젠슨 황, G20에서 말한 AI 인프라와 초강력 에너지의 시대

URL: https://www.youtube.com/watch?v=PPo2SW7IP08 날짜: 2026-09-04 채널: B_ZCF 원문 제목: 번역자 밤새서 번역했습니다 즐겨주세요 (G20 엔비디아 젠슨황)

---

📌 핵심 질문 / AI 혁명에서 각국은 무엇을 구축해야 하는가

G20 국가가 AI를 단순한 소프트웨어가 아니라 ==에너지·칩·데이터센터·모델·데이터와 애플리케이션을 잇는 국가 인프라로 받아들이고, 안전에 대한 책임과 성장에 대한 야망을 함께 키우려면 무엇을 해야 하는가==가 핵심 질문이다.

• 토큰은 대규모 계산의 수학적 결과이자 지능의 단위이며, 에너지를 킬로와트시당 달러로 환산하듯 토큰 100만 개당 달러로 경제적 가치를 측정할 수 있다.
• AI는 생산성을 높이고 노동자와 엔지니어의 역량을 강화하며, 젊은 인구가 많은 국가의 교육과 과학·기술 역량을 빠르게 끌어올리는 평등화 장치다.
• 각국은 모든 AI 계층에서 경쟁할 필요 없이 자국이 선택한 계층에 투자하고, 교육·의료·제조·과학을 포함한 전 산업에 AI 확산을 추진해야 한다.

젠슨 황은 AI를 인프라로 구축해야 스타트업·연구자·학생·산업이 움직이고, 기업과 국가가 AI의 맥락·목적·도구를 설계해야 실제 생산성으로 이어진다고 말했다. 안전은 개발자와 규제기관의 책임으로 다루되, 가상의 피해 때문에 기술을 멈추기보다 실제 피해를 정밀하게 규제하고 발전을 통해 안전성을 높여야 한다는 주장이다. AI가 인간의 업무를 모두 없애는 것이 아니라 반복적인 과업을 자동화해 사람과 국가의 역량과 야망을 초강력하게 만들 것이라는 전망도 제시했다.

1. 토큰 경제와 지능의 가치

1.1. 계산 결과가 새로운 경제 단위가 되다

1. 토큰은 계산으로 만들어지는 지능의 단위다

   1. 수학적 결과: 토큰은 많은 계산이 만들어낸 수학적 결과이며 지능을 나타낸다.
   2. 생성 능력: 여러 토큰과 숫자를 다시 조합하면 이미지를 만들고, 문단을 쓰고, 질문에 답하고, 문제를 해결하고, 새로운 아이디어를 만들 수 있다.

2. 보이지 않는 지능을 가격으로 측정한다

   1. 에너지와의 비교: 인류는 100~200년 전 에너지라는 개념을 발견하고 킬로와트시당 달러로 가격을 매겼다.
   2. 토큰의 가격: 오늘날에는 토큰 100만 개당 달러라는 방식으로 계산한다. 눈에 잘 보이지 않고 이해하기 어렵지만 지능이 근본적으로 가치를 가진다는 사실을 경제적으로 표현한 것이다.

1.2. 추상적인 지능이 생산성으로 드러나다

1. 지능은 무형이지만 결과로 확인된다

   1. 측정의 방식: 지능을 손으로 붙잡을 수는 없고 원자처럼 물리적인 것도 아니지만, 실제 문제를 해결하는 결과를 보면 알아볼 수 있다.
   2. 개념적 성격: 지능은 안개나 증기처럼 무형이고 개념적이어서 많은 사람이 AI를 처음에는 이해하기 어려워한다.

2. AI 애플리케이션이 역량을 끌어올린다

   1. 생산성과 노동: AI는 사람을 더 생산적으로 만들고 노동자가 더 유능하게 일하도록 돕는다.
   2. 국가 역량: AI는 엔지니어의 능력을 높이고, 젊은 인구가 많은 나라의 교육 속도를 높이며, 과학·기술 역량을 개발하는 국가를 빠르게 끌어올린다.

2. 모두를 위한 평등화 장치와 컴퓨팅의 민주화

2.1. 에너지 민주화에 이어지는 지능 민주화

1. AI는 전력처럼 국가 역량을 민주화한다

   1. 에너지의 선례: 에너지 생산이 모든 국가에 전력을 공급하는 능력을 민주화했듯, AI에 투자하는 G20 국가에는 지능과 역량을 민주화한다.
   2. 사회적 가속: 각국의 사회와 산업이 과거에는 상상하기 어려웠던 속도로 발전하도록 돕는다는 점에서 AI는 거대한 평등화 장치다.

2. 컴퓨터의 사용자층이 넓어진다

   1. 지난 50년의 한계: 컴퓨터는 약 1,000만~2,000만 명에게 유용한 도구였고, 컴퓨터를 설계하거나 프로그래밍할 수 있는 사람만 그 능력을 활용하기 쉬웠다.
   2. 언어로 프로그래밍: 젠슨 황이 컴퓨터 설계와 프로그래밍을 직업으로 삼았던 이유도 이 좁은 전문 사용자층 때문이었지만, 이제 누구나 인간의 언어로 컴퓨터를 프로그래밍할 수 있게 됐다.

2.2. 개인과 조직의 자립을 강화하다

1. AI 활용은 개인의 능력을 부트스트랩한다

   1. 역량 확장: AI는 사용자를 끌어올리고, 필요한 능력을 제공하며, 자립할 수 있게 한다.
   2. 참여의 권고: 젠슨 황은 모든 사람이 AI에 관심을 갖고 직접 활용하라고 권고했다.

2. G20 파트너가 귀국 후 내려야 할 결정

   1. 투자 질문: 각국은 AI 혁명에 참여하기 위해 국내에 무엇을 건설하고 어떤 투자를 할지 결정해야 한다.
   2. 인프라 인식: AI를 물·도로·전기·인터넷처럼 지역 경제의 기반이 되는 인프라로 보고 연구자·학생·사회·산업·스타트업을 위한 디지털 지적 역량을 만들어야 한다.

3. AI 5단 케이크와 국가별 투자 전략

3.1. 다섯 계층으로 보는 AI 인프라

1. 첫 번째와 두 번째 계층은 에너지와 칩이다

   1. 에너지: 가장 아래층은 에너지이며, 에너지가 없으면 아무것도 생산할 수 없다. 전기를 수학으로 변환하는 출발점이다.
   2. 칩: 두 번째 층은 칩이며, 젠슨 황이 속한 세계다.

2. 세 번째와 네 번째 계층은 인프라와 AI 모델이다

   1. 인프라: 세 번째 층은 토지와 전력, 컴퓨터 기술을 한데 통합하는 대규모 데이터센터와 그 외피다. 에너지가 투입되고 컴퓨팅이 작동하면 돈과 경제적 가치가 나오기 시작한다.
   2. 모델: 네 번째 층에는 AI 모델이 산다. 많은 사람은 AI 모델 자체를 AI라고 생각하지만, 실제로는 전체 5단 케이크 중 한 계층이다.

3. 다섯 번째 계층이 사용 가치를 만든다

   1. 데이터와 애플리케이션: 가장 중요한 다섯 번째 층은 데이터와 애플리케이션이며, 사용자가 AI의 혜택을 실제로 얻는 접점이다.
   2. 산업 전반의 범위: 교육·의료·제조·과학을 비롯한 모든 산업에 AI를 확산하고 도입해야 한다.

3.2. 모든 계층을 차지하지 않아도 된다

1. 국가마다 전문화할 계층을 선택한다

   1. 미국의 역할: 미국은 다섯 계층 전체를 발명하고 구축하고 개발하는 데 더 깊이 투자하며 AI 전 계층의 발전을 이끌 것이다.
   2. 지역의 전문성: 각 지역과 국가는 모든 계층에서 이길 필요도, 모든 역량을 직접 개발할 필요도 없다. 자신이 투자할 계층을 선택하면 된다.

2. AI의 적용 범위는 언어를 넘어선다

   1. 구조를 가진 정보: AI는 언어뿐 아니라 구조를 가진 거의 모든 정보를 학습·이해·예측할 수 있다.
   2. 전 세계의 역할: 생물학·화학·물리 법칙에도 구조가 있으므로 지역마다 생물학, 화학, 물리학, 로봇공학, 언어, 기술, 정보이론 등 서로 다른 전문성을 발휘할 수 있다.

3. 엔비디아의 협력 방식

   1. 모델과 양식의 포괄성: 엔비디아 아키텍처는 모든 과학 분야와 모든 양식(modality)의 모델이 실행되도록 설계됐으며 미국 모델과 국제 모델을 모두 지원한다.
   2. 모델 규모와 종류: 폐쇄형·오픈 모델, 다양한 언어, 대형·소형 모델, 물리 모델·생물학 모델을 모두 실행할 수 있도록 범용성을 갖췄다.

4. 소프트웨어에서 물리적 AI로

4.1. LLM에 에이전트 하네스를 씌우다

1. AI의 출발점은 소프트웨어지만 본질은 지능이다

   1. LLM의 대중화: 불과 1년 전까지만 해도 논의의 중심은 대규모 언어 모델(LLM)이었고, 전 세계가 LLM이라는 약어의 뜻을 알게 된 것 자체가 놀라운 변화였다.
   2. 외골격의 역할: LLM을 유용하게 만든 것은 모델 주위에 외골격을 씌운 것이며, 그 외골격이 에이전트 하네스(agent harness)다.

2. 에이전트 하네스가 뇌를 일하게 한다

   1. 디지털 능력: 하네스는 지식 검색, 작업 기억, 도구 사용, 협업, 문제 해결에 필요한 부분을 AI의 뇌에 제공한다.
   2. 디지털 에이전트: 소프트웨어 도구를 사용하는 AI의 디지털 버전은 에이전트(agent)다. 스프레드시트·PowerPoint·Excel·웹 브라우저 대신 도구를 사용하도록 만들 수 있다.

4.2. 에이전트가 로봇과 산업 현장으로 이동하다

1. 물리적 도구를 쓰면 로봇이 된다

   1. 신체화: 에이전트를 물리적 몸체 안에 구현하면 로봇이 된다.
   2. 자율주행: 네 바퀴를 가진 기계에 넣으면 자율주행차가 된다.

2. 다양한 현장에 같은 구조가 적용된다

   1. 제조 로봇: 매니퓰레이터에 넣으면 물건을 집어 옮기는 픽 앤 플레이스(pick-and-place) 장치나 제조용 로봇 팔이 된다.
   2. 서비스·의료·연구: 식료품 배송 차량, 물류 배송 차량, 수술 로봇, 자율 신약 개발 연구실에도 탑재할 수 있다.

3. 엣지 AI는 하드웨어의 문제다

   1. 저녁 식사 자리의 오해: “AI”라고 말하면 모두 소프트웨어를 떠올리지만, 실제 확장은 엣지 AI라는 하드웨어·로봇공학·첨단 제조의 영역으로 향한다.
   2. 일관된 기본 원리: 디지털 도구든 물리적 도구든 LLM 주위의 에이전트 시스템이 작동한다는 동일한 아이디어가 다양한 형태를 만든다.

5. 인프라가 지역 경제와 일자리를 움직이다

5.1. 현지 인프라가 창업과 연구를 활성화한다

1. 데이터센터는 지역의 디지털 지적 역량이다

   1. 기반 시설의 성격: 모든 국가는 물·도로·전기·인터넷처럼 AI 인프라를 구축해 자국 지역 경제를 지원해야 한다.
   2. 지원 대상: 연구자와 학생, 사회와 산업, 스타트업이 활용할 수 있는 컴퓨팅 기반을 마련해야 한다.

2. 구축 직후 생태계가 반응한다

   1. 파트너 국가의 경험: 엔비디아가 협력해 온 여러 국가에서는 지역 인프라가 만들어지는 순간 스타트업과 연구자가 활성화됐다.
   2. 투자의 평가: 현지 인프라는 사회의 지적·디지털 역량을 넓히는 매우 훌륭한 투자다.

5.2. 미국의 규모와 성장 효과

1. 미국이 대규모 인프라를 만든 배경

   1. 정책과 속도: 미국은 에너지 성장을 촉진하는 정책, 빠른 구축 속도, 규제 환경의 이점을 바탕으로 대규모 인프라를 확장했다.
   2. 산업의 연결: AI는 반도체 제조공장(fab)에서 컴퓨터 공장, AI 공장에 이르는 전 영역에서 일자리를 만든다.

2. 투자와 일자리의 선순환

   1. 고용: 미국에서만 AI 인프라가 수십만 개의 일자리를 만들고 있다.
   2. 투자 규모: 엔비디아는 올해 세계와 미국의 인프라에 거의 1조 달러를 투자할 예정이며, 이 투자가 막대한 경제 성장과 일자리를 만들어낸다.

6. 안전과 번영을 함께 다루는 방법

6.1. 마법처럼 보이는 기술은 공학으로 안전해진다

1. 초기 기술은 마법처럼 보인다

   1. 전기의 비유: 전기 생산 초기에는 아주 멀리 떨어진 곳에서 갑자기 불이 켜지는 일이 마법처럼 보였을 것이다.
   2. AI의 현재: AI도 초기에는 마법처럼 보이지만, 컴퓨터·소프트웨어·수학·확률로 만드는 공학적 산물이다.

2. 제작자가 안전을 책임진다

   1. 기술의 의무: 자동차나 비행기를 만들 때와 마찬가지로 AI를 만드는 사람은 안전하고 책임감 있게 만들고, 기술을 계속 발전시켜 더 안전하게 만들 책임이 있다.
   2. 발전의 선호: 젠슨 황은 100년 전 자동차보다 기술이 훨씬 많이 탑재된 오늘날의 자동차를 선호하고, 100년 전 비행기보다 오늘날의 비행기를 선호한다고 말했다.

6.2. 뒤처지는 것이 가장 나쁜 결과다

1. 변화가 불안을 낳는다

   1. 산업혁명급 변화: AI의 변화가 산업혁명 이후의 변화와 비교해 얼마나 큰지 질문이 나왔고, 젠슨 황은 그 크기를 단순한 대소 비교로 규정하기보다 받아들이는 방식을 설명했다.
   2. 불안의 확산: 변화가 사람을 긴장시키고 여러 사람이 온갖 주장을 내놓게 만든다.

2. 공포와 번영의 균형이 필요하다

   1. 최악의 시나리오: 각국이 이 기술 산업혁명을 활용하지 못하고 뒤처지는 것이 가장 나쁜 결과다.
   2. 균형 잡힌 대화: 기술을 공포와 불확실성으로만 말하거나 지도자가 안전·안보에 대한 두려움만 강조하면 뒤처질 수 있다. 안전·안보 논의는 번영과 기술의 잠재력에 대한 대화와 균형을 이뤄야 한다.

6.3. 항공 산업이 주는 책임의 교훈

1. 고객은 안전을 기업의 책임으로 기대한다

   1. 실패한 광고: 과거 항공사들은 광고비와 마케팅 캠페인을 들여 자기 비행기가 다른 비행기보다 안전하다고 홍보했지만, 사람들은 그 이야기를 듣고 싶어 하지 않았다.
   2. 사람들이 원한 가치: 항공사가 새로운 곳으로 데려가 시야를 넓히고 세계를 가깝게 해 서로의 문화를 배우고 새로운 경제를 만드는 이야기를 원했다.

2. 안전은 부담이 아니라 공급자의 의무다

   1. 책임의 이전: 승객은 하루 종일 안전을 걱정하는 부담을 지고 싶어 하지 않고, 항공사가 안전을 확보하기를 원한다.
   2. 다른 산업의 반복: 자동차 산업과 발전 산업에서도 같은 과정이 일어났고, AI에서도 지도자와 제작자가 안전·보안과 올바른 기술 구축을 책임져야 한다.

6.4. 실제 피해를 정밀하게 규제하다

1. 기존 규제 체계에 AI를 연결한다

   1. 디지털 버전: AI는 인간이 하는 일을 디지털로 구현한 것이므로 인간의 과업을 디지털화한 것으로 볼 수 있다.
   2. 기존 기관: 인간의 활동은 FDA와 NIST를 비롯한 다양한 기관과 영역에서 이미 규제받고 있으며, AI도 기존 체계 안에 맞춰 규정할 방법을 찾을 수 있다.

2. 가상의 피해가 아닌 실제 피해를 규제한다

   1. 정밀한 규제: 규제는 가설적·이론적 피해를 막연히 다루기보다 실제적이고 현실적인 피해를 대상으로 해야 한다.
   2. S자 곡선의 초기 단계: AI는 혁신의 S자형 곡선 초기 단계에 있으므로 빠르게 발전할 기회를 줘야 안전성도 높아진다.

3. 발전 자체가 안전을 개선한다

   1. 3년 전의 논쟁: 기술 발전을 늦추자는 생각이 형성되던 3년 전과 달리, 실제 발전은 기술을 더 안전하게 만들었다.
   2. 환각과 검증: 발전을 통해 AI가 허황된 답을 내놓지 않고 실제 진실에 근거하게 됐으며, 답이 과학적으로 타당해질 때까지 반복하는 기술도 발전의 결과다.

7. GPU가 필요한 이유와 엔비디아의 내구성

7.1. 병렬 처리에 특화된 범용 아키텍처

1. GPU는 병렬 처리 문제를 푼다

   1. 탄생 목적: 엔비디아는 GPU(Graphics Processing Unit)라는 기술을 발명했다.
   2. 적용 분야: GPU는 유체역학, 입자물리학, 양자화학, 컴퓨터 그래픽, 이미지 처리, 이미지 재구성 같은 병렬 처리 작업을 해결하고 AI도 매우 잘 실행한다.

2. GPU는 특정 모델에 갇히지 않는다

   1. 모델 포괄성: 폐쇄형·오픈 모델, 다양한 언어, 대형·소형 모델, 물리·생물학 모델을 모두 지원한다.
   2. 범용성: 모든 AI 모델과 데이터 처리·병렬 처리 작업을 실행하는 대체 가능한(fungible) 아키텍처이므로 클라우드, 온프레미스, 엣지, 로봇 시스템, 자율주행차에 폭넓게 들어간다.

7.2. 값비싼 인프라의 투자 위험을 낮추다

1. 엔비디아는 14세대 아키텍처를 구축했다

   1. 축적된 기간: 엔비디아는 오랫동안 이 일을 해왔고 아키텍처를 14세대까지 발전시켰다.
   2. 확장 범위: 클라우드부터 현장 설치, 엣지와 로봇, 자율주행까지 사실상 어디에나 존재한다.

2. 기가와트 단위 투자는 극도로 크다

   1. 건설 비용: 1기가와트 규모의 AI 인프라는 약 500억~600억 달러에 이른다.
   2. 과거와의 비교: 과거에는 250억 달러짜리 반도체 공장 하나도 거대한 투자로 여겼지만, 이제 1기가와트는 그 두 배 이상이다.

3. 대규모 투자는 범용성과 내구성을 요구한다

   1. 엔비디아의 계획: 엔비디아는 세계에 필요한 지능을 생산하기 위해 2020년대 말까지 100기가와트 규모의 발전 설비를 구축할 계획이다.
   2. 기술 변화의 위험: 특화된 설비를 지었는데 세계의 아키텍처·알고리즘·AI 모델이 급변하면 투자가 순식간에 쓸모없어질 수 있다.
   3. 투자 안전성: 엔비디아 아키텍처는 대체 가능하고 내구성이 있으며 소프트웨어로 계속 개선되고 모든 종류의 모델을 실행하므로, 사람들이 투자하기에 가장 안전한 아키텍처로 인식하기 시작했다.

8. AGI 이후에도 맥락과 목적은 사람이 만든다

8.1. AGI는 이미 가까이 왔지만 의미는 준비에 달렸다

1. AGI 도달 전망

   1. 시간표: 젠슨 황은 앞으로 몇 년 안에 사람들이 AGI(Artificial General Intelligence)라고 부르는 단계에 도달할 것이며, 그것은 비논리적인 전망이 아니라고 말했다.
   2. 현재 수준: 그는 인류가 이미 AGI에 거의 도달했다고 주장할 수도 있다고 덧붙였다.

2. 모든 학습과 산업이 영향을 받는다

   1. 전면적 영향: 2년 안에 AGI를 달성한다고 가정하면 학습과 업무, 모든 산업에서 사람이 하는 모든 활동이 영향을 받는다.
   2. 보편적 이익: 변화는 모두에게 이익이 될 가능성이 있지만, AGI라는 말 자체가 사회에 어떤 의미가 되는지는 별도로 생각해야 한다.

8.2. 교육이 지능을 대규모로 생산해 온 방식

1. 학교와 대학은 문명을 제조한다

   1. 문명화의 장치: 수백 년 전 인간은 더 문명화된 사회를 만들기 위해 교육과 지능이라는 가장 중요한 것을 대규모로 만들어냈다.
   2. 지능과 시민성: 학교와 대학은 지능과 시민성을 대규모로 생산해 왔으며, 이것이 없다면 문명이 존재하기 어렵다.

2. AI는 교육의 디지털 버전이다

   1. 디지털 지능 생산: AI는 지능을 디지털 방식으로 대규모 생산하는 장치다.
   2. 교육 접근성: 최고 수준의 교육을 받을 수 없던 국가와 사람도 최고 수준 교육의 혜택을 누릴 수 있게 된다.

8.3. AGI가 기업 문제를 하룻밤에 해결하지는 않는다

1. 고학력 인재도 맥락이 필요하다

   1. 채용의 사례: 젠슨 황은 Stanford, Harvard, MIT, ETH에서 온 매우 똑똑한 인재를 고용하지만, 그들이 회사·산업에 들어올 때도 적절한 맥락을 제공하는 데 큰 투자가 필요하다고 말했다.
   2. AGI의 한계: AGI가 등장해도 모든 기업의 문제가 자동으로 해결되지는 않는다. AI 서비스에 연결한 뒤 앉아서 하룻밤 사이에 생산성이 계속 올라가는 일은 일어나지 않는다.

2. 기업과 리더가 AI의 환경을 설계한다

   1. 온보딩의 연속: 기업은 현재 MIT 박사 학위를 가진 신입 졸업생을 온보딩할 때처럼 AI에 맥락·목적·관련성·접근성을 제공해야 한다.
   2. 하네스와 환경: AI가 생산적인 일을 하도록 둘러싼 환경과 하네스를 만드는 것이 기업과 리더의 일이다.

3. 과업은 자동화되고 직업의 목적은 남는다

   1. 직업의 정의: 직업은 목적·맥락·의미로 정의되며, 타이핑과 말하기 같은 구성 과업은 AI가 자동화할 수 있다.
   2. 사람의 역할: 과업은 바뀌어도 직업의 목적은 남고, 사람은 AI로 초강력해진다.

9. 초강력한 조직과 국가의 야망

9.1. 기성 AI와 자체 지능을 함께 사용하다

1. 엔비디아의 실제 활용

   1. 기성 도구: 엔비디아는 회사 전체에서 AI를 사용하며 Anthropic, OpenAI, Cursor 같은 기성 AI 솔루션을 활용한다.
   2. 맞춤형 도구: 회사에 필요한 맞춤형 AI도 많이 직접 만든다.

2. 외부 활용과 내부 구축의 균형

   1. 기성 AI 우선: 가능한 곳에서는 기성 AI 솔루션을 사용해야 한다.
   2. 지능의 자립: 동시에 모든 국가와 기업은 자체 지능 구축에 투자해야 하며, 지능 전부를 다른 사람에게 외주화할 수 없다. 필요한 만큼 직접 만들고 최대한 많이 사용해야 한다.

9.2. 일자리와 야망이 함께 초강력해진다

1. 일자리 소멸론에 대한 반박

   1. 초강력한 사람: AI는 사람을 초강력하게 만들며, 직업의 목적과 맥락이 남기 때문에 모든 일자리가 사라진다는 생각은 말도 안 된다.
   2. 역할의 전환: 반복 과업은 자동화되지만 사람은 더 큰 목적과 의미를 가진 일을 수행한다.

2. 문명은 이미 더 큰 야망을 품고 있다

   1. 과거의 공상과학: 오늘날 인류는 문명 역사상 어느 때보다 야심차며, 100년 전 사람이라면 미쳤거나 공상과학이라고 했을 일을 현실로 만든다.
   2. 다음 5~10년: AI로 초강력해진 사람·기업·국가가 앞으로 5~10년 동안 얼마나 더 큰 일을 꿈꿀지 상상하는 것이 이번 변화의 흥미로운 부분이다.

3. 젠슨 황 개인의 선택

   1. 계속 일할 이유: 젠슨 황은 일을 하지 않아도 되지만, 앞으로 10~15년의 삶과 업계·동료·자신의 야망이 커지는 시기를 놓치고 싶지 않다고 말했다.
   2. 모두의 각성: 모든 국가는 이 기술을 뒤에 둔 지금을 깨달음·영감·활력의 시기로 받아들이고 야망을 극대화해야 한다.

9.3. 시간과 자본의 스케일이 바뀐다

1. 개발 속도가 압축된다

   1. 10년에서 1년으로: 앞으로 5~10년에는 10년 걸리던 일이 1년 만에 끝날 수 있다.
   2. 1시간에서 1개월로: 발언의 비교 구조상 한 시간이 걸리던 일도 한 달의 규모로 바뀌는 초대형 가속을 말한다.

2. 투자와 시장의 크기가 커진다

   1. 투자 규모: 과거에는 100만 달러가 큰 투자처럼 보였지만, 현재는 수조 달러 규모의 투자를 논의한다.
   2. 100조 달러 산업: 평범한 사람과 혁신가, 기업, 국가가 100조 달러 규모의 산업에 영향을 줄 수 있다고 생각하는 시대가 처음 열렸다.

3. 성장을 공통 목표로 삼는다

   1. 경제적 효과: 전 세계에서 20조~50조 달러의 경제적 이익을 더할 수 있다고 말하는 것 자체가 역사상 전례 없는 야망이다.
   2. G20의 목표: 함께 모인 목적은 성장이고, 각국과 사회가 모두 성장해 혜택을 나누는 것이 공동 목표다.

10. G20을 향한 마지막 당부와 행사 종료

10.1. 각국이 지금 해야 할 일

1. 인프라를 직접 확보한다

   1. 데이터센터 건설: 각국은 시민과 사회가 AI의 혜택을 얻도록 인프라에 투자하고 데이터센터를 건설해야 한다.
   2. 자국의 AI 활용: 남이 만든 지능에만 의존하지 말고 각국이 AI를 직접 활용해 자국 경제와 산업에 연결해야 한다.

2. 교육 민주화를 성장의 기반으로 삼는다

   1. 손끝의 박사 학위: 지능과 교육이 공개되어 누구나 모든 분야에서 박사 학위 수준의 지식을 손끝에서 활용할 수 있다.
   2. 봇의 역할: 필요한 전문가를 직접 찾지 않아도 AI가 사람을 찾고 교육 정보를 모아 봇으로 제공할 수 있으며, 이제 누구나 그 지능에 접근하는 사람이 된다.

10.2. 더 높은 꿈을 꾸라는 메시지

1. Jensen Huang을 향한 감사

   1. 미국의 보물: 행사를 마무리한 관계자는 젠슨 황과 엔비디아가 젊었을 때는 꿈꾸지 못했던 길로 미국을 이끌고 있다며 그를 “미국의 보물”이라고 표현했다.
   2. 공상과학에서 현실로: 과거에는 공상과학의 소재였던 일이 현실이 됐고, 젠슨 황이 제시한 비전은 그 현실을 확인하게 했다.

2. 성공의 조건

   1. AI를 둘러싸기: AI를 주변 환경에 배치하고 충분한 맥락을 제공해야 한다.
   2. AI를 방향화하기: AI에 목적과 방향을 주고 인프라·데이터센터를 각국이 직접 확보해야 시민과 사회가 혜택을 얻는다.

3. 행사 마무리: 관계자는 함께한 젠슨 황에게 감사하고 참석자에게도 감사를 전했다. 박수가 이어진 뒤 프로그램이 끝났으며, 각국 대표단장은 정문 로비의 자국 국기 앞으로 이동해 가족사진 촬영에 참여하라는 안내를 받았다.

주요 발언 모음

“토큰은 많은 계산의 수학적 결과이며, 지능을 나타낸다.”

“AI는 5단 케이크다. 가장 아래층에는 에너지가 있고, 그 위에 칩, 인프라, AI 모델, 데이터와 애플리케이션이 있다.”

“모든 국가가 AI를 인프라로 인식해야 한다. 물, 도로, 전기, 인터넷과 마찬가지다.”

“각국이 맞닥뜨릴 수 있는 최악의 결과는 이 기술 산업혁명을 활용하지 못하고 뒤처지는 것이다.”

“가상의 이론적 피해를 규제하지 말고 실제적이고 현실적인 피해를 규제해야 한다.”

“과업은 자동화되지만 우리 직업의 목적은 남는다.”

“모든 국가와 기업은 자체 지능 구축에 투자해야 한다. 지능 전부를 다른 사람에게 맡길 수는 없다.”

“앞으로 5년이나 10년 안에 10년 걸리던 일이 1년 만에 끝날 것이다.”

“여러분의 꿈은 더 높아져야 한다. 손끝에 이 모든 지능이 있다면 어떻게 더 높은 꿈을 꾸지 않을 수 있겠는가?”

핵심 데이터 & 수치

• 토큰 가격 단위: 토큰 100만 개당 달러로 지능의 경제적 가치를 계산한다.
• 기존 컴퓨팅 사용자층: 지난 50년 동안 컴퓨터는 약 1,000만~2,000만 명에게 주로 유용했고, 관련 설계·프로그래밍 인력의 범위는 약 1,000만~3,000만 명으로 언급됐다.
• AI 인프라 비용: 1기가와트 규모 인프라는 약 500억~600억 달러이며, 과거 250억 달러 규모 반도체 공장 투자의 약 두 배 이상이다.
• 엔비디아의 계획: 2020년대 말까지 100기가와트 규모의 발전 설비를 구축해 세계에 필요한 지능을 생산하려 한다.
• 미국 투자: 엔비디아는 올해 미국과 세계 인프라에 거의 1조 달러를 투자할 예정이라고 말했다.
• 일자리: 반도체 팹, 컴퓨터 공장, AI 공장 전반에서 수십만 개의 일자리가 만들어지고 있다.
• AGI 시간표: 젠슨 황은 몇 년 안에 AGI에 도달할 수 있으며 현재 이미 거의 도달했다고 주장할 수 있다고 말했다.
• 시간 압축: 10년짜리 일이 1년으로 줄고, 한 시간 규모의 일이 한 달 규모의 변화로 재편될 수 있다고 전망했다.
• 시장 규모: 개인·기업·국가가 100조 달러 산업에 영향을 주고, 세계에 20조~50조 달러의 경제적 이익을 더할 수 있다는 야망을 제시했다.

결론 및 시사점

1. 국가는 AI를 앱이나 소프트웨어 구매가 아니라 에너지·칩·데이터센터·모델·데이터/애플리케이션으로 이어지는 5단 인프라로 보고 자국이 강점을 가질 계층에 투자해야 한다.
2. AI 인프라가 현지에 들어서면 연구자·학생·스타트업·산업이 움직이므로 데이터센터와 컴퓨팅 기반은 지역 경제를 위한 장기 생산자산이 된다.
3. AI의 안전은 개발자·기업·지도자·규제기관이 책임져야 하며, 실제적이고 현실적인 피해를 정밀하게 규제하는 동시에 발전을 통해 환각과 위험을 줄여야 한다.
4. LLM의 성능만으로는 생산성이 완성되지 않으며, 기업이 목적·맥락·관련성·접근성을 담은 에이전트 하네스와 업무 환경을 설계해야 한다.
5. 반복적인 타이핑·말하기 과업은 자동화돼도 직업을 정의하는 목적·맥락·의미는 남으므로 일자리 소멸보다 사람과 조직의 초강력화에 초점을 맞춰야 한다.
6. 기성 AI는 가능한 만큼 사용하되 국가와 기업의 핵심 지능을 외부에 전부 맡기지 말고 필요한 맞춤형 AI를 자체 구축해야 한다.
7. AI가 제공하는 교육과 지능에 모든 시민이 접근할 수 있으므로 각국은 방어적으로 기다리기보다 성장과 더 높은 야망을 국가 전략으로 삼아야 한다.

핵심 요약 (20줄)

1. 젠슨 황은 AI 투자가 생산적 인프라로 전환됐다고 진단했다.
2. AI 컴퓨팅은 에너지와 인터넷처럼 국가 인프라가 되고 있다.
3. 토큰은 대규모 계산의 수학적 결과이자 지능의 단위다.
4. 토큰은 이미지와 문단, 답변과 문제 해결을 만들어낸다.
5. 토큰 경제는 에너지를 킬로와트시당 달러로 가격 매긴 역사와 닮았다.
6. AI는 생산성과 노동자·엔지니어의 역량을 높인다.
7. 젊은 인구가 많은 국가는 AI로 교육 속도를 높일 수 있다.
8. 인간의 언어로 컴퓨터를 프로그래밍해 컴퓨팅이 민주화됐다.
9. AI는 에너지처럼 국가 간 지능과 역량의 격차를 줄인다.
10. AI 인프라는 에너지·칩·데이터센터·모델·데이터와 애플리케이션의 5계층이다.
11. 각국은 다섯 계층 모두가 아니라 자국이 선택한 계층에 투자하면 된다.
12. LLM에 에이전트 하네스를 결합하면 지식을 검색하고 도구를 쓰는 AI가 된다.
13. 같은 에이전트는 자율주행차와 제조 로봇, 배송·수술·신약 연구에 들어간다.
14. 현지 데이터센터가 세워지면 스타트업과 연구자가 활성화된다.
15. GPU는 병렬 처리와 AI를 수행하는 범용적이고 내구성 있는 아키텍처다.
16. 1기가와트 인프라에는 약 500억~600억 달러가 들며 엔비디아는 100기가와트를 계획한다.
17. AGI가 나와도 기업은 AI에 목적과 맥락을 제공해야 한다.
18. AI는 과업을 자동화하지만 직업의 목적과 의미를 없애지 않는다.
19. 국가는 기성 AI를 쓰면서도 자체 지능을 구축하고 안전을 책임져야 한다.
20. AI로 압축된 시간과 커진 시장은 모든 국가가 더 높은 성장을 꿈꾸게 한다.