젠슨 황이 말한 AI의 다음 단계: 에이전트, 개방 생태계, 물리 AI

도입

젠슨 황의 Y Combinator 인터뷰는 NVIDIA의 성공담을 넘어, 회사가 어떻게 실패를 인정하고 새로운 기술 스택을 구축해 왔는지를 보여준다. 그는 NVIDIA를 단순한 칩 회사로 설명하지 않았다. 핵심은 중요한 알고리즘을 찾아내고, 이를 가속하기 위해 프로세서부터 소프트웨어와 시스템까지 다시 설계하는 데 있었다.

핵심 포인트

• NVIDIA의 초기 선택은 틀렸다. 황은 창업 초기에 택한 PC 3D 그래픽 기술 방향이 근본적으로 잘못됐다고 말했다. 1995년 무렵 회사가 생존 위기에 놓였을 때, 그는 OpenGL과 렌더링 파이프라인 교재를 사서 팀이 처음부터 다시 배우게 했다. 이 경험은 “중요하면 배운다”는 NVIDIA식 태도의 출발점이 됐다.

• 진짜 베팅은 가속 컴퓨팅이었다. 황에 따르면 NVIDIA가 추구한 것은 더 좋은 칩 하나가 아니었다. CPU만으로는 접근하기 어려운 문제를 가속기로 풀 수 있게 만드는 것이었다. 그래픽, 분자동역학, 이미지 처리, 딥러닝은 모두 이 관점에서 이어진다.

• 에이전트는 새로운 소프트웨어 형식이다. 그는 에이전트가 100% 정확하지 않아도 가치가 있다고 본다. 80%를 처리하고 나머지를 사람이 보완할 수 있다면 이미 생산성은 높아진다. 다음 돌파구는 생성 능력 자체보다 사람이 에이전트를 얼마나 안정적이고 정밀하게 제어할 수 있느냐다.

• 개방형 생태계가 현대 AI의 기반이다. 황은 2026년에야 X에 첫 글을 올린 이유가 오픈 웨이트와 AI 리더십 문제가 매우 중요했기 때문이라고 설명했다. Linux, Kubernetes, TensorFlow, PyTorch 같은 개방형 기반 없이는 오늘날의 AI도 존재하기 어려웠다는 것이다.

• 물리 AI가 다음 성장 곡선이다. 로봇과 자율주행은 AI가 세계를 인식하는 수준을 넘어 실제 세계에서 행동하는 단계로 가는 관문이다. 물리 시뮬레이션, 강화학습, 월드 모델, Sim-to-Real 전환이 실용 로봇의 핵심 훈련 체계로 제시됐다.

의미와 영향

이번 인터뷰가 보여주는 메시지는 AI 경쟁이 단순한 모델 성능 경쟁을 넘어섰다는 점이다. 앞으로의 경쟁은 칩, 데이터센터, 소프트웨어, 에이전트, 로봇을 아우르는 풀스택 시스템 설계로 이동한다. 기업에는 자체 데이터와 업무 흐름에 맞는 AI를 구축할 필요가 커지고, 개인에게는 기초과학, 시스템 사고, 계속 배우는 능력이 더 중요해진다. 황의 조언은 단순하다. 모든 준비가 끝나기를 기다리지 말고, 오늘의 문제를 풀며 내일로 한 걸음 나아가라는 것이다.

출처: 量子位