젠슨 황 × 세쿼이아 비공개 LP 브리핑 정리

이게 뭔가: 세쿼이아 캐피털(미국 대형 벤처투자사)이 2026년 5월 자사 출자자(LP)·유력 패밀리오피스만 모아놓고 한 비공개 투자 브리핑. 엔비디아 CEO 젠슨 황이 세쿼이아 파트너 콘스탄틴 뷸러와 나눈 대담. 핵심은 젠슨이 "투자자 언어로" AI 산업 지형과 어디에 돈이 흐르는지를 직접 설명했다는 점. 누군가 한국어로 옮겨 X(트위터)에 올린 것을 수집·정리함. 아래 본문은 전문(全文). 화자 편향 주의: 엔비디아 CEO가 투자 수요를 끌어올리려는 자리에서 한 말. 5계층·연 20조달러 같은 숫자는 본인의 비전·추정이지 확정된 사실이 아님.

한 줄 핵심

컴퓨터가 60년간 "저장해둔 걸 꺼내오는 검색기"였다가, 지금 "그때그때 새로 만들어내는 생성기"로 대전환. 엔비디아는 그 지능을 찍어내는 발전기(다이나모)·공장(AI 팩토리)를 만드는 회사. 전기·인터넷에 이어 "지능"이 지구를 감싸는 세 번째 인프라가 된다.

두 개의 큰 그림

1. 검색 → 생성 패러다임 전환. 과거 컴퓨터는 저장된 데이터를 꺼내오는 기계라 건물 이름도 "데이터(저장)센터"였음. 이제는 모든 글·이미지·영상·뉴스가 사람마다 실시간으로 새로 생성됨 → "생성기(generator)" 수요가 폭증.
2. 다이나모 비유. 300년 전 발전기(다이나모)는 "운동(원자) → 전기(전자)"를 만들었음. 엔비디아 기계는 "전기(전자) → 숫자(토큰=지능)"를 만듦. 그 숫자가 언어·수학·단백질·물리·로보틱스 등 온갖 지능으로 재조합됨.

AI 5계층 케이크 — 돈이 어디로 흐르나 (투자 지형의 핵심)

층	내용	대표 기업
1. 에너지 (맨 아래·토대)	100년 만의 전력망 투자 기회. 원자력·풍력·태양광·수소 — 형태 불문 생산만 하면 자금 유입	지멘스, 미쓰비시, GE 버노바
2. 칩·컴퓨터·네트워크	반도체, 스위치, 실리콘 포토닉스(빛으로 데이터 전송) 등 모든 하드웨어	엔비디아
3. 인프라	토지·전력확보·건물(외함)·자본·데이터센터 운영. 현재 심각한 공급부족	—
4. 모델	우리가 'AI'라 부르는 층. 텍스트 모델사 2곳(오픈AI·앤트로픽) 외에 단백질·유전자·물리 등 80조달러 규모 영역이 진짜 개척지	OpenAI, Anthropic
5. 응용 (맨 위)	금융·법률·회계·물류 스타트업. 작년 한 해 VC 투자 1,000억달러(역대 최대)	—

머리에 박을 숫자

• 1GW(기가와트) 공장 1개 = 건설비 500억달러(약 75조원) → 만들어내는 지능 가치 3,000~4,000억달러. ROI가 막대.
• 올해 생태계에 1조달러 투입. 젠슨 추정 연간 20조달러까지 성장 → 지금은 시작 단계.
• 장비 1랙(rack) = 칩 72개, 무게 2톤, 가격 400만달러, 부품 150만개. 올해 칩 약 800만개 제조.

"AI가 일자리 없앤다"는 헛소리라는 반론

• 직업(목적) ≠ 업무(task). 업무는 자동화돼도 직업의 목적은 남고 오히려 승격됨.
• 영상의학: 컴퓨터비전이 12년 전 이미 인간을 추월. 그런데 전문의 수요·부서 수익·고용이 오히려 증가(생산성↑ → 검사·환자 더 많이 수용). 소프트웨어 엔지니어도 코딩 자동화에도 더 많이 고용(본업 = 코딩이 아니라 문제 해결).
• 직무 승격: 배관공 → 설계자, 가구 영업 → 인테리어 디자이너.
• 핵심 한 문장: "AI가 내 일을 뺏는 게 아니라, AI를 쓰는 다른 사람이 뺏는다."

SF 공포 내러티브 비판

터미네이터·특이점·"인류 종말 확률 20%" 같은 말 = 헛소리. 작동 원리를 알기에 매년 개선되는 것(환각 현상이 2년 전 대비 거의 제로로 감소). AI는 오히려 기술 격차를 해소하는 가장 강력한 힘.

해리 관점 투자 함의 (근거만, 권고 아님)

• 엔비디아 중심성: 생성 패러다임의 "발전기" 위치 — 5계층 중 2층을 사실상 독점하는 구도라는 게 젠슨 본인의 프레임.
• 1층 에너지·전력이 AI의 토대: "AI 붐 = 전력 수요 폭증" 논리를 엔비디아 CEO가 직접 5계층 맨 밑바닥으로 못 박음. 해리의 에너지·전력 인프라 관심과 직결되는 1차 발화.
• 4층의 다음 개척지: 텍스트 모델 너머 단백질·유전자·물리(80조달러) → 바이오·로보틱스·자율주행 AI 방향 제시.
• 거르고 볼 점: 화자가 포지션을 가진 엔비디아 CEO. 20조달러·5계층은 투자 유도용 비전. 숫자보다 "검색→생성 전환"이라는 구조적 메시지가 알맹이.

---

전문 (한국어 정리본 원문)

NVIDIA 젠슨 황, 지능 시대의 발전기(Dynamo) 구축을 말하다 - 세쿼이아 캐피탈 : 비공개 투자 브리핑 26.5

세쿼이어 캐피털에서 2026년 5월 자사 LP 및 유력 패밀리 오피스 관계자들을 대상으로 비공개 투자 브리핑으로 녹화했던 엔비디아의 젠슨 황과 세쿼이어 캐피털 파트너인 콘슨탄틴 뷸러의 대담을 2주전에 공개했습니다.

이 대담은 매우 중요합니다. 젠슨 황이 "투자자"들을 위해서, 투자자들을 위한 언어로 매우 친절하게 설명하고 있기 때문입니다. 이걸 읽는 당신은 이 이야기를 어디서도 들어보지 못했을 겁니다. 꼭 기억하세요. 아마 당신은 젠슨과 콘슨탄틴, 그리고 여유가 있다면 저에게 감사할 지도 모르죠.

가장 중요한 것은 현재는 "지능 혁명"이 진행 중이고, 그 지능 혁명 가운데에는 엔비디아가 발명한 "다이나모"가 있다는 것입니다. 즐겨 주십시오. 감사합니다.

제1장: 생성형 AI에서 에이전틱 AI로의 진화

콘스탄틴 뷸러 (Konstantine Buhler): 정말 감사합니다, 젠슨. 우리는 지금 거대한 AI 혁명의 한가운데에 있습니다. 아마도 산업 혁명보다 더 크고 빠를 것입니다. 그리고 당신은 지금 일어나고 있는 이 상황을 인류 역사상 가장 거대한 인프라 구축이라고 부르셨죠. 그 구축의 중심에는 AI 팩토리(AI factory)¹가 있고, 이 모든 것을 가능하게 하는 회사가 바로 엔비디아(NVIDIA)입니다. AI 팩토리가 무엇인지, 그리고 왜 그것이 향후 10년간 모든 기업에게 최고의 투자가 되는지 말씀해 주시겠습니까?

젠슨 황 (Jensen Huang): 네. AI를 이해하는 데는 몇 가지 특정한 방식이 있을 겁니다. 여러분이 AI를 가장 쉽게 이해하는 방식은 아마도 웹 브라우저를 통한 챗봇일 겁니다. 여러분은 그것과 상호작용하죠. 프롬프트(prompt)를 주면, 그것이 무언가 대답을 돌려줍니다. AI를 꽤 오랫동안 사용해 오신 분들이라도 지난 2~3년 동안 AI의 능력이 매우 눈에 띄게 진화하고 향상되는 것을 보셨을 겁니다.

2년 전, 여러분은 챗GPT(ChatGPT)²에 대해 들으셨죠. 챗GPT는 기본적으로 여러분이 주는 입력을 이해하는 컴퓨터 소프트웨어입니다. 정보를 인지하고 이해할 수 있으며, 그 정보를 변환하여 다른 무언가로 생성해 낼 수 있죠. 그래서 프롬프트를 주면서 "여기 이 PDF를 줄 테니 요약해 줘."라고 할 수 있습니다. 텍스트에서 텍스트로 가는 거죠. 또 "내가 준 이 PDF 내용으로 이미지를 생성해 줘."라고 할 수도 있습니다. 텍스트에서 이미지로 가는 겁니다. 이미지에서 텍스트로 갈 수도 있습니다. 즉, 사진을 주면서 "이 사진 안에서 무슨 일이 일어나고 있어?"라고 물어볼 수 있죠. 이미지에서 텍스트로 가는 겁니다. 이해가 되시나요? 무엇이든 다른 무엇으로 변환할 수 있습니다.

2년 전의 AI는 대체로 이런 변환을 해냈습니다. 우리는 그것을 생성, 생성형 모델(generative models)이라고 불렀죠. 생성형 AI³입니다. 하지만 '생성형 AI'라는 단어 안에서 정말로 중요한 점은, 단지 이해하고 생성하는 것보다 훨씬 더 가치 있는 일, 즉 '사고(thinking)'를 하기 위함이라는 것입니다. 단어를 생성하지 못하면 생각할 수도 없죠. 그래서 생성형 AI의 기반은 우리에게 내면의 생각, 추론, 단계적 추론, 문제 해결 능력을 생성해 주었습니다.

또한 지금 매우 중요한 또 다른 작업을 가능하게 했는데, 바로 다른 무언가를 제어할 지능을 생성하는 것, 즉 도구를 사용하기 위한 제어 명령을 생성하는 것입니다. 이해가 되시나요? 브라우저, 스프레드시트, 포토샵, 파워포인트, 오토캐드(AutoCAD) 같은 다른 도구를 사용하는 겁니다. 오늘날 그 도구는 디지털 형태지만, 언젠가는 기계적인 도구가 될 것입니다. 만약 제가 기계 시스템에 명령을 생성한다면 그것은 로보틱스(robotics)가 되겠죠. 운전대가 있는 기계에 명령을 생성한다면 자율주행차(self-driving cars)가 될 겁니다. 이해가 되시나요? 좋습니다.

그래서 2년 전, 사실 여러분은 챗GPT라는 그 토대를 보셨고 다들 "재밌네, 좀 엉뚱하네"라거나 "환각(hallucination)으로 말도 안 되는 글을 잔뜩 만들어 내네"라고들 했습니다. 다 맞는 말이지만, 그것은 이 모든 것을 이끌어낸 기반 기술이었습니다. 2년이 지난 지금, 우리는 에이전틱 시스템(agentic systems)⁴을 갖게 되었습니다.

이것이 AI에 대한 하나의 관점, 즉 'AI가 무엇을 할 수 있는가?'에 대한 설명입니다. 이제 여러분 모두 챗GPT, 코덱스(Codex)⁵, 클로드 코드(Claude Code)⁶ 등을 통해 AI가 단순히 이해하는 것을 넘어, 추론하고 실제로 작업을 수행할 수 있다는 것을 깨닫고 계십니다.

2년 전, AI가 여러분의 말을 이해하고 흥미롭거나 새롭고 꽤 귀여운 정보를 생성할 수 있었을 때는, 시를 한 편 써야 할 때 아주 좋은 방법이었죠. 안 그렇습니까? 컨트리 송을 하나 작사하고 싶지 않은 사람이 어딨겠습니까? 그게 2년 전이었습니다. 하지만 이제 AI는 작업을 수행할 수 있기 때문에 가치가 있습니다. 가치가 있다는 것은 유용한 정보와 유용한 작업을 생성할 수 있고, 우리가 그 대가로 돈을 지불할 수 있다는 뜻입니다. 우리는 똑똑한 친구를 두는 것은 좋아합니다. 만물박사 같은 사람들을 좋아하지만, 그들에게 돈을 주진 않죠. 우리는 일을 하는 사람에게 돈을 지불합니다. 이해가 되시나요?

지난 2년 동안 일어난 일이 바로 이겁니다. AI는 이런 능력을 갖추는 데서 나아가 이제 에이전틱해졌습니다. 큰 쓸모가 없던 상태에서 이제 유용한 작업을 생산해 내는 상태로 넘어갔죠. 그 유용한 작업이 너무나 많아서 여러분과 제가 매일같이 이 일을 하고 있습니다. 우리는 AI에게 시간당 임금을 지불하고 있는 셈이죠. 작업의 대가로 시간당 30달러, 혹은 20달러를 지불할 수도 있습니다. 우리는 기본적으로 오늘날 AI에게 많은 돈을 지불하고 있고, 이것이 인류 역사상 가장 빠르게 성장하는 소프트웨어 비즈니스가 된 이유는 이제 AI가 유용한 작업을 수행하며 우리가 그 대가로 돈을 지불할 수 있기 때문입니다.

제2장: 검색에서 실시간 생성으로: 컴퓨팅 패러다임의 대전환

젠슨 황: 이것이 AI가 할 수 있는 일에 대한 하나의 관점입니다. 하지만 콘스탄틴의 말을 추론해 보기 위해 매우 중요한 또 다른 관점이 있습니다. 예를 들어, 어떤 기업이나 사람들이 훌륭한 비즈니스를 구축하고 거대한 산업의 중심에 능숙하게 자리 잡을 수 있는 이유는, 그들이 이 능력을 보았을 때 흥미로운 생각을 하기 때문입니다. 하나의 흥미로운 생각은 이겁니다. "우리가 이 일을 할 수 있다면, 이것이 하위 산업(downstream industries)들에 어떤 영향을 미칠까?" 이것은 우리가 마땅히 나눠봐야 할 흥미로운 대화입니다.

AI가 이런 일을 할 수 있게 된 지금, 헬스케어, 금융 서비스, 생명 과학, 제조, 물류, 교통 등 모든 산업에 어떤 일이 일어날까요? 끊임없이 계속되죠. 이테일(e-tail)⁷, 광고, 미래의 엔터테인먼트 등등, AI가 할 수 있게 된 일들로 인해 결과적으로 어떤 일들을 후속해서 할 수 있을지에 대해서는 끝없이 이야기를 나눌 수 있을 겁니다. 흥미로운 대화 주제죠.

하지만 상류(upstream)로 올라가서 산업적인 관점에서는 그것이 어떤 의미인지 살펴봐야 합니다. 가장 먼저 깨닫게 되는 것은 바로 기본 원리(first principles)로 돌아가야 한다는 점입니다. 방금 말씀드렸듯이 AI는 소프트웨어이고 컴퓨터에 의해 생산됩니다. 그렇다면 이 모든 것을 가능하게 만든 컴퓨터에는 도대체 무슨 일이 일어난 걸까요?

가장 중요한 아이디어는 이렇습니다. 오늘날 우리가 아는 형태의 컴퓨터는 사실 64년 전에 등장했습니다. IBM 시스템/360(IBM System/360)⁸의 발표는 컴퓨팅 역사상 가장 큰 사건이었고, 64년 전 IBM은 세계에서 가장 가치 있는 기업이었습니다. 그들은 컴퓨터에 대한 현대적 이해를 창조해 냈습니다. 컴퓨터에 대해 우리가 묘사할 수 있는 모든 것은 사실 1964년에 확립되었습니다. 그 후 40년, 60년 동안 대체로 같은 형태를 유지해 왔죠.

무슨 일이 있었냐면... 그 형태의 컴퓨팅을 우리는 '사전 녹화(pre-recording)'라고 부릅니다. 이야기를 쓰고 파일로 저장합니다. 손으로 프로그램을 짜고 파일로 저장하죠. 사진을 찍고 파일로 저장하고, 음악을 녹음하고 파일로 저장합니다. 지금 우리가 실시간 스트리밍으로 비디오를 만들고 있지만, 누군가 이것을 녹화해서 파일로 저장할 겁니다. 그리고 나중에 그것을 사용하고 싶을 때, 디스크 드라이브에서 그것을 검색(retrieve)해 옵니다. 이해가 되시나요?

그 검색 과정은 지능적으로 이루어집니다. 그래서 모든 사람이 뉴스 기사를 검색할 때 나오는 결과가 조금씩 다른 거죠. 그것을 추천 시스템(recommender system)⁹이라고 부릅니다. 하지만 기본적으로 오늘날 우리가 아는 컴퓨터는 검색기(retriever), 즉 검색 기반 시스템입니다. 이 건물들이 데이터 센터(data centers)¹⁰라고 불리는 이유이기도 하죠. 데이터를 저장하니까요. 연산을 많이 하지 않기 때문에 '컴퓨터 센터'라고 부르지 않는다는 점에 주목하세요. 여러분이 스마트폰을 터치하는 것에 맞춰 검색할 데이터를 그저 저장할 뿐입니다.

그런데 제가 방금 설명한 것들을 바탕으로 볼 때, 지금 일어난 일은 이렇습니다. 제가 설명한 대로 이 AI가 작동하려면, 제가 AI에게 무언가를 말할 때마다 새로운 정보, 즉 우리가 '맥락(context)'이라고 부르는 것을 주어야 합니다. 제가 새로운 프롬프트를 주면 그것이 '쿼리(query)'가 되죠. 맥락과 쿼리 사이에서, AI는 먼저 그것을 이해하고 추론한 다음, 그 맥락과 쿼리, 즉 상황에 기반하여 출력물(output)을 생성합니다. 여기까지 이해되시나요? 고개를 한 번 끄덕여 주시네요, 좋습니다.

그렇다면, 여러분이 AI를 사용할 때마다 콘텐츠는 매번 독창적으로 새롭게 생성되는 것입니다. 제가 지금 여러분에게 드리는 모든 말씀도 실시간으로 생성되고 있는 겁니다. 제 설명은 여러분 모두가 60개의 다른 국가, 128개의 다양한 가정에서 왔으며, 다양한 배경을 가지고 있다는 사실을 제가 인식하고 있기 때문에 이렇게 나오는 것입니다. 여러분 중 일부는 아마 컴퓨터 산업 출신일 테고, 대부분은 그렇지 않을 겁니다. 그래서 저는 여러분이 충분히 깊이 있게 이해할 수 있는 방식으로 정보를 설명하고 있습니다.

하지만 궁극적인 제 목표는 이겁니다. 여러분이 다음 투자를 어떻게 해야 할지 알게 하는 것입니다. 그것이 제가 이끄는 방향이죠. 여러분이 스스로 추론할 수 있을 만큼 충분한 정보를 드릴 겁니다. 그래야 다음 번에 무언가를 보았을 때 "저건 투자할 가치가 있어. 거대한 산업이 될 거야."라고 판단하실 수 있을 테니까요. 그 산업은 지금 1,000억 달러 규모로 아주 커 보이지만, 앞으로 커질 규모에 비하면 아무것도 아닙니다. 저는 여러분에게 그 문제를 해결할 수 있는 직관을 드릴 겁니다. 아시겠죠?

그래서 지금 우리가 여기 있는 겁니다. 60년 동안 대개 검색에 기반했던 컴퓨터 산업에서 갑자기 어느 날 실시간으로 완벽하게 생성되는 시대로 넘어왔습니다. 우리는 이것을 '지능(intelligence)'이라고 부릅니다. 이것이 바로 제가 지금 여러분을 위해 하고 있는 일입니다. 저는 지능을 시연하고 있습니다. 맥락에 대한 인식을 바탕으로, 그가 저에게 프롬프트를 주었고 여기 제 답변이 나오는 거죠. 이해가 되시나요? 극한의 지능(extreme intelligence)입니다. 지극히 인공적인 지능(extremely artificial intelligence)이죠.

그래서 지금 일어나고 있는 일은, 제가 앞서 하나의 단어로 드렸던 '생성형 AI'입니다. 오늘날의 컴퓨터는 완전히 재창조되었습니다. 이제 컴퓨터는 생성형입니다. 여러분이 앞으로 보게 될 모든 픽셀, 모든 글자, 보게 될 모든 단어, 모든 동영상, 모든 이미지, 모든 광고, 모든 TV 상업 광고, 뉴스 기사를 읽을 때마다...

콘스탄틴 뷸러: 네.

젠슨 황: 그 모든 뉴스 기사가 다 다를 것입니다. 콘스탄틴이 보는 것, 제가 보는 것, 여러분이 보는 것이 완전히 다를 겁니다. 왜냐하면 여러분을 위해 생성될 테니까요. 여러분의 관심사, 맥락, 여러분이 누구인지, 무슨 이유로, 어떻게 물어보았는지에 따라 완전히 다르기 때문입니다. 이해가 되시나요?

따라서 미래에는 여러분이 보게 될 모든 픽셀, 듣게 될 모든 소리, 보게 될 모든 영상이 검색되는 것이 아니라 독창적으로 생성될 것입니다. 즉, 미래에는 훨씬 더 많은 '생성기(generators)'가 필요하다는 뜻입니다.

콘스탄틴 뷸러: 음.

젠슨 황: 그리고 이 생성기들이 바로 우리가 만드는 것입니다. 그것이 우리가 생업으로 삼는 일입니다. 이것들은 대형 컴퓨터들이며 지능을 생성하고 있습니다.

제3장: 새로운 다이나모와 지능을 생산하는 AI 팩토리

젠슨 황: 그럼 다음 질문은 이겁니다. 도대체 그것이 얼마나 커질 수 있을까요? 알아보니 정보의 양, 즉 지능 생성의 양은 오늘날 전 세계 약 10억 명을 위해 처리되고 있습니다.

하지만 제가 앞서 AI가 에이전틱해졌다고 말씀드렸죠. 즉, AI가 실제로 혼자서 업무를 수행할 수 있다는 뜻입니다. 글쎄요, 스스로 일을 할 수 있다면 한 에이전트가 다른 에이전트와 소통하며 "나 할 일이 좀 있는데, 우리 팀을 짜서 같이 일하자."라고 할 수 있겠죠. 이제 여러분의 회사 내부에는 이 수많은 다양한 에이전트들이 존재하며 그들이 함께 문제를 해결하게 됩니다.

우리 회사 내부를 예로 들면, 콘스탄틴도 잘 알다시피 우리는 에이전틱 AI를 엄청나게 사용하고 있습니다. 지금 이 순간에도 수십만 개의 에이전트가 돌아다니며 일을 하고, 서로 대화하며 문제를 해결하고 있을 겁니다. 이들은 모두 가드레일(guardrails)¹¹이 쳐져 있고 샌드박스(sandbox)¹² 안에 안전하게 격리되어 있지만, 모두 서로 협력하고 있습니다. 이는 미래에 오늘날 10억 명의 사람이 사용하는 인터넷이 아마도 대개 수십억, 이른바 1,000억 개의 에이전트가 24시간 내내 인터넷을 사용하며 서로 대화하는 형태로 바뀔 가능성이 매우 높다는 뜻입니다.

그들은 무슨 말을 할까요? 예를 들어 기업과 협력하는 기업 에이전트들, 직원의 에이전트와 일하는 또 다른 직원의 에이전트가 있을 것입니다. 에이전틱한 자율주행차가 있을 것이고, 에이전틱한 로봇, 모든 제조 시스템, 모든 건물이 에이전틱해질 것입니다. 사방에 에이전트들이 존재하며 인터넷을 사용할 것이고, 그들이 서로에게 지시하기 위해 생성하는 모든 명령과 그들이 이해하기 위해 가지는 모든 생각은 전부 생성될 것입니다. 이해가 되시나요?

그래서 기본적으로 세상은 지구를 고치(cocoon)처럼 감싸는 이 컴퓨팅의 층(layer)으로 덮일 것이고, 끊임없이 지능을 생성하게 될 것입니다. 제가 방금 좀 터무니없는 소리처럼 들리는 말을 했지만, 사실 이 일은 이미 일어난 적이 있습니다.

콘스탄틴 뷸러: 음.

젠슨 황: 그것도 두 번이나요. 300여 년 전, 독일의 지멘스(Siemens)라는 회사가 기계를 하나 만들었는데, 이 기계는 정말 흥미로운 기계입니다. 이 기계에 다가가 불을 붙이면 반대편에서 눈에 보이지 않는 엄청난 힘이 뿜어져 나옵니다.

콘스탄틴 뷸러: 음.

젠슨 황: 아무도 그게 뭔지 몰랐죠. 지금 우리는 그것을 전기(electricity)라고 이해합니다. 전 세계에 전력 발전기가 몇 대나 있을까요? 우리는 그것을 전력망(grid)이라고 부릅니다. 전력 생산 시스템이 지구를 고치처럼 감싸고 있습니다. 전력망이라 부르죠.

그리고 물론 그보다 훨씬 앞서 20여 년 전, 아니 35년 전에 이 네트워킹 체계, 네트워킹 매트릭스, 패브릭(fabric)이 이곳 미국에서 창조되었고 결국 인터넷이 되었습니다. 그것이 지금 어디에 있나요? 지구를 고치처럼 감싸고 있습니다. 그래서 이제 에너지, 통신에 이어 지능이 나타났고, 이것이 세상을 고치처럼 감싸게 될 것이며 우리는 그것을 도처에서 일용품(commodity)처럼 사용하게 될 것입니다.

엔비디아가 생업으로 삼는 것은 바로 이 새로운 기계를 만드는 일입니다. 300년 전에 발명된 기계는 다이나모(dynamo)¹³라고 불렸습니다. 그 다이나모 안으로는 폭포수, 바람, 불, 증기 등 움직이는 것은 무엇이든 들어갈 수 있습니다. 운동, 즉 원자(atoms)를 전자(electrons)로 변환하는 것이죠. 원자에서 전자로 말입니다.

우리는 그 전자들을 우리 기계, 즉 엔비디아라고 부르는 기계로 가져옵니다. 전자가 이 팩토리 안으로 들어오면 결과물로 숫자(numbers)들이 나옵니다. 이 숫자들은 어떻게 조합하느냐에 따라 언어가 되고, 수학이 됩니다.

또한 이것은 우리가 새로 배운 언어, 즉 단백질(proteins)의 언어로 변환될 수도 있습니다. 우리는 인간 생물학의 언어를 배웁니다. 물리적 세계의 언어인 물리학, 기후, 날씨를 배웁니다. 3D 세계의 언어인 로보틱스, 자율주행차의 언어를 배웁니다. 온갖 종류의 다양한 형태의 지능을 이루는 언어를 배웁니다.

핵심은 300년의 간격을 둔 이 두 기계가, 하나는 원자가 들어가서 전자가 나오고, 다른 하나는 전자가 들어가서 숫자가 나온다는 것입니다. 그리고 그 숫자들은 모든 종류의 다양한 지능으로 재구성되고 재조합될 수 있습니다. 그것이 우리가 구축한 것이고 우리가 생업으로 삼는 일입니다. 제가 그것을 팩토리(공장)라고 부르는 이유는 그것이 우리가 토큰(tokens)¹⁴이라고 부르는 숫자들, 즉 지능을 생산해 내고 있기 때문입니다. 그게 전부입니다. 우리가 하는 일은 그게 다입니다. 그렇게 어렵지 않죠.

콘스탄틴 뷸러: 훌륭합니다.

젠슨 황: 자, 이제 여러분은 AI의 목적이 무엇인지, 어떻게 만들어지는지, 그리고 얼마나 커질 것인지 알게 되셨습니다. 오늘 참석해 주셔서 감사합니다. (일동 웃음)

콘스탄틴 뷸러: 감사합니다. 수고하셨습니다. 아주 훌륭한 질문이네요. 저는 프롬프트가 대화를 정말 잘 이끌어 주었다고 느꼈습니다. 당신이 제대로 판을 깔아주셨죠.

젠슨 황: 네.

콘스탄틴 뷸러: 좋습니다. 이것은 거대한 혁명입니다.

젠슨 황: 네.

콘스탄틴 뷸러: 당신은 세 가지 변환(transformation)을 제시하셨습니다. 오늘날 모든 사람에게 영향을 미치며, 이 청중석에 계신 수많은 글로벌 제조 및 에너지 생산업계 종사자분들이 참여하고 계신 에너지 변환. 우리 모두를 연결하는 통신 변환. 그리고 이제 지능 변환입니다.

에너지 분야에서 당신은 발전기에 대해 말씀하셨습니다. 통신 분야에서는, 전 세계적으로 통신을 라우팅하기 위한 스위치나 그 비슷한 것이 비교 대상이 될 수 있겠죠. 그리고 이제 지능 혁명에서는 그 중심에 GPU가 있고, H100이나 베라 루빈(Vera Rubin)¹⁵처럼 필요한 모든 것을 하나의 덮개 아래 모아놓은 새로운 시스템들을 갖춘 AI 팩토리가 있습니다. 그리고 이 팩토리들, 아시다시피 이 생성기들은...

젠슨 황: 저희 장비 유닛 하나하나를 랙(rack)¹⁶이라고 부르는데, 그 안에는 72개의 칩이 들어 있습니다. 우리는 올해 이 칩들을 약 800만 개 정도 제조합니다만, 그중 72개가 랙 하나에 들어갑니다. 그 랙의 무게는 2톤입니다. 가격은 400만 달러이고, 150만 개의 부품이 들어갑니다. 이것은 세계에서 가장 비싼 장비입니다. 그리고 우리는 이것을 마치 스마트폰처럼 대량으로 찍어냅니다. 그러면 전 세계의 데이터 센터로 들어가게 되죠. 네, 우리는 이 기계들을 대량으로 만듭니다. 아주 거대한 장치들이죠.

콘스탄틴 뷸러: 이것이... 네. 이게 바로 당신이 웨이트 트레이닝을 하는 방식이군요.

젠슨 황: 네, 맞습니다. 대량 구매 할인은 없습니다. 알겠습니다.

콘스탄틴 뷸러: 좋습니다. 자, 당신은 우리가 처해 있는 매우 흥미진진한 세상의 그림을 그려 주셨습니다.

젠슨 황: 네.

콘스탄틴 뷸러: 우리는 이 혁명의 한가운데에 있습니다. 우리가...

젠슨 황: 네.

콘스탄틴 뷸러: 어찌 보면 수십 년 전부터일 수도 있고, 수년 전부터일 수도 있겠죠.

젠슨 황: 네.

콘스탄틴 뷸러: 지금은 확실히 지능 혁명의 주류(mainstream) 안에 들어와 있습니다. 우리는 어떻게 참여할 수 있을까요? 이 자리에 계신 모든 분들이 이 혁명에 동참하고 싶어 하실 거라 확신합니다.

젠슨 황: 네. 훌륭한 질문입니다.

콘스탄틴 뷸러: 대기업부터 시작해서 개인적인 차원까지 다뤄보죠.

젠슨 황: 네.

콘스탄틴 뷸러: 사람들이 이 움직임에 어떻게 합류할 수 있을까요?

제4장: AI 산업의 5계층(Five-Layer Cake) 구조와 거대한 투자 기회

젠슨 황: 알겠습니다. 제가 지금까지 두 가지 사고 모델(mental models)을 제시해 드렸는데, 이제 하나 더 제시해 드리겠습니다. 우리가 대화하면서 네 단계를 모두 다룰 수 있기를 바랍니다. 방금 저는 AI가 무엇을 할 수 있는지에 대해 이야기했습니다. AI가 어떻게 만들어지는지에 대해서도 말씀드렸죠. 그리고 이런 것들은 방금 말씀드린 팩토리 안에 있습니다. 1기가와트 규모의 팩토리 하나당 건설 비용이 대략 500억 달러(약 75조 원)에 달합니다. 보시면 아시겠지만 세계에서 가장 비싼 팩토리인 셈이죠. 하지만 500억 달러짜리 팩토리 하나가 창출해 내는 지능의 가치는 3,000억 달러에서 4,000억 달러에 이릅니다. 생산 가치가 엄청납니다. 투자 수익률(ROI)이 극도로 방대하죠. 이것이 팩토리에 관한 부분입니다.

이제 제가 말씀드릴 부분은, 여러분이 투자를 생각하실 때 매우 중요한 내용입니다. 바로 'AI 산업의 지형(industrial layout)이 과연 어떻게 생겼느냐' 하는 것입니다. 이 산업적 관점을 생각하는 방식은 5단 케이크(five-layer cake)를 떠올리는 것입니다.

제가 가장 밑바탕에는 에너지가 있다고 말씀드렸죠. 제가 다이나모에 대해 말씀드린 거 기억하시죠? 물론 지금은 다양한 교류(AC) 발전기와 같은 전력 생산 시설들이 있습니다만. 그래서 가장 낮은 계층이 에너지입니다. 이는 에너지 산업이 여러 세대 만에 맞이한 단일 최대의 성장 기회입니다. 아마 100년 만에 처음으로 여러 국가의 전력망에 투자가 이루어질 수 있는 상황이 온 것이며, 지속 가능한 에너지(sustainable energy)에 투자하기에 가장 좋은 기회일 것입니다. 여러분이 지속 가능한 에너지에 관심이 있다면, 원자력이든, 풍력이든, 태양광이든, 수소든 형태에 상관없이, 에너지를 생산하기만 한다면 자금 투자를 받게 될 것입니다.

이것만 봐도 지금이 얼마나 대단한 시기인지 알 수 있습니다. 왜냐하면 올 한 해에만 시장에서 1조 달러의 자금이, 생각해 보세요, 올해 한 해에만 1조 달러가 제가 지금 설명할 이 전체 5단 케이크 생태계에 쏟아부어질 예정이니까요. 그래서 첫 번째 층이 에너지입니다. 지멘스(Siemens)가 그토록 잘 나가는 이유이고, 미쓰비시(Mitsubishi)가 환상적인 성과를 내는 이유이며, GE 버노바(GE Vernova)¹⁷가 잘하는 이유죠. 모두가 잘하고 있습니다. 케이크의 첫 번째 층은 에너지입니다.

케이크의 두 번째 층은 칩(chips)과 컴퓨터, 네트워킹, 스위치, 그리고 실리콘 포토닉스(silicon photonics)¹⁸입니다. 이해가 되시나요?

콘스탄틴 뷸러: 네.

젠슨 황: 모든 컴퓨터 하드웨어가 여기에 속하죠. 세 번째 층은 우리가 인프라(infrastructure) 계층이라고 부르는 곳으로, 토지, 전력 확보, 외함(shell)¹⁹, 자본, 데이터 센터 운영 등을 포함합니다. 오늘날 이 모든 것들이 심각한 공급 부족(scarce supply) 상태입니다. 그래서 그것이 다음 층인 인프라 계층입니다.

그리고 네 번째 층, 모든 사람들이 눈으로 보고 이것이 AI라고 생각하는 층이 바로 모델 계층(model layer)입니다. 이해가 되시나요?

콘스탄틴 뷸러: 음.

젠슨 황: 그게 다음 층입니다. 이 계층은 클라우드 인프라가 제공하는 컴퓨터들 위에 자리 잡고 있으며, 이것은 제가 아는 한 근래 인류 역사상 가장 위대한 기회입니다. 시장 주도의 어마어마한 투자가 생태계로 자연스럽게 흘러들어오고 있으니까요. 지금은 무언가를 구축하기에 아주 좋은 시기입니다.

그래서 그게 모델 계층입니다. 모델 계층에는 오픈AI(OpenAI), 앤트로픽(Anthropic)²⁰ 같은 곳이 있습니다. 하지만 여러분이 결코 간과해서는 안 될 매우 중요한 부분이 있습니다. 여러분이 알고 계시고 들어본 모델 회사가 두 곳 있습니다만 잊지 마십시오. 제가 앞서 설명했듯이 AI는 언어를 배웠습니다. 언어와 그 의미를 배우는데, 구조(structure)가 있는 것이라면 무엇이든 그 의미와 언어를 학습할 수 있습니다.

그래서 그 층에서 정말 중요한 점은, 우리가 계속 자연어(language)에 대해서 이야기하고 있지만 잊지 마시라는 겁니다. 구조가 있는 것이라면 무엇이든 배울 수 있습니다. 구조가 있는 것의 예를 하나 들어보겠습니다. 오늘 제가 이 방에 들어왔을 때, 저는 많은 분들이 계실 거라 예상했고 여러분이 앉아 있는 모습은 제 예상에서 전혀 벗어나지 않았습니다.

콘스탄틴 뷸러: 음.

젠슨 황: 하지만 만약 여러분 중 일부가 천장에 매달려 공중에 떠 있다거나, 한 사람의 신체 부위가 17곳에 나뉘어 있다거나, 여러분 중 몇몇의 몸을 투시해서 볼 수 있다면... 그럴 때는 매번 다르기 때문에 학습하기가 어렵습니다. 아시겠어요? 양자적(quantum)인 것들은 학습하기가 힘듭니다.

콘스탄틴 뷸러: 음.

젠슨 황: 하지만 구조를 가진 것들은 우리가 학습할 수 있습니다. 그렇죠? 사람에겐 눈이 있고, 그래서 우리는 이런 것들을 배울 수 있습니다. 그렇기 때문에 저는 3D 세상, 즉 물리 법칙을 배웠습니다. 제가 아까 의자에 앉을 때 아주 자신 있게 앉았죠. 제가 53%의 확률로 의자에 안전하게 착석하고 나머지 47%의 확률로는 의자를 통과해 바닥으로 떨어질 거라고 예상하지 않았습니다. 그랬다면 의자를 신뢰할 수 없었겠지만, 이건 100%니까요. 이해가 되시나요?

따라서 어떤 사물이 예측 가능하고 규칙적이라면 그 속에는 학습할 수 있는 구조가 있고, 여러분은 그 의미를 배울 수 있습니다. 아시겠죠? 그래서 우리는 단백질의 의미를 배웠고, 유전자(genes)의 의미를 배우고 있습니다. 단순히 염기서열을 분석하거나 크리스퍼(CRISPR)²¹로 편집하는 것을 넘어 그 유전자의 진짜 의미가 무엇인지 파악하는 겁니다. 세포의 의미는 무엇일까요? 세포는 왜 그런 역할을 할까요? 두 개의 세포가 합쳐지면 어떤 일이 일어날까요?

이것은 제가 단어의 의미를 배우는 것과 똑같은 방식으로 세포의 의미를 배운다고 상상해 보면 전혀 다를 게 없습니다. 제가 두 단어를 가져와 합치면 어떻게 됩니까? 두 단어는 서로를 활성화시켜 전혀 다른 의미를 지닌 무언가로 변합니다. 알겠습니까?

그래서 컴퓨터의 관점에서는 그것이 세포든, 단백질이든, 단어든, 이미지든, 자동차든 전혀 상관하지 않습니다. 이해되시나요? 그냥 토큰(tokens)일 뿐입니다.

콘스탄틴 뷸러: 음.

젠슨 황: 따라서 우리 컴퓨터 과학자들은 세상의 정보를 이처럼 다양한 방식으로 표현해서, 컴퓨터가 그것을 반복적으로 이해하고 추론하며, 계획을 세우고 행동을 생성해 내는 지능 루프(intelligence loop)를 형성하게 할 방법을 찾아내야만 합니다. 단백질도 같은 방식이고 세포도 같은 방식이며 인간의 해부학적 구조도 같은 원리입니다. 단, 예측 가능해야만 합니다. 내일 아침의 제 모습이 오늘과 대체로 같을 것이기 때문에 예측 가능한 겁니다. 반드시 예측 가능해야 합니다. 아시겠죠?

그래서 우리는 이 모든 다양한 언어들을 학습하고 있습니다. 제 요점은, 여러분이 아시는 텍스트 언어 모델 회사가 두 곳 있지만, AI는 사실 거대한 산업이라는 것입니다. 물리적인 다른 모든 것을 다루는 산업의 규모는 약 80조 달러에 이릅니다. 우리가 아직 이야기하지 않은 그 영역들이야말로 사실상 가장 중요한 개척지(frontier)입니다.

그리고 그 층의 위에, 이 기술과 모델들은 콘스탄틴이 요즘 매일같이 지켜보는 그 수많은 스타트업들에게 스며들고 있습니다. 이들은 금융 서비스, 법률, 회계, 교통, 물류 분야 등에서 혁명적인 아이디어들을 가지고 등장하죠. 안 그렇습니까?

그래서 그 위 계층, 가장 상단에 있는 층에 작년 한 해에만 1,000억 달러의 벤처 캐피털 투자가 이루어졌습니다. 인류 역사상 최대 규모의 1년 기준 VC 투자액이었습니다. 그 모든 자금이 인간의 삶의 조건을 향상시키기 위해 애플리케이션을 적용하는 이 5번째 계층으로 유입되고 있습니다.

이렇게 5개의 계층이 있습니다. 여러분이 AI에 대해 생각하고 이 미래에 투자하고 싶으시다면, 장담하건대 이 미래는 엄청나게 거대해질 것입니다. 왜냐하면 불과 2년 전만 해도 투자가 제로(0)였으니까요. 대략 1조 달러가 이제 막 투입되려 하지만, 이것은 일부분일 뿐입니다. 제 추측으로는 AI 산업계에 매년 20조 달러 정도가 투입될 것 같습니다. 연간 20조 달러 규모의 생태계에서 이제 막 1조 달러가 투입된 셈이죠.

지능의 생산과 관련해 여러분은 스스로에게 물어보셔야 합니다. "지능이 얼마나 중요하며, 누가 그것을 필요로 하고, 얼마나 많은 양을 원하고 있는가?" 이런 것들이 기본적인 질문들입니다. 그리고 그 지능이 단백질을 위한 것이든 자동차, 로봇, 언어, 수학, 과학 등 어떤 목적을 위한 것이든, 그 모든 지능은 바로 이 기계들에 의해 생성되어야만 합니다. 그래서 이 5단 케이크가...

콘스탄틴 뷸러: 음.

젠슨 황: 산업적 형태의 구조 모델이며, 저는 이것이 투자 방향을 생각하는 데 아주 좋은 접근 방식이라고 생각합니다.

제5장: 파멸적 SF 내러티브의 모순과 '일자리'에 대한 오해

콘스탄틴 뷸러: 정말 전적으로 동의합니다. 그래서 당신은 이 혁명의 일부가 될 수 있는 수조 달러 규모의 기회에 대해 설명해 주셨습니다. 하드웨어와 인프라 시설을 포함해서 1기가와트당 500억 달러가 들고 향후 몇 년 내에 100기가와트 이상이 추가 가동된다면 그것만으로도 수조 달러 규모죠. 게다가 그 위의 애플리케이션 계층에는 훨씬 더 많은 수조 달러 플러스 알파의 기회가 열려 있습니다. 그리고 이것은 시스템 구축 현장에서 직접 일하는 사람들을 위한 실질적인 일자리(real jobs)를 창출한다는 의미이기도 하고요.

젠슨 황: 바로 지금 말이죠. 정확합니다. 그리고 우리는... 네. 우리는 이 점을, 이 점을 정말로 강조해야 합니다. 이건 여러분에게 매우 중요한 문제입니다. 오늘날 모든 국가가 AI에 대해 서로 다른 태도를 취하고 있습니다. 여러분도 동의하시죠? 모든 국가 말입니다. 문화가 조금씩 다르기 때문이죠.

그래서 제 조언은 이렇습니다. 공상과학 소설이나 비유를 조심하십시오. 터미네이터(Terminator)라든가 특이점(singularity)²² 같은 단어들, 혹은 "이 기술이 우리가 아는 인류의 종말을 가져올 확률이 20%다"라는 식의 아이디어들 말입니다. AI를 그런 식으로 표현하는 것은 그야말로 헛소리(nonsense)입니다.

콘스탄틴 뷸러: 흠.

젠슨 황: 완벽한 헛소리입니다. "오, 우리는 이 AI가 어떻게 작동하는지 전혀 모릅니다. 너무 미스터리해서 원리를 이해조차 할 수 없죠. 내일 아침 갑자기 알아서 밖으로 걸어 나갈지도 모릅니다." 제 마음속에는 이것이 컴퓨터와 소프트웨어라는 데 일말의 의심도 없으며, 그들이 AI가 어떻게 작동하는지 잘 알고 있다는 사실에도 전혀 의심의 여지가 없습니다.

그들이 작동 원리를 알고 있다는 걸 제가 어떻게 아냐고요? 왜냐하면 매년 기술이 확연히 더 나아지고 있기 때문입니다. 어떻게 작동하는지도 모르는 것을 대체 어떻게 개선합니까? "어떻게 작동하는지는 전혀 모르지만 더 나아지게 만드는 방법은 압니다." 그건 말이 안 되는 소리죠.

그렇다면 그들은 도대체 왜 그런 소리를 하는 걸까요? 그건 흥미로운 질문입니다만, 그런 이야기에 결코 겁먹지 마십시오. 여러분은 반드시 AI를 적극 활용해야(engage) 합니다. 여러분이 AI에게 직업을 빼앗길지 아닐지는 장담할 수 없지만, AI를 사용하는 누군가에게 일자리를 빼앗기게 될 것은 아주 '절대적'입니다. 여러분도 동의하십니까?

청중: 네.

젠슨 황: 네, 그러니 불확실한 것에 대해 걱정하기보다는 우리가 확실히 아는 사실에 집중합시다. 제가 AI를 사용하는 사람에게 제 일자리를 잃을 거라는 사실만큼은 절대적으로 확실합니다. 그러니 AI를 두려워하기 전에, 내가 먼저 확실히 AI를 사용하도록 챙깁시다.

제가 이 상식적인 이야기를 여러분께 드리는 게 왜 그렇게 중요할까요? 여러분 중 누군가에게는 자녀가 있을 텐데, 그들에게 뭐라고 조언하시겠습니까? 무조건 피하라고요? 아니면 사람들에게 초능력을 주는 이 기술이 무엇이든 간에, 반드시 사용하는 법을 익히라고 하시겠습니까? 그래서 저는 우리가 두 가지를 해내길 바랍니다.

첫째, 우리는 전 세계를 위해 이 기술을 안전하게 구축하는 데 전력을 다하고 있습니다. 약속하건대, 엄청난 컴퓨터 과학과 수많은 투자, 끓어오르는 열정이 이 기술을 모두가 사용하기에 안전하도록 만드는 데 헌신하고 있습니다. 제가 증명할 수도 있습니다. 2년 전의 챗GPT를 써보시고 지금 다시 써보십시오. 환각(hallucination)²³ 현상이 완전히 줄어들어 거의 제로에 가깝습니다. 이제는 지식을 맥락에 맞고 현재 상황에 적절하며 정확하게 생성해 낼 뿐만 아니라, 답을 모르면 스스로 검색(research)을 수행합니다. 그리고 마침내 답을 찾아낼 때 심지어 자기 자신에게도 질문을 던지죠.

답을 제시하기 전에 먼저 스스로 성찰(reflect)합니다. 두세 개의 다른 답변을 떠올려보고 그것들을 신중히 검토한 뒤에 여러분에게 최종 답변을 내놓습니다. 안전성, 가드레일, 진실 기반의 검증(grounding)²⁴ 등 기술을 안전하게 만들기 위해 눈부신 속도로 발전해 왔습니다.

이것은 제가 사실로서 확신을 가지고 말씀드릴 수 있습니다. 저는 100년 전의 자동차보다 오늘날 저의 자동차를 훨씬 더 선호합니다. 기술이 한결 발전하기도 했지만, 훨씬 더 안전해졌으니까요.

콘스탄틴 뷸러: 음.

젠슨 황: 무언가가 안전해지기 위해서는 엄청나게 많은 기술이 발명되어야만 합니다. 따라서 저는 AI를 안전하게 구축하는 것이 우리 같은 기술 산업의 임무이자 책임이며, 과학자와 엔지니어의 책임이라고 단언할 수 있습니다.

둘째, 여러분의 사랑하는 가족, 자녀, 손주들이나 여러분이 일하는 회사, 혹은 조국에 이렇게 말해주는 것이 여러분의 책임입니다. "우리가 무엇을 하든 AI를 도입하자. 만약 이것이 초능력이라고 생각한다면 적극 활용하자. 우리가 하지 않으면 다른 누군가가 할 테니까. 우리는 AI에게 우리 삶을 빼앗기는 것이 아니라, AI를 사용하는 다른 누군가에게 빼앗기게 될 것이다."라고요.

글쎄요, 이것이 제... 어, 너무 무거운 이야기가 되었네요. 금요일 밤인데 말이죠. (일동 웃음) 아까 콘스탄틴이 '일자리(job)'라는 단어를 꺼냈기 때문입니다.

콘스탄틴 뷸러: (웃음)

젠슨 황: 네, 일자리에 관해 사람들이 꾸며내는 터무니없는 말들을 들으면 제가 반응하는 일종의 발작 버튼(trigger)이 있습니다.

콘스탄틴 뷸러: 음.

젠슨 황: 올해 우리가 전 세계 생태계에 1조 달러를 쏟아부었죠? 그 돈이 뭘 하고 있습니까? 일자리를 만들고 있습니다. 지금 당장 에너지 부문에는 역대 가장 많은 일자리가 생겼습니다. 반도체 부문도, 토지, 전력 확보, 외함 건축물, 금융 조달에 이르는 인프라 계층 전반에 걸쳐 유례없는 일자리가 넘쳐납니다. AI 모델 계층도 그 어느 때보다 일자리가 많고요. 그리고 방금 말씀드렸듯 작년에 상위 애플리케이션 계층에 1,000억 달러가 투자되었죠. 역대 최고로 채용이 활발합니다. 우리는 이토록 훨씬 더 많은 일자리를 새롭게 만들어내고 있습니다.

누군가는 "전통적인 일자리들은 어떻게 되나요?"라고 묻겠죠. 제가 예를 하나 들어보겠습니다. 여러분의 '직업(job)'과 그 직무 안에서 수행하는 세부 '업무(task)'는 서로 관련되어 있지만 결코 동일하지는 않습니다.

예를 들어, 제 직업은 CEO로서 회사를 이끄는 것입니다. 제가 일하는 시간의 대부분, 심지어 오늘도 많은 시간을 할애한 주요 업무는 타이핑(typing)을 하고 말(talking)을 하는 것입니다.

콘스탄틴 뷸러: 흠.

젠슨 황: 그렇다고 "CEO = 타이핑과 말하기"라고 정의할 수는 없겠죠. 이 두 가지 업무 모두 지금 AI가 초인적인 수준으로 잘 해냅니다만, 저는 그 어느 때보다 바쁩니다.

물론 이건 조금 귀여운 예시에 불과합니다. 더 심오한 예시를 하나 들어드릴 테니, 여러분 상황에 직접 적용해 보십시오. 10여 년 전, 세계 최고의 컴퓨터 과학자 중 한 명이 AI의 위력에 대해 모두에게 경고하고 싶어 했습니다. 콘스탄틴도 그가 누군지 아실 겁니다. 그가 말했죠. "AI가 가장 먼저 파괴하고 완전히 없애버릴 일자리는... 그러니 그 누구도 이 분야에 진입하지 말라고 조언하고 싶습니다. 이 분야는 멸종할 것입니다..."

콘스탄틴 뷸러: 영상의학(radiology)²⁵이죠.

젠슨 황: "...그건 영상의학입니다." 컴퓨터 비전(computer vision)²⁶은 12년 전에 이미 인간의 능력을 추월한 상태였습니다. 컴퓨터 비전 말입니다. 컴퓨터가 이미지를 인식하고 초인적인 능력으로 병변의 이상 징후를 감지할 수 있죠. 절대 지치지 않고, 어떤 디테일도 놓치는 법이 없습니다. 12년 전에도 그걸 할 수 있었고, 그래서 그는 필연적으로 영상의학이 종말을 고할 것이라 예측했습니다.

그의 예측은 완벽하게 맞았습니다. 영상의학은 컴퓨터 비전에 의해 완벽히 관통(penetrate)당했습니다. 컴퓨터 비전은 영상의학의 모든 세부 영역에 널리 확산되었죠. 오늘날 모든 영상의학 시스템과 전문의들은 예외 없이 컴퓨터 비전의 보조를 받고 있습니다.

하지만 무척 흥미로운 점은 이겁니다. 영상의학에 대한 수요는 도리어 엄청나게 증가했습니다. 전 세계 영상의학과 전문의 수도 늘어났죠. 이유가 뭘까요? 자, 청중 여러분 대답해 보시죠. 왜 그렇습니까?

청중: (수요가 늘어서요, 검사를 더 많이 하니까요)

젠슨 황: 네, 여러 말씀이 들리네요. 모두 맞는 말입니다. 사실 영상의학 전문의들은 스캔 영상을 연구하는 데 오랜 시간을 쏟지만, 영상의학이라는 직업의 진정한 목적, 전문의의 존재 이유는 다른 의사들과 협력하여 질병을 진단하는 것입니다.

콘스탄틴 뷸러: 음.

젠슨 황: 의사들과 협력하여 병을 진단하는 것이죠. 스캔 판독이 자동화되면서 그들의 생산성이 크게 치솟았습니다. 그래서 두 가지 현상이 일어났습니다. 병원에 진료를 받는 환자가 더 많아졌고, 스캔 검사도 훨씬 더 많이 진행되었습니다. 결과적으로 영상의학과는 수익성이 더 높아졌습니다. 부서의 수익성이 좋아지고 더 많은 환자를 수용하게 되었다는 사실을 깨닫자, 그들은 영상의학 전문의를 더 많이 채용했습니다.

콘스탄틴 뷸러: 흠.

젠슨 황: 더 많은 환자를 받아들여 더 많은 수익을 내면서, 더 많은 사람을 돌보기 위해서였죠. 왜냐하면 세상에는 아파서 병원 진료를 기다리며 고통받는 사람들이 숱하게 많으니까요.

이제 잠시 상상해 보십시오. 컴퓨터 과학자가 영상의학 전문의들에게 직업의 끝이 다가왔다고 공언한 것이 칭찬받을 일이었습니까? 제 요점은, 우리가 상상해서 무언가를 꾸며낼 때는 아주 무거운 책임감을 가져야 한다는 것입니다. 자칫 해를 끼칠 수 있으니까요. 실제로 그의 연설 이후 컴퓨터 비전에 대한 공포가 퍼지며, 영상의학 전문의가 되려는 사람의 수가 줄어들기 시작했었습니다.

콘스탄틴 뷸러: 흠.

젠슨 황: 하지만 우리는 여전히 더 많은 영상의학 전문의가 필요합니다. 최근에도 누군가가 "소프트웨어 코딩의 90%가 자동화되어 사라질 것이고, 따라서 소프트웨어 엔지니어는 더 이상 필요하지 않다."라고 말했습니다. 반면 우리는 그 어느 때보다 더 많은 소프트웨어 엔지니어를 고용하고 있습니다.

콘스탄틴 뷸러: 네.

젠슨 황: 그 이유는 소프트웨어 엔지니어의 진짜 역할(목적)이 문제를 해결하고, 풀어나갈 문제를 새롭게 구상하며 혁신하는 것이기 때문입니다. 저는 채용 면접에서 단 한 번도 "축하합니다. 당신은 이제 소프트웨어 엔지니어입니다. 자, 여기 키보드가 있으니 1초에 단어를 몇 개나 칠 수 있는지 보여주시죠."라고 말해본 적이 없습니다. 타이핑은 소프트웨어 엔지니어의 직업이 아닙니다. 코딩도 그들의 본업이 아니죠. 문제를 해결하는 것이 그들의 진정한 직업입니다. 제가 방금 '업무(task)'와 '목적(purpose)'의 차이를 보여주는 명확한 사례를 두 가지 말씀드렸습니다. 이해가 되시나요?

콘스탄틴 뷸러: 음.

젠슨 황: 이런 상황은 도처에서 빈번하게 일어납니다. 하지만 우리가 일자리에 대해 너무나 작위적이고 순진한 인식 수준에 머물러 있기 때문에...

콘스탄틴 뷸러: 흠.

젠슨 황: ...컴퓨터 과학자들조차 "일자리의 50%가 사라질 것이다. 소프트웨어 코딩은 완전히 무의미해질 것이다. 영상의학은 파괴될 것이다." 같은 말을 쉽게 하는 것입니다. 사람의 직업을 '세부 작업'의 관점으로만 바라보고 직업의 진정한 '목적'은 망각해 버렸기 때문입니다.

콘스탄틴 뷸러: 흠.

젠슨 황: AI 등장 이전에도 영상의학 전문의가 있었고 워크스테이션(workstations)²⁷이 있었습니다. AI 이후에도 전문의는 건재할 것입니다. 소프트웨어 코딩이 탄생하기 이전에도 분명 엔지니어는 존재했습니다. 그건 제가 장담하죠. AI 이후에도 엔지니어는 여전히 존재할 것입니다. 이해가 되십니까? 이것이 일자리 변화에 대해 생각하는 올바른 접근법입니다.

제6장: 기술 격차의 소멸과 새로운 창조자의 시대

젠슨 황: 자, 이제 두 가지를 다루었습니다. 첫째, 만약 여러분의 국가가 AI에 적극적으로 투자하지 않는다면 엄청난 일자리 호황의 기회를 놓치게 됩니다. 둘째, 국가나 기업이 AI에 투자하지 않는다면 소속된 사람들의 역량을 한 차원 끌어올릴(elevate) 기회를 놓치게 됩니다. AI는 일자리를 없애지 않습니다. AI는 여러분의 직무 수준을 승격시킬 것입니다.

오늘날 제가 배관공이라면, 대개 지시서나 도면을 받아서 그대로 일할 겁니다. 하지만 제가 내일의 배관공이라면 높은 확률로 설계자(designer)의 역할을 겸하게 될 것입니다.

콘스탄틴 뷸러: 음.

젠슨 황: 무슨 뜻인지 아시겠나요?

콘스탄틴 뷸러: 네, 그렇습니다.

젠슨 황: 왜냐하면 우리 모두 알고 있듯이...

콘스탄틴 뷸러: 네.

젠슨 황: 제가 목수라도 AI를 활용해 환상적인 주방 디자인을 눈 깜짝할 새 생성해 낼 수 있으니까요.

콘스탄틴 뷸러: 음.

젠슨 황: 제가 가구 판매 영업사원이었다면, 저는 분명 인테리어 디자이너가 되어 있을 겁니다. 확실하죠.

콘스탄틴 뷸러: 음.

젠슨 황: 저는 제 기술(craft)의 가치를 승격시켰습니다. 수많은 예시를 드렸지만, 제 핵심은 이겁니다. 저는 AI에 대한 사회 전반의 내러티브가 완전히 틀렸다고 생각합니다.

콘스탄틴 뷸러: 흠.

젠슨 황: 대중에게 겁을 주어 기술에서 멀어지게 하려는 의도가 다분하죠.

콘스탄틴 뷸러: 흠.

젠슨 황: 그래서 소수의 집단만이 이득을 챙기려는 속셈일 겁니다. 하지만 여러분도 아시다시피, 제 평생의 경력을 통틀어 AI는 기술 격차(technology divide)²⁸를 해소하는 가장 위대한 힘입니다.

콘스탄틴 뷸러: 음.

젠슨 황: 저는 40여 년 제 평생을 컴퓨터 설계에 바쳤습니다. 그 40여 년이라는 긴 세월 동안 우리가 만든 기술은 끊임없이 점점 더 복잡해지기만 했습니다. 컴퓨터를 프로그래밍할 수 있는 인구 비율은 점점 줄어들기만 했죠.

콘스탄틴 뷸러: 네.

젠슨 황: 이 방에 C++(프로그래밍 언어) 아는 분 계십니까? 제발 그만둬요, 이 괴짜 양반들아. (일동 폭소) 저쪽 줄은 전부 스타트업 대표분들입니까? 알겠습니다, 그쪽 줄만 그렇군요. 대충 전체의 2%라고 칩시다. 2%입니다. 사실 워낙 특이한 집단이 모인 방이긴 하지만요.

사회의 단 2%만이 C++를 이해합니다. 그런데 인간의 언어(human)를 말할 줄 아는 사람은 얼마나 되죠? 당연히 2%보다는 훨씬 많겠죠. 이제 누구나 컴퓨터를 프로그래밍할 수 있게 된 것입니다. 과거에는 오직 2%만이 누렸던 특권을 말이죠.

콘스탄틴 뷸러: 음.

젠슨 황: 우리는 마침내 기술 장벽의 격차를 허물었습니다. 이제 우리는 모두를 이 새로운 시대에 함께 이끌어야 합니다. 이해가 되셨나요? 아무튼 그렇습니다. 금요일 밤 치고는 좀 무거운 주제였네요.

콘스탄틴 뷸러: 아닙니다. 극도로 낙관적인 비전이었고 저도 전적으로 동의합니다. 세상 무엇보다 이 모든 것을 구동하는 기반 기술의 최전선에 계신 분으로부터 직접 이런 통찰을 듣게 되어 정말 뜻깊었습니다.

젠슨, 당신은 우리가 평생 익숙하게 살아왔던 '검색(retrieval)'의 패러다임에서 벗어나, 모든 지식이 철저히 커스터마이징되는 '생성(generation)'의 미래로 넘어가는 대전환에 대해 말씀해 주셨습니다. 에너지 혁명과 통신 혁명의 뒤를 잇는 지능 생성(generation of intelligence)²⁹ 혁명의 평행적 세계 말입니다. 컴퓨터가 영어나 독일어 같은 문자 언어를 넘어 단백질 같은 언어도 어떻게 해독하고 말할 수 있는지 설명해 주셨죠. 그리고 5개의 참여 계층을 통해 이 자리에 계신 분들과 방송을 듣고 계신 모든 분들이 이 거대한 혁명에 동참할 수 있는 풍부한 기회가 있음을 알려주셨습니다.

무엇보다 당신은 이 거대한 혁명이 개인에게 어떤 실질적인 결과를 가져올지 이야기해 주셨습니다. 사람들이 단순히 주어진 작업만 수행하는 굴레에서 벗어나 스스로 문제와 해결책을 구상(dream)하게 만들고, 진정한 목적이 이끄는 삶, 배관공이나 목수에서 설계자와 건축가로 진화하는 세상을 열어줄 것이라는 희망을 보여주셨습니다. 감사합니다, 젠슨. 이 모든 것을 가능하게 만든 주역 젠슨 황에게 다 함께 감사의 박수를 부탁드립니다.

젠슨 황: 감사합니다. 대단히 감사합니다. 천만에요. 저도 아주 즐거웠습니다. 감사합니다. 감사합니다. 아주 훌륭한 대화였습니다.

번역 주석 (Footnotes)

¹ AI 팩토리 (AI factory): 대규모 인공지능 모델을 학습하고 추론하기 위해 고성능 GPU, 네트워킹, 방대한 데이터 스토리지 인프라를 하나로 통합한 초대형 데이터 센터. 젠슨 황이 지능을 생산하는 컴퓨팅 인프라를 공장에 빗대어 표현한 용어.

² 챗GPT (ChatGPT): 오픈AI(OpenAI)가 개발한 대규모 언어 모델(LLM) 기반의 대화형 인공지능 서비스.

³ 생성형 AI (Generative AI): 텍스트, 이미지, 오디오 등 기존 데이터의 패턴을 학습하여 사용자의 프롬프트에 따라 새로운 콘텐츠를 생성해 내는 인공지능 기술.

⁴ 에이전틱 시스템 (Agentic systems): 사용자의 지시를 수동적으로 따르는 것을 넘어, 스스로 목표를 설정하고 계획을 세우며 여러 도구를 자율적으로 활용해 작업을 수행하는 인공지능 시스템.

⁵ 코덱스 (Codex): 오픈AI가 개발한 자연어를 코드로 변환해 주는 프로그래밍 특화 인공지능 모델.

⁶ 클로드 코드 (Claude Code): 앤스로픽(Anthropic)이 자사의 클로드(Claude) 모델을 기반으로 개발한 코딩 어시스턴트 에이전트 도구.

⁷ 이테일 (E-tail): 전자상거래(Electronic retailing)의 줄임말로, 인터넷을 통해 소비자에게 직접 상품을 판매하는 온라인 소매업.

⁸ IBM 시스템/360 (IBM System/360): 1964년 IBM이 발표한 메인프레임 컴퓨터 제품군으로, 현대적 의미의 컴퓨터 아키텍처와 소프트웨어 호환성의 표준을 확립한 역사적 시스템.

⁹ 추천 시스템 (Recommender system): 사용자의 과거 행동, 선호도 등의 데이터를 분석하여 맞춤형 정보, 상품, 콘텐츠 등을 예측하고 제안하는 알고리즘.

¹⁰ 데이터 센터 (Data centers): 방대한 양의 데이터를 저장, 처리, 유통하기 위해 수많은 서버와 네트워크 장비 등을 한곳에 모아 운영하는 핵심 인프라 시설.

¹¹ 가드레일 (Guardrails): AI 모델이 유해하거나 편향된 정보, 환각 등을 생성하지 않도록 출력 결과를 통제하고 안전한 경계 내에서만 작동하도록 제한하는 안전장치.

¹² 샌드박스 (Sandbox): 외부 시스템이나 네트워크에 영향을 주지 않고 안전하게 프로그램을 실행하거나 테스트할 수 있도록 격리된 보안 환경.

¹³ 다이나모 (Dynamo): 기계적 에너지를 전기 에너지로 변환하는 직류 발전기. 젠슨 황은 원자를 전자로 바꾸는 다이나모를 AI 팩토리(전자를 토큰/지능으로 바꾸는 기계)에 비유함.

¹⁴ 토큰 (Tokens): 대규모 언어 모델이 텍스트나 데이터를 인식하고 처리할 때 사용하는 가장 작은 단위의 데이터(숫자 형태의 조각).

¹⁵ 베라 루빈 (Vera Rubin): 엔비디아가 블랙웰(Blackwell) 아키텍처의 차세대 버전으로 발표한 AI 칩 아키텍처의 이름. 미국의 저명한 천문학자 베라 루빈의 이름에서 유래함.

¹⁶ 랙 (Rack): 데이터 센터에서 수많은 서버, 스위치 등의 IT 하드웨어를 수직으로 층층이 장착하고 관리하기 위한 표준화된 금속 프레임 구조물.

¹⁷ GE 버노바 (GE Vernova): 제너럴 일렉트릭(GE)에서 분사한 글로벌 에너지 및 전력 인프라 전문 기업. 재생 에너지 및 전력망 확장에 핵심 역할을 함.

¹⁸ 실리콘 포토닉스 (Silicon photonics): 기존 구리선 대신 빛(광자)을 이용해 반도체 칩 간의 데이터를 초고속, 저전력으로 전송하는 광반도체 통신 기술.

¹⁹ 외함 (Shell): 데이터 센터 인프라 용어 중 '파워드 쉘(Powered Shell)'을 의미함. 전력과 냉방 등 기본적인 건물 뼈대 구조만 갖춰놓고 내부 서버는 아직 채우지 않은 상태의 물리적 공간.

²⁰ 앤트로픽 (Anthropic): 오픈AI(OpenAI) 출신 연구원들이 독립하여 설립한 미국의 AI 안전 및 연구 기업. 클로드(Claude) 모델로 유명함.

²¹ 크리스퍼 (CRISPR): 특정 DNA 염기서열을 인식하여 정확하게 잘라내고 교정할 수 있는 혁신적인 유전자 편집(유전자 가위) 기술.

²² 특이점 (Singularity): 인공지능의 발전이 인류의 지능을 초월하여 인간이 더 이상 기술 발전을 예측하거나 통제할 수 없게 되는 가상의 미래 시점.

²³ 환각 (Hallucination): 생성형 AI가 마치 사실인 것처럼 그럴듯하지만 완전히 거짓이거나 논리에 맞지 않는 정보를 생성해 내는 오류 현상.

²⁴ 검증 (Grounding): AI 모델이 거짓 정보를 생성하는 것을 막기 위해, 외부의 신뢰할 수 있는 데이터베이스나 사실적 근거에 기반하여 답변을 도출하도록 연결하는 기술적 조치.

²⁵ 영상의학 (Radiology): X선, 초음파, CT, MRI 등 다양한 의료 영상 기술을 이용하여 질병을 진단하고 치료하는 의학 분야. 영상의학과 전문의를 포함.

²⁶ 컴퓨터 비전 (Computer vision): 인공지능이 디지털 이미지나 영상 등 시각적 정보를 인간처럼 인식, 분석, 이해할 수 있게 하는 기술 분야.

²⁷ 워크스테이션 (Workstations): 고도의 연산 능력과 뛰어난 그래픽 처리 능력을 갖추어 의료 영상 분석, 3D 렌더링, 공학 설계 등 전문적인 작업을 수행하기 위해 고안된 고성능 컴퓨터.

²⁸ 기술 격차 (Technology divide): 디지털 격차라고도 하며, 새로운 정보 통신 기술에 대한 접근성과 활용 능력의 차이로 인해 발생하는 사회적, 경제적 불평등 현상.

²⁹ 지능 생성 (Generation of intelligence): 전력이나 통신처럼 지능이 인프라를 통해 생산되고 소비되는 패러다임.