엔비디아는 어떻게 성장했는가

*이 글은 How They Grow 시리즈 중 엔비디아에 대해 다룬 글을 번역한 글입니다. 원문은 여기에서 보실 수 있습니다. 

1999년 엔비디아의 그래픽 처리 장치 발명은 현대 기술에서 가장 중요한 발전 중 하나인 GPU 가속 컴퓨팅을 가능하게 했습니다. 이를 통해 PC 게임 시장의 성장을 촉발하고 최신 컴퓨터 그래픽을 재정의했으며 병렬 컴퓨팅에 혁명을 일으켜 컴퓨터가 더 많은 일을 할 수 있도록 했습니다.

지난 몇 년 동안 엔비디아는 암호화폐 열풍과 함께 채굴에 필수적인 컴퓨팅 하드웨어가 처음으로 큰 폭의 성장세를 보였습니다. 그러나 암호화폐가 폭락하고 게임 산업이 침체되면서 수익이 감소했습니다.

그 후 ChatGPT가 등장하면서 AI 분야, 특히 생성 AI에 대한 관심이 폭발적으로 증가했습니다. 이는 AI 스택의 다양한 계층에서 경쟁을 촉발시켰습니다. 구글, 마이크로소프트, 메타, 오픈AI, 기타 AI 플레이어들이 경쟁을 벌이는 동안, 엔비디아는 거의 모든 칩을 만들기 때문에 많은 돈을 벌고 있습니다. 또한 엔비디아의 특수 칩은 기존 반도체보다 대량의 데이터를 더 효율적이고 비용 효율적으로 처리할 수 있기 때문에 그 누구보다 이러한 수요 증가의 혜택을 누리고 있습니다. 본질적으로 이 칩은 AI 연구의 기반이 됩니다.

엔비디아가 AI의 엔진이 되기에 완벽한 GPU 칩을 보유함으로써 로또에 당첨되었다고 생각할 수도 있습니다. 하지만 젠슨 덕분에 이 자리에 오르기까지 10년이 걸렸습니다. 이 회사의 칩은 2012년에 AlexNet Neural Network를 통해 AI 커뮤니티에 큰 반향을 일으켰으며, 다른 회사보다 훨씬 앞서 AI에 큰 베팅을 한 것은 분명합니다. 젠슨은 지난 5월 국립대만대학교에서 열린 기조연설에서 "우리는 딥 러닝을 추구하기 위해 모든 것을 걸었습니다."라고 말했습니다.

따라서 엔비디아는 AI의 물결을 타고 있지만 , 실제로는 컴퓨터, 로봇, 자율 주행 자동차의 두뇌 역할을 하는 GPU 기반 딥 러닝을 통해 현대 AI에 불을 붙인 것은 엔비디아입니다.

간단히 말해, 엔비디아는 AI, 머신 러닝, VR/AR, 빅 데이터, 사이버 보안, 게임, 암호화, 자율 주행 등 대부분의 고성장 분야와 긴밀하게 연결되어 있으며, 이들 분야는 모두 엔비디아의 칩에 의존하고 있기 때문에 엔비디아는 이러한 분야와 밀접하게 연결되어 있습니다. 따라서 이러한 고성장 분야 중 하나가 뜨거워지면 엔비디아도 뜨거워집니다.

요컨대, 엔비디아의 제품은 기술 분야에서 가장 중요한 메가 트렌드의 중심에 있습니다. 그리고 앞으로도 계속해서 다음 혁명의 선두에 서게 될 것이라고 믿어 의심치 않습니다. 이 글의 마지막 부분에서 엔비디아의 다음 혁신이 무엇인지 살펴보겠습니다. 

그럼 이제 본론으로 들어가 보겠습니다

오늘 글에서 기대할 수 있는 내용은 다음과 같습니다                                                                                                                     

엔비디아의 시작: 데니의 식당, Stumbled Steps, GPU 및 CUDA

- 올바른 방향, 잘못된 제품

- 게임에서 기회를 발견하고, 성공적인 GPU 전략을 세우고, 기본 레이어를 구축하는 방법

- CUDA 플랫폼으로 게임을 넘어 다양한 산업 분야로 확장하기

성장하는 방법: 인터넷의 다음 단계 지원

- 엔비디아 데이터센터: 하나의 플랫폼, 무제한 가속

- 칩 및 시스템: AIaaS- 고전적인 Pick and Shovel (금광을 캐는 사람들을 위해 청바지/장비를 판매하는) 플레이

- 엔비디아 옴니버스: 유용한 메타버스를 위한 플랫폼

- 자체적인 멀티 마켓 에코시스템 구축: TAM 확장에 대한 교훈

엔비디아의 다음 목표는 무엇일까요? 뉴로모픽 컴퓨팅? 

엔비디아의 시작: 데니의 식당, Stumbled Steps, GPU 및 CUDA                                      

엔비디아의 이야기는 엔지니어링의 혁신이 세상을 어떻게 발전시키는지 보여주는 사례입니다. 이 이야기를 시작할 수 있는 장소는 많지만, 1993년 4월, 총알구멍으로 뒤덮인 당시 이스트 산호세 지역의 허름한 식당이 가장 논리적인 장소라고 생각합니다. 세 명의 기업가적 전기 엔지니어인 Jensen Huang, Chris Malachowsky, Curtis Priem은 바닥이 탄 커피를 마시며 다음 컴퓨팅의 물결이 그래픽 기반이 될 것이라고 예상하며 깊은 대화를 나누고 있었습니다. 칩에 대한 이들의 대화가 컴퓨팅을 정의하는 회사의 토대가 될 것이라고는 아무도 생각하지 못했을 것이며, 지금도 그러합니다.

Chris는 이렇게 회상했습니다:

1993년에는 시장이 없었지만 우리는 파도가 다가오는 것을 보았습니다. 매년 5개월 간격으로 열리는 캘리포니아 서핑 대회가 있습니다. 일본에서 어떤 파도 현상이나 폭풍이 발생하면 모든 서퍼들에게 이틀 후에 파도가 올 테니 캘리포니아로 오라고 하죠. 바로 그런 것이었습니다. 우리는 시작 단계에 있었습니다.

그들은 다가오는 물결은 GPU의 초기 시장과 게임과 영화에 사실적인 3D 그래픽을 제공할 수 있는 PC용 플러그인 칩을 만들 수 있는 기회라고 생각했습니다.

커피를 마시며 기술 분야에서 다음 큰 기회는 가속 컴퓨팅(컴퓨터의 중앙 처리 장치(CPU)를 해방하고 데이터 처리의 무거운 작업을 GPU와 같은 다른 프로세서에 맡기는 병렬 처리 방식)에 있다는 강한 확신을 갖게 된 이들은 데니스 다이너를 그만두고 엔비디아를 설립했습니다.

모든 것이 움직이고 있었습니다. 그러나 그들이 자리를 잡기까지는 몇 년이 걸렸습니다.

올바른 방향, 잘못된 제품 

젠슨은 1998년부터 2008년까지 매우 성공적인 전략을 실행하여 글로벌 칩 시장을 장악하는 궤도에 올랐지만, 엔비디아는 첫 발을 내딛는 과정에서 어려움을 겪었습니다. 이들이 만든 첫 번째 제품은 1995년 시장에 출시된 NV1이라는 멀티미디어 카드였습니다.

창립자들은 당시 멀티미디어 혁명에 대한 기대에 부풀어 있었고, 그 물결을 타고 업계 표준을 정립하려고 했습니다. 하지만 NV1은 실패했습니다. 경쟁사(인텔 및 AMD) 보다 더 나은 것으로 간주되지 않았고 프로그래밍하기 어려웠습니다. 그 결과 NV1용으로 개발된 게임들은 그다지 훌륭하지 않았고 성능 문제도 있었습니다.

두 번째 버전인 NV2를 개발하기 위해 노력했지만 결국 출시 전에 취소했습니다. 왜 그랬을까요?

NV2가 개발되는 동안 젠슨은 팀과 회사의 기존 전략적 이점을 고려한 전략적 분석과 픽사의 공동 창립자인 에드 캣멀과 같은 미디어 업계 전문가들을 관찰한 후 현재의 길이 옳지 않다는 것을 깨달았고, 엔비디아의 미래를 위해 처음으로 큰 베팅을 했습니다. 그래서 4년이 지나고 실제 제품이 시장에 출시되어 수익을 내고 있을 때, 그는 전략적 방향을 크게 전환하여 기하급수적으로 성장하는 새로운 시장에 더 적합할 것으로 생각되는 제품 개발에 집중했습니다.

게임에서 기회를 발견하고, 성공적인 GPU 전략을 수립하고, 기본 계층을 구축합니다.                     

젠슨과 팀은 초기 멀티미디어의 하위 틈새 분야인 3D 그래픽 분야에서 매력적인 기회를 발견했습니다. 여기서 틈새시장을 찾아내는 방법에 대한 좋은 교훈을 얻을 수 있습니다. 

그들은 이 시장에 집중해야 할 필요가 있다고 판단하고 3D 그래픽을 렌더링 할 그래픽 처리 장치(GPU)를 설계하기 시작했습니다. 그들은 NV1으로 만들었던 그래픽에 대한 초기 접근 방식을 버리고 당시 3D 그래픽처리 분야에서 빠르게 부상하고 있던(그리고 오늘날의 표준이 된) 그래픽 파이프라인을 채택했습니다. 사실 이 접근 방식은 경쟁사인 SGI가 개발한 것이었습니다.

그렇다면 이 팀은 왜 이렇게 빠르게 변화하고 경쟁이 치열한 컴퓨팅 파워 분야에서 경쟁하기로 결정했을까요? 이 도전이 성공할 것이라고 생각한 이유는 무엇일까요? 두 가지 이유입니다: 

1. GPU에 대한 시장의 수요는 "무제한"이 될 것으로 예상되었습니다. 

무제한은 공급을 큰 폭으로 능가하고 조만간 둔화되지 않을 것이라는 의미에서 무제한입니다. 즉, 엄청난 규모의 TAM과 엔비디아가 가져갈 수 있는 충분한 몫이 있었습니다.

그 이유는 (1) 게임이 가장 계산적으로 어려운 문제를 안고 있고, (2) 온라인 비디오 게이머에게 계산 처리 능력이 경쟁 우위였으며, (3) 비디오의 판매량이 엄청나게 많을 것이라고 믿었던 신흥 비디오 게임 산업 때문이었습니다. 따라서 게이머로서 GPU가 좋을수록 성능이 향상되고 게임 실력을 자랑할 수 있는 기회도 많아집니다.

이는 게임을 3D 그래픽 연산 분야로 끌어들이는 강력한 쐐기로 작용했으며, 앞으로 살펴볼 것처럼 다른 인접 시장으로 진출하고 대규모 연산 문제를 해결하기 위한 막대한 R&D 자금을 확보하는 데 핵심적인 역할을 하게 되었습니다.

2. 컴퓨팅 시장에서 근본적으로 다른 위치를 차지했습니다.     

가속 컴퓨팅은 컴퓨터의 처리 능력을 향상시키는 것임을 기억하세요. 컴퓨터가 더 잘 처리할수록 더 많은 고급 작업을 수행할 수 있습니다. 90년대와 2000년대 초반에는 주로 PC의 중앙 처리 장치(CPU)에서 처리가 이루어졌습니다. 엔비디아가 이 시장에 뛰어들었을 때 선두 주자는 빅 블루(인텔)였습니다: 인텔의 기존 전략은 CPU의 비용을 최소화하는 것이었습니다. 즉, 전차를 끄는 한 마리의 말이 더 효율적이고 더 많은 수익을 낼 수 있도록 하는 것이었습니다.

엔비디아의 전략은 GPU의 성능을 극대화하는 것이었습니다. 즉, 부하를 분담하기 위해 다른 유형의 일꾼(Workhorse)을 추가하는 것이었습니다. 이는 기계의 비용을 증가시켰지만, 지속적으로 증가하는 더 빠른 그래픽 렌더링에 대한 요구를 충족시키기 위해 시장에 출시했습니다.

젠슨의 베팅이 왜 그렇게 혁신적이고 대담했는지에 대해 조금 더 자세히 설명하려면 당시 업계의 상황을 이해하는 것이 도움이 됩니다. 간단히 말해, 연산 능력의 발전은 트랜지스터의 크기를 줄이고 소비 전력을 줄이는 데 달려 있었습니다. 따라서 훨씬 더 작은 트랜지스터를 설계하는 방법과 이를 제조하는 방법을 찾아낸 최초의 칩 플레이어는 시장에서 큰 이점을 얻을 수 있었습니다.

알려진 인텔의 공동 창립자 고든 무어의 관찰에 따른 발전 속도라는 점을 제외하면 무어의 법칙으로 그럴듯하게 들립니다. 무어의 법칙은 기본적으로 칩이 2년마다 상당한 발전을 이룰 것이라는 내용입니다.

업계 전체가 이 법에 의존했고, 그 누구도 이 법을 어길 수 없다는 사실을 인정했습니다. 적어도 일관되게는 아니었죠. 현직 회사의 리더가 경쟁을 막는 법을 만든다는 것은 생각해 보면 다소 우스운 일입니다. 

그러나 엔비디아가 연산 분야에서 완전히 다른 포지셔닝을 취할 수 있었던 것은 CPU가 아닌 GPU의 그래픽 파이프라인 접근 방식을 최대한 활용하여 트랜지스터 수를 늘리는 데 집중함으로써 업계 주기의 1/3 만에 동등한 수준의 연산 성능 향상을 제공할 수 있다는 젠슨의 믿음에 기반한 것입니다.

이러한 접근 방식은 혁신적이었으며, GPU 전략은 크게 두 가지 이유에서 엔비디아의 우위를 점하는 데 성공했습니다:

1) 이 제품은 동종 업계에서 여러 번 번개를 치며 큰 관심을 불러일으켰습니다. 이전 제품보다 2배, 경쟁사보다 3배 빠른 GPU를 발표할 수 있었기 때문에 엄청난 규모의 마케팅이 가능했습니다. 이를 통해 브랜드를 구축하고 인텔로부터 시장 점유율을 빼앗을 수 있었습니다.              

2) 이를 통해 데이터 및 경험 플라이휠을 훨씬 더 빠르게 구축할 수 있었습니다. 초고속 반복 주기 덕분에 Nvidia 팀은 경쟁사보다 3배 더 빠르게 기술 설계를 판매 가능한 제품으로 전환하는 방법에 대한 경험을 쌓을 수 있었습니다. 또한 업계에서 가용할 수 있는 인적 자본이 제한적이었기 때문에 숙련된 엔지니어는 Nvidia의 경쟁 우위를 증폭시키는 또 다른 이점, 즉 코너에 몰린 superpower. 리소스 초강대국이라는 이점을 제공했습니다.                    

이를 통해 엔비디아는 GPU 부문을 만들었고, 1999년에 주당 82c에 상장했습니다. (현재 주가는 59,000% 상승) 2000년부터 2008년까지 이 전략으로 매출이 4배로 증가했으며, 컴퓨팅 분야의 더 많은 기술적 과제를 해결하는 데 R&D를 집중할 수 있었습니다.

첫 번째 큰 베팅이 결실을 맺었습니다.

하지만 안타깝게도 물리적 칩의 세계에는 트랜지스터를 아주 작게만 만들 수 있기 때문에 한계가 존재합니다.

그래서 젠슨은 현금을 투자하고 상장 기업의 주가가 오르는 것을 지켜보면서도 한계가 다가오는 것을 알았습니다. 그는 엔비디아가 그토록 탐내던 우위를 잃는 것을 목격했습니다. 그리고 현실에 안주하지 않는 악동답게 그는 전략 위원회로 돌아가 다시 한번 배를 조종했습니다. 

CUDA 플랫폼으로 게임을 넘어 다양한 산업 분야로 확장

1999년부터 2006년까지 엔비디아의 주력 사업은 새로 출시한 GPU 하드웨어로 게임 시장에 서비스를 제공하는 것이었습니다. 그리고 이 단계는 회사뿐만 아니라 인류의 진보에 있어서도 기초적인 단계였습니다. GPU가 컴퓨팅 산업을 재편하는 발판을 마련했기 때문입니다. 하지만 2006년에는 방식에 출시하여 GPU의 활용 CUDA를 개발자가 다른 용도로 엔비디아 GPU를 사용할 수 있는 범용 프로그래밍 모델인 판도라의 상자를 열었습니다. 이것이 젠슨과 엔비디아의 첫 번째 플랫폼 전략이었습니다.

간단히 설명하자면, 이를 통해 가속 컴퓨팅의 성능을 완전히 이용할 수 있게 되었고, 똑똑한 사람들은 게임을 넘어 GPU의 처리 능력을 활용하고 활용할 수 있게 되었습니다. 이 획기적인 기술 덕분에 순차적으로 계산하는 대신 주어진 시간에 여러 계산을 수행할 수 있게 되어 처리 속도가 훨씬 빨라졌으며, 이는 항공우주, 생명과학 연구, 기계 및 유체 시뮬레이션, 기후 모델링, 금융, 전문 시각화, 에너지 탐사, 자율 주행, AI 등 대규모 숫자 처리가 필요한 다양한 산업 분야의 애플리케이션 개발에서 획기적인 발전을 이루게 되었습니다.

즉, CUDA는 엔비디아를 게임용 하드웨어 제품에서 업계 개방형 플랫폼으로 끌어올린 업계의 기념비적인 개발이었습니다.

멀티 마켓 플랫폼과 네트워크 해자                                                                  

엔비디아의 첫 플랫폼에는 세 가지 핵심 플레이어가 있었습니다:

1) 소프트웨어 개발자: GPU는 특수 하드웨어이므로 코딩을 위해서는 고도로 숙련된 하드웨어 프로그래머가 필요합니다. 하지만 CUDA의 장점은 전문 하드웨어 제품에 소프트웨어 개발의 편의성을 제공한다는 점입니다. 2006년에 출시되었을 때, 엔비디아는 플랫폼 플라이휠에 필수적인 요소라는 것을 알고 이들을 추적하고 플랫폼에 익숙해지도록 하는 데 전력을 다했습니다.                    

2) 하드웨어 제조업체: CUDA는 모두 소프트웨어이지만 이를 실행하려면 하드웨어가 필요합니다. 젠슨은 이 구성 요소를 비공개로 유지하기로 결정했고 , 이는 엔비디아 대만산 GPU만 CUDA를 실행할 수 있다는 의미입니다. 이는 (1) 방어성을 확보하고 (2) 사용자에게 우수한 성능을 제공하는 데 있어 환상적인 조치였으며, 이를 통해 Nvidia는 더 나은 설계를 빠르게 반복하고 개발자에게 동급 최고의 하드웨어-소프트웨어 통합을 제공할 수 있었습니다.              

3) 소비자: 여기에는 모든 빠른 컴퓨팅이 필요한 고객이 포함됩니다.                    

이는 칩과 시스템에 대한 더 많은 수요를 통해 더 많은 개발자와 조직을 에코시스템으로 끌어들여 엔비디아의 네트워크 효과를 공고히 하는 다면적인 플랫폼과 플라이휠을 만들어 냅니다.

이 플라이휠은 다른 두 가지 요소에 의해 더욱 힘을 얻었고 지금도 마찬가지입니다:

1) 강력한 파트너십: 다른 대형 기술 기업(Microsoft, Amazon, IBM 등)과의 파트너십도 엔비디아의 또 다른 경쟁 우위입니다. 이는 새로운 고객과 시장에 도달하는 데 도움이 되었기 때문에 CUDA의 GTM(Go-to-market) 단계에서 특히 그러했습니다. 또한 게임 개발자 커뮤니티와도 매우 긴밀하게 협력해 왔으며, 이러한 긴밀한 피드백 루프는 게임 개발자들이 압도적인 차이로 엔비디아를 선호하는 것에서 알 수 있듯이 게임 업계에서 큰 이점을 가져다주었습니다.                  

2) 강력한 판매 및 유통 채널: Nvidia는 직접 판매, OEM(주문자 상표 부착 생산), 전자상거래 플랫폼 등 다양한 채널을 통해 칩을 판매합니다.                    

앞서 언급했듯이 , 엔비디아의 CUDAxGPU 플랫폼은 범용 플랫폼이었기 때문에 다양한 분야에 진출하여 여러 신흥 부문의 성장을 활용할 수 있었습니다. 다시 말해, 암호화폐와 같은 산업이 성장한다면 그 물결을 타기에 좋은 위치에 있을 것입니다. 게임, 크리에이티브 디자인, 자율 주행 차량, 로봇 공학 등 현재 CUDA가 전문적으로 지원하는 몇 가지 주요 분야를 살펴보면, 이들 모두 향후 수십 년 동안 성장할 수 있는 긴 활주로를 가지고 있음이 분명합니다.

즉, 엔비디아는 여러 번의 골드 러시를 제공할 준비가 되어 있습니다. 

얻을 수 있는 교훈 및 실행해 볼 만한 것들

수요가 증가하면 다른 관점에서 시장에 입지를 구축할 방법을 고민해 보세요. 현실에 안주하지 말고 시장을 연구하여 새로운 기회를 포착하고, 경쟁업체를 연구하여 가장 중요한 전략적 결정을 이해하세요.

그런 다음 다음을 기반으로 일관된 전략을 수립하세요:

- 현재 위치에 대한 이해                   

- 앞으로의 큰 기회가 무엇인지에 대한 다른 관점                   

- 방해가 되는 과제/문제에 대한 솔직한 분석                    

- 내부 역량과 장점에 대한 공정한 평가                    

차별화된 포지션을 창출하기 위해 어떤 업계 규칙에 도전할 수 있는지 찾아보세요.

다음은 젠슨의 인용문입니다. 여기에 삽입하기에는 다소 뜬금없지만, 엔비디아의 선장이 누구인지에 대한 훌륭한 그림이 그려진다고 생각합니다.

살아남으려는 나의 의지가 나를 죽이려는 거의 모든 사람들의 의지를 능가합니다.

- Jensen

대단한 전설이죠. 이제 2012년의 베팅이 어떤 결과를 가져왔는지 살펴봅시다.

인터넷의 다음 단계 지원

10여 년 전, 엔비디아 창립자들은 다시 한번 환경을 검토하고 다음 큰 물결을 발견했습니다: 바로 데이터센터였습니다. 오늘날 이 플랫폼은 엔비디아의 가장 큰 성장 동력이며, Omniverse 및 AI 플랫폼과 함께 3D 인터넷(엔비디아가 메타버스라고 부르는) 구축 및 AI 개발에 중요한 역할을 담당하고 있습니다.

엔비디아 데이터센터: 하나의 플랫폼, 무제한 가속.      

지금까지 프로그래밍 가능한(즉, 특정 지침을 따르는) 프로세서가 두 개 있는 방법을 살펴봤습니다:

- CPU: 인텔의 주요 역량으로, 선형 컴퓨팅에 중점을 둔 트랜지스터가 탑재되어 있습니다. 수년 동안 컴퓨터에서 유일하게 프로그래밍이 가능한 요소였습니다.

- GPU: 병렬 컴퓨팅에 중점을 둔 트랜지스터를 갖춘 엔비디아의 전문 기술. 처음에는 3D 그래픽 렌더링에 사용되던 GPU는 처리 효율성이 뛰어나 암호화 및 AI와 같은 분야에 이상적입니다.                    

젠슨이 예견한 대로 두 컴퓨터의 문제는 계산 능력의 물리적 상한선에 도달했다는 점입니다. 그는 또한 한계에서 작동하는 것만으로는 충분하지 않다는 것을 알고 있었습니다. 예를 들어, 2012년에 엔비디아는 현대 AI의 획기적인 AlexNet 신경망을 구동하여시대를 열었습니다. AI가 뜨거워지기 훨씬 전부터 AI가 등장할 것이라는 것을 알고 있었고, 이를 위한 엔진에 필요한 마력의 종류도 알고 있었습니다.

그래서 (1) 한계가 가까워지고 있고 (2) 단일 PC나 서버가 제공할 수 있는 수준을 훨씬 뛰어넘는 컴퓨팅 성능에 대한 수요가 있을 것이라고 판단한 그는 엔비디아의 전문성에 기대어 새로운 세 번째 등급의 프로그래머블 프로세서에 막대한 투자를 단행했습니다:

DPU(데이터 처리 장치). 기술적으로 복잡한 설명을 피하려면 이 칩이 데이터 기능에서 매우 효율적이며 하이퍼 스케일 데이터 센터의 구성 요소라는 점만 알아두면 됩니다. DPU는 오늘날 컴퓨팅 분야의 중심 코트에 있으며, AI를 구동하기 때문에 수요가 엄청나게 많습니다. 엘론머스크가 WSJ에 말했듯이 지금은 마약보다 구하기가 훨씬 더 어렵습니다. 그리고 저는 그를 믿습니다.

기본적으로 Nvidia는 가속 컴퓨팅의 미래가 문제 도메인에 대한 깊은 이해, 컴퓨팅의 모든 계층에 걸친 최적화, 그리고 GPU, CPU, DPU 등 세 가지 칩 모두에 대한 풀스택 과제가 될 것임을 깨달았습니다. 하지만 이 뉴스레터에서 여러 번 살펴본 것처럼 제품 판매만으로는 1조 달러 클럽에 가입할 수 없습니다. 하지만 수요가 많은 칩을 개당 3만 달러에 판매한다고 해서 나쁠 것은 없습니다.

단일 제품 판매가 아니라 통합 플랫폼을 구축하는 것만으로 목표를 달성할 수 있습니다. 이것이 바로 그들이 해낸 일입니다. AWS와의 파트너십을 통해 점점 더 복잡해지는 대규모 언어 모델(LLM)을 학습하고 제너레이티브 AI 애플리케이션을 개발하는 데 최적화된 세계에서 가장 확장성이 뛰어난 온디맨드 클라우드 AI 인프라 플랫폼을 구축하고 있습니다. 하지만 엔비디아의 대규모 데이터센터 전략은 CUDA 외에도 다양한 플랫폼에서 활용되고 있습니다. 

이제 나머지 두 가지에 대해 이야기해 보겠습니다:

- 엔비디아의 서비스형 AI 플랫폼 (AI-as-a-service)

- 엔비디아의 옴니버스 플랫폼                                                          

칩 및 시스템: AIaaS- 고전적인 픽 앤 삽 플레이 

픽 앤 삽 전략은 1800년대 캘리포니아 골드러시에서 착안한 것으로, 당시에는 두 가지 유형의 사람들이 있었습니다: 금을 찾는 사람들과 금을 채굴하기 위한 도구(픽과 삽)를 파는 사람들이었습니다. 후자의 사람들은 불확실성이 큰 금을 찾는 데 투자할 위험 없이 도구를 팔면 돈을 벌 수 있는 확실한 방법이었기 때문에 금을 찾았는지 여부에 신경 쓸 필요가 없었습니다.

AI의 세계에서 엔비디아는 동일한 공급망 비즈니스에 종사하고 있습니다. 하드웨어와 데이터 센터(칩 모든 AI 플레이어를 지원하는)를 제공할 뿐만 아니라, 빌더가 실제로 AI 모델을 구축하고 학습할 수 있는 컴퓨팅 서비스 및 소프트웨어(시스템)에 대한 액세스 권한을 판매합니다. 이 클라우드는 브라우저에서 액세스 할 수 있는 AI 슈퍼컴퓨터로, Nvidia DGX 클라우드라고 합니다. 

DGX 클라우드 서비스에는 이미 엔비디아 AI 소프트웨어, AI 프레임워크 및 사전 학습된 모델에 대한 액세스가 포함되어 있습니다. 이를 통해 엔비디아는 맞춤형 대규모 언어 및 제너레이티브 AI 모델을 구축, 개선 및 운영할 수 있는 도구도 제공하고 있습니다.

풀스택 AI 에코시스템은 크게 보면 다음과 같습니다:

- AI 슈퍼컴퓨터: 기업이 자체 클라우드 기반 슈퍼컴퓨터에 즉시 액세스할 수 있는 올인원 AI 트레이닝 서비스입니다.

- AI 플랫폼 소프트웨어: 엔비디아 AI 플랫폼의 소프트웨어 계층인 엔비디아 AI 엔터프라이즈는 AI의 엔드투엔드 워크플로우를 지원합니다. 간단히 말해, 프로덕션 AI의 개발 및 배포를 간소화합니다.

- AI 모델 및 서비스: Nvidia AI 파운데이션은 텍스트, 시각 미디어 및 생물학 기반 제너레이티브 AI 모델을 커스터마이징하고 운영하기 위한 슈퍼컴퓨터 내의 클라우드 서비스입니다. Shopify 플랫폼을 더욱 유연하고 유용하게 만들어주는 Shopify 플러그인과 비슷하다고 생각하면 됩니다.            

간단히 말해, Nvidia의 목표는 AI 제품을 만드는 여정에서 최대한 많은 문제를 해결하는 것입니다. 다음 챗봇 우승자가 누가 되든 엔비디아의 엔진을 기반으로 만들어질 것이기 때문에 걱정하지 않습니다. 분명한 것은 서비스형 AI(AIaaS) 비즈니스 구성 요소 구축의 시작 단계에 있으며, 이는 비즈니스, 더 나아가 전체 AI 산업에 근본적으로 혁신적인 영향을 미치고 있다는 것입니다. 모틀리 풀(The Motley Fool )이 쓴 것처럼 , 이러한 초기 리더십은 지속적인 경쟁 우위로 전환되어 방어 가능한 플라이휠을 만들 수 있습니다:

고급 프로세싱 하드웨어 분야에서 엔비디아의 리더십은 이미 상당히 견고해 보이지만, 엔비디아는 또 다른 강력한 경쟁 우위를 구축하기 위한 초기 단계에 있을 수 있습니다. 알고리즘과 프로세싱 하드웨어는 AI 시스템을 구축하고 실행하는 데 매우 중요한 역할을 하지만, 데이터는 또 다른 핵심 구성 요소로 생각할 수 있습니다. AI 모델은 더 많은 관련 가치 있는 데이터로 학습할수록 더 효과적이고 유능해지는 경향이 있습니다.

AIaaS의 초기 리더로 자리매김함으로써, 엔비디아는 자체 인공 지능 기능을 알리고 개선하는 데 도움이 되는 방대한 양의 귀중한 데이터를 생성할 수 있는 위치에 있습니다. 이러한 개선을 통해 고객에게 더 나은 서비스를 제공할 수 있을 것입니다. 이는 다시 한번 회사에 더 가치 있는 데이터를 생성하여 네트워크 효과와 선순환 구조를 구축함으로써 AI 서비스의 초기 리더십을 경쟁업체가 방해하기 어려운 장기적인 경쟁 우위로 전환할 수 있습니다.

전략적으로 민첩하게 대응하는 엔비디아의 성공과 엄격함을 볼 때, 저는 이것이 정확히 일어날 것이라고 확신합니다. 이제 Nvidia는 AIaaS와 Nvidia Omniverse(아래)를 결합하여 두 가지 서비스형 플랫폼을 구축한 것을 알 수 있습니다.

얻을 수 있는 교훈 및 실행해 볼 만한 것들

업계의 변화를 예측합니다: Nvidia는 CPU와 GPU의 한계를 예측하고 수요가 급증하기 전에 DPU에 투자했습니다. 항상 미래 지향적인 자세로 업계가 나아갈 방향을 예측하세요.

제품 다각화: Nvidia는 칩 판매에만 의존하지 않고 통합 플랫폼을 구축했습니다. 제품 또는 서비스 제공을 다양화하면 새로운 수익원을 창출하고 비즈니스의 탄력성을 높일 수 있습니다.

파트너십 활용: Nvidia는 AWS와의 파트너십을 통해 확장 가능한 AI 인프라 플랫폼을 구축할 수 있었습니다. 적합한 업계 리더 또는 상호 보완적인 비즈니스를 찾아서 도달 범위와 역량을 확대하세요.

단순한 제품이 아닌 플랫폼: 플랫폼 플레이는 기하급수적인 성장으로 이어질 수 있습니다. 플랫폼은 타사 개발자나 비즈니스가 가치를 더하는 생태계를 만들어 거대한 네트워크 효과로 이어집니다.

여러 가지 작업 해결: 엔비디아의 풀스택 AI 에코시스템은 개발자를 위한 AI 개발 프로세스를 간소화하도록 설계되었습니다. 항상 마찰을 없애고 고객이 목표를 더 쉽게 달성할 수 있는 방법을 고민하세요.

장기적인 관점에서 구축하세요: AIaaS와 플랫폼 전략에 대한 Nvidia의 투자는 지속적인 경쟁 우위를 확보할 수 있는 장기적인 전략입니다. 장기적인 사고를 적용하는 방법에 대한 좋은 예가 여기에 있습니다: 개미와 외계인: 장기적인 제품 비전 및 전략

민첩성을 유지하세요: Nvidia는 거대한 규모에도 불구하고 전략적 의사 결정과 새로운 영역으로 전환하는 능력에서 민첩성을 보여 왔습니다. 규모에 관계없이 기업을 혁신가의 딜레마에 빠지게 하는 함정에 유의해야 합니다.

엔비디아 옴니버스: 유용한 메타버스를 위한 플랫폼 

Nvidia AI가 모든 인공지능 질문에 대한 해답이라면, Omniverse는 모든 메타버스에 대한 해답, 즉 인터넷의 3D 진화에 대한 Nvidia의 해답입니다.

기업 고객을 대상으로 하는 가상 세계 구축 및 시뮬레이션을 위한 플랫폼(칩 앤 시스템 플레이이기도 합니다)입니다. 유니버설 씬 디스크립션(USD) 기술을 USD는 3D 개발을 가능하게 하는 개방형 표준이 될 수 있는 좋은 위치기반으로 하는데, 우리 둘 다 알고 있듯이 이 기술은 아무 의미가 없습니다. 그저 3D와 관련된 모든 것에 대한 솔루션이라는 점만 이해하시면 됩니다. 픽사가 처음 개발했습니다.

옴니버스 플랫폼에 대해 자세히 읽어보니 3가지 주요 목표가 있음을 알 수 있었습니다:

1) Omniverse를 증강 현실 및 가상 현실(AR/VR) 개발을 위한 플랫폼으로 활용하세요.

2) 주요 파트너를 등록하여 Omniverse를 사용하세요.

3) Omniverse를 중심으로 강력하고 방어 가능한 에코시스템 만들기         

이러한 목표를 달성하고 실행 가능한 전략으로 전환하기 위해 세 가지 전술을 실행하고 있습니다:

- 모든 3D 프로젝트에서 널리 사용되는 시스템이 되기 위해 유니티는 대기업에 최고의 시뮬레이션 기술을 제공하고, 옴니버스를 기반으로 애플리케이션을 구축하는 모든 비즈니스를 지원하는 데 주력하고 있습니다.

- 3D 콘텐츠를 최대한 쉽게 제작하고 공유할 수 있도록 파트너 및 고객과의 실시간 상호작용을 위한 개인 및 팀 협업 툴, 월드 빌드 툴, 사전 빌드된 오브젝트 및 환경 라이브러리, 다른 그래픽 소스 및 포맷과의 호환성, 선도적인 게임 엔진인 Unreal 및 Unity에 집중하고 있습니다.

- 또한 주요 클라우드 서비스 제공업체(Azure, AWS, Google Cloud)와 파트너십을 체결하여 엔비디아의 기술 및 아키텍처를 채택함으로써 경쟁업체들이 엔비디아의 기술을 사용하도록 강제하고 있습니다.                

여기서 말하는 고객은 게임 개발자가 아닙니다. 엔비디아는 게임이나 소셜 맥락에서 메타버스를 고려하지 않습니다. 하지만 그들의 하드웨어는 확실히 이를 지원하는 데 관여하고 있습니다. 

오히려 다음과 같은 플레이어를 보면서 더 실용적이고 현실적인 메타버스에 베팅하고 있습니다:

- 3D 콘텐츠 아티스트

- 가상 세계에서 훈련된 AI 개발자

- 매우 세밀한 시뮬레이션이 필요한 기업   

로봇 공학, 자동차 산업, 기후 시뮬레이션, 우주 산업 설계 및 테스트, 가상훈련 등을 예로 들 수 있습니다. 간단히 말해, Omniverse X AI 플랫폼은 과학을 터보차지하고 있습니다.

그 대표적인 예로 수십 년 전에 기후 변화를 예측하기 위해 지구-2라는 이름의 행성의 디지털 트윈을 만든 Nvidia의 사례를 들 수 있습니다. 1분 29초 슈퍼컴퓨터가 어떻게 세상을 구하는 데 도움이 되는지 설명하는 분량의 동영상을 시청해 보세요. 정말 멋지네요.

앞서 말씀드린 것처럼, 엔비디아는 가장 의미 있는 이니셔티브의 선두에 서 있으며 엔지니어링 혁신이 세상을 어떻게 발전시키는지 보여주는 가장 좋은 예라고 할 수 있습니다.

얻을 수 있는 교훈 및 실행해 볼 만한 것들

카테고리가 진화할 때는 역량을 두 배로 강화하세요. 이전의 전략적 우위를 유지할 수 없다고 해서 쓸모없다는 의미는 아닙니다. 카테고리 퀸이 되면 얻을 수 있는 이점이 있습니다:

- 카테고리의 진화를 조기에 파악할 수 있습니다.

- 새롭게 떠오르는 새로운 카테고리에서 자신의 장점을 활용할 수 있습니다.

카테고리가 진화할 때 두 가지 적이 있습니다:

- 안주: 현재의 경쟁 우위를 유지할 수 있다고 잘못 믿는 것(혁신가의 딜레마 참조)

- 과욕: 기존의 우위를 포기하고 제로에서 새로운 역량을 구축하려는 시도

간단히 다시 정리하자면, 엔비디아가 성장을 주도하는 데 사용하는 3가지 주요 플랫폼(모두 하드웨어에 의존)을 살펴봤습니다.

- CUDA 플랫폼을 통해 다양한 일반 도메인(게임, 자동차)에 노출됩니다.

- 데이터 센터 + AI 플랫폼을 통해 빠르게 성장하는 AI 부문에 노출됩니다.

- 옴니버스 플랫폼을 통해 전문 메타버스에 노출됩니다.                    

최근 투자자 프레젠테이션에서 언급했듯이, 이는 정말 대단한 TAM입니다.

그러나 Stripe, Shopify, 에픽게임즈와 같은 성공적인 플랫폼에서 이미 살펴본 바와 같이, 최고의 플랫폼은 시장을 매우 효과적으로 확보하는 것뿐만 아니라 시장을 더 크게 만들기 위해 적극적으로 노력합니다. 

자체 멀티마켓 생태계를 조성: TAM 확장에 대한 교훈      

엔비디아는 세 가지 강력한 방법으로 자체 시장을 성장시키고 있습니다:

- AI 스타트업을 인큐베이팅하여

- 엔비디아 에코시스템에 통합된 기업에 투자함으로써

- 칩과 시스템에 대한 공식화된 교육 및 전문성 개발을 제공합니다.

주인공인 젠슨이 주도한 이러한 이니셔티브는 혁신을 촉진하고 비즈니스에 규모를 제공하며 AI, 데이터 과학 및 고성능 컴퓨팅(HPC) 분야에서 엔비디아를 리더로 자리매김하기 위한 그의 노력을 보여주는 대표적인 사례입니다.

간단히 살펴보겠습니다.

1. 엔비디아의 인셉션 AI 스타트업 프로그램 

Inception은 스타트업이 최첨단 기술, 벤처 캐피털리스트 및 기타 빌더와 연결할 수 있는 기회, 엔비디아의 최신 기술 리소스 및 전문 지식에 대한 액세스를 통해 더 빠르게 구축, 성장 및 확장할 수 있도록 설계된 무료 액셀러레이터 프로그램입니다.

지금까지 이 프로그램을 통해 인큐베이팅을 받은 스타트업은 15,000개가 넘습니다. 이는 자체 하드웨어 및 소프트웨어의 채택을 유도하고(스타트업의 차세대 물결을 엔비디아에 고정), 엔비디아가 현재 번창하고 AI, 데이터 과학 및 HPC의 경계를 넓힐 가능성이 높은 스타트업에 노출될 수 있는 강력한 투자 전략이지만 아직까지 크게 평가절하되고 있습니다.

그리고 최근 엔비디아의 "시드 더 에코시스템" 플랫폼의 일환으로 이러한 스타트업에 더 큰 규모의 투자를 유도하는 데 중점을 둔 부서를 출범시켰습니다. 알다시피 Jensen은 플랫폼을 좋아합니다.

2. 엔비디아의 벤처 캐피탈 얼라이언스 프로그램  

다음은 2021년에 이 프로그램을 출시했을 때 엔비디아가 밝힌 내용입니다:

벤처 캐피털리스트와 엔비디아 및 유망한 AI 스타트업을 더 잘 연결하기 위해 엔비디아는 NVIDIA Inception VC 얼라이언스를 도입했습니다. 벤처캐피털이 지금 바로 지원할 수 있는 이 이니셔티브는 두 커뮤니티 간의 중요한 연결고리 역할을 함으로써 전 세계 수천 개의 AI 스타트업이 빠르게 성장할 수 있도록 지원하는 것을 목표로 합니다.

산업 전반에 걸쳐 AI 도입이 증가하고 있으며, 이에 따라 스타트업 자금도 급증하고 있습니다. PitchBook에 따르면 작년에 AI 기업에 대한 투자는 52% 증가한 521억 달러에 달했습니다.

번성하는 AI 생태계는 VC와 스타트업 모두에게 달려 있습니다. 이 얼라이언스는 투자 회사가 향후 의미 있는 수익을 실현하기 위한 노력의 일환으로 선도적인 AI 스타트업을 조기에 발굴하고 지원할 수 있도록 지원하는 것을 목표로 합니다."

엔비디아 인셉션 VC 얼라이언스는 모든 주요 산업을 대표하며 90개 이상의 국가에 위치한 7,500개 이상의 스타트업(2023년 15,000개)을 위한 액셀러레이션 플랫폼인 엔비디아 인셉션 프로그램의 일환으로, 엔비디아 인셉션은 모든 주요 산업을 대표하며 90개 이상의 국가에 위치해 있습니다.

이 얼라이언스의 혜택 중에는 유명 이벤트에 대한 독점 액세스, 자금 조달을 활발히 진행하고 있는 상위 스타트업에 대한 가시성, 포트폴리오 기업을 위한 성장 리소스에 대한 액세스가 있습니다. VC 얼라이언스 회원은 스타트업이 시장 진출 지원, 인프라 할인 및 크레딧, 엔비디아 딥 러닝 인스티튜트를 통한 AI 교육, 기술 지원을 제공하는 엔비디아 인셉션에 가입하여 포트폴리오를 더욱 발전시킬 수 있습니다.

다시 말하지만, 이는 가속기를 통해 얻는 것과 동일한 이점인 고객 규모를 확대하는 데 도움이 됩니다. 고객이 성장함에 따라 Nvidia의 TAM도 성장합니다.

3. 엔비디아 딥 러닝 연구소                                                                                                                          

저는 기업이 교육과 트레이닝을 병행하는 것을 좋아합니다. 새로운 고객을 설정하기 위해 사려 깊은 온보딩 경험 이상의 것이 필요한 Nvidia와 같은 기업에게는 의미 있는 학습 자료와 리소스를 활용할 수 있는 액세스 권한이 매우 중요합니다.

딥 러닝 인스티튜트(DLI)의 설립은 엔비디아의 비즈니스와 더 넓은 커뮤니티에 많은 이점을 제공하는 매우 가치 있는 이니셔티브임이 입증되었습니다. 가장 중요한 것은 AI, 가속 컴퓨팅, 데이터 과학, 그래픽 및 시뮬레이션에 대한 지식과 전문성을 발전시키는 핵심 동력이 되었다는 점입니다. 다시 한번, 엔비디아의 깃발은 대부분의 고성장, 딥테크 분야에서 획기적인 사고와 혁신의 최전선에 서게 될 것입니다.

이 세 가지 숨겨진 보석을 통해 엔비디아는 파트너십, 투자, 공동 창작, 고객 및 파트너에게 실제 문제를 해결하기 위한 기술 교육을 통해 비즈니스 규모를 창출하는데 탁월한 역량을 발휘했음을 입증합니다.

얻을 수 있는 교훈 및 실행해 볼 만한 것들

스타트업 투자 및 인큐베이팅을 통해 TAM을 성장시킬 수 있는 위치에 있는 경우는 드뭅니다. 그러기 위해서는 비즈니스 규모가 상당히 커야 합니다. 하지만 이 글을 읽는 대부분의 분들에게 보다 현실적인 몇 가지 팁을 알려드리고자 합니다:

- 직접 판매 그 이상을 생각하세요: 엔비디아의 접근 방식은 시장 리더십이 단순히 제품 판매에만 국한되지 않는다는 것을 보여줍니다. 제품이 필수품이 되는 에코시스템을 만드는 것입니다. 장점: 귀사의 제품이 산업 구조에 깊숙이 통합되는 환경을 조성할 수 있습니다.

- 여러 방면에서 혁신 Nvidia는 제품만 혁신하는 것이 아닙니다. 스타트업과 소통하는 방법, VC와 연결하는 방법, 시장을 교육하는 방법 등 다양한 측면에서 혁신을 이루고 있습니다. 성장과 시장 리더십을 주도하기 위해 여러 방면에서 어떻게 혁신할 수 있을지 항상 고민해야 합니다.

- 교육을 강화하세요: 교육 리소스나 교육을 제공하면 고객이 제품에서 더 많은 가치를 얻을 수 있도록 돕고 사고의 리더로 자리매김할 수 있습니다. 온라인 강좌, 웨비나 또는 기타 리소스를 통해 고객을 교육할 수 있는 방법을 고려하세요.

- VC와 제휴를 맺으세요: 고성장 산업에 종사하는 경우, 귀사의 제품을 사용하거나 보완하는 스타트업과 투자자 간의 연결을 촉진할 수 있는 방법을 고려하세요.

- 밀물은 모든 배를 들어 올립니다: Nvidia는 고객의 성장을 지원하여 시장을 더 크게 만들기 위해 적극적으로 노력합니다. 새로운 시장에 진출하거나, 제품에 대한 새로운 사용 사례를 만들거나, 비고객을 시장으로 끌어들이거나, 업계에서 혁신을 주도하여 투자를 유치하는 등 TAM을 확장할 수 있는 방법에 대해 항상 고민해야 합니다.

엔비디아의 다음 목표는 무엇일까요? 뉴로모픽 컴퓨팅?             

뉴로모픽 컴퓨팅(NC)을 이해하려면 이 공식만 알면 됩니다:

농담입니다.

미래는 칩이 인간의 신경계와 동일한 계산 물리학을 사용하여 물리적 컴퓨터가 인간의 두뇌처럼 생각하도록 만드는 칩의 것입니다.

"뉴로모픽"이라는 용어는 그리스어로 신경 세포를 의미하는 "뉴런"과 형태를 의미하는 "모르페 "에서 유래했습니다. 컴퓨팅의 맥락에서는 생물학적 뉴런의 구조와 기능에서 영감을 얻은 전자 회로와 장치를 사용하는 것을 의미합니다. 아직 초기 단계이긴 하지만, 이는 또 하나의 엄청난 기술적 쾌거입니다. 이미 AI 신경망으로 비슷한 작업을 해본 적이 있는데 뭐가 다르냐고 생각할 수도 있습니다.

간단히 말해, 우리는 소프트웨어 인간의 두뇌가 생각하는 논리를 모방하는 측면에서 큰 진전을 이루었습니다. 하지만 이러한 문제를 물리적 칩에서 해결하는 것은 다른 문제입니다.

NC(뉴로모픽 컴퓨팅)에서 이 문제를 해결하고 있으며 , 칩과 소프트웨어가 두뇌처럼 함께 작동할 때 AI와 컴퓨팅이 얼마나 더 발전할지 상상할 수 있을 것입니다. 

그리고 칩 측면의 엄청난 차이를 설명하기 위해:

- 컴퓨터는 바이너리로 작동합니다. 0과 1, 예와 아니오로 구성되어 있기 때문에 우리가 사용하는 코드와 이러한 종류의 기계에 묻는 질문은 경직된 방식으로 구성되어야 합니다.

- 하지만 NC를 사용하면 컴퓨터가 경직된 방식에서 유연한 방식으로 전환할 수 있는데, 이 칩은 컴퓨터가 더 높은 이해도를 가지게 해 주기 때문입니다. 저는 엔지니어는 아니지만 제가 읽은 바에 따르면 이는 엄청난 일입니다.

NC가 전문가들을 흥분시키는 몇 가지 획기적인 이점을 소개합니다:

- 뛰어난 처리 속도

- 더 복잡한 문제를 더 빠르게 해결할 수 있습니다.

- 실시간으로 학습하고 적응할 수 있습니다. 상당한 양의 데이터를 학습해야 효과를 발휘할 수 있는 기존 AI 알고리즘에 비해 NC 시스템은 즉시 학습하고 적응할 수 있습니다.

- 뉴로모픽 컴퓨팅은 에너지 효율이 더 높습니다. 환경에 미치는 영향을 줄이고 리소스가 제한된 지역에 AI 시스템을 배포할 수 있습니다.

- NC를 사용하면 인간의 인지와 유사한 방식으로 학습하고 적응할 수 있는 진정한 창의성과 예술적 표현이 가능한 AI 시스템을 만들 수 있습니다. 한 가지 예로, 초현실적인 제너레이티브 AI를 구현할 수 있는 잠재력이 있습니다.

- NC는 개인 정보 보호 및 보안 이점을 제공합니다.

- NC는 노이즈와 오류에 더욱 탄력적인 AI 시스템을 개발하는 데 필수적인 요소가 될 것입니다.

좀 더 간결하게 설명하자면: 뉴로모픽 컴퓨팅은 AI 발전의 비약적인 도약을 위한 핵심 요소입니다. 이러한 기술이 엔비디아의 데이터센터와 AI 플랫폼을 구동한다면 AI 환경이 얼마나 빠르게 변화할지 상상해 보세요.

다소 억지스럽게 들리겠지만, 이러한 미래는 이미 현실로 다가오고 있습니다. 

이 연구 논문은 Nature에 게재되었습니다

무어의 법칙의 종말이 다가오고 데나드 스케일링이 종료됨에 따라 컴퓨팅 커뮤니티는 지속적인 성능 향상을 가능하게 하는 새로운 기술을 점점 더 많이 찾고 있습니다. 뉴로모픽 컴퓨터는 이러한 새로운 컴퓨팅 기술 중 하나입니다. 뉴로모픽이라는 용어는 1980년대 후반 1,2에 Carver Mead에 의해 만들어졌으며, 당시에는 주로 두뇌에서 영감을 받은 컴퓨팅의 아날로그-디지털 혼합 구현을 의미했지만, 이 분야가 계속 발전하고 DARPA 시냅스 프로젝트와 유럽 연합의 인간 뇌 프로젝트와 같은 두뇌에서 영감을 받은 컴퓨팅 시스템에 대한 대규모 자금 지원 기회가 등장함에 따라 뉴로모픽은 더 다양한 하드웨어 구현을 포괄하는 용어로 사용되기 시작했습니다.

그리고 빌더들이 이를 쫓고 있습니다. 인텔은 이미 다양한 스타트업과 마찬가지로 이러한 칩을 개발 중입니다. 장기적으로 볼 때 NC는 기존 GPU와 DPU에 기술적 노후화 위험을 초래할 수 있습니다. 이러한 유형의 칩이 성공하면 엔비디아의 비즈니스를 위협할 수 있습니다.

하지만 NC는 사회의 다양한 분야에서 판도를 바꿀 수 있는 잠재력을 가지고 있고 그 결과는 광범위하고 복잡할 수 있기 때문에, 저는 젠슨과 그의 팀원들이 어딘가의 데니스에 앉아 주사위를 던지며 탄 커피를 마시며 엔비디아의 전략적 미래를 구상하고 있을 거라고 믿어 의심치 않습니다. 

<부록 젠슨 황이 엔베디아를 운영하는 방식>

젠슨 황이 엔비디아를 운영하는 방식은 회사가 어떻게 운영되어야 하는지에 대해 우리가 알고 있다고 생각하는 모든 것에 의문을 갖게 합니다:

이 조직은 (1) 훌륭한 인재를 유치하고, (2) 팀을 가능한 한 소규모로 유지하며, (3) 정보가 최대한 빠르게 전달되도록 하는 데 최적화되어 있습니다.

다양한 스타트업 관련 강의/스터디/북클럽 등에 대해 참여하고 싶은 분들은 https://everycre.com/challengekim 를 방문해주세요.