젠슨 황 인터뷰 — AI 산업혁명·디지털 바이오·엔비디아의 본질 (In Good Company, 2023)

제공된 영상 스크립트 전체 내용을 발생 순서대로 빠짐없이 상세히 정리.

Jensen Huang - CEO of NVIDIA | In Good Company | Norges Bank Investment Management

진행: 니콜라이 탕엔(Nicolai Tangen, NBIM CEO) · 게스트: 젠슨 황(Jensen Huang, 엔비디아 창업자 겸 CEO) · 2023-11-19

1. 도입

• 탕엔: 평소 이 팟캐스트 녹화 때도 늘 신나지만, 이번엔 준비하며 "와우" 했다. 젠슨이 지금 사회에서 벌어지는 가장 중요한 일들의 한복판에 있다. 기분이 어떤가.
• 젠슨 황: "보람되고 뿌듯하다(gratifying and rewarding)". 회사가 과학·사회의 여러 영역에 기여할 수 있어 기쁨. "짜릿한 시기(thrilling time)".

2. OpenAI에 첫 AI 슈퍼컴 직접 배달

• 탕엔: 몇 년 전 OpenAI에 첫 슈퍼컴퓨터를 직접 전달했다. 5-6년 전인가.
• 젠슨 황: 2016년. 당시 엔비디아도 막 AI에 진입, 자율주행차 작업 중 → 이 새로운 소프트웨어 방식에 어떤 컴퓨터가 필요한지 상상하던 시기.
• AI의 정의: AI는 소프트웨어 프로그래머와 함께, 데이터로부터 정제된 소프트웨어를 작성하는 컴퓨터. 그 소프트웨어는 인간이 짤 수 없는 거대한 코드 덩어리 → 특별한 컴퓨터가 필요.
• 딥러닝 등장: 컴퓨터 과학을 근본적으로 바꿀 것이라 추론. 계기는 AlexNet(컴퓨터 비전용). 효과가 너무 충격적이라 수십 년간 컴퓨터 과학자들의 기록·성과를 단번에 박살냄. 엔비디아 GPU로 만들어진 소프트웨어.
• 영감 받아 추론: 이게 어떤 컴퓨터·소프트웨어인가, 어디까지 가나, 어떤 문제를 푸나, 컴퓨터 과학 전체(칩→시스템→OS→데이터센터→네트워킹→알고리즘→응용)에 어떤 함의인가.
• 결론: 새로운 종류의 컴퓨터를 만들어야 한다 → DGX(딥러닝 시스템 = AI 슈퍼컴퓨터) 창조. 자체용으로 만든다고 발표하며 세계 첫 대를 직접 전달.

-: 일부만 관심 있을 줄 알았는데 많은 이가 관심 → 사외 첫 대를 OpenAI에 전달.

3. 핵심 돌파구 — 컴퓨터 구조 전체의 재설계

• 탕엔: 거기까지 가는 데 거쳐야 했던 큰 돌파구는.
• 젠슨 황: 소프트웨어 작성 방식 자체. 방대한 데이터(0과 1)를 처리해 패턴·관계를 찾음. 딥러닝 모델 구조 덕에 매우 큰 모델·네트워크로 확장 가능.
• 어떤 컴퓨터가 적합한가 → 아키텍처를 처음부터 재추론: 컴퓨터의 모든 측면이 바뀌어야 함.
• GPU의 적합성: 엔비디아 GPU(그래픽 프로세서)는 '세계를 시뮬레이션'하는 칩. 가상세계 시뮬레이션용 칩이 알고 보니 세계·수학을 이해하는 데도 거의 완벽한 출발점.
• 그러나 데이터 규모·연산량이 막대 → 칩 단위로 분해. CPU는 더 이상 이상적 프로세서가 아님 → GPU를 딥러닝/AI 프로세서로 진화.
• PC 아키텍처는 개인용엔 맞지만 거대 AI 학습엔 부적합: IO·네트워킹이 바뀌어야 함 → Mellanox 인수로 컴퓨터 연결·협업 방식을 변경. CPU 코어 몇 개가 아니라 수백만 GPU 코어가 함께 데이터 처리.
• 학습의 본질: 패턴·관계를 찾아 '표현'을 학습 = 대상의 '언어'를 학습하는 것. 음악의 언어, 인간 언어, 물리세계, 컴퓨터 비전, 단백질, 화학까지.

4. 가장 큰 도전 — 거대 모델과 멀티모달

• 탕엔: 가장 큰 도전은.
• 젠슨 황: 문제 공간이 거대함. 폰 앱은 수 GB, PC도 수 GB면 되지만 GPT-3는 1,750억 파라미터(각 파라미터가 부동소수점). 뉴런 연산만 그 규모이고 주변 응용은 별도.

-: 이 거대 앱은 PC 한 대·폰에 안 들어감 → 여러 컴퓨터가 함께 돌려야 실행되고, 학습엔 거대 데이터센터가 필요. 이런 종류의 앱은 존재한 적이 없음 → 모든 측면을 말 그대로 재설계.

• 학습 시간: 데이터 처리·표현/모델(세계 모델) 학습에 수 주 소요. 시간을 절반만 줄여도 단위가 여전히 '주'.
• 탕엔: GPT-3에서 4로의 진전(복잡도)은.
• 젠슨 황: OpenAI가 공개 안 해 추정은 어려우나 다수의 새 돌파구. 핵심 하나는 언어와 이미지를 동시에 학습(멀티모달).
  • 비유: 말만 봤고 얼룩말은 본 적 없어도 "얼룩말은 흑백 줄무늬가 있는 말"이라 일러주면, 이미지·언어 두 양식의 지식으로 둘을 연결해 머릿속에 얼룩말을 상상 가능.
  • 멀티모달 학습이 매우 중요. GPT-4가 그 능력을 학습함.

5. AI의 '아이폰 모먼트'와 컴퓨팅 민주화

• 탕엔: 최근 AI가 '아이폰 모먼트(iPhone moment)'에 도달했다 했는데 무슨 뜻인가.
• 젠슨 황: 컴퓨터 업계 40년간 전환은 상전이처럼 옴. 물이 얼음·수증기 되듯, 처음엔 온도가 선형으로 오르다 어느 순간 분자 구조가 급변.
  • 미니컴퓨터·워크스테이션·클라이언트서버 → PC: 첫 4-5년 선형 성장하다 Windows 95로 급변(PC 자체는 그 10년 전 등장).
  • 인터넷: 첫 5-8년은 과학자·연구자만 쓰다 모자이크(Mosaic)·야후(Yahoo) 등장에 급변.
  • 이후 클라우드, 아이폰(모바일 클라우드)으로 이어짐. 매 전환마다 프로그래밍이 더 쉬워짐.
  • 예: 메인프레임 앱은 많지 않지만 아이폰 앱은 500만 개 이상 → 앱이 그렇게 많다는 건 놀라운 앱 만들기가 쉬워졌다는 뜻. 30년 전엔 상상도 못 한 수준.
• GPT/AI에 적용: 프로그래밍 방식·응용 역량·컴퓨팅 도달범위가 모두 바뀜. 인간 언어로 프로그래밍 — 인류 역사상 모두가 프로그래밍할 수 있는 첫 컴퓨터. BASIC·포트란·파스칼·C·C++·자바·파이썬 다 불필요.
  • 농담: "작년에 파이썬 배우려다 잘 안 됐다" → 안 배워도 되니 정말 다행.
  • 결과: 세계 프로그래머가 수천만 → 수십억 명으로 증가. 컴퓨터·프로그래밍을 민주화하고, 가진 자/못 가진 자의 기술 격차를 해소.

6. 기술 민주화의 함의 — '지능의 생산'이 차세대 산업혁명

• 탕엔: 이 민주화의 함의는.

• 젠슨 황: 거의 모두의 손에 도구를 쥐여주면 모두에게 힘을 부여. ChatGPT 기반 응용이 쏟아짐 — 앱에 연결·개선, 스토리·음악 창작, 프로그램 작성.

  -: 프로그램을 직접 짜는 대신 ChatGPT에 문제를 설명 → 파이썬 프로그램·SQL 쿼리를 짜줌. 사업하려는데 웹사이트 만들 줄 모르면 ChatGPT에 설명만 하면 연결·작동까지 해줌.

  -: 프로그램 작성·문제 해결·권한 부여를 돕는 컴퓨터 = 기술 민주화의 가장 큰 가치 중 하나.

• 사회에 미칠 영향: 첫째, 생산성 상승. 지식의 접근·적용에 의존하는 모든 직업이 부스트. 기업의 깊은 도메인 지식을 직원 손에 즉시·신속히 적용. 평범한 정보 업무는 자동화.

• 차세대 산업혁명의 본질: 증기·전기나 물리적 대량생산이 아니라, 사회가 아는 가장 가치 있는 자산·상품 = 정보·지식, 즉 '지능'을 생산하는 것. 미래 모든 기업이 이를 함.
  • 엔비디아의 'AI 팩토리': 데이터를 넣으면 개선된 소프트웨어(AI=향상된 지능)가 매일 산출. 자는 동안에도 계속 생산. 칩 설계, 로봇(자율주행차) 운용, 품질검사용 컴퓨터 비전, 칩 설계·제조 개선에 활용.
  • 모든 기업이 자기 도메인에서 이렇게 함 → 지능 기반 산업의 생산성이 미친 듯이 부스트.
• 일자리: 일부는 변하고 일부는 새로 생김. 지금 AI 데이터 과학자 등 대량 신규 일자리 창출 중. 일부는 대체될 것 → 사회가 이 기술을 빠르게 이해·활용해 사회적 편익에 적용해야 함.

7. 생산성은 얼마나 오르나 — 칩·기후·코드 3가지 사례

• 탕엔: 생산성이 얼마나 오를 수 있나.
• 젠슨 황: 측정 방법은 몇 가지. 사례 제시:
  • (1) 칩 설계: 엔비디아가 만드는 칩은 세계에서 가장 크고 복잡한 반도체. AI 없이는 더 이상 설계 불가. 트랜지스터 수·연결 조합이 미친 듯이 많기 때문.
    • 비유: 뉴욕시의 1,000배 크기 도시를 처음부터 조직하는 격 — 모든 건물의 최적 배치, 건물 간 교통·연관·지원 인프라, 공원·식당 위치까지. 조합이 천문학적이라 AI 없이는 못 풂.
  • (2) 기후변화: 이해하려면 날씨를 훨씬 빨리 시뮬해야 함(내일이 아니라 다음 달·내년·10년·30년 후까지 외삽). 날씨의 멀티피직스를 시뮬하는 AI 제작 → 수치해석 대비 1만~5만 배 빠르게 날씨 시뮬 중.
  • (3) 소프트웨어: 회사 최대 비용은 소프트웨어 엔지니어. MS 코파일럿(Copilot)으로 깃허브 신규 코드의 40-50%가 AI 생성(추정). 텍스트 완성·문법 교정처럼, 작성한 것·의도를 보고 프로그램을 제안·작성.
    • 결과: 가장 비싼 인력(엔지니어)이 2배 증폭 → 엔지니어 생산성 10배 향상 목표.

8. 칩 크기·R&D, 사회 전체 생산성

• 탕엔: 그 1,000배 복잡한 칩은 면적이 얼마나 되나.
• 젠슨 황: 우표보다 크고 한 변이 몇 인치. 커피잔보다 작고 컵받침의 약 2/3 면적. R&D 예산은 약 50억 달러, 한 세대 칩 제작이 로켓 한 대보다 비쌈.
• 탕엔: 사회 전체 생산성 향상을 숫자로 말하면.
• 젠슨 황: 숫자로는 모르겠으나, 확실한 건 컴퓨터 과학자가 부족해 컴퓨터 혜택을 덜 본 나라들에게 결정적 기회·각성의 순간. 인도·동남아·아프리카 등 신흥 경제·산업이 AI로 산업·경제 역량을 끌어올려 생산성을 한계까지.
  • 선진국엔 비용 절감과 모든 일의 가속이 엄청난 가치.

9. AI가 풀 2대 문제 — (1) 디지털 바이오·신약, (2) 기후

• 탕엔: 향후 5-10년 AI가 풀 가장 중요한 문제 두 가지는. (엔비디아가 둘 다 적극 투자 중)
• (1) 디지털 바이오·신약개발: 인간 언어를 배웠듯 단백질의 언어를 학습. 단백질은 '생물학적 기계' — 아미노산 사슬이 모여 만드는 3D 형태가 기계적 기능을 결정.
  • 비유: 오토바이·자동차·외발자전거의 형태 차이가 기능을 가르듯, 펜치와 망치도 형태 때문에 기능이 다름. 단백질도 형태마다 기능이 다름.
  • 원하는 기능에서 단백질을 역설계(합성): 온도·용해도(혈류 흡수)에 더 나은 단백질, 빛에서 에너지 합성, 플라스틱 분해, 해양 기름 유출 분해 등.
  • 화학의 언어도 이해 → 화학·단백질의 상호작용 이해 → 신약 발견 개선. 신약개발은 여전히 막대한 비용·긴 시간·낮은 성공률 → 그 확률을 높임.
• (2) 기후변화: 인간 요인의 영향 이해 + 기후 예측 + 지역 기후 영향(멕시코만 극한기상, 북캘리포니아 건조일 증가에 따른 산불 등).
  • 사람들은 '평균' 기후변화가 아니라 내 지역(지역경제·농업·물 공급·삶의 질·극한기상)에 대한 영향을 알고 싶어 함.
  • 부수효과: 물리 계산 알고리즘·수학이 다른 모든 물리 분야의 연산량도 줄임 → 한편으론 기후 예측, 다른 한편으론 더 적은 에너지로 예측.
  • 시뮬의 의미: 이해 못 하는 문제는 손대기 어려움. 시뮬레이터는 내리려는 의사결정 자체를 모사해 우선순위·지역 영향까지 더 잘 이해하게 해줌(기후 연구 커뮤니티의 통찰 기반). 시뮬하면 이해가 깊어지고 행동 우선순위를 정함. 선의의 투자가 최선은 아닐 수 있음(경제 둔화·인플레 유발·기대 효과 미달).
  • 산업적 활용: 인프라 투자처(홍수 방지 댐의 시급성·효과성), 보험·재보험 영향, 와인 산지·특정 농업 적합성 등 의사결정에 큰 도움.

10. 디지털 개인 비서

• 탕엔: 최근 빌 게이츠가 팟캐스트에서 '디지털 개인 비서'를 말했다. 어떻게 보나.
• 젠슨 황: 개인 디지털 비서·그룹 디지털 비서를 갖게 됨. 스터디그룹용 비서, 회사용 각종 비서 — HR 비서, IT 비서, 프로그래밍 비서. 회사 사업 모델링, 신제품·신서비스의 잠재 효과 모델링 등 온갖 종류의 디지털 비서가 생길 것.

11. 범용 인공지능(AGI) — 지각·추론·계획

• 탕엔: AGI에 얼마나 가까운가. MS가 'AGI의 불꽃(Sparks)'을 봤다는데.
• 젠슨 황: 그 150쪽짜리 논문을 다운받아 주말에 읽어볼 참. 지능 = 지각·추론·계획. 지각은 비범하게 잘했으나 아직 갈 길이 멂.
  • 지각의 목표: 주변 세계의 모델을 정적뿐 아니라 동적 형태로 생성("내가 이걸 하면 저게 어떻게 될까"). 인간·기업·산업 상호작용에서 늘 하는 일. '세계가 어떻게 행동하는지'의 멘탈 모델(일부는 시뮬레이션이 뒷받침).
  • 세계는 여러 스케일: 인간·분자·원자·은하 스케일. 각기 다른 물리학으로 기술(어떤 수준은 양자물리). 이 세계들 이해가 모두 중요.
  • 추론: 목표를 달성하되 핵심 가치·원칙·타인 안전 안에서, 설명가능·해석가능·투명하게 추론.
  • 계획: 그 모든 걸 염두에 두고 효율적·비용효과적 계획 수립.
  • 진전: 이 호 전체에서 AI가 큰 진전. 로보틱스(세계 이해+동작 계획)·자율주행차 큰 진전. ChatGPT가 문제를 컴퓨터 프로그램으로 분해 → 여러 단계 추론 능력 시사. 인간만큼 많은 개념 단계는 아직이나 초기 수준 추론을 분명히 시연 중.

12. AI 윤리·규제

• 탕엔: 최근 존경받는 1,000명이 '속도를 늦추고 재평가하자'는 서한을 냈다. 어떻게 보나.
• 젠슨 황: AI는 가치 있는 일을 하는 매우 강력한 기술이고, 그만한 역량은 해악에도 쓰일 수 있음 → 규제 필요.
  • "시리얼(cereal)도 규제하는데 당연히 AI도 규제해야 한다". 빠르게 움직이는 기술이니 규제기관이 개입·이해해 가드레일을 둬야 사회에 해롭지 않게 발전.
  • 탕엔: 지금 가드레일이 있나.
  • 젠슨 황: 사실상 없음. 누가 둬야 하나 → 정부 외엔 선택지가 없음. 식품·약·교통·화학물질·독성물질·전기·통신·TV 방송 등 거의 모든 걸 규제함.
  • 핵심 구분: 표현의 자유 때문에 '사람의 표현'은 규제 어렵지만, '생성되는 정보(생산물)'는 규제 가능. 컴퓨터로 정보를 생산하니 그 생산을 규제할 수 있음.

13. 군비경쟁 우려와 민주화

• 탕엔: 당신 기술로 촉발된 AI 군비경쟁이 두렵지 않나.
• 젠슨 황: 최대한 민주화해야 함. 한 회사 손에 들어가면 모두가 쓰는 것보다 분명히 나쁨.
  • "AI가 일자리를 뺏는 게 아니라, AI를 쓰는 사람이 뺏을 가능성이 더 크다".
  • 큰 생산성을 주는 신기술의 역사: 증기기관·중장비는 초능력, 트랙터·지게차는 인간 근력의 초능력 → 이제 지능을 증폭해 문제를 더 빨리 해결. 최대한 빨리 활용하되 원하는 모두에게 열고, 동시에 규제해야.

14. OpenAI의 상업화·ChatGPT·지정학

• 탕엔: 민주화를 말했지만 OpenAI는 원래 '오픈'이었는데 상업 제품화되며 사양 공개가 줄었다. 어떻게 보나.
• 젠슨 황: 그건 그 회사의 선택이고 그럴 권리가 있음. 한편 공개 AI 연구는 여전히 풍부, 오픈 LLM도 많음 → 기술 접근이 발목을 잡는 게 아님.
  • 핵심은 의지와 '기술이 유용한 상태에 매우 근접했다'는 통찰. GPT-2 → GPT-3에서 '미미하게 유용'→'엄청나게 유용'으로 가는 차이를 알아챈 통찰이 훌륭했음.
  • 이 통찰은 아이폰·PC·인터넷·구글 검색을 낳은 것과 같은 종류 — 결국 타이밍. 기술은 일찍 발명돼 특정 집단에서 무르익고, 혁신가는 '지금이 타이밍'임을 알아채 산업화·제품화.
  • "ChatGPT는 의문의 여지 없이 세계가 만든 단연 최고의 소프트웨어 제품": 놀랍고 의외의 일을 하고, 사용이 가장 쉬움(설명서 없이 타이핑만, 1억 명 이상 사용, 모호하면 되묻고 모른다고 말함, 어떤 언어로든).
• 탕엔: 이게 지정학·미중 관계를 어떻게 바꾸나.
• 젠슨 황: 말하기 어렵다. 가짜뉴스·가짜정보 생성에서 진짜 해악 가능(소셜미디어 폐해와 동일). 오늘날 가짜뉴스 대부분은 사람이 생성 → AI가 사람이 만든 가짜뉴스 탐지를 더 잘할 수도, 가짜뉴스 생성도 더 잘할 수도. 두 가능성이 다 풍부히 존재.

15. 젊은 시절·일·휴식

• 탕엔: 화제를 바꿔, 어릴 적 젠슨은 어떤 사람이었나.
• 젠슨 황: (통계적으로 이미 언덕 너머지만) 집중력 있고 호기심 많은 완벽주의자, 뭐든 잘하고 싶었고 열심히 일했다. 그게 나를 특징지음.
• 탕엔: 위대한 성취에 드는 노력의 양이 잘 이해된다고 보나.
• 젠슨 황: 노력에도 그냥 열심히와 '미친 듯이 열심히(insanely hard)'가 있고, 나는 후자.
  • 하루: 매일 일함(안 하면 일 생각). 5시 기상, 깨자마자 일 시작. 9:30 취침(잠을 좋아하고 중시).
  • 휴식: 늘 쉰다. 일하는 게 휴식, 문제 해결·성취가 휴식. 가장 큰 휴식은 가족과의 시간. 중요한 것에 대해 읽는 것도 휴식.
  • 독서: 방금 『칩 워(Chip Wars)』를 읽음, AI 논문을 많이 훑음(다 이해 못 해도 이해하려 노력), 호기심 가는 건 다 읽으려 함.

16. 성공의 본질 — 비전과 '기업의 character'

• 탕엔: 1993년 30세에 엔비디아 창업. 성공의 본질을 한마디로 하면 어떤 특성인가.
• 젠슨 황: 미래에 대한 관점은 꽤 긴 호여야 하고 방향이 옳아야 함. 우리는 절대적으로 방향이 옳았음.
  • 다만 그 방향엔 여러 경로: 스킬이 더 좋았다면 일부 경로는 쉬웠을 것. CEO 하는 법도, 회사 세우는 법도 몰랐고, PC를 본 적도 써본 적도 없었음.
  • 없던 스킬(자금 조달·조직화·채용)은 길러나감 → 스킬은 학습 가능.
  • 기업가의 태도 = "이게 뭐 얼마나 어렵겠어(how hard can it be)": PC 배우기·회사 세우기·채용·조직화 다 그 태도로 시작. 결국 다 엄청나게 어려웠지만 그 태도로 들어가야 함.
  • AI·과학컴퓨팅·자율주행도 같은 태도로: 풀 수 있는 문제면 "얼마나 어렵겠어", 모든 걸 제1원리로 추론, 누구든 할 수 있으면 우리도 할 수 있고 최대한 빨리 배움.
  • 결론: 비전도 옳았지만, 가장 중요한 건 '기업의 character(성격)'. 얼마나 회복력 있나, 역경·학습을 어떻게 다루나, 조건 변화에 얼마나 민첩한가.
  • 가치 심기: 학습·민첩성·변화 능력을 어떻게 회사에 심나 → 말하고, 가르치고, 살아내는 것.

17. 역경 대처·생존 의지·청년 조언

• 젠슨 황: 엔비디아가 장기 성공 기업으로 운이 좋은 건 초기 15년의 극심한 고난 덕. 역경의 연속, 5~6~7번은 존폐 위기.
• 탕엔: 역경 대처의 핵심은.
• 젠슨 황: 기업 character·문화 형성 초기엔 사람, 사람의 회복력·성격이 전부. 회사는 사람으로 이뤄짐 — 문화는 문서나 벽에 새긴 핵심가치가 아니라, 존폐 위기를 어떻게 넘겼는가가 만듦.
  • 사람의 민첩성·영리함·창의·독창성 + 의지: 수많은 도전 앞에서 극한의 고통 속에서도 해내는 의지력·고통을 견디는 능력, 그것이 기업 character.
• 탕엔: 2003년 스탠퍼드에서 "내 생존 의지가 거의 누구의 나를 죽이려는 의지보다 크다"고 했다. 어디서 오나.
• 젠슨 황: 자라온 배경은 각자 고유. 나는 늘 그랬음 — 좀처럼 단념시키기 어려움. 믿으면 끝낼 때까지, 잘할 때까지 계속함. 늘 "이게 얼마나 어렵겠어"이고 매번 엄청 어렵지만 훌륭한 사람들이 도와줌.
• 탕엔(마지막): 청년에게 조언은.
• 젠슨 황: 배울 게 많으니 '학습자'가 되라. 최고의 조언은 제1원리로 사고하라, 남의 조언에 휘둘리지 마라 — 받은 조언 대부분은 의견·당대 관점·틀린 가정 기반이라 무관했음.
  • "좋아하는 일을 찾으라"엔 회의적: 나는 하는 일과 사랑에 빠졌다. 접시닦이·버스보이·신문배달·웨이터 — 모든 일을 사랑했고, 엔비디아의 매일을 사랑했음. 좋아하는 일을 '찾기'보다, 하는 일과 '사랑에 빠지는' 게 더 쉬움 → 잘하고 싶어지니 어려운 일도 더 잘·더 열심히 하게 됨.
• 마무리: 탕엔: 인생에서 가장 흥미롭고 인상적인 대화 중 하나였다. 20-30년 후 돌아보면 당신이 세상을 가장 많이 바꾼 사람일 수 있다. 젠슨 황: 즐거운 대화였다, 감사하다.