한국을 거대한 AI 공장으로… 엔비디아가 한국 전체를 AI로 묶는 이유 | 삼성·SK·현대차·네이버의 역할 | 샌프란시스코 AI Summit

0:00 네, 여러분 안녕하세요. 패치입니다. 지난 7월 24일 미국 샌프란시스코에서 평소 한 자리에서 보기 어려운 인물들이 모두 모였는데요. 엔비디아의 젠슨 황, 오픈 AI의 샘트완, 앤트로픽의 다리오 아모데이, 그리고 브루드컴의 혹탕. 한국에서는 삼성전자의 이재용 회장이랑 SK 그룹 최태원 회장, 현대 자동차 그룹의 정의선 회장이랑 네이버 이해진 회장이 참석을 했습니다. 행사가 끝난 뒤에는 이재용 회장이랑 정의선 회장 그리고 이해진 의장이 엔비디아 본사를 찾아서 젠슨 헌과 함께 찍은 사진도 공개가 됐죠. 이번 서밋에는 AI 모델을 만드는 회사부터 반도체와 통신, 인터넷과 자동차를 대표하는 기업까지 모두 한 자리에 모였습니다. 그리고 행사 전으로 상당히 큰 협력 발표들이 쏟아졌는데요. 그런데 발표 내용이

0:46 워낙 많다 보니까 하나씩 따라가다 보면 전체 큰 그림을 놓치기가 쉽습니다. 그래서 오늘은 새 기업의 역할을 증점적으로 말씀드리려고 합니다. 먼저 네이버는 데이터와 모델을 담당합니다. 검색과지도 자체 서비스에서 얻은 데이터를 이용을 해서 모델이랑 AI 에이전트를 만드는 역할이죠. 그리고 SK텔레콤은 컴퓨팅 인프라를 담당하는데요. 이런 모델을 학습하고 운영할 기가W급 AI 팩토리를 구축하려고 합니다. 마지막으로 현대차는 현실 세계 검증을 담당하고 있어요. 모델을 공장과 자동차 로봇에 투입을 하고 그 과정에서 실제 성공이랑 실패 데이터를 다시 만들어 냈는데요. 그리고 엔비디아는 네모트론이랑 합성 데이터, DSX, AI 팩토리랑 코스모스를 이용을 해서이 세 영역을 하나의 순환

1:32 구조로 연결하려고 하고 있습니다.이 구조가 중요한 이유가 있는데요. 기존의 AI 개발은 거대한 모델을 한 번 학습한 뒤에 배포하는 방식에 가까웠습니다. 하지만 엔비디아가 그리고 있는 다음 단계에서는 학습이 끝나지 않죠. 현실에서 모델을 사용을 합니다. 어떤 질문을 잘못 이해했는지, 에이전트가 어느 단계에서 실패를 했는지, 로봇이 어떤 상황에서 물체를 놓쳤는지 확인을 하고요. 부족한 상황은 합성 데이터로 만들어서 다시 학습을 하는데요. 개선된 모델을 서비스와 공장, 로봇에 재배포한 뒤에 또 다른 데이터를 얻습니다. 데이터 생성, 모델 학습, 현실 배포, 실패 수집, 그리고 제학습. 엔비디아가 한국에 만들려는 거는 단순한 GPU 공급망이 아니라요.이 순환이 계속 돌아가는 거대한 AI 학습 시스템입니다. 어,이 이야기는 지난

2:20 4월 서울에서 이미 시작이 됐는데요. 이번 샌프란시스코 발표를 이해하려면 지난 4월에 서울에서 열린 엔비디아 네모트론 디벨로퍼 데이스를 다시 볼 필요가 있습니다. 안젤 공학에서도 당시 에런 님이 직접 현장을 찾아가서 소식을 전해 드렸었죠. 그리고 엔비디아의 브라이언 카탄자로 부사장이랑도 인터뷰를 진행을 했는데요.이 행사는 그동안 GTC에서 진행이 되던 네모트럼 개발자 행사가 한국에서 처음 열린 자리였습니다. 국내 AI 개발자랑 연구자 약 500명이 참석을 해서 모델이랑 데이터 AI 에이전트 개발 전략을 모두 살펴봤었죠. 당시 행사의 핵심도 새로운 언어 모델 하나를 소개하 있지 않았고요. 모델의 사전 학습이랑 사후 학습, 그리고 강화 학습과 합성 데이터 생성, AI 에이전트 구축까지

3:05 전체 개발 과정을 다뤘었는데요. 브라이언 카탄자로 부사장은 네모트론을 하나의 모델보다는 모델이랑 데이터, 학습 레시피랑 개발 도구를 함께 제공하는 생태계의 전략으로 설명을 했습니다. 그리고이 행사에서 꽤 특이한 실험 결과가 소개됐었죠. 일반적인 글로벌 LLM에 별도의 통계 조건 없이 가상의 한국인을 만들어 보라고 했더니 실제 한국 사회와 상당히 동떨어진 페르소나가 생성이 됐었습니다. 일부 모델에서는 한국인의 직업이 유자 재배 농민이라던가 요양보호사처럼 특정 직업에 과도하게 몰리기도 했는데요. 그리고 선호하는 음식에서도 샐러드가 지나치게 많이 등장하는 결과가 나오기도 했죠. 한국의 농민이랑 요양 보호사는 물론 존재하고 샐러드가 좋아하는 사람도 물론 있겠죠. 문제는 모델이 이것을

3:50 실제 한국 사회의 비율과는 전혀 관계 없이 한국인을 대표하는 특성처럼 과도하게 일반화했다는 것인데요. 왜 이런 결과가 나올까요? 언어 모델이 알고 있는 한국은 실제 한국 사이를 균형 있게 조사를 해서 만든 모습이 아니기 때문입니다. 인터넷에 자주 등장하는 뉴스랑 문서, 영어로 번역된 한국 관련 콘텐츠를 통해서 한국을 추정할 뿐이죠. 고령화 관련 기사에 요양 보호사가 자주 등장하게 되면 모델은이를 한국의 대표 직업처럼 받아들일 수가 있습니다. 그러니까 한국어 문장을 자연스럽게 만드는 것이랑 한국 사회의 실제 구성이랑 문화를 이해하는 거는 전혀 다른 문제인 거예요. 그럼 엔비디아는 왜 가상의 한국인을 만들었을까요? 엔비디아가 공개한 해법이 네모트럼 패스나스 코리아입니다. 실제 한국인의

4:36 개인 정보를 모은 데이터가 아니고요. 통계청의 국가 통계 포털이랑 대법원, 국민 건강보험 공단, 농촌 경제 연구원 등의 공공 통계를 바탕으로 한국 사회의 분포를 반영한 가상의 인물들을 합성한 건데요. 공개된 확장 데이터셋은 100만 개의 한국업 레코드로 구성이 되고 직업이란 금융, 의료, 여행, 음식, 가족 등 여러 관점의 페르소나 설명이 포함이 됩니다. 연령이랑 성별, 학력과 직업 그리고 거주 지역뿐만이 아니라 소득 구간이랑 주거 형태, 건강이랑 소비 성향까지 모두 조건으로 사용할 수 있는 거죠. 음. 그럼 예를 들어서 같은 예방 접종 안내 서비스를 만든다고 해 볼게요. 농촌에 거주하는 70대 사용자랑 수도권의 20대 직장인에게 필요한 설명은 다를 수 있겠죠. 고령자에게는 접종 장소랑

5:22 보행자 동행 여부를 먼저 알려줘야 할 수도 있고 젊은 직장인에게는 모바일 예약 절차랑 운영 시간이 더 중요할 수도 있겠죠. 합성 페르소나는 실제 개인 정보를 대규모로 모으지 않고도 이런 다양한 사용자를 시뮬레이션하게 해 줍니다. 물론 이것을 실제 한국사위 완벽한 복재분으로 보면 곤란하고요. 어 공개된 데이터 설명에도 통계 부족으로 인해서 일부 변수 사이에는 독립 과정이 적용됐다고 명시되어 있는데요. 왜냐하면 현실에서는 성별이랑 학력, 전공이랑 소득, 지역이랑 세대가 복잡하게 얽혀서 직업과 생활 방식에 영향을 미치고 있고 공개 통계만으로는 그 모든 상호 작용을 제연할 수는 없죠. 따라서 합성 페르소나는 디지털 국민을 완벽하게 만드는 기술이라기보다는 모델이 경험하지 못한 사용자를 넓히는

6:08 훈련용 시뮬레이터에 가깝습니다. 여기에서 중요한 거는 합성 데이터의 양이 아니고요. 모델에 어떤 약점을 고치기 위해서 어떤 데이터를 만드느냐가 핵심입니다. 모델이 법률 문제에서 자꾸 틀린다면 법률 질문이랑 해설을 더 생성할 수 있겠죠. 외부 도구를 잘못 호출한다면 올바른 함수 선택이랑 실행 순서를 포함한 데이터를 새로 만드는데요. 한국의 특정 직업이라든가 세대에 편양된 답변을 한다면 실제 통계에 맞춰서 더 다양한 페르소나와 대화를 생성할 수 있습니다. 좋은 선생 모델이 문제와 해설을 만들고 평가 모델이 부정확한 결과를 걸러내죠. 그리고 품질이 확인된 데이터만 학생 모델이 다시 학습하는 구조입니다. 엔비디아가 네모트론 모델만 공개하지 않고 데이터 생성이랑 정제, 사후 학습, 평가

6:53 도구까지 함께 제공하는 이유도 여기에 있습니다. 완성된 모델 하나를 공급하는 대신에 기업이 모델의 부족한 부분을 찾아서 계속 고칠 수 있는 그런 생산 라인을 제공하려는 거죠. 그리고이 관점에서 보면 이번 샌프란치시스코 발표들이 하나로 연결되기 시작하는데요. 먼저 네이버입니다. 네이버는 자체 데이터랑 학습 기술을 결합을 해서 하이퍼클로바 X를 엔비디아의 네모트론 3 울트라 기반으로 발전시키겠다고 밝혔어요. 네모트론 연합에도 참여를 해서 사전 학습이랑 사후 학습, 강화 학습 전반에 기여할 계획이죠. 올해 하반기에는 네모클로 블루프린트를 포함한 엔비디아 에이전트 툴킷 기반의 AI 에이전트 플랫폼도 국내에 출시할 예정이라고 합니다. 이거는 네이버가 그동안 이야기해온 솔버린 AI 전략이랑은 분명히 차이가 있는데요.

7:39 네이버는 기존에 자국의 기술이랑 데이터로 파운데이션 모델을 처음부터 직접 만들고 운영할 수 있어야 한다는 점을 강하게 강조해 왔어요. 한편 이번에는 글로벌 오픈 모델을 기반으로 사용을 하고 그 위에 자치 데이터랑 학습 기술을 결합을 하겠다는 얘기입니다. 그래서 일각에서는 네이버가 자체 모델 경쟁을 포기를 하고 외부 AI를 국내에 공급하는 AI 유통회사로 내려간 거 아니냐라는 그런 날선 비판도 나오는데요. 과거에는 독자 파운데이션 모델을 기술 주권의 핵심이라고 열심히 열변을 토하다가 시장 상황이 바뀌자 소월린 AI 기준을 수정한 거 아니냐는 지적이죠.이 이 날카로운 비판에는 충분히 짚어볼 부분이 있습니다. 다만 AI 시장이 바뀌는 속도 역시 함께 봐야 하는데요. 글로벌 오픈 모델의 성능은 매우 빠르게 높아지고 있고

8:25 거대한 기반 모델을 처음부터 학습하는데 들어가는 컴퓨팅이랑 비용도 계속 증가를 하고 있습니다. 이런 상황에서 과거의 명분을 지키기 위해서 매번 기반 모델 전체를 처음부터 다시 만드는 것이 항상 최선이라고 단정하기는 조금 어렵지 않을까요? 그렇다면 네이버가 정말 지켜야 할 경쟁력은 모든 가중치를 처음부터 직접 만드는 일일까요? 아니면 검색이랑 쇼핑, 지도와 기업 서비스에서 얻은 데이터를 이용을 해서 모델을 한국의 산업이랑 사용자에게 맞게 바꾸는 능력일까요? 이번 선택은 AI를 포기했다기보다는 경쟁할 층을 파운데이션 모델 자체에서 데이터랑 사후 학습, 서비스 운영으로 옮기는 그런 전략 전환으로 볼 수 있을 것 같습니다. 그 전환이 성공하려면 단순히 외브 모델을 가져와서 제공하는 데서 끝나서는 물론 안 되죠.

9:12 네이버만 가진 데이터로 얼마나 다른 모델이랑 서비스를 만들어 내는지가 핵심이 될 거예요.이 지점에서 하이퍼클로버 X보다 더 흥미로운 발표가 하나 있는데요. 그건 바로 엔비디아 코스모스를 기반으로 개발하는 서울 월드 모델입니다. 네이버는 자체 거리랑 공간 모델링 데이터를 이용을 해서 서울의 실제 도로랑 공간 구조를 제현하는 월드 모델을 개발을 하고 있는데요. 기존에 공개된 모델은 서울 저녁에서 수집한 120만 장의 파노라마 이미지를 학습에 활용을 했습니다. 지도는 건물과 도로가 어디에 있는지를 보여주죠. 월드 모델은 그 공간에서 차량과 사람 로봇이 어떻게 움직이고 다음 순간에 어떤 상황이 벌어질지를 예측하는 방향으로 발전을 합니다. 글로벌 AI 기업도 한국어 텍스트는 학습을 할 수가 있죠. 하지만 서울의 골목이란

9:59 건물 있고 도로와 상점, 보행 환경에 대한 데이터를 네이버만큼이나 오랫동안 축척한 기업은 많지가 않은데요. 네이버가 글로벌 모델이랑 차별화할 수 있는 자산은 한국어 텍스트라기보다는 오히려 한국의 현실 공간을 디지털로 쌓아온 그 데이터일 수 있습니다. 물론지도 데이터를 보유했다고 해서 곧바로 정확한 월드 모델이 완성되는 건 아니고요. 시간에 따른 움직임이랑 물리적 상호 작용 그리고 실제 센서랑 행동 데이터를 더 결합을 해야 하죠. 그래서 지금은 그냥 가능성을 보여주는 개발 단계로 보는 편이 더 정확합니다. 네. 그리고 네이버가 데이터와 모델을 맞는다면 SK텔레콤은이를 학습하고 실행할 대규모 컴퓨팅 기반을 만들려고 하는데요. SK 그룹이랑 엔비디아는 SK 텔레콤이 최대 2GW 규모의

10:45 베라루빈 DSX AI 팩토리를 구축을 하고 SK하이닉스가 차세대 AI 메모리를 장기 공급하고 공동 개발하는 협력 계획을 발표를 했습니다. 양측은이를 구체화하기 위한 의향서를 체결을 했고요. 첫 AI 팩토리는 2027년 가동을 목표로 하고 있다고 합니다. HBM이 왜 필요한지는 저희 채널에서도 여러 차례 설명을 드린 적이 있죠. 이번에 새롭게 봐야 할 부분은 SK가 메모리를 공급하는 데서 끝나지 않는다는 것이에요. SK 하이닉스가 AI 시스템에 들어갈 메모리를 만들고 SK텔레콤은 그 메모리랑 엔비디아 시스템이 들어간 AI 팩토리를 직접 운영을 하게 됩니다. 부품 판매랑 컴퓨팅 서비스가 하나의 그룹 안에서 연결이 되는 거죠. SKT가 만들려는 시설도 일반적인 서버 임대용 데이터 센터랑은

11:32 성격이 좀 다른데요. 기업들이 자치 데이터를 가져와서 모델을 사후 학습하고 AI 에이전트를 운영을 하고 대규모 출론이랑 피지ical AI 시뮬레이션을 수행하는 그런 공용 생산 시설에 가깝죠. 홍신사가 가진 전국망이란 기업, 고객, 데이터 센터 운영 경험 위에다가 AI 컴퓨팅을 추가를 하는 겁니다. 여기서 경쟁력은 GPU를 몇 개 구매했느냐만으로는 결정되지 않는데요. 같은 전력 안에서 GPU를 얼마나 높은 이용률로 돌릴 수가 있는지 서로 다른 고객 데이터를 안전하게 격리를 하면서 학습이랑 추론 작업을 얼마나 효율적으로 배치하는지가 중요해요. NDI의 DSX 역시 GPU랑 네트워크뿐만이 아니라 전력이랑 냉각, 운영, 소프트웨어까지 다 검증이 된 AI 팩토리 구조로 묶는 그런 플랫폼입니다. SK텔레콤이랑 엔비디아가 차세대 AI

12:19 팩토리 아키텍처를 함께 연구하려는 이유도요. 단순한 구매자 역할에서 머무르는게 아니라 운영 기술을 확보하기 위해서라고 볼 수 있습니다. 자, 그럼 네이버가 데이터랑 모델을 만들고 SKT가 컴퓨팅을 공급을 한다면 현대차는 모델이 현실에서 작동을 하는지를 검증하는데요. 피지컬 AI에서는 텍스트랑 이미지 데이터만으로는 부족하죠. 로봇이 부품을 집다가 놓친 순간 그리고 특정 조명에서 카메라가 물체를 잘못 인식한 순간 작업자랑 로봇의 동선이 겹친 상황 같은 그런 현실의 행동 데이터가 필요한데요. 현대차 그룹은 이번 서밋에서 엔비디아랑 로봇 레퍼런스 플랫폼을 공동 개발하겠다고 발표를 했습니다. 대학이랑 연구 기관 그리고 스타트업에 연구용 로봇 모델이랑 공통 개발 환경을 제공을 해 가지고 한국의

13:05 로봇 피지컬 AI 생태계를 키우겠다는 계획인 거죠. 현재의 로봇 연구는 기간마다 사용하는 하드웨어랑 센서, 제어 방식이 다릅니다. 어떤 연구팀이 좋은 모델을 만들어도 다른 로봇에서는 그대로 작동하지 않을 수도 있는데요. 팔 길이랑 관절 구조, 카메라 위치 그리고 명령 체계가 모두 다 다르기 때문이에요. 현대차랑 엔비디아가 공통된 레퍼런스 플랫폼을 만들게 되면 대학이랑 스타트업이 개발한 모델을 실제 로봇이랑 공장으로 이전하기 훨씬 쉬어질 수도 있겠죠. 엔비디아는 커스머스랑니버스, 로봇용 컴퓨팅이랑 시뮬레이션 환경을 제공합니다. 현대차는 공장이랑 차량 보스턴 다이네믹스의 로봇처럼 모델을 실제로 배치를 하고 검증할 환경을 갖고 있는 거죠. 현실에서 로봇이 실패하면 같은 상황을 가상 환경에서

13:51 제연을 하게 되는데요. 조명이랑 물체 위치, 마찰이랑 작업 조건을 조금씩 바꾼 합성 장면을 대량으로 만들어 가지고 다시 학습을 시키는 거죠. 그렇게 개선이 된 모델을 현실에 배포를 하고 또 다른 성공이랑 실패 데이터를 얻습니다. 현대차가 이거를 현실의 운영 데이터랑 지속적인 AI 모델 향상을 연결하는 데이터 플라이휠회이라고 표현한 이유입니다. 현대차가 가진 가장 중요한 자산은 로봇 한 대가 아니에요. AI가 현실에서 일하고 실패하고 다시 배울 수 있는 그런 공장이랑 차량 로봇 환경인 거죠. 인터넷 텍스트는 경쟁사도 확보를 할 수가 있지만 실제 공정에서 로봇이 왜 실패를 했고 어떤 조치로 성공을 했는지는 현장을 운영하는 기업만 알 수 있는 겁니다. 자, 그럼 이제 처음에 말씀드린 새 기업의 역할을 다시 연결해 볼

14:37 건데요. 네이버는 검색이랑지도 서비스에서 데이터를 확보를 하고 이거를 모델이랑 AI트에 적용을 하고요. SKT는 모델이 학습을 하고 실행될 대규모 컴퓨팅 공장을 운영을 하려고 하는데요. 거기에다가 현대차는 모델을 공장이랑 차량 로봇에다가 배치를 해서 현실의 행동 데이터랑 실패 사례를 만들어내는 거죠. 현대차에서 발생한 실패가 새로운 학습 문제가 되고 또 네이버랑 연구 기간은 부족한 사용자 상황을 합성 데이터로 확장을 할 수가 있죠. SKT랑 네이버의 AI 팩토리에서 모델을 다시 학습을 하고요. 개선된 모델을 현실에 재배포합니다. 그러니까 엔비디아가 한국에서 만들려는 거는 세 가지 종류의 공장이라고 볼 수 있는데요. 첫 번째는 SKT랑 네이버의 컴퓨팅 공장입니다. 두 번째는 네모트론이랑

15:22 합성 데이터 도구가 만드는 데이터 공장이죠. 그리고 세 번째는 현대차의 공장이랑 차량, 네이버의 검색이랑 도시 공간이 담당을 하는 현실 검증 공간이고요. 컴퓨팅 공장은 모델을 학습을 하고 데이터 공장은 모델이 경험할 문제를 만들어 내고요. 현실 검증 공장은 모델이 뭘 모르는지 찾아냅니다. 그리고 그 실패가 다시 데이터랑 학습으로 돌아가는 그런 선순한 구조가 되는 거고요. 근데 그러면 왜 엔비디아는 네모트론 오픈 모델이랑 데이터셋, 학습 도구까지 공개를 하는 걸까요? M비디아의 핵심 사업은 여전히 컴퓨팅이죠. 네모트론 모델 자체를 판매하는 것만이 목적이라면 굳이 가중치랑 합성 데이터, 사후 학습 레시피까지 공개할 이유는 그닥 없는데요. 엔비디아가 원하는 거는 더 많은 기업이 모델을

16:08 가져와 가지고 계속 수정을 하고 개선하게 만드는 거예요. 그러니까 기업이 네모트론 같은 오픈 모델을 가져오고요. 자체 데이터로 사호 학습한 뒤에 에이전트나 로봇을 실제 업무에 배치를 하죠. 그리고 실패 사례를 수집을 하고 부족한 상황을 합성 데이터로 만들고 다시 학습을 한 뒤에 또 배포를 하고요.이 과정이 반복이 되면 AI 학습은 한 번 하고 끝나는 프로젝트가 아니라 상시적으로 돌아가는 그런 산업 공정이 돼 버리는데요. 모델이 현실에서 더 많이 사용이 될수록 다시 학습을 해야 될 데이터랑 컴퓨팅 수요가 또 늘어나겠죠. 네모 트러는이 순환을 시작을 하기 위한 기본 모델이에요. 네모 계열 도구는 데이터를 만들고 모델을 학습을 하죠. 님이랑 다이나몬은 모델을 배포를 하고 대규모 출론을 운영을 하고요. 네모클론은 모델의 실제 도구를 사용을 하면서

16:53 여러 단계 업무를 수행을 하도록 연결을 합니다. 코스모스랑 업니버스는 현실 세계랑 피지ical AI를 학습을 하고 검증을 하는 환경을 제공을 하고요. 그리고 그 아래에는 엔비디아 GPU랑 네트워크 DSX AI 팩토리가 있습니다. 엔비디아가 그리고 있는 거는 GPU 한 장에 판매해서 끝나지 않아요. 그거를 훨씬 넘어서는 데이터를 만들고 모델을 고치고 현실에 배포한 뒤에 다시 학습을 하는 그런 전체 AI 수명 주기입니다. 한국은이 구조에서 단순한 GPU 구매자가 아니에요. 삼성이랑 SK 하이닉스는 AI에 필요한 메모리랑 반도체 제조 능력을 가지고 있죠. 그리고 SKT랑 네이버는 데이터 센터에다가 기업 고객 대규모 서비스 운영 경험을 가지고 있는데요. 네이버에는 검색이랑지도 공간 데이터도

17:39 있고요. 현대차에는 공장이랑 차량 로봇이라는 현실 검증 환경이 있죠.이 이 자산들은 엔비디아가 절대 혼자 만들 수 있는게 아니에요. 그러니까 엔비디아 입장에서도 한국은 메모리만 공급하는 국가가 아닙니다. AI 모델을 학습을 할 인프라가 있고 실제 서비스랑 제조 현장에서 모델을 시험을 할 수가 있고 그 결과를 다시 데이터로 만드는 산업 기반도 있는 거고요. 그래서 이번 서밋에서는 엔비디아가 카이스트랑 에이전틱 AI 공동 연구소를 만들고요. 서울대랑 카이스트 기계 공학가까지 피지컬 AI랑 기반 모델 연구에 연결하는 발표가 함께 나왔죠. 이제 AI 경쟁력은 모델을 하나 잘 만드는 것만으로는 설명하기가 어렵습니다. 컴퓨팅이랑 데이터, 실제 산업 현장, 연구 인력이 얼마나 빠르게 하나의 학습 루프로 다 이어지는지가 정말

18:25 중요해지고 있어요. 한국의 강점은이 루프의 여러 지점을 한 국가 안에 동시에 가지고 있다는데 있습니다. 여기에서 이번 서밋에 또 다른 발표를 하나 볼게요. 삼성전자는 브로드컴이랑 향후 5년 동안 2,억 달러 이상 규모의 전략적 협력을 추진하기로 했는데요. HBM을 포함한 첨단 메모리뿐만이 아니라 2n노 이하 파운더리랑 2.3D, 2.5D 첨단 패키징까지 함께 협력을 하기로 했어요. 새로운 모델을 개발을 하고 다양한 작업을 처리를 할 때는 범용성이랑 소프트웨이어 생태계를 갖춘 M비디어 플랫폼이 강점을 가지겠지만 반면에 특정 서비스에서 같은 출론을 수십억번 반복을 하는 빅테크 기업들은 자기들의 작업에 맞는 그런 커스텀 AI 가속기를 더 많이 도입하려고 하죠. 브로드컴은 이런 커스텀 AI 반도체를 설계를 하고 연결하는

19:11 대표적인 회사인데요. 그러니까 결국 미래의 AI 시장은 크게 두 축으로 확대가 될 수 있을 것 같아요. 한쪽에서는 엔비디아가 GPU랑 AI 팩토리, 모델이랑 로봇까지 연결하는 범용 AI 플랫폼을 확장을 하고요. 다른 한쪽에서는 브로드컴을 중심으로 빅테크 기업들의 맞춤형 AI 가속기가 늘어나는 거죠. 그리고 한국 기업들은이 두 축 모두에서 중요한 역할을 맡고 있습니다. SK 하이닉스는 M비DI의 차세대 플랫폼에 필요한 메모리를 공동 개발을 하고요. 삼성전자는 브로드컴의 커스텀 AI 가속기에 메모리랑 파운더리 첨단 패키징을 한꺼번에 제공을 하려고 하는 거죠. 그리고 현대차는 AI가 현실에서 작동을 할 산업 현장을 제공을 하고 네이버랑 SKT는 모델이랑 컴퓨팅 서비스의 운영자로 올라서 하는데요. 바로이 장면에서

19:57 이번 서밋에 진짜 의미가 드러납니다. 한국이 AI 모델 경쟁에 뒤늦게 참가한다는 이야기가 아니에요. AI 경쟁의 단위가 모델 하나에서 반도체랑 데이터 센터, 데이터랑 서비스, 그리고 공장과 로봇이 연결된이 산업 시스템 전체로 커지고 있습니다. 그리고 경쟁의 단위가 커질수록 한국이 이미 가지고 있던 메모리랑 제조업, 통신망이랑 인터넷 서비스의 가치도 함께 달라지고 있어요. 과거에는 한국이 AI에 필요한 부품을 공급을 했다면 앞으로는 AI를 계속 학습을 시키고 현실에 적용하는 과정 자체에 참여할 가능성이 정말 커지는 거죠. 엔비디아가 이번에 보여준 큰 그림도 바로 여기에 있습니다. GPU를 더 많이 판매하는 데서 끝내는게 아니라 각 나라와 기업이 자신들의 데이터로 모델을 만들고 AI 팩토리에서 계속

20:43 학습을 하고 에이전트랑 로봇을 현실에 투입하도록 만드는 거예요. 현실에서 새로운 데이터가 생기면 다시 네모트론이랑 코스모스 네모의 학습 과정으로 돌아가겠죠. 그리고이 순환이 반복될수록 더 많은 컴퓨팅이랑 더 많은 산업 파트너가 필요해지고요. 결국 다음 AI 경쟁에서 중요한 거는 가장 큰 모델을 만드는 능력이 아니라 모델이 현실에서 계속 배우도록 만드는 데이터랑 컴퓨팅, 산업 현장의 순환을 누가 가장 빠르게 구축을 하느냐? 샌프란시스코에서 한 자리에 모인 기업들이 전부 머릿속에 그리고 있는 그다음 AI 시대의 승부처가 바로이 지점입니다. 그럼 오늘은 여기까지 패치였습니다.