AI, 미국의 다음 아폴로 모멘트: 젠슨 황이 GTC 2025에서 그린 'AI 팩토리'의 청사진

지난 NVIDIA GTC 2025 워싱턴 D.C. 키노트의 무대는 단순한 신제품 발표회가 아니었습니다. 청중이 목격한 것은 "AI의 슈퍼볼"이라는 농담 섞인 선언을 넘어, 미국의 기술적 위상을 재정의하려는 거대한 야망이었습니다.

NVIDIA의 창립자이자 CEO인 젠슨 황(Jensen Huang)은 무대에 올라 "미국은 혁신의 땅입니다"라고 운을 띄웠습니다. 그는 벨 연구소의 트랜지스터 발명, IBM의 메인프레임, 그리고 인류를 달로 보낸 아폴로 계획을 차례로 언급했습니다. 그러고는 단언했습니다. "지금, 다음 시대가 여기에 있습니다. 이것은 미국의 다음 아폴로 모멘트입니다."

그가 말한 '다음 시대'의 중심에는 물론 AI가 있습니다. 하지만 젠슨 황이 제시한 청사진은 단순히 더 빠른 칩에 대한 이야기가 아니었습니다. 그것은 컴퓨팅의 근본 원리가 어떻게 바뀌었는지, AI가 '도구'에서 '노동력'으로 어떻게 진화하고 있는지, 그리고 이 새로운 'AI 노동력'을 생산하기 위한 'AI 팩토리'라는 거대한 인프라가 어떻게 구축되고 있는지에 대한 장대한 서사였습니다.

일반 독자에게는 다소 생소할 수 있는 이 거대한 비전을 키노트의 흐름을 따라 알기 쉽게 풀어보겠습니다.

1. 30년의 준비: 왜 '가속 컴퓨팅'이 모든 것의 시작인가

젠슨 황의 기조연설은 '가속 컴퓨팅(Accelerated Computing)'이라는 개념을 설명하는 데 상당 시간을 할애했습니다. 이것이 왜 중요할까요?

무어의 법칙은 끝났다

지난 60년간 컴퓨터 산업은 '무어의 법칙(Moore's Law)'이라는 황금률 위에 서 있었습니다. "반도체 칩의 성능은 2년마다 2배씩 증가한다"는 이 법칙 덕분에 우리는 더 빠르고 저렴한 컴퓨터를 당연하게 여겼습니다. 하지만 젠슨 황은 이 법칙이 물리학의 한계에 부딪혔다고 단언합니다.

그는 "트랜지스터의 성능과 전력 효율이 둔화되었습니다. ...무어의 법칙은 끝났습니다."라고 말했습니다.

기존의 컴퓨터 중앙 처리 장치(CPU)는 복잡한 명령어를 '순차적으로(하나씩 차례로)' 처리하는 데 특화되어 있습니다. 하지만 무어의 법칙이 끝난 지금, 이런 방식만으로는 AI 시대가 요구하는 폭발적인 연산량을 감당할 수 없게 되었습니다.

NVIDIA의 해답: GPU 그리고 'CUDA'

NVIDIA는 30년 전부터 이 문제를 예견하고 다른 길을 걸었습니다. 바로 GPU(그래픽 처리 장치)를 활용한 '가속 컴퓨팅'입니다.

✓ CPU (중앙 처리 장치): 똑똑한 1~2명의 요리사가 복잡한 요리를 순서대로 하나씩 만드는 것과 같습니다.

✓ GPU (그래픽 처리 장치): 수천 명의 보조 요리사가 간단하지만 방대한 양의 재료 손질(예: 감자 깎기)을 '동시에(병렬로)' 처리하는 것과 같습니다.

AI 연산은 본질적으로 수천, 수만 개의 데이터를 동시에 계산하는 '병렬 처리' 작업입니다. NVIDIA는 일찍이 이 GPU의 잠재력을 그래픽 처리 외의 분야에 사용하려 했습니다.

하지만 진짜 혁신은 칩이 아니었습니다. 젠슨 황은 "CPU 소프트웨어를 GPU에 그냥 올리면 오히려 더 느려집니다"라고 강조합니다. GPU라는 수천 명의 보조 요리사에게 효율적으로 일을 시킬 '새로운 프로그래밍 언어와 시스템'이 필요했습니다.

그것이 바로 2006년 탄생한 'CUDA'입니다.

"사람들은 GPU 칩에 대해 이야기하지만, GPU는 중요합니다. 하지만 그 위에 있는 프로그래밍 모델(CUDA)이 없다면, 개발자들은 이 플랫폼을 사용하지 않을 것입니다"

젠슨 황은 CUDA를 '회사의 보물'이라 칭했습니다. 지난 수십 년간 NVIDIA는 이 CUDA를 기반으로 350개가 넘는 전문 라이브러리(미리 만들어둔 도구 모음) 'CUDA-X'를 구축했습니다. 예를 들면 이렇습니다.

CU-Litho: TSMC, 삼성 같은 기업이 반도체 칩을 만드는 극도로 복잡한 공정(리소그래피)을 가속합니다.
MonI: 전 세계 1위 의료 영상 AI 프레임워크로, 병원의 AI 진단을 돕습니다.
CU-DF: 방대한 금융 데이터를 분석하는 SQL 작업을 가속합니다.
CU-Quantum: 양자 컴퓨터를 시뮬레이션합니다.

즉, NVIDIA는 30년에 걸쳐 AI 시대를 위한 '완벽한 연장통(CUDA)'을 준비했고, 이제 막 산업 전반이 이 연장통을 쓰기 시작한 것입니다.

2. AI에 대한 거대한 착각: AI는 '도구'가 아니라 '일(Work)'이다

젠슨 황은 GTC에서 AI에 대한 대중의 인식을 근본적으로 바꾸려 시도했습니다. "대부분의 사람들은 AI가 챗봇이라고 말할 것입니다. ... 하지만 AI는 챗봇 그 이상입니다."

AI는 '토큰'을 생산하는 새로운 산업

그가 제시한 새로운 AI 컴퓨팅 스택은 이렇습니다: 에너지 → GPU → 토큰 → AI 모델 → 애플리케이션.

여기서 가장 중요한 개념이 '토큰(Token)'입니다.

토큰이란? AI가 세상을 이해하고 표현하는 기본 단위입니다.
과거: 챗봇은 '단어'나 '글자'를 토큰으로 사용했습니다(예: "안녕", "하세요").
현재 (NVIDIA의 비전): 젠슨 황은 "우리는 거의 모든 것을 토큰화할 수 있습니다"라고 말합니다. 언어뿐만 아니라 이미지, 비디오, 3D 구조물, 화학 물질, 단백질, 유전자, 심지어 로봇의 행동까지 모두 AI가 이해할 수 있는 '숫자(토큰)'로 바꿀 수 있다는 뜻입니다.

AI가 단어 토큰의 의미를 배워 문장을 생성하듯, '단백질 토큰'의 의미를 배우면 신약을 생성하고, '행동 토큰'의 의미를 배우면 로봇이 움직이게 됩니다.

"AI는 엑셀이 아닙니다"

여기서 젠슨 황의 가장 통찰력 있는 주장이 나옵니다. "과거의 소프트웨어 산업은 '도구(Tool)'를 만드는 것이었습니다. 엑셀은 도구입니다. 워드는 도구입니다. 웹 브라우저도 도구입니다. ... 왜냐하면 '우리(사람)'가 그것을 사용하기 때문입니다."

하지만 AI는 다릅니다.

"AI는 도구가 아닙니다. AI는 '일(Work)'입니다. ... AI는 실제로 '도구를 사용'할 수 있는 '작업자(Worker)'입니다."

그는 두 가지 훌륭한 예시를 들었습니다.

AI 코딩 비서 'Cursor': "Cursor는 'VS Code'라는 '도구'를 사용하는 거대한 AI 시스템(작업자)입니다."
로보택시: "로보택시 안에는 보이지 않는 'AI 운전사'가 있습니다. 이 운전사는 '일'을 하고 있으며, 그가 사용하는 '도구'가 바로 자동차입니다."

이 차이는 어마어마합니다. 과거의 IT 산업(도구)은 100조 달러 규모의 글로벌 경제를 뒷받침하는 약 1~2조 달러 규모의 시장이었습니다. 하지만 AI(작업자)는 100조 달러 경제 자체에 직접 참여하여 '노동력'을 제공하고 생산성을 높이는, 완전히 새로운 차원의 거대 산업이 됩니다.

3. 폭발하는 수요, 그리고 '극단적 공동설계'라는 해답

AI가 '일'을 하기 시작하자 엄청난 일이 벌어졌습니다. 젠슨 황은 현재 AI 산업이 '두 개의 지수적 성장'에 직면했다고 진단했습니다.

AI 모델의 진화 (1차 지수): AI가 똑똑해지고 있습니다. 단순히 데이터를 '암기(Training)'하는 것을 넘어, 새로운 기술을 배우고(Post-training), 심지어 스스로 검색하고 추론하는 '생각(Thinking/Inference)' 단계에 진입했습니다. 젠슨 황은 "암기(Training)는 쉽습니다. 생각(Inference)이 어려운 것입니다"라며, 이 '생각' 과정이 엄청난 연산량을 요구한다고 강조했습니다.
AI의 유료화 가치 (2차 지수): AI가 드디어 '돈을 낼 만큼' 유용해졌습니다. "NVIDIA는 Cursor의 모든 라이선스 비용을 기꺼이 지불합니다." 왜냐하면 AI가 비싼 엔지니어의 생산성을 몇 배로 높여주기 때문입니다. 이렇게 AI가 똑똑해져서(1차) 유용해지자(2차), 더 많은 사람이 사용하고, 이는 다시 더 많은 '생각' 연산량을 요구하는 '선순환(Virtuous Cycle)'이 시작되었습니다.

문제는 이 두 개의 지수적 수요 폭발이 하필 '무어의 법칙이 끝난 시점'에 일어났다는 것입니다.

젠슨 황은 "칩 하나만 설계해서는 50% 성능 향상이 고작"이라고 말합니다. 이런 미미한 개선으로는 폭발하는 수요를 감당할 수 없습니다.

NVIDIA의 해답은 '극단적 공동설계(Extreme Co-design)'입니다. 이는 칩, 컴퓨터 시스템, 네트워킹, 소프트웨어, AI 모델 아키텍처까지, 데이터 센터의 모든 구성 요소를 한꺼번에 통째로 재설계하는 방식입니다.

4. GTC 2025의 심장: 'Blackwell'과 'AI 팩토리'

이 '극단적 공동설계'의 첫 번째 결과물이 바로 GTC 2025의 주인공, 'Blackwell' 플랫폼입니다.

칩이 아닌 '랙(Rack)' 스케일 컴퓨터, GB200

젠슨 황이 공개한 'Blackwell GB200'은 단순한 칩이 아닙니다. 그것은 '하나의 랙(Rack) 전체가 하나의 거대한 컴퓨터'인 시스템입니다.

최신 AI 모델은 '전문가 혼합(Mixture of Experts, MoE)'이라는 방식을 씁니다. 이는 하나의 거대한 AI 대신, 각 분야의 '전문가 AI' 수백 개를 만들어두고, 질문이 들어오면 필요한 전문가들을 불러 모아 답을 찾는 방식입니다.

이 방식의 최대 난관은 수백 명의 전문가(AI 모델 조각)들이 서로 '초고속으로 통신'해야 한다는 것입니다.

Blackwell GB200은 'NVLink 72'라는 초고속 통신망으로 72개의 GPU를 마치 하나의 거대한 뇌처럼 묶어버립니다. 그 결과, 직전 세대인 H200 대비 10배의 성능 향상과 10배 낮은 토큰 생성 비용을 달성했습니다.

젠슨 황은 "GB200은 가장 비싼 컴퓨터입니다. 동시에 토큰 생성 능력이 너무 뛰어나서, 결과적으로 가장 저렴한 비용으로 토큰을 생산합니다"라는 역설적인 효율성을 자랑했습니다.

680조 원의 수요, 그리고 '미국 내 제조'의 부활

시장의 반응은 모든 예상을 뛰어넘었습니다. 젠슨 황은 GTC 무대에서 역사에 남을 수치를 공개했습니다.

"우리는 2026년까지 Blackwell 및 초기 Rubin(차세대 칩)의 누적 수요가 0.5조 달러(약 680조 원)에 달하는 것을 확인했습니다."

이는 직전 세대인 Hopper의 5배에 달하는 경이적인 성장률입니다. 이 수요는 '가속 컴퓨팅으로의 전환'과 'AI로의 전환'이라는 두 개의 거대한 물결이 동시에 밀려오고 있기에 가능합니다.

이어진 영상은 더욱 인상적이었습니다. NVIDIA는 이 복잡하고 거대한 Blackwell 시스템의 제조 공정을 상세히 공개하며, 애리조나(실리콘 웨이퍼), 인디애나(HBM 메모리), 텍사스(시스템 조립) 등 미국 내 공급망을 생생하게 보여주었습니다.

젠슨 황은 트럼프 대통령이 "제조업을 미국으로 되가져오라"고 요청했다며, "9개월 후, 우리는 이제 애리조나에서 Blackwell을 완전 가동 생산하고 있습니다. 우리는 다시 미국에서 제조하고 있습니다(We are manufacturing in America again)."라고 자랑스럽게 선언했습니다.

이는 AI라는 차세대 산업 인프라의 핵심을 미국 본토에 둔다는 강력한 지정학적 선언이었습니다.

다음 단계 'Rubin': 케이블이 사라진 미래

NVIDIA는 이미 Blackwell 다음 단계를 준비하고 있었습니다. 젠슨 황은 연구실에서 가동 중인 차세대 'Rubin' 플랫폼의 실물을 공개했습니다. 내년 이맘때 생산될 Rubin은 2016년 OpenAI에 전달했던 최초의 AI 슈퍼컴퓨터보다 100배 강력합니다.

더욱 놀라운 것은 그 형태입니다. Rubin 랙은 외부 케이블이 전혀 없는(cableless) 깔끔한 디자인과 100% 액체 냉각 방식을 채택해, AI 팩토리의 밀도와 효율을 극한으로 끌어올릴 준비를 마쳤습니다. 또한 AI의 '생각' 과정에서 발생하는 병목 현상을 해결할 새로운 'Context Processor (CPX)'와 'Bluefield 4'까지 탑재합니다.

5. 새로운 영토: 6G, 양자, 그리고 '물리적 AI'

NVIDIA의 야망은 데이터 센터에만 머무르지 않습니다. GTC 2025는 AI가 산업의 모든 말단으로 퍼져나가는 현장을 보여주었습니다.

① 6G와 Nokia: 통신망의 두뇌가 되다

젠슨 황은 현재의 무선 통신망이 대부분 외국 기술에 의존하고 있음을 지적하며, 6G 시대에는 미국 기술로 주도권을 되찾아야 한다고 역설했습니다. 이를 위해 Nokia와의 파트너십 및 'NVIDIA Arc' 플랫폼을 발표했습니다.

Arc란? GPU 기반의 '소프트웨어 정의 기지국'입니다.
목표 1 (AI for RAN): AI를 사용해 전파를 더 효율적으로 관리하여 통신 속도를 높입니다.
목표 2 (AI on RAN): 전국의 수많은 기지국 자체를 하나의 거대한 '엣지 AI 컴퓨터'로 활용합니다. 즉, 우리 동네 기지국이 바로 AI 연산을 처리하는 시대가 열리는 것입니다.

② 양자컴퓨팅: GPU로 양자를 제어하다

양자컴퓨터는 미래의 '꿈의 컴퓨터'지만, 치명적인 약점이 있습니다. 양자 비트(큐비트)는 극도로 깨지기 쉽고 불안정합니다.

NVIDIA는 이 큐비트의 '오류를 실시간으로 보정'하고 안정화시키는 역할을 GPU 슈퍼컴퓨터가 맡아야 한다고 봤습니다. 이를 위해 양자 프로세서(QPU)와 GPU를 직접 연결하는 'NVQ-Link'와 통합 플랫폼 'CUDA-Q'를 공개했습니다. 미국 에너지부(DOE) 산하 8개 주요 연구소와의 협력 및 7개의 새로운 AI 슈퍼컴퓨터 구축 계획은 NVIDIA가 차세대 과학 연구의 핵심 인프라 파트너임을 입증합니다.

③ 물리적 AI (로보틱스): 3대의 컴퓨터로 로봇을 훈련시키다

젠슨 황은 로봇과 같은 '물리적 AI(Physical AI)'를 구현하기 위해서는 세 종류의 컴퓨터가 필요하다고 명쾌하게 정의했습니다.

물리적 AI 훈련을 위한 필수 컴퓨터 3요소

훈련용 컴퓨터 (GB200): AI의 '뇌'를 훈련시키는 거대한 AI 팩토리입니다.

시뮬레이션 컴퓨터 (Omniverse): 훈련된 AI가 현실에 투입되기 전, 수만 번 연습할 수 있는 초현실적인 가상 세계, 즉 '디지털 트윈(Digital Twin)'을 돌리는 컴퓨터입니다.

탑재용 컴퓨터 (Jetson Thor): 마침내 훈련과 연습을 마친 AI의 '뇌'를 실제 로봇이나 자동차에 탑재하는 소형 컴퓨터입니다.

이 세 종류의 컴퓨터가 모두 'CUDA'라는 하나의 언어로 연결되어, 로봇이 가상 세계(Omniverse)에서 넘어지는 법을 배우고 현실 세계(Jetson Thor)에서 걷게 됩니다.

6. 산업의 디지털화: AI 팩토리(DSX)와 엔터프라이즈 동맹

GTC 2025의 마지막 퍼즐은 이 모든 기술을 실제 산업 현장에 적용하는 방법론이었습니다.

Omniverse DSX: 건물이 지어지기 전에 공장을 운영하는 법

NVIDIA는 이제 칩이나 시스템을 넘어, 'AI 팩토리' 전체를 설계합니다. 'Omniverse DSX'는 기가스케일 AI 팩토리를 위한 '청사진(Blueprint)'입니다. 이는 건물의 설계, 전력, 냉각(지멘스, 슈나이더 등)부터 AI 인프라까지 모든 것을 디지털 트윈 안에서 공동 설계하고 시뮬레이션합니다.

이를 통해 AI 팩토리를 짓는 시간을 획기적으로 단축하고, 운영 효율을 극대화할 수 있습니다. NVIDIA는 이미 버지니아에 차세대 Rubin을 테스트할 AI 팩토리 연구 센터를 DSX를 기반으로 구축 중입니다.

CrowdStrike와 Palantir: AI가 AI를 방어하고 분석하는 시대

엔터프라이즈 분야에서는 워싱턴 D.C. 청중에게 특히 의미심장한 강력한 동맹을 발표했습니다.

CrowdStrike: AI가 사이버 공격의 강력한 무기가 됨에 따라, NVIDIA는 CrowdStrike와 협력하여 AI가 '빛의 속도'로 위협을 탐지하고 방어하는 AI 보안 에이전트를 개발합니다.
Palantir: 정부 및 국가 안보 분야의 강자인 Palantir와의 협력을 통해, Palantir Ontology 플랫폼을 NVIDIA GPU로 가속합니다. 이는 방대한 비정형 데이터를 실시간으로 처리하고 분석하여 핵심 인사이트를 도출하는 능력을 극대화할 것입니다.

로보틱스의 변곡점: Foxconn 공장에서 Disney의 'Blue', Uber의 로보택시까지

물리적 AI의 적용 사례는 이미 현실이 되고 있습니다.

Foxconn 공장: 휴스턴에 짓는 NVIDIA 제조 공장 전체를 Omniverse 디지털 트윈으로 먼저 구축하고, 그 안에서 FANUC 같은 실제 로봇팔들을 'Isaac Sim'으로 훈련시켰습니다.
휴머노이드 및 로봇: Figure, Agility(창고 자동화), Johnson & Johnson(수술 로봇)과의 협력을 공개했습니다.
Disney의 'Blue': 디즈니 연구소의 귀여운 로봇 'Blue'가 Omniverse의 물리 시뮬레이션 안에서 넘어지고 일어나며 걷는 법을 배우는 모습이 공개되었습니다.
Uber와 로보택시: 마침내 변곡점에 도달한 '바퀴 달린 로봇', 즉 로보택시를 위해 Lucid, Mercedes-Benz 등이 채택한 표준 플랫폼 'Drive Hyperion'을 기반으로, Uber의 글로벌 네트워크에 이 차량들을 연결하는 파트너십을 발표했습니다.

7. 결론: 칩 회사를 넘어, '산업 인프라 설계자'로

젠슨 황의 GTC 2025 키노트는 NVIDIA가 '반도체 회사'라는 낡은 정의를 공식적으로 벗어던지고, '미래 산업의 표준 인프라 설계자'로 자리매김했음을 선언한 자리였습니다.

그들은 AI를 '토큰'이라는 새로운 경제재로 정의했고, 이 토큰을 가장 효율적으로 생산하는 'AI 팩토리(Blackwell, Rubin)'를 설계했으며, 이 공장에서 일할 '물리적 AI(로보틱스)'를 훈련시키는 '디지털 트윈(Omniverse)'을 제공하고, 이 모든 것이 연결될 '6G(Arc)'와 '로보택시(Hyperion)' 인프라까지 제시했습니다.

'미국 내 제조'라는 강력한 메시지와 함께, GTC 2025는 기술을 넘어 경제와 산업, 그리고 지정학의 미래까지 재편하려는 한 기업의 거대한 청사진이었습니다. 젠슨 황이 시작부터 외쳤던 '미국의 다음 아폴로 모멘트'라는 말은, 이 모든 청사진이 완성되었을 때 비로소 그 무게를 실감하게 될 것입니다.

GTC 2025 핵심 정리: Blackwell부터 물리적 AI까지, 젠슨 황이 설계한 미래 산업 지도