2025. 1. 27. NVIDIA CEO Jensen Huang's Vision for the Future

젠슨 황 인터뷰 상세 정리: 컴퓨팅의 재창조와 AI가 열어갈 미래

도입: 젠슨 황과 엔비디아가 이끄는 미래

젠슨 황은 엔비디아의 CEO로, 그의 결정은 우리의 미래를 만들고 있음.
엔비디아는 지난 몇 년간 세계에서 가장 가치 있는 기업 중 하나로 급부상. 컴퓨터 작동 방식의 근본적인 변화를 주도하며 현재 기술 폭발(AI, 로보틱스, 게이밍, 자율주행차, 혁신적 의료 연구 등)을 이끌고 있음.
지난 30년간 우리 삶에 막대한 영향을 미쳤으며, 이는 더 큰 변화의 시작일 뿐이라는 평가.

인터뷰의 방향: 기술을 통한 더 나은 미래

인터뷰어(클레오)는 이번 인터뷰가 기존 인터뷰와 다를 것이라고 설명. 회사 재정, 경영 스타일, 규제, 정치 관련 질문은 배제.
대신, 기술을 활용하여 더 나은 미래를 만드는 방법에 대한 "낙관적인 설명형 비디오"를 함께 만드는 것을 목표로 함.
청중: 더 나은 미래를 만들고 싶어 하는 낙관론자들이지만, 특정 기술에 대한 사전 지식이 없을 수 있음 (분야 전문가부터 12세 학생까지).

인터뷰 구조 및 과거로의 회귀: 90년대 비디오 게임

인터뷰는 세 부분으로 구성:
1. 우리가 어떻게 현재에 이르렀는가? (컴퓨팅의 근본적 변화를 이끈 핵심 통찰)
2. 현재 실제로 무엇이 일어나고 있는가? (그 통찰이 현재 세상을 어떻게 만들었는가)
3. 다음 미래에 대한 비전은 무엇인가?
현재 AI 시대를 이해하기 위해 90년대 비디오 게임 시대로 거슬러 올라감. 당시 게임 개발자들은 더 현실적인 그래픽을 원했지만 하드웨어가 연산을 따라가지 못했음.

엔비디아 설립의 핵심 통찰: 순차 처리 + 병렬 처리

90년대 초 회사 설립 당시 관찰: 소프트웨어 프로그램 내 극소수 코드(약 10%)가 전체 처리의 99%를 수행하며, 이 99%는 병렬 처리가 가능. 나머지 90% 코드는 순차적으로 처리되어야 함.
완벽한 컴퓨터는 순차 처리와 병렬 처리를 모두 할 수 있어야 한다는 것이 핵심 통찰. 엔비디아는 일반 컴퓨터가 해결할 수 없는 문제를 해결하기 위해 설립됨.

게이밍을 첫 목표로 삼은 이유: R&D 선순환 구조

(미스버스터즈 페인트볼 비유: CPU는 하나씩, GPU는 한 번에 모두 처리)
비디오 게임은 3D 그래픽 처리를 위해 병렬 처리가 필요.
게이밍을 선택한 이유:
1. 가상 세계 시뮬레이션이라는 응용 분야에 대한 애정.
2. 역대 가장 큰 엔터테인먼트 시장이 될 잠재력 (실제로 그렇게 됨).
큰 시장은 큰 R&D 예산을 가능하게 하고, 이는 새로운 기술 개발로 이어짐. 이러한 기술과 시장의 선순환이 엔비디아를 세계에서 가장 중요한 기술 회사 중 하나로 성장시킴. 모두 비디오 게임 덕분.

GPU는 "타임머신": 미래를 더 빨리 보게 하는 도구

GPU는 미래를 더 빨리 볼 수 있게 해주는 타임머신과 같음.
양자 화학 과학자의 말 인용: "엔비디아의 작업 덕분에, 제 평생의 연구를 제 생애 안에 할 수 있게 되었습니다." 이것이 바로 시간 여행.
애플리케이션 실행 속도를 엄청나게 향상시켜 미래를 보게 함. 일기 예보, 가상 도시에서의 자율주행차 시뮬레이션 등이 그 예.

CUDA의 필요성: GPU 성능의 대중화

병렬 처리가 게이밍에서 성공을 거둔 후 다른 산업으로 확산되기 시작.
2000년대 초: 연구자들이 그래픽용으로 설계된 GPU를 다른 작업에 활용하기 위해 "속이는" 방식 사용.
CUDA 플랫폼 개발: 프로그래머들이 이미 알고 있는 프로그래밍 언어(예: C언어)를 사용하여 GPU에 작업을 지시할 수 있게 함. 더 많은 사람들에게 강력한 컴퓨팅 성능에 대한 접근성을 제공.

CUDA 개발 비전: 문제 해결, 내외부적 영감의 결합

CUDA 개발은 여러 요인의 결합으로 이루어짐:
- 연구자들의 발견 (예: 매사추세츠 종합병원(Mass General)의 CT 재구성 연구).
- 내부적 영감 및 문제 해결 필요성 (게임 내 가상 세계의 아름다움과 역동성 구현 - 입자 물리, 유체 역학 등).
CUDA의 성공 확신 이유: 비디오 게임 시장의 거대함으로 인해 GPU가 세계에서 가장 많이 생산되는 병렬 프로세서가 될 것이었고, 이를 통해 CUDA 아키텍처가 많은 사람들에게 도달할 수 있을 것이라고 판단.

알렉스넷(AlexNet) (2012년): AI의 빅뱅과 컴퓨터 훈련 방식으로의 전환

CUDA는 "성공하면 대박(huge if true)"인 낙관적인 투자였고, 실제로 성공함.
2012년: 알렉스넷(신경망)이 엔비디아 GPU와 방대한 데이터를 사용하여 이미지 인식 대회에서 압도적인 성능으로 우승.
GPU는 컴퓨터를 더 빠르고 효율적으로 만드는 도구를 넘어, 새로운 컴퓨팅 방식의 엔진이 됨: 컴퓨터에 단계별 지시를 내리는 대신, 방대한 예시를 통해 컴퓨터를 '훈련'시키는 방식. 이것이 현재 AI의 지각 변동을 촉발.

엔비디아의 알렉스넷 이후 비전과 컴퓨팅 재설계

엔비디아의 낙관적 세계관: "만들지 않으면 그들은 올 수 없다."
제프리 힌튼, 알렉스 크리제브스키, 일리야 수츠케버가 CUDA 기반의 지포스(GeForce) GTX 580을 사용하여 알렉스넷 훈련. 이는 "근거 있는 희망"에 기반한 전략이었음.
당시 엔비디아 내부적으로도 컴퓨터 비전 문제로 고심 중이었기에, 알렉스넷의 등장은 큰 관심사였음.
알렉스넷을 보고 자문: "이것이 컴퓨터 비전에서 이 정도라면, 얼마나 더 발전할 수 있을까? 만약 우리가 생각하는 한계까지 도달한다면, 컴퓨터 산업과 아키텍처에 어떤 의미가 있을까?"
올바른 추론: 만약 딥러닝 아키텍처가 확장될 수 있다면, 대부분의 머신러닝 문제는 심층 신경망(DNN)으로 표현될 수 있으며, 머신러닝으로 해결할 수 있는 문제의 범위는 컴퓨터 산업 전체를 재편할 잠재력이 있음.
이는 전체 컴퓨팅 스택(DGX 등)을 계층별로 재설계하는 계기가 됨.

컴퓨팅의 재창조와 "지능" 문제 해결

IBM 시스템 360이 현대 범용 컴퓨팅을 도입한 지 65년 만에, 우리가 아는 컴퓨팅을 재창조.
CUDA 기반 병렬 처리 → 머신러닝의 단계적 변화(알렉스넷) → 혁명.
과거에는 해결책이 없었던 지능 관련 문제들(컴퓨터 비전, 음성 인식, 언어 이해 등)이 하나씩 해결되기 시작.

긴 투자: AI에 대한 10년간의 헌신

(인터뷰어 질문: 알렉스넷은 2012년인데, 대중과 엔비디아가 AI에 주목하기 시작한 것은 약 10년 후. 왜 10년이 걸렸고, 그 중간 과정은 어떠했는가?)
항상 문제와 조급함, 현재 상황에 대한 만족감, 그리고 계속 나아갈 이유들이 공존했기에, 오늘과 비슷하게 느껴졌을 것.
핵심 신념과 제1원칙에 기반한 추론이 중요. 원칙과 가정이 변하지 않는 한, 핵심 신념을 바꿀 이유가 없음.
성공의 증거는 때로는 오랜 시간이 지난 후에 나타나며, 그 과정에서 약간의 방향 수정이 필요할 수 있음.
왜 그렇게 오랫동안 헌신했는가에 대한 답은 오히려 반대: "우리는 그것을 믿었기 때문에 헌신하지 않을 이유가 없었다."

미래에 대한 투자: 실제 성과가 나타나기 전 수백억 달러 투자

30년 이상 엔비디아를 믿어왔으며, 컴퓨팅 혁신에 대한 믿음은 현재 더욱 확고함.
어려운 시기: 다른 누구도 믿지 않을 때 투자하는 것, 막대한 비용, 이익이나 주가 상승을 원하는 투자자들의 압박 등.
"자신의 미래를 믿어야 한다. 자신에게 투자해야 한다."
실제 성과가 나타나기 전 수백억 달러를 투자. 10년은 길었지만 즐거운 과정이었음.

엔비디아를 이끄는 핵심 신념

가속 컴퓨팅(Accelerated Computing): 병렬 처리와 범용 처리의 결합.
딥러닝의 확장성: DNN은 데이터로부터 패턴을 학습. 더 큰 모델과 데이터는 더 미묘한 특징 학습 가능. 확장성에 대한 물리적/아키텍처적/수학적 한계는 발견되지 않음.
다양한 데이터 양식(Modality) 간 학습 및 변환 능력: 데이터는 디지털화된 인간 경험. AI는 이미지(객체 인식), 소리(음성), 텍스트(언어) 등 거의 모든 데이터 양식을 학습하고, 양식 간 변환 가능 (텍스트↔텍스트, 텍스트→이미지, 이미지→텍스트, 아미노산 서열→단백질 구조, 단어→로봇 행동 토큰 등). 이는 무한한 기회의 우주를 열었음.

향후 10년: AI 응용 과학의 시대

지난 10년: AI의 과학.
향후 10년: AI의 응용 과학 (디지털 생물학, 기후 기술, 농업, 로보틱스, 교통, 물류 최적화, 교육, 팟캐스팅 등 다양한 분야에 AI 적용).

물리적 AI (로보틱스): 디지털 세계에서의 훈련 (옴니버스 & 코스모스)

훈련 방식의 변화로 로봇 능력의 비약적 발전 예상.
과거: 현실 세계 훈련 (손상, 마모, 제한된 데이터).
현재: 디지털 세계 훈련 (더 많은 반복, 다양한 조건, 훨씬 빠른 학습). "로봇을 위한 빅뱅의 순간."
엔비디아의 도구:
- 옴니버스(Omniverse): 로봇 시스템 훈련을 위한 3D 세계 (물리적 세계 필요 없음).
- 코스모스(Cosmos, 신규 발표): 옴니버스의 3D 세계를 더욱 현실적으로 만듦 (다양한 조명, 시간대, 로봇 경험 제공).

옴니버스와 코스모스 설명 (챗GPT와의 비유)

챗GPT: 초기에는 텍스트를 생성했지만 "환각"을 일으킬 수 있었음.
차세대 챗GPT: 컨텍스트(PDF, 검색 결과 등 "그라운드 트루스(ground truth)")에 의해 조건화되어 환각 감소. (생성 AI + 그라운드 트루스).
로보틱스도 유사한 접근 필요:
- 세계 기초 모델(World Foundation Model, 코스모스): 챗GPT의 핵심 모델과 유사하지만, 물리 세계 이해(중력, 마찰, 관성, 공간 인식, 객체 영속성, 인과 관계 등)를 위한 모델. "세계 상식(world common sense)" 제공.
- 그라운드 트루스 (옴니버스): 원리 기반 솔버(뉴턴 물리학 등)에 기초한 물리 시뮬레이션으로 코스모스를 보강. 로봇 학습을 위해 물리적으로 타당한 무한한 미래 "이야기" 생성.

로보틱스의 미래: "모든 움직이는 것은 언젠가 로봇이 될 것이며, 곧 그렇게 될 것이다."

공장 로봇: 디지털 시뮬레이션을 통해 경로 학습 (더 빠르고 다양한 조건).
잔디깎이, 자동차 등은 로봇화될 것. 인간형 로봇 기술도 "곧 현실화될 것".
로봇은 옴니버스/코스모스에서 학습 후 물리 세계에서 활동.
로봇에 둘러싸인 미래는 확실함.

개인용 R2-D2: AI 동반자

자신만의 "R2-D2"(개인 AI 비서)를 갖게 될 것에 대한 기대.
물리적 형태는 다를 수 있지만, R2는 항상 함께할 것 (스마트 안경, 폰, PC, 자동차, 집 등).
우리와 함께 성장하는 AI 동반자는 확실한 미래.

AI 안전성: 도전 과제와 해결 방안

잘못될 수 있는 부분에 집중하여 예방.
우려되는 부분:
1. 편향, 유해성, 환각: 알지 못하는 것에 대한 확신에 찬 발언, 가짜 정보/이미지 생성, 사칭. 많은 이들이 노력 중.
2. 성능 오류로 인한 피해 (AI 안전): 올바르게 작동하려 하지만 제대로 수행하지 못하는 경우 (예: 자율주행차 센서 고장, 공격적인 회전). 제품이 올바르게 작동하도록 심층 연구/엔지니어링 필요.
3. AI 의도와 다른 시스템 고장: AI가 무언가를 막으려 했지만 기계가 고장 나는 경우.
해결 방안: 항공기 비행 컴퓨터처럼 AI 안전 시스템 설계 (삼중화, 조종사, 항공 교통 관제 등). AI가 올바르게 작동하고, 오작동 시 위험을 초래하지 않으며, 주변에 충분한 안전/보안 시스템을 갖추도록 커뮤니티 노력 필요.

현재 기술의 한계: 에너지 효율성이 핵심

새로운 컴퓨팅 방식(CPU 개선과는 다른 물리학을 가진 병렬 처리)을 열었음.
현재 한계: 주어진 에너지 내에서 얼마나 많은 작업을 수행할 수 있는가. 정보 전송/비트 변경에 필요한 에너지.
근본적인 한계에는 아직 멀었음. 더 좋고 에너지 효율적인 컴퓨터 구축 추구.
DGX-1 (2016년, 25만 달러) vs. 새로운 "베이비 DGX" (시제품): 8년 만에 에너지 효율 10,000배 향상, 성능 6배 향상.
AI 컴퓨팅의 에너지 효율성은 최우선 과제 (더 많은 연산으로 더 스마트한 시스템 만들기 위함).

하드웨어 설계: 범용성 vs. 특정 작업 최적화 (트랜스포머 예시)

(엔지니어 친구들의 질문: 특정 AI 아키텍처(예: 트랜스포머)를 칩에 "각인"하는 것과 범용 하드웨어 유지 사이의 균형은 어떻게 잡는가?)
핵심 신념: 트랜스포머는 '마지막' AI 아키텍처가 아님. 진화의 디딤돌.
역사적으로 단일 컴퓨터 알고리즘/소프트웨어 아이디어가 오랫동안 지배적인 적은 없음.
컴퓨터의 아름다움: 10년 전에는 상상도 못 했던 일을 오늘날 수행. 컴퓨터를 "전자레인지"로 만들어서는 안 됨.
혁신의 풍부함을 믿으며, 연구자들이 "수프 속에서 헤엄치며" 놀라운 아이디어를 낼 수 있는 아키텍처 창조 목표.
트랜스포머의 "어텐션 메커니즘"은 계속 진화 중 (플래시어텐션, 계층적 어텐션, 웨이브어텐션 등). 컴퓨터 과학/AI 연구는 끝나지 않았음.
연구/혁신/새로운 아이디어를 가능하게 하는 유연한 컴퓨터가 가장 중요.

칩 제조의 물리적 한계 극복

(칩 제조의 물리적 한계를 고려한 도구 설계 방식은?)
칩이 TSMC에서 제조되더라도, 엔비디아는 TSMC 수준의 반도체 물리학 전문 지식 보유 목표 (현재 기술 한계에 대한 직관).
TSMC와 긴밀히 협력하여 함께 한계 발견 및 극복.
시스템 엔지니어링, 냉각 시스템(액체 냉각을 위한 배관, 공기 냉각을 위한 팬의 공기 역학) 등 다른 분야에서도 마찬가지. 직접 제조하지 않더라도 심층 전문 지식을 바탕으로 설계.

엔비디아의 현재 주요 투자 분야

옴니버스와 코스모스의 융합: 생성형 "멀티버스" 생성 시스템. 로보틱스/물리 시스템 미래에 매우 중요.
인간형 로봇: 도구, 훈련, 인간 시연 시스템 등. 향후 5년 매우 흥미로울 것.
디지털 생물학: 분자/세포의 언어 이해 (물리학처럼). 예측. 인간의 디지털 트윈 가능성.
기후 과학: 일기 예보로부터 고해상도 지역 기후/기상 패턴 예측. 심오한 영향력.

더 나은 미래를 위한 엔비디아의 "타임머신"

엔비디아 기술이라는 "타임머신"을 만든 것은 행운.
언급된 모든 분야에서 미래를 보고 예측하여 최선의 버전으로 만들기 위해 타임머신 필요.

AI가 개인의 삶에 미칠 영향: 단순 반복 작업 감소, 새로운 경제

(AI 도구가 개인에게 미칠 영향에 대해 어떻게 생각해야 하는가?)
접근 방식 1: 중요한 작업에 드는 노력이 일주일에서 거의 즉시로 줄어든다면 (단순 반복 작업이 0으로 수렴)?
- 비유: 주간 고속도로 → 교외 지역 발달, 새로운 유통망, 주유소/모텔 등 신규 경제 등장.
- 비유: 화상 회의 → 원격 근무/생활 가능.
접근 방식 2: 항상 소프트웨어 프로그래머가 함께 있다면? 아이디어를 대략 구상하면 시제품 등장. 삶과 기회에 어떤 변화를 가져올까? 무엇을 할 자유를 줄까?

AI는 인간을 강화하여 "초인간"으로 만들 것

향후 10년: 특정 분야의 지능은 초인간적 수준이 될 것.
젠슨 황 자신도 각 분야 세계 최고인 "초인간적" 동료들에게 둘러싸여 있지만, 자신이 불필요하다고 느끼기보다 오히려 더 큰 야망을 갖도록 힘을 얻음.
마찬가지로, 초지능 AI에 둘러싸이는 것은 모든 사람에게 힘을 주고 자신감을 줄 것.
챗GPT 사용 경험: 더 쉽게 배우고 지식 장벽이 낮아짐. 개인 교사가 항상 함께하는 느낌.
모두에게 권장: 당장 AI 교사를 구하라 (교육, 프로그래밍, 글쓰기, 분석, 사고, 추론 등 모든 면에서 도움). 이것이 우리의 미래. 우리는 초지능 AI를 통해 초인간이 될 것.

소개된 제품 1: 지포스 RTX 50 시리즈 그래픽 카드 (AI 기반 그래픽)

PC에 장착하는 슈퍼컴퓨터. 게이밍, 디자인, 창작 예술, AI에 사용.
혁신: 지포스가 AI를 가능하게 했고(알렉스넷), 이제 AI가 지포스로 돌아와 컴퓨터 그래픽스를 도움.
4K 디스플레이(약 800만 픽셀)에서 실제 연산은 50만 픽셀만 처리하고 나머지는 AI가 예측. 이미지는 완벽.
더 적은 픽셀에 더 많은 연산 투자 → 품질 향상 → AI 추론 정확도 향상.
AI가 우리를 초인간으로 만드는 완벽한 예: AI가 다른 작업을 대신해줌으로써 우리는 가장 가치 있는 일에 시간과 에너지 집중 가능.

소개된 제품 2: 미니 DGX (모두를 위한 AI 슈퍼컴퓨터)

2016년: AI 연구자용 DGX-1 (오픈AI에 첫 전달). 25만 달러.
현재 미니 버전: 모든 엔지니어, 학생, AI 과학자를 위한 AI. AI는 어디에나 있을 것.
3천 달러 버전으로 학교, 학생들 사용 가능. PC/맥 옆에 두면 개인 AI 슈퍼컴퓨터 보유. 자신만의 AI, R2-D2 개발 가능.

학생들을 위한 조언: AI 학습과 프롬프트 전문성

오늘날 학생이라면 가장 먼저 할 일: AI 학습.
챗GPT, 제미나이 프로, 그록(Grok) 등과 상호작용하는 방법 학습.
AI와 상호작용하는 것은 질문을 잘하는 것과 유사. AI 프롬프트 작성에는 전문성과 예술성 필요.
전공 분야(수학, 과학, 화학, 생물학, 법률, 의학 등)와 무관하게 항상 자문: "AI를 사용하여 어떻게 내 일을 더 잘할 수 있을까?"
젠슨 황 세대: "컴퓨터를 사용하여 어떻게 우리 일을 더 잘할 수 있을까?" (윈도우 95 이전 시대)
다음 세대: "AI를 사용하여 어떻게 내 일을 더 잘할 수 있을까?" 이것이 모두의 시작과 끝이 되어야 함.

AI는 장벽을 낮추고, 재미있고 접근하기 쉬움

흥미롭고, 두렵지만, 그래서 가치 있는 질문.
매우 재미있을 것. AI는 컴퓨터를 훨씬 더 접근하기 쉽게 만듦.
직접 조사하는 것보다 챗GPT에 질문하는 것이 더 쉬움. 이해, 지식, 지능의 장벽을 낮춤. 모두가 시도해야 함.
과거 컴퓨터는 하루 만에 배우기 불가능했지만, 챗GPT는 사용법을 모른다고 입력하면 사용법을 알려줌. 지능이 당신을 도와줄 것.

젠슨 황이 바라는 유산: "그들은 비범한 영향을 미쳤다."

(인터뷰어는 자신의 장례식에서 '낙관주의'가 언급되길 바람)
젠슨 황이 바라는 평가: "그들은 비범한 영향을 미쳤다(They made an extraordinary impact)."

엔비디아의 책임감과 광범위한 영향력에 대한 비전 (1:00:23 - 끝)

과거의 핵심 신념을 고수하고 발전시킨 덕분에 현재 세계에서 가장 중요하고 영향력 있는 기술 회사 중 하나가 된 것은 행운.
책임을 매우 진지하게 받아들임. 창출한 역량을 대기업뿐만 아니라 개인 연구자/개발자, 모든 과학 분야(수익성, 규모, 유명세 무관)에 제공하기 위해 노력.
수행 중인 작업의 중대성과 잠재적 영향력에 대한 이해 때문에 이 역량을 가능한 한 널리 보급하고자 함.
다음 세대가 돌아볼 때:
- 게이밍 기술로 엔비디아를 알게 될 것.
- 디지털 생물학/생명 과학 분야가 변혁되었음을 알게 될 것.
- 재료 과학에 대한 이해가 완전히 혁명적으로 바뀌었음을 알게 될 것.
- 로봇이 위험하고 단조로운 일을 곳곳에서 돕고 있음을 알게 될 것.
- 원하면 운전하지만, 그렇지 않으면 차 안에서 낮잠을 자거나 홈시어터처럼 즐길 수 있음(출퇴근길 독서 등).
- 이 모든 것의 중심에, 어릴 적 게임하며 자란 바로 그 회사가 있었음을 깨닫게 되기를 바람.