엔비디아 CEO 젠슨 황, 한국의 AI 황금기와 네이버 신규 투자에 대해 말하다

• 엔비디아는 한국을 AI 시대의 핵심 파트너로 삼고 SK그룹(5,000억 달러 규모), 네이버(10억 달러 투자) 등과 대규모 협력을 추진하고 있습니다.
• 향후 AI 에이전트와 로봇의 폭발적 증가로 반도체 산업이 10배 이상 성장해야 하지만, 메모리·전력·부지 등 공급망 전반의 물리적 제약이 병목으로 작용하고 있습니다.
• 기업과 국가의 데이터 주권 및 사이버 보안 강화를 위해서는 폐쇄형 AI 서비스 활용과 더불어 직접 통제 가능한 오픈 모델(Open Models) 구축이 병행되어야 합니다.

본 자료는 미국의 경제 및 금융 전문 방송인 Bloomberg Nvidia CEO 젠슨 황과 인터뷰하고 2026년 7월 25일 방영한 내용을 한글로 번역하여 요약 정리한 것입니다. 이 프로그램에 나타난 견해들은 비즈앤프로의 공식 입장과 다를 수 있습니다.

엔비디아 CEO 젠슨 황, 한국의 AI 황금기와 네이버 신규 투자에 대해 말하다

(Nvidia CEO Jensen Huang Talks AI Golden Age in South Korea, New Naver Investment)

Bloomberg TV | 2026년 7월 25일 방영

1. 개요

아래 내용은 엔비디아(Nvidia) 젠슨 황 CEO의 최근 인터뷰 내용을 바탕으로, AI 산업의 대전환기 속 한국과의 전략적 파트너십, 글로벌 AI 생태계의 패러다임 변화, 오픈 모델(Open Models)의 당위성을 종합 정리한 핵심 요약본입니다.

2. 주요 핵심 내용 (Key Takeaways)

① 한국 시장과의 대규모 전략적 파트너십 (AI 황금기)

• SK그룹과의 대규모 협력 (약 5,000억 달러/680조 원 이상 규모)
  • 메모리 공급망 확보: HBM 등 핵심 메모리의 대규모 구매 및 공급 계약 체결.
  • 인프라 확충: 최대 2GW 규모의 AI 클라우드를 구축하려는 SK텔레콤 등에 엔비디아 슈퍼컴퓨터 공급.
• 네이버(Naver) 10억 달러 투자
  • 한국 대표 AI 클라우드인 네이버의 인프라를 200MW 규모로 증설하고 글로벌 확장을 지원.
• 한국의 전략적 가치
  • 반도체·제조업 호황과 뛰어난 신기술 수용성을 바탕으로, 전 세계 AI 인프라 구축의 핵심 허브로 평가.

② AI 컴퓨팅의 패러다임 전환과 글로벌 공급망 병목 현상

• 사용자 대상의 변화: “사람 중심”에서 “AI·로봇 중심”으로
  • 과거 10억 명의 인간 사용자를 넘어, 1,000억 개의 AI 에이전트와 수십억 대의 로봇이 컴퓨팅 자원을 소비하는 시대로 진입.
  • 이에 따라 향후 10년간 반도체 산업은 현재의 10배 이상 규모로 확장되어야 함.
• 전 방위적 공급망 병목(Bottleneck) 상존
  • HBM 및 LPDDR 메모리뿐만 아니라, 데이터센터 구축을 위한 부지, 전력, 건설 인력의 극심한 부족 발생.
  • 단기간 확장 한계로 인해 향후 10간 AI 인프라 확장은 물리적 제약에 맞춰 속도 조절(매년 2배 성장 수준)이 불가피함.

③ 미·중 AI 접근 방식 차이 및 인재 자원

• 접근 전략의 다변화
  • 미국은 ‘토큰의 품질과 고도화’에 초점을 맞추는 반면, 중국은 ‘토큰당 단가 절감’ 등 효율성 확보에 집중.
• 중국의 AI 경쟁력 평가
  • 중국은 전 세계에서 가장 많은 AI 연구자(인간 지능)를 배출하고 있어 뛰어난 AI 기술 창출이 지속될 것으로 전망.
  • 실리콘밸리 내 중국계 인재의 기여도를 인정하며, 대립보다는 지속적인 학습과 경주가 필요함을 강조.

④ 오픈 모델(Open Models)의 필수성과 자율 방어 체계

• 오픈 모델의 필요성: 통제권과 주권 확보
  • 기업 고유의 노하우(Alpha) 보호, 규제 산업의 SLA 충족, 국가별 AI 주권 확립을 위해 자체 통제 가능한 오픈 모델 구축이 필수적.
  • 폐쇄형 모델(Closed Models)이 초기 비용은 저렴할 수 있으나, 특수 유즈케이스 대응에는 오픈 모델이 반드시 병행되어야 함 (오픈·폐쇄 공존 미래).
• 사이버 보안과 단일 실패 지점(Single Point of Failure) 해소
  • 폐쇄형 모델이 반드시 안전하거나 보안성이 뛰어난 것은 아님 (유출, 젤브레이크 위험 상존).
  • 시스템 침투 시 오픈 모델(예: GLM 5.2)을 활용해 신속히 자체 방어한 허깅페이스(Hugging Face) 사례처럼, 분산된 자율 방어 체계 구축을 위해 오픈 모델 역량이 필수.

3. 결론 및 전략적 시사점

1. 글로벌 AI 밸류체인 내 한국의 핵심 축 부상
   • 엔비디아는 메모리(HBM) 수급과 AI 클라우드 인프라 확장의 핵심 파트너로 한국 기업(SK, 네이버)을 낙점했으며, 이는 국내 반도체·IT 산업에 장기적 모멘텀 제공.
2. 인프라 제약 극복을 위한 장기적 투자 필요
   • 전력, 부지 등 물리적 인프라 부족이 AI 확장의 최대 병목으로 부상함에 따라 에너지 및 데이터센터 인프라 솔루션의 중요성 증대.
3. 하이브리드 AI 모델 전략 수립
   • 범용·효율성 영역에서는 폐쇄형 AI 서비스를 활용하되, 보안·핵심 역량·맞춤형 영역에서는 오픈 웨이트(Open-weighted) 기반의 자체 AI 모델을 구축하는 투트랙 전략이 요구됨.

(인터뷰어. Bloomberg Tech 진행자 Ed Ludlow) 기본부터 시작해 보죠. 한국은 전세계적으로 AI를 구축하는데 놀라울 정도로 중요합니다. 고대역폭 메모리(HBM) 이야기도 나누겠지만, 우선 이번 (한국의 이재명 대통령과의) 정상회의와 대통령의 참석을 통해 얻은 가장 큰 시사점은 무엇인가요? 무엇을 달성하고자 하신 건가요?

(젠슨 황) 우선 한국과 수많은 파트너십을 발표하고 있습니다. 지금은 한국에게 황금기입니다. 아시다시피 한국의 반도체 산업은 호황을 누리고 있고, 산업 전반이 급성장하고 있죠. 한국은 세계가 AI 인프라를 구축하는 데 도움을 줄 수 있는 역량을 갖춘 국가입니다. 신기술을 도입하는 데 매우 능숙하며, 기술적으로 매우 앞서가는 사회입니다. 한국인들은 AI 활용을 정말 좋아해요. AI가 사회 전반과 산업계에 아주 잘 확산되어 있습니다. 따라서 지금은 한국에게 정말 좋은 시기입니다.

오늘 몇 가지를 발표하는데, 대표적으로 SK그룹과의 대형 파트너십이 있습니다. 양사가 서로 5,000억 달러(약 680조 원) 규모 이상의 비즈니스를 진행하는 파트너십을 맺게 됩니다. 메모리 공급 및 구매부터, 기가와트 규모의 공장으로 확장해 나가는 SK 측에 슈퍼컴퓨터를 판매하는 것까지 포함됩니다. 이 외에도 수많은 발표가 있습니다.

네이버에도 10억 달러를 투자하여 지원할 예정입니다. 네이버는 한국을 대표하는 AI 클라우드 기업인데, 한국 내 용량을 200메가와트(MW)까지 증설하고 글로벌 영역으로 확대할 계획입니다. 이처럼 관계 확장에 발맞춰 오늘 수많은 발표를 진행하고 있습니다.

(인터뷰어) HBM의 미래 세대에 대한 엔비디아의 로드맵에 더 직접적으로 관여하는 내용도 있나요? 이에 대해 말씀해 주시죠. 올해 초 무대에서 “5년 전 우리가 공급망에 일어날 일을 미리 말했고, 그대로 실현되었다”고 언급하신 기억이 납니다. 그 여정을 함께해 준 메모리 제조사들에게 공을 돌리기도 하셨지만, 분명 엔비디아는 미래 HBM 세대의 발전 방향에 깊이 관여하고 싶어 하는 것으로 보입니다.

(젠슨 황) 네, 당연히 함께 협력하고 있습니다. HBM2부터 시작해 HBM3, HBM3E, HBM4, HBM4E, 그리고 그 이후 세대까지 협력해 왔죠. 함께 개발 중인 메모리 로드맵 전체가 구축되어 있습니다.

또한 반도체 산업이 정말 크게 변했다는 점도 중요합니다. 그 이유는 이렇습니다. 과거에는 사람들이 사용할 컴퓨터를 만들었고, 앞으로도 훌륭한 컴퓨터를 계속 만들 것입니다. 이제 컴퓨터는 인간과 협업하기 위한 8개의 프로세싱 눈(AI) 역할을 하게 되죠. 하지만 미래에는 AI 에이전트와 로봇이 등장할 것이고, 이들 역시 컴퓨터를 사용하게 됩니다.

즉, 10억 명의 사람들만 컴퓨터를 사용하는 것이 아니라, 1,000억 개의 AI 에이전트와 수십억 대의 로봇이 모두 컴퓨터를 사용하는 시대가 열립니다. 반도체 산업 위에 구축된 컴퓨터 산업만으로는 확실히 부족합니다. 이것이 바로 반도체 산업이 깨달은 사실 중 하나입니다. 이제 컴퓨터는 단순히 사람이 쓰기 위해서가 아니라, ‘컴퓨터가 사용하기 위해’ 만들어지고 있다는 점이죠.

제 생각에 반도체 산업은 향후 10년 정도에 걸쳐 현재보다 아마 10배는 더 커져야 할 것입니다. 따라서 한국 및 전 세계 파트너들과 협력해 반도체 공급망을 확장함으로써 이러한 AI 미래에 대비하는 것은 매우 중요합니다.

(인터뷰어) 올해 이 질문을 여러 번 드릴 기회가 있었지만, 엔비디아 기반 시스템(어디에 설치되어 있든)을 위한 HBM 비트 공급을 늘리기 위해 한국 경제의 가동이 얼마나 필요한 상황인가요?

(젠슨 황) 사실 비트가 많이 부족합니다. HBM 메모리도, LPDDR 메모리도 부족하고 공급망의 거의 모든 부분에서 제약을 받고 있습니다. 심지어 이제는 데이터센터를 짓기 위한 부지, 전력, 건설 인력마저 부족한 실정입니다.

이러한 요소들이 향후 10년 동안 인프라 확장이 일정한 속도로 조절되며 진행되게 만드는 요인이 될 것입니다. 왜냐하면 PC나 스마트폰 같은 전자 기기와 달리, 토지·전력·건물 외형(Shell) 같은 인프라는 단기간에 대폭 늘리기가 정말 어렵기 때문입니다. 따라서 전체 공급망이 수년에 걸쳐 천천히 확장되어야 합니다. 업계 차원에서 매년 2배씩 성장할 역량은 된다고 보지만, 그보다 훨씬 빠르게 가기는 어려울 것입니다.

(인터뷰어) 5,000억 달러라는 숫자는 엄청난데요. 그 안에 어떤 내용이 포함되어 있는지 좀 더 설명해 주실 수 있나요? 그동안 엔비디아가 미국 내에서 지출하겠다는 약속에 대해서는 많이 다뤘는데, 이번 금액은 엔비디아가 한국 경제에 지출하는 돈인가요, 아니면 SK가 설비투자(CAPEX)를 대는 방식인가요? 자세한 내용을 부탁드립니다.

(젠슨 황) 우리는 향후 수년간 SK로부터 메모리를 구매할 것입니다. 아시다시피, 1조 달러 규모의 룸 시스템(Data Center System)을 구축하려면 그에 들어가는 시스템 메모리를 엄청나게 사야 합니다. 따라서 SK하이닉스와 대규모 구매 계약 및 구매 의향을 맺고 있습니다.

한편, SK텔레콤은 AI 클라우드 기업으로 거듭나고 있으며, 이미 구축을 시작했습니다. 그들은 가까운 미래에 최대 2기가와트(GW) 규모까지 구축할 계획입니다. 이 계약에 따라 우리는 그들에게 슈퍼컴퓨터를 판매하게 됩니다. 따라서 양사 간 거래액을 합치면 5,000억 달러, 즉 0.5조 달러가 넘는 규모의 비즈니스를 하게 되는 것입니다.

(인터뷰어) 최근 SK그룹 최태원 회장님과 40분 정도 면담을 가졌는데, 대화 끝에 미국과 중국의 AI 접근 방식 차이(학술적 접근 차이)에 대한 이야기가 나왔습니다. 최 회장님의 견해로는 중국은 ‘토큰당 비용(dollar per token)’을 낮추는 데 매우 집중하고 있는 반면, 미국은 여전히 ‘토큰의 품질’에 집중하고 있다는 것이었습니다. 이에 대해 어떻게 생각하시나요?

(젠슨 황) AI의 목표는 지능적이고 스마트한 답변을 생성하는 것입니다. 이에 접근하는 방법은 몇 가지가 있습니다. 물론 모든 토큰을 점점 더 똑똑하게 만들어서 결과적으로 더 적은 토큰을 사용해 답을 낼 수도 있습니다. 또한 훨씬 효율적인 AI를 만들어서, 더 오래 생각하고 더 많은 옵션을 탐색하게 하여 결과적으로 스마트한 답변을 내놓을 수도 있죠. 지능에 도달하고 스마트한 답을 제공하는 방법은 여러 가지가 있습니다.

결국 한 걸음 물러서서 봐야 할 점은, 양국 모두 뛰어난 AI 연구자들을 보유하고 있다는 사실입니다. 어떤 조건과 자원이 주어지든, 뛰어난 사람들은 훌륭한 답을 찾아낼 것입니다.

따라서 제 예상으로는 중국과 미국 모두 AI를 계속 발전시켜 나갈 것입니다. 조건이 다르고, 자원이 다르고, 제약 사항이 다를 뿐이죠. 대단한 연구자들이 결국 답을 찾아낼 것입니다. 특히 중국의 경우, 매년 전 세계를 합친 것보다 더 많은 AI 연구자를 배출하고 있을지도 모릅니다.

‘지능을 제조하는 것’이 중요한데, 중국은 가장 중요한 버전의 지능, 즉 ‘연구자’를 가장 많이 제조하고 있습니다. 따라서 중국은 우수한 AI 기술을 계속 배출할 국가이며, 우리도 그들로부터 계속 배우고 함께 협력해야 합니다.

아시다시피 지금 우리가 있는 곳이 샌프란시스코 실리콘밸리지만, 이곳에 있는 AI 연구자 중 중국에서 왔거나 중국계인 인재의 비중이 정말 큽니다. 우리는 그들이 이곳에 있다는 사실을 매우 행운으로 생각하며, 계속해서 경주해 나아가야 합니다.

(인터뷰어) 최근 X(구 트위터)에 첫 게시물을 올리셨더군요.

(젠슨 황) 네, 올렸습니다.

(인터뷰어) 미국 동료 기업들이 서명한 서한을 공유하면서, 미국과 산업계, AI 발전에 있어 ‘오픈 모델(Open Models)’의 중요성을 강조하셨습니다. 서한에 취지가 잘 설명되어 있지만, 왜 하필 ‘지금’이었나요? 젠슨 황 CEO와 사티아 나델라(MS CEO) 등 리더들이 이 시점에 목소리를 내야 했던 계기는 무엇인가요?

(젠슨 황) 오픈 모델에 대한 감정과 관심이 점차 커지고 있음을 느꼈기 때문입니다. 오픈 모델이 안전성(Safety)과 사이버 보안(Security)에 필수적이라는 사실을 깨닫는 것이 매우 중요합니다. 오픈 모델은 혁신과 스타트업, 그리고 국가 및 기업의 주권(Sovereignty)을 위해 반드시 필요합니다.

앞으로 전 세계가 수많은 폐쇄형 모델(Closed Models)을 사용하는 미래가 올 것입니다. 저는 제 회사(엔비디아)를 포함해 모든 이들에게 OpenAI, 클로드(Claude), 커서(Cursor), 코그니션(Cognition), 퍼플렉시티(Perplexity) 등 사용 가능한 모든 클라우드 서비스를 쓰라고 권장합니다. 그게 훨씬 편하고, 꼭 필요한 것만 직접 만들면 되기 때문입니다.

그런데 ‘꼭 직접 만들어야 하는 영역’을 구축하려면 오픈 모델이 필요합니다. 직접 만들어야 하는 이유는 첫째, 외부에 절대로 공유할 수 없는 독자적 노하우(회사 고유의 알파이자 지능)가 있어서 보안을 유지해야 하기 때문일 수 있습니다. 둘째, 규제 산업에 속해 있어 서비스 수준 협약(SLA)을 외부에 맡길 수 없고, 약속한 서비스를 완벽히 직접 제공해야 하기 때문일 수도 있습니다. 셋째, 특정 국가에서 자체 AI를 보유하고 통제해야 하는 ‘AI 주권’ 때문일 수도 있죠. 비용 문제일 수도 있고요.

이유가 무엇이든, 통제가 필요한 상황이라면 자체 AI를 구축하는 것을 추천합니다. 그래서 미래에는 폐쇄형 AI와, 직접 구축할 수 있는 오픈형 AI가 함께 활발히 쓰일 것입니다.

사람들이 오픈 모델에 대해 오해하는 것 중 하나는 “스스로 호스팅하거나 컴퓨터를 직접 만들 수 있다”는 점인데, 사실 대부분은 클라우드 컴퓨터를 씁니다. 솔직히 폐쇄형 모델이 더 저렴할 수 있습니다. 직접 모델을 훈련하지 않아도 되고, 파인튜닝, 유지보수, 안전 가드레일 설치, 평가, 호스팅용 서버 구축에 엄청난 비용과 전문성이 들어가니까요. 직접 구축하는 건 절대 저렴하지 않습니다.

그럼에도 오픈 모델이 필요한 이유는 ‘통제권’을 갖고 특수한 유즈케이스에 맞게 맞춤형으로 개조해야 하기 때문입니다. 오픈과 폐쇄에 대해 오해가 많은데, 우리는 ‘오픈 웨이트(Open-weighted)’와 ‘오픈 소스’를 포함해 두 세상 모두 존재한다는 점을 알리는 것이 중요하다고 느꼈습니다.

오픈 웨이트는 가능한 한 최대로 개방하는 형태입니다. 엔비디아의 방식처럼 가중치(Weights)를 공개할 뿐만 아니라, 오픈소스로 공개한 데이터를 바탕으로 모델을 훈련하는 방법까지 가르쳐 줍니다. 우리가 공개한 AI 모델을 사용자가 완벽히 재현하고, 스스로 직접 구축할 수 있도록 돕기 위함입니다.

세상이 한쪽으로만 기울 것이라는 생각이나, 오픈 모델이 안전하지 않다는 생각은 근본적으로 틀렸습니다. 우리는 이 점을 사람들에게 명확히 전달하고 싶었습니다.

(인터뷰어) 대화를 마무리하며 최근 큰 사례 두 가지를 짚어보고 싶습니다. 하나는 7월 27일 오픈 웨이트 방식으로 공개된 키미 K3 사례이고, 다른 하나는 OpenAI 모델 2개가 실수로 허깅페이스(Hugging Face) 시스템에 접근(오픈AI 최신 AI 모델들이 내부 평가 과정에서 통제망을 벗어나 오픈소스 AI 플랫폼 허깅페이스의 생산 인프라를 침해하는 전례 없는 사건 – 편집자 주)했을 때 허깅페이스가 가드레일이 작동하는 오픈 모델을 활용해 방어한 사례입니다. 이에 대해 어떻게 보시나요?

(젠슨 황) 아주 완벽한 대표적 예시(Canonical examples)입니다. 폐쇄형이라고 해서 무조건 안전하거나 보안이 철저한 것은 아닙니다. 모델이 젤브레이크(강제 해제)되거나 유출될 수도 있고, 내부에서 유출될 수도 있습니다. 가드레일이나 샌드박스가 제대로 설계되지 않아 다른 회사를 공격하게 될 수도 있죠. 따라서 폐쇄형·독자적 모델이라고 해서 자동으로 안전해지는 것은 아닙니다.

다행히 여러 뛰어난 기술 기업들이 폐쇄형 AI 모델을 만들고 있고, 보안을 지키기 위해 최선을 다하고 있습니다. 하지만 단일 실패 지점(Single point of failure)이 존재하는 곳이 가장 취약하다는 것 역시 진리입니다. 산업 전체와 전 세계 차원에서 단일 실패 지점을 두어서는 안 되며, 대규모로 분산된 자체 방어 체계를 갖춰야 합니다.

방금 말씀하신 허깅페이스 사례의 경우, 다행히 허깅페이스가 오픈 모델(GLM 5.2로 알고 있습니다)에 접근할 수 있었습니다. 독자적인 폐쇄형 모델을 통해서는 무슨 일이 일어났는지 파악할 수 없었죠. 이것이 바로 오픈 모델이 필요한 이유입니다. 허깅페이스는 GLM 5.2를 사용해 취약점과 침투 지점을 신속히 찾아내고 패치할 수 있었습니다.

이는 자체 방어가 왜 필요한지, AI 기술의 다변화가 왜 필요한지, 그리고 자체 방어를 위한 오픈 모델과 개방적 역량이 왜 그토록 중요한지를 보여주는 완벽한 예시입니다.