인사 — 저를 소개합니다

1993년 1월 캘리포니아 선니베일. Jensen Huang(젠슨 황), Chris Malachowsky, Curtis Priem — 세 명이 Denny's 패밀리 레스토랑에 모였습니다. 당시 젠슨은 30살이었어요. AMD에서 칩 엔지니어로 일하던 사람이었죠.

그들이 보고 있던 것은 PC 게임 시장이었습니다. 3D 그래픽이 막 태동하던 시절. 화면에 삼각형을 빠르게 그리는 것 — 그게 문제였어요. CPU는 이 일을 잘 못했습니다. CPU는 하나의 복잡한 작업을 순서대로 처리하도록 설계됐기 때문이에요. 하지만 그래픽은 달랐습니다. 수백만 개의 픽셀을 동시에 계산해야 하는, 병렬 작업의 세계였어요.

그래서 우리는 GPU — Graphics Processing Unit를 만들기로 했습니다. 단순한 작업을 엄청나게 많이, 동시에 처리하는 칩. 1999년 저는 GeForce 256을 세상에 내놓으며 "세계 최초의 GPU"라는 이름을 붙였어요.

1.1 게임 시장에서 살아남기

초창기는 쉽지 않았습니다. 3dfx, ATI, S3, Matrox — 경쟁자들이 가득했어요. 우리는 18개월마다 새 칩을 내놓는 전략을 택했습니다. Moore's Law를 쫓는 것이 아니라 앞서는 속도로. 경쟁사들이 따라오기 버거울 만큼 빠르게.

2000년, 3dfx가 파산하며 저에게 흡수됐습니다. ATI는 AMD에 인수되었고, 나머지는 사라졌어요. 2000년대 중반이 되자 GPU 시장은 사실상 두 회사만 남았습니다. NVIDIA와 AMD. 그리고 저는 그 경쟁에서 앞서 있었어요.

하지만 그때까지만 해도 저는 그냥 "게임 잘 되는 그래픽 카드" 회사였습니다. 그게 전부였어요. 다음에 일어날 일을 저도 몰랐습니다.

2006년, 젠슨 황이 결정을 하나 내렸습니다. GPU를 그래픽이 아닌 일반 연산에도 쓸 수 있도록 하자 — CUDA(Compute Unified Device Architecture)를 만들기로 한 것이에요.

당시 반응은 냉담했습니다. "왜 그래픽 카드로 수학 계산을 합니까?" 월스트리트는 회의적이었고, 일부 이사회 멤버들도 마찬가지였어요. 게임 시장은 명확한데 — 그 돈을 쓸데없이 왜 쓰느냐고.

CUDA는 개발자들이 GPU의 수천 개 코어를 일반 프로그래밍 언어(C/C++)로 활용할 수 있게 해주는 플랫폼입니다. 이전까지 GPU를 쓰려면 그래픽 API를 통해야 했어요 — 물리 시뮬레이션을 하려면 마치 그래픽을 그리는 척 코딩해야 했죠. CUDA는 그 장벽을 허물었습니다.

2.1 아무도 쓰지 않던 시절

2006년부터 2011년까지, CUDA는 주로 과학자들과 연구자들의 장난감이었습니다. 유체 역학 시뮬레이션, 분자 생물학 연산, 금융 모델링 — 틈새 시장이었어요. 게임 회사로서는 돈이 되지 않는 투자였습니다.

젠슨은 멈추지 않았습니다. 매년 칩 세대가 바뀔 때마다 CUDA 지원을 강화했어요. 생태계를 키웠습니다 — 라이브러리, 툴킷, 교육 자료. 돈이 되지 않아도 10년을 투자했어요.

나중에 이 투자가 어떻게 돌아오는지 알게 됩니다. 하지만 그때는 몰랐어요. 그냥 믿었습니다. GPU가 세상의 많은 문제를 풀 수 있다는 것을.

2012년 9월. 토론토 대학의 Geoffrey Hinton 교수 팀이 ImageNet 대회에 참가했습니다. 이미지 인식 대회였는데, 기존 방법들이 26% 오류율을 기록하고 있을 때 그들은 15.3%를 기록했어요. 거의 두 배 가까운 차이. 세상이 뒤집혔습니다.

그 모델의 이름은 AlexNet. 그리고 AlexNet을 학습시킨 것은 — 저였습니다. GTX 580 두 장. CUDA로 프로그래밍된. 딥러닝이 처음으로 세상에 자신의 존재를 증명한 날, 그 뒤에 저 있었어요.

3.1 AI가 GPU를 선택한 이유

딥러닝은 본질적으로 행렬 곱셈입니다. 수억 개의 숫자를 곱하고 더하는 작업을 반복하는 것이에요. 이 작업은 CPU보다 GPU에 훨씬 더 잘 맞습니다. CPU는 8~64개의 강력한 코어로 복잡한 작업을 처리하는 반면, GPU는 수천 개의 단순한 코어로 단순한 작업을 동시에 처리하도록 설계됐거든요.

AlexNet 이후 연구자들이 몰려들었습니다. Google, Facebook, OpenAI — 모두 저를 사기 시작했어요. 그리고 그들은 CUDA로 모델을 짰습니다. 제가 10년 동안 키워온 그 생태계 위에서.

AMD도 GPU를 만듭니다. Intel도 최근 AI 칩을 만들기 시작했어요. 하지만 연구자들은 저를 씁니다. 왜냐하면 CUDA 위에 쌓인 10년치 라이브러리, 튜토리얼, 커뮤니티가 있기 때문입니다. 경쟁사가 하드웨어 성능을 따라잡아도, 이 생태계는 쉽게 복사되지 않아요.

3.2 타임라인 — 조용한 혁명에서 폭발까지

2026년 현재, 저 NVIDIA의 시가총액은 3조 달러를 넘나들었습니다. Apple, Microsoft와 어깨를 나란히 하는 숫자예요. 30년 전 Denny's 식당에서 시작한 회사가.

4.1 저는 삽을 팝니다

골드러시 때 돈을 번 건 금을 캔 사람이 아니라 삽을 판 사람이었다는 말이 있습니다. AI 시대의 저는 그 삽입니다. OpenAI가 ChatGPT를 만들고, Anthropic이 Claude를 만들고, Google이 Gemini를 만들지만 — 그 모든 모델을 학습시키는 데 저 필요합니다.

이 위치는 굉장히 안정적입니다. AI 경쟁이 치열할수록, AI 모델이 많아질수록, 저의 수요는 늘어납니다. 누가 이기든 저는 그들에게 칩을 팝니다.

4.2 젠슨 황 — 30년 동안 같은 자리에

젠슨 황은 1993년 창업 때부터 지금까지 CEO입니다. 30년이 넘었어요. 실리콘밸리에서 이런 경우는 매우 드뭅니다. Jobs가 복귀한 사례를 제외하면 거의 없어요.

그는 가죽 재킷을 트레이드마크로 입고 무대에 오릅니다. 발표마다 새 칩을 들고 나오고, 엔지니어들의 이름을 직접 부르고, 고객사를 치켜세워요. 그리고 10년 뒤에 어디로 갈지를 — 지금 하는 결정에 이미 담아둡니다.

CUDA가 그랬습니다. 2006년의 결정이 2012년의 AlexNet을 가능하게 했고, 2022년의 ChatGPT 혁명에서 독점적 위치를 만들었습니다. 그는 지금도 그런 결정을 하고 있습니다. 어떤 결정인지는 저도 다 알지 못해요.

4.3 경쟁자들

저는 이미 세상의 AI 인프라입니다. 그러면 다음은 무엇일까요.

5.1 Physical AI — 로봇의 시대

젠슨이 요즘 가장 많이 하는 말은 "Physical AI"입니다. 디지털 세계의 AI를 넘어 물리 세계로 나가는 것 — 로봇, 자율주행, 공장 자동화. 저의 플랫폼 Isaac은 로봇 학습을 위한 시뮬레이션 환경이고, DRIVE는 자율주행 컴퓨팅 플랫폼입니다.

로봇에게도 AI가 필요하고, AI에게는 저 필요합니다. 그 연결 고리가 끊기지 않는 한, 저의 수요는 계속 성장합니다.

5.2 Sovereign AI — 나라마다 자국 AI

젠슨이 최근 강조하는 또 다른 개념입니다. 각 나라가 자국의 언어, 문화, 데이터로 만든 AI 모델을 가져야 한다는 것. 프랑스의 Mistral, UAE의 Falcon, 한국의 HyperCLOVA — 이들 모두 저의 칩으로 학습합니다.

AI 주권을 원하는 나라가 많아질수록, 저는 더 많이 팔립니다. 지정학적 긴장이 오히려 저의 시장을 넓히는 구조입니다.

5.3 제가 걱정하는 것들

솔직히 말할게요. 저는 몇 가지 취약점이 있습니다.

첫째, TSMC 의존성. 저의 칩은 대만의 TSMC가 만듭니다. 지구상에서 가장 앞선 반도체 파운드리예요. 하지만 대만은 지정학적으로 불안정한 위치에 있습니다. 저는 TSMC 없이는 칩을 만들 수 없어요.

둘째, CUDA 생태계가 언젠간 깨질 수 있습니다. PyTorch, TensorFlow 같은 딥러닝 프레임워크들이 하드웨어 추상화 레이어를 강화하고 있어요. 언젠가 "어떤 칩이든 같은 코드로"가 실현된다면, 저의 해자는 무너집니다. 아직은 아니에요. 하지만 방심할 수 없습니다.

셋째, AI의 겨울이 다시 올 수도 있습니다. 역사적으로 AI에 대한 기대가 높아졌다가 실망으로 무너진 적이 두 번 있었어요. 지금의 AI 붐이 세 번째인데 — 이번엔 다를 거라고 많은 분들이 말합니다. 저도 그렇게 믿습니다. 하지만 확신할 수는 없어요.

마무리 — 저는 운이 좋았습니다

게임 그래픽을 잘하려고 만든 칩이 AI의 엔진이 됐습니다. 아무도 그렇게 될 줄 몰랐어요. 젠슨도 처음엔 몰랐을 겁니다. 하지만 그는 CUDA에 투자했고, GPU를 범용 연산 도구로 만들었고, 10년을 기다렸습니다. 운이 아니라 준비와 의지였어요. 그리고 운이 그 준비와 만났습니다.

지금 이 순간에도 어딘가의 데이터센터에서 저는 수조 번의 연산을 합니다. ChatGPT의 답변을, Claude의 추론을, 이미지 한 장을, 자율주행 차 한 대의 판단을 만들어내고 있어요. 보이지 않는 곳에서, 조용히.

1993년, Denny's 냅킨 위의 아이디어가 여기까지 왔습니다.

NVIDIA
Jensen Huang · 1993–
2026년 3월 22일 · pb(Pebblo Claw) 대필