🎧

👤 Jensen Huang · EN 0w · KR 3,509w

사용법 (30초)
1️⃣ 영문 or 한국어 복사 버튼 터치
2️⃣ 🔗 링크 복사 → Chrome에 붙여넣기 → 열기
3️⃣ + 새 노트북 → 소스 추가 → 붙여넣기
4️⃣ 🎧 Audio Overview → Generate
5️⃣ 차에서 재생 🚗

⚠️ 원문 텍스트가 없습니다

진행자: 여러분, 좋은 아침입니다. 이렇게 Congress Hall에 다시 오게 되어 정말 반갑습니다. 어제도 좋은 하루 보내셨고, 오늘도 즐기고 계시길 바랍니다.

진행자: 오늘 제가 소개해 드릴 분은 Jensen Wong입니다. 제가 존경하고, 지켜봐 왔고, 기술과 AI를 배워가는 여정에서 제게 스승 같은 존재였던 분입니다. 그가 Nvidia를 이끌어 온 모습을 지켜보는 건 정말 놀라웠습니다.

진행자: 저는 누군가와의 비교로 저를 평가하진 않지만, 이 비교는 마음에 듭니다. Dvidia가 상장한 게 1999년인데, 같은 해에 Black Rockck도 상장했습니다. >> 오 이런. >> 알겠습니다. 아니, 그러니까요.

진행자: Nvidia의 주주 총수익률은 연복리로 **30 37%**였습니다. 한번 생각해 보세요. 모든 연기금이 Nvidia IPO 때 투자했다면 그게 어떤 의미였을까요? 우리 모두의 은퇴 자금에 얼마나 큰 ‘성공’이 됐겠습니까.

진행자: 반면 Black Rockck의 연환산 총수익률은 **21%**였습니다. 금융 서비스 회사로서 나쁘지 않지만, 확실히 Nvidia에 비하면 뒤처집니다. 하지만 이 수치 자체가 Jensen의 리더십, Nvidia의 포지셔닝, 그리고 세상이 Nvidia의 미래를 어떻게 믿고 있는지를 보여주는 훌륭한 지표라고 생각합니다.

진행자: Jensen, 그 여정에 정말 축하드립니다. 그리고 앞으로도 그 여정이 수년 더 이어질 거라고 확신합니다.

Jensen Huang: >> 감사합니다. 그렇게 말씀해 주셔서 고맙습니다. 제 유일한 후회가 있다면, IPO 이후에 부모님께 뭔가 좋은 걸 사드리고 싶어서 Nvidia 주식을 팔았던 겁니다.

Jensen Huang: 그때 회사 가치가 **3억 달러($300 million)**였고, 그 가치평가 수준에서 주식을 팔아서 Mercedes S-Class를 사드렸습니다. 세상에서 가장 비싼 차였죠.

진행자: >> 그들은 후회하겠네요. >>

Jensen Huang: 아직도 그 차를 갖고 계십니다.

진행자: >> 아, 물론이죠. >>

Jensen Huang: 네, 아직도 갖고 계세요.

진행자: >> 좋아요. 이제 본론으로 들어가겠습니다. AI에 대한 논쟁은 ‘AI가 세상과 글로벌 경제를 어떻게 바꿀 것인가’에 맞춰져 있습니다.

진행자: 오늘 저는 AI가 세계 경제에 어떤 식으로 ‘더할 수 있는지’, 그리고 AI가 점점 더 모두가 활용하는 기반 기술이 되어 우리 삶과 전 세계 사람들의 삶을 어떻게 개선할 수 있는지에 대해 이야기하고 싶습니다.

진행자: 우리는 AI가 생산성, 노동, 인프라를 거의 모든 산업에서 어떻게 재편할지를 이야기해야 합니다. 더 중요한 건, AI가 세상을 어떻게 재편할지, 더 많은 지역과 계층이 AI의 혜택을 어떻게 누릴지, 그리고 글로벌 경제가 ‘좁아지는’ 게 아니라 ‘넓어지도록’ 어떻게 보장할지입니다.

진행자: AI가 무엇인지뿐 아니라, 그 주변의 인프라—즉 AI를 위해 반드시 구축해야 하는 인프라—를 이보다 더 명확하게 보는 사람은 떠오르지 않습니다. Nvidia가 만드는 것을 주요 하이퍼스케일러(hyperscalers)들이 활용하고 있고, AI 인프라 전반과 AI의 잠재력에 대한 참여도도 매우 크기 때문입니다.

진행자: 그래서 오늘(혹은 오늘 오후/오전) 우리는 들어볼 만한 목소리를 갖게 됐다고 생각합니다. Jensen, 다시 한번 감사합니다. 오늘은 다보스 World Economic Forum에서 그의 첫 방문입니다.

진행자: 일정도 매우 빡빡하실 텐데 시간을 내 주셔서 감사합니다.

Jensen Huang: >> 감사합니다. 그럼 바로 들어가 보겠습니다. >>

진행자: AI가 그렇게 중요한 성장 엔진이 될 잠재력이 있다고 보시는 이유는 무엇입니까? 그리고 이번 기술 사이클이 과거의 기술 사이클과 다른 점은 무엇입니까?

Jensen Huang: 네. 우선, AI를 생각할 때—그리고 우리가 여러 방식으로 AI와 상호작용할 때—Chad GPT를 쓰고, Gemini를 쓰고, anthropic claude를 쓰고, 또 그게 만들어내는 마법 같은 결과를 경험하게 됩니다.

Jensen Huang: 그럴수록 ‘컴퓨팅 스택(computing stack)에서 근본적으로 무슨 일이 일어나고 있는가’라는 1원칙(first principles)로 돌아가 생각해 보는 게 도움이 됩니다. 지금은 플랫폼 시프트(platform shift)입니다.

Jensen Huang: 플랫폼이란 그 위에 애플리케이션이 올라가는 기반을 말하죠. PC로의 플랫폼 시프트가 있었고, 그 새로운 컴퓨터 위에서 새로운 애플리케이션이 만들어졌습니다. 인터넷으로의 플랫폼 시프트가 있었고, 새로운 컴퓨팅 플랫폼 위에서 온갖 새로운 애플리케이션이 호스팅됐습니다. 모바일 클라우드로의 플랫폼 시프트도 있었죠.

Jensen Huang: 이런 플랫폼 시프트가 일어날 때마다 컴퓨팅 스택은 재발명됐고, 새로운 애플리케이션이 만들어졌습니다. 지금도 새로운 플랫폼 시프트입니다. 오늘 여러분은 CH GBT를 쓰고 있는데, 그 자체가 하나의 애플리케이션이라는 점을 이해하는 게 중요합니다.

Jensen Huang: 그런데 더 중요한 건, 앞으로 chat GPT 위에 새로운 애플리케이션이 구축될 것이고, 예를 들어 anthropic claude 위에도 새로운 애플리케이션이 구축될 거라는 점입니다. 그런 의미에서 플랫폼 시프트입니다.

Jensen Huang: AI는, ‘이전에는 절대 할 수 없었던 일을 무엇을 할 수 있게 되는가’를 이해하면 정말 이해하기 쉽습니다. 과거의 소프트웨어는 사실상 사전에 ‘녹음(pre-recorded)’된 것이었습니다. 사람이 알고리즘이나 레시피를 타이핑으로 적어 놓으면, 컴퓨터가 그걸 실행했죠.

Jensen Huang: 그 소프트웨어는 구조화된 정보(structured information)를 처리할 수 있었습니다. 예를 들어 이름, 주소, 계좌번호, 나이, 거주지 같은 것들을 구조화된 테이블에 넣어야 했습니다. 그러면 소프트웨어가 그 테이블에서 정보를 조회했습니다.

Jensen Huang: 우리는 그걸 SQL, SQL 쿼리(SQL queries)라고 부릅니다. SQL은 세상에서 가장 중요한 데이터베이스 엔진이라고 해도 과언이 아닙니다. 지금까지는 거의 모든 것이 SQL 위에서 돌아갔습니다.

Jensen Huang: 그런데 이제는 비구조화된 정보(unstructured information)를 이해하는 컴퓨터가 생겼습니다. 이미지를 보고 이해할 수 있고, 텍스트를 보고 이해할 수 있습니다. 완전히 비구조화된 것이죠.

Jensen Huang: 소리를 듣고도 이해합니다. 그 의미를 이해하고, 그 구조를 이해하고, 그다음 무엇을 해야 할지까지 추론(reason)합니다.

Jensen Huang: 그래서 처음으로, 우리는 ‘사전에 녹음된’ 컴퓨터가 아니라, 실시간(real time)으로 처리되는 컴퓨터를 갖게 됐습니다. 상황의 맥락(context), 환경 정보(environmental information), 맥락 정보(contextual information), 그리고 여러분이 주는 모든 정보를 받아들일 수 있습니다.

Jensen Huang: 그리고 그 정보의 의미가 무엇인지 추론하고, 여러분의 의도(intent)가 무엇인지도 추론합니다. 그 의도는 굉장히 비구조화된 방식으로 표현될 수 있죠. 여러분은 원하는 대로 설명하면 됩니다.

Jensen Huang: 우리는 그걸 프롬프트(prompts)라고 부릅니다. 여러분이 어떤 방식으로든 의도를 설명하면, AI가 그 의도를 이해하는 한 여러분을 위해 과업(task)을 수행할 수 있습니다.

Jensen Huang: 중요한 건, 우리가 전체 컴퓨팅 스택을 재발명하고 있다는 점입니다. 그래서 ‘AI란 무엇인가’라는 질문이 나옵니다. AI를 생각하면 대부분 AI 모델을 떠올리지만, 산업적 관점에서 AI는 사실상 ‘5층 케이크(five layer cake)’에 가깝습니다.

Jensen Huang: 맨 아래는 에너지(energy)입니다. AI는 실시간으로 처리되고, 실시간으로 지능(intelligence)을 생성하기 때문에 에너지가 필요합니다. 에너지가 첫 번째 층입니다.

Jensen Huang: 두 번째 층은 제가 있는 영역, 즉 칩(chips)입니다. 칩과 컴퓨팅 인프라(computing infrastructure)죠. 그 위의 다음 층은 클라우드 인프라(cloud infrastructure), 즉 클라우드 서비스입니다.

Jensen Huang: 그 위의 층이 AI 모델(AI models)입니다. 대부분 사람들은 AI가 여기라고 생각합니다. 하지만 그 모델이 가능하려면 그 아래 모든 층이 필요하다는 걸 잊으면 안 됩니다.

Jensen Huang: 그리고 가장 중요한 층은, 사실 그 위에 있는 ‘애플리케이션(application) 층’입니다. 지금 바로 일어나고 있는 층이죠. 작년이 솔직히 AI에 있어 믿기 힘들 정도로 놀라운 해였던 이유는, AI 모델이 너무 큰 진전을 이뤄서 그 위층—궁극적으로 우리가 성공하기 위해 필요한 애플리케이션 층—이 열리기 시작했기 때문입니다.

Jensen Huang: 이 애플리케이션 층은 금융 서비스(financial services)일 수도 있고, 헬스케어(healthcare)일 수도 있고, 제조(manufacturing)일 수도 있습니다. 결국 경제적 이익(economic benefit)이 발생하는 곳은 이 최상단의 층입니다.

Jensen Huang: 하지만 이 플랫폼은 아래의 모든 층을 필요로 합니다. 그래서 지금, 여러분도 보고 계시듯, 인류 역사상 가장 큰 인프라 구축(largest infrastructure buildout)이 시작됐습니다. 우리는 이미 **수천억 달러(a few hundred billion dollars)**를 투입한 상태입니다.

진행자: >> 그 정도인가요. >>

Jensen Huang: 네, 이미 수천억 달러가 들어갔습니다. Larry와 저는 여러 프로젝트에서 함께 일할 기회가 있는데, 앞으로 구축해야 할 인프라는 수조 달러(trillions of dollars) 규모입니다.

Jensen Huang: 그건 합리적입니다. 이 모든 맥락(context)이 처리되어야 AI 모델이, 결국 위에 놓일 애플리케이션을 구동하는 데 필요한 지능을 생성할 수 있기 때문입니다.

Jensen Huang: 그래서 층별로, 층별로 다시 생각해 보면 에너지 섹터가 지금 엄청난 성장을 보고 있다는 걸 알 수 있습니다. 칩 섹터에서는 TSMC가 방금, **칩 공장 20개(20 new chip plants)**를 새로 짓겠다고 발표했습니다.

Jensen Huang: Foxcon은 우리와 함께, 그리고 Wistron과 Quanta는 **컴퓨터 공장 30개(30 new computer plants)**를 짓고 있습니다. 그리고 그 컴퓨터 공장들이 결국 AI 팩토리(AI factories)로 들어갑니다.

Jensen Huang: 즉, 칩 공장, 컴퓨터 공장, AI 팩토리가 전 세계에서 동시에 지어지고 있는 겁니다.

진행자: >> 그리고 메모리요. >>

Jensen Huang: 맞습니다. 정확히요. 그 칩 팹(chip fabs)들에 메모리도 포함됩니다. Micron은 미국에서 2,000억 달러($200 billion) 투자를 시작했습니다.

Jensen Huang: SKH Highix도 엄청나게 잘하고 있고, Samsung도 엄청나게 잘하고 있습니다. 오늘날 그 ‘칩 층’ 전체가 폭발적으로 성장하는 걸 볼 수 있습니다.

Jensen Huang: 물론 우리는 모델 층에도 많은 관심을 기울이지만, 그 위의 층—애플리케이션 층—이 정말 훌륭하게 돌아가기 시작했다는 점이 아주 흥미롭습니다.

Jensen Huang: 그걸 보여주는 한 가지 지표가 VC 자금이 어디로 흘러가는지입니다. 작년 2025년은 VC 펀딩 역사상 가장 큰 해 중 하나였습니다.

Jensen Huang: 그리고 작년에 대부분의 자금은 이른바 ‘AI 네이티브(AI native)’ 기업들로 갔습니다. 헬스케어 기업, 로보틱스 기업, 제조 기업, 금융 서비스 기업 등, 전 세계의 거대 산업 전반에서 AI 네이티브로 막대한 투자가 들어가고 있습니다.

Jensen Huang: 왜냐하면 처음으로, 그 모델들이 ‘그 위에 뭔가를 올려서(build on top of)’ 제품을 만들 수 있을 만큼 충분히 좋아졌기 때문입니다.

진행자: 그럼 조금 더 들어가 보죠. 분명히 모두 각자 챗봇을 쓰고 정보를 얻고 계실 겁니다. 하지만 당신은 ‘AI의 확산(dispersion)’이 핵심이라고 말하고 있습니다.

진행자: 물리적 세계(physical world)에서의 확산과 관련해, 조금 더 ‘상승 여지(upside)’가 있는 아이디어를 얘기해 봅시다. 헬스케어는 분명 좋은 مثال이지만, 교통(transportation)이나 과학(science) 같은 분야에서는 어떤 변혁적 기회를 보십니까?

Jensen Huang: 음, 작년에—>> >>—제가 보기에 AI 기술 층, 즉 모델 층에서 크게 세 가지가 일어났습니다.

Jensen Huang: 첫째, 모델 자체가 처음에는 호기심을 자극하고 흥미롭긴 했지만, 환각(hallucinated)이 너무 많았습니다. 그런데 작년에는, 이제 우리 모두가 ‘모델이 더 잘 접지(grounded)됐다’고 reasonably accept할 수 있을 정도가 됐습니다.

Jensen Huang: 이 모델들은 연구(research)를 할 수 있고, 훈련받지 않았던 상황에 대해서도 추론할 수 있습니다. 문제를 단계별(step-by-step) 추론 단계로 쪼개고, 계획(plan)을 세워서 여러분의 질문에 답하거나, 연구를 수행하거나, 과업을 수행할 수 있습니다.

Jensen Huang: 그래서 작년에는 언어 모델이 우리가 ‘에이전틱 시스템(agentic systems)’, 에이전틱 AI(agentic AI)라고 부르는 AI 시스템으로 진화하는 것을 보았습니다.

Jensen Huang: 둘째 큰 돌파구는 오픈 모델(open models)의 돌파구였습니다. 몇 년 전이었나요, 아니 1년 전이었나요, deepseek가 나왔고, 많은 사람들이 그걸 꽤 걱정했습니다.

Jensen Huang: 하지만 솔직히 deepseek는 전 세계 대부분 산업, 대부분 기업에게 엄청난 사건이었습니다. 세계 최초의 오픈 추론 모델(open reasoning model)이었기 때문입니다.

Jensen Huang: 그 이후로 수많은 오픈 추론 모델이 등장했습니다. 오픈 모델은 기업과 산업, 연구자, 교육자, 대학, 스타트업이 이런 오픈 모델을 활용해 출발점으로 삼고, 자신들의 필요에 맞는 도메인 특화(domain specific) 혹은 전문화(specialized)된 무언가를 만들 수 있게 해줬습니다.

Jensen Huang: 셋째로, 작년에 엄청난 진전을 이룬 영역은 ‘물리적 지능(physical intelligence)’, 즉 물리적 AI(physical AI)라는 개념입니다. 언어만 이해하는 AI가 아니라, 말하자면 ‘자연(nature)’을 이해하는 AI입니다.

Jensen Huang: 여기의 물리적 세계를 이해하는 AI일 수도 있고, 단백질(proteins)과 화학물질(chemicals)을 이해하는 AI일 수도 있으며, 유체역학(fluid dynamics), 입자물리(particle physics), 양자물리(quantum physics) 같은 물리(physics)를 이해하는 AI일 수도 있습니다.

Jensen Huang: 이런 AI들은 이제 서로 다른 구조(structures)와 서로 다른 ‘언어(languages)’를 학습하고 있습니다. 예를 들어 단백질은 본질적으로 하나의 언어입니다.

Jensen Huang: 이 모든 AI가 엄청난 진전을 이루고 있기 때문에, 제조나 신약개발(drug discovery) 같은 산업 분야의 기업들이 실제로 큰 진전을 내고 있습니다.

Jensen Huang: 그걸 보여주는 훌륭한 지표 중 하나가 우리가 Lily와 맺은 파트너십입니다. 그들은 AI가 단백질 구조와 화학 구조를 이해하는 데서 엄청난 진전을 이뤘다는 사실을 이제 깨달았습니다.

Jensen Huang: 본질적으로, 우리가 Chad GBT와 대화하듯이 단백질과 상호작용하고 ‘대화’할 수 있게 된 겁니다. 그래서 우리는 정말 큰 돌파구를 보게 될 것입니다.

진행자: 이런 돌파구들은 인간 요소(human element)에 대한 우려도 키웁니다. 당신과 저는 이 주제로 여러 번 얘기했지만, 청중 모두에게 말해야 합니다. AI가 일자리를 대체할 것이라는 거대한 우려가 있습니다.

진행자: 그런데 당신은 반대로 주장해 왔습니다. 당신이 말한 것처럼 AI 구축(buildout)은 역사상 가장 큰 인프라 구축이 될 것이고, 그 과정에서—>> 에너지가 일자리를 만들고, 산업이 일자리를 만들고, 인프라 층이 일자리를 만들고, land power and shell jobs… 정말 엄청나죠. >>

진행자: 그럼 더 자세히 들어가 보겠습니다. 당신은 우리가 노동력 부족(labor shortages)에 직면할 거라고 보시는 거죠? 그리고 AI와 로보틱스가 일을 ‘없애기’보다는 ‘일의 성격’을 어떻게 바꿀 거라고 보십니까?

Jensen Huang: 몇 가지 방식으로 생각해 볼 수 있습니다. 첫째, 이건 인류 역사상 가장 큰 인프라 구축입니다. 그건 많은 일자리를 만들 겁니다.

Jensen Huang: 그리고 그 일자리가 tradecraft—즉 숙련 기술직—과 관련돼 있다는 점이 정말 좋습니다. 배관공(plumbers), 전기기사(electricians), 건설(construction), 철강 노동자(steel workers), 네트워크 기술자(network technicians), 장비를 설치하고 세팅(fit out)하는 사람들 등 이런 직업이 필요해집니다.

Jensen Huang: 미국에서는 이 분야에서 상당한 붐이 일고 있습니다. 임금(salaries)이 거의 두 배로 올랐습니다.

Jensen Huang: >> 그래서 칩 공장, 컴퓨터 공장, AI 공장을 짓는 사람들에게는 6자리 연봉(six figure salaries)을 이야기하게 되는 겁니다. >>

Jensen Huang: 그런데 그 인력은 크게 부족합니다. 그래서 많은 나라에서 이 중요한 분야를 인식하기 시작한 걸 보며 저는 정말 기쁩니다.

Jensen Huang: 누구나 좋은 삶을 살 수 있어야 합니다. 그걸 위해 컴퓨터 과학 박사(PhD in computer science)가 꼭 필요하진 않습니다. 그래서 저는 이런 흐름이 반갑습니다.

Jensen Huang: 둘째로, 우리는 ‘과업(task)의 자동화(automation)’와 그게 일자리에 어떤 의미를 갖는지를 이론적으로 많이 얘기합니다. 여기서는 실제로 일어난 현실의 사례(real world anecdotes)를 몇 가지 들겠습니다.

Jensen Huang: 10년 전을 기억해 보세요. 사람들이 ‘가장 먼저 사라질 직업’ 중 하나로 방사선과(radiology)를 꼽았습니다. 이유는 초인적(superhuman) 역량에 가장 먼저 도달한 AI가 컴퓨터 비전(computer vision)이었기 때문입니다.

Jensen Huang: 컴퓨터 비전의 가장 큰 응용 중 하나가 방사선과 의사가 스캔(scans)을 판독하는 일이었죠. 그런데 10년이 지난 지금, AI는 방사선과의 모든 측면에 완전히 스며들고(permeated) 확산(diffused)됐습니다.

Jensen Huang: 그리고 방사선과 의사들이 스캔을 판독하는 데 AI를 쓰는 것도 사실입니다. 영향은 **100%**이고, 완전히 현실입니다.

Jensen Huang: 하지만 놀랍지 않게—1원칙으로 생각하면 놀랍지 않게—방사선과 의사의 수는 오히려 늘었습니다.

진행자: 그건 신뢰 부족 때문인가요? 아니면 AI 결과에 인간이 개입(human interaction)하는 게 더 나은 결과를 만들기 때문인가요?

Jensen Huang: 맞습니다. 이유는 방사선과 의사의 ‘직업의 목적(purpose)’이 질병을 진단하고, 환자가 질병을 진단받도록 돕는 데 있기 때문입니다. 그게 목적입니다.

Jensen Huang: 그 직업의 과업(task)에는 스캔을 보는 일이 포함됩니다. 그런데 이제 스캔을 사실상 무한히 빠르게(infinitely fast) 볼 수 있게 되면서, 환자와 더 많은 시간을 보내며 진단하고, 환자와 상호작용하고, 다른 임상의들과 상호작용할 수 있게 됐습니다.

Jensen Huang: 그 결과—놀랍기도 하지만 또 놀랍지 않게—병원이 볼 수 있는 환자 수가 늘었습니다. 스캔을 오래 기다리는 사람이 너무 많았으니까요.

Jensen Huang: 이제 환자 수가 늘면서 병원 수익(revenues)도 늘었고, 그래서 더 많은 방사선과 의사를 채용합니다.

Jensen Huang: 같은 일이 간호사(nurses)에게도 일어나고 있습니다. 미국은 간호사가 500만 명(5 million) 부족합니다.

Jensen Huang: AI를 이용해 진료 방문(patient visits)의 차팅(charting)과 전사(transcription)를 하게 되면서, 간호사들은 시간의 절반을 차팅에—>> 문서화(documenting) >>—쓰던 일을 줄일 수 있습니다.

Jensen Huang: 그리고 한 회사, a bridge(우리의 파트너)가 그 분야에서 믿기 힘든 일을 하고 있는데, 그 결과 간호사들이 환자를 방문하는 데 더 많은 시간을 쓸 수 있게 됐습니다.

진행자: >> 인간적인 손길(human touch). >>

Jensen Huang: 맞습니다. 그리고 이제 더 많은 환자를 볼 수 있고, 더 이상 간호사 수 때문에 병목(bottlenecked)되지 않으니 환자들이 더 빨리 병원에 들어올 수 있습니다.

Jensen Huang: 그 결과 병원은 더 잘되고, 간호사를 더 많이 채용합니다. 그러니까 놀랍게도—하지만 놀랍지 않게도—AI는 생산성(productivity)을 높이고 있습니다.

Jensen Huang: 그 결과 병원은 더 잘되고, 더 많은 사람을 고용하고 싶어 합니다. 병원에 들어가기까지 너무 오래 기다리는 사람이 너무 많습니다. 그래서 이것이 두 가지 완벽한 예입니다.

Jensen Huang: 특정 직업에 대한 AI의 영향을 가장 쉽게 생각하는 방법은, 그 직업의 ‘목적’이 무엇인지, 그리고 그 직업의 ‘과업’이 무엇인지를 구분하는 것입니다.

Jensen Huang: 예를 들어 우리 둘을 카메라로 찍어 그냥 지켜보기만 하면, 여러분은 우리가 타이피스트(typists)라고 생각할지도 모릅니다. 저는 대부분의 시간을 타이핑에 쓰니까요.

Jensen Huang: 그래서 AI가 단어 예측(word prediction) 같은 걸 자동화하고 타이핑을 도와주면 우리가 일자리를 잃는다고 생각할 수 있겠죠. 하지만 그게 우리의 목적은 아닙니다.

Jensen Huang: 그래서 질문은 ‘당신 직업의 목적이 무엇인가’입니다. 방사선과 의사와 간호사의 경우, 목적은 사람을 돌보는 것입니다.

Jensen Huang: 그 목적은 과업이 자동화되면서 오히려 강화되고 더 생산적으로 됩니다. 그래서 각 직업에서 목적과 과업을 구분해 생각하는 건 유용한 프레임이라고 봅니다.

진행자: 그럼 선진국을 넘어 더 넓게 보죠. AI가 세계를 확장시키고, 세계에 도움이 되려면 어떻게 해야 합니까?

진행자: 저는 지난 주말 anthropic의 글을 읽었는데, 최근 AI 활용은 교육 수준이 높은 계층에 매우 집중되어 있고, 각 사회에서도 교육 수준이 높은 구성원이 훨씬 더 많이 활용한다고 하더군요. 물론 그들은 자기들 모델에 대해 스스로 분석한 것이니 편향(biases)이 있을 수도 있습니다.

진행자: 그렇다면 AI가 신흥국(emerging world)에서 Wi-Fi나 5G처럼 변혁적 기술이 되도록, 우리는 무엇을 해야 합니까? 그리고 그게 신흥국과 일자리에는 어떤 의미가 있습니까? 글로벌 경제를 어떻게 넓힐 수 있습니까?

진행자: 또 로보틱스와 AI로 인해 어느 정도 대체(substitution)는 있을 것이고, 미국에서도 이미 대체가 일어나고 있습니다. 배관공과 전기기사는 더 많이 만들지만, 금융기관에서는 분석가(analysts)가 덜 필요할 수도 있습니다. 변호사도 데이터 수집을 더 빨리 하게 되니 덜 필요할 수도 있고요.

진행자: 그럼 신흥국으로 잠깐 방향을 돌려 보죠.

진행자: 개발도상국(developing world)에서는 이것이 어떻게 전개될 거라고 보십니까?

Jensen Huang: 우선, AI는 인프라(infrastructure)입니다. 세상에 AI를 인프라의 일부로 갖지 않아도 된다고 생각되는 국가는 단 하나도 떠오르지 않습니다.

Jensen Huang: 모든 나라에는 전기(electricity)가 있고, 도로(roads)가 있습니다. 그에 더해 AI도 인프라의 일부로 갖춰야 합니다.

Jensen Huang: 물론 AI를 수입(import)할 수도 있습니다. 하지만 요즘 AI는 훈련(train)하는 게 예전만큼 그렇게 어려운 일이 아닙니다.

Jensen Huang: 그리고 오픈 모델이 너무 많기 때문에, 오픈 모델에 여러분의 로컬 전문성(local expertise)을 결합하면, 자기 나라에 도움이 되는 모델을 만들 수 있어야 합니다.

Jensen Huang: 그래서 저는 모든 나라가 AI 인프라를 구축하고, 자기 AI를 만들고, 자신의 근본적인 천연자원—즉 언어(language)와 문화(culture)—를 활용해 AI를 개발하고, 계속 고도화(refine)하며, 국가의 지능(national intelligence)이 생태계(ecosystem)의 일부가 되게 해야 한다고 믿습니다.

Jensen Huang: 그게 첫째입니다. 둘째는, AI는 사용하기가 정말 쉽다는 점입니다. 역사상 가장 사용하기 쉬운 소프트웨어입니다.

Jensen Huang: 그래서 가장 빠르게 성장했고, 가장 빠르게 채택(adopted)됐습니다. 불과 2~3년(a couple of two three years) 만에 사용자 수가 거의 **10억 명(almost a billion people)**에 가까워지고 있습니다.

Jensen Huang: 우선 claude는 정말 대단합니다. anthropic은 claude를 개발하는 데서 엄청난 진전, 엄청난 도약을 이뤘습니다. 우리는 회사 전반에서 claude를 쓰고 있습니다.

Jensen Huang: claude의 코딩 능력(coding capability), 추론 능력(reasoning capability), 전반적인 역량이 정말 믿기 어려울 정도입니다. 소프트웨어 회사라면 누구나 참여해서 사용해야 한다고 생각합니다.

Jensen Huang: 한편 chat GPT는 역사상 가장 성공한 소비자 AI(consumer AI)일 가능성이 큽니다. 사용의 용이성(ease of use)과 친근함(approachability) 때문에, 누구든 참여해야 한다고 생각합니다.

Jensen Huang: 개발도상국의 누군가든, 학생이든, AI를 어떻게 쓰는지, AI를 어떻게 지휘(direct)하는지, 어떻게 프롬프트(prompt)하는지, 어떻게 관리(manage)하는지, 어떻게 가드레일(guard rail)을 치는지, 어떻게 평가(evaluate)하는지를 배우는 것이 필수라는 점은 매우 분명합니다.

Jensen Huang: 이런 기술은 사람을 이끌고(leading people) 관리(managing people)하는 것과 다르지 않습니다. 우리 둘이 늘 하는 일이기도 하죠.

Jensen Huang: 미래에는 생물학적(biological), 탄소 기반(carbon based) AI만 있는 게 아니라, 디지털 버전(digital versions)의 AI, 실리콘 버전(silicon versions)의 AI도 있을 것이고, 우리는 그것들을 관리해야 할 겁니다. 말하자면 디지털 워크포스(digital workforce)의 일부가 되는 것이죠.

Jensen Huang: 그래서 저는 개발도상국에 이렇게 권하고 싶습니다. 인프라를 구축하고, AI에 참여하고, 그리고 AI가 기술 격차(technology divide)를 줄일 가능성이 크다는 점을 인식하라는 겁니다.

진행자: >> 그렇죠? >>

Jensen Huang: 왜냐하면 AI는 사용하기 쉽고, 풍부하고(abundant), 접근 가능(accessible)하기 때문입니다. 그래서 저는 AI가 신흥국(emerging)들을 끌어올릴 잠재력에 대해 꽤 낙관적(optimistic)입니다.

Jensen Huang: 컴퓨터 과학 학위가 없는 많은 사람에게도, 이제 여러분 모두 프로그래머가 될 수 있습니다.

Jensen Huang: 과거에는 컴퓨터를 어떻게 프로그래밍하는지 배워야 했습니다. 하지만 이제는 컴퓨터에게 “내가 너를 어떻게 프로그래밍하니?”라고 말함으로써 컴퓨터를 프로그래밍합니다.

Jensen Huang: AI를 어떻게 쓰는지 모르면, AI에게 다가가서 “나는 AI를 어떻게 쓰는지 몰라. AI를 어떻게 쓰는지 알려줘.”라고 말하면 됩니다. 그러면 AI가 설명해 줄 겁니다.

Jensen Huang: 예컨대 “내 웹사이트를 만들기 위한 프로그램을 쓰고 싶어. 어떻게 해야 해?”라고 말하면, AI는 여러분이 어떤 웹사이트를 만들고 싶은지에 대해 여러 질문을 하고, 그다음 코드를 작성해 줍니다.

Jensen Huang: 그만큼 사용이 쉽습니다. 그리고 그게 AI의 놀라운 힘이고, 흥미로운 점입니다.

진행자: 두 가지 빠른 질문을 하고 마무리하겠습니다. 곧 시간이 다 될 것 같습니다. 지금 우리는 유럽(Europe)에 있습니다.

진행자: 우리가 여러 기업을 이야기할 때 미국 기업과 아시아 기업을 많이 언급했습니다. AI와 유럽의 성공, 유럽의 미래가 어떻게 교차할 수 있는지, 그리고 Nvidia가 유럽에서 어떤 역할을 할 수 있다고 보시는지 말씀해 주시죠.

Jensen Huang: Nvidia로서는 전 세계 모든 AI 기업과 함께 일할 수 있다는 이점이 있습니다. 우리는 인프라 층의 아래쪽에 있고, 전반적인 AI를 구동합니다.

Jensen Huang: 우리는 언어를 다루는 AI, 생물(biology)·물리(physics)·월드 모델(world models)을 다루는 AI, 제조(manufacturing)와 로보틱스(robotics)와 관련된 AI까지, 전 영역을 구동합니다.

Jensen Huang: 유럽에게 정말 흥미로운 점은, 여러분의 산업 기반(industrial base)이 매우 강하다는 것입니다. 유럽의 산업 제조 기반(industrial manufacturing base)은 믿기 어려울 정도로 강합니다.

Jensen Huang: 이것은 여러분이 ‘소프트웨어 시대’를 뛰어넘을(leap past) 기회입니다. 소프트웨어 시대는 미국이 정말로 주도했습니다.

Jensen Huang: AI는 ‘소프트웨어를 쓰지 않아도 되는 소프트웨어’입니다. AI는 ‘쓰는(write) 것’이 아니라 ‘가르치는(teach) 것’입니다.

Jensen Huang: 그래서 지금 초기에(early) 진지하게 들어오면, 여러분의 산업 역량과 제조 역량을 인공지능과 결합(fuse)할 수 있고, 그 결과 물리적 AI 또는 로보틱스의 세계로 들어오게 됩니다.

Jensen Huang: 로보틱스는 유럽 국가들에게 ‘세대에 한 번(once in a generation)’ 오는 기회입니다. 제가 방문하는 유럽의 모든 나라가 산업 기반이 정말 강합니다.

Jensen Huang: 또 하나는, 유럽에서 심층 과학(deep sciences)이 여전히 매우 강하다는 점입니다. 그리고 심층 과학은 이제 인공지능을 적용해 발견(discovery)을 가속할 수 있는 이점을 갖게 됐습니다.

Jensen Huang: 그래서 유럽이 풍부한 AI 생태계를 가지려면, 인프라 층에 투자할 수 있도록 에너지 공급(energy supply) 확대에 진지해져야 한다는 것은 꽤 확실하다고 생각합니다.

진행자: 제가 듣기로는, 우리는 AI 버블(bubble)과는 거리가 멀군요. 질문은 ‘우리가 충분히 투자하고 있느냐’입니다. 많은 사람이 버블을 얘기하지만, 제가 듣는 요지는 ‘글로벌 경제를 넓히기 위해 필요한 만큼 우리가 투자하고 있느냐’로 질문을 뒤집어야 한다는 것 같습니다.

Jensen Huang: AI 버블을 테스트하는 한 가지 좋은 방법은, Nvidia가 이제 클라우드에 수백만 개(millions)의 NVIDIA GPU를 갖고 있다는 사실을 보는 겁니다. 우리는 모든 클라우드에 있고, 어디에서나 사용됩니다.

Jensen Huang: 그런데 요즘 Nvidia GPU를 임대(rent)하려고 하면 믿기 어려울 정도로 어렵습니다. 그리고 GPU 임대의 스팟 가격(spot price)이 오르고 있습니다.

Jensen Huang: 최신 세대뿐 아니라, 두 세대 전(two generation old) GPU도 임대 스팟 가격이 오르고 있습니다.

Jensen Huang: 그 이유는 만들어지는 AI 회사 수가 늘고 있고, 기업들이 R&D 예산을 전환(shift)하고 있기 때문입니다. Lily가 좋은 مثال입니다.

Jensen Huang: **3년 전(three years ago)**만 해도 그들의 R&D 예산 대부분, 아마 전부가 웻랩(wet labs)이었을 겁니다. 그런데 지금은 그들이 투자한 큰 AI 슈퍼컴퓨터와 큰 AI 랩을 보세요. R&D 예산은 점점 AI 쪽으로 이동할 겁니다.

Jensen Huang: 그래서 AI 버블이라는 말은 ‘투자가 크다’는 데서 나오는데, 투자가 큰 이유는 AI 위의 모든 층을 가능하게 하는 인프라를 구축해야 하기 때문입니다.

Jensen Huang: 저는 기회가 정말로 extraordinary하다고 생각합니다. 모두가 참여해야 합니다. 모두가 더 깊이 관여해야 합니다.

Jensen Huang: 우리는 더 많은 에너지(energy)가 필요합니다. 그리고 더 많은 land power and shell이 필요하다는 것도 모두가 인식하고 있다고 생각합니다.

Jensen Huang: 또 더 많은 숙련 기술 인력(trade scale workers)이 필요합니다. 그리고 그 인력 풀은 유럽에서 정말 강합니다.

진행자: >> 네. 여러 면에서 미국은 지난 20~30년(20, 30 years) 동안 그걸 잃었죠. 하지만 유럽에는 여전히 엄청나게 강하게 남아 있습니다. 정말 특별한 기회이니 반드시 잡아야 합니다. >>

Jensen Huang: 그래서 저는, Larry와 제가 일하는 곳에서 우리가 투자 기회를 보고 있고, 투자 규모(scale)가 커지고 있다는 점을 말씀드리고 싶습니다.

Jensen Huang: 제가 앞서 말했듯, 2025년은 VC 역사상 가장 큰 투자 연도였고, 전 세계적으로 **1,000억 달러 이상(over a hundred billion dollars)**이 투자됐으며, 대부분이 AI 네이티브였습니다.

Jensen Huang: 이 AI 기업들은 기본적으로 그 위의 애플리케이션 층을 만들고 있습니다. 그러려면 인프라가 필요하고, 우리의 투자가 필요합니다. 함께 이 미래를 만들어야 합니다. >>

Jensen Huang: 그리고 저는 전 세계의 연기금(pension funds)이 이 AI 세계와 함께 성장하기 위해 그 일부가 되는 것이 매우 좋은 투자라고 믿습니다.

Jensen Huang: 이것은 제가 많은 정치 지도자들에게 하는 메시지 중 하나이기도 합니다. 평균적인 연금 수급자(average pensioner), 평균적인 저축가(average saver)가 그 성장의 일부가 되도록 해야 합니다.

Jensen Huang: 만약 그들이 그저 옆에서 지켜보기만 한다면, 소외감을 느낄 겁니다. 우리는 인프라에 투자하고 싶습니다.

진행자: >> 그렇죠? >>

Jensen Huang: 인프라는 훌륭한 투자 옵션입니다. 이것은 단 하나의—>> 인류 역사상 가장 큰 인프라 구축(largest infrastructure buildout)입니다. 참여하세요. >>

진행자: 시간이 다 됐습니다. 청중 여러분, 그리고 웹 스트리밍으로 보고 계신 여러분 모두가 Jensen Wong의 힘을 보셨길 바랍니다.

진행자: 그는 기술과 AI의 리더일 뿐 아니라 비즈니스의 리더이고, 무엇보다 오늘날 중요한 ‘마음과 영혼(heart and soul)’의 리더이기도 합니다. 모두 감사합니다. 감사합니다.