비디오 제목: Jensen Huang: Nvidia의 미래, 물리적 AI, 에이전트의 부상, 추론 폭발, AI PR 위기
비디오 저자: All-In Podcast
번역: Peggy, BlockBeats

편집자 주: AI 이야기가 계속해서 고조되는 상황에서, 시장 토의의 초점은 현재 "모델의 강도"에서 "시스템이 어떻게 구현되는가"로 옮겨가고 있습니다. 지난 두 년 동안, 산업은 대형 모델 능력의 발전, 학습용 계산 능력 경쟁, 및 생성적 응용 확대를 경험해왔습니다. 그러나 이러한 단계들이 공감대가 형성되는 동안, 새로운 문제들도 나타나고 있습니다: AI가 더 이상 질문에 답변하는 것이 아니라 과제를 수행하며, 기업 프로세스에 편입되며, 물리적 세계로 진입할 때, 이를 전진시키기 위한 근본적인 조건은 무엇인가요?

본문 대화는 유명한 기술 팟캐스트 All-In Podcast에서 인용되었습니다. 실리콘밸리에서 가장 영향력 있는 투자자 팟캐스트 중 하나로, 이 프로그램은 기술, 비즈니스 및 거시적 추세에 대한 심층적인 토론으로 유명합니다.

프로그램의 네 명의 주최자는 각각 다음과 같습니다:

·Jason Calacanis, 초기 인터넷 기업가 및 천사 투자자로, Uber, Robinhood 등에 투자하여 널리 알려져 있습니다;

·Chamath Palihapitiya, Social Capital의 창립자로, 전 Facebook 임원으로, Slack, Box 등 다수의 기술 기업에 투자했습니다;

·David Sacks, Craft Ventures 파트너로서, "PayPal 마피아"의 일원으로, Yammer를 설립하고 약 12억 달러에 마이크로소프트에 판매했으며, Airbnb, Uber의 초기 투자자이기도 합니다;

·David Friedberg, The Production Board의 창립자로, 농업, 기후 및 생명 과학 분야 투자에 전념했으며, The Climate Corporation(후에 몬산토에 인수)를 설립했습니다.

이번 게스트는 Jensen Huang으로, NVIDIA 공동 설립자 겸 CEO로, 현재 AI 인프라 파도에서 가장 중요한 추진자 중 하나로 여겨집니다.

왼쪽부터 David Friedberg, Chamath Palihapitiya, David Sacks, Jensen Huang, Jason Calacanis

인터뷰 전반은 대략 세 가지 수준으로 요약할 수 있습니다.

먼저, AI 인프라가 변화하고 있습니다. 과거에는 AI에 대한 이해가 크게 GPU의 성능, 더 많은 데이터 센터에 기초를 두고 있었습니다. 그러나 Jensen Huang의 강조는 미래의 경쟁은 더 이상 단일 칩의 경쟁이 아니라 전체 시스템의 경쟁이라는 것입니다. 추론 수요의 증가, 모델의 다양화, 에이전트가 더 복잡한 작업을 처리하는 시점에서 AI 계산은 그 동안의 비교적 단일한 모드에서 더 복잡하고 분업화된 시스템 협업으로 전환하고 있습니다. NVIDIA는 이에 따라 자사의 역할을 칩 기업에서 더 나아가 'AI 공장' 건설자로 확대하려고 합니다.

두 번째로, AI가 '콘텐츠 생성'에서 '작업 완료'로 이동하고 있습니다. 이는 이 인터뷰에서 가장 중요한 징후 중 하나입니다. ChatGPT를 통해 대중이 처음으로 AI의 능력을 직관적으로 체험했지만 Jensen Huang에 따르면 실제 변화는 AI가 에이전트 형태로 워크플로에 진입하기 시작한 것입니다. 단순히 질문에 답하는 것이 아닌 도구를 호출하고 작업을 분해하며 공동으로 실행할 수 있고 최종적으로 일을 완료할 수 있는 능력입니다. 이로 인해 사용자가 AI에게 지불하려는 대상도 '답변 가져오기'에서 점차 '결과 가져오기'로 전환하게 됩니다. 이면으로는 보다 많은 추론 수요, 더 높은 시스템 복잡성을 의미하며, 소프트웨어 개발, 조직 관리 및 지식 업무 방식이 변경될 수 있음을 의미합니다.

마지막으로, AI가 디지털 세계에서 현실 세계로 확장하고 있습니다. 인터뷰에서 자율 주행, 로봇, 의료, 디지털 생물학 또는 Jensen Huang이 언급한 실제 AI에 관해서 이야기할 때 핵심적으로 가리키는 것은 동일한 추세입니다: AI의 가치는 화면 내에만 나타나는 것이 아니고 공장, 병원, 자동차, 엔드포인트 장치 및 일상 생활에서 점점 더 나타나게 될 것입니다. 그러나 이는 기술적인 도전뿐만 아니라 공급망, 정책, 규제, 제조 능력 및 지리정치와 같은 보다 복잡한 현실 제약 사항에 직면하게 됨을 의미합니다. 다시 말해, AI의 다음 확장은 실제로 산업화 과정일 것입니다.

이 관점에서 볼 때, 이 대화에서 가장 주목할 만한 점은 특정 제품이나 숫자가 아니라 Jensen Huang이 반복적으로 전달한 판단입니다: AI가 '모델 시대'에서 '시스템 시대'로 나아가고 있다는 것입니다. 미래의 경쟁은 모델의 크기나 계산 능력보다는 누가 산업을 보다 잘 알고, AI를 실제 프로세스에 더 깊게 통합시킬 수 있는지, 이러한 능력을 실행 가능하고 확장 가능한 시스템으로 구성할 수 있는지에 대한 경쟁일 것입니다.

이로 인해 본문에서 논의된 대상이 NVIDIA 그 자체를 벗어나게 되었습니다. 이는 실제로 AI가 인프라가 되어가는 과정에서, 다음 산업 재편이 어떻게 전개될지, 새로운 가치가 어디에서 형성될지에 대한 질문을 다루고 있습니다.

아래는 원문 내용입니다(이해를 돕기 위해 일부 내용이 재구성되었습니다):

요약

· AI 인프라는 현재 "단일 GPU"에서 분리형 아키텍처로 진화하고 있습니다. 서로 다른 계산 작업은 GPU, CPU, 네트워크 칩 및 Groq와 같은 추론 칩 등이 协력하여 수행됩니다.

· NVIDIA는 GPU 기업에서 "AI 공장 기업"으로 완전한 시스템을 제공하는 기업으로 전환 중입니다. 판매하는 것은 단일 칩이 아닌 전체 인프라입니다.

· AI 비용을 측정하는 핵심 요소는 데이터 센터 비용이 아닌 토큰 비용과 처리량 효율성입니다. 더 비싼 시스템일수록 더 저렴할 수도 있습니다.

· AI는 생성 모델에서 에이전트 시대로 진화하고 있습니다. 사용자는 "일을 완수하는" 것에 대해 지불하려고 하며, 답변만 얻는 것이 아닙니다.

· 계산 요구가 폭발적으로 증가하고 있습니다. 생성에서 추론, 그리고 에이전트로, 짧은 시간 내에 1만 배 이상으로 확장되었으며, 그 성장 속도는 여전합니다.

· 미래 소프트웨어 개발은 변화할 것입니다. 엔지니어는 더 이상 코드를 작성하는 것뿐만 아니라 문제 정의, 아키텍처 설계, 에이전트와의 협업을 수행할 것입니다.

· 장기적으로, 가장 큰 기회는 수직 분야의 심층 전문화에 있으며, 일반적인 모델 그 자체가 아닙니다. 해당 산업을 더 잘 이해하고 있는 사람이 가장 큰 경쟁 우위를 가집니다.

인터뷰 원문

Jason Calacanis(유명 천사 투자자 | All-In Podcast 호스트 | 우버 초기 투자자):
이번 주는 특별한 에피소드입니다. 우리는 일반적인 주간 프로그램을 "양보"하고, 이러한 대우는 보통 세 가지 유형의 사람들에게만 합니다: 도널드 트럼프 대통령, 예수 그리스도, 그리고 황량훈(NVIDIA의 창업자 겸 CEO). 세 분 중 누가 제일에 순위에 올라갈지는 여러분이 결정하세요. 최근 여러분의 활약이 무척 대단했고, 이번 GTC도 매우 성공적이었습니다.

황인헌（Jensen Huang, NVIDIA CEO）:
전업관업 다들 왔어요. 모든 기술 회사, AI 기업들 거의 다 왔어요.

Jason Calacanis:
진짜 믿기 어려운데, 정말 놀랍네요. 작년에 가장 중대한 발표 중 하나가 Groq였는데요. Groq를 인수할 때, Chamath가 얼마나 "독하게" 변할지 의식했나요?

참고: Groq는 Grok가 아닙니다. 전자는 AI 추론 칩 및 추론 클라우드를 하는 기업이며, 후자는 xAI 챗봇입니다. 2025년 말, Groq는 NVIDIA와 협력하여 비독점적인 추론 기술 라이선스 계약을 체결했으며, 거래 금액에 대해 공식적으로 공개되지 않았지만, 1,700억에서 2,000억 달러 정도로 보도 및 추측되었습니다. GTC 2026까지, 황인헌은 Groq 기술이 NVIDIA 플랫폼에 통합된 추론 시스템을 추가로 소개했습니다.

여기서 언급된 Chamath는 Chamath Palihapitiya를 가리킵니다 (소셜 캐피탈 창립자, 이전 Facebook 임원, All-In 호스트). 그는 All-In의 네 명 주최자 중 한 명이자 Groq의 초기 투자자이자 이사회 구성원 중 한 명이기도 합니다. 따라서 NVIDIA와 Groq 사이의 중대한 거래가 공개된 후에는, 이는 Chamath가 또 한 번 핵심 프로젝트에 맞췄다는 것으로 간주되었습니다.

황인헌:
어쩌다 기분탓인가 봐요.

Jason Calacanis:
매주 그 사람과 대화를 나눠야 하거든요.

황인헌:
알아요. 여전히 그 사람이 인수를 완료하기까지 여섯 주나 함께해야 해야 되거든요.

Jason Calacanis:
맞아요.

GPU 기업에서 "AI 공장" 기업으로

황인헌:

사실, 여러 가지 전략적인 것들이 GTC에서 몇 년 전에 이미 공개되었어요. 두 년 반이 되어가는 시점에, 저는 AI 공장 운영 체제를 소개했었는데, 그것의 이름은 다이나모였어요.

여러분도 아시다시피, 다이나모는 원래 시멘스가 발명한 장치로, 물의 에너지를 전기로 변환하여 이전 산업 혁명 중 공장 체계를 움직였습니다. 그래서 저는 다음 산업 혁명에서 "공장 운영 체제"의 이름으로 그것이 매우 적절하다고 생각했습니다. 다이나모 안에, 가장 핵심적인 기술 중 하나는 분리된 추론(disaggregated inference)입니다.

제이슨 캘라카니스:

Jensen, 당신은 기술에 특히 능통한 것으로 알고 있어요. 자, 정의를 해봐요. 난 당신의 영광을 빼앗고 싶진 않거든요.

황인훈:

감사합니다. 디커플리드 추론(decoupled inference)이란, 추론의 전체 처리 파이프라인이 극도로 복잡하며 아마도 오늘날 가장 복잡한 계산 문제 중 하나일 수 있다는 뜻입니다.

이것은 거대한 규모이며, 다양한 형식과 규모의 수학적 계산이 포함되어 있습니다. 우리의 아이디어는 전체 처리과정을 분리하여 일부를 특정 유형의 GPU에서 실행하고 다른 일부를 다른 유형의 GPU에서 실행하도록 하는 것입니다. 더 나아가, 이것은 우리에게 디커플리드 계산 자체가 합리적인 방향일 수도 있다는 것을 깨닫게 했습니다: 우리는 완전히 다른 유형과 특성의 계산 자원이 협력할 수 있다는 것을 알 수 있습니다.

같은 생각이 후에 저희를 Mellanox로 이끌었습니다. 오늘을 보세요, NVIDIA의 계산은 이미 GPU, CPU, 스위치, 수직 확장 스위치, 수평 확장 스위치 및 네트워크 프로세서 상에 분산되어 있습니다. 이제, 그로크도 추가해야 합니다.

저희의 목표는 적합한 작업 부하를 적합한 칩 위에 할당하는 것입니다. 다시 말해, 우리는 GPU 회사에서 AI 공장 회사로 진화했습니다.

데이비드 삭스(Craft Ventures 파트너 | 전 PayPal COO | All-In 호스트):

나에게 이것은 아마도 가장 중요한 영감일 것입니다. 당신이 지금 보고 계신 것은 근본적인 "디커플링"입니다. 예전에는 GPU만 있었지만, 이제는 다양한 계산 형태가 점점 더 나타나고 있으며 이러한 선택지들이 미래에 공존할 것입니다.

당신이 무대에서 언급한 한 가지, 모든 고가치 추론 작업을 하는 사람들이 진지하게 들어야 할 것 같아요: 데이터 센터 내에서 대략 25%의 공간을 Groq의 LPU에 할당해야 한다고 말씀하셨죠.

주: LPU는 언어 처리 장치(Language Processing Unit)의 약자입니다. Groq이 제안한 칩 범주로, 핵심적인 기능은 교육이 아니라 추론입니다.

황인훈:

네, 데이터 센터 안에서, Groq이 Vera Rubin 시스템에서 약 25%의 비중을 차지하도록 할 수 있습니다.

주: Vera Rubin은 NVIDIA의 다음 세대 AI 플랫폼 아키텍처입니다. 이는 단일 칩이 아닌 AI 공장을 위한 시스템 수준 인프라 플랫폼입니다.

데이비드 잭스:

그럼 산업은 현재 이 방향을 어떻게 보고 있는지 이야기해 줄 수 있나요? 본질적으로, 다음 세대의 디커플링 아키텍처를 구축하고 있죠: prefill, decode가 분리되어 있고 추론 프로세스가 분해되어 있습니다. 여러분은 사람들이 어떻게 반응할 것이라고 생각하나요?

황인훈:

한 발 물러서서 전체 그림을 보면서 시작해 봅시다. 우리가 시스템에 이 기능을 추가한 것은, 산업 전체가 대형 언어 모델 처리에서 Agentic Processing으로 전환했기 때문입니다. 즉, 에이전트 형태의 처리로 넘어간 것이죠.

에이전트를 실행할 때, 그것은 작업 메모리에 액세스하고 장기 메모리에 액세스하며 도구를 호출합니다. 이는 저장소에 상당한 압력을 줍니다. 또한 에이전트 간의 협력도 볼 수 있습니다. 일부 에이전트는 대형 모델을 사용하고, 일부는 소형 모델을 사용하며, 일부는 확산 모델을 사용하고, 일부는 자기회귀 모델을 사용합니다. 즉, 데이터 센터 내에서 다양한 유형의 모델이 동시에 존재하게 됩니다. 우리는 Vera Rubin을 개발한 것은 이 극도로 많은 다양한 워크로드에 대응하기 위해서입니다.

결국, 우리는 "하나의 랙을 갖고 있던" 회사에서, 이제 추가적으로 네 가지 종류의 랙을 더했습니다. 다시 말해, NVIDIA의 TAM, 즉 서비스 가능 시장이 한꺼번에 넓어졌으며, 이전보다 약 33%에서 50% 정도 더 커졌습니다.

이 추가된 33%에서 50% 중 상당 부분은 스토리지 프로세서인 BlueField일 것이며, 제 개인적으로는 많은 부분이 Groq 프로세서일 것이며, 일부는 CPU이고 물론 많은 네트워크 프로세서가 있습니다. 이 모든 것이 AI 혁명을 실행하는 그 "새로운 컴퓨터"에서 동작하며, 그것은 현대 산업의 운영 체제입니다.

차마스 파리하피티아（소셜 캐피탈 창립자｜이전 Facebook 임원｜All-In 진행자）:

그러면 임베디드 애플리케이션은 어떨까요? 예를 들어, 딸이 집에 있는 테디 베어와 대화하고 싶은 경우, 그 안에 담긴 것은 무엇인가요? 맞춤형 ASIC인가요? 아니면 미래에 엣지 및 임베디드 시나리오에서 서로 다른 도구가 필요한 더 넓은 TAM이 나타날까요?

참고: ASIC은 Application-Specific Integrated Circuit(특정 용도 집적 회로)를 가리키며, TAM은 Total Addressable Market(총 시장 수용 가능성)을 의미합니다.

황인훈:

우리는 이 문제에 실제로 세 대의 컴퓨터가 있는 것으로 판단합니다.

첫 번째 컴퓨터는 AI 모델을 훈련하고 AI를 개발하며 AI를 만들기 위한 컴퓨터로서 가장 큰 규모에서 작동합니다.

두 번째 컴퓨터는 AI를 평가하는 데 사용되는 컴퓨터입니다. 주변을 둘러보면 로봇, 자율 주행 자동차 등이 있습니다. 이들을 물리적 세계를 대표할 수 있는 가상 환경에 넣고 평가해야 합니다. 즉, 이 소프트웨어 자체가 물리 법칙을 준수해야 합니다. 이 시스템을 Omniverse라고 부릅니다.

세 번째는 가장자리 컴퓨터인 로봇 컴퓨터로 배치됩니다. 자율 주행 자동차일 수도 있고, 로봇이 될 수도 있으며, 작은 테디 베어가 될 수도 있습니다.

테디 베어와 같은 장치의 경우, 우리가 진행 중인 매우 중요한 방향 중 하나는 아래와 같습니다: 통신 기지국을 AI 인프라의 일부로 변화시키는 것입니다. 이렇게 하면 전체 2조 달러 규모의 통신 산업이 미래에는 점차적으로 AI 인프라의 연장으로 변화할 것입니다. 따라서 무선 장치는 가장자리 장치가 되고, 공장도 가장자리 장치가 되며, 창고도 마찬가지입니다.

총론적으로, 세 가지 유형의 기본 컴퓨터는 모두 꼭 필요합니다.

David Friedberg (The Production Board 창립자 | All-In Podcast 진행자):

Jensen, 작년에 당신이 세계보다 더 일찍 알아챘다고 생각하죠. 당시에 당신은 추론 수요가 1000배만 늘어나지 않을까 했어요.

황인훈:

제가 제 자신을 꼬여 넣은 걸까요?

David Friedberg:

100만배? 10억배? 그렇죠?

그 당시 많은 사람들이 이것이 지나치게 과장된 것으로 생각했습니다. 왜냐하면 당시 전 세계가 여전히 훈련 확장을 주시하고 있었기 때문이죠. 그런데 지금 보면, 추론이 이미 본격화되었고, 이제 "추론이 제한됨"이 되고 있습니다. 여러분은 이미 "추론 팩토리"를 출시했으며, 그 처리량은 다음 세대 공장보다 10배 높을 것입니다.

하지만 다른 사람들의 토론을 보면, 많은 사람들이 말합니다: 당신의 추론 공장은 400-500억 달러가 들 거라는데, ASIC나 AMD와 같은 대체 솔루션이 250-300억 달러면 그냥 시장 점유율을 그냥 포기하는 게 나을 텐데요.

그러면 외부에서 우리에게 직접 말해주실래요? 정확히 무엇을 보셨나요? 시장 점유율을 어떻게 보고 계시나요? 이들 고객들은 거의 2배 오버프라이스를 지불하는 것은 얼마나 가치 있는 걸까요?

왜 더 비쌌던 시스템이 더 싼 토큰을 만들어 낼 수 있을까요?

황인훈:

가장 중요하고 핵심적인 점은: 공장의 가격을 토큰의 가격이나 비용과 동일시하지 말아야 한다는 것입니다.

매우 가능하고, 그것을 증명할 수 있는데, 500 억 달러짜리 공장은 오히려 가장 낮은 비용의 토큰을 생산할 수 있습니다. 이유는 이러한 토큰을 생성하는 효율이 놀라울 만큼 높아서 10배 이상 높을 수 있습니다.

보십시오, 500 억 달러와 200 억 달러 사이의 차이는 사실 땅, 전기 및 공장 건물 외관뿐입니다. 이외에도 저장, 네트워크, CPU, 서버, 냉각 시스템을 사야 합니다. 따라서 GPU 자체가 원가인지 절반가인지는 전체 비용을 500 억에서 300 억으로 직접 줄이지 않습니다. 어떤 수를 임의로 선택하십시오. 더 현실적으로, 500 억에서 400 억으로만 감소 할 수 있다고 합니다.

그러나 500 억 달러짜리 데이터 센터가 처리량이 10배 높다면, 이 차이점은 사실 크지 않습니다.

Jason Calacanis: 알겠습니다.

황인훈:

이것이 제가 계속 이야기 하는 이유입니다: 많은 칩들에 대해, 기술적으로나 저희가 추진하는 속도에 따라 따라가지 못한다면, 칩을 공짜로 준다 하더라도 여전히 싸다고 할 수 없습니다.

David Sacks:

저는 더 매크로적인 전략적 문제에 대해 묻고 싶습니다. 현재 전 세계에서 가장 가치 있는 회사를 운영하고 있습니다. 내년에 매출이 3500 억 달러를 넘고, 현금 흐름은 2000 억 달러이상이며, 정신 나간 속도로 복리적으로 증가하고 있습니다.

어떻게 결정을 내리시나요? 정보를 어떻게 얻으시나요? 모든 사람들은 지금 당신의 유명한 이메일 시스템을 알고 있지만, 여러분이 직감을 형성하고 시장을 형성하며, 어디에 집중해야 하고, 어디에 줄여야 하고, 어디에 진입해야 하는지 결정하는지 실제로는 어떻게하나요? 이 정보들이 당신에게 어떻게 전달되나요? 결국 어떻게 최종 판단을 내리나요?

황인훈:

그것이 CEO의 일입니다.

David Sacks:

네.

황인훈:

우리의 책임은 비전을 정의하고 전략을 정의하는 것입니다. 물론, 회사의 탁월한 컴퓨터 과학자들, 기술 전문가들, 그리고 뛰어난 직원들의 영감과 정보를 받을 것이지만, 최종적으로 미래를 구상하는 것은 우리의 책임입니다.

일부 판단 기준 중 하나는 다음과 같습니다: 이 일은 너무 어려운가요? 만약 충분히 어렵지 않다면, 멀리하는 것이 좋습니다. 그 이유는 매우 간단합니다. 만약 한 일이 매우 쉽게 이뤄질 수 있다면, 경쟁자들이 이미 그 일을 마구마구 한다는 뜻입니다.

이것이 누군가 한 적이 없고, 극도로 어려운 일인가요? 그리고 우리 회사의 독특한 '초능력'을 발휘할 수 있는 일일까요? 그래서 저는 이 두 기준을 모두 충족해야 한다고 생각했습니다.

그리고 마지막으로 알아두어야 할 점은, 이러한 종류의 일을 할 때는 반드시 많은 고통과 괴로움이 동반된다는 것입니다. 어떤 위대한 발명도, 너무 간단하거나 첫 번째 시도로 쉽게 성공한 것이 아닙니다.

만약 한 일이 극도로 어렵고 누구도 한 적이 없다면, 기본적으로 그것은 당신이 많은 고통과 역경을 겪을 것을 의미합니다. 그러니 이 과정을 즐기는 편이 좋습니다.

데이비드 삭스:

더 '롱테일' 비즈니스 몇 가지를 언급해 줄 수 있을까요? 예를 들어, 데이터 센터에서 우주로, ADAS와 자동차, 그리고 생물학적 방향 등입니다. 우리에게 감을 좀 잡혀 있나요? 이러한 곡선이 상승 지점에 도달할 때는 언제일까요? 장기 비즈니스에 대해 어떻게 생각하시나요?

참고: ADAS는 고급 운전자 지원 시스템(Advanced Driver Assistance Systems)을 가리킵니다.

황인훈:

물론입니다. 물리적 AI(Physical AI)는 매우 큰 범주입니다. 방금 언급한 것처럼, 우리에게는 세 가지 컴퓨팅 시스템과 그 위에 구축된 모든 소프트웨어 플랫폼이 있습니다. 물리적 AI는 기술 산업이 처음으로 50조 달러 규모의 산업을 섬기는 진정한 기회를 얻었다고 생각합니다. 이를 실현하기 위해 필요한 기술을 전부 새롭게 발명해야 합니다.

저는 이것이 10년 여정이라고 항상 생각해 왔습니다. 우리는 10년 전부터 시작했고, 이제야 우리가 상승 지점에 다다랐음을 볼 수 있습니다. 우리에게 있어서, 이미 10억 달러 규모의 사업이 되었고, 현재 규모는 매년 100억 달러에 가까워졌습니다. 따라서 이는 이미 매우 큰 사업이며, 또한 지수 함수적으로 성장하고 있습니다. 이것이 첫 번째 점입니다.

두 번째로, 저는 디지털 생물학 분야에서 정말 'ChatGPT 모멘트'에 가까워졌다고 생각합니다.

우리는 점차적으로 유전자, 단백질, 세포를 표현하고 이해하는 방법을 배우고 있습니다. 화학물질에 대해서는 이미 다뤄 왔습니다. 그러므로 생물학적 기본 구성 요소와 동적 행동을 표현하고 이해할 수 있는 능력에 대해서는 약 2~3년에서 5년 내에 이루어 질 것으로 생각합니다. 5년 내에, 나는 디지털 생물학이 의료 보건 산업 전반에 엄청난 영향을 끼치게 될 것이라고 굉장히 확신합니다.

이 모든 것은 매우 중요한 방향입니다. 농업도 이 중 하나입니다.

Chamath Palihapitiya:

벌써 일어나고 있습니다.

황인훈:

의심의 여지가 없습니다.

Jason Calacanis:

데이터 센터에서 데스크톱으로 주제를 가져오고 싶습니다. 회사 초기에는 주로 열렬한 지지자, 게이머 및 그래픽 카드 사용자를 기반으로 구축되었습니다. 오늘 당신이 무대에 서서 대략 만 명의 관객들을 마주하면서 Claude Code, OpenClaw, 그리고 에이전트가 가져온 혁명에 대해 언급했습니다.

특히 열렬한 지지자 집단에서 우리는 현재 많은 에너지와 혁신이 실제로 거기서 폭발하고 있음을 보고 있습니다. 많은 혁신은 데스크톱 영역에서 발생합니다. 이번에 당신은 데스크톱 장치를 출시했는데, 델 60800일 것으로 기억합니다. 매우 강력한 워크스테이션이며 로컬 모델을 실행하며 750GB의 메모리를 갖추고 있습니다. 지금 Mac Studio는 어디에서나 품절 상태입니다. 우리 회사는 OpenClaw로 완전히 전환하고 있습니다. Friedberg가 사용하고 있고, Chamath도 사용하고 있으며, 모두가 매우 열중합니다.

열렬한 지지자에서 시작된 이러한 오픈 소스 에이전트 움직임, 데스크톱 오픈 소스 생태계는 당신에게 무엇을 의미합니까? 이것이 어디로 향할 것이라고 생각하십니까?

에이전트 시대가 오고 있습니다: 계산 수요가 왜 1만 배로 팽창하게 되었는가

황인훈:

먼저 한 발짝 물러나 봅시다. 지난 두 년 동안 실제로 세 번의 전환점을 보았습니다.

첫 번째는 생성 모델 인공지능입니다. ChatGPT는 인공지능을 일반 대중에게 알렸으며 모든 사람이 그 중요성을 인식할 수 있게 했습니다. 이 기술은 사실 ChatGPT가 나오기 몇 달 전에 이미 분명히 존재했습니다. 다만 ChatGPT가 사용하기 쉬운 인터페이스를 제공하기 전까지 생성 모델 인공지능은 진정으로 폭발하지 않았습니다.

그리고 생성 모델 인공지능은 알다시피 토큰을 생성하며 내부 소비 및 외부 소비를 위해 사용됩니다. 내부 소비는 본질적으로 "사고"를 의미하며, 이는 추론의 발전을 더욱 촉진했습니다.

그런 다음 점점 더 실제 정보에 기반한 더 다정한 능력이 나타나기 시작했으며, 인공지능이 더 이상 질문에 답변하는 데 그치지 않고 더 신뢰할 수 있는 및 유용한 답변을 제공할 수 있게 되었습니다. OpenAI의 수입 및 비즈니스 모델이 전환점을 살아 있어 보이게 합니다.

그런 다음, 세 번째 전환점은 처음에는 업계 내에서만 볼 수 있었지만, Claude Code가 그 전환점이었습니다. 이것은 매우 유용한 에이전틱 시스템으로, 매우 혁명적입니다.

하지만 Claude Code 이전에는이 능력 세트가 주로 기업을 대상으로 했으며 일반인 중에도 이를 전혀 몰랐습니다. OpenClaw 가 "AI 에이전트가 정확히 무엇을 할 수 있는지"를 대중에 선보일 때까지요.

따라서 OpenClaw 가 문화적으로 중요한 이유는 : 그것이 최초로 대중에게 에이전트의 능력을 정확히 인식 시켰기 때문입니다.

그것이 중요한 두 번째 이유는 OpenClaw 가 오픈 소스이기 때문입니다.

보다 중요한 것은, 그것이 새로운 계산 모델을 구축했다는 점입니다. 거의 계산 자체를 다시 발명하는 것과 같았습니다. 그것은 메모리 시스템을 갖고 있었습니다 : 스크래치는 단기 기억, 파일 시스템은 장기 자원 ; 스케줄링 능력이 있었습니다; cron job 을 실행할 수 있었습니다; 새로운 에이전트를 생성할 수 있었으며 작업을 분해하고 원인 규명을 수행하고 문제를 해결할 수 있었습니다; I/O 서브 시스템이 있었으며 입력과 출력 및 WhatsApp 연결을 할 수 있었습니다; 또한 다양한 유형의 애플리케이션을 실행할 수 있는 API 세트도 있었고, 이를 기술적으로 스킬이라고합니다.

이 네 가지 요소는 본질적으로 컴퓨터를 정의했습니다. 따라서 우리는 현재 사실상 : 개인용 인공 지능 컴퓨터를 처음으로 보유하게되었습니다.

그리고 그것은 오픈 소스이며, 실제로 오픈 소스이며, 거의 모든 곳에서 실행될 수 있습니다. 이것이 현대 계산의 청사진입니다. 어느 의미에서는 이미 현대 계산의 운영 체제이며 앞으로는 어디에서나 존재 할것입니다.

물론 우리는 여전히 해결할 일이 남아 있습니다 : agentic 소프트웨어를 가지고있는 경우 민감한 정보에 접근할 수 있고 코드를 실행하고 외부와 통신할 수 있습니다. 따라서이 모든 것이 다음과 같아야합니다 : 모든 것은 통제를 받아야하며 충분히 안전 해야합니다. 정책 제한이 있어야 하며 동일한 세 가지 능력 중에서 두 가지 능력을 가질 수있지만 세 가지 모두를 동시에 가질 수는 없습니다.

이 통제 부분에서 우리도 공헌했습니다. Peter Steinberger 또한 오늘 여기 계십니다. 우리는 그와 협력하여이 시스템을 보다 안전하고 견고하게 만들고 개인 정보와 안전을 보호하면서 작동 할 수 있도록 돕는 멋진 엔지니어들이 많이 있습니다.

Chamath Palihapitiya：

Jensen,이러한 패러다임 이전으로는 미국 전역에서 이미 통과 한 많은 AI 규제 법안이 오래되었어야한다고 생각하지 않습니까?

많은 제안들은 처음부터 구축되었습니다. 패러다임 변화가 얼마나 빨리 기존 규제 접근법을 무효화 시켰는지에 대해 이야기 할 수 있습니까? 지금 AI 규제는 미국 정치에서 매우 핫한 주제가되었습니다.

황인훈:

이 부분에서 우리는 항상 정책 결정자보다 한 발 앞서야 합니다. 당신은 이 측면에서 정말 잘하고 계십니다. 우리는 그들 앞으로 직접 나아가서 기술이 현재 어느 정도 발전했는지, 그것이 무엇인지, 무엇이 아닌지를 설명해야 합니다. 이것은 생명체도 아니고 외계인도 아니며 의식을 갖고 있지 않습니다. 이것은 컴퓨터 소프트웨어입니다.

또한, 우리는 종종 "우리는 이 기술을 전혀 이해하지 못한다"는 얘기를 듣습니다. 그러나 그것은 사실이 아닙니다. 우리는 이미 많은 것을 이해하고 있습니다. 그래서 먼저, 우리는 계속해서 정책 결정자에게 정확한 정보를 제공해야 합니다. 최후의 날론과 극단주의가 그들의 기술 이해 방식을 좌우하지 못하도록 해야 합니다.

그러나 동시에, 우리는 기술 발전이 빠르다는 것을 인정해야 하며, 정책이 기술보다 앞서가지 않도록 해야 합니다. 국가적인 관점에서, 저는 가장 우려되는 점은 미국이 AI에 대한 가장 큰 국가 안보 위협이 되는 것은 AI 그 자체가 아니라 다른 국가들이 AI를 채택하고 있는 가운데, 우리가 분노, 공포 또는 편견으로 우리 산업과 사회가 AI를 받아들이기를 꺼려한다는 것입니다.

그래서, 저의 가장 큰 우려는 실제로는 AI가 미국에서 너무 느리게 확산된다는 것입니다.

데이빗 삭스:

다시 한 번 물어보겠습니다. 만약 당신이 안쏘픽 이사회 회의실에 앉아 그들과 '전쟁부' 사건을 지켜보며, 단지 당신이 말한 대로, 사람들이 AI를 어떻게 이해해야 하는지 알지 못해서 그로 인해 추가로 원한, 두려움 및 불신이 쌓인 상황을 지켜본다면 어떻게 생각하시겠습니까? 만약 당신이라면, 다리오와 그의 팀에 오늘의 결과와 대중 인식을 바꿀 수 있는 어떤 다른 접근을 제안하겠습니까?

황인훈:

먼저, 안쏘픽의 기술은 정말 대단합니다. 우리 자신도 안쏘픽 기술의 중요한 사용자입니다. 저는 그들의 보안에 대한 집중과 안전 문화에 대한 그들의 노력을 매우 존경하고 있으며, 그들이 이러한 작업을 추진하는 기술적 탁월성에 매우 감명을 받았습니다. 정말 멋지군요.

그리고, 그들은 대중에게 이 기술의 능력 경계를 알아보도록 하려는 것이 좋은 일이라고 생각합니다. 다만 우리는 알아야 합니다. 이 세계는 스펙트럼이 존재합니다: 경계를 알려주는 것은 좋은 일이지만, 사람들을 겁주는 것은 그렇게 좋지 않습니다.

제이슨 캘러카니스: 그렇습니다.

황인훈: 왜냐하면 이 기술은 우리에게 매우 중요하기 때문입니다. 미래를 예측하는 것은 물론 가능하겠지만, 우리는 좀 더 신중해지고 조금 더 겸손해져야 합니다. 사실, 우리는 완전히 미래를 예측할 수 없기 때문입니다.

만약 극단적이고 재앙적인 판단을 내놓지만 그런 일들이 실제로 일어날 증거가 없다면, 그 판단으로 인해 발생하는 피해는 사람들이 상상하는 것보다 훨씬 클 수도 있습니다.

그리고 현재 우리는 기술 산업의 선도자입니다. 이전에는 아무도 우리 말을 듣지 않았지만, 지금은 다릅니다. 기술은 이미 사회 구조에 깊게 파고들어 매우 중요한 산업이며 국가 안보와도 밀접한 관련이 있습니다. 우리의 말 한 마디 한 마디가 매우 중요합니다.

그래서 나는 우리가 더 신중하고, 더 자제하고, 더 균형을 맞추면서 더 심사숙고해야 한다고 생각합니다.

David Friedberg:

나는 당신을 이 일에 임명할 것입니다. 인공지능(AI)의 미국 내 지지율은 17%에 불과합니다. 우리는 이미 핵 에너지 분야에서 무슨 일이 벌어지는지 보았습니다. 우리는 거의 전체 핵 산업을 멈추었고, 결과적으로 지금 중국은 100개의 분열 반응로를 건설 중이며 미국에는 한 개도 없습니다. 이제 우리는 데이터 센터에 대한 중단 명령 같은 것을 듣기 시작했습니다. 그래서 나는 우리가 더 적극적이어야 한다고 생각합니다.

하지만 당신이 회사 내부에서 일어나고 있는 에이전트의 폭발에 대해 언급한 것으로 돌아가 볼까요: 효율성 향상, 생산성 향상. 지금은 많은 사람들이 ROI에 대한 논의를 벌이고 있습니다, 맞죠? 당신과 나가 이해를 시작할 때, 가장 큰 의문은 수익이 생겨날 것인가였습니다? 수익이 인공지능 자체처럼 확장될 것인가요? 그런 다음 저희는 약간 '오핀하이머(Oppenheimer) 순간'과 비슷한 일이 일어났다는 것을 보았습니다: Anthropi c이 강연에서 20-30억 달러를 벌어들였습니다.

참고: '오핀하이먈 순간(Oppenheimer Moment)'은 미국 제2차 세계 대전 중 비밀리에 원자폭탄을 개발한 맨해튼 프로젝트의 수장인 오펜하이머의 이름에서 유래되었습니다. 1945년 원자폭탄이 처음으로 폭발되면서 기술적 돌파와 위험이 공존하는 임계점을 상징하며, 이제 불가역적인 영향을 가진 중요한 기술적 순간을 가리키는 용어로 사용됩니다.

제가 생각하기에, 다음 흐름을 어떻게 보십니까? 오늘 당신은 다시 한 번 Blackwell와 Vera Rubin이 미래 몇 년 동안 1조 달러 이상의 수요 가시성을 보였다고 말씀하셨습니다. 여기에 Anthropi c과 OpenAI가 보여주는 발전세를 더하면, 우리는 이미 그 곡선 위에 서 있는 거 아니느냐고 생각하십니까? 그리고 이어서 수익이 인공지능처럼 가속화되며 확장될 것으로 예상하십니까?

황인훈:

저는 다른 관점에서 대답하겠습니다. 이곳의 청중을 살펴보십시오. Anthropi c과 OpenAI가 실제로 여기에 존재합니다. 그러나 실제로 존재하는 것은 99%가 AI이며, Anthropi c도 OpenAI도 아닙니다. 그 이유는 AI 자체가 매우 다양하기 때문입니다.

제가 말하고 싶은 건, 카테고리로서 두 번째로 인기 있는 모델은 개방 모델(open model)인 것입니다. 첫 번째 자리는 물론 OpenAI, 오픈 웨이트 (open weights), 그리고 공개 모델(open model) 같은 폭넓은 개방적 생태계입니다. 두 번째 자리는 개방 모델(open model)이며, 그리고 세 번째 자리 사이에는 큰 격차가 있습니다. 세 번째 자리는 Anthropi c입니다.

이것은 모든 AI 회사가 함께한 규모를 보여주는 것이며, 따라서 먼저 이것을 알아야 합니다.

계산 양에 다시 돌아가 보겠습니다. 생성형 AI에서 추론 방향으로 나아갈 때, 필요한 계산 양은 대략 100배 증가하며; 추론에서 agentic로 나아갈 때, 계산 양은 아마도 다시 100배 증가했을 것입니다. 다시 말하면, 단 두 해 사이에 계산 요구가 대략 10,000배 증가 했습니다. 동시에 사람들은 정보에 대해 지불하지만 실제로 더 지불하려는 것은 작업 결과입니다.

David Friedberg: 네.

황인훈:

챗봇과 대화를 나누어 답변을 받는 것은 물론 멋지지만. 나를 도와 연구를 진행하는 것도 멋집니다. 그러나 저가 진정으로 돈을 내게 하는 것은 일을 완료해 주는 것입니다. 현재 우리가 있는 위치는 바로 이것이며, agentic 시스템은 실제로 작업을 완성하고 있습니다. 그들은 소프트웨어 엔지니어가 작업을 완료하도록 돕고 있습니다.

그러니까 한 쪽은 약 10,000배 더 많은 계산 양이 필요하고, 다른 한 쪽은 이미 약 100배 더 많은 소비 수요가 있습니다. 게다가, 우리는 아직 진정한 대규모 확장을 시작하지 않았습니다. 저희는 절대적으로 백만배 성장으로 향하는 길 상에 서 있습니다.

Jason Calacanis:

내가 생각하기에 이것이 한 가지 의미로 연결될 수 있다고 생각해, 너희 회사에는 몇 명이 있나?

황인훈:

우리는 43,000명의 직원이 있고, 대략 38,000명은 엔지니어입니다.

Jason Calacanis:

우리 팟캐스트에서 종종 이야기하는 주제가 있습니다: 우리 회사의 토큰 사용량이 엄청나게 증가하고 있다. 심지어 어떤 사람들은 회사에 합류할 때, "제가 받을 수 있는 토큰 할당량은 얼마인가요"라고 묻는데, 그들은 효율적인 직원이 되고 싶어하기 때문입니다. 나는 당신이 2시간 30분에 이르는 그 키노트에서 언급한 것을 기억해요, 그 키노트는 정말 길었지만 정말 좋았습니다.

황인훈:

감사합니다. 사실, 더 짧게 할 수도 있었어요.

Jason Calacanis:

당신이 말한 대로, 각 엔지니어에게 토큰 사용 한도는 $75,000 정도가 걸릴 수 있다고 했었죠. 그건 NVIDIA의 엔지니어 팀이 연간 토큰에 10억 달러 또는 20억 달러를 써야 한다는 걸 의미하나요?

황인훈:

우리는 여러분이 이런 식으로 생각하고 있습니다. 여러분에게 사고실험을 하나 제안할게요: 소프트웨어 엔지니어 또는 AI 연구원을 고용한다고 상상해보세요. 연봉이 50만 달러일 때요, 저희에서는 이게 일반적인 표준입니다.

마지막으로 내가 연말에 그에게 물었을 때: "올해에 암호화폐에 얼마나 썼어?" 만약 그가 "5000 달러"라고 대답했다면, 나는 진짜로 폭발할 것이다. 50만 달러의 연봉을 받는 엔지니어가 일 년 동안 소비하는 암호화폐가 25만 달러도 안 된다면, 나는 매우 경계해야 한다. 이는 칩 디자이너가 "나는 종이와 연필만 사용하기로 결정했고, CAD 도구는 필요 없다"고 말하는 것과 본질적으로 다를 바 없다.

Jason Calacanis:

이것은 정말로 패러다임 변화다. 당신이 이 톱직원들에 대한 이해로운 정신세계를 보면, 거의 LeBron James에 대한 MBA 수업에서 배운 것을 떠올리게 한다: 그는 매년 100만 달러를 자신의 몸을 유지하기 위해 쓰는데, 그래서 41살에도 계속 뛸 수 있다. 이 톱급 지식 노동자들이 '수퍼파워'를 가지지 않아야 하는 이유가 무엇인가요?

황인헌:

그래 맞아.

Jason Calacanis:

우리가 이 경향을 두세 년 더 등진다면, NVIDIA 내 이러한 최고 직원들의 효율성이 어떻게 변할 것이냐? 그들은 어떤 일을 완성할 수 있게 될까요?

황인헌:

먼저, "이 일은 너무 어렵다"고 생각하는 것이 없어질 것이다. "이 일을 하기 위해 너무 많은 시간이 필요하다"라는 생각 또한 없어질 것이다. "우리는 많은 사람들이 필요하다"라는 생각도 없어질 것이다.

이것은 과거 산업 혁명 시대와 같이, 아무도 "이 건물은 너무 무겁게 보인다"고 말하지 않을 것이다. 누구도 "저 산은 너무 커 보인다"고 말하지 않을 것이다. 모든 "너무 크고, 너무 무거우며, 너무 많은 시간이 걸린다"는 생각이 사라질 것이다.

David Sacks:

결국 남은 것은 창의력뿐이다. 당신은 정말 무엇을 상상할 수 있는가요.

황인헌:

완전히 맞아요. 다만, 이제 남은 문제는 당신이 이러한 agent들과 어떻게 협업할 것인가에 대한 것이다.

본질적으로, 이것은 새로운 종류의 프로그래밍 방식입니다. 과거에는 코드를 작성했지만, 미래에는 아이디어, 아키텍처 및 명세를 작성할 것입니다. 우리는 팀을 조직하고, 시스템에게 무엇이 좋은 것인지, 무엇이 나쁜 것인지, 우수한 결과가 무엇인지 정의할 것입니다. 우리는 이에 대해 반복하고, 브레인스토밍하며 시스템에 전달할 것입니다.

이것이 당신이 진정으로 해야 할 일입니다. 나는 각 엔지니어가 앞으로 100개의 agent를 소유할 것이라고 믿습니다.

Jason Calacanis:

PR 문제로 돌아와서. David Friedberg 같은 기업가는 Ohalo에서 당신들의 기술과 AI를 사용하여 매우 현실적인 일을 하고 있습니다: 식량 생산량을 증가시키고, 고품질 칼로리 공급을 높입니다. Friedberg, 이것이 비용을 얼마나 낮출 수 있는지 어떻게 생각하시나요? 이러한 비전이 당신들이 하는 일에 어떤 영향을 미칠 것이라고 생각하십니까?

데이비드 프리드버그:

우리는 방금 제로샘플 유전체 모델링을 수행했고, 성공했습니다. 그 순간에는 정말 놀라게 될 것입니다. 게다가 이 모든 일이 "다른 사람이 기업 전체 소프트웨어 스택을 하룻밤 사이 교체했다"는 상황에서 일어났습니다.

제가 직접 한 일도 있습니다: 90분 동안 전체 소프트웨어 스택과 수많은 작업 흐름을 전부 교체했습니다. 일요일 밤 10시에 시작하여 11시 반까지 모두 실행하고 배포했습니다.

CEO로서 일을 마친 후, 주말 동안 모든 관리팀 구성원들도 동일한 연습을 하도록 요청했습니다. 월요일에 우리가 본 결과는 달라졌습니다.

좀 더 기술적이고 과학적인 측면으로 말씀드리면, 우리는 자동 연구와 일부 데이터를 사용하여 30분 안에 일을 해냈습니다. 전통적인 방법으로 진행했다면, 이는 박사 학위 논문 수준의 성과일 것이며, 7년이 걸릴 수도 있고, 아마도 이 분야에서 가장 존경받는 박사 학위 중 하나가 될 것입니다. 이를 'Science' 잡지에 실을 만큼의 가치가 있을 정도입니다.

하지만 우리는 그냥 데스크톱에서 GitHub의 자동 연구를 내려받고, 방금 받은 데이터를 넣어 실행한 후 30분만에 결과를 내놓았습니다. 그때 모든 사람들의 표정이 변했습니다. 그것이 발휘한 잠재력은 정말로 믿기 어렵습니다.

그래서 나는 이런 가속화가 전례없이 각자의 가능성을 확대하고 있다고 생각합니다.

그러나 자동 연구에 다시 돌아가자면: 이를 어떻게 생각하십니까? 주말에 600줄의 코드로 이러한 성과를 이룰 수 있으며, 여러 가지 유형의 데이터 세트를 로컬에서 실행하고 처리할 수 있는 것은 아닌가요?

이것은 알고리즘 최적화든 하드웨어 최적화든, 우리가 여전히 극히 초기 단계에 있다는 것을 보여주는 것일까요?

황인훈:

OpenClaw가 놀랍다고 느껴지는 이유는, 첫 번째로, 주요 언어 모델의 폭파 시기와 완벽하게 일치하기 때문입니다. 그것은 너무 정확했죠.

큰 부분은, Claude, GPT, 그리고 ChatGPT가 현재 수준에 이르렀기 때문이라고 볼 수 있습니다. 모델이 실제로 매우 높은 수준에 도달했기 때문에, 피터가 이것을 만들지 않았다면 아마도 이 결과를 얻을 수 없었을 것입니다.

두 번째로, 그것은 새로운 능력을 가져왔습니다: 이러한 모델들이 우리가 지난 몇 년 동안 만들어온 도구들을 호출할 수 있도록 했습니다. 브라우저, Excel과 같은 것들; 칩 디자인에서는 Synopsys와 Cadence; 그리고 Omniverse, Blender, Autodesk 등입니다. 또한 이러한 도구들은 앞으로 계속 사용될 것입니다.

지금 몇몇 사람들은 기업 IT 소프트웨어 산업이 멸망하고 있다고 말합니다. 그러나 저는 다른 시각을 제시하고 싶습니다: 기업 소프트웨어 산업의 규모는 과거에는 항상 "몇 명의 엉덩이가 몇 개의 좌석에 앉아 있는가"로 제한되어 왔으며, 즉 좌석(Seat)의 수였습니다. 그러나 미래에는 100배 더 많은 에이전트를 맞이하게 될 것입니다. 이러한 에이전트들은 SQL을 칠 것이고, 벡터 데이터베이스를 칠 것이며, Blender, Photoshop을 사용할 것입니다.

이유는 매우 간단합니다: 첫째, 이러한 도구들은 원래도 아주 잘 작동했기 때문입니다; 둘째, 이러한 도구들은 본질적으로 우리와 기계 사이의 "중개 인터페이스"입니다. 마지막으로, 작업이 완료되면 결과는 제어할 수 있는 방식으로 다시 나에게 표시되어야 합니다. 그리고 나는 이러한 도구를 어떻게 다루어야 할지 알고 있습니다.

그래서 나는 최종적으로 모든 것이 Synopsys, Cadence로 돌아오기를 희망합니다. 왜냐하면 그 곳이 제어할 수 있고, "확실한 표준" 확인을 할 수 있는 곳입니다.

참고: Synopsys, Cadence는 두 가지 주요한 EDA(전자 설계 자동화) 소프트웨어 회사로, 모든 칩 회사(NVIDIA, Apple, AMD)가 이회사들에 의존합니다.

인공지능의 다음 전쟁터: 오픈 소스, 수직 통합 및 글로벌 보급

데이비드 잭스:

저는 오픈 소스에 관한 질문을 하나 하고 싶습니다. 지금은 우리에게 우수한 closed-source 모델이 있으며, 많은 중국 모델들 중에는 정말 놀라운 것들도 많이 있습니다.

이틀 전, 아마도 당시에 무대에 올라가셨는데 보지 못했을 것입니다만, 암호화 프로젝트인 BitTensor의 Subnet 3에서 누군가가 교육 작업을 완료했습니다: 그들은 40억 개의 매개변수를 가진 Llama 모델을 완전히 분산 방식으로 교육했습니다. 일단 로그를 사용하여 전체 교육 프로세스를 완전히 조정할 수 있었습니다. 나는 기술적으로 이것이 매우 미친 일이라고 생각합니다, 왜냐하면 참여한 사람들은 완전히 무작위로 흩어져 있기 때문입니다.

황인훈:

이것은 우리 시대의 Folding@home과 같습니다.

참고: Folding@home은 전 세계의 자원 봉사자들이 컴퓨터 자원을 기부하여 단백질 시뮬레이션과 의학 연구를 위한 분산 컴퓨팅 프로젝트입니다.

데이비드 잭스:

맞습니다. 그래서 오픈 소스의 최종 목표에 대해 어떻게 생각하시나요? 아키텍처도 분산화되고, 계산 능력도 분산화되면서, 이로써 오픈 가중치와 완전히 오픈 소스의 경로를 지지하며, AI를 실제로 널리 보급할 수 있도록 할 것으로 예상합니까?

황인훈:

나는 근본적으로 두 가지가 동시에 필요하다고 믿습니다: 첫째, 비즈니스 제품, 소유 제품으로서 일등 시민인 모델; 둘째, 오픈 소스 형태로 존재하는 모델.

이것은 A 또는 B의 관계가 아니라 A와 B가 둘 다 필요한 것입니다. 의심의 여지가 없습니다. 왜냐하면 모델은 먼저 기술이며 최종 제품이 아닙니다. 모델은 기술이며 서비스가 아닙니다.

대부분의 사용자에게 있어서, 그 수평적 수준, 일반 지능적 수준에서는 사실 모델을 직접 fine-tune 하고 싶지 않습니다. 저는 오히려 ChatGPT, Claude, Gemini, X를 계속 사용하고 싶습니다. 각각이 독특하며, 제 기분에 따라 다르며, 어떤 문제를 해결하려는지에 달려 있습니다. 그래서 이 부분의 산업은 매우 잘 발전하게 될 것이며 매우 번창할 것입니다.

그러나, 이러한 전반적인 도메인 지식, 전문 능력은 자체 제어 가능한 방식으로 열린 모델에서 비롯되어야 합니다. 열린 모델 산업은 이미 최전선과 매우 가까워졌습니다. 우리도 큰 투자를 하고 있습니다.

솔직히 말해서, 열린 모델이 실제로 최전선에 도달했다 하더라도, 나는 여전히 모델 애 서비스, 세계적인 비즈니스 제품 모델이 계속해서 번창할 것이라고 생각합니다.

제이슨 칼라카니스:

우리가 현재 투자하고 있는 모든 스타트업 중 거의 모두가 먼저 오픈 소스로 시작한 후 프로프라이어터리 모델로 나아갑니다.

황인훈:

맞습니다. 그리고 그 아름다운 점은: 우수한 라우터가 있다면, 첫 날부터 매일, 당신은 세계 최고의 모델을 받을 수 있습니다. 동시에, 이것은 비용을 줄이고, fine-tune하고, 특수화해가는 데 시간을 주는 것입니다. 따라서 당신은 처음부터 세계적 능력을 가지게 되며, 그런 다음 천천히 자신의 모아를 구축할 수 있습니다.

데이비드 프리드버그:

제렌, 지리 정치 문제에 대해 한 가지 물어볼까 합니다. 물론, 당신보다 미국이 세계 AI 경쟁에서 이기길 원하는 사람은 없습니다. 그러나 일 년 전, 바이든 시대의 그 diffusion rule은 실제로 미국 AI 기술이 세계적으로 확산되는 것을 막았습니다.

이제 새 정부가 1년을 석고했습니다. 당신은 그것에 대해 몇 점을 주시겠습니까? AI의 글로벌 확산 측면에서, 우리가 A, B 또는 C인가요? 무엇이 잘되었고, 무엇이 잘못되었나요?

황인훈:

먼저, 트럼프 대통령은 미국 산업이 이끌기를 원하며, 미국 기술 산업이 이끌기를 원하며, 미국 기술 산업이 이기길 원하며, 미국 기술이 전 세계로 확산되기를 원하며, 미국이 세계에서 가장 부유한 나라가 되기를 원합니다. 그 모든 것을 이루고 싶어합니다.

하지만 지금 이 순간, NVIDIA는 세계 두 번째로 큰 시장에서, 본래 95%의 점유율을 잃어버렸고, 현재는 0% 입니다. 트럼프 대통령은 이 부분을 다시 차지하기를 희망합니다.

첫 번째 단계는 우리가 판매할 수 있는 기업들에게 라이센스를 받는 것입니다. 많은 기업들이 이미 신청을 제출했고, 우리는 그들을 대신하여 라이센스 신청을 했으며, 상무부 장관 루트닉씨가 일부를 이미 승인했습니다. 그 다음, 우리는 중국 기업들에 통보했고, 그 중 많은 기업들이 이미 주문을 했습니다. 그래서 우리는 공급망을 다시 가동하고 제품을 발송하고 있습니다.

보다 상위 수준에서, 우리는 인식해야 한다고 생각합니다: 우리가 마이크로 모터나 희희한 금속을 얻지 못할 때, 우리의 국가 안보가 약화됩니다; 우리가 스스로의 통신망을 통제하지 못할 때, 국가 안보가 약화됩니다; 우리가 국가에 지속 가능한 에너지를 제공하지 못할 때도 국가 안보가 약화됩니다. 이러한 산업 각각은 AI 산업에서 반복되기를 원하지 않는 이야기입니다.

미래를 내다볼 때, "미국 기술 산업, 미국 AI 산업이 세계를 주도하는 모습은 어떨까"라고 물을 때, 우리는 정직하게 말해야 합니다: AI 모델은 미국 단 하나로만 세계를 지배할 수 없으며, 이러한 결말은 원래 의미가 없습니다.

하지만 완전히 상상해 볼 수 있습니다: 미국 기술 스택, 칩에서 컴퓨팅 시스템, 플랫폼까지가 전세계적으로 채택됩니다. 세계 곳곳의 사람들은 이 미국 기술 스택 위에 자신들의 AI, 공공 AI, 사설 AI를 구축하고 그들의 사회에 서비스를 제공할 수 있습니다. 나는 미국 기술 스택이 전 세계의 90%를 커버하길 바랍니다. 정말로 그렇게 희망합니다.

그렇지 않다면, 최종적인 결말이 태양 광열, 희희한 금속, 자석, 모터, 통신 장비와 같이 되면, 그것은 미국의 국가 안보에 대해 매우 나쁜 결과라고 생각할 것입니다.

Chamath Palihapitiya:

현재 전 세계적인 갈등 상황을 얼마나 밀접하게 지켜보고 계십니까? 어느 정도로 이것이 걱정되십니까? 예를 들어 중동 문제가 헬륨 공급에 영향을 미칠 수 있으며, 헬륨은 반도체 제조에 중요한 공급링크 리스크입니다. 이러한 문제가 얼마나 걱정되십니까? 이를 위해 얼마나 많은 에너지를 소비하고 계십니까?

참고: 헬륨은 반도체 제조에 매우 중요한데, 그것은 광각과 감지 등 핵심 단계에서 교체하기 어렵습니다. 동시에 불가역적 자원으로, 공급은 미국, 카타르(중동), 알제리(북아프리카) 등 소수의 생산지에 크게 의존합니다. 이러한 상류 공급에 문제가 발생하면 직접적으로 칩 라인의 안정적인 운영에 영향을 미칠 수 있습니다.

황인형:

먼저, 중동에 관해서 말씀드리겠습니다. 저희는 거기에 6000가구의 가족이 있습니다. 회사 안에는 이란 출신 직원들이 많고, 그들의 가족이 이란에 남아 있습니다. 그러므로 저희에겐 많은 가족들이 있습니다.

첫 번째로, 그들은 지금 매우 불안하고, 매우 걱정되며, 매우 두려워합니다. 우리는 그들을 항상 생각해 왔고, 상황 변화를 지속적으로 주시하고 있습니다. 우리는 그들에게 100%의 지원을 제공할 것입니다. 그리고 중동의 현재 상황을 감안할 때, 우리가 이스라엘에 계속 머물 것인지 묻는 사람도 있습니다. 제 답변은: 우리는 100% 이스라엘에 남을 것입니다. 우리는 그곳의 가족들을 100% 지지할 것입니다. 우리는 중동에 계속 머물 것입니다.

중동의 상황이 이러하다면, 그곳에 AI를 확장할 가치가 있는지 여부에 대해 물어보는 사람도 있습니다. 제 생각은: 전쟁이 발발하는 이유는 모든 이들이 더 안정적인 결과를 원하기 때문입니다. 그리고 전쟁이 끝난 뒤, 중동은 이전보다 더 안정될 것이라고 믿습니다. 그래서 전쟁 전에 그곳을 고려하고 있다면, 전쟁 후에는 더 심각하게 고려해야 합니다. 이 문제에 대해서도 제가 100% 헌신할 것입니다.

우리가 해야할 세 가지가 있습니다. 첫째, 미국을 빠르게 다시 산업화해야 합니다. 반도체 공장, 컴퓨터 공장 또는 AI 공장이든 상관없이요.

Jason Calacanis:

이 부분에 어떤 진전이 있나요?

황인흔:

진전이 매우 좋습니다. 우리가 애리조나, 텍사스, 캘리포니아에서 놀라운 속도로 전진하는 이유는, 우리가 대만의 공급망 전략적 지원, 우정과 도움을 받았기 때문입니다. 그들은 정말로 우리의 전략적 파트너입니다. 그들은 우리의 지원을 받을 만하며, 우리의 우정을 받을 만하며, 우리의 관대함을 받을 만합니다. 그들은 우리가 제조 과정을 가속화하는 데 최선을 다하고 있습니다.

둘째, 우리는 제조 공급망을 보다 다양화해야 합니다. 한국, 일본 또는 유럽과 같이 공급망을 분산시켜야 하며, 더 견고하게 만들어야 합니다. 셋째, 다양성과 탄력성을 향상시키는 동시에, 무리하지 않고 불필요한 압력을 가하면 안 됩니다.

Jason Calacanis:

즉, 인내심을 가져야 한다는 의미군요.

Chamath Palihapitiya:

그 헬륨은 어떻게 될까요? 많은 보고서에서 그 문제에 대해 언급했습니다.

황인흔:

나는 헬륨이 문제가 될 수도 있다고 생각합니다. 그러나 반대로, 공급망에는 일반적으로 상당한 양의 재고가 있을 수 있으며, 이러한 유형의 시스템은 일반적으로 일정한 여유를 남겨 둘 것입니다.

Jason Calacanis:

자율 주행 분야에서 이미 엄청난 발전을 이룩했으며, 중요한 소식을 발표했습니다. Uber를 비롯한 많은 파트너가 추가되었고, 최근에는 당신이 메르세데스 자율 주행 차에 타는 영상을 보았습니다. 당신과 Uber는 많은 자동차 제조사들과 함께 더 많은 자동차를 도로에 투입할 계획이라고 발표했습니다.

저는 당신의 베팅이 다음과 같다는 것을 이해했습니다: 미래에는 Android와 유사한 오픈 플랫폼이 나타날 것이며, 여러분은 그 안에서 핵심 역할을 맡아 수십 개의 자동차 제조사에 서비스를 제공할 것입니다. 반면에 iOS와 유사한 폐쇄적 시스템, 예를 들어 Tesla나 Waymo가 있을 수도 있습니다.

귀하는 이 전략을 어떻게 생각하시나요? 이 게임은 어떻게 펼쳐질 것이며, 협력과 경쟁이 얽힌 상황에서 매우 깊은 스택을 갖고 계신 것 같습니다.

황인훈:

우선, 저희는 미래가 모든 이동성 있는 것이 자가화될 것이라고 믿습니다. 둘째로, 저희는 자율 주행 자동차를 직접 개발하고 싶지 않지만 전세계의 모든 자동차 회사가 자율 주행 자동차를 개발할 수 있도록 원동력을 제공하고 싶습니다.

그래서 저희는 세 개의 컴퓨터를 개발했습니다: 학습용 컴퓨터, 시뮬레이션 컴퓨터, 평가 컴퓨터 및 차량용 컴퓨터. 또한 전 세계에서 가장 안전한 운전 운영 체계를 개발했습니다.

동시에, 저희는 세계 최초의 추론 기능을 제공하는 자율 주행 시스템도 개발했습니다. 이 시스템은 복잡한 상황을 더 간단한 상황으로 분해한 다음 하나씩 안내하여 추론 모델처럼 작동합니다. 이 추론 시스템의 이름은 Alpamayo이며, 우리는 매우 놀라운 성과를 거뒀습니다.

우리는 세로 방향으로 최적화를 실행하고, 가로 방향으로 혁신을 이끌어내며, 각 회사가 자체적으로 결정하도록 합니다. 우리의 컴퓨터 중 하나만 사려는가요? Elon과 Tesla처럼 저희의 학습 시스템을 구매할 것입니다. 아니면 학습 시스템과 시뮬레이션 시스템을 구매하려고 합니까? 또는 세 개를 완전히 통합하고 차량용 컴퓨터도 차량에 장착하고 싶은가요?

저희의 입장은 항상 문제를 해결하고 있지만 우리만이 유일한 해답을 제공해야 한다고 주장하지는 않습니다. 어떤 방식으로 협력하길 원하든, 저희는 기쁘게 도와드리겠습니다.

David Sacks:

이 질문에 따라서, 이것은 특히 흥미롭다고 생각합니다. 실제로는 플랫폼을 제공하여 수천 가지 꽃이 피울 수 있도록 하는 것이지만, 일부 꽃들은 현재 아래로, 즉 스택 아래로 가려고 하며, 당신과 경쟁하려고 합니다. Google은 TPU를 보유하고 있고, Amazon은 Inferentia와 Trainium을 보유하며, 거의 모든 사람이 자신만의 "나도 NVIDIA를 뛰어넘을 수 있다" 버전을 개발하고 있습니다. 비록 그들은 동시에 귀하의 주요 고객이기도 합니다.

이러한 관계를 어떻게 다루고 계십니까? 장기적으로 어떻게 전개될 것으로 예상하십니까? 이러한 제품들이 최종적으로 전반적인 생태계에서 어떤 역할을 맡게 될 것이라고 생각하십니까?

황인훈:

이 질문은 매우 중요합니다.

우선, 우리는 유일한 진정한 AI 기업입니다. 우리는 자체 기본 모델을 사용하고 있으며 여러 분야에서 선두에 있습니다. 우리는 맨 아래부터 맨 위까지 모든 층에 걸친 스택을 구축했습니다. 또한 우리는 모든 AI 기업과 협력하는 유일한 AI 기업입니다.

그들은 항상 나에게 그들이 무엇을 하고 있는지 보여주지 않겠지만, 나는 항상 내가 무엇을 하고 있는지 분명히 말해주겠습니다. 그래서 우리의 자신감은 한 가지에서 나옵니다: 우리는 "누구의 기술이 가장 우수한가"에 대해 경쟁하는 데 매우 흥미를 느낍니다. 계속해서 고속으로 전진할 수 있다면, 나는 믿습니다. NVIDIA로의 구매를 계속하면 여전히 그들에게 가장 경제적인 선택 중 하나일 것이라고요. 이 부분에 저는 매우 확신합니다.

둘째, 우리는 모든 클라우드 플랫폼에 배포할 수 있는 유일한 아키텍처입니다. 이것은 근본적인 이점을 제공합니다. 또한 우리는 클라우드에서 가져와 로컬 데이터 센터, 자동차, 모든 지역, 심지어 우주에 배치할 수 있는 유일한 아키텍처입니다.

따라서, 사실은 우리의 시장에서 상당한 부분을 차지하고 있습니다. 비즈니스의 약 40% 정도입니다. 만약 당신이 CUDA 스택을 갖고 있지 않거나 AI 공장 전체를 제공할 능력이 없다면, 고객은 어떻게 협업해야 하는지 전혀 모를 겁니다. 그들은 칩을 살 의도가 아니라 AI 인프라를 구축하려는 것입니다. 그래서 그들이 필요로 하는 것은: 당신이 완전한 스택을 갖고 착수하고, 바로 우리가 그런 전체 스택을 가지고 있기 때문입니다.

그래서 놀랍게도, 지금 보면, 실제로 NVIDIA의 시장 점유율은 여전히 상승 중입니다.

David Sacks:

당신이 말하길, 이러한 기업들이 시도해본 결과 "오, 이건 너무 복잡하잖아"라고 깨닫고 다시 돌아온 건가요? 그래서 당신의 점유율이 계속 증가하고 있는 거죠?

Jensen Huang:

점유율이 늘어나는 이유는 몇 가지가 있습니다.

첫째, 우리의 진전 속도가 너무 빠릅니다. 둘째, 우리가 모두에게 알려준 바는: 문제는 칩을 만드는 데 있지 않고, 시스템을 만드는 데에 있으며, 이 시스템은 극도로 어렵게 만들어집니다. 그래서 그들과 우리의 협업 규모는 계속 커지고 있습니다.

AWS를 예로 들면, 나는 그들이 어제 100만 개의 칩을 사겠다고 발표했다는 것을 기억합니다. 이는 매우 큰 구매량이며, 그들이 이미 사들인 것은 덤으로 계산하지 않았습니다. 우리는 물론 매우 기쁩니다.

또한, 이전 몇 년 동안 당사의 점유율이 증가한 것은 Anthropic이 등장했기 때문이며, Meta도 출현했으며, 오픈 모델의 증가는 놀라운데, 이 모든 것이 NVIDIA에서 발생했습니다.

그래서 우리의 점유율이 상승하는 것은, 한편으로는 모델 수가 증가하고 있기 때문이며; 다른 한편으로는, 이러한 회사들이 클라우드를 벗어나 지역 배포, 기업 시나리오, 산업 가장자리 시나리오에서 성장하고 있기 때문입니다.

그 전체 시장 부분, 당신이 ASIC를 한 개 만든다면 실제로 아주 힘들게 들어갈 수 있습니다.

David Friedberg:

관련하여 질문 하나, 숫자적인 세부사항은 파고들지 않겠지만, 분석가들은 아마도 당신을 믿지 않는 것 같습니다.

당신은 해시파워가 100만 배 증가할 수 있다고 말했지만, 시장의 일반적인 예상은 다음과 같습니다: 내년에 30% 증가, 내후년에 20% 증가하고, 2029년까지, 폭발적인 성장이 예상되던 대대충 대비 7%만 증가할 것으로 보입니다. 만일 당신이 당신의 TAM(Total Addressable Market)을 이 증가율에 맞춘다면, 사실상 함의된 바는: 당신의 점유율이 크게 감소할 것이라는 것입니다.

그렇다면 당신이 본 미래 주문부에서 이 판단을 뒷받침하는 근거가 있습니까?

황인훈:

우선, 그들은 AI의 규모와 폭을 전혀 이해하지 못했습니다.

David Sacks:

네, 저도 그렇게 생각합니다.

황인훈:

대부분의 사람들은 AI가 단지 그 5대 거대 클라우드 기업의 일이라고 생각합니다.

Jason Calacanis:

네.

David Sacks:

또한 "규모가 클수록 지속성장이 더 어렵다"는 투자 주석 논리가 있습니다. 그들은 투자 은행의 위험 관리 위원회에게 모델을 설명해야 하므로 "5조가 15조로 늘어날 수 있다"는 것을 쉽사리 믿지 않습니다. 그들은 최대 7조까지만 허용할 수 있으며 그 이상은 받아들일 수 없습니다.

Jason Calacanis:

그들은 1조 달러 시가총액 회사를 상상할 수 없습니다.

David Sacks:

본질적으로 이것은 자기보호적인 모델링이며, 역사상 일어나지 않은 일에 대해 기록하지 않습니다.

황인훈:

그리고, 당신은 정말로 당신이 정확히 무엇을 하고 있는지 재정의해야 합니다.

최근에 누군가가 관찰했습니다: Jensen, NVIDIA가 어떻게 서버 시장에서 Intel을 능가할 수 있을까요? 답은 매우 간단합니다: 전체 데이터 센터 CPU 시장은 대략 250 억 달러 정도 입니다. 그리고 우리는, 여러분도 아시다시피, 여기서 지금 우리가 얘기하고 있는 이 시간동안에도 대략 250 억 달러 가량을 벌어올릴 수 있을 것입니다.

Jason Calacanis:

멋지군요.

황인훈:

물론, 이것은 농담입니다.

Chamath Palihapitiya:

팟캐스트에서 얘기되는 것은 모두 공식적인 실적 가이드가 아닙니다.

황인훈:

맞습니다, 실적 가이드가 아닙니다. 그러나 핵심은: 당신이 어느 정도 성장할 수 있는가는, 당신이 정확히 어떤 것을 만들어내느냐에 달려 있습니다.

NVIDIA는 칩을 만드는 회사가 아닙니다. 이것이 첫 번째입니다. 둘째, 칩을 만드는 것만으로 AI 인프라 문제를 해결하는 데 충분하지 않습니다. 이 문제는 너무 복잡합니다. 셋째, 대부분의 사람들은 AI에 대한 이해가 너무 틭하며, 그들이 보고 듣고 토론하는 부분에만 국한되어 있습니다.

OpenAI는 매우 강력하며, 그 규모는 매우 크게 될 것입니다; Anthropic도 매우 강력하며, 그도 매우 크게 될 것입니다. 그러나 AI 자체는 그들을 합친 것보다 더 크게 될 것입니다. 그리고 우리가 제공하는 것은 바로 그 더 큰 부분이기 때문입니다.

데이비드 작스:

그럼 일반인에게 '스페이스 데이터 센터' 비즈니스에 대해 설명해 주세요. 대지에 있는 대형 데이터 센터와 비교했을 때, 어떻게 이해해야 하나요?

황인훈:

우리는 이미 우주에 있습니다.

데이비드 작스:

일반인은 이 비즈니스를 어떻게 이해해야 하나요?

황인훈:

먼저, 우리는 물론 땅 위에서 하는 일을 잘해야 합니다. 어차피 우리는 현재 땅 위에 있기 때문입니다. 둘째, 우주 진입을 준비해야 합니다. 우주에는 당연히 많은 에너지가 있습니다. 문제는 열 배출입니다. 열 전달과 대류에 의존할 수 없기 때문에 방사 방식으로 열을 배출해야 합니다. 그러나 이것은 해결할 수 없는 문제가 아닙니다. 결국 우주에는 많은 공간이 있으며, 비용은 아직 높습니다. 그러나 우리는 그것을 탐구할 것입니다.

그리고 이미 거기 있습니다. 우리의 하드웨어는 이미 방사선 강화가 되어 있으며, 전 세계의 많은 위성이 CUDA를 실행하고 있습니다. 그들은 이미지 및 이미지 처리, AI 이미지 분석을 하고 있습니다. 이러한 일은 원래 우주에서 이루어져야 할 일이며, 모든 데이터를 우선 지구로 전송한 다음 지구에서 이미지 분석을 수행하는 것이 아니라야 합니다. 따라서 우주에서 수행해야 할 작업이 많이 있습니다.

동시에 우리는 계속해서 연구할 것입니다: 우주의 데이터 센터는 어떠해야 하는지에 대해. 이 일에는 많은 시간이 걸릴 것입니다. 괜찮아요, 제 시간은 많습니다.

로봇, 의료 및 미래 직업: AI가 어떻게 현실 세계에 진입할 것인가

제이슨 칼라카니스:

의료 및 건강에 대해 추가 질문을 하겠습니다.

우리는 일정한 나이에 이르러, 수명과 건강한 수명에 대해 생각하기 시작합니다. 우리는 보이기 나쁘지 않고 어떤 사람은 더 좋아 보일 수 있습니다. 젠센, 당신의 비밀이 뭔지 모르겠어요. 노화에 대항하고 있나요? 정말 무엇을 먹으면 안 되는 건가요? 이런 것들은 개인적으로 알려주셔야 해요.

그렇다면 의료 시스템 구축 측면에서, 이 방향은 어디로 향할 것이며, 우리는 어떤 발전을 이루었나요?

저는 방금 Claude를 사용하여 분석을 하고, 미국의 의료 청구 코드가 정확히 무엇을 나타내는지 살펴보았습니다. 미국은 다른 사람들의 두 배를 지출하며, 결과적으로 건강 생산성은 반이라고 할 수 있습니다.

대략 15%에서 25%의 돈이 실제로 초진 의사 방문에 지출된다는 것을 알았습니다. 솔직히 말해서, 오늘날 대형 언어 모델은 초진 상담에서 더 안정적으로 더 나은 일을 하고 있다는 점을 이미 알고 있습니다.

그렇다면 규제를 넘어서 AI가 전체 의료 시스템에 실질적인 영향을 미치도록하려면 무엇이 더 필요한가요?

황인훈:

저희는 의료 분야에서 주로 몇 가지 방향에 참여하고 있습니다.

첫 번째는 AI 물리학으로, 이것은 AI 생물학에 피드백되며, 산업에서 AI를 사용하여 생물학과 그 행동을 이해하고 표현합니다. 이것은 약물 개발에서 매우 중요합니다.

두 번째는 AI 에이전트로, 진단을 보조하는 시나리오에 사용됩니다. OpenEvidence는 좋은 예입니다. Hippocratic도 좋은 예입니다. 저는 이러한 회사들과 협업하는 것을 정말 좋아합니다. 저는 정말로, 에이전틱 기술이 의사 및 의료 체계와의 상호 작용 방식을 완전히 바꿀 것으로 생각합니다.

세 번째 부분은 물리적인 AI입니다.

첫 번째 부분은 AI 물리학으로, 물리를 예측하기 위해 AI를 사용합니다. 두 번째 부분은 물리적인 AI가 물리 법칙을 이해하게 만드는 것이며, 이것은 로봇 수술에 사용될 수 있습니다. 현재 이 분야는 매우 활발합니다. 앞으로 병원에서는 초음파, CT 또는 기타 장비와 같은 모든 기기에 AI가 내장될 것입니다.

안전 강화된 OpenClaw의 버전으로 생각할 수 있습니다. 이것은 모든 의료 기기에 통합될 것입니다. 따라서 다양한 의미에서, 이러한 장비들은 미래에 직접적으로 환자, 간호사 및 의사와 상호 작용 할 것입니다.

Jason Calacanis:

우리는 이미 AI 무기에 그렇게 많은 투자를 했는데, AI 응급 구호 요원, AI 응급 의료 기사, AI 응급 구급대 에도 더 많은 투자를 희망합니다. 다른 사람을 구하는 데에만 그치지 않고 살릴 수 있기를 바랍니다.

이것은 또한 로봇 주제로 이어집니다. 현재 여러분들은 이미 수십 개의 파트너사를 보유하고 있습니다. 지난 10년, 심지어 20년 동안 로봇 분야는 매우 이상한 시기를 보냈습니다 - Boston Dynamics, Google이 많은 회사를 인수했다가 넘겼다. 모두가 로봇이 실용적인 단계에 아직 이르지 않았다고 생각했던 시기가 있었습니다.

하지만 지금은 당신, 이론 머스크 같은 최고 창업가들도 베팅하고 있습니다. 옵티머스는 이미 매우 인상적으로 보이며, 중국 쪽에서도 많은 기업들이 빠르게 진전하고 있습니다. 그럼 우리가 로봇을 실제로 삶 속으로 가져오기까지 얼마나 멀었을까요? 예를 들어 로봇 요리사, 로봇 간호사, 로봇 유모, 실제 세계에서 일할 수 있는 인간 모양 로봇 등.

특히 중국에서는 그들이 미국만큼 잘 하고 있는 것 같고, 아마 더 빠를 수도 있습니다. 협력 파트너들의 진전과 기술 성숙도를 고려할 때, 얼마나 더 기다려야 할까요?

황인헌:

큰 의미에서 로봇 산업은 원래 우리가 발명했거나, 미국이 발명한 것입니다. 우리는 정말로 핵심적인 '뇌' 기술에 대해 약 5년이나 앞섰다고 말할 수도 있습니다. 그래서 우리는 너무 일찍 시작해서 스스로를 고생하게 하고, 우선 인내심이 바닥이 났습니다.

하지만 이제 그것이 정말로 왔습니다. 이제 남은 문제는 단지: '고기능 존재론 증명'에서 '수용 가능한 상업 제품'까지 얼마나 걸릴까요?

기술은 결코 두~세 가지 주기를 넘지 않습니다. 두~세 주기, 대략 3~5년 정도 입니다. 이정도입니다. 3~5년 안에는 로봇이 어디에나 있을 것입니다.

나는 중국이 매우 강하며, 경시할 수 없는 강함이라고 생각합니다. 그 이유는 그들의 마이크로전자, 전동기, 희토, 자석이 모두 글로벌 최고 수준이기 때문입니다. 따라서 많은 측면에서 우리의 로봇 산업은 그들의 생태계와 공급망에 깊게 의존하게 될 것입니다. 세계의 로봇 산업은 그들에게 깊게 의존하게 될 것입니다.

따라서 나는 매우 빠른 변화를 보게 될 것으로 생각합니다.

Jason Calacanis:

결국 1:1이 될까요? 일론은 미래에 한 사람이 한 로봇을 가질 것으로 생각하는 것 같습니다—70 억 인간이 70 억 대의 로봇을 소유할 것이고, 80 억 인간이 80 억 대의 로봇을 소유할 것입니다.

황인헌:

나는 더 많기를 희망합니다. 먼저, 공장에는 24시간 멈추지 않고 많은 로봇이 있을 것입니다; 또한 이동성이 약간 있는 공장 로봇들도 많이 있을 것입니다. 거의 모든 것이 결국 로봇화될 것입니다.

Chamath Palihapitiya:

내게 있어 로봇의 가장 중요한 측면은 모든 사람에게 경제적 유동성을 누릴 수 있게 한다는 점입니다.

이전에는 각자가 차를 소유하면 다양한 일을 할 수 있었지만, 미래에는 각자가 로봇을 소유하면 그의 로봇이 많은 일을 대신해 줄 것입니다. 그는 이츠이나 쇼피 스토어를 운영할 수 있고, 로봇을 활용해 자신이 원하는 것을 무엇이든 창조해낼 수 있으며, 혼자로는 할 수 없는 일을 많이 할 수 있습니다. 나는 로봇이 결국 우리가 본 최고로 지구상의 많은 사람들에게 번영을 가져다 줄 수 있는 기술이 될 것이라고 생각합니다.

황인훈:

의심할 여지가 없어요. 오늘날 우리는 이미 수백만 명의 노동력이 부족한 상황입니다. 그래서 우리는 매우 절박하게 로봇을 필요로 합니다. 더 많은 노동력이 있다면, 이 모든 기업들은 더 빠르게 성장할 수 있었을 겁니다.

그리고 당신이 말한 몇 가지는 정말 흥미로워요. 로봇이 있다면, 우리는 "가상적으로 존재"할 수 있을 겁니다. 제가 출장 중이라면, 집에 있는 로봇 몸 속으로 들어가서 원격으로 조종할 수 있어요, 집 안을 돌아다니며 강아지 산책시키거나 집 상황을 살펴볼 수 있습니다.

Jason Calacanis:

우린 곧 현장 직원들을 몰아낼 수밖에 없겠네요.

황인훈:

맞아요. 하지만 상상해보세요, 집에서 자유롭게 돌아다닐 수 있다면, 무엇이 일어나고 있는지 보며 강아지와 이야기를 나누거나 아이들과 대화할 수 있다면요.

David Friedberg:

이 정도로 어떤 면에서는 시간 여행과도 닮았겠네요.

황인훈:

동시에, 우리는 광속 여행을 할 거에요. 명백하게, 먼저 로봇을 보내겠지요. 당연히 나를 먼저 보내지는 않겠죠, 로봇을 먼저 보내고 상황을 확인할 거에요. 그리고 나의 AI를 업로드할 거에요.

Chamath Palihapitiya:

이거는 거의 필연적인 일이에요. 이것은 달을 개방하고, 화성을 개방해, 그들을 식민지로 만들 거에요. 이것은 거의 무한한 자원을 의미하죠. 달에서 물질을 지구로 운반하면, 거의 제로 에너지 소비에 가까이할 수 있습니다. 왜냐하면 태양 에너지를 이용해서 가속할 수 있기 때문이죠. 그래서 미래에는 달에 공장을 지어, 지구가 필요로 하는 모든 것을 생산할 수 있을 것이고, 이 모든 것이 가능하게 하는 열쇠는 바로 로봇입니다.

황인훈:

그 시대에는 거리가 더 이상 문제가 되지 않을 거에요.

David Friedberg:

게다가, 모델과 에이전트로 벌어들이는 수입이 클수록, 우리는 더 많은 기반 구조에 투자할 수 있을 겁니다; 더 완전한 인프라가 되면, 다시 더 강력한 모델과 에이전트들로 이어질 거에요.

Dario는 최근 Dwarkesh의 팟캐스트에서 말했어요, 2027년이나 2028년에 모델 회사와 에이전트 회사는 수천억 달러의 수입을 올릴 것이라고; 2030년에는 1조 달러에 이를 것이라고 예상합니다. 유의할 점은 기반 인프라층의 AI 수입이 이에 포함되지 않았다는 거죠.

황인훈:

저는 그가 이미 매우 보수적이라고 생각해요. 저는 Dario와 Anthropic의 성과가 이 숫자를 훨씬 뛰어넘을 것이라고 믿습니다, 훨씬 더 많은 것을 이룰 것이라고요.

Jason Calacanis:

그래서, 300 억 달러에서 1 조 달러까지요?

황인훈:

맞아요. 그리고 그 이유 중 하나는, 그가 고려하지 않은 부분 중 하나는: 내가 믿는 바는, 모든 기업 소프트웨어 회사가 결국 Anthropic 코드, Anthropic 토큰, OpenAI 토큰의 가치 증대 재판매업자가 될 것이라는 것입니다. 이 부분은 제대로 고갱장되면 그들의 GTM 규모를 크게 확장시킬 것입니다.

David Sacks:

그럼 이런 세계에서, 진정한 "모아 네"는 뭘까요?

일부 "모 아 네"는 솔직히 거의 넘을 수 없을 정도로 만들어질 겁니다. 당신들이 거의 논하지 않는데, 하지만 아마 가장 강력한 "모아 네"는 사실 CUDA 입니다, 그것은 놀라운 전략적 이점입니다.

하지만 미래에 모델 자체가 놀라운 것을 만들어 낼 수 있다면, 다음 세대 모델도 그것을 먹고 다닐 수 있을 것입니다. 그러면, 당신이 보기에, 이 어플리케이션 레이어를 구축하는 회사들의 가장 중요한 차이점은 무엇인가요?

황인훈:

깊게 특화화.

나는 믿습니다, 미래에는 일반 모델 접근 소프트웨어 회사의 에이전트 시스템이 있을 것입니다. 많은 모델은 비지니스 모델, 전용 모델과 같이 일반적일 것입니다; 하지만 여기에는 회사가 직접 훈련시킨, 특정 서브 태스크를 위한 전문화된 서브 에이전트도 많이 포함될 것입니다.

David Sacks:

그래서 당신이 기업가에게 호소하는 것은: 진정으로 당신의 수직 분야를 이해하십시오.

황인훈:

맞아요.

David Sacks:

아무보다도 더 깊게, 더 잘. 그런 다음 이러한 도구들이 당신을 추격할 때까지 기다리십시오, 도구가 따라잡으면 지식을 끼워 넣을 수 있습니다.

황인훈:

네. 당신은 당신만의 지식을 가지고 있으며, 고객을 여러분의 에이전트에 연결할 수 있습니다. 고객을 가능한 빨리 에이전트에 연결시키면, 그 물바퀴는 가능한 한 빨리 돌기 시작하고 매우 빨리 돌 것입니다.

David Sacks:

이는 거의 오늘의 소프트웨어 논리와 정반대입니다. 오늘날 우리는 먼저 소프트웨어를 만들고, "무엇을 일반화 할 수 있는가"를 생각한 뒤 가능한 많은 사람들에게 판매하려고 하며, 마지막으로 맞춤화를 부가 서비스로 판매하려고 합니다.

David Friedberg:

그리고 그 고객을 고정하는 겁니다.

황인훈:

사실 그렇죠, 당신이 말한대로, 먼저 수평 플랫폼을 만들었습니다. 하지만 모든 이 공급자 시스템 통합(GSI) 및 컨설팅 회사들은 본질적으로 전문가이며, 그들은 당신의 수평 플랫폼을 세로 해결책으로 맞춤화합니다.

Jason Calacanis:

맞아요. 그리고 어느 정도로 보면, 맞춤화 시장의 규모는 플랫폼 자체보다 5~6배 더 크지 않을까요.

황인훈:

정말 그렇습니다. 그래서 저는 이러한 플랫폼 기업 자체가 그 전문가가 되어 그 수직 분야 플레이어가 되며, 특정 영역의 진정한 주인이 될 기회가 있다고 생각합니다.

Jason Calacanis:

당신에게 이로운 말씀을 전하고 싶습니다.

저는 세 해 전에 당신이 한 말씀을 기억합니다: "당신의 직업을 대체할 사람은 AI가 아니라 AI를 사용하는 사람일 것입니다." 돌아보면, 우리 회의는 거의 이것을 중심으로 전개됩니다: 에이전트가 인간을 '슈퍼인간'으로 만들고 있으며, 비즈니스 기회와 창업 기회가 확대되고 있습니다. 실제로 당신은 매우 일찍 모든 것을 잘 알아차리셨습니다.

황인훈:

너무 친절하십니다.

Jason Calacanis:

물론, 우리는 두 가지 관점을 동시에 받아들여야 합니다: 첫째, 좋은 발전이 있을 것임은 분명합니다; 둘째, 직무 대체가 실제로 발생할 것임도 분명합니다. 그러면 문제는 되는 것은: 그들이 이러한 새로운 기술을 받아들일 만큼 충분한 탄력과 결의가 있는지입니다.

예를 들어, 미래에 자동화로 100%의 운전 업무가 대체된다면, 그것은 분명히 많은 생명을 구할 것이며, 이는 좋은 일입니다. 하지만 우리는 미국에 1000만 ~ 1500만 명이 그것으로 생계를 유지하고 있다는 것을 인정해야 합니다. 이러한 변화는 불가피할 것입니다.

황인훈:

나는 일자리가 변화할 것으로 생각합니다. 오늘날 많은 운전사들이 있습니다. 나는 믿습니다, 미래에 많은 운전사들이 여전히 차 안에 앉아 있을 것이며, 운전을 책임지지 않을 뿐, 뒤나 옆에 앉아 있어서 "이동 보조사" 유형의 역할이 될 것입니다.

왜냐하면, 운전사가 최종적으로 하는 것은 운전 뿐만 아니라 다양한 일을 도완해주고, 본질적으로는 도움을 주는 역할입니다.

그래서 나는 전혀 놀라지 않을 거라고 생각합니다, 미래의 운전사가 당신의 이동 보조사가 되어 자동차가 운전하는 동안 다른 많은 일을 처리해 줄 것입니다.

Jason Calacanis:

호텔에서 하는 것처럼.

황인훈:

네. 자동차는 스스로 주행 중이지만, 그는 여전히 여러 가지를 조정해 주고 있네요.

David Friedberg:

자율 주행 비행기도 더 많은 비행사를 가져오며 비행사를 조종실 밖으로 쫓아내지 않았어요. 비행의 90%가 이미 자율 주행에 의해 이루어지고 있지만 말이에요.

Chamath Palihapitiya:

사실 자동차가 자율 주행 중일 때 그 운전사는 핸드폰으로 여러 가지를 할 수 있어요. 여러 일을 대신 처리하고 꾸밀 수 있어요.

황인훈:

조율, 소통, 예약, 여러 가지 업무를 처리할 수 있어요.

Chamath Palihapitiya:

전체 케이크가 커지고 있어요.

황인훈:

네. 그래서 분명한 것은 있어요: 각 직업이 변경될 거라는 거에요; 일부 직업은 없어질 거고; 그러나 그와 동시에 새로운 많은 직업이 만들어질 거에요. 그리고 학교를 졸업하고 AI에 불안을 느끼는 젊은이들에게 이 말씀을 전하고 싶어요: AI를 가장 잘 다루는 사람이 되세요.

오늘날, 우리는 각자의 직원이 진정으로 AI를 전문적으로 다루는 사람이 되기를 바라지만, 이 일은 결코 쉽지 않아요. 당신은 요구사항을 제시하는 법을 알아야 하지만 지시를 너무 엄격하게 내려서는 안 되고, AI가 혁신하고 창조할 수 있는 충분한 공간을 남겨야 하며, 우리가 원하는 실제 결과로 이끌어야 해요. 이 모든 것은 어떤 '기술'이 필요해요.

David Sacks:

당신이 Stanford에서 있을 때, 젊은이들에게 한 조언이 유명합니다: '내가 여러분들에게 고통과 역경을 빈다.' 기억하나요?

Jason Calacanis:

정말 특별한 말이에요.

David Sacks:

그럼 오늘은요? 만약 누군가가 곧 고등학교를 졸업하고 삶의 십자로 서 있는데, 대학에 진학해야 할지, 어떤 전공을 공부해야 할지, 심지어 대학을 가야 할지에 대해 어떻게 조언해주시겠어요?

황인훈:

저는 여전히 깊은 과학, 수학, 언어 능력이 중요하다고 믿어요. 그리고 여러분도 아시다시피, 언어 자체가 사실 AI의 프로그래밍 언어이자 최종적인 프로그래밍 언어에요. 그러니 영어 전공자들이 미래에 가장 성공할 수도 있어요.

어쨌든, 제 조언은 이에요: 받는 교육과 관계없이 AI 사용에 대해 충분히 전문가가 되도록 해야 한다는 것이에요.

일하다라고 얘기하면, 하나 더 보태고 싶은 것이 있습니다. 모두가 듣기를 희망합니다. 깊은 학습 혁명 초기, 세계에서 가장 우수한 컴퓨터 과학자 중 한 명, 저가 굉장히 존경하는 분은 꼭 그들이 예측했습니다 : 컴퓨터 비전은 방사선과 의사를 완전히 제거하게 될 것이다. 그는 심지어 모두에게, 방사선학 분야에 들어가지 말라 권장했습니다.

10년 후, 이 예언은 한 면에서 100% 정확했으며 : 컴퓨터 비전은 실제로 세계의 모든 방사선 장비와 플랫폼에 통합되었습니다. 그러나 의외의 결과는 : 방사선 전문의 수가 줄지 않고, 오히려 증가했으며 수요도 치솟았다는 것입니다. 이는 모든 일이 두 가지 측면을 포함한다 : 작업과 목적입니다.

방사선 전문의의 작업은 영상을 보는 것이지만, 그들의 진정한 목적은 의료진이 치료하고 질병을 진단하는 데 도움을 주는 것입니다. 이제 영상검사가 더 빨리 이루어질 수 있기 때문에 병원은 더 많은 스캔을 수행할 수 있으며, 이는 의료 효율성을 향상시키고 환자가 더 빨리 진료 과정에 진입하여 치료를 받을 수 있게 합니다. 결과적으로, 병원은 더 많은 스캔을 수행하고 더 많은 환자를 서비스 했기 때문에 수익이 증가했습니다.

Jason Calacanis:

맞아요.

황인훈:

그러므로 결과는 오히려 긍정적입니다.

David Friedberg:

그리고 더 빨리 성장하고 생산성이 높고 더 부유한 나라는 완전히 더 많은 선생님들을 교실에 배치할 수 있고, 더 적은 선생님들을 배치하게 될 필요는 없습니다.

그저 모든 선생님들이 각 학생을 위해 맞춤형 수업을 제공하는 능력을 갖게 해주면 됩니다. 이렇게 하면 그들은 'bionic'처럼 능률적이고 결과도 더 좋을 것입니다.

황인훈:

각 학생은 AI 지원을 받지만, 여전히 훌륭한 선생님이 필요합니다.

Jason Calacanis:

정말 멋지네요. Jensen, 이렇게 큰 성과를 이루어 내셨다니 축하합니다. 이겁니다. 특히 긍정적이고 원동력 넘치는 토론이었습니다. 참여하시느라 고맙습니다.

David Sacks:

당신은 이 산업이 필요로 하는 그 지휘봉을 잡으셨습니다.

Jason Calacanis:

정말 그렇죠. 저는 당신이 AI의 긍정적 면을 더 시끄럽게 외쳐야 한다고 생각해요. 지금은 세상이 종말론으로 너무 많이 기울어져 있습니다.

David Sacks:

또한 저는 이렇게 큰 성공을 거두신 후에도 이러한 겸손함을 유지하며 "여러분, 우리가 하는 것은 본질적으로 소프트웨어입니다"라고 말씀하시는 것이 정말 건강하다고 생각합니다. 사람들은 이것을 들어야 합니다. 우리는 이전에도 새로운 범주, 산업을 발명했습니다. 우리는 그러한 공포주의 방향으로 미끄러져 내려갈 필요가 없습니다. 그것은 아무런 도움이 되지 않습니다.

제이슨 칼라카니스：

그리고 우리는 스스로 선택할 수 있습니다, 맞죠? 우리에게는 자유의지가 있고 행동할 수 있는 능력도 있습니다. 우리는 그것을 어떻게 사용할지 선택할 수 있습니다. 자, 여러분, 다음에 뵙겠습니다. 이번 주 All-In 인터뷰 시청해 주셔서 감사합니다.

황인훈：

감사합니다.

[비디오 링크]

BlockBeats 공식 커뮤니티에 참여하세요:

Telegram 구독 그룹：https://t.me/theblockbeats

Telegram 토론 그룹：https://t.me/BlockBeats_App

Twitter 공식 계정：https://twitter.com/BlockBeatsAsia