https://www.theverge.com/ai-artificial-intelligence/899086/jensen-huang-nvidia-agi

---

AGI 타임라인

젠슨 황
(01:55:06) 맞아요.

렉스 프리드먼
(01:55:06) …아름다운 그래픽은 몰입감을 더해줄 수 있죠. 마치 다른 장소로 이동한 느낌을 주는 것처럼요.
당신이 말한 것처럼, AGI 타임라인에 대한 질문은 AGI의 정의에 달려 있는 것 같아요.

그래서 하나 물어볼게요.
조금은 황당한 정의일 수도 있지만, AGI를 “당신의 일을 대신할 수 있는 AI”라고 해보죠.

즉,
하나의 기술 회사를 시작하고, 성장시키고, 운영해서 성공시키는 것—

---

젠슨 황
(01:55:52) 좋은 회사요, 아니면 그냥 아무 회사요?

---

렉스 프리드먼
(01:55:54) 아니요, 최소한 10억 달러 이상의 가치가 있는 회사여야 해요.

그 모든 요소가 얼마나 어려운지 알잖아요.
혁신하고, 고객을 찾고, 판매하고, 조직을 관리하고,
에이전트와 인간으로 구성된 팀을 구축하는 것까지 포함해서요.

이게 가능해지려면 얼마나 걸릴까요?
5년? 10년? 15년? 20년?

---

젠슨 황
(01:56:31) 저는 이미 지금이라고 생각해요. 이미 AGI를 달성했다고 봅니다.

---

렉스 프리드먼
(01:56:35) 그런 AI가 실제로 회사를 운영하는 게 가능하다고 보세요?

---

젠슨 황
(01:56:37) 가능하다고 생각합니다. 이유는 이거예요.

당신은 “10억 달러”라고 했지, “영원히 유지되는 회사”라고 하진 않았잖아요.

예를 들어,
Claude 같은 AI가 어떤 웹 서비스를 만들 수도 있어요.
작지만 흥미로운 앱을 만들었는데,

갑자기 수십억 명이 50센트씩 쓰게 되고,
그렇게 해서 큰 돈을 벌었다가,
얼마 지나지 않아 사라질 수도 있죠.

인터넷 초창기에도 그런 회사들이 많았어요.
그리고 대부분의 웹사이트는
지금 Open-Claude가 만들 수 있는 것보다
더 복잡하지도 않았습니다.

---

렉스 프리드먼
(01:57:20) 흥미롭네요. 바이럴을 일으키고, 그걸 수익화하는 거군요.

---

젠슨 황
(01:57:23) 맞아요.
다만 그게 뭔지는 저도 모르겠어요.
당시에도 그런 회사들을 예측할 수는 없었으니까요.

 

---

🧠 전체 핵심 한 줄

👉 “컴퓨터 → AI 공장으로 진화했고, 미래는 ‘토큰(지능)’을 생산하는 산업이며, 이를 좌우하는 건 결국 컴퓨팅 파워다.”

---

1️⃣ NVIDIA 전략: “칩 회사 → AI 공장 회사”

핵심 변화

• 과거: GPU (칩 단위)
• 현재: 랙 → 클러스터 → 데이터센터 → AI Factory

👉 컴퓨터의 정의 자체가 바뀜

• 과거: 저장 + 검색 (파일 시스템)
• 현재: 생성 (AI가 실시간으로 결과 생산)

💡 Jensen 관점

컴퓨터는 이제 “창고”가 아니라 “공장”

---

2️⃣ Extreme Co-design (초통합 설계)

왜 필요?

• AI 문제는 단일 GPU로 해결 불가
• 수천~수만 컴퓨터를 묶어야 함

포함 요소

• GPU / CPU
• 메모리 (HBM)
• 네트워크 (NVLink)
• 전력 / 냉각
• 소프트웨어 / 알고리즘

👉 결론

“모든 레이어를 동시에 최적화해야 성능이 폭발한다”

---

3️⃣ CUDA 전략 = NVIDIA 최대 해자 (moat)

핵심 포인트

• 기술보다 중요한 건 설치 기반 (install base)
• CUDA를 모든 GeForce에 넣음 → 개발자 확보

결과

• 수백만 개발자 생태계 형성
• AI 혁명의 기반이 됨

💡 Jensen 철학

“아키텍처는 기술이 아니라 생태계가 결정한다”

---

4️⃣ AI Scaling Laws (4단계)

Jensen이 말한 새로운 AI 성장 구조:

① Pre-training

• 모델 크기 + 데이터 증가 → 성능 증가

② Post-training

• 합성 데이터 (synthetic data) 등장
• 데이터 부족 문제 해결

③ Test-time scaling

• 추론 = “생각”
• 훨씬 더 많은 컴퓨팅 필요

④ Agentic scaling (핵심🔥)

• AI가 AI를 생성 (멀티 에이전트)
• 팀처럼 협업

👉 결론

지능 = 컴퓨팅량에 비례해서 계속 확장됨

---

5️⃣ AI 미래 구조: “토큰 경제”

핵심 개념

• AI의 생산물 = 토큰 (지능 단위)
• 토큰은 가격이 있음

구조

• 무료 토큰
• 프리미엄 토큰
• 고급 지능 토큰 (고가)

💡 중요 포인트

“지능은 상품이 된다”

---

6️⃣ AGI 관점 (젠슨 황)

👉 정의를 낮추면:

• 이미 AGI 달성했다고 봄

이유

• AI가:
  
  • 앱 만들고
  • 바이럴 만들고
  • 돈 벌 수 있음

단, 한계

• 단발성 성공 가능
• NVIDIA 같은 회사 만드는 건 불가능

👉 핵심

“바이럴 스타트업 = 가능
초대형 기업 구축 = 아직 불가능”

---

7️⃣ 가장 큰 병목 (AI 성장 제한 요소)

1. 전력 ⚡ (가장 중요)

• 데이터센터 전력 부족
• 해결:
  
  • 효율 개선 (tokens per watt)
  • 유휴 전력 활용

2. 공급망

• TSMC / ASML / HBM
• Jensen은 걱정 안 함 (이미 조율 중)

3. 컴퓨팅

• 결국 모든 것은 compute로 해결

---

8️⃣ Jensen 리더십 철학

핵심 방식

• 1:1 미팅 없음 → 집단 토론
• 모든 문제 = 함께 해결

전략 실행 방식

• 미리 “사고를 심어놓고”
• 나중에 결정 → 모두 동의 상태

👉 핵심

“결정은 갑자기 내리는 게 아니라, 미리 설계된 것”

---

9️⃣ 미래 일자리 관점

중요한 문장

👉 “직업 = 목적 + 도구”

• 도구는 바뀜 (AI 등장)
• 목적은 유지됨

사례

• 방사선 전문의:
  
  • AI 등장 → 더 늘어남

결론

• AI는 직업 제거보다:
  
  • 생산성 증가 → 수요 증가

---

🔟 코딩의 미래

변화

• 코딩 = 코드 작성 ❌
• 코딩 = 명세 작성 (specification)

결과

• 개발자:
  
  • 3천만 → 10억 명 가능

---

11️⃣ 중국이 강한 이유

• AI 연구자 50%가 중국
• 내부 경쟁 극심
• 오픈소스 문화 강함
• 수학/과학 교육 강함

👉 결론

“세계에서 가장 빠르게 혁신하는 국가”

---

12️⃣ NVIDIA의 미래 비전

단위 변화

• GPU → 컴퓨터 → 클러스터 → AI Factory

다음 단계

👉 Planet-scale computing (행성 단위 컴퓨팅)

---

13️⃣ 핵심 철학

Jensen 사고 방식

• 미래를 먼저 “확신”한다
• 그 다음 현실을 맞춘다

👉

“미래를 먼저 믿고, 그걸 현실로 만든다”

---

📌 최종 요약

이 인터뷰를 한 문장으로 압축하면:

👉
“AI는 지능을 생산하는 산업이고, 그 핵심 자원은 컴퓨팅이며, NVIDIA는 그 공장을 만드는 회사다.”