젠슨 황: AI, 1조 달러 규모의 인프라

AI는 모든 지식 구조를 아우르는 기술로, 생물학, 화학, 물리학과 같은 분야를 포함하여 내재된 구조를 가진 정보를 학습하고 예측할 수 있습니다. 많은 AI 모델이 있지만, 가장 중요한 측면은 데이터와 그 위에 구축된 애플리케이션에 있습니다. AI의 모든 계층을 개발하려고 시도하기보다는, 각 글로벌 지역은 특정 AI 분야에 특화되어야 합니다.

의료 및 제조와 같은 다양한 산업에 AI를 확산시키고 채택하는 것이 단순한 개발보다 더 중요합니다. 엔비디아의 아키텍처는 이러한 전문 분야 전반에 걸쳐 다양한 글로벌 모델과 양식을 지원하도록 특별히 설계되었습니다.

대규모 언어 모델(LLM)은 '외골격' 또는 '에이전트 하네스'가 구축되어 작업을 수행할 수 있게 되면서 유용해졌습니다. 이 에이전트 하네스는 디지털 지능과 물리적 기계 사이의 다리 역할을 합니다.

AI 에이전트는 스프레드시트 및 웹 브라우저와 같은 디지털 도구 또는 물리적 기계와 상호 작용하여 단순한 계산을 넘어 그 기능을 확장할 수 있습니다. 체화된 AI는 정적인 기계를 기능적인 로봇으로 변화시키고 있으며, 자율 주행 차량, 수술 로봇, 완전 자율 실험실 시스템과 같은 애플리케이션을 포함합니다. 핵심 개념은 일관되게 유지됩니다. LLM은 이러한 고급 상호 작용을 가능하게 하는 에이전트 시스템과 결합됩니다.

모든 국가는 AI 인프라를 물, 도로, 전기 또는 인터넷과 같은 필수 유틸리티로 인식하고 그 구축에 투자해야 합니다. 지역 AI 인프라 개발은 스타트업, 연구원 및 학생들을 활성화하여 국가 지적 능력과 경제 성장을 촉진하는 데 중요합니다. 미국은 AI 개발을 지원하는 선제적인 에너지 및 규제 환경 덕분에 상당한 경제 성장과 일자리 창출을 경험했습니다.

미국은 현재 연도에만 AI 인프라에 거의 1조 달러를 투자하고 있으며, 이는 필요한 투자의 규모를 강조합니다. 이러한 수준의 투자는 글로벌 경쟁력을 유지하고 국가 이익을 위해 AI의 잠재력을 최대한 활용하는 데 필수적인 것으로 간주됩니다.

엔비디아의 아키텍처는 오픈, 폐쇄, 언어, 물리 및 생물학적 모델을 포함한 모든 AI 모델을 실행하도록 설계되어 호환성이 뛰어납니다. 또한 다양한 애플리케이션에서 모든 데이터 처리 및 병렬 처리 작업을 처리할 수 있습니다.

이 다목적 아키텍처는 클라우드, 온프레미스 시스템, 엣지 디바이스, 로봇 공학 및 자율 주행 시스템을 포함한 다양한 환경에 배포됩니다. 현재 14세대인 이 아키텍처는 AI의 증가하는 요구를 충족시키기 위해 계속 진화하고 있습니다.

대규모 AI 인프라 구축은 수십억 달러 규모의 투자를 나타내며, 1기가와트 용량은 약 500억~600억 달러가 소요됩니다. 이러한 투자 규모는 기존 칩 제조 비용에 비해 두 배로 증가했으며, AI 개발에 필요한 막대한 자본을 강조합니다.

엔비디아는 10년 말까지 100기가와트의 용량을 구축하는 것을 목표로 하고 있으며, 빠르게 진화하는 기술 환경에서 노후화를 방지하기 위해 '호환성 있는' 그리고 '내구성 있는' 시스템의 필요성을 강조합니다.

엔비디아의 성장이 가속화되는 이유는 시장이 자사의 아키텍처를 장기적인 AI 개발을 위한 가장 안전한 투자로 인식하고 있기 때문입니다. 이러한 시장 변화는 AI 모델의 급격한 변화에 적응하고 살아남을 수 있는 인프라의 필요성에 의해 주도됩니다.

엔비디아의 아키텍처는 소프트웨어 업데이트를 통해 지속적으로 개선되며, 모든 미국 및 국제 AI 모델을 처리할 수 있어 투자자에게 적응성과 장기적인 생존 가능성을 보장합니다.

젠슨 황은 인공 일반 지능(AGI)의 달성을 몇 년 안에 예상하며, 이를 단기적인 현실로 인식합니다. AGI는 대학과 학교의 디지털 버전으로, 지능을 디지털 방식으로 대규모로 제조할 수 있다고 구상됩니다.

이는 지능을 민주화하여 이전에 최고 수준의 교육에 접근할 수 없었던 사람들과 국가들이 최고 수준의 지식으로부터 혜택을 받을 수 있도록 할 것입니다. AGI의 광범위한 가용성은 정보와 전문 지식에 대한 글로벌 접근 방식을 변화시킬 것입니다.

AGI는 AI 서비스에 연결하는 것만으로 모든 회사 문제를 즉시 해결하거나 회사를 밤새 생산적으로 만들지 않을 것입니다. 회사들은 여전히 고도로 교육받은 인간 전문가를 온보딩하는 것과 유사하게 AI 시스템에 필수적인 상황, 목적 및 관련성을 제공해야 합니다.

인간 리더는 기술적인 작업보다는 업무와 조직의 목적을 정의하는 데 계속 집중할 것입니다. MIT 박사를 통합하는 비유는 심지어 고급 지능도 회사 구조 내에서 진정으로 효과적이기 위해서는 환경과 하네스가 필요하다는 것을 보여줍니다.

젠슨 황에 따르면 AI가 모든 일자리를 없애거나 제거할 것이라는 생각은 터무니없는 것으로 간주됩니다. 대신 AI는 일자리의 근본적인 목적을 대체하기보다는 작업을 자동화하고 생산성을 크게 향상시켜 인간 노동의 승수 효과로 작용할 것으로 예상됩니다.

엔비디아 자체는 운영을 향상시키기 위해 기성 AI 모델과 맞춤형 AI 모델을 모두 활용합니다. 기업들은 아웃소싱하기보다는 자체적으로 지능을 구축하여 맞춤형 솔루션과 지속적인 혁신을 보장하도록 권장됩니다.

인간의 야망은 현재 역사상 가장 높은 수준에 있으며, AI는 모든 열망을 크게 증폭시킬 준비가 되어 있습니다. AI는 이전에 공상 과학 개념이었던 것을 실현 가능한 현실로 변화시키며 혁신의 속도를 가속화하고 있습니다.

야심찬 목표를 달성하는 데 걸리는 시간은 빠르게 줄어들고 있으며, 한때 10년이 걸리던 목표가 이제 단 1년 안에 달성될 수 있어 AI가 인간 능력에 미치는 심오한 영향을 반영합니다.

글로벌 투자는 소규모 프로젝트에서 수조 달러 규모로 전환되어 전 세계 산업에 깊은 영향을 미치고 있습니다. 이제 일반 개인도 100조 달러 규모의 산업에 영향을 미치는 것을 구상할 수 있습니다.

국가들의 주요 목표는 AI의 막대한 경제 변혁 잠재력을 인식하고 광범위한 사회적 성장과 이익을 위해 AI를 전략적으로 활용하는 것입니다.

각국은 자국 시민과 사회에 혜택을 제공하기 위해 자체 AI 인프라에 투자해야 합니다. 여기에는 국내 데이터 센터 및 지역 AI 역량 개발이 포함됩니다.

이러한 지역 통제 및 인프라 투자는 AI 시대에 국가 주권을 유지하고 기술의 가치가 직접적으로 국가에 혜택을 주도록 보장하는 데 필수적입니다.

AI는 고등 교육을 민주화하여 모든 사람이 접근할 수 있도록 했으며, 사용자가 다양한 전문 분야에서 박사 학위를 가진 것과 유사한 경험을 시뮬레이션할 수 있도록 합니다. AI 봇은 이제 인간 전문 지식의 방대한 저장소 역할을 합니다.

AI를 통한 전문가 수준 지식에 대한 이러한 광범위한 접근은 개인이 교육을 습득하고 활용하는 방식을 변화시키고 있습니다.