NVIDIA의 여정: 결함 있는 기술에서 AI 개척자로

NVIDIA는 개인용 컴퓨터를 위한 3D 그래픽을 혁신하려는 야심찬 목표로 시작했습니다. 창립자들은 자신들의 초기 알고리즘과 기술이 옳다고 확신하며, 초기 노력의 기반을 다졌습니다. 그러나 1995년까지 35~40개의 다른 회사들과의 경쟁이 심화되면서, NVIDIA는 그들의 근본적인 접근 방식이 완전히 잘못되었다는 것을 깨달았고, 이는 전략에 대한 비판적인 재평가로 이어졌습니다.

기술적 실수를 깨닫자마자 젠슨 황은 직접 행동에 나섰습니다. 프라이즈 일렉트로닉스에서 OpenGL과 그래픽 파이프라인에 대한 세 권의 교과서를 구매했습니다. 이 움직임은 팀의 필수 지식 부족에 대한 직접적인 대응이었으며, 신속한 자체 교육 과정을 시작했습니다. 회사는 이러한 새로운 통찰력을 흡수하여 기술적 방향을 성공적으로 전환했으며, 현실에 직면하고 학습에 전념하는 것이 생존에 가장 중요하며 기술 자체는 적응력에 부차적임을 보여주었습니다.

NVIDIA의 핵심 비전은 단순히 훌륭한 칩을 만드는 것을 넘어 복잡한 알고리즘 문제를 해결하기 위해 CPU를 보강하는 방향으로 진화했습니다. 회사는 분자 역학, 이미지 처리, 딥러닝과 같은 분야를 가속 컴퓨팅이 상당한 영향을 미 미칠 수 있는 영역으로 식별했습니다. 젠슨 황은 진정으로 위대한 회사들은 시장 통찰력이나 기술적 능력뿐만 아니라 혁신을 이끄는 독특하고 깊이 간직된 관점을 가짐으로써 번성한다고 설명했습니다.

NVIDIA는 드림캐스트 콘솔용 기술에 결함이 있어 기대치를 충족하지 못할 것이라고 세가에 인정해야 하는 중요한 도전에 직면했습니다. 이러한 납품 실패에도 불구하고, 젠슨 황은 세가에게 계약금을 요청하는 어려운 결정을 내렸습니다. 놀랍게도 세가의 CEO인 이리마지리 씨는 NVIDIA 뒤에 있는 사람들에 대한 신뢰를 이유로 결제를 이행했으며, 이는 비즈니스에서 무결성과 개인적인 관계의 장기적인 가치를 강조합니다.

젠슨 황의 AlexNet에 대한 관점은 단순히 또 다른 모델로 보는 것을 넘어 딥러닝의 심오한 돌파구로 여겼습니다. 그는 딥러닝을 임의의 함수를 학습할 수 있게 하는 '범용 함수 근사기'로 정의했습니다. 이러한 근본적인 인식은 NVIDIA가 컴퓨터 비전, 로봇 공학, 자율 주행차 분야로 전략적으로 전환하도록 추진했으며, 딥러닝의 초기 사용 사례를 넘어서는 광범위한 적용 가능성을 인식하게 했습니다.

젠슨 황은 리더십을 전통적인 관리 프레임워크를 통해서가 아니라 회사와 직원들에게 봉사하는 것으로 재정의합니다. 기술적 세부 사항에 대한 그의 깊은 개인적인 관여는 팀에 중요한 통찰력과 관찰을 제공하여 혁신 문화를 조성하려는 열망에서 비롯됩니다. 황은 표준적인 관리 지침을 의식적으로 피하고, 전통적인 계층적 접근 방식보다 개인적인 호기심과 직접적인 참여를 우선시합니다.

황은 CEO의 역할을 서핑에 비유합니다. 혼란스러워 보이는 것도 기본 원리를 이해하면 항해할 수 있다는 것입니다. 그는 기본 원리에 대한 깊은 이해가 빠르게 변화하는 기술 산업에서 패턴을 식별할 수 있게 한다고 주장합니다. 이러한 철학은 그의 강렬한 기술적 참여의 기반이 되며, 그가 '파도를 읽고' NVIDIA를 복잡한 변화를 통해 이끌 수 있게 합니다.

젠슨 황은 회사가 창립자의 독특한 개성과 독립적으로 운영되어야 한다는 기존의 개념에 도전합니다. 그는 운전자에게 맞춰진 F1 경주용 자동차를 만드는 것을 예시로 들며, 일반적인 템플릿이 아님을 설명합니다. 이 '창업자 모드' 철학은 새로운 CEO가 결국 지휘봉을 잡게 되면, 그들 역시 자신의 독특한 개성과 리더십 스타일에 맞춰 회사를 재편할 것이라고 시사합니다.

이는 시스템 제약 조건을 이해하고, 입력 및 출력을 관리하며, 복잡한 아키텍처 내에서 정보 흐름을 최적화하는 것을 포함합니다. 그는 대부분의 NVIDIA 설계자들이 이미 시스템 설계자라고 말하며, 시스템에 대한 깊은 기술적 이해가 여전히 매우 중요하게 될 기술 숙련도의 진화하는 풍경에 대한 회사의 선견지명을 반영합니다.

황은 에이전트 개발의 돌파구가 세분화된 제어와 효과적인 협업에 있다고 믿습니다. 그는 현재 에이전트 출력이 적절한 조건 없이 너무 광범위한 경우가 많다고 지적하며, 결과에 특정한 변화를 가져오는 정밀한 조정의 필요성을 강조합니다. 그는 또한 에이전트가 유용하기 위해 100% 완벽할 필요는 없으며, 인간과의 협업과 제어 가능한 상호작용을 통해 가치가 극대화된다고 강조합니다.

황은 이 새로운 소프트웨어가 어떻게 처리되는지에 대한 깊은 이해가 최적의 하드웨어 설계를 위해 매우 중요하다고 강조합니다. 내부적으로 NVIDIA는 워크플로우를 가속화하기 위해 에이전트를 적극적으로 활용하고 Cursor 및 Cognition과 같은 다양한 도구의 사용을 장려하여 혁신을 촉진합니다.

NVIDIA의 세계 최초 생각하는 자율 주행차인 Alpaca 개발은 AI의 추론 능력의 힘을 보여줍니다. 언어 모델의 사전 지식을 적용함으로써 시스템은 이전에 접해보지 못한 상황을 분해하고 이해할 수 있습니다. 이 접근 방식은 훈련을 위한 방대한 양의 원시 데이터 의존도를 크게 줄여 더 효율적이고 강력한 AI 시스템을 가능하게 합니다.

젠슨 황은 OpenCL을 AI의 중요한 '리눅스 순간'으로 보며, 모든 사람이 자신만의 AI 모델을 구축할 수 있게 한다고 말합니다. NVIDIA는 OpenCL 및 Hermes와 같은 오픈 소스 이니셔티브를 광범위한 엔지니어링 리소스를 제공하여 적극적으로 지원합니다. 이러한 노력은 AI 개발을 민주화하여 산업 전반에 걸쳐 혁신이 광범위하게 번성할 수 있는 협력적인 생태계를 조성하는 것을 목표로 합니다.

황은 AI가 일자리를 파괴할 것이라는 주장을 강력히 반박하며, AI는 직업 전체가 아니라 작업을 제거한다고 주장합니다. 그는 AI가 프로그래밍 작업을 자동화함에도 불구하고 소프트웨어 엔지니어링 일자리가 증가하고 있으며, AI가 효율성을 향상시키고 잠재된 수요를 해결하는 방사선과 및 법률 준법 보조 분야에서도 유사한 확장이 있었다고 지적합니다. 그의 관점은 AI가 인간의 능력을 대체하기보다는 향상시키는 생산성 엔진 역할을 한다는 것입니다.

젠슨 황은 생성형 비디오 모델의 등장을 로봇 관절화가 실현 가능성이 있다는 분명한 신호로 보았습니다. AI가 움직임을 시각화하고 생성하는 능력은 그에게 인과관계와 마찰과 같은 실제 물리 현상을 이해할 수 있는 물리적 AI가 임박했음을 확신시켰습니다. 그는 로봇 공학의 'ChatGPT 순간'은 사실 수년 전에 강화 학습의 돌파구와 함께 발생했으며, NVIDIA가 이러한 고급 모델에 현재 집중하는 길을 열었다고 주장합니다.

NVIDIA는 자율 주행차와 창고 로봇 모두를 위한 포괄적인 소프트웨어 스택을 제공하며 이 분야에 깊이 관여하고 있습니다. 그는 NVIDIA의 현재 로봇 공학 및 자율 주행차 사업(그가 물리적 AI라고 부름)이 약 100억 달러에 육박한다고 추정합니다. 황은 이 부문이 향후 10년 이내에 NVIDIA의 1000억 달러 규모 사업으로 크게 확장되어 엄청난 미래 영향을 미칠 것으로 예상합니다.