커스터마이징
• 산업별 특화 AI 솔루션 개발

투자 시사점

• 파인튜닝 서비스 제공 기업의 엔터프라이즈 시장 경쟁력
• 높은 전환 비용(Switching Cost)으로 고객 락인 효과

프롬프트 엔지니어링

영문명: Prompt Engineering

정의

• AI에게 원하는 결과를 얻기 위해 질문이나 명령을 최적화하는 기술
• AI 활용 효율성을 결정하는 핵심 스킬

기업 가치

• 프롬프트 최적화 도구 제공 기업 성장
• 기업 교육 및 컨설팅 시장 확대

관련 기업

• Anthropic (Claude with Prompt Caching)
• OpenAI (GPT Store)

RAG

영문명: Retrieval-Augmented Generation

정의

• AI가 외부 데이터베이스에서 정보를 검색해 더 정확한 답변을 생성하는 기술
• LLM의 할루시네이션 문제 해결

비즈니스 중요성

• 기업 내부 문서 기반 AI 구축에 필수
• 실시간 정보 업데이트 가능

투자 관점

• RAG 기반 솔루션 제공 기업의 엔터프라이즈 경쟁력
• 벡터 데이터베이스 기업 성장 (Pinecone, Weaviate 등)

AGI

영문명: Artificial General Intelligence
한글명: 인공 일반 지능

정의

• 인간과 같은 수준의 범용 지능을 가진 AI
• 특정 작업이 아닌 모든 인지 작업을 인간 수준으로 수행

현재 수준

• 아직 달성되지 않은 미래 기술
• 현재의 AI는 ANI (Artificial Narrow Intelligence, 약한 AI)

AGI 달성 예상 시기

• OpenAI: 2027년경 예상
• Google DeepMind: 2030년대 초반
• 대부분 전문가: 2030~2050년 사이

비즈니스 영향

• AGI 달성 시 산업 전반의 근본적 변화
• 지식 노동자 대체 가능성
• 새로운 비즈니스 모델 창출

투자 시사점

• AGI 연구 투자 기업의 장기 잠재력
• AGI 달성 경쟁에서 선두 기업 주목
• 단, 실현 시기 불확실성 고려 필요

주요 연구 기업

• OpenAI (Sam Altman의 적극적 AGI 추구)
• Google DeepMind (체계적 연구 접근)
• Anthropic (안전한 AGI 개발 강조)

ASI

영문명: Artificial Super Intelligence
한글명: 인공 초지능

정의

• 모든 영역에서 인간 지능을 초월하는 AI
• AGI를 넘어선 차세대 단계

AGI와의 차이

• AGI: 인간과 같은 수준의 지능
• ASI: 인간을 넘어서는 초월적 지능

잠재적 영향

• 과학 기술의 폭발적 발전
• 인류 문명의 근본적 변화
• 통제 불가능성에 대한 우려

투자 관점

• 극히 장기적 전망 (2050년 이후)
• 현 시점에서 직접적 투자 대상 아님
• AI 안전성 연구 기업의 중요성 증가

관련 논의

• Elon Musk, Stephen Hawking 등 우려 표명
• AI 정렬(Alignment) 문제의 중요성
• 국제적 AI 안전 규제 논의

AI 할루시네이션

영문명: AI Hallucination

정의

• AI가 사실과 다른 그럴듯한 정보를 생성하는 현상
• LLM이 학습하지 않은 내용을 마치 사실처럼 만들어내는 문제

발생 원인

• 학습 데이터 부족: 질문에 대한 정보가 학습 데이터에 없음
• 확률적 생성 방식: AI는 확률 기반으로 다음 단어 예측
• 과신(Overconfidence): 불확실한 정보도 확신에 찬 어조로 답변

실제 사례

• 존재하지 않는 법률 판례 생성
• 가짜 논문 인용 및 저자 날조
• 허구의 역사적 사건 서술

비즈니스 리스크

• 기업 의사결정 오류 유발
• 법적 책임 문제 발생 가능
• 브랜드 신뢰도 훼손

해결 방안

• RAG 기술: 외부 데이터베이스에서 실제 정보 검색
• 사실 확인 레이어: 생성된 답변 검증 시스템
• 불확실성 표시: “확실하지 않음” 명시
• 인간 검토: 중요 결정은 사람이 최종 확인

투자 시사점

• 할루시네이션 해결 기술 보유 기업 경쟁력 높음
• 엔터프라이즈 AI에서 특히 중요한 이슈
• 의료, 법률, 금융 등 정확성 필수 분야는 할루시네이션 대응 필수

관련 기업

• Anthropic: Constitutional AI로 정확성 강화
• Google: 검색 통합으로 사실 확인
• OpenAI: RLHF로 할루시네이션 감소 노력

💼 AI 비즈니스 모델 용어

ARPU

영문명: Average Revenue Per User
한글명: 사용자당 평균 매출

정의

• 사용자 1명이 창출하는 평균 매출액
• 계산식: 총 매출 ÷ 전체 사용자 수

AI 산업 적용

• AI 기능 추가로 ARPU 상승 효과
• 프리미엄 티어 도입 시 핵심 지표

투자 판단 기준

• ARPU 증가율이 사용자 증가율보다 중요
• AI 기능으로 가격 인상 정당화 가능 여부

실제 사례

• Microsoft 365 Copilot: 월 $30 추가로 ARPU 대폭 상승
• Adobe Creative Cloud: AI 기능으로 20% 가격 인상 성공

토큰

영문명: Token

정의

• AI 모델이 텍스트를 처리하는 최소 단위
• 대략 영어 단어의 75% 길이 (한글은 더 많은 토큰 소요)

비즈니스 중요성

• API 사용료 책정 기준
• 컨텍스트 윈도우 크기 측정 단위

가격 구조

• GPT-4: 입력 $0.03/1K 토큰, 출력 $0.06/1K 토큰
• Claude 3: 입력 $0.015/1K 토큰, 출력 $0.075/1K 토큰

투자 시사점

• 토큰당 비용 절감이 수익성 개선 핵심
• 효율적인 토큰 사용 기술 보유 기업 주목

API

영문명: Application Programming Interface

정의

• AI 모델을 외부 애플리케이션에서 사용할 수 있게 하는 인터페이스
• 개발자가 AI 기능을 자신의 서비스에 통합

비즈니스 모델

• 사용량 기반 과금 (Pay-as-you-go)
• API 호출 횟수로 매출 창출

투자 관점

• API 호출량 증가율이 플랫폼 확장성 지표
• 개발자 생태계 규모가 장기 성장 잠재력 결정

주요 제공 기업

• OpenAI API (GPT-4, GPT-4 Turbo)
• Google Vertex AI API
• Anthropic Claude API

SaaS

영문명: Software as a Service
한글명: 서비스형 소프트웨어

정의

• 클라우드 기반 구독형 소프트웨어 모델
• 설치 없이 웹/앱으로 이용, 월/년 단위 구독료 지불

AI SaaS 특징

• AI 기능 추가로 구독료 인상 용이
• 높은 마진율 (70~80%)
• 예측 가능한 반복 매출 (Recurring Revenue)

주요 지표

• MRR (Monthly Recurring Revenue): 월 반복 매출
• ARR (Annual Recurring Revenue): 연 반복 매출
• Churn Rate: 고객 이탈률

대표 기업

• Salesforce (Einstein GPT)
• Adobe (Creative Cloud)
• Microsoft (Microsoft 365)

NRR

영문명: Net Revenue Retention
한글명: 순 매출 유지율

정의

• 기존 고객으로부터 발생하는 매출 증감률
• 계산식: (기존 고객 매출 + 추가 구매 – 이탈) ÷ 기존 고객 매출 × 100

해석 기준

• 100% 이상: 기존 고객 매출 증가 (건강한 성장)
• 120% 이상: 매우 우수한 수준
• 100% 미만: 고객 이탈 또는 다운그레이드

AI 산업 적용

• AI 기능 추가로 기존 고객 업그레이드 유도
• 높은 NRR이 장기 성장 가능성 입증

실제 사례

• Snowflake: NRR 140% 이상 (AI 데이터 분석 수요 증가)
• Datadog: NRR 130% 수준 (AI 모니터링 서비스 확대)

프리미엄

영문명: Freemium

정의

• 기본 기능은 무료, 고급 기능은 유료로 제공하는 비즈니스 모델
• Free(무료) + Premium(프리미엄)의 합성어

AI 산업 활용

• 무료 사용자 확보 후 AI 고급 기능으로 전환 유도
• 바이럴 성장에 유리

전환율

• 무료 사용자 중 유료 전환 비율 (Conversion Rate)
• 일반적으로 2~5% 수준

대표 사례

• ChatGPT: 무료 GPT-3.5 → 유료 GPT-4 ($20/월)
• Notion AI: 무료 Notion → AI 기능 추가 ($10/월)
• Canva: 무료 디자인 도구 → AI 기능 유료화

🖥️ AI 인프라 용어

GPU

영문명: Graphics Processing Unit
한글명: 그래픽 처리 장치

정의

• 원래 그래픽 처리용이었으나 AI 학습에 필수적인 병렬 연산 칩
• CPU보다 수천 배 빠른 AI 연산 처리

시장 현황

• 엔비디아가 AI GPU 시장 80% 이상 점유
• 공급 부족으로 가격 급등 (H100 칩당 $30,000~$40,000)

주요 제품

• 엔비디아 H100: 현재 AI 학습 표준 GPU
• 엔비디아 H200: H100 후속작, 메모리 개선
• 엔비디아 B100: 2025년 출시, 차세대 GPU

투자 시사점

• AI 기업의 GPU 확보 능력이 경쟁력 결정
• 클라우드 기업의 GPU 투자 규모 주목

HBM

영문명: High Bandwidth Memory
한글명: 고대역폭 메모리

정의

• AI 칩(GPU, NPU)에 사용되는 초고속 메모리
• 기존 DRAM보다 5~10배 빠른 데이터 전송 속도

기술적 중요성

• AI 모델 크기 증가로 메모리 병목 현상 심화
• HBM이 AI 칩 성능의 핵심 결정 요소

HBM 세대별 발전

• HBM2: 엔비디아 A100에 사용
• HBM2e: 엔비디아 H100에 사용
• HBM3: 엔비디아 H200에 사용
• HBM3e: 2026년 차세대 GPU에 탑재 예정

시장 구조

• SK하이닉스: HBM 시장 점유율 1위 (약 50%)
• 삼성전자: HBM 시장 점유율 2위 (약 40%)
• 마이크론: 후발주자로 시장 진입 중

공급 상황

• 2026년 현재 HBM 공급 부족 지속
• AI 수요 폭증으로 2027년까지 공급 부족 예상
• 가격 상승으로 HBM 제조사 수익성 급등

투자 시사점

• HBM 제조 기업의 높은 성장성 (SK하이닉스, 삼성전자)
• AI 칩 기업의 HBM 확보 능력이 경쟁력
• HBM 부족이 AI 기업 성장의 병목 요인

관련 기업

• SK하이닉스: HBM 시장 1위, 엔비디아 주요 공급사
• 삼성전자: HBM3e 양산 본격화
• 마이크론: HBM3e 2026년 하반기 출시 예정

NPU

영문명: Neural Processing Unit
한글명: 신경망 처리 장치

정의

• AI 연산에 특화된 전용 프로세서
• 스마트폰, PC, 엣지 디바이스에 내장되는 온디바이스 AI 칩

GPU vs NPU 차이

• GPU: 대규모 AI 학습 및 서버용 추론
• NPU: 저전력 온디바이스 AI 추론 전용

주요 특징

• 낮은 전력 소비 (배터리 효율)
• 실시간 AI 처리 (음성 인식, 이미지 처리)
• 프라이버시 보호 (클라우드 전송 불필요)

주요 제품

• Apple Neural Engine: iPhone, Mac에 탑재
• Qualcomm Hexagon: 스냅드래곤 칩에 내장
• Google Tensor: Pixel 스마트폰 전용
• AMD XDNA: PC용 AI 가속기
• Intel AI Boost: 코어 울트라 프로세서

시장 동향

• 2026년 출시 PC의 80% 이상 NPU 탑재
• Windows 11의 “AI PC” 요구사항으로 NPU 필수화
• 온디바이스 AI 수요 급증으로 NPU 시장 폭발적 성장

비즈니스 중요성

• 클라우드 AI 비용 절감
• 실시간 응답 속도 개선
• 개인정보 보호 강화

투자 시사점

• NPU 설계 기업 (Qualcomm, AMD, 애플)
• 온디바이스 AI 소프트웨어 기업
• 엣지 AI 반도체 시장 급성장 예상

클라우드 컴퓨팅

영문명: Cloud Computing

정의

• 인터넷을 통해 서버, 스토리지, 컴퓨팅 파워를 제공하는 서비스
• AI 모델 학습 및 서비스에 필수 인프라

AI 특화 서비스

• AWS: SageMaker (AI 모델 개발 플랫폼)
• Microsoft Azure: Azure AI, OpenAI 서비스
• Google Cloud: Vertex AI, TPU 제공

투자 관점

• AI 워크로드 증가로 클라우드 매출 급증
• 마이크로소프트 Azure: AI로 전년 대비 78% 성장
• Google Cloud: AI로 65% 성장

TPU

영문명: Tensor Processing Unit
한글명: 텐서 처리 장치

정의

• 구글이 AI 연산을 위해 자체 개발한 맞춤형 칩
• GPU보다 특정 AI 작업에서 더 효율적

경쟁 구도

• 구글 TPU vs 엔비디아 GPU
• AWS Trainium, 마이크로소프트 Maia 등 자체 칩 개발 경쟁

투자 시사점

• 자체 AI 칩 보유 기업의 비용 경쟁력
• 엔비디아 의존도 감소 추세

추론

영문명: Inference

정의

• 학습된 AI 모델이 실제 사용자 요청에 답변을 생성하는 과정
• 학습(Training)과 구분되는 운영 단계

비즈니스 중요성

• 추론 비용이 AI 서비스 수익성 결정
• 추론 최적화 기술이 경쟁력

비용 구조

• 학습: 일회성 대규모 투자
• 추론: 사용자 증가에 따른 지속적 비용

투자 관점

• 추론 효율성 개선 기술 보유 기업 주목
• 추론 전용 칩 개발 기업 (Groq, Cerebras 등)

벡터 데이터베이스

영문명: Vector Database

정의

• AI 모델이 이해할 수 있는 형태로 데이터를 저장하는 특수 데이터베이스
• RAG 구현에 필수적

작동 원리

• 텍스트, 이미지를 숫자 벡터로 변환해 저장
• 유사도 검색으로 관련 정보 빠르게 추출

시장 성장

• 엔터프라이즈 AI 도입과 함께 급성장
• 2026년 시장 규모 50억 달러 예상

주요 기업

• Pinecone (벡터 DB 전문)
• Weaviate (오픈소스 벡터 DB)
• Chroma (임베딩 데이터베이스)

📈 AI 주식 투자 지표 용어

PER

영문명: Price to Earnings Ratio
한글명: 주가수익비율

정의

• 주가를 주당순이익(EPS)으로 나눈 값
• 계산식: 주가 ÷ EPS

해석 기준

• 낮을수록 저평가, 높을수록 고평가
• AI 기업은 성장성으로 높은 PER 정당화

AI 기업 PER 수준 (2026년 1월 기준)

• 엔비디아: 약 50배 (고성장 반도체)
• 마이크로소프트: 약 35배 (안정적 성장)
• 메타: 약 25배 (광고 매출 회복)

투자 판단

• PER만으로 판단하지 말고 성장률과 함께 고려
• PEG Ratio = PER ÷ 성장률도 활용

P/S Ratio

영문명: Price to Sales Ratio
한글명: 주가매출비율

정의

• 시가총액을 매출로 나눈 값
• 적자 기업 평가에 유용 (순이익 없어도 평가 가능)

계산식

• 시가총액 ÷ 연간 매출

해석

• AI 스타트업 평가에 자주 활용
• 매출 증가율이 높으면 높은 P/S 정당화 가능

AI 기업 P/S 수준

• 고성장 AI SaaS: 15~25배
• 안정적 성장 소프트웨어: 8~12배
• 전통 소프트웨어: 5~8배

Churn Rate

영문명: Churn Rate
한글명: 고객 이탈률

정의

• 일정 기간 동안 서비스를 그만둔 고객 비율
• 계산식: 이탈 고객 수 ÷ 전체 고객 수 × 100

중요성

• SaaS 비즈니스 건전성의 핵심 지표
• 낮을수록 우수 (월 2% 이하가 이상적)

AI 서비스 이탈률

• AI 기능 탑재 서비스: 평균 3% 미만
• 일반 SaaS: 평균 5~7%

투자 관점

• 이탈률 낮은 기업 = 제품 경쟁력 우수
• AI 기능이 이탈률 감소에 기여

FCF

영문명: Free Cash Flow
한글명: 잉여현금흐름

정의

• 기업이 영업활동으로 벌어들인 현금에서 자본 지출을 뺀 금액
• 계산식: 영업현금흐름 – 자본지출

중요성

• 실제 기업이 쓸 수 있는 현금
• 배당, 자사주 매입, 투자 재원

AI 기업 특징

• 초기 AI 투자 단계: FCF 마이너스 가능
• 수익화 단계: FCF 급증

투자 판단

• FCF 마진 = FCF ÷ 매출 × 100
• 20% 이상이면 우수한 수준

TAM

영문명: Total Addressable Market
한글명: 전체 시장 규모

정의

• 제품/서비스가 도달할 수 있는 최대 시장 규모
• 성장 잠재력 평가에 필수

AI 시장 TAM (2026년)

• AI 소프트웨어: 약 2,000억 달러
• AI 인프라: 약 1,500억 달러
• AI 반도체: 약 1,000억 달러

투자 시사점

• TAM 대비 현재 시장 점유율로 성장 여력 판단
• TAM 확대 추세도 중요 (시장 자체가 성장 중)

예시

• 마이크로소프트 Copilot TAM: Office 365 가입자 4억 명
• 어도비 Firefly TAM: 크리에이터 경제 3억 명

🔒 AI 규제 및 리스크 용어

AI Act

영문명: AI Act
한글명: EU AI 규제법

정의

• EU가 2024년 통과시킨 세계 최초의 포괄적 AI 규제법
• 위험도에 따라 AI 시스템 분류 및 규제

4단계 분류

• 금지: 사회 신용 점수, 무차별 감시 등
• 고위험: 채용, 의료, 금융 등 (엄격한 규제)
• 중위험: 챗봇 등 (투명성 요구)
• 저위험: 게임 등 (최소 규제)

기업 영향

• EU 시장 진출 시 컴플라이언스 비용 증가
• 규제 대응 역량이 경쟁력

투자 관점

• 컴플라이언스 팀 구축 여부 확인
• 규제 준수 인증 획득 현황

딥페이크

영문명: Deepfake

정의

• AI로 생성한 가짜 이미지, 영상, 음성
• 악용 시 사회적 문제 발생 (선거 조작, 사기 등)

규제 동향

• 각국에서 딥페이크 생성 및 유포 규제 강화
• 플랫폼 기업의 탐지 및 차단 의무화

투자 시사점

• 딥페이크 탐지 기술 기업 성장 (Reality Defender 등)
• AI 윤리 및 안전 기술 중요성 증가

AI 정렬

영문명: AI Alignment

정의

• AI 시스템이 인간의 가치와 목표에 부합하도록 만드는 것
• 안전한 AI 개발의 핵심

중요성

• AI가 강력해질수록 정렬 실패 시 위험 증가
• 장기적 AI 안전성 확보

관련 기업

• Anthropic (Constitutional AI로 안전성 강조)
• OpenAI (Superalignment 팀 운영)

투자 시사점

• AI 안전성 연구 투자 기업 장기 경쟁력
• 규제 환경에서 유리한 위치

✅ 용어 활용 투자 체크리스트

📋 기술 경쟁력 평가

확인 사항

• 자체 LLM/LMM 보유 또는 독점 파트너십
• 멀티모달 AI 지원 여부
• RAG 기술 활용 수준
• 할루시네이션 문제 해결 방안
• AI 정렬 및 안전성 투자
• AGI 연구 투자 현황

💼 비즈니스 모델 평가

확인 사항

• SaaS 모델 적용 여부
• ARPU 증가 추세
• NRR 120% 이상 유지
• Churn Rate 3% 미만
• 프리미엄 전환율 개선

🖥️ 인프라 경쟁력 평가

확인 사항

• GPU 확보 능력
• HBM 공급 계약 현황
• NPU 개발 또는 탑재 계획
• 클라우드 파트너십 현황
• 추론 효율성 최적화
• 자체 AI 칩 개발 계획
• API 호출량 증가율

📈 재무 지표 평가

확인 사항

• PER 대비 성장률 적정성
• P/S Ratio의 정당화 가능성
• FCF 전환 시점 및 마진
• TAM 대비 성장 여력
• AI 관련 매출 비중

🔒 리스크 평가

확인 사항

• EU AI Act 컴플라이언스
• 저작권 분쟁 리스크
• 딥페이크 대응 체계
• 할루시네이션 관리 시스템
• 데이터 프라이버시 보호
• AI 윤리 정책 수립

🎯 용어 이해가 투자 성공의 시작

AI 주식 투자에서 전문 용어를 정확히 이해하는 것은 필수입니다.

💡 핵심 포인트

기술 용어 이해

• 생성형 AI, LLM, LMM, 멀티모달, AGI, ASI 등 기술 트렌드 파악
• 기업의 실제 기술력 평가 가능
• 할루시네이션 같은 기술적 한계 이해

비즈니스 용어 이해

• ARPU, NRR, Churn Rate 등으로 사업 건전성 판단
• 수익화 능력 및 성장 지속 가능성 평가

인프라 용어 이해

• GPU, HBM, NPU, 클라우드 등 원가 구조 파악
• 수익성 개선 가능성 판단
• 온디바이스 AI 트렌드 이해

재무 지표 이해

• PER, P/S, FCF 등으로 적정 밸류에이션 평가
• 과대/과소 평가 여부 판단

리스크 용어 이해

• AI Act, 저작권, 할루시네이션 등 리스크 요인 파악
• 장기 투자 안정성 평가

🚀 다음 단계

이 용어들을 바탕으로 각 AI 기업의 실적 발표, 기술 블로그, 애널리스트 리포트를 읽으면 훨씬 깊이 있는 투자 판단이 가능합니다.

투자는 이해에서 시작됩니다. 용어를 정확히 알고, 기업을 제대로 분석하고, 현명한 투자 결정을 내리시기 바랍니다.

💪 실전 활용 팁

실적 발표 읽을 때

• “AI 관련 매출” → ARPU, NRR 증가율 확인
• “GPU 투자 확대” → 인프라 경쟁력 강화 신호
• “HBM 확보 완료” → 공급 병목 해소
• “Churn Rate 감소” → 제품 경쟁력 개선
• “할루시네이션 개선” → 엔터프라이즈 신뢰도 상승

뉴스 분석할 때

• “신규 LMM 출시” → 기술 경쟁력 변화 주목
• “RAG 기술 도입” → 엔터프라이즈 시장 공략
• “NPU 탑재” → 온디바이스 AI 확산
• “AI Act 대응” → 유럽 시장 진출 가능성
• “AGI 연구 발표” → 장기 기술 리더십

종목 선정할 때

• TAM 확인 → 성장 여력 판단
• FCF 확인 → 수익성 평가
• NRR 확인 → 기존 고객 충성도 파악
• HBM 공급 계약 → 인프라 안정성
• 할루시네이션 대응 → 기술 신뢰도

🌟 2026년 주목할 용어 트렌드

기술 트렌드

• LMM → LLM을 넘어선 멀티모달 경쟁
• AGI → 2027년 달성 가능성 논의 가속화
• NPU → 온디바이스 AI 시대 본격화

인프라 트렌드

• HBM → 공급 부족이 AI 성장의 핵심 변수
• 추론 효율화 → 수익성 개선의 핵심

리스크 트렌드

• 할루시네이션 → 엔터프라이즈 AI 확산의 최대 걸림돌
• AI 정렬 → 규제 강화로 중요성 증가