젠슨황이 4박 5일이나 한국에 머문 진짜 이유

게시 2026/06/07

71 분읽는 시간

세계에서 가장 바쁜 CEO 중 한 명이 4박 5일이나 한국에 머물며 기업 이름을 하나하나 불렀다. 단순한 '종목 호명'만으로는 설명되지 않는 일이다. 짧게 답하면 - 그는 한국에 '로봇 시대의 역할'을 배정하러 왔다. GPU를 미끼로 깔아, 한국이 만들 모든 로봇이 엔비디아의 OS 위에서만 돌게 만드는 것. 다만 진짜 질문은 여기서 시작된다. 그는 왜 하필 '지금', '대만이 아닌 한국'까지 와서 씨를 뿌렸을까? 그 답은 그가 유일하게 두려워하는 경쟁자 - 그리고 뜻밖에도 '메모리'라는 전장에 숨어 있다.

1. “이름을 불러줬다”는 말의 진짜 무게 - 호명이 아니라 ‘역할 배정’

젠슨황은 2026년 6월 4일 입국해 4박 5일을 머무를 예정이다. 첫 일정은 PC방이었고, SK·LG·네이버·현대차·두산 회장단과 회동했으며, 오늘(6월 7일) 잠실에서 두산베어스 경기 시구까지 한다. (한국일보, 머니투데이) 보통은 이 동선에서 ‘누구를 만났나’를 보고 관련주를 줍는다. 하지만 정작 중요한 건 ‘왜 그가 굳이 기업 이름을 입에 올리는가’다.

전 세계에서 젠슨황이 직접 특정 기업을 거명해 주는 나라는 사실상 한국·대만·일본 두세 곳뿐이다. 그가 어떤 기업을 언급한다는 것은, 글로벌 AI·로봇 산업을 확장할 때 그 기업이 반드시 필요한 ‘동지’임을 확정하는 행위다. 엔비디아는 로봇을 ‘설계’하지만 직접 ‘제조’하지는 않는다. 그러니 한국 기업을 호명하는 건, 글로벌 로봇 밸류체인의 한 자리를 한국에 맡기겠다는 신호인 것이다.

여기서 흔한 오해가 갈린다. “수익도 안 나는데 이름 한 번 불렸다고 주가가 올랐다”며 가치를 폄하하는 시선이다. 하지만 이건 실적주와 성장주를 혼동한 것이다.

실적이 잘 나와서 오르는 기업은 ‘실적주’다(삼성전자·하이닉스에 투자자가 익숙한 이유).
미래의 기대를 미리 당겨 반영하는 기업은 ‘성장주’다.
젠슨황이 호명한 기업은 당장 실적이 안 날 수 있다. 시장은 지금 그 기업의 3년·5년 뒤 ‘역할’에 점수를 주고 있다.

종목 호명을 “수익 없는 거품”으로 읽으면 핵심을 놓친다. 이건 단기 테마가 아니라, 엔비디아가 짜는 글로벌 로봇 지도에서 한국에 좌표를 찍어주는 사건이다. 그 좌표가 무엇이며 왜 하필 한국인지를 봐야, 비로소 그림이 보인다.

2. 왜 하필 한국인가 - 이번엔 한국이 ‘갑’이다

장사하는 사람은 이익이 안 되면 오지 않는다. 세계에서 가장 바쁜 CEO 중 한 명이 4박 5일씩 한국에 머무는 건 사업적 이익과 큰 수익이 걸려 있기 때문이다. 그리고 필요해서 찾아오는 쪽이 을이고, 부탁받는 쪽이 갑이다. 이번에 찾아온 건 젠슨황이다. 즉 이번 건은 한국이 갑이다.

왜 한국이어야 하는가. 피지컬 AI(로봇·자율주행 등 물리세계 AI)는 소프트웨어만으로도, 하드웨어만으로도 완성되지 않기 때문이다.

유럽은 기계(하드웨어)는 있었지만 소프트웨어가 약했다.
미국은 소프트웨어는 강했지만 제조(하드웨어)가 비었다.
한국은 하드웨어와 소프트웨어를 동시에 갖춘, 거의 유일한 나라다.

이게 추상적 자랑이 아니라는 건 두 가지 실물로 증명된다.

HBM - AI 가속기에 필수인 고대역폭 메모리를 실물로 양산할 수 있는 곳은 사실상 대만 TSMC와 한국 삼성·SK뿐이다.
제조업이라는 무대 - 피지컬 AI는 결국 자동차·가전·철강 같은 제조 현장에서 구현된다. 한국은 그 제조 강국이다. 로봇을 ‘실제로 만들고 굴려볼’ 공장이 깔려 있는 나라인 것이다.

그래서 젠슨황은 “당신의 국가를 선택했다”고 공언했고, 지난해 약속한 GPU 수십만 장(약 26만 장) 공급이 이번 회동으로 구체화됐다. 실제로 엔비디아는 ‘코리아 파트너 나이트’에서 피지컬 AI용 오픈 모델 ‘코스모스3’를 공개하며, 코스모스 플랫폼의 로보틱스 파트너로 삼성전자·LG전자·두산로보틱스를 공식 소개했다. (머니투데이)

다만 같은 ‘호명’이라도 무게는 기업마다 다르다. 바로 앞에서 말한 ‘역할의 깊이’ 차이다. 삼성·LG는 HBM과 실제 제조 현장이라는 대체 불가의 실체를 쥐었지만, 두산로보틱스는 엔비디아가 자기 무대(GTC)에서 발표한 글로벌 파트너 명단에는 없이 ‘방한 이벤트’에서 호명된 데 가깝고, 협력 내용도 휴머노이드 두뇌(GR00T)가 아니라 본업인 협동로봇 팔에 시뮬레이터(Isaac)·동작제어(cuMotion)를 얹는 수준이다. 게다가 두산은 로봇팔 매출이 오히려 역성장(연 470억→330억) 중인데 시가총액은 10조 원을 넘어, 시장이 ‘역할’이 아니라 ‘이름이 불렸다’는 사실 자체에 값을 매기고 있다. (한국경제TV) 호명의 무게를 가르는 잣대가 바로 이 글의 출발점 - “이름이 불렸나가 아니라, 빠지면 안 될 역할을 받았나”다.

한국이 갑인 이유는 명확하다. 엔비디아의 로봇 그림을 완성하려면 ‘소프트웨어를 얹을 하드웨어’와 ‘로봇을 굴릴 제조 현장’이 동시에 필요한데, 그 둘을 다 가진 나라가 한국뿐이기 때문이다. 그런데 갑이라고 마냥 좋아할 일만은 아니다 - 그가 한국에 진짜로 깔려는 것이 무엇인지를 보면, 이 ‘선택’에는 다른 얼굴이 있다.

3. 진짜 그림 - “GPU 줄 테니, 이 OS로 만들어라”

여기서 가장 큰 고정관념을 깨야 한다. 엔비디아는 GPU(반도체)를 파는 회사가 아니다. 더 정확히는, GPU만 파는 회사가 아니다. 이 말의 무게를 이해하려면, 게임 그래픽카드 회사였던 엔비디아가 어떻게 AI 시대의 지배자가 됐는지부터 거슬러 올라가야 한다.

게임 회사가 왜 ‘CUDA’라는 도박을 했나

원래 엔비디아는 게이머를 위한 그래픽카드(지포스) 회사였다. 그래픽카드(GPU)는 화면의 수백만 픽셀을 동시에 그리려고 작은 연산기 수천 개를 병렬로 박아 넣은 칩이다. 그런데 2006년, 엔비디아는 이 ‘게임용 병렬 계산기’를 게임 말고 아무 계산에나 쓸 수 있게 열어주는 소프트웨어를 내놓는다. 그것이 CUDA다. GPU 위에서 일반 연산을 돌리는 개발 환경, 쉽게 말해 게임 칩을 범용 슈퍼컴퓨터로 바꿔주는 통역기다.

문제는 그 시점엔 이게 미친 짓처럼 보였다는 것이다. CUDA를 품느라 칩 원가가 거의 두 배로 뛰었는데, 정작 그걸 쓸 시장은 없었다. 회사 매출의 대부분은 여전히 게임에서 나왔고, 월스트리트는 “왜 게임 회사가 돈도 안 되는 소프트웨어에 돈을 쏟느냐”며 싸늘했다. (Bismarck Analysis) 그럼에도 젠슨황은 수년간 이 적자 사업을 고집했다. 언젠가 ‘대규모 병렬 연산’이 필요한 시대가 온다는 데 회사를 건 것이다.

그 도박이 LLM 세상의 ‘표준’이 되다

전환점은 2012년에 왔다. 토론토대의 한 팀이 지포스 게임 그래픽카드 두 장(GTX 580)에 CUDA를 얹어 신경망(AlexNet)을 학습시켰고, 이미지 인식 대회에서 2위(오류율 26.2%)를 압도하는 15.3%로 우승했다. (CRV Science) AI가 갑자기 똑똑해진 그 사건의 엔진이, 다름 아닌 게임 칩 + CUDA였던 것이다. 이때부터 모든 게 달라졌다.

오늘날 GPT든 클로드든 제미니든, 세상의 모든 거대 AI 모델은 엔비디아 GPU 위에서, CUDA로 학습되고 구동된다. 지난 15년간 전 세계 AI 연구자와 개발자가 CUDA로 코드를 짜고, 라이브러리를 쌓고, 그 위에서 기술을 익혔다. 그래서 누가 성능이 비슷한 경쟁 칩을 내놓아도 아무도 못 떠난다 - 갈아타려면 그동안 쌓은 코드와 라이브러리, 익힌 기술을 통째로 버려야 하니까. 칩이 빨라서가 아니라, 모두가 CUDA 위에 살기 때문에 엔비디아가 시가총액 세계 1위가 된 것이다. 이것이 ‘락인(lock-in)’이고, 엔비디아의 진짜 해자다.

그리고 지금, 같은 각본을 ‘로봇’에서 처음부터 다시 깐다

핵심은 엔비디아가 이 플레이북을 로봇에서 처음부터 다시 깔고 있다는 것이다. 로봇·자율주행을 만들려는 회사에 GPU(반도체)만 파는 게 아니라, 로봇의 ‘두뇌 + 운영체제(OS) + 개발도구’를 풀스택으로 통째로 깔게 한다. 한 번 그 위에서 개발을 시작하면, AI 연산에서 CUDA를 못 떠났듯 로봇에서도 엔비디아를 못 떠난다. 15년 전 게임 칩으로 AI 연산의 표준을 잠갔던 그 수법을, 이번엔 로봇 시장에서 똑같이 처음부터 반복하는 것이다.

그래서 GPU 26만 장은 ‘선물’이 아니라 ‘미끼’에 가깝다. “GPU 줄 테니 이 OS로 로봇을 만들어라”는 제안이고, 한국 기업이 그 위에서 로봇을 만들기 시작하는 순간 엔비디아 생태계에 묶인다. 그렇다면 그 ‘OS 풀스택’의 정체가 무엇인지부터 봐야 한다.

4. 엔비디아의 로봇 풀스택 - 두뇌부터 훈련장까지 한 세트

엔비디아가 한국에 깔려는 건 단품이 아니라 로봇을 만드는 데 필요한 모든 층을 하나로 묶은 세트다. 층층이 뜯어보면 이렇다.

로봇의 두뇌 = Isaac GR00T(그루트) - 휴머노이드(인간형 로봇)용 파운데이션 모델이다. LLM이 ‘언어의 기반 모델’이듯, GR00T는 ‘로봇 동작(잡기·옮기기·양팔 작업)의 기반 모델’이다. 2025년 3월 공개된 GR00T N1은 세계 최초의 ‘오픈’ 휴머노이드 파운데이션 모델이다. (NVIDIA)
자율주행 OS = NVIDIA DRIVE - 칩(DRIVE Thor)과 운영체제(DRIVE OS)로 구성된 자율주행 풀스택. 현대차 협력이 여기에 연결된다.
이 모두를 묶는 OS = Omniverse(옴니버스) - 엔비디아가 직접 “디지털 트윈 OS”라 부르는 시뮬레이션 운영체제. 로봇·자율주행을 현실에 투입하기 전, 가상세계에서 미리 학습시킨다.
데이터 생성 = Cosmos / 시뮬레이터 = Isaac Sim / 로봇 탑재 칩 = Jetson Thor - 학습 데이터를 찍어내고, 가상 환경에서 굴려보고, 완성된 두뇌를 로봇에 심는다.

5. 로봇판 CUDA의 핵심 - ‘데이터 해자’를 가상세계에서 찍어낸다

그런데 엔비디아는 왜 굳이 GR00T를 ‘오픈’ 모델로, 누구나 쓰게 풀어버렸을까? 공짜로 풀면 손해 아닌가? 여기에 락인의 가장 영리한 수가 숨어 있다.

먼저 로봇 AI의 구조를 이해해야 한다. 물리 세계의 기반 모델은 두 층으로 되어 있다.

VLA(Vision-Language-Action) - 본 것(Vision) + 명령(Language) → 동작(Action). 쉽게 말해 ‘로봇을 위한 ChatGPT’다. “저 컵을 집어”라고 말하면 카메라로 보고 팔을 움직인다. GR00T가 바로 이 VLA형 모델이다.
월드 모델(World Model) - 한 층 더 위다. 중력·마찰·충돌 같은 물리 법칙을 이해하고 “5초 뒤 세상이 어떻게 될지”를 시뮬레이션한다. LLM이 못 하는 ‘물리 상식’을 담당하는, LLM과 비슷하지만 전혀 다른 무언가다. 엔비디아 Cosmos가 노리는 자리다.

여기서 진짜 병목이 등장한다. 로봇 모델은 인터넷 텍스트로 학습할 수 없다. ChatGPT는 인터넷에 널린 글을 긁어 학습했지만, 로봇은 ‘실제로 물건을 집고 옮긴 물리 동작 데이터’가 있어야 배운다. 그런데 이 데이터는 절대적으로 부족하다. 로봇 팔을 사람이 일일이 움직여 데이터를 모으는 건 너무 느리고 비싸다. 이것이 로봇 AI의 가장 큰 벽이다.

엔비디아는 이 벽을 자기 방식으로 넘는다. Omniverse라는 가상세계에서 합성 데이터를 무한히 찍어내는 것이다. 가상의 공장, 가상의 부엌에서 로봇이 수백만 번 물건을 집어보게 하고, 그 데이터로 GR00T를 학습시킨다. 즉 모든 회사가 막힌 그 데이터 병목을, 엔비디아는 자기 플랫폼 안에서만 풀 수 있게 만든 것이다.

LLM을 잠근 그 스택을, 로봇에서 한 층 더 깊이 복제한다

이 데이터 공장이 왜 그렇게 결정적인지는, LLM이 어떻게 CUDA에 묶였는지를 같이 놓고 봐야 분명해진다. 우리가 GPT·클로드를 만들고 돌릴 때 쓰는 건 GPU 한 덩어리가 아니라, 켜켜이 쌓인 ‘스택’이다.

칩 - H100·B200 같은 엔비디아 GPU
CUDA - 그 위에서 연산을 돌리는 기반층(락인의 뿌리)
가속 라이브러리 - CUDA 위의 cuDNN(신경망 연산)·NCCL(수천 장 GPU를 잇는 통신)
프레임워크 - 그 위에 PyTorch. 세상 대부분의 AI가 이걸로 만들어진다.
모델 - 그 위에 GPT·클로드
추론·서빙 - 다 만든 모델을 빠르게 굴리는 TensorRT-LLM·Triton

여기서 핵심은 PyTorch다. PyTorch는 형식상 ‘오픈소스’이고 어떤 칩에서도 돈다고 돼 있다. 그러나 제 성능은 CUDA 위에서만 나오고 버전조차 CUDA에 묶여 있어, ‘열린’ 프레임워크인데도 사실상 엔비디아에 잠긴다. 어딘가 익숙한 구조다 - 그렇다. GR00T를 ‘오픈’으로 풀면서도 Omniverse에 묶는 그 수법은, PyTorch가 CUDA에 했던 일의 재탕이다.

이제 로봇 스택을 같은 층으로 나란히 놓으면, 엔비디아가 무엇을 하는지 한눈에 보인다. 칩(Jetson Thor) → CUDA → CUDA 가속 로봇 미들웨어(Isaac ROS) → 학습 프레임워크(Isaac Lab) → 기반 모델(GR00T·Cosmos) → 추론(TensorRT). CUDA를 공통 뿌리로 둔 채, 거의 똑같은 스택을 로봇용 이름표만 바꿔 다시 깐 것이다.

단 하나, 맨 밑바닥 ‘연료(데이터)’만 다르다. 그리고 그 차이가 결정적이다. LLM은 연료가 공짜였다 - 인터넷에 텍스트가 널려 있으니, 엔비디아는 ‘연산 스택’만 쥐면 됐다. 반면 로봇은 연료가 세상에 없다 - 그래서 엔비디아는 로봇에선 연산 스택에 더해, 연료를 직접 찍어내는 ‘데이터 공장’(Omniverse·Isaac Sim·Cosmos)까지 한 층 더 소유한다. 로봇판 락인이 LLM 락인보다 한 겹 더 깊은 이유가 바로 이것이다.

▲ LLM 스택과 로봇 스택은 칩 → CUDA → 프레임워크 → 모델로 거의 똑같고, CUDA가 양쪽의 공통 뿌리다. 단 하나 결정적 차이는 ‘연료(데이터)’다 - LLM은 인터넷 텍스트가 공짜로 널려 엔비디아가 연산 스택만 쥐면 됐지만, 로봇은 물리 데이터가 세상에 없어 엔비디아가 데이터 공장(Omniverse·Cosmos)까지 한 층 더 소유한다. 그래서 로봇 락인이 LLM 락인보다 한 겹 더 깊다.

그런데 ‘가짜 데이터’로 어떻게 진짜 로봇이 학습되나 - 물리에는 ‘심판’이 있다

여기서 더 근본적인 질문이 남는다. 가상세계에서 찍어낸 가짜 데이터로 어떻게 진짜 로봇이 학습되는가? ChatGPT 같은 사고형 AI는 스스로 데이터를 만들어 똑똑해지지 못한다(자기가 쓴 글을 자기가 채점할 수 없으니까). 그런데 왜 로봇은 가상에서 혼자 연습하는 것만으로 늘까? 답은 하나다 - 물리 세계에는 깨끗한 ‘심판’이 있기 때문이다.

바둑을 떠올리면 정확하다. 2017년 알파고 제로는 인간 기보를 단 한 판도 안 보고, 오직 자기 자신과 두는 것(self-play)만으로 사흘 만에 이세돌을 이긴 버전을 100대 0으로 꺾었다. 어떻게 인간 데이터 없이 초인이 됐나? 바둑에는 ‘이기면 +1, 지면 -1’이라는 깨끗한 채점 기준(목적함수)이 있어서다. 그 명확한 승패 신호 덕에 AI는 스스로 둔 수가 좋은지 나쁜지를 자기 힘으로 채점하며 무한히 연습할 수 있었다. 반대로 “이 글이 더 좋다”, “이 통찰이 더 깊다”는 객관적으로 채점할 함수가 없어서, 사고형 AI(LLM)는 self-play로 자기를 끌어올리지 못한다.

로봇은 정확히 바둑 쪽이다. “컵을 떨어뜨리지 않고 옮겼는가”, “넘어지지 않고 걸었는가”는 물리 시뮬레이터가 즉시, 객관적으로 채점한다. 중력·마찰·충돌이라는 물리 법칙 자체가 심판이기 때문이다. 그래서 로봇은 가상세계에서 수백만 번 시행착오로 자기 혼자 연습하며(강화학습), 인간 데이터 없이도 실력을 올릴 수 있다. 피지컬 AI가 ‘풀리는’ 문제인 이유, 그리고 엔비디아가 시뮬레이션에 회사의 명운을 거는 이유가 여기 있다 - 로봇의 세계는 바둑처럼 채점 가능한 닫힌 영역이다.

그리고 여기서 해자의 진짜 깊이가 드러난다. 자기학습의 엔진은 결국 ‘심판’이고, 엔비디아는 그 심판 자체 - 물리를 채점하는 시뮬레이터(Omniverse·Cosmos) - 를 소유한다. 알파고가 강했던 건 바둑판(룰)을 가져서가 아니라 승패라는 채점기를 돌릴 수 있었기 때문인데, 로봇 세계에서 그 채점기를 쥔 자가 바로 엔비디아다. 그러니 데이터를 많이 가진 게 해자가 아니다. 데이터를 무한히 찍어낼 채점기(목적함수)를 가진 것이 진짜 해자다. 남들이 로봇 데이터를 한 줌씩 손으로 모을 때, 엔비디아는 심판을 돌려 데이터를 공장처럼 양산한다.

▲ 왜 로봇은 가상에서 혼자 연습하는 것만으로 늘고, 사고형 AI(LLM)는 못 늘까. 차이는 ‘옳음을 채점할 심판(목적함수)’의 유무다. 바둑·로봇·수학·코드처럼 심판이 있으면 self-play로 초인이 되고, 가치·통찰처럼 심판이 없으면 인력장에 갇힌다. 엔비디아는 로봇의 그 심판(Omniverse 물리 시뮬)을 소유한다.

이제 ‘오픈 모델’의 정체가 드러난다. GR00T를 공짜로 풀어도, 그 모델을 제대로 학습시키려면 결국 엔비디아의 Omniverse·Cosmos에서 데이터를 뽑아야 한다. 모델은 열어주고, 데이터를 찍는 발전소는 자기가 쥐는 것이다. 이게 ‘CUDA식 락인’의 로봇 버전이다 - 칩이 아니라 데이터 해자(moat)로 묶는다. 그리고 이 데이터 발전소의 가장 기름진 원료가, 뜻밖에도 ‘게임’이다.

6. 게임이 로봇 훈련장이 된다 - RTX 스파크라는 연결고리

또 하나의 고정관념. “게임용 GPU(지포스)와 AI 머신은 별개의 물건”이라는 생각이다. 젠슨황이 방한 첫날 PC방에 가고 페이커 에디션 그래픽카드를 공개한 것도 그저 게이밍 마케팅으로만 보인다. 하지만 이 둘은 한 점에서 만난다.

그 접점이 RTX 스파크다. 젠슨황이 컴퓨텍스 2026에서 발표한 차세대 윈도우 AI PC로, 그는 이를 “40년 만의 PC 대혁명”이라 불렀다. Arm 기반 그레이스 CPU와 블랙웰 RTX GPU(6,144 코어)를 한 칩에 담고, 128GB 통합 메모리에 1페타플롭 AI 성능을 낸다. 1,200억(120B) 파라미터급 LLM을 클라우드 없이 로컬에서 돌릴 수 있다. (NVIDIA)

핵심은 이 한 기기에서 게임 + 그래픽 + AI 연산이 동시에 돈다는 것이다. 기존 개발자용 DGX Spark는 리눅스 기반이라 게임기가 아니었지만, RTX 스파크는 윈도우(Windows on Arm, MS 협업) 위에서 게임과 AI를 한 몸으로 묶었다. 그동안 분리돼 있던 게이밍 RTX와 AI 머신을 하나로 통합한 것이다.

그리고 여기서 5절의 ‘데이터 해자’와 연결되는 마지막 조각이 나온다 - 게임 = 로봇 훈련장.

로봇 두뇌(GR00T)는 가상세계 학습이 필요하다(Omniverse·Isaac Sim).
게임 엔진이 바로 그 고품질 가상세계다. 게임 속 물리 엔진, 캐릭터 행동 데이터가 곧 로봇 학습 데이터로 직결된다.
그래서 게임사는 단순한 ‘GPU 고객’에서 ‘피지컬 AI의 가상 훈련장 파트너’로 격상된다.

실제로 크래프톤은 올해 피지컬 AI 자회사 ‘루도 로보틱스’를 세웠고, 배틀그라운드에 온디바이스 AI 협동 기능(PUBG Ally), inZOI에 스스로 사고하는 캐릭터(스마트 조이)를 넣었다 - 모두 클라우드 없이 기기에서 도는, RTX 스파크가 구동하는 방식이다. 엔비디아도 RTX 스파크 파트너로 크래프톤(PUBG)·넷이즈·라이엇 등을 공식 거명했다. (NVIDIA)

흥미로운 건, ‘게임사가 로봇 데이터 파트너가 된다’는 이 구도에 가장 깊이 올라탄 곳이 의외로 크래프톤이 아니라 엔씨(NC)라는 점이다. 엔씨는 AI 자회사 ‘NC AI’를 통해 삼성SDS·포스코DX·레인보우로보틱스·KAIST 등 50여 개 기관을 묶은 ‘K-피지컬 AI 얼라이언스’를 직접 총괄하고, 엔비디아의 월드모델 코스모스를 도입해 도메인 특화 모델을 학습 중이다. (디지털투데이, 전자신문) 게임으로 쌓은 가상세계 구축 노하우와 자체 3D 생성모델을 ‘로봇 학습용 합성데이터 공장’으로 돌려, GPU를 글로벌 톱 모델의 25%만 쓰고도 핵심 과제에서 코스모스의 80% 성능을 냈다고 주장한다. 즉 크래프톤이 ‘게임+휴머노이드 두뇌(루도)’로 갔다면, 엔씨는 ‘게임+합성데이터·월드모델’로 5절에서 본 데이터 공장의 한국판을 자처한 셈이다. 다만 이 두뇌가 실제 산업현장에 채택된 상용 레퍼런스는 아직 없어, 비전의 정합성과 상용화 사이의 간극은 그대로 남아 있다.

그림이 완성된다. ① RTX 스파크로 게임과 온디바이스 AI를 한 기기에 통합하고 → ② 게임 엔진을 로봇 학습용 가상 훈련장으로 끌어오고 → ③ 게임사(크래프톤·엔씨)를 피지컬 AI의 데이터·시뮬레이션 파트너로 편입한다. 게임이 재미를 위한 도구를 넘어, 로봇의 데이터를 찍어내는 공장이 되는 것이다.

7. 락인은 데이터센터에서 끝나지 않는다 - 컴퓨팅이 책상으로 내려와도 ‘두뇌’는 안 내려온다

6절에서 본 RTX 스파크에는 게임 훈련장 말고 또 하나의 얼굴이 있다. 엔비디아 락인의 ‘세 번째 전선’이다. 데이터센터를 CUDA로 잠그고, 로봇을 GR00T·Omniverse로 잠근 데 이어, 이번엔 개인의 책상까지 잠그려는 것이다.

이걸 이해하려면 기술이 퍼지는 근본 법칙 하나를 봐야 한다. 새로운 기술은 언제나 비싼 사치품(P)으로 먼저 등장하고, 그 사치품이 값싸게 일반화(Q)되면서 문명이 한 단계 올라선다. 자동차도, 전화도, 컴퓨터도 처음엔 소수만 누리던 고가품이었다가 대중에게 퍼졌다. 컴퓨팅의 역사가 그대로다 - 1960년대 메인프레임이라는 사치품(P)으로 시작해 1980년대 PC로 대중화(Q)됐고, 다시 인터넷·서버라는 더 높은 사치품(P)이 등장해 2000년대 모바일로 퍼졌다(Q). 핵심은 이것이 ‘집중과 분산을 번갈아 오가는 시소’가 아니라는 점이다. 늘 P가 먼저 오고 Q가 뒤따르며, 그때마다 한 층 더 높은 새 P가 생긴다. 지금 AI 컴퓨팅은 그 첫 단계, 구글·아마존·MS 같은 극소수만 쥔 극단적 사치품(P)의 시대에 있다. 비싼 반도체를 소수에게 파는 고가 소량의 국면이다.

RTX 스파크는 그 사치품(P)이 드디어 개인에게 번지기 시작하는 Q의 서막이다. 스마트폰이 한 해 12~14억 대 팔렸듯, 일반화 국면에 들어서면 판매량이 폭증한다 - 저가 대량의 시대다. 다만 오해하면 안 된다. Q가 온다고 P가 사라지는 게 아니다. PC가 집집마다 퍼졌어도 메인프레임은 죽기는커녕 더 거대한 데이터센터로 자랐듯, 사치품은 대중화되면서도 그 위에 늘 더 높은 사치품을 남긴다. 데이터센터(P)는 그대로 둔 채, 그 아래로 개인용(Q)이 새로 열리는 것이다.

그리고 여기서 엔비디아의 진짜 노림수가 드러난다. Q가 열려도 엔비디아는 손해가 아니다. 그 대중화된 기기마저 CUDA 위에서 돌게 만들면 그만이기 때문이다. 사실 온디바이스 AI를 먼저 실현한 건 애플이었다(통합 메모리로 맥에서 큰 모델을 로컬 구동). RTX 스파크의 진짜 목적은 “AI가 개인에게 처음 왔다”가 아니라, “애플에 내준 개인 AI 박스 시장을 CUDA 진영으로 탈환”하는 것이다. 사치품(데이터센터)이든 대중품(책상)이든, 결국 같은 CUDA 한 장으로 다 잠근다.

그렇다면 이 Q의 확산이 정말 데이터센터(P), 그리고 거기 들어가는 한국의 HBM을 죽일까? 아니다. 엔비디아가 RTX 스파크에 남긴 결정적 단서가 그 답을 증명한다 - 일부러 HBM을 안 넣었다는 것이다(값싼 LPDDR만 얹었다). 이유는 ‘HBM이 대체 무엇을 위한 부품인가’에 있다.

1명이 쓸 때 = 지연(속도) 싸움. 내가 읽는 속도보다 빠르게 토큰만 나오면 된다 → 값싼 LPDDR로 충분하다.
N명에게 동시에 서빙할 때 = 처리량 싸움. 사용자가 늘면 KV 캐시가 폭증해 메모리 대역폭이 병목이 된다 → 초당 테라바이트급 HBM이 필수다.

즉 HBM은 “많은 사람에게 동시에 토큰을 빠르게 뱉기 위한” 데이터센터 전용 부품이다. 엔비디아가 개인용 RTX 스파크에서 HBM을 뺀 것 자체가 “이건 서버가 아니라 개인 디바이스”라는 선언이다. 그래서 두 시장은 서로 잡아먹는 대체 관계가 아니라 공존한다 - 집중(P) = 데이터센터·HBM(N명 서빙), 분산(Q) = 온디바이스·LPDDR(1명 사용).

그럼 RTX 스파크는 무슨 용도일까? 결정적인 발상의 전환이 여기 있다. 우리가 만들려는 로봇과 자동화는 프론티어 LLM 같은 ‘천재’를 필요로 하지 않는다. 인간의 단순 노동을 대신할 RPA급 모델이면 충분하다. 송장 처리, 메일 초안, ERP 대조, 창고에서 물건 옮기기 - 이런 일에 박사급 추론은 과분하고, 70B 안팎의 가벼운 모델로 족하다. 그리고 그 정도는 온디바이스(RTX·Jetson)에서 충분히, 값싸게, 기밀 유출 없이 돈다. 최근 두 달 만에 깃허브 별 20만 개를 넘긴 오픈소스 AI 에이전트 ‘오픈클로(OpenClaw)’가 그 상징이다 (The AI Corner) - 로컬에서 파일·셸·브라우저를 직접 조작하는, 딱 ‘자동화 도구’다.(1차적으로 애플의 M4칩과 맥북/맥미니가 직접적 그 경쟁상대이다.)

반대로 진짜 두뇌는 책상으로 안 내려온다. 고급 추론, 5절에서 본 월드 모델, 로봇 학습용 합성 데이터 생성 - 이 무거운 일은 여전히 데이터센터(P, HBM)의 몫이다. 실제로 맥 스튜디오가 딥시크 671B를 (일반적인 GPT5급 모델) 로컬에서 돌리긴 하지만(M3 울트라 512GB, 약 17~18토큰/초 (MacRumors)), 맥락이 조금만 길어져도 급격히 느려지고 노트북 폼팩터엔 아예 들어가지도 못한다. 진짜 한계는 용량이 아니라 속도(대역폭)이고, 그 대역폭 싸움의 정점이 바로 HBM이기 때문이다.

여기서 이 글 전체와 맞물리는 가장 중요한 통찰이 나온다. 분산되는 것은 ‘추론’이 아니라 ‘자동화’다. 흔히 RTX 스파크를 두고 “이제 기업도 보안유지를 위해 클라우드 없이 로컬에서 LLM을 돌릴 수 있다”고 한다. 하지만 이건 핵심을 빗나간 말이다. 온디바이스는 어차피 데이터센터의 프론티어 모델을 대체하지 못한다 - ChatGPT, Claude와 같은 거대 모델은 발열과 대역폭의 벽에 막혀 개인 기기에 올릴 수가 없다. “RTX로 천재 LLM을 로컬에서 쓴다”가 요점이 아닌 것이다.

그래서 RTX(하드웨어)와 자동화(RPA)는 따로 노는 두 이야기가 아니라 하나로 이어진 파이프라인이다. 무거운 학습은 데이터센터(P)에서 끝낸다 - GR00T를 Omniverse에서 수백만 번 굴려 ‘일하는 법’을 익히게 한다. 그리고 그 다 구워진 모델을, 점점 강해지는 RTX·Jetson에 실어 현장에 뿌린다(Q). 이 확산은 개인이 아니라 기업에서 먼저 일어난다. PC를 떠올리면 정확하다 - 가정엔 한 대지만 회사엔 수천 대가 깔린다. 자동화로 인건비를 줄일 절박함도, 그걸 살 돈도 기업에 먼저 있기 때문이다. 학습이 끝난 로봇·자동화 모델은 그렇게 기업의 수천 대 기기로 먼저 빽빽이 퍼진 뒤, 개인에게로 내려온다. 사치품(P)이 대중품(Q)으로 번지는 그 법칙이, 자동화에서도 ‘데이터센터 학습 → 기업 대량 배포 → 개인 확산’의 순서로 똑같이 흐르는 것이다.

결국 엔비디아는 양 끝을 다 쥔다. 로봇의 진짜 두뇌(GR00T 학습·Cosmos 월드모델·합성 데이터)는 데이터센터(P)에서 굽고, 그 두뇌가 익힌 손발 자동화는 엣지(Jetson·RTX, Q)에서 돌린다. 그리고 그 사이를 CUDA 한 장으로 잇는다. 이것이 락인의 완성형이다.

온디바이스 AI의 부상을 ‘AI 피크아웃’이나 ‘HBM 수요 둔화’ 신호로 읽으면 정반대로 헛짚는 것이다. 분산되는 건 추론이 아니라 자동화이고, 고급 추론과 로봇의 두뇌는 여전히 데이터센터(HBM)에 남는다. 이것이 한국의 HBM(삼성·SK)이 안전한 이유이자, 엔비디아가 데이터센터든 개인 책상이든 로봇이든 결국 같은 CUDA 한 장으로 전부 잠그는 이유다.

8. 락인의 마지막 못 - ‘AI 기술센터’와 솔루션 아키텍트

GPU도 깔고, 풀스택 OS도 깔고, 게임사까지 끌어왔다. 그런데 락인을 완성하려면 마지막 한 가지가 더 필요하다 - 사람이다. 아무리 좋은 OS라도 그걸 쓸 줄 아는 인재가 없으면 안 깔린다.

그래서 엔비디아는 한국에 ‘AI 기술센터’를 세우고 인재를 뽑는다. 채용 공고의 핵심 직군이 ‘피지컬 AI 솔루션 아키텍트(Solution Architect)’다. 이름은 연구직 같지만 실체는 다르다 - 순수 연구가 아니라, 파트너사가 엔비디아 플랫폼을 쓰도록 설계를 지원하고 PoC(개념검증)를 돕는 ‘생태계 인에이블먼트’ 직군이다. 국내 대학·기업과 협력해 피지컬 AI 프로젝트를 함께 수행하는, 곧 ‘한국 기업을 엔비디아 OS 위로 끌어올리는 역할’이다.

물론 이 조직이 단순 영업 교육기관은 아니다. 정식 명칭은 ‘AI 기술센터’로, 정부·대학과 원천기술을 공동개발하고 국제학회에 논문도 내는 R&D 조직이다(현재 싱가포르·영국·대만에만 있다). 박사 학위에 5년 경력을 요구한다. 그러니 “OS 전파 기관일 뿐”이라 깎아내릴 수는 없다. 하지만 어느 쪽으로 보든 본질은 같다 - 한국의 인재와 산학을 엔비디아 생태계 안으로 편입시키는 것이다.

이로써 락인의 못이 다 박힌다. GPU 26만 장(하드웨어) + 풀스택 OS(소프트웨어) + 게임사(데이터 훈련장) + AI 기술센터·솔루션 아키텍트(인재). 한국의 산학이 GR00T·Omniverse로 연구하고 PoC를 돌리는 순간, 데이터도 인재도 엔비디아 표준에 묶인다. 칩 하나가 아니라 생태계 전체로 가두는, ‘로봇판 CUDA’의 해자가 이렇게 완성된다.

이 그림은 별개의 사건이 아니라, 지금 벌어지는 더 큰 전쟁의 한 전선이다. 그리고 그 전쟁의 승부처는 의외로 ‘메모리’에, 그리고 엔비디아의 진짜 라이벌인 ‘테슬라’에 있다.

9. 메모리 삼형제 - HBM·DRAM·SRAM, 그리고 그록·세레브라스

지금까지 ‘HBM이냐 아니냐’로만 갈랐지만, AI 칩의 메모리는 사실 세 형제다. 이 셋의 성격을 알아야 다음 전선이 보인다.

DRAM - 트랜지스터 1개 + 캐패시터 1개로 만드는 범용 메모리. 빽빽하고(GB급) 싸지만 느리다(50~100나노초). PC·서버의 일반 메모리가 이것이고, 삼성·SK하이닉스·마이크론의 주력이다.
HBM - 그 DRAM을 수직으로 쌓아 초당 테라바이트급 대역폭을 뽑아낸 것. 여러 명에게 동시에 토큰을 빠르게 뱉는 데이터센터 학습·고동시성 추론의 표준이며, 가장 비싸다. SK하이닉스가 세계 1위다.
SRAM - 트랜지스터 6개로 한 비트를 만들어 칩 위에 직접 박는 메모리. DRAM보다 100배 빠르지만(1~5나노초) 자리를 많이 차지해 용량이 MB급으로 작고 비싸다. 단일 토큰을 초저지연으로 뱉는 추론에 최적이다.

▲ 메모리 삼형제를 ‘속도 vs 용량’으로 놓으면 자리가 분명해진다. 엣지(로봇·차)는 좌상단 SRAM, 데이터센터는 우상단 HBM, 범용은 우하단 DRAM. 그리고 한국이 HBM 값을 비싸게 받을수록, 그 틈으로 SRAM(그록·세레브라스)이 비집고 들어올 여지도 함께 커진다.

핵심은 메모리 병목을 푸는 길이 ‘HBM을 더 많이’와 ‘HBM을 아예 안 쓰고 온칩 SRAM으로’라는 두 갈래로 갈렸다는 것이다. 후자의 대표가 둘이다.

그록(Groq) - LPU 칩에 SRAM을 230MB만 박고 외장 메모리(HBM·DRAM)를 아예 안 쓴다. 결정론적 설계로 초당 수백 토큰의 초저지연이 강점이지만, 칩당 용량이 작아 큰 모델은 수백 장을 묶어야 한다.
세레브라스(Cerebras) - 웨이퍼 한 장을 통째로 칩으로 써서 온칩 SRAM 44GB를 깔고 페타바이트/초 대역폭으로 병목을 없앤다. (ServeTheHome) 단 큰 모델은 여러 장에 분산해야 하고, 무엇보다 차에는 못 넣는 데이터센터 괴물이다.

그런데 결정적 사건이 터졌다. 엔비디아가 2025년 12월, 약 200억 달러에 그록을 변칙 인수했다(법인은 명목상 독립으로 남겨 반독점 심사를 피한 ‘IP + 핵심 인력’ 딜이다). (Tom’s Hardware) 학습은 자기 GPU(HBM)가 계속 지배하되, 자신이 약했던 초저지연 추론을 SRAM(LPU)으로 흡수해 추론 시장까지 수직통합하려는 포석이다. 즉 엔비디아조차 “학습 = HBM / 추론 = SRAM”으로 컴퓨팅을 둘로 쪼개기 시작한 것이다. (흥미롭게도 그록의 첫 칩은 TSMC가 아니라 삼성 4nm로 갔다 - 단일 파운드리 의존을 줄이려는 멀티 파운드리 포석이다.)

여기서 한국에 묘한 역설이 생긴다. 한국이 HBM 값을 비싸게 받을수록, SRAM이 비집고 들어올 틈도 함께 커진다. HBM이 비싸고 모자랄수록 “비싼 HBM을 잔뜩 사느니 SRAM으로 우회하자”는 동기가 강해지기 때문이다. 삼성·SK하이닉스의 HBM 독점은 단기엔 노다지지만, 바로 그 높은 가격이 그록·세레브라스 같은 탈HBM 진영에 산소를 공급하는 셈이다. (한국의 추론칩 퓨리오사·리벨리온이 HBM을 버리지 않고 ‘HBM + 압도적 전력효율’로 가는 것도, 세계 최강 HBM 공급사를 옆에 둔 이점을 살리면서 이 흐름에 함께 올라타려는 선택이다.)

10. 진짜 전쟁은 엔비디아 vs 테슬라 - 안드로이드의 길, 애플의 길

이제 가장 큰 그림이다. 엔비디아의 진짜 경쟁자는 AMD가 아니다. 테슬라다. 테슬라는 이미 전기차 회사가 아니다. 전기차회사라면 PER을 200배씩 받는 지금의 상황은 존재할 수 없다. 테슬라는 줄곳 자신들은 미래 로봇회사라고 주장하고 있고 항상 납기가 지연되지만 그 계획을 느리지만 현실로 만들고 있다.

테슬라는 이미 자체 추론 칩(AI5·AI6)을 설계하고, 자체 OS(FSD 자율주행)와 하드웨어(차·휴머노이드 옵티머스), 그리고 누구도 못 가진 막대한 주행 데이터를 쥐었다. 거기에 xAI(Grok)로 LLM까지 손에 넣는다. 여기에 테라팹(Terafab)이라는 자체 반도체 공장까지 짓겠다고 선언한 순간 - 설계부터 제조까지 통째로 갖겠다는 것이고, 이건 사실상 엔비디아를 향한 전면전 선언이다. (Electrek) 만약 테슬라가 xAI로 모델까지, 테라팹으로 칩까지 다 먹으면, 엔비디아가 비집고 들어갈 자리 자체가 사라진다.

두 거인은 서로 전혀 다른 혁명 모델을 준비하고 있다.

테슬라 = 애플의 길. 칩·OS·하드웨어·데이터·팹을 전부 소유하는 폐쇄형 수직통합이다. 애플이 A칩·iOS·아이폰·앱스토어를 다 쥐고 완성도를 뽑아냈듯, 테슬라는 로봇과 자율주행을 처음부터 끝까지 직접 만든다. (심지어 통신사에 결제망까지 에플보다 더 나아간 그야말로 성공하면 국가보다 큰 제국의 왕이된다.)
엔비디아 = 구글 안드로이드의 길. 엔비디아는 결정적으로 팹이 없다(팹리스). 애플처럼 다 가질 수가 없다. 그래서 정반대 길을 택한다 - CUDA와 풀스택이라는 ‘OS’를 쥐고, 그것을 전 세계 제조사에 깔아 연합전선을 만드는 것이다. 구글이 안드로이드를 삼성을 비롯한 수많은 제조사에 얹어 생태계의 주인이 됐듯이.

▲ 로봇을 만드는 층(OS·모델·칩·팹·완성품)을 누가 갖나로 보면 두 길이 갈린다. 테슬라는 한 칸(셀 병합)으로 전부 직접 소유하는 애플식 폐쇄 수직통합. 엔비디아는 위 3층(OS·모델·칩 설계)만 쥐고, 제조·HBM·완성은 한국·대만 등 연합 파트너에 맡기는 안드로이드식 개방 연합이다.

이렇게 보면 젠슨황의 방한이 완전히 다르게 읽힌다. 엔비디아는 혼자 다 만들 수 없으니 동맹이 필요하다. 칩은 TSMC가 찍어주지만, 대만 하나로는 이 전쟁을 못 치른다 - 로봇과 완성차를 실제로 만들어내고, HBM을 대고, 제조 라인을 받쳐줄 두 번째 기둥이 있어야 한다. 그게 한국이다. GPU 26만 장도, AI 기술센터도, 게임사·로봇기업과의 회동도 - 전부 연합군을 모으러 온 ‘씨 뿌리기’다. 애플(테슬라)이 홀로 성을 쌓는 동안, 안드로이드(엔비디아)는 동맹을 규합하는 것이다.

단, ‘한국이라는 기둥’ 안에서도 엔비디아에 묶이는 정도는 같지 않다. 가장 중요한 예외가 현대차다. 현대차는 자율주행에서는 엔비디아 DRIVE(GPU·플랫폼)에 깊이 올라탔지만, 정작 휴머노이드(자회사 보스턴다이내믹스의 아틀라스)의 ‘두뇌’로는 엔비디아 GR00T가 아니라 구글 딥마인드의 제미나이 로보틱스를 택했다. (ZDNet) 여기서 엔비디아의 역할은 탑재 칩(Jetson Thor) 공급에 그친다. 두뇌는 구글, 몸체는 자체(보스턴다이내믹스), 칩만 엔비디아인 멀티벤더 구조인 것이다. 모셔널(자율주행 합작)·포티투닷(자체 주행 SW)까지 쥔 현대차는 엔비디아 표준에 ‘묶이는 쪽’이라기보다, 두뇌를 골라 쓰며 거리를 두는 쪽 - 즉 같은 연합군 기둥이어도 삼성·SK의 HBM이 엔비디아에 깊이 물린 자리라면, 현대차는 오히려 테슬라(자체 수직통합)의 길을 일부 흉내 내는 자리에 가깝다. 그래서 ‘한국이 락인된다’는 이 글의 큰 그림은, 그 안에서도 HBM·게임사처럼 깊이 물리는 축과 현대차처럼 빠져나갈 카드를 쥔 축으로 갈린다는 단서를 함께 봐야 정확하다.

그리고 메모리 전선에서도 두 적은 같은 방향으로 움직인다. 엔비디아는 그록(SRAM)을 샀고, 테슬라의 AI5는 이미 HBM이 아니라 값싼 GDDR을 쓴다. (TrendForce) 둘 다 엣지의 미래는 HBM이 아니라 SRAM·저가 메모리라고 본다 - 로봇과 차에 필요한 건 거대한 두뇌가 아니라 ‘속도 + 적당한 지능’이기 때문이다(7절). 적이지만, 기술의 방향만큼은 같은 결론에 이른 셈이다.

이 전쟁은 이 글 하나로 끝나지 않는다.

AI 경쟁의 진짜 병목이 전기도 반도체도 아닌 ‘돈’이라는 자본전쟁의 큰 그림은 스페이스X 역대 최대 상장, 닷컴 버블이 반복될 것인가에서 다뤘다 - 거기서 ‘곡괭이 파는 잡화상’이던 엔비디아가, 이 글에서는 로봇 시장의 곡괭이 표준까지 선점하려는 모습이다.
그 모든 연산과 로봇을 돌릴 전력이 왜 새로운 국력인지는 전기, 인류의 새로운 국력에서 풀었다.

결국 젠슨황의 방한은 ‘한국 기업 몇 곳에 호재’인 단순한 사건이 아니다. 애플(테슬라)과 안드로이드(엔비디아)가 피지컬 AI라는 다음 혁명을 두고 벌이는 전쟁에서, 엔비디아가 한국을 자기 연합군의 핵심 기둥으로 끌어올리려는 포석이다. 한국은 그 안에서 ‘갑’(없으면 안 되는 파트너)이자 동시에 ‘편입 대상’(엔비디아 표준에 묶이는 쪽)이라는 양면을 동시에 쥔다. 투자자가 봐야 할 것은 누가 이름이 불렸는가가 아니라, 누가 이 밸류체인에 실제로 올라타 사라지지 않을 ‘역할’을 받았는가다.

인사이트