엔비디아 CEO 젠슨 황이 바라보는 AI 시대

엔비디아 CEO 젠슨 황이 바라보는 AI 시대입니다. 그가 2025년 1월 클리오 아브람과 나눈 인터뷰 내용을 기반으로 AI와 가속컴퓨팅, 로봇 기술, 세계 모델, 디지털 생물학 등 핵심 주제를 정리했습니다

젠슨 황은 엔비디아를 AI 기업이 아니라 가속 컴퓨팅 기업이라고 여러 차례 강조했으며, 앞으로 다가올 기술 변곡점에서 어떤 변화가 펼쳐질지 그의 실제 발언 중심으로 구성했습니다

엔비디아의 정체성: AI 기업이 아닌 가속 컴퓨팅 기업

가속컴퓨팅이란 무엇인가

• 가속컴퓨팅은 일반 CPU와 병렬 연산용 GPU를 결합해 더욱 빠르게 결과를 만들어내는 것임
• AI는 가속 컴퓨팅이 촉발한 결과이며, 엔비디아의 본질적 정체성은 병렬 처리 기반의 새로운 컴퓨팅 구조라고 설명함
• AI는 GPU 위에서 실행되는 수많은 워크로드(컴퓨터가 수행하는 작업) 중 하나일 뿐이며 엔비디아의 핵심 전략은 가속 컴퓨팅 생태계를 구축하는 데 있다고 말함

GPU의 탄생과 전략적 선택

• CUDA는 일반 프로그래밍 언어(C/C++)로 GPU 병렬 연산을 직접 제어할 수 있게 만든 플랫폼임
• 1990년대 초 젠슨 황은 소프트웨어의 일부가 전체 연산 자원의 대부분을 소비한다는 점, 그리고 이 부분이 병렬화될 수 있다는 점에 주목했다고 설명
• 순차와 병렬 연산을 동시에 해결하기 위한 새로운 컴퓨팅 구조가 엔비디아의 출발점이 되었고 이는 가속 컴퓨팅으로 이어짐
• GPU는 게임용 병렬 프로세서로 만들어졌으나 게임 시장의 규모 덕분에 R&D 자금을 확보할 수 있었고 전략적으로 옳은 선택이었다고 설명

GPU는 왜 CPU를 보완하는 미래 구조인가

• CPU의 무어의 법칙이 한계에 이르러 성능 향상이 어려워졌다고 설명 ※ 무어의 법칙 : 반도체 칩에 들어가는 트랜지스터 수가 18개월에서 24개월마다 두배로 증가한다는 법칙
• GPU는 병렬 연산을 기반으로 새로운 워크로드를 처리하는 데 효율적이라고 평가

GPU는 미래를 보여주는 타임머신

• GPU는 대규모 시뮬레이션을 통해 미래를 더욱 빠르게 오게 하는 타임머신이라고 설명
• 한 연구자가 GPU 덕분에 평생 걸릴 연구를 실제 생애 안에 마칠 수 있었다는 사례 소개
• 기후 모델링, 자율주행, 분자 시뮬레이션 등에서 과학적 발견을 가속

CUDA가 열어준 AI 시대

왜 CUDA가 필요했나

• 초기 연구자들은 GPU를 그래픽 문제처럼 위장하여 딥러닝에 사용해야 했던 비효율적 상황이었다고 설명
• 기존 프로그래밍 언어로 GPU를 활용할 수 있도록 CUDA를 만들었고, 이는 가속 컴퓨팅 대중화의 출발점이 되었음
• 게이밍 GPU 시장 덕분에 CUDA가 빠르게 확산될 수 있었다고 말함
• 여러 연구 분야에서 이미 GPU가 변칙적으로 사용되고 있던 흐름도 CUDA 개발에 기여했다고 설명

딥러닝을 주류로 만든 알렉스넷

• 딥러닝은 다층 인공 신경망이 데이터를 학습하는 방식임
• 2012년 알렉스넷이 엔비디아 GPU를 활용해 이미지 인식 성능을 크게 높이며 큰 충격을 주었다고 언급
• 당시 엔비디아도 컴퓨터 비전 문제를 해결하려던 상황이라 회사 방향성을 바꾸는 전환점이었다고 설명
• 딥러닝 모델은 규모가 커질수록 더 많은 패턴을 학습하며, 이 구조가 어디까지 확장될지 자문하게 됐다고 말함

AI의 확장: 멀티모달, 세계 모델, 로봇 혁명

텍스트를 넘어 확장된 AI 데이터

• 데이터는 디지털 버전의 인간 경험
• AI는 텍스트뿐 아니라 이미지, 음성, 단백질 서열, 3D 공간, 로봇 행동까지 다양한 데이터를 활용한다고 설명
• 텍스트를 이해해 이미지를 만들고, 이미지 정보를 활용해 물리 세계를 이해하며 이를 기반으로 로봇 행동 설계와 명령 생성까지 이뤄지고 있음
• 이 과정이 멀티모달 AI이며 로봇, 디지털 생물학, 시뮬레이션으로 확장되는 기반이라고 평가

옴니버스와 코스모스가 만드는 세계 모델

• 옴니버스 : 물리 세계를 정밀하게 시뮬레이션하는 3D 모델로 실제 세계에서의 training을 대체할 수 있음
• 코스모스 : 옴니버스 모델을 더욱 사실적으로 만드는 시스템
• 두 기술의 결합은 로봇이 세계 구조를 학습하고 실제 행동을 계산할 수 있는 기반이라고 설명
• AI가 텍스트를 생성하듯 물리 세계의 가능한 미래 상황도 무한하게 생성해 학습할 수 있다고 언급

휴머노이드 시대의 도래

• 휴머노이드 기술은 빠르게 다가오고 있으며 움직이는 대부분의 사물이 로봇화될 것으로 전망
• 제조, 물류, 건설, 농업 등 산업 구조가 로봇 중심으로 변화할 것이라고 전망
• 로봇 훈련은 물리적 위험 없이 반복 가능한 시뮬레이션 중심으로 이동한다고 언급
• 세계 모델은 물리 규칙을 이해해 실제와 유사한 환경을 생성하고 예측하는 기술이라고 설명

디지털 생물학과 약물 발견의 변화

• 디지털 생물학은 앞으로 가장 빠르게 성장할 분야 중 하나라고 강조
• 약물 개발은 실험실보다 시뮬레이션 중심으로 이동할 가능성이 크다고 설명
• 인간 질병 모델을 디지털 트윈으로 구현하면 AI가 새로운 약물 후보를 탐색을 빠르게 할 수 있는 시대가 열릴 것이라고 언급
• 단백질 구조와 생체 시스템을 시뮬레이션하면 신약 개발 속도가 크게 향상될 것이라고 평가

새로운 개인 AI 컴퓨터 시대

• 컴퓨팅 패러다임이 CPU 중심 PC나 스마트폰에서 벗어나 개인을 이해할 수 는 AI 중심으로 전환될 것이라고 설명
• 사용자와 함께 성장하는 지능 보조 장치가 다양한 디바이스에 구현될 것이라고 전망
• 앞으로 스타워즈의 R2-D2 같은 개인 AI가 대중화될 것이라고 언급

엔비디아의 진짜 경쟁력은 개발자 생태계

• 엔비디아의 성공은 하드웨어가 아니라 개발자·연구자들이 함께 만든 생태계 덕분이라고 강조
• 수백만 개발자가 CUDA와 GPU를 연구에 활용하며 혁신을 가속시켰다고 설명
• 엔비디아는 생태계 전체가 함께 진화한 기업이라고 평가

반도체 제조와 공급망에 대한 견해

• 엔비디아는 고급 반도체 패키징에서 TSMC·삼성과 긴밀히 협력하며 제조 역량이 주로 아시아에 있음을 언급
• 미국은 패키징 기술에서 뒤처져 있으며 패키징 설비가 AI 경쟁력의 핵심이 될 것이라고 설명
• 공급망은 특정 국가나 기업에 의존하지 않도록 분산이 필요하다고 강조

AI와 로봇의 안전성 문제

• AI는 환각·편향 같은 고유 위험을 가지고 있다고 설명
• 로봇은 물리적으로 움직이기 때문에 더 높은 안전 기준이 필요하다고 언급
• 항공 산업처럼 다중 안전 장치와 중복 구조가 필요하며 주변 시스템까지 포함한 안전망 설계가 필수라고 말함

에너지 문제와 물리적 한계

• AI 모델이 커질수록 에너지 수요가 급증하고 전력이 가장 큰 제약이라고 설명
• 엔비디아 시스템은 2016년 DGX-1 대비 에너지 효율성이 크게 향상되었지만 여전히 혁신이 필요하다고 언급
• 비트 이동과 연산은 물리 법칙 제약을 받기 때문에 연산 효율 혁신이 필요하다고 강조

엔비디아가 걸고 있는 다음 큰 베팅

• 아래 목록이 향후 5년간 가장 빠르게 성장할 분야라고 전망
• 세계 모델 : AI가 물리 규칙과 환경의 상호작용을 이해해, 실제와 유사한 물리적 상황을 생성하고 예측할 가능성이 있는 기술
• 휴머노이드 훈련 시스템
• 디지털 생물학과 인간 디지털 트윈
• 고해상도 기후 모델

다음 세대를 위한 조언

• 모든 직업은 AI 활용 방법을 먼저 고민해야 한다고 조언
• 법률, 의학, 과학, 예술 등 모든 분야에서 AI 활용 능력이 핵심 역량이 될 것이라고 말함
• AI는 지식 장벽을 낮추고 누구나 빠르게 배울 수 있는 개인 교사 같은 존재라고 설명

젠슨 황의 기술 철학과 바라는 영향

• 기술 전략은 유행이 아니라 물리·수학적 원리에 기반해야 한다고 언급
• 컴퓨팅과 AI 발전 방향은 물리 법칙이 결정한다고 설명
• 엔비디아의 선택은 이러한 철학을 바탕으로 이루어졌다고 말함
• 엔비디아 기술이 더 많은 사람의 삶과 과학 발전에 기여하길 바란다고 언급
• 미래 세대가 엔비디아를 로봇·생명과학·기후 과학을 바꾼 기술 회사로 기억하길 바란다고 말함

(끝)

관련 포스팅

• 오픈 AI CEO 샘 알트만이 바라보는 AI 시대
• 구글 CEO 순다르 피차이가 바라보는 AI의 미래
• AI 학습 데이터 영업 전략: LLM과 데이터의 가치를 이해하기