저자: 미상 · 한국인
요약 보기
엔비디아는 AI 칩 수요로 실적이 개선되고 있으며, GPU의 병렬처리 구조가 딥러닝에 적합해 AI 시대의 핵심 수혜주라는 주장. 과거 CUDA 출시(2006), AI 붐(2012 이미지인식 대회) 등을 근거로 제시. 반면 대만 TSMC 의존과 미중 관계가 최대 리스크로 언급됨. 암호화폐 채굴 붐 붕괴 후 게임 GPU 매출은 전년 대비 46% 감소했으나 데이터센터 수요로 실적 예상치 상회. 영상 자체는 과거 서술 위주이며 구체적 주가 예측은 드러나지 않음.
다듬은 글
이것이 바로 전 세계 수억 명의 게이머들이 즐겨 쓰는 기기입니다. 지포스 그래픽 카드이고, 이것이 내부에 있는 칩입니다. 거의 30년 동안 엔비디아의 칩은 게이머들의 선망의 대상이었습니다. 그래픽의 가능성을 재정립하고, GeForce 256으로 '그래픽 처리 장치(GPU)'라는 용어를 대중화한 뒤 전체 시장을 장악해 왔습니다. 이제 엔비디아의 칩은 완전히 다른 분야에 쓰이고 있습니다. 챗GPT가 매우 열띤 논쟁을 불러일으켰습니다. 그는 그것이 아이폰 이후 가장 혁신적인 발명품이라고 생각합니다. AI 스타트업에 대한 벤처 캐피털의 관심도 급증했습니다.
이 분야에 종사하는 우리 모두는 언젠가 더 넓은 세상이 이 기술의 중요성을 이해하게 될 것이라고 낙관해 왔습니다. 실제로 그런 일이 일어나기 시작해서 정말 기쁩니다. 챗GPT 같은 대규모 언어 모델의 핵심 엔진인 엔비디아는 마침내 AI 투자의 결실을 거두고 있습니다. 이는 다른 반도체 대기업들이 미·중 무역 긴장과 반도체 공급 부족 완화로 인한 수요 감소 속에서 어려움을 겪는 상황과는 대조적입니다. 하지만 캘리포니아에 본사를 둔 이 칩 설계 회사는 거의 모든 칩을 대만 TSMC에 의존하고 있어 취약한 상태입니다.
가장 큰 위험은 사실상 미중 관계와 TSMC의 잠재적 영향입니다. 제가 엔비디아 주주라면, 그게 밤잠을 설치게 하는 유일한 걱정거리일 겁니다.
엔비디아가 불확실한 신흥 시장의 선두에 서 있는 것은 이번이 처음이 아닙니다. 창립자이자 CEO인 젠슨 황이 불가능해 보이는 사업에 회사를 걸었을 때, 이 회사는 역사상 몇 차례 파산 직전까지 갔습니다. 모든 회사는 실수를 하고, 저도 실수를 많이 합니다. 어떤 실수는 회사를 위험에 빠뜨리기도 하는데, 특히 초창기에는 더 그랬습니다. 우리는 작은 회사였고, 아주 큰 회사들과 경쟁해야 했으며, 완전히 새로운 기술을 개발하려 애썼기 때문입니다.
엔비디아의 실리콘밸리 본사에서 황 대표를 만나, 이번 최신 혁신을 어떻게 이뤄냈는지, 그리고 게임뿐 아니라 훨씬 많은 분야에 어떻게 쓰이는지 이야기를 들어봤습니다. 세계에서 가장 가치 있는 기업 10위권 안에 드는 엔비디아는, 창립 30년이 지난 지금도 창업자가 경영권을 쥐고 있는 보기 드문 실리콘밸리 거대 기업입니다. 저는 인공지능이 처음 개발되었을 때, 인공지능 슈퍼컴퓨터 안에 이 장치의 첫 번째 버전을 전달했습니다. 이건 반도체 사업이 아닙니다. 모든 것을 처음부터 끝까지 파악하는 사업입니다.
처음에는 그 미래가 전혀 보장되지 않았습니다. 솔직히 처음에는 활용도가 그리 높지 않았습니다. 그래도 우리는 현명하게 완벽한 조합 하나를 골랐습니다. 컴퓨터 그래픽이었고, 그것을 비디오 게임에 적용했습니다. 엔비디아는 빠른 시각 효과 렌더링 기술로 게임과 할리우드를 혁신한 것으로 유명합니다. 1997년에 최초의 고성능 그래픽 칩을 설계했지만 직접 제조하지는 않았습니다. 황 회장은 엔비디아를 훌륭한 칩 회사로 만들겠다는 목표가 있었고, 칩 제조의 막대한 비용을 TSMC에 아웃소싱해 자본 지출을 크게 줄였습니다.
TSMC의 선구적인 노력이 없었다면 엔비디아도, 다른 수많은 훌륭한 반도체 회사들도 오늘 이 자리에 있을 수 없었을 겁니다. 1999년 엔비디아는 직원 대부분을 해고하고 파산 직전까지 몰린 끝에 세계 최초의 공식 GPU라고 주장하는 지포스 256을 출시했습니다. 사용자 지정 셰이딩과 조명 효과를 지원한 최초의 프로그래밍 가능한 그래픽 카드였습니다. 2000년까지 엔비디아는 마이크로소프트의 첫 번째 Xbox에 그래픽 카드를 독점 공급하게 되었습니다.
엔비디아는 1999년에 상장했고, 주가는 팬데믹 기간 수요가 폭발하기 전까지 대체로 변동이 없었습니다. 2006년에는 CUDA라는 소프트웨어 툴킷을 출시했는데, 이것이 결국 이 회사를 AI 붐의 중심으로 이끌었습니다. CUDA는 본질적으로 엔비디아 GPU의 작동 방식을 직렬 컴퓨팅에서 병렬 컴퓨팅으로 바꾸는 컴퓨팅 플랫폼이자 프로그래밍 모델입니다.
병렬 컴퓨팅은 훨씬 작은 연산 장치 여러 개를 써서 작업을 동시에 처리하는 기술입니다. 한 번에 한 명씩 모든 일을 훌륭하게 해내는 거대한 병사 한 명을 가진 군대와, 문제를 정확히 파악해 동시에 처리하는 수천 명의 병사로 이뤄진 군대의 차이와 같습니다. 완전히 다른 컴퓨팅 접근법인 셈입니다.
엔비디아의 큰 발걸음이 항상 옳은 방향이었던 것은 아닙니다. 2010년대 초반 엔비디아는 테그라 프로세서 제품군으로 스마트폰 시장에 진출했지만 성공하지 못했습니다. 스마트폰 시장은 자신들에게 맞지 않는다는 걸 금방 깨닫고 그곳에서 물러났습니다. 2020년에는 오랫동안 염원했던 데이터센터 칩 회사 멜라녹스를 70억 달러에 인수하는 계약을 체결했습니다. 하지만 작년에는 상당한 규제 문제로 ARM을 400억 달러에 인수하려던 계획을 포기해야 했습니다. ARM은 아이폰과 아이패드의 애플, 킨들의 아마존, 여러 주요 자동차 제조사에 자사의 ARM 아키텍처를 라이선스하는 것으로 유명한 주요 CPU 회사입니다.
2012년 유명 이미지 인식 대회에서 경쟁자들을 압도한 것은 놀라울 만큼 정확한 새로운 신경망이었습니다. 실감 나는 그래픽을 만드는 데 필요한 병렬 처리 방식이, 프로그래머의 코드에 의존하지 않고 컴퓨터가 스스로 학습하는 딥러닝에도 이상적이라는 사실이 밝혀졌습니다. 우리는 전 직원이 그 일을 지지하도록 했습니다. 십여 년 전쯤 이 소프트웨어 개발 방식이 모든 것을 바꿀 수 있다는 걸 일찌감치 알아보고, 회사를 밑바닥부터 꼭대기까지 완전히 바꿔놓았습니다. 우리가 만드는 모든 칩이 인공지능에 초점을 맞추게 된 겁니다.
엔비디아 딥러닝 팀의 최초이자 유일한 직원이었던 브라이언 코토노는 6년 전에 합류했고, 지금 팀은 50명으로 계속 늘고 있습니다. 지난 10년 동안 월가는 엔비디아에게 "왜 이런 투자를 하느냐, 아무도 안 쓰는데"라고 물었고, 그들은 우리 시가총액에서 그 자산을 0달러로 평가했습니다. CUDA가 나온 지 10년쯤 지난 2016년경에야 사람들은 이것이 컴퓨터 프로그램을 짜는 완전히 다른 방식이며 AI에서 획기적인 속도 향상을 가져온다는 것을 이해하기 시작했습니다.
의료는 매우 큰 분야입니다. 몇 주가 걸리던 신약 개발과 DNA 염기서열 분석이 몇 시간 만에 끝나는 세상을 상상해 보세요. 유전체 염기서열 분석 기술로 환자를 진단했고, 임상시험 참여 환자 중 한 명인 13세 소년에게 심장 이식을 시행해 기네스 세계 기록을 세웠습니다. 소년은 현재 건강하게 지내고 있습니다. 간질 발작을 일으키는 생후 3개월 아기에게 항경련제를 처방할 수 있었던 것도 같은 기술 덕분이었습니다.
NVIDIA AI로 구동되는 예술 작품도 있습니다. 라피키 아노돌레의 작품처럼 건물 전체를 뒤덮는 작품도 있습니다. 한편 암호화폐 붐이 일면서 엔비디아의 GPU는 디지털 화폐 채굴에 가장 많이 쓰이는 도구가 되었지만, 이는 권장되는 용도가 아니었습니다. 그게 문제를 낳았습니다. 암호화폐 채굴은 호황과 불황을 반복해 왔기 때문에, 게임용 그래픽 카드는 품절되고 가격이 치솟았다가 채굴 붐이 무너지면서 게임 시장 전체가 크게 침체되었습니다. 엔비디아가 채굴 전용으로 설계된 간소화된 GPU를 내놓았지만, 채굴자들의 사재기로 게임용 GPU 가격이 폭등하는 것은 막지 못했습니다.
그 공급 부족은 끝났지만, 엔비디아는 작년에 새로운 40 시리즈 GPU를 이전 세대보다 훨씬 높은 가격에 출시해 일부 게이머에게 큰 충격을 안겼습니다. 지금은 공급 과잉 상태이고, 최근 발표된 분기 게임 매출은 전년 대비 46% 감소했습니다. 그러나 마이크로소프트와 구글 같은 거대 기술 기업들이 챗GPT 같은 대규모 언어 모델을 학습시키는 엔진인 NVIDIA A100을 데이터센터에 수천 대씩 배치하면서 AI 붐이 일었고, 엔비디아는 최근 실적 보고서에서 예상치를 뛰어넘었습니다.
엔비디아는 제품을 1개씩이 아니라 8개씩 묶어 배송합니다. 약 20만 달러의 권장 소비자가를 가진 DGX A100 서버 보드에는 8개의 A100 GPU가 탑재되어 있고, 이 GPU들이 함께 작동해 챗GPT의 놀라울 만큼 빠르고 사람 같은 응답 같은 기능을 구현합니다. 방대한 텍스트 데이터셋으로 훈련받았기에 다양한 주제의 텍스트를 이해하고 생성할 수 있는 겁니다. 생성형 AI 경쟁에 안간힘을 쓰는 기업들은 자사가 A100을 몇 대나 보유했는지 공개적으로 자랑하기도 합니다. 예를 들어 마이크로소프트는 수만 개 규모의 GPU로 챗GPT를 학습시켰습니다. 엔비디아 제품은 쓰기 쉽고 컴퓨팅 용량을 추가하기도 간편합니다. 그리고 일단 컴퓨팅 용량을 확보하면, 지금 실리콘밸리에서 그것은 사실상 화폐와 같습니다.
차세대 암페어·호퍼 제품은 이미 출시되어 생성형 AI의 활용 사례를 보여주고 있습니다. 실시간 번역, 즉각적인 텍스트-이미지 변환 등이 그렇습니다. 하지만 같은 기술이 소름 끼칠 만큼 정교한 딥페이크 영상, 텍스트, 오디오 제작에도 쓰여서, 일부에서는 위험하다고까지 말합니다.
엔비디아는 사람들의 이런 큰 우려에 대비해 안전장치를 마련하고 있을까요? 저는 AI가 어떻게 쓰일지에 대해 업계 차원에서 구축하는 안전장치가 매우 중요하다고 생각합니다. 영상이 현실 세계에서 촬영된 것인지, 가상 세계에서 만들어진 것인지를 확인할 수 있도록 콘텐츠의 진위를 인증하는 방법을 찾고 있습니다. 텍스트와 오디오도 마찬가지입니다.
Comments 0