엔비디아 젠슨 황이 G20에서 '우리는 이미 AGI에 도달했다'고 말한 이유

URL: https://www.youtube.com/watch?v=ap4fr5RYTCk
날짜: 2026-09-06
채널: Tech Bridge

---

📌 핵심 질문 / 이 영상이 다루는 핵심 논점

Jensen Huang은 인공지능(Artificial Intelligence, AI)을 단순한 소프트웨어가 아니라 에너지·칩·데이터센터·모델·데이터와 애플리케이션이 결합한 국가 인프라로 규정한다. ==AI의 최악의 결과는 기술이 실패하는 것이 아니라 한 국가가 AI를 활용하지 못해 뒤처지는 것이며, AGI가 이미 실질적으로 도달한 지금 필요한 태도는 공포가 아니라 인프라 투자와 더 높은 야망이다.==

• 컴퓨트(Compute)가 만들어 내는 토큰(Token)은 지능의 수학적 산출물이며, 달러/킬로와트시로 에너지를 거래하듯 달러/백만 토큰으로 지능을 경제적 가치로 바꿀 수 있다.
• AI는 에너지, 칩, 인프라, 모델, 데이터·애플리케이션의 5층 구조이며, 모든 나라가 모든 층에서 경쟁할 필요는 없지만 자국 산업에 AI를 확산해야 한다.
• 대규모 언어 모델(Large Language Model, LLM)에 에이전트 하네스(Agent Harness)를 붙이고 물리적 도구를 연결하면 디지털 에이전트가 로봇, 자율주행차, 제조 팔, 물류차량, 수술 로봇으로 확장된다.
• 자동화되는 것은 타이핑·말하기 같은 과업(Task)이지 목적·맥락·의미로 정의되는 직업(Job) 자체가 아니므로, 사람과 조직은 AI로 대체되기보다 슈퍼차지(Supercharge)된다.
• 안전은 발전을 멈춰서 얻는 것이 아니라 실제 피해를 정밀하게 규제하면서 기술을 발전시켜 얻어야 하며, 각국은 데이터센터를 구축해 자기 사회가 AI의 혜택을 포착하게 해야 한다.

Howard Lutnick이 던진 질문은 컴퓨트가 국가의 매출과 경제적 가치를 어떻게 만드는지, G20 국가가 무엇을 건설하고 어떤 투자를 해야 하는지, AI의 거대한 변화와 안전을 어떻게 받아들여야 하는지로 이어진다. Huang은 토큰 경제, 5층 케이크, 에이전트와 피지컬 AI(Physical AI), 범용 GPU, AGI 이후의 일과 야망을 하나의 성장 논리로 연결한다.

1. 컴퓨트가 지능을 경제적 가치로 바꾸는 방식

AI 인프라는 전기를 수학적 산출물로 변환하고, 그 산출물이 지능 서비스를 통해 생산성과 경제성장으로 전환되는 체계다.

1.1. 토큰이라는 새로운 경제 단위

1. 토큰은 컴퓨트가 만든 지능의 산출물이다

   1. 수학적 결과: 토큰은 대량의 계산(Computation)에서 수학적으로 생성되는 숫자 단위이며, 그 자체가 지능을 나타낸다.
   2. 기능으로의 재구성: 토큰을 특정 방식으로 재구성하면 이미지를 만들고, 문단을 쓰고, 질문에 답하고, 문제를 풀고, 새로운 아이디어를 생성한다.

2. 지능은 보이지 않지만 실질적인 가치를 가진다

   1. 에너지와의 역사적 유사성: 인류가 수백 년 전 에너지라는 개념을 발견하고 달러/킬로와트시로 가격을 매겼듯, 오늘날에는 달러/백만 토큰으로 컴퓨트가 생산한 지능을 거래할 수 있다.
   2. 측정하기 어려운 무형성: 지능은 원자처럼 손에 잡히는 물질이 아니라 개념적이고 증기처럼 희미한 대상이다. 하지만 실제 문제를 해결하는 순간 그 가치가 드러난다.
   3. AI를 사용해야 이해되는 가치: AI 애플리케이션을 직접 사용하면 생산성이 높아지고, 노동자와 엔지니어의 역량이 강화되면서 지능의 경제적 가치가 구체적으로 드러난다.

1.2. AI가 국가 간 격차를 줄이는 방식

1. 생산성과 교육을 끌어올린다

   1. 노동 역량 강화: AI는 사람이 더 생산적으로 일하게 하고, 노동자와 엔지니어가 더 많은 일을 더 높은 수준으로 수행하게 한다.
   2. 젊은 인구의 교육 가속: 젊은 인구가 많은 나라는 AI를 활용해 교육 속도를 높일 수 있다.
   3. 개발도상국의 과학·기술 역량 확대: 과학과 기술 역량을 키우는 국가가 AI를 도입하면 매우 빠르게 역량을 끌어올릴 수 있다.

2. AI는 지능의 민주화 장치다

   1. 에너지 민주화와의 병렬: 에너지 생산이 각국에 물질적 힘을 넓혀 주었듯, AI는 AI에 투자하는 G20 국가에 지능과 역량을 넓혀 준다.
   2. 산업화 속도 향상: 사회와 산업은 과거에 상상하기 어려웠던 속도로 성장하며, 이런 의미에서 AI는 격차를 줄이는 위대한 평등자(Great Equalizer)가 된다.
   3. 컴퓨터 사용자의 확대: 지난 50년 동안 컴퓨터는 설계하거나 프로그래밍할 줄 아는 약 1,000만~3,000만 명 중심의 도구였다. 이제 누구나 인간의 언어로 컴퓨터를 프로그래밍할 수 있다.

3. 모든 사람이 역량을 끌어올릴 수 있다

   1. 컴퓨팅의 민주화: 자연어로 컴퓨터를 작동하는 능력이 사회 전체에 공개되면서 컴퓨팅 기술의 접근 장벽이 낮아졌다.
   2. 부트스트랩 효과: Huang은 모든 사람이 AI를 사용해야 하는 이유로 AI가 개인을 부트스트랩(Bootstrap)하고, 끌어올리고(Elevate), 가능하게 한다(Enable)고 강조한다.

2. AI 인프라를 5층 케이크로 이해하기

AI의 실체는 모델 하나가 아니라 에너지에서 애플리케이션까지 이어지는 5층 스택(Stack)이며, 각국은 강점과 산업에 맞춰 투자 지점을 선택해야 한다.

2.1. 다섯 개 층의 구성

1. 1층과 2층은 계산의 물질적 기반이다

   1. 에너지(Energy): 아무것도 에너지 없이 생산할 수 없으며, 에너지는 전기를 수학으로 변환하는 출발점이다.
   2. 칩(Chips): GPU를 포함한 칩은 에너지를 계산으로 바꾸는 핵심 하드웨어이며, Huang이 오랫동안 일해 온 영역이다.

2. 3층은 AI 인프라다

   1. 데이터센터: 대규모 데이터센터는 부지·전력·컴퓨터 기술을 하나의 시설에 통합한다.
   2. 가치 창출 장치: 에너지가 데이터센터에 연결되면 계산이 실행되고, 그 계산이 매출과 경제적 가치를 만들어 낸다.

3. 4층은 AI 모델이다

   1. 사람들이 흔히 AI라고 부르는 층: 대부분의 사람은 모델을 AI의 전부로 생각하지만 모델은 5층 중 한 층에 불과하다.
   2. 구조를 가진 정보의 학습: AI는 언어뿐 아니라 구조가 있는 거의 모든 정보를 학습하고 이해하고 예측할 수 있다. 생물학, 화학, 물리 법칙 모두 구조를 가지므로 지역마다 특화할 수 있는 AI 영역이 달라진다.
   3. 범용적 교차 영역: AI는 서로 다른 언어·기술·정보 이론을 가로지르며 생물학·화학·물리학·로봇공학 등 여러 분야를 연결한다.

4. 5층은 데이터와 애플리케이션이다

   1. 현실의 혜택이 발생하는 층: 데이터(Data)와 애플리케이션(Applications)이 모델을 실제 산업과 업무에 연결해 AI의 혜택을 만든다.
   2. 미국과 각국의 역할 분담: 미국은 5개 층 전체를 발명·건설·개발하는 데 깊이 투자하지만, 모든 나라가 모든 층에서 승리하거나 전부 직접 개발할 필요는 없다.

2.2. 국가별 AI 확산 전략

1. 모든 층이 아니라 선택한 층에 투자한다

   1. 전략적 선택: 각 지역과 국가는 자국의 역량과 산업에 맞춰 투자할 층을 정해야 한다.
   2. AI 확산이 최우선: 특정 층의 세계 1위보다 교육·의료·제조·과학을 포함한 모든 산업에 AI를 채택하고 확산하는 일이 더 중요하다.
   3. 국제 협력: 미국이 5층 스택 개발을 주도하더라도 모든 나라가 혜택을 얻을 수 있도록 파트너십을 맺어야 한다.

2. NVIDIA의 범용 아키텍처는 여러 국가와 분야를 연결한다

   1. 모델 포괄성: NVIDIA 아키텍처는 미국 모델과 국제 모델, 폐쇄형 모델과 오픈 모델, 대형 모델과 소형 모델을 모두 실행하도록 설계됐다.
   2. 분야·모달리티 포괄성: 언어 모델뿐 아니라 생물학·화학·물리학·로봇공학 모델과 각종 데이터 처리·병렬 처리 작업을 실행한다.
   3. 확산의 기반: 한 국가가 모든 모델을 직접 만들지 않아도 범용 인프라 위에서 자국 연구자와 산업이 다양한 모델을 활용할 수 있다.

3. LLM에서 에이전트와 피지컬 AI로 확장되는 경로

AI는 소프트웨어에서 출발하지만, 에이전트가 도구와 물리적 몸을 얻는 순간 하드웨어·로봇·첨단 제조로 확장된다.

3.1. LLM에 에이전트 하네스를 붙이다

1. LLM의 한계를 보완하는 외골격

   1. LLM의 출발점: 최근 AI 논의는 대규모 언어 모델(LLM)이 무엇인지 전 세계가 아는 단계에서 시작됐다.
   2. 에이전트 하네스(Agent Harness): LLM 주위에 붙는 외골격으로, 지식을 검색하고(Retrieve), 작업 기억(Working Memory)을 유지하고, 도구를 사용하고, 다른 시스템과 협업하는 데 필요한 구성요소를 제공한다.
   3. 문제 해결 시스템: LLM의 추론 능력에 기억·지식·도구·협업 기능이 결합되면서 디지털 에이전트(Agent)가 생산적인 문제 해결 주체가 된다.

2. 디지털 도구에서 물리적 도구로 이동한다

   1. 소프트웨어 도구: 에이전트는 스프레드시트, PowerPoint, Excel, 웹 브라우저 같은 도구를 사용해 디지털 업무를 수행할 수 있다.
   2. 기계 도구: 같은 에이전트가 물리적 기계를 도구로 사용하도록 연결하면 소프트웨어와 하드웨어의 경계가 사라진다.

3.2. 같은 에이전트가 여러 몸을 갖는다

1. 로봇과 이동체

   1. 로봇: 에이전트에 물리적 신체를 부여하면 로봇이 된다.
   2. 자율주행차: 네 바퀴를 가진 기계에 에이전트를 넣으면 자율주행차가 된다.
   3. 제조 로봇 팔: 조작기(Manipulator)에 에이전트를 넣으면 물건을 집고 놓는 픽앤플레이스(Pick-and-place) 장비나 제조용 로봇 팔이 된다.

2. 서비스와 과학의 자동화

   1. 물류: 식료품 배송차량과 물류 배송차량이 에이전트의 물리적 몸이 될 수 있다.
   2. 의료: 수술 로봇이 에이전트를 통해 작업을 수행할 수 있다.
   3. 신약 개발: 자율 신약 발견(Autonomous Drug Discovery) 실험실이 에이전트와 물리적 장비를 결합한 형태가 된다.

3. 핵심 원리는 하나다

   1. 공통 구조: 디지털 에이전트, 로봇, 자율주행차, 물류차량, 수술 로봇은 모두 LLM 주위에 에이전트 시스템을 둔 동일한 아이디어의 변형이다.
   2. 도구의 종류만 달라진다: 에이전트 시스템은 디지털 도구와 물리적 도구 어느 쪽이든 조작할 수 있으므로, AI를 소프트웨어로만 보는 인식을 넘어 엣지 AI(Edge AI)와 피지컬 AI로 이어진다.

4. 데이터센터를 국가의 지적 인프라로 보는 이유

AI 데이터센터는 물·도로·전기·인터넷과 같은 공공 인프라에 가까우며, 각국의 연구·교육·산업·창업을 활성화하는 디지털 지적 역량이 된다.

4.1. 지역 인프라가 만드는 경제 생태계

1. 자국 경제를 지탱하는 용량을 만든다

   1. 디지털 지적 용량: 국가가 데이터센터와 AI 인프라를 구축하면 연구자·학생·사회·산업·스타트업이 활용할 수 있는 지적 능력을 확보한다.
   2. 지역 창업 활성화: NVIDIA가 여러 나라에 지역 인프라를 만들 때마다 현지 스타트업과 연구자가 갑자기 활성화됐으며, Huang은 이를 환상적인 투자라고 평가한다.

2. 미국의 사례

   1. 대규모 구축: 미국은 에너지 성장 친화성, 빠른 실행 속도, 규제 환경을 바탕으로 매우 큰 AI 인프라를 구축해 왔다.
   2. 전 산업의 일자리: AI는 반도체 팹(Chip Fab), 컴퓨터 공장, AI 공장 등 모든 부문에서 일자리를 만들고 있으며, 창출되는 일자리는 수십만 개에 이른다.
   3. 투자와 성장: 미국은 해당 연도에 미국 인프라에 거의 1조 달러를 투자할 계획이며, 그 투자가 막대한 경제성장과 많은 일자리를 낳는다.

4.2. 고비용 인프라에는 범용성이 필요하다

1. 기가와트 단위의 투자 규모

   1. 데이터센터 비용: 1기가와트(GW) 규모의 인프라에는 약 500억~600억 달러가 든다.
   2. 과거와의 비교: 과거에는 250억 달러짜리 반도체 팹 하나도 엄청난 투자로 여겨졌지만, 이제 1GW 인프라는 그 두 배에 해당한다.
   3. 세계 지능 생산 목표: NVIDIA는 세계를 위한 지능을 생산하기 위해 현재부터 10년의 끝 무렵까지 100GW를 건설하고 있다.

2. 범용·지속 가능한 아키텍처가 투자 위험을 낮춘다

   1. 특화의 위험: AI 모델·알고리즘·아키텍처가 빠르게 바뀌는 상황에서 지나치게 전문화된 인프라를 만들면 기술 변화가 투자 자산을 순식간에 쓸모없게 만들 수 있다.
   2. Fungible과 Durable: 값비싼 인프라는 여러 용도로 전환 가능한(Fungible) 동시에 오래 지속되는(Durable) 구조여야 한다.
   3. NVIDIA의 위치: NVIDIA는 모든 클라우드, 온프레미스(On-prem), 엣지, 로봇 시스템, 자율주행차에 들어가며 미국·국제 모델과 모든 모달리티를 실행한다. 14세대 아키텍처까지 발전하면서 소프트웨어로 계속 개선된다.
   4. 성장 가속의 논리: 이런 범용성과 지속성 때문에 시장은 NVIDIA를 변화하는 AI 세계에 투자하기 가장 안전한 아키텍처 중 하나로 인식하기 시작했고, 그 결과 성장이 빨라진다는 것이 Huang의 설명이다.

5. 안전을 확보하는 방법은 발전과 정밀한 규제다

새 기술은 처음에 마법처럼 보이지만 실제로는 컴퓨터·소프트웨어·수학·확률로 구성된 공학이며, 안전은 기술을 멈추는 방식보다 발전 과정에 내장해야 한다.

5.1. 전기·자동차·항공이 주는 교훈

1. 마법처럼 보이는 현상도 공학으로 관리된다

   1. 전기의 비유: 멀리 떨어진 곳에서 전기를 보내 갑자기 불이 켜지는 일은 초기에는 마법처럼 보였지만, 실제로는 공학적 원리로 설명되고 관리됐다.
   2. AI의 실체: AI에도 컴퓨터, 소프트웨어, 수학, 확률이 관여하며, 자동차나 비행기와 마찬가지로 만든 사람이 안전하고 책임 있게 구축할 의무가 있다.

2. 발전할수록 안전해지는 기술

   1. 자동차: Huang은 100년 전 자동차보다 안전장치와 기술이 훨씬 발전한 오늘날의 자동차를 운전하는 편을 선호한다고 말한다.
   2. 항공기: 100년 전 비행기보다 기술이 발전한 오늘날의 비행기를 타는 편을 선호하며, AI도 기능을 발전시켜 약속한 가치를 더 잘 전달하면서 안전해져야 한다.
   3. 속도와 안전의 관계: AI 발전을 가속하는 일과 안전한 사용은 서로 반대가 아니다. 기능적 완성도를 높이는 발전 자체가 안전성을 높이는 경로가 될 수 있다.

5.2. 공포와 번영의 균형

1. 가장 나쁜 결과는 뒤처지는 것이다

   1. 기술 미활용: 각국이 AI 기술혁명에서 맞을 수 있는 최악의 결과는 AI가 실패하는 것이 아니라 기회를 활용하지 못하고 뒤처지는 것이다.
   2. 불안이 만드는 지연: 지도자가 공포·불확실성·과도한 우려의 언어로만 AI를 말하면 국가가 기술을 받아들이는 속도가 늦어질 수 있다.

2. 안전 담론은 번영 담론과 함께 가야 한다

   1. 균형 잡힌 대화: 안전과 보안에 대한 논의는 중요하지만, AI가 무엇을 가능하게 하고 어떤 번영을 만들지에 대한 논의와 균형을 이뤄야 한다.
   2. 항공사의 사례: 항공사들이 한때 “우리 비행기가 다른 회사보다 안전하다”는 광고에 돈을 썼지만 승객은 안전을 하루 종일 걱정하고 싶어 하지 않았다. 승객은 새로운 곳으로 이동하고, 지평을 넓히고, 세계를 가깝게 만들고, 서로의 문화를 배우고, 새로운 경제를 만드는 혜택을 듣고 싶어 했다.
   3. 안전은 공급자의 책임: 자동차·전력 생산·항공 산업에서처럼 기업과 지도자가 안전을 책임지고, 이용자에게 안전을 계속 걱정하는 부담을 전가하지 않아야 한다.

5.3. 실제 피해를 규제하는 법

1. 기존 규제 체계에 AI를 연결한다

   1. 디지털 버전의 인간 작업: 지능은 인간이 수행하는 여러 작업의 디지털 버전이므로, AI를 완전히 별개의 세계로 취급할 필요는 없다.
   2. 기존 기관 활용: FDA, NHTSA 등 인간 활동을 이미 규제하는 여러 기관과 법률이 존재하며, AI가 수행하는 작업도 해당 체계 안에 편입할 방법을 찾아야 한다.

2. 가상의 피해보다 현실의 피해를 겨냥한다

   1. 정밀한 규제: 발생하지 않은 가설적·이론적 피해를 포괄적으로 규제하기보다 실제적이고 실용적인 피해(Actual and Pragmatic Harm)를 정확히 규제해야 한다.
   2. 초기 S-커브의 기회: AI는 혁신 S-커브(Innovation S-curve)의 초기 단계이므로, 빠르게 발전할 기회를 주면서 안전성을 높여야 한다.
   3. 발전이 안전성을 개선했다: 3년 전 AI 발전을 늦추자는 생각과 달리, 이후의 기술 발전은 환각(Hallucination)을 줄이고 답변을 실제 진실에 근거하게 만들었으며, 과학적으로 타당한 답을 얻을 때까지 반복하는 능력을 향상했다.

6. GPU의 범용성이 AI 인프라 투자를 지킨다

GPU는 원래 병렬 처리를 위해 발명된 범용 기술이며, AI뿐 아니라 과학·그래픽·로봇·자율주행까지 같은 계산 기반으로 포괄한다.

6.1. GPU가 처리하는 문제

1. 병렬 처리의 출발점

   1. 과학 계산: GPU는 유체역학(Fluid Dynamics), 입자물리학(Particle Physics), 양자화학(Quantum Chemistry)을 병렬로 계산한다.
   2. 시각·영상 처리: 컴퓨터 그래픽, 이미지 처리, 이미지 재구성에도 병렬 계산 능력을 활용한다.
   3. AI 가속: 이런 범용 병렬 처리 구조가 인공지능을 매우 잘 실행하는 기반이 됐다.

2. 폐쇄형부터 물리 모델까지 포괄한다

   1. 모델 지원: 모든 폐쇄형 모델과 오픈 모델, 언어 모델, 대형·소형 모델을 지원한다.
   2. 과학·현실 모델: 물리 모델과 생물학 모델도 실행하며, 모든 AI 모델과 데이터 처리·병렬 처리 작업에 적용할 수 있다.

6.2. 범용 아키텍처가 내구성을 만든다

1. 배치 위치가 넓다

   1. 클라우드·온프레미스·엣지: NVIDIA GPU는 모든 클라우드에 있고, 온프레미스와 엣지에서도 사용할 수 있다.
   2. 현실 세계 시스템: 로봇 시스템과 자율주행차에도 들어간다.

2. 빠른 변화에 대응한다

   1. 14세대 아키텍처: NVIDIA는 이 기술을 오랫동안 개발해 현재 14세대 아키텍처까지 발전시켰다.
   2. 소프트웨어로 지속 개선: 범용적이고 전환 가능한 구조에 소프트웨어 개선을 계속 더해 AI 모델과 알고리즘 변화에도 투자 가치를 보존한다.

7. AGI 이후에도 직업과 조직의 목적은 남는다

Huang은 앞으로 몇 년 안에 AGI가 실현될 것이며 실질적으로는 지금도 그 단계에 가까이 와 있다고 주장하지만, AGI가 곧바로 모든 회사의 문제와 모든 직업을 해결한다는 해석은 거부한다.

7.1. “이미 AGI에 도달했다”는 말의 의미

1. AGI의 시점과 의미

   1. 수년 내 달성: 사람들이 인공 일반 지능(Artificial General Intelligence, AGI)이라고 부르는 능력은 앞으로 몇 년 안에 달성될 것이다.
   2. 현재의 실질적 도달: Huang은 논리적으로 이미 오늘날 거의 그 지점에 도달했다고 말한다.
   3. 정의가 핵심이다: AGI라는 표현은 큰 의미를 가질 수도 있고 아무 의미가 없을 수도 있으므로, 무엇을 AGI라고 부르는지와 사회적 결과를 함께 따져야 한다.

2. AGI는 모든 활동에 영향을 준다

   1. 학습과 노동: 학습과 업무에서 사람이 수행하는 모든 과업이 영향을 받고 혜택을 얻는다.
   2. 전 산업의 변화: 모든 산업이 영향을 받지만, 영향받는다는 말이 모든 조직의 문제가 단번에 해결된다는 뜻은 아니다.

7.2. 교육은 인류가 만든 지능의 대규모 제조 시스템이다

1. 문명을 가능하게 한 교육 지능

   1. 지능의 제조: 인류는 수백 년 전 더 문명화된 사회를 만들기 위해 대학과 학교를 세우고 교육을 통해 지능을 제조했다.
   2. 안정성의 대규모 생산: 학교와 대학은 지능뿐 아니라 사회적 안정성을 대규모로 생산했으며, 교육 없이는 현대 문명이 가능했을지 묻기 어렵다.

2. AI는 교육의 디지털 버전이다

   1. 대규모 디지털 지능: AI는 지능을 디지털 방식으로 대규모 제조한다.
   2. 접근성 확대: 최고 수준의 교육에 접근하지 못했던 국가와 사람도 이제 최고 수준의 교육이 주는 혜택에 가까이 갈 수 있다.
   3. “모두가 박사 학위를 가진 것처럼”: Howard Lutnick은 AI가 모든 사람의 손끝에 모든 분야의 박사 수준 지식을 제공하며, 교육을 담은 봇을 통해 필요한 전문가를 직접 찾지 않아도 된다고 정리한다. Huang은 “이제 모두가 그 사람이다”라고 동의한다.

7.3. AGI가 직업을 없애지 않는 이유

1. 똑똑한 신입사원도 맥락이 필요하다

   1. 사고 실험: 모든 신입사원이 Stanford, Harvard, MIT, ETH 출신의 매우 똑똑하고 잘 교육된 인재라고 가정해도 기업은 그들을 바로 생산적으로 만들 수 없다.
   2. 온보딩의 본질: 기업은 신입사원에게 조직의 맥락(Context), 목적(Purpose), 관련성(Relevance), 각종 정보와 접근 권한을 제공하는 데 상당한 투자를 한다.
   3. AI에도 하네스가 필요하다: AGI도 회사와 산업의 환경, 업무 맥락, 목적, 관련성을 둘러싸야 생산적 일을 수행할 수 있다. 그 환경을 만드는 일이 기업과 리더의 역할이다.

2. 자동화되는 과업과 남는 직업을 구분한다

   1. 직업의 정의: 직업은 목적·맥락·의미로 정의된다.
   2. 자동화 대상: 직업 안에서 이뤄지는 타이핑, 말하기 같은 기술과 개별 과업은 AI가 자동화한다.
   3. 남는 핵심: 직업의 목적과 의미는 남는다. 따라서 AGI가 연결됐다고 회사가 하룻밤 사이에 자동으로 더 생산적이 되거나 모든 직업이 사라지지는 않는다.

3. 사람과 조직은 슈퍼차지된다

   1. NVIDIA의 현재 활용: NVIDIA는 회사 전체에서 AI를 사용하며, Anthropic·OpenAI·Cursor 같은 상용 AI를 가능한 곳에 적용한다.
   2. 자체 지능 구축: 동시에 NVIDIA는 자체 맞춤형 AI도 많이 만든다.
   3. 국가와 기업의 원칙: 모든 국가와 회사는 상용 AI를 최대한 활용하되 자체 지능을 만드는 데도 투자해야 한다. 지능 전체를 다른 회사에 아웃소싱할 수 없으므로 필요한 만큼 직접 구축해야 한다.
   4. 일자리 소멸론에 대한 결론: 사람이 수행하는 목적 있는 일은 남고 과업이 자동화되면서 사람은 더 강해진다. 모든 일자리가 제거된다는 주장은 이러한 맥락을 무시한 결론이다.

8. AI가 키우는 인류의 야망과 성장 목표

AI의 핵심 효과는 기존 활동을 빠르게 하는 데 그치지 않고, 개인·기업·국가가 과거에는 공상과학으로 여겼을 규모의 목표를 세우게 하는 데 있다.

8.1. 시간과 역량의 압축

1. 슈퍼차지된 야망

   1. 문명 수준의 야망: 오늘날 인류는 100년 전 사람들이 미쳤거나 공상과학이라고 여겼을 일을 현실적인 목표로 생각한다.
   2. 다음 5~10년: Huang은 앞으로 5~10년 동안 사람들이 얼마나 더 야심 차게 행동할지, 그것이 가장 흥미로운 시기라고 말한다.
   3. 개인의 참여: 오랫동안 일해 온 Huang도 일을 하지 않아도 되지만 다음 10~15년을 절대 놓치고 싶지 않다고 말한다. 산업·동료·자신의 야망이 모두 슈퍼차지됐기 때문이다.

2. 10년의 일을 1년으로 줄인다

   1. 시간 압축: 앞으로 5~10년 안에 10년 걸리던 일이 1년 걸리고, 1년 걸리던 일이 한 달로 줄어들 수 있다.
   2. 투자 규모의 변화: 과거에는 100만 달러가 큰 투자였지만 이제는 수조 달러 규모의 투자가 논의된다.

8.2. 100조 달러 산업을 겨냥하는 보통 사람

1. 기회의 규모가 바뀐다

   1. 평균적 개인의 영향력: 이제 평범한 사람도 100조 달러 규모의 산업에 영향을 줄 수 있다고 생각할 수 있다.
   2. 혁신가의 목소리: 혁신가·개인·기업·국가가 100조 달러 산업을 더 높이 끌어올리는 방법을 이야기하는 시대가 처음으로 열렸다.
   3. 경제적 혜택: 세계 경제에 20~50조 달러의 경제적 이익을 더할 수 있다고 생각하는 것 자체가 역사상 전례 없는 야망이다.

2. 성장은 공동의 목표다

   1. G20의 목표: Howard Lutnick은 함께 모인 목적을 성장으로 규정하며, 각국과 사회가 함께 성장하고 혜택을 얻는 것을 목표로 제시한다.
   2. 국가별 실행: 각국은 자국 인프라와 데이터센터를 투자해 AI를 스스로 포착하고 시민과 사회 전체가 혜택을 얻도록 해야 한다.
   3. 꿈의 상향 조정: 손끝에 지능이 있다면 더 높이 꿈꾸지 않을 이유가 없다. AI 역량이 커진 만큼 국가와 개인의 꿈도 더 커져야 한다.

주요 발언 모음

“토큰은 수많은 계산의 수학적 결과이며 지능을 나타낸다.” — Jensen Huang

“오늘날에는 달러/백만 토큰이다. 에너지와 같은 개념이며, 보이지 않지만 엄청나게 가치 있다.” — Jensen Huang

“AI는 에너지, 칩, 인프라, 모델, 데이터와 애플리케이션으로 이루어진 5층 케이크다.” — Jensen Huang

“모든 나라는 모든 층에서 승리하거나 전부 개발할 필요가 없다. 가장 중요한 일은 산업에 AI를 확산하는 것이다.” — Jensen Huang

“AI의 최악의 결과는 그 기회를 활용하지 못하고 뒤처지는 것이다.” — Jensen Huang

“가상의 이론적 피해를 규제하지 말고, 실제적이고 실용적인 피해를 규제하라.” — Jensen Huang

“앞으로 몇 년 안에 AGI에 도달하겠지만, 나는 우리가 사실상 오늘 이미 그곳에 와 있다고 주장하겠다.” — Jensen Huang

“직업은 목적·맥락·의미로 정의된다. 타이핑과 말하기 같은 과업은 자동화되지만 직업의 목적은 남는다.” — Jensen Huang

“모든 국가와 회사는 다른 누군가에게 지능 전체를 아웃소싱할 수 없다. 가능한 만큼 사용하되 필요한 만큼 자체 지능을 만들어야 한다.” — Jensen Huang

“10년 걸리는 일은 1년이 되고, 1년 걸리는 일은 한 달이 될 것이다.” — Jensen Huang

“이제 손끝에 이 모든 지능이 있는데 어떻게 더 높이 꿈꾸지 않을 수 있겠는가?” — Jensen Huang

핵심 데이터 & 수치

• 달러/백만 토큰: 컴퓨트가 만든 지능을 에너지의 달러/킬로와트시와 유사한 경제 단위로 표현한다.
• 약 1,000만~3,000만 명: 지난 50년 동안 컴퓨터를 설계·프로그래밍해 직접 활용할 수 있었던 사람의 대략적 범위다.
• 5개 층: 에너지 → 칩 → 인프라/데이터센터 → AI 모델 → 데이터·애플리케이션으로 이어지는 AI 스택이다.
• 수십만 개 일자리: 미국의 칩 팹, 컴퓨터 공장, AI 공장 등에서 AI 인프라가 창출하는 일자리 규모다.
• 거의 1조 달러: 해당 연도에 미국 인프라에 투입될 것으로 제시된 투자액이다.
• 1GW당 약 500억~600억 달러: 대규모 AI 인프라 한 기가와트의 건설 비용이다.
• 250억 달러: 과거 거대한 투자로 여겨졌던 반도체 팹 건설 비용의 비교 기준이다.
• 100GW: NVIDIA가 현재부터 10년의 끝 무렵까지 세계의 지능 생산을 위해 건설하려는 규모다.
• 14세대: NVIDIA가 개발해 온 GPU 아키텍처 세대다.
• 10년 → 1년, 1년 → 1개월: AI가 업무와 혁신의 시간을 압축할 것이라는 전망이다.
• 100조 달러: 개인·기업·국가가 영향을 미칠 수 있다고 제시된 AI 산업 규모다.
• 20~50조 달러: 세계 경제에 추가할 수 있다고 제시된 경제적 혜택의 범위다.

결론 및 시사점

1. AI를 챗봇이나 소프트웨어 기능으로만 보면 에너지·칩·데이터센터·모델·애플리케이션이 연결된 국가 인프라 전환을 놓치게 된다.
2. 각국은 5층 스택 전체의 패권을 차지하려 하기보다 자국이 강점을 가질 층을 선택하고 모든 산업에 AI를 확산해야 한다.
3. 데이터센터는 지역 경제의 디지털 지적 용량이므로, 연구자·학생·스타트업·산업이 실제로 사용할 수 있는 지역 인프라를 구축해야 한다.
4. 범용성과 내구성을 갖춘 인프라에 투자해야 급변하는 모델과 알고리즘이 기존 투자를 무용하게 만드는 위험을 줄일 수 있다.
5. LLM에 에이전트 하네스와 디지털·물리적 도구를 연결하면 AI는 로봇·자율주행·제조·물류·의료·신약 개발로 확장된다.
6. AI 안전은 발전 중단이 아니라 공학적 책임, 실제 피해에 대한 정밀한 규제, 반복 개선과 함께 달성해야 한다.
7. 국가 지도자는 공포와 불확실성만 강조하지 말고 안전을 공급자 책임으로 다루면서 AI가 가져올 번영과 성장도 함께 제시해야 한다.
8. AGI는 교육을 통해 지능을 제조하던 인류의 방식을 디지털 규모로 확장하지만, 조직에 맥락·목적·환경을 부여하는 일은 여전히 사람과 리더의 책임이다.
9. 자동화되는 것은 직업을 구성하는 일부 과업이며, 목적·맥락·의미로 정의되는 직업과 인간의 야망은 AI와 함께 더 강해진다.
10. AI를 상용 서비스로 적극 활용하면서도 국가와 기업의 자체 지능을 구축해야 외부 모델에 지능 전체를 종속시키지 않을 수 있다.
11. AI가 제공하는 시간·지능·인프라의 압축은 10년의 일을 1년으로 줄이고, 평범한 사람도 100조 달러 산업에 영향을 주게 만들 수 있다.
12. G20 국가가 채택해야 할 최종 태도는 기회를 두려워해 뒤처지는 것이 아니라, 인프라를 건설하고 성장을 포착하며 더 높은 꿈을 실행하는 것이다.