NVIDIA가 AI 경제의 철도를 깔았다 — 그 누구도 평행선을 깔지 못했다

어떤 연구팀이든 언어 모델, 로보틱스 시스템, 또는 의료 영상 분류기를 훈련시키기로 결정하는 순간, 그들은 똑같은 구조적 제약에 직면한다. 엔비디아(NVIDIA)의 컴퓨팅 파워를 사거나, 프로젝트를 미루는 것. 이는 선호도의 문제가 아니다 — 20년간의 CUDA 최적화에 뿌리를 둔 인프라 의존성이다.

엔비디아는 단지 더 빠른 칩을 만드는 것만으로 AI 시대를 제패한 것이 아니다. 모든 진지한 AI 개발자가 기본값으로 사용하는 소프트웨어 계층을 구축함으로써 승리했다. GPU 실리콘을 AI 프레임워크에 연결하는 프로그래밍 모델인 CUDA는 인터넷 통신에서 TCP/IP가 그러하듯, 머신러닝 워크플로우에 완전히 내장되어 있다. 전환 비용은 현실적이고 가파르다. CUDA 위에 구축된 프레임워크, 라이브러리, 툴체인은 쉽게 이식되지 않으며, 그 위에서 훈련된 인재를 재교육하는 데도 비용이 많이 든다.

엔비디아의 현세대 플래그십 아키텍처인 블랙웰(Blackwell)은 세계 최대 AI 공장을 운영하는 하이퍼스케일러 전반으로 확장되고 있다. 수천 대의 블랙웰 유닛이 마이크로소프트 애저(Microsoft Azure), 구글 클라우드(Google Cloud), 아마존 웹 서비스(Amazon Web Services)에 의해 이미 확보되었다. 그러한 수요를 견인하는 추론 및 훈련 워크로드는 한계에 다다르고 있는 것이 아니라, 성공적인 실험 이후 산업 규모의 배치가 뒤따르는 단계에 진입하고 있다.

데이터 센터를 넘어, 엔비디다는 두 개의 인접 가치 사슬로 진격하고 있다. 게임 분야에서 DLSS 플랫폼은 AI 기반 렌더링을 프리미엄 부가 기능이 아닌 표준 파이프라인 기능으로 전환시켰다 — GPU 업그레이드 사이클을 단순한 원시 실리콘이 아닌 소프트웨어 역량에 고정시킨 것이다. 자동차 분야에서 DRIVE Thor 시스템온칩은 엔비디아를 차세대 자율주행 및 운전자 지원 시스템의 중앙 컴퓨팅 플랫폼으로 자리매김하게 하며, 이 시장은 10년 단위의 어떤 기간으로 봐도 컨슈머 그래픽스보다 빠르게 성장한다.

NVDA는 나스닥에 상장되어 있다. 이 회사는 메가캡 시가총액을 보유하고 있으며, 최근 여러 분기 동안 S&P 500 총수익률에 단일 종목으로서 가장 큰 기여를 한 기업 중 하나였다. 블랙웰 램프업 사이클에 대한 애널리스트 컨센서스는 적어도 2027 회계연도까지 지속적인 매출 초과 달성을 가리키고 있다.

인프라 플레이북은 새롭지 않다. 다른 모든 사람이 그 위에 구축해야만 하는 계층을 소유하는 것이다. 새로운 점은 엔비디아가 이를 하드웨어, 소프트웨어, 그리고 산업용 AI에서 동시에 실행하고 있으며, 그 규모에서 전환 비용이 달러가 아닌 년 단위로 측정된다는 것이다. 시장이 가격을 매기는 것은 바로 이 강화된 잠금 효과다. 칩이 아니다.

태그: nvidia, business-en1, 반도체, AI 인프라, Jensen Huang, NVDA