목차

• 제Ⅰ장 초거대 AI(Artificial Intelligence) 분야별 시장 현황과 기술 동향
  
  1. 초거대 AI(Artificial Intelligence) 분야별 개요
  1) 초거대 AI의 잠재력
  2) 현실 세계 적용 AI
  (1) 자율주행 분야
  (2) 로보틱스 분야
  (3) 소프트웨어 산업 분야
  (4) 인터넷 플랫폼 산업 분야
  (5) 헬스케어 산업 분야
  3) AI 반도체
  4) AI 시장 및 투자 개요
  (1) 테슬라(TSLA US)
  (2) 마이크로소프트(MSFT US)
  (3) 엔비디아(NVDA US)
  (4) 유나이티드 헬스케어(UNH US)
  (5) 글로벌 X AI and Technology ETF(AIQ US)
  
  2. 초거대 AI(Artificial Intelligence) 분야별 시장 현황과 기술 동향
  1) 트랜스포머와 초거대 AI
  (1) 현재 AI의 가능성
  가. 복잡한 질문에 답하고 긴 글을 사람처럼 자연스럽게 씀
  나. 생물학의 난제, 단백질 접힘 구조를 빠르고 정확하게 예측
  다. 말하는 대로 새로운 그림을 그림
  라. 반도체 설계
  마. 사람 수준의 코딩
  바. 게임 규칙을 몰라도 60개의 게임을 실행
  (2) 초거대 AI의 데이터, 연산능력, 그리고 모델의 발전
  가. AI의 학습 방법
  나. 딥러닝과 데이터/연산 능력의 발전
  다. 모델의 발전: 병렬 연산이 가능한 트랜스포머의 등장
  라. 초거대 AI의 시작, ‘GPT 3’: 퓨샷러닝과 자기지도학습
  마. 본격화되는 규모 경쟁
  (3) 향후 AI의 가속화와 집중화
  가. 시장 전망: 지수함수적인 성능 개선 + 빠르게 하락하는 비용 → 성장 가속화
  나. 경쟁 구도: ‘Winner takes most’의 구도가 될 가능성이 높음
  2) 자율주행/로보틱스의 AI
  (1) 자율주행
  가. ‘Chuck’의 비보호 좌회전: 엣지 케이스와 AI
  나. 테슬라의 자율주행 아키텍처
  다. 자율주행 시장의 잠재력
  (2) 로보틱스
  가. AI 로보틱스
  나. 구글의 ‘PaLM-SayCan’: 초거대 언어 모델과 로봇의 결합을 통한 성능 개선
  다. 구글의 ‘Gato’: 범용적 AI의 가능성
  라. 테슬라 휴머노이드 로봇의 잠재력과 파급력
  3) 소프트웨어의 AI
  (1) AI 수익화하는 소프트웨어 업체들
  (2) AI 시장을 주도하는 3대 클라우드 업체들
  가. 자본력, 기술력 등 AI 역량 확보해 전방위 지원
  나. 마이크로소프트, 구글, 아마존 비교
  (3) 사이버보안
  가. 시그니처 기반 탐지에서 행동학적 기반 감지
  나. AI 통한 사이버보안 방법
  다. 사이버 보안에서 사용하는 머신러닝 기술
  라. AI 사이버 보안 대표 기업
  ⅰ. 크라우드스트라이크(CRWD US)
  ⅱ. 센티널원(S US)
  ⅲ. 데이터독(DDOG US)
  4) 인터넷 플랫폼의 AI
  (1) 플랫폼 성장의 핵심으로 떠오른 AI
  가. 검색: AI를 통해 결과물 향상 가능 → 검색 쿼리 및 효율 증대
  나. SNS: AI를 통해 사용자 충성도 개선 → 사용 시간 증대
  (2) 인터넷 플랫폼의 성장과 AI
  (3) AI+콘텐츠 결합
  가. 검색: 쇼핑 콘텐츠 통한 아마존의 구글 쇼핑 잠식
  나. 소셜미디어: 틱톡의 콘텐츠 공급량 우위 지속
  5) 헬스케어의 AI
  (1) 개화하기 시작한 의료 AI
  가. 헬스케어 산업 거의 전 영역에서 활용되는 AI
  나. 기술개발 단계 신생기업 주도, 상업화 단계는 기존기업이 주도
  ⅰ. Health IT
  ⅱ. 의료기기
  ⅲ 신약 개발
  (2) Healthcare IT
  (3) 의료기기
  (4) 신약개발: AI로 바뀔 의약품 Life Cycle
  가. 기초과학부터 임상시험까지
  나. GPU와 딥러닝으로 가속화된 AI 신약개발
  다. 가시적 성과 도출
  라. AI 바이오텍 vs. 플랫폼 아웃소싱
  마. 빅파마의 높은 관심도
  바. 향후 난제-임상 성공률 향상 여부
  6) AI 반도체
  (1) AI 발전 사이클
  (2) AI의 데이터
  (3) AI반도체 시장 전망
  (4) AI 반도체 기술의 필요성
  가. PIM(Processing-in-Memory)
  나. 뉴로모픽
  (5) AI 반도체의 구조적인 변화
  가. 무어의 법칙과 칩렛(Chiplet)
  나. 칩렛(Chiplet) 적용 가능 시장과 칩렛(Chiplet) 수요
  다. 칩렛(Chiplet)의 중요성
  (6) 빅테크 업체들의 AI 반도체 현황
  가. 엔비디아 Nvidia(NVDA US)
  나. 어드벤스트 마이크로 디바이시스 AMD(AMD US)
  다. IBM(IBM US)
  라. 인텔 Intel(INTC US)
  마. 구글 Google/Alphabet(GOOGL US)
  (7) 스타트업의 증가
  (8) AI 패권
  가. AI기술 패권
  나. 미국과 중국의 경쟁 구도
  다. 정부의 지원과 함께 성장한 중국의 AI
  라. 중국만의 강점으로 AI 경쟁력 확보
  마. 중국의 약점, 반도체를 집중적으로 공략
  바. 핵심 장비/기술 수출 제한 전망
  사. 미·중 반도체 전쟁의 중심 TSMC
  아. AI 반도체 관련 주요 업체 전망
  
  제Ⅱ장 초거대 AI(Artificial Intelligence) 국내·외 기술 동향과 기업 동향
  
  1. 실리콘밸리의 디지털 혁신과 인공지능(AI) 분야 혁신 트렌드 동향
  1) 배경 및 요약
  2) 디지털 산업 분야 전반적인 트렌드
  (1) 데이터를 중심으로 한 인터넷의 진화
  (2) 디지털 분야의 위기와 기회
  (3) 새로운 디바이스로 주목받고 있는 전기차(EV)
  3) 인공지능(AI) 분야 핵심 트렌드 동향
  (1) 인공지능의 확장세
  가. Open AI의 초거대 언어모델, GPT-3
  (2) 글로벌한 파운데이션 모델(초거대 AI)
  (3) 초거대 AI(Foundation model)의 활용 시대 임박
  (4) (대용량화) 시각지능에서 언어지능으로 스케일 전쟁
  (5) (경량화) 온 디바이스(On-device) AI를 위한 경량 딥러닝
  (6) (자동화) 인공지능을 만드는 인공지능, AutoML
  (7) (탈중앙화) 프라이버시 보호와 활용의 양립 가능성을 열어가는 연합학습
  (8) (융합화) 산업과 과학기술 혁신을 주도하는 ‘AI+X’
  
  2. 초거대 AI 해외 기술 동향
  1) 초거대 인공지능(Hyper-scale AI)의 정의
  2) 초거대 인공지능의 특징
  3) 초거대 인공지능 해외 기술 동향
  (1) GPT-3-인류 역사상 가장 뛰어난 인공지능
  (2) 람다(LaMDA)-구글의 차세대 인공지능 대화모델
  (3) 고퍼(Gopher)-딥마인드의 초거대 인공지능 언어모델
  (4) MT-LNG(MS-엔비디아의 초거대 AI)
  가. 하드웨어 리소스 효율화
  나. 하이퍼스케일러(Hyperscaler)들의 자체 트레이닝 칩 개발
  다. Large-scale 모델에 적합한 메모리 풀 구조
  (5) 우다오 2.0-중국 인공지능 아카데미의 초거대 AI 사전학습 모델
  (6) 판구 알파-화웨이의 대규모 자연어처리(NLP) 모델
  
  3. 초거대 AI 국내 기술 동향과 기술 한계와 과제
  1) 국내 기술 동향
  (1) 네이버의 초대규모 AI ‘하이퍼클로바(HyperCLOVA)’
  (2) 카카오의 초거대 인공지능 모델 ‘KoGPT’
  (3) 카카오의 초거대 AI 이미지 생성 모델 ‘민달리(minDALL-E)’, ‘RQ-트랜스포머’
  (4) LG의 초거대 AI ‘엑사원(EXAONE)’
  2) 초거대 AI의 한계
  (1) 학습비용의 시간 대비 효율성
  (2) 현실 세계의 상식
  (3) 전 모든 분야에서의 효율성
  (4) 인간과 유사한 기억력
  3) 초거대 AI의 과제와 해결 방안
  (1) AI 양극화
  (2) 전력 소모 및 환경 오염
  
  4. 초거대 AI 국내·외 기업 동향
  1) 국내·외 기업 성과를 높이는 인공지능 개요
  (1) 인공지능 기술의 도입
  (2) 미국 기업의 인공지능 도입 성과
  가. 인공지능 기술 분류와 기업 성과: 자동화 인공지능과 증강 인공지능
  나. 자동화 인공지능 효과
  다. 증강 인공지능 효과
  라. 요약
  (3) 한국 기업의 인공지능 도입 성과
  가. 대표적인 인공지능 기술: 자연어처리, 컴퓨터비전, 머신러닝
  나. 인공지능 기술의 활용
  다. 인공지능 기업의 활용
  라. 인공지능 기술의 효율적 활용을 위한 기술 투자
  마. 인공지능 기술의 효율적 활용을 위한 연구 개발 전략
  바. 요약
  사. 미국과 한국 기업의 인공지능 기술 도입 성과 요약
  (4) 인공지능 기술의 필요성과 의미
  2) 국내·외 기업 동향
  (1) 테슬라(TESLA US)
  가. 테슬라의 딥러닝과 자율주행시스템
  ⅰ. 딥러닝 기반의 비전 솔루션
  ⅱ. 딥러닝과 자율주행
  ⅲ. 테슬라의 자율주행 시스템
  ⅳ. 레벨업의 시간: 누적되는 데이터, 소프트웨어 2.0, 4D 라벨링과 도조 컴퓨터
  ⅴ. FSD V9 상용화의 의미
  나. 테슬라의 AI 기술 휴머노이드 로봇시스템
  ⅰ. 핵심은 AI를 통한 로봇의 인지 및 판단 능력 개선
  ⅱ. 구글의 ‘PaLM-SayCan’: 초거대 언어 모델과 로봇의 결합
  ⅲ. 구글의 ‘Gato’: 범용적 AI의 가능성
  ⅳ. 테슬라의 옵티머스
  다. 전망
  (2) Microsoft(MSFT US)
  가. GPT-3 독점권 보유
  나. MS의 인공지능 수익화 현황 및 전망
  (3) Meta(Facebook)
  (4) Nvidia(NVDA US)
  (5) United Health Group(UNH US)
  가. Optum Health X United Healthcare
  나. Optum Rx X United Healthcare
  다. Optum Insight X United Healthcare
  (6) Global X Artificial Intelligence & Technology ETF(AIQ US)
  (7) NAVER
  가. 사람을 위한 AI
  나. 자연어 의사소통
  ⅰ. 챗봇
  ⅱ. 기계 번역
  ⅲ. 음성 인식
  ⅳ. 음성 합성
  다. 컴퓨터 비전
  ⅰ. 객체 추적
  ⅱ. 문자 인식
  ⅲ. 얼굴 인식
  라. 추천
  ⅰ. 상품 추천
  ⅱ. 장소 추천
  ⅲ. 콘텐츠 추천
  ⅳ. 음악 추천
  마. 로봇공학
  ⅰ. 로봇의 학습
  ⅱ. 로봇 비전
  ⅲ. 클라우드 로보틱스
  ⅳ. 도로 자율주행
  3) 국내·외 초거대 AI 산업 전망
  (1) 레벨 2의 기능 고도화 및 제한적 레벨 3 중심의 성장 전망
  (2) 데이터 및 AI 기술 확보 전망
  (3) 비 테슬라 진영 현황: 모빌아이/웨이모/엔비디아
  가. 모빌아이(인텔)
  나. 웨이모(알파벳)
  다. 엔비디아
  (4) AI 반도체
  가. 딥러닝과 AI 반도체
  나. 자율주행 프로세서
  다. 엔비디아(Nvidia, NVDA US)
  라. 모빌아이, 인텔(Intel, INTC US)
  마. 자율주행 프로세서의 전쟁
  (5) 차량용 반도체 및 파운드리, 메모리 시장 영향
  가. 차량용 반도체 제조사의 설비투자 및 구조적 성장기
  나. 자율주행 자동차향 반도체에 대한 파운드리 수요 확대
  다. 자율주행 자동차향 메모리반도체 수요 확대
  (6) 클라우드/소프트웨어
  가. 자율주행과 클라우드 컴퓨팅
  ⅰ. 데이터
  ⅱ. 연산 능력
  나. 대표 클라우드 밴더사들의 자율주행 개발 현황
  ⅰ. 아마존 AWS(AMZN US)
  ⅱ. 마이크로소프트 Azure(MSFT US)
  다. 자율주행차를 향한 차량용 소프트웨어
  ⅰ. 차량용 소프트웨어의 종류
  라. 차량용 소프트웨어의 통합 플랫폼화
  ⅰ. 통합 플랫폼으로 진화
  ⅱ. HMI(Human Machine Interface)의 적용
  ⅲ. 차량용 소프트웨어 기업의 통합 플랫폼 OS 개발 현황
  ⅳ. 자율주행 관련 인공지능 스타트업
  (7) 센서: 카메라/레이더/라이다
  가. ADAS와 센서 시장의 구조적 성장
  나. 데이터 확보 전쟁
  다. 업체별 상이한 센서의 견해
  라. 카메라 중심의 중단기 센싱 시장 성장 전망
  마. 레이다
  바. 라이다(LiDAR)
  ⅰ. 벨로다인(Velodyne VLDR US)
  ⅱ. 루미나(Luminar LAZR US)
  ⅲ. 이노비즈(Innoviz INVZ US)
  ⅳ. 아우스터(Ouster OUST US)
  ⅴ. 에이바(Aeva AEVA US)
  
  제Ⅲ장 국내·외 AI 정책 동향과 글로벌 주요 대학 AI 연구 동향 분석
  
  1. 해외 인공지능 정책 동향
  1) 미국의 인공지능 관련 주요 정책
  2) 유럽의 인공지능 국가전략 및 정책
  (1) 유럽연합(EU)의 인공지능 정책
  (2) 영국의 인공지능 정책
  (3) 독일의 인공지능 정책
  3) 중국의 인공지능 국가전략 및 정책 동향
  4) 일본의 인공지능 국가전략 및 정책 동향
  5) 해외 인공지능 정책에 대한 분석 및 시사점
  
  2. 국내 인공지능 관련 정책 동향
  1) 국내 인공지능 국가전략
  (1) 국내 인공지능 전략 동향
  (2) 인공지능 국가전략
  2) 초거대 AI 개발 동향과 과제
  (1) 다양한 비즈니스에서 AI 기능 활용 과제
  (2) 초거대 AI 성능과 특징
  (3) 상용화 단계 진입한 초거대 AI 기술
  (4) 한국 기업 초거대 AI 개발 동향
  (5) 슈퍼컴, 빅데이터, 인재 확보 전략
  
  3. 주요국 인공지능 신뢰성 정책 현황
  1) EU 인공지능 규제안
  (1) 프라이버시 보호
  (2) 견고성
  (3) 공정성
  (4) 투명성
  (5) 책임성
  (6) 인류가치 증진
  2) 미국 알고리즘 책임법안(Algorithmic Accountability Act of 2019)
  (1) 프라이버시 보호
  (2) 견고성
  (3) 공정성
  (4) 투명성
  3) 캐나다의 자동화된 의사결정에 관한 지침(Directive on Automated Decision-Making)
  (1) 프라이버시 보호
  (2) 견고성
  (3) 공정성
  (4) 투명성
  (5) 책임성
  (6) 인류가치 증진
  4) 미국 워싱턴州 공공기관 얼굴인식 서비스 사용에 관한 법률
  (1) 프라이버시 보호
  (2) 견고성
  (3) 공정성
  (4) 투명성
  (5) 책임성
  5) 미국 일리노이주 인공지능 화상면접법
  (1) 프라이버시 보호
  (2) 투명성
  6) EU 디지털서비스 법안
  (1) 투명성
  7) 일본 특정 디지털플랫폼의 투명성 및 공정성 향상에 관한 법률
  (1) 투명성
  (2) 책임성
  8) 시사점
  
  4. 글로벌 주요 대학 인공지능 연구 동향 분석
  1) 배경 및 목적
  2) 해외대학 연구 현황
  (1) MIT, CSAIL(Computer Science and Artificial Intelligence Lab)
  (2) MIT Media Lab
  (3) 카네기멜론대학, CMU AI
  (4) 스탠포드 HAI(Human-Centered Artificial Intelligence)
  (5) 스탠포드, AI 100 프로젝트
  (6) UC 버클리, BAIR(Berkeley Artificial Intelligence Research Lab)
  가. 인공지능 첨단기술에 관한 연구 수행
  나. 문제해결을 위한 인공지능 핵심 기술 연구
  (7) UC 버클리, CHAI(Center for Human-Compatible AI)
  (8) UC-버클리, MIRI(Machine Intelligence Research Institute)
  (9) 하버드, THE AI INITIATIVE
  가. 글로벌 인공지능 정책 수립 연구
  나. 데이터 기반 인공지능 연구 선순환(Harvard Univ)
  ⅰ. 기술, 데이터, 협력 거버넌스 기반 인공지능 연구 운영체계
  (10) 옥스포드, Institute for Ethics in AI
  가. 인공지능 윤리 연구소
  (11) 옥스퍼드, FHI(Future of Humanity Institute)
  가. 인류 미래 연구소
  (12) 워싱턴 대학, Paul G. Allen School
  가. 지능형 행동의 기초 메커니즘 연구
  (13) 뉴욕대, AI Now Institute
  가. 인공지능 사회 적용에 따른 책임성 연구
  3) 정책 시사점
  
  5. 인공지능 시스템의 성능 측정, MLPerf(Machine Learning Performance)의 현황과 시사점
  1) 논의 배경
  2) MLPerf 벤치마크 현황
  (1) 개요
  (2) MLPerf 학습 벤치마크
  가. MLPerf 학습 벤치마크의 접근방법
  나. 벤치마크 구성
  ⅰ. CLOSED 방식 벤치마크 측정 기준
  (3) MLPerf 추론 벤치마크
  가. MLPerf 추론 벤치마크의 접근방법
  나. MLPerf의 추론 벤치마크의 4개의 시나리오 구분
  ⅰ. MLPerf 추론 벤치마크의 시나리오와 측정 기준
  ⅱ. MLPerf의 형평성과 공정성을 확보하기 위한 추론 시스템 환경 조성
  다. MLPerf의 시스템 환경
  3) MLPerf 벤치마크 결과
  (1) MLPerf 학습 벤치마크
  (2) MLPerf 추론 벤치마크
  가. 데이터 센터의 MLPerf 추론 벤치마크 결과(CLOSED 방식)
  나. 엣지 장치의 MLPerf 추론 벤치마크 결과(CLOSED 방식)
  다. 엣지 장치의 MLPerf 추론 벤치마크 결과(OPEN 방식)
  4) 시사점
  (1) 요약
  (2) 시사점
  가. AI HW 시장의 경쟁력은 결국 SW
  나. MLPerf 벤치마크를 통한 새로운 시장 기회 모색
  다. 산업계 표준으로 MLPerf의 전략적 활용 필요
  
  6. 다중 감각 AI 기술 전망 및 로드맵
  1) 다중 감각 AI 개요
  2) 다중감각 AI 기술 동향
  (1) 다중감각 AI 기술의 정의
  (2) 다중감각 AI 기술 전망 및 로드맵
  3) 기술 시사점
  (1) 다중감각 AI와 메타버스의 결합으로 인해 다가올 혁신적인 미래
  (2) AI와 메타버스 결합으로 기대되는 공공기관의 혁신
  
  7. 인공지능 연구개발, AI 기술 성능, AI 기술 윤리, 경제·교육, 정책·거버넌스 동향 분석
  1) AI Index 2022 개요
  2) 연구개발
  (1) 연구개발 성과
  (2) 연구개발 주체
  (3) 미ㆍ중 간 AI 양상
  3) AI 기술 성능
  (1) 컴퓨터 비전(Computer Vision)
  가. 이미지 분류(Image Classification)
  나. 이미지 생성(Image Generation)
  다. 딥페이크 감지(Deepfake Detection)
  라. 사람 자세 추정(Human Pose Estimation)
  마. 의미 세분화(Semantic Segmentation)
  바. 의료 이미지 분류(Medical Image Segmentation)
  사. 안면인식(Face Detection & Recognition)
  아. 시각 추론(Visual Reasoning)
  자. 비디오 동작 인식(Activity Recognition)
  차. 비디오 동작 인식(Activity Recognition)
  (2) 언어 및 음성 인식 분야
  가. 언어 이해(Language Understanding)
  나. 문서 요약(Text Summarization)
  다. 자연어 추론(Natural Language Inference)
  라. 감성 분석(Sentiment Analysis)
  마. 기계 번역(Machine Translation)
  바. 연설·음성 인식(Speech Recognition)
  (3) 추천 알고리즘
  (4) 강화 학습
  (5) 하드웨어 및 로보틱스
  4) AI 기술 윤리
  (1) AI 시스템의 공정성·편향성 지표개발 현황
  (2) 자연어처리 편향성 지표(Natural language processing bias metrics)
  (3) AI 윤리 연구의 성장
  (4) 멀티모달(Multimodal) 편향성
  5) 경제와 교육
  (1) 일자리(Jobs)
  (2) 투자(Investment)
  (3) 기업 AI 활용(Corporate Activity)
  (4) 북미지역 AI 교육(AI Education)
  6) AI 정책 및 거버넌스
  (1) AI에 대한 글로벌 입법 기록
  (2) 미국 AI 정책 문서 분석
  (3) 미국의 AI 공공 투자
  7) AI Index 시사점
  (1) 연구개발
  (2) 기술 성능
  (3) AI 기술윤리
  (4) 경제·교육
  (5) 정책·거버넌스
  
  제Ⅳ장 인공지능 스타트업(Stratup) 산업현황·VC 투자 동향 및 글로벌 스타트업 동향과 정책 방향 분석
  
  1. 인공지능 스타트업(AI Startup) 산업 현황
  1) 산업 현황
  2) 투자유치 현황
  (1) 산업군별 투자유치 현황
  (2) 투자단계 현황
  3) 비즈니스 유형별 현황
  
  2. 인공지능 산업의 VC 투자 동향과 시사점
  1) 개요
  2) 세계 VC 투자 주요 활동량 분석
  3) 주요 국가별 특성 분석
  (1) AI 분야 주요국 선정
  (2) 주요 국가별 활동 특성 분석
  4) 세부시장 투자 동향 분석
  (1) 세부시장 분류
  (2) 세부시장 투자 동향
  5) 결론
  
  3. 글로벌 인공지능 스타트업 생태계 현황 및 정책 분석과 방향
  1) 국내·외 인공지능 생태계 현황과 주요 이슈
  (1) 글로벌 게임 체인저, 인공지능 스타트업
  가. AI 유니콘 육성
  나. 국내 AI 스타트업 성장역량
  (2) 국내·외 인공지능 스타트업 및 유니콘 생태계 현황
  가. 국내·외 인공지능 스타트업 및 유니콘 현황분석 개요
  ⅰ. 세계
  ⅱ. 국내
  나. 세계 인공지능 스타트업 현황
  다. 세계 인공지능 유니콘 현황
  라. 국내 인공지능 스타트업 현황
  ⅰ. AI 구축을 위한 서비스 시장 확대와 AI 플랫폼 분야 스타트업 부상
  ⅱ. M&A·IPO 성공사례 증가
  (3) 세계가 주목하는 인공지능 스타트업
  가. 글로벌 인공지능 스타트업
  ⅰ. 오로라 이노베이션(Aurora Innovation)
  ⅱ. 그래프코어(Graphcore)
  ⅲ. 레모네이드(Lemonade)
  ⅳ. 데이터로봇(DataRobot)
  ⅴ. 센티넬원(SentinelOne)
  ⅵ. 버터플라이 네트워크(Butterfly Network)
  ⅶ. 투심플(TuSimple)
  ⅷ. 페어(FAIRE)
  ⅸ. 리커션 파마슈티컬즈(Recursion Pharmaceuticals)
  ⅹ. 스니크(Snyk)
  나. 글로벌 인공지능 유니콘 TOP 10
  ⅰ. 바이트댄스(Byte dance)
  ⅱ. 센스타임(Sense Time)
  ⅲ. 아르고 AI(Argo AI)
  ⅳ. 오토메이션 애니웨어(Automation Anywhere)
  ⅴ. 유아이패스(UiPath)
  ⅵ. 메그비(Megvii)
  ⅶ. 인디고 애그리컬쳐(Indigo Agriculture)
  ⅷ. 클라우드워크(Cloudwalk)
  ⅸ. 죽스(Zoox)
  ⅹ. 호라이즌 로보틱스(Horizon Robotics)
  ⅺ. 2022년 글로벌 AI 유니콘 기업 Top 10 동향
  다. 국내 인공지능 스타트업 TOP 10
  ⅰ. 라온피플(주)
  ⅱ. (주)제이엘케이
  ⅲ. (주)플리토
  ⅳ. (주)마인즈랩
  ⅴ. (주)뷰노
  ⅵ. (주)뤼이드
  ⅶ. (주)로앤컴퍼니
  ⅷ. 노을(주)
  ⅸ. (주)크라우드웍스
  ⅹ. (주)크래프트테크놀로지스
  (4) 국내 인공지능 스타트업의 주요 이슈와 정책 요구사항
  가. AI 학습용 데이터
  ⅰ. 데이터 구축
  ⅱ. 데이터 품질
  나. 법·제도
  ⅰ. 데이터 3법
  ⅱ. 기술특례상장제도
  ⅲ. 건강보험수가제도
  다. AI 생태계 강화
  ⅰ. AI 기술 수준
  ⅱ. AI 인재
  ⅲ. 기술 보호
  ⅳ. EXIT
  ⅴ. 해외 진출
  2) AI 스타트업 생태계 혁신을 위한 정책 방향
  (1) 제6의 물결을 이끄는 AI 스타트업
  가. 글로벌 위기속 제6의 물결, AI
  나. 디지털 대전환 시대의 AI 스타트업
  다. AI 스타트업 생태계 혁신
  (2) 국내·외 AI 스타트업 현황 분석
  가. 현황분석 개요
  ⅰ. 분석범위
  ⅱ. 분석방법
  나. 현황 비교
  ⅰ. 인공지능 선도기업의 타 산업과의 지능형 융합
  ⅱ. 글로벌 기업들의 기술력과 주력 분야 집중 투자 전략
  다. 현황 진단
  (3) 국내 AI 스타트업 정책 분석
  가. 정책분석 개요
  ⅰ. 주요 정책
  ⅱ. 검토 분야
  나. 인공지능(AI) 생태계 혁신 정책
  ⅰ. 4차 산업혁명 대응 계획(‘17.11)
  ⅱ. 데이터·AI 경제 활성화 계획(‘19.1)
  ⅲ. 인공지능(AI) 국가 전략(‘19.12)
  다. 스타트업 생태계 혁신 정책
  ⅰ. 혁신창업 생태계 조성 방안(‘17.11)
  ⅱ. 제2 벤처 붐 확산 전략(‘19.3)
  라. AI 스타트업 혁신 정책 현황 분석
  (4) AI 스타트업 생태계 혁신을 위한 정책방향
  가. 정책방향 1: AI 기술 고도화로 글로벌 Catch-up
  ⅰ. AI 핵심기술 집중 개발
  ⅱ. 시장연계형 AI R&D 추진
  ⅲ. AI 글로벌 네트워크 강화
  나. 정책방향 2: AI 주력 분야 글로벌 선도 강화
  ⅰ. 주력산업의 AI 융합 촉진과 글로벌 진출 지원
  ⅱ. 지속적인 성장지원을 위한 AI 메가투자 추진
  ⅲ. AI 분야 글로벌 신시장 개척
  다. 정책방향 3: 자생적 AI 혁신 생태계 조성
  ⅰ. 해외 의존력이 높은 AI 인프라의 자립 지원
  ⅱ. AI 인재흡수(Inbound) 환경 조성
  ⅲ. 참여형 규제환경 조성과 통합적 규제관리체계 마련