TechFlow Logo
로그인/ 회원가입
ETH 가스
Gwei
공포
gas
팟캐스트 노트 | 젠슨 황: 젊은 세대는 AI에게 질문하는 방법을 배워야 한다, 엔비디아가 남기고 싶은 것은 게임과 칩만이 아니다

팟캐스트 노트 | 젠슨 황: 젊은 세대는 AI에게 질문하는 방법을 배워야 한다, 엔비디아가 남기고 싶은 것은 게임과 칩만이 아니다

2026.11.09
공유하기
어느 시점이 오면, 반드시 무언가를 믿기로 선택해야 합니다.

정리 & 번역: TechFlow

TechFlow 안내: 이번 63 분에 달하는 심층 인터뷰에서 저명 테크 크리에이터 클로 아브맘(Cleo Abram)은 일반적인 재무제표 수치와 주가 과열을 배제하고, 엔비디아(NVIDIA) 공동 설립자 겸 최고경영자(CEO) 젠슨 황(Jensen Huang)과 컴퓨팅의 근본적인 진화 및 인간 기술의 미래에 관한 본질적인 대화를 나누었습니다. 30년 전 게임용 그래픽카드로 시장 공략에 성공한 시점부터 월가의 10여 년간 지속된 의구심을 무릅쓰고 CUDA를 구축하기까지, 그리고 2012년 AlexNet이 딥러닝 혁신의 불씨를 지핀 순간까지, 젠슨 황은 엔비디어가 어떻게 65년 동안 유지되어 온 현대 컴퓨팅 기술 스택을 단계적으로 재편해 왔는지 깊이 있게 해부합니다.

생성형 AI에서 물리적 AI(Physical AI)로의 본격적인 도약을 앞두고, 젠슨 황은 코스모스(Cosmos)와 오미버스(Omniverse)가 토대를 마련한 「세계 모델 + 물리 시뮬레이션」 기술을 상세히 설명하며, 「모든 사물에 로봇의 형태가 부여될 것」이고 모든 사람에게 평생을 함께할 R2-D2 로봇이 생길 것이라는 10년 후의 비전을 제시했습니다. 아울러 그는 칩 아키텍처의 전문화(전용화)와 범용화 간의 철학적 논쟁에 확고하게 응답했고, 디지털 바이올로지(Digital Biology)와 기후 예측 등 최전방 분야에서의 전략적 베팅을 분석했으며, 젊은 층에게 질문하는 예술(Art of Questioning)을 적극적으로 수용할 것을 권장했습니다. 미래를 향해 자신이 어떻게 기억되길 바라는지 묻는 질문에 대해, 그는 가장 소박하면서도 웅장한 답변을 건넸습니다. 「아주 간단합니다. 사람들이 놀라운 영향력을 창출했다고 기억하기를 바랍니다.」

게스트: 젠슨 황(Jensen Huang)(엔비디아(NVIDIA) 공동 설립자 겸 최고경영자)

진행: 클로 아브맘(Cleo Abram)(저명 테크 영상 크리에이터, ‘Huge If True’ 채널 운영자)

출처: Huge If True(https://www.youtube.com/watch?v=7ARBJQn6QkM)

원제목: NVIDIA CEO Jensen Huang's Vision for the Future

방송일: 2025년 1월 27일

핵심 요약

  • 완벽한 컴퓨터는 순차적(Sequential) 처리와 병렬적(Parallel) 처리를 모두 갖춰야 한다: 대부분의 복잡한 프로그램에서 핵심 코드는 약 10%이지만, 전체 연산 부하의 99%를 차지합니다. 이 부분은 GPU가 대규모 병렬 가속을 수행하기에 매우 적합합니다. 나머지 90%의 제어 로직은 CPU가 효율적으로 순차적으로 처리합니다. 엔비디어 창립 초기 목표는 바로 기존 컴퓨터가 해결하지 못했던 극한의 연산 부하 문제를 제거하는 것이었습니다.
  • 게임 산업은 하위 레이어 연구 개발의 최적 자금 엔진이다: 3D 가상 공간의 실시간 렌더링은 본질적으로 병렬 연산을 필요로 합니다. 더 중요한 것은 전자 게임이 막대한 소비자 규모를 갖추고 있어, 정부 보조금이나 학술 지원에 의존하지 않고 수십억 달러 규모의 하위 소프트웨어 및 하드웨어 연구 개발 비용을 지속적으로 충당할 수 있는 자생력을 발휘한다는 점입니다.
  • CUDA의 본질은 병렬 연산의 대중화다: 초기 과학자들은 물리학 또는 수학 문제를 그래픽 셰이딩 프로그램으로 변장시켜 GPU를 호출해야 했습니다. 엔비디어는 CUDA를 탄생시켜 개발자들이 이미 익숙한 C 언어로 직접 GPU 연산 능력을 활용할 수 있도록 했죠. 고액의 연구 개발 비용 때문에 월가로부터 10여 년간 냉대와 의구심을 받으며 몰리기 시작한 이 대담한 행보는 결국 뒷날 닥친 딥러닝 폭발의 기반을 닦았습니다.
  • AlexNet이 엔비디어의 하위 컴퓨팅 스택 전면 재구축을 촉진했다: 2012년 Ilya Sutskever, Alex Krizhevsky, Geoffrey Hinton이 완성한 AlexNet은 단 두 장의 GeForce GTX 580 그래픽카드만으로 기존 이미지 분류 알고리즘을 압도했습니다. 이를 본 젠슨 황은 소프트웨어 패러다임이 「규칙을 사람이 작성하는 방식」에서 「데이터가 스스로 학습하는 방식」으로 완전히 전환되고 있음을 간파했으며, 즉시 엔비디어의 모든 베팅을 AI에 집중하여 칩셋, 인터커넥트, 알고리즘 라이브러리, 시스템 아키텍처 전반을 재설계했습니다.
  • 생성형 AI의 핵심은 크로스 모달리티(Multi-modal) 범용 번역기가 되는 것이다: 이번 AI 물결은 이전과는 차원이 다릅니다. 트랜스포머(Transformer) 아키텍처 등을 통해 텍스트, 이미지, 음성, 3D 공간, 기계팔 궤적 등 다양한 형태의 데이터를 이해하고 서로 변환할 수 있게 되었기에, 인간의 지식과 디지털 세계 사이에 있던 장벽을 허물어 버렸기 때문입니다.
  • 물리적 AI는 반드시 「세계 모델 + 물리 시뮬레이션」의 동력 구동이 필요하다: 대형 언어 모델(LLM)은 환각(Hallucination) 현상이 발생할 수 있어 검색(RAG) 및 문맥으로 사실 관계를 잡아야 합니다. 반면 물리 세계에서는 로봇이 중력, 관성, 마찰력, 공간 일정성(Spatiotemporal Constancy) 등 물리 상식을必须具备(갖추어야만 합니다). 엔비디어는 물리 세계의 기반 모델로서 Cosmose를 출시했으며, 뉴턴 역학 법칙을 따르는 오미버스(Omniverse) 시뮬레이터를 활용해 사실적인 합성 데이터를 생성함으로써, 로봇이 실제 물리 환경에 진입하기 전 수백만 번의 극한 조건 시험을 마치도록 합니다.
  • 향후 10년 내 만물이 로봇 형태를 갖추게 된다: 자율 주행 자동차, 스마트 빌딩, 무인 잔디 깎기 로봇부터 휴머노이드 로봇에 이르기까지, 향후 이동체들은 모두 로봇화될 것입니다. 모든 사람에게 전용 평생 디지털 파트너(R2-D2)가 제공되며, 이는 사용자의 성장 과정에 맞춰 끊임없이 진화하며 안경, 스마트폰, PC, 자동차, 가정 내 실체 등 다양한 형태로 이어집니다.
  • 전용 ASIC 함정을 거부하고 혁신적 컴퓨팅 유연성을 수호한다: 트랜스포머를 완전히 고정된 전용 회로(ASSIC)로 굳히려는 시각에 대해, 젠슨 황은 혁신이 특정 알고리즘 아키텍처에 멈추지 않을 것이라고 주장했습니다. 만약 컴퓨터를 단일 용도로 고정한다면 그것은 그냥 마이크로웨이브 오븐에 불과합니다. 엔비디어는 학계가 FlashAttention, 계층적 어텐션(Hierarchical Attention) 등 더 효율적인 신규 어텐션 메커니즘을 꾸준히 탐구할 수 있도록 유연한 프로그래밍 가능한 가속화 아키텍처를 일관되게 구축해 나가고 있습니다.
  • 게임으로 자란 회사에서 인류 첨단 과학의 폭풍 중심으로: 최신 RTX 50 시리즈에서 4K 화면의 800만 화소 중 기존 광선 추적 파이프라인으로 계산되는 구간은 단 50만 화소에 불과하며, 나머지 750만 화소는 AI가 정밀하게 예측하여 채워줍니다. 이러한 패러다임 변화로 과학자 및 엔지니어들은 소중한 에너지와 주의를 핵심 포인트에 집중할 수 있게 되었고, AI가 이를 초인적인 생산력으로 증폭시켜 줍니다. 디지털 바이올로지, 단백질 언어 분석, 미세 기후 예측, 미래 로봇에 이르기까지 엔비디어의 궁극적 역사적 비전은 「놀라운 영향력(Extraordinary Impact)을 창조하는 것」입니다.

주목할 만한 명언

  • 기술적 신념과 선제적 투자에 대해: 「어느 순간에는 당신이 무언가를 믿기로 선택해야만 합니다. 당신이 그것을 만들어냈을 때 사람들이 따라올지는 장담할 수 없으나, 만들지 않는다면 사람들은 절대 올 기회를 얻지 못할 것입니다. 우리의 전략은 희망 위에 세워지지만, 그것은 치열하게 사고한 이성적 희망입니다.」
  • 순차적 연산과 병렬적 연산의 역할 분담에 대해: 「프로그램 코드 중 아마 단 10%만이 99%의 연산 처리를 담당하겠지만, 이 99%의 업무는 병렬로 처리 가능합니다. 그러나 나머지 90%는 여전히 순차적으로 실행되어야 합니다. 진정한 완벽한 컴퓨터는 그중 하나만 택하는 문제가 아닙니다. 뛰어난 순차적 처리 능력과 병렬 처리 능력을 동시에 갖춘 시스템이어야 하죠.」
  • CUDA 탄생의 추진력에 대해: 「엄청난 혁신은 종종 다음과 같은 복합적인 환경에서 태어납니다. 하나는 큰 포부와 영감에서 비롯되고, 다른 하나는 절박한 생존을 위한 자기 구조에서 비롯됩니다. 당시 보스턴 매사추세츠总医院(Mass General) 연구진이 게임 그래픽카드로 CT 단층 영상을 재건하는 것을 목격했고, 우리 또한 게임 속에서 흐르는 물, 폭발 효과, 입자 충돌 효과를 구현하려던 우리가 벽에 부딪혀 막막했던 상황이 교차하며 CUDA 탄생의 촉매제가 되었습니다.」
  • 컴퓨팅 아키텍처 전문화 논쟁에 대해: 「트랜스포머가 인간 연구원이 발견할 마지막 AI 알고리즘 아키텍처일까요? 절대 아닙니다. 컴퓨터 과학사를 살펴보면 어떤 하나의 알고리즘도 영원히 모든 것을 지배한 적이 없습니다. 만약 10년 전이라면 당시 알고리즘을 칩셋 하드웨어에 완전히 고정시켰다면, 컴퓨터는 마이크로웨이브 오븐이 되고 이후 모든 혁신은 불가능해졌을 것입니다.」
  • AI와 인간 노동의 본질적 관계에 대해: 「4K 디스플레이의 약 800만 화소 중 실제로 우리는 광선 추적을 통해 단지 50만 화소를 계산했을 뿐이며, 나머지 750만 화소는 모두 AI의 예측과 보완으로 완벽하게 채워집니다. 이것이 AI가 인간을 초인으로 만드는 생생한 메타포입니다. 인간은 귀중한 에너지와 주의를 가장 중요한 핵심 부분에 집중할 수 있고, 나머지 번거롭고 긴 절차는 AI에게 맡김으로써 생산성을 백배 이상 도약시킬 수 있습니다.」
  • 젊은 세대를 위한 생존 가이드에 대해: 「오늘날 제가 학생이라면, 첫 번째로 해야 할 일은 AI를 배우는 것입니다. AI와의 상호 작용 방식을 학습하는 것은 매우 질문을 잘하는 사람이 되는 것과 유사합니다. 막연하게 아무거나 던져서는 안 됩니다. AI를 조수로 삼으려면 프롬프트(Prompt) 작성의 기술과 예술을 익혀야 합니다. 법률, 의학, 화학, 생물학을 전공하든 상관없이, 항상 스스로에게 묻습니다. 『AI를 활용해 나의 일을 어떻게 더 잘해 나갈 것인가?』」
  • 인생의 종착역과 역사적 유산에 대해: 「아주 간단합니다. 『사람들이 그가 놀라운 영향력(Extraordinary Impact)을 낳았다고 말한다』는 것입니다. 저는 다음 세대 사람들이 단순히 엔비디어가 자신들의 게임을 함께하던 회사라고만 여기지 않기를 바랍니다. 디지털 바이올로지, 재료 과학, 로봇 기술 및 자율주행 변혁의 폭풍 중심에 서서 핵심 신념을 견지해 온 회사는 어디인가라고 바라볼 수 있기를 바랍니다.」

본문

이종 컴퓨팅의 탄생: 왜 코드 10%에 독립 GPU가 필요한가?

클로 아브맘: 오늘의 대화에서는 경제 뉴스에서 자주 보는 분기별 재무제표와 주식 가격 숫자를 피하고, 더 근본적인 주제에 집중하고 싶습니다. 여러분은 정확히 무엇을 만들고 있습니까? 컴퓨터는 지난 수십 년 동안 어떻게 현재에 이르렀습니까? 그리고 미래의 기술은 어떻게 일반인의 삶을 형성할까요?

젠슨 황: 좋습니다. 저도 그런 교류를 매우 기대합니다. 사실 어느 순간에는 당신이 무언가를 믿기로 선택해야만 합니다. 우리가 현재 진행 중인 일은 본질적으로 수십 년간 유지되어 온 현대 컴퓨팅 아키텍처를 완전히 재편하는 작업입니다.

클로 아브맘: 지금 전 세계가 주목하는 AI 시대를 이해하려면 먼저 1990년대로 돌아가야 합니다. 당시 게임 개발자들은 더욱 사실적이고 몰입감 있는 3D 화면을 제작하기를 원했지만, 당시의 전통 하드웨어는 방대한 픽셀의 실시간 연산을 감당하지 못했습니다. 당시 컴퓨터가 그래픽 렌더링을 처리하지 못한 이유는 무엇이었나요? GPU는 어떻게 탄생했나요?

젠슨 황: 이는 컴퓨터 프로그램의 하위 구조에서 나오는 핵심 특성에서 기인합니다. 하나의 소프트웨어 코드에서 일반적으로 핵심 명령어는 단 10%에 불과하지만, 전체 연산량의 무려 99%를 차지합니다. 이 99%의 집중 연산은 대부분 높은 반복성을 띠므로, 수천 수만의 작은 작업으로 분할하여 병렬로 실행하기에 매우 적합합니다. 반면 나머지 90%의 코드는 주로 시스템의 제어, 분기, 스케줄링 로직으로, 앞뒤 순서에 따라 단계별로 순차 처리되어야 합니다.

당시 전통적인 컴퓨터는 중앙처리장치(CPU) 중심으로 설계되었습니다. CPU는 고속으로 순차 로직을 처리하는 데 탁월하지만, 방대한 픽셀이 동시에 렌더링되어야 하는 막대한 병렬 수요에는 전혀 대응하지 못했습니다. 우리는 그때 한 대의 이상적인 컴퓨터는 순차 처리 능력만 갖추거나 병렬 처리 능력만 갖추어서는 안 되며, 반드시 양자를 모두 겸비해야 한다는 점을 직감했습니다.

그래서 우리는 엔비디어를 설립하여, 기존 컴퓨터가 해결하지 못했던 문제를 타개할 수 있는 전용 가속 프로세서를 만드는 것을 목표로 삼았습니다. 그것이 그래픽 처리 장치(GPU)가 탄생한 원점입니다.

클로 아브맘: 그런데 10여 년 전 엔비디어 공식에서 공개한 아주 유명한 교육용 영상이 떠올랐습니다. 《마이슬스(Mythbusters)` 팀이 로봇을 만들어 단일 노즐에서 알약을 한 발 한 발 쏘아 CPU의 작업 처리 방식을 선보였습니다. 이어서 거대한 기계식 배열체를 도입해 수천 개의 노즐이 천분의 일 초 단위로 동시에 알약을 발사하자 순식간에 완성된 모나리자 그림이 완성되어, GPU의 병렬 가속력을 아주 극적으로 보여주었죠.

젠슨 황: 그 시연은 두 기술의 본질적 차이를 아주 직관적으로 보여줬습니다. 게임正是(정말) 이런 대규모 병렬 연산력에 극도로 굶주린 최초 분야입니다.

게임 돌파구: 대중 소비급 시장으로 핵심 하위 연구 개발을 뒷받침하다

클로 아브맘: 당시 엔비디어는 왜 직접 학술 계산이나 연구를 하기보다 전자 게임 분야에 먼저 진입했나요?

젠슨 황: 우선 우리가 정말로 이 적용 분야를 사랑하기 때문입니다. 3D 비디오 게임은 현실 세계나 판타지 세계의 디지털 시뮬레이션인데, 누가 진짜처럼 아름답고 환상적인 가상 세계에 들어가 보고 싶지 않겠습니까?

하지만 비즈니스 전략 차원에서 보면 여기에 더 깊은 결정적 고려가 있습니다. 우리는 전자 게임이 인류 최대의 소비급 엔터테인먼트 시장 중 하나가 될 것이라고 예견했습니다. 최정상급 반도체 칩을 개발하려면 상상 이상의 연구 개발 자금이 필요합니다. 만약 소수 맞춤형 고성능 학술 연구실만相手に 하게 되면, 정부의 연구 보조금이나 값비싼 커스텀 계약에만 의존해야 해 지속적인 거대 기술迭进(발전)을 유지할 수 없습니다.

반면 전자 게임은 엄청난 규모를 갖춘消费市场(소비 시장)을 제공합니다. 수천만 명의 게이머가 더욱 원활하고 화려한 화질을 위해 지갑을 엽니다. 이렇게庞大的(막대한) 출하 규모 덕분에 우리는 병렬 프로세서 제조 분야에서 글로벌 최대 판매량을 기록할 수 있었으며, 끊임없이 자가 순환되는 연구 개발 자금을 확보할 수 있었습니다. 덕분에 우리는 이후 수십 년 동안 이런 병렬 아키텍처를 극한의 물리 한계까지 밀어붙일 수 있었습니다.

CUDA 구축을 위한 전격 베팅: 의료 영상 영감을 넘어 범용 병렬 연산 플랫폼으로

클로 아브맘: 2000년대 초에 날카로운 학자와 개발자들이 점차 발견하기 시작했습니다. GPU는 게임 텍스처를 렌더링하는 데만 쓰이는 것이 아니라, 물리 충돌 시뮬레이션까지 돌릴 수 있으며 외부 과학자들이 복잡한 과학 연산까지 수행할 수 있다는 점이죠. 하지만 제 이해로는 당시 그렇게 하기는 극도로 고통스러웠습니다. 과학자들은 행렬 연산을 삼각형 픽셀이나 텍스처 맵핑으로 변장시켜 그래픽 카드가 계산하도록 속여야 했다는 겁니다. 이후你们(여러분)은 CUDA 플랫폼을 출시하는 아주 과감한 결단을 내립니다. 당시 배경을 말씀해 주시겠어요?

젠슨 황: 준비를 정말 철저히 해오셨네요. 아주 정확한 지적입니다. 엄청난 혁신은 종종 이런 복잡한 요소들이 섞인 환경에서 태어납니다. 하나는 큰 포부와 영감에서 비롯되고, 다른 하나는 절박한 생존을 위한 자기 구조에서 비롯되죠.

당시 외부에서 우리 GPU를 범용 가속 용도로最早(가장 먼저) 사용한 사례 중 하나는 보스턴 매사추세츠总医院(Mass General)이었습니다. 그곳 연구진 몇 명이 게임용 그래픽카드로 CT 단층 영상을 재건하는데, 이 일이 우리에게 매우 큰 영감을 주었습니다.

동시에 엔비디어 내부에서도瓶颈(병목 현상)에 직면했습니다. 우리는 게임 세계에서 흐르는 물이 진짜 물처럼 자연스럽の(ように) 흐르길 원했고, 폭발로 튀는 수만 조각이 공기역학적 법칙에 부합하길 바랐으며, 연기처럼 자연스럽게 확산되길 원했습니다. 이는 그래픽 처리 외에도 입자 물리와 유체 역학 시뮬레이션을 동시에 돌려야만 가능했는데, 만약 그래픽 카드 하드웨어 파이프라인이 전통적인 컴퓨터 그래픽스 흐름에 빳빳하게 고정되어 있다면这一切(이 모든 것)을 실현할 수 없었습니다.

그래서 우리는 결단했습니다. 전용 그래픽 파이프라인의 얽매임을 완전히 끊어내고, 이를 범용 병렬 연산 아키텍처로 바꿔统一计算架构(Uniform Computing Architecture, CUDA)를 탄생시킨 것이죠. CUDA를 통해 전 세계 엔지니어와 과학자들은 이미 친숙한 C 언어를 그대로 사용해 자유롭게 GPU 안에 수천 개나 되는 연산 코어를调动(동원)할 수 있게 됐습니다.

클로 아브맘: 오늘날의 시각으로 돌아보면, CUDA를 구축하는 것은 매우 먼 안목을 가진 전격 베팅이었습니다. 당시 엔비디어는 모든 것을 CUDA에 걸었고,出货(출하되는) 모든 게임 그래픽카드에 범용 연산 로직을 강제 추가하면서 칩 면적이 급증하고 비용이 높아지며 이익률이 압박을 받았고, 이로 인해 10여 년간 월가로부터 혹독한 비판과 의구심을 받아야 했죠.

젠슨 황: 당신은 참새치기적인 새로운颠覆性(파괴적) 기술을 만들 때 비판자들은 항상 「네가 만들어 봐도 사람들이 안 올 거야」라고 말합니다. 하지만 낙관론자의 관점에서 볼 때 우리는 「만들지 않으면 사람들은 영원히 올 기회가 없다」라고 믿었습니다.

우리는 이 기술이 숨기고 있는 거대한 물리적 잠재력을 알고 있었고, 나아가 소비자급 GeForce 그래픽카드의 막대한 시장성을 통해 이 선진 병렬 연산 아키텍처를 전 세계의 모든 마니아와 연구자들의 책상 위에 보급할 수 있을 것이라고 굳게 믿었습니다. 바로这种(이런) 이성적 기반의坚定的(坚定信念) 희망이 우리를 그 길고 외로운 세월을 헤쳐나가도록 지지해 주었습니다.

2012년 AlexNet의 현현 순간: 65년째 이어져 온 현대 컴퓨팅 체계 재편

클로 아브맘: 이어 2012년이 찾아오며 과학사에서 이정표와 같은 한 전투가 벌어졌습니다. ImageNet 이미지 인식 대회였죠. Alex Krizhevsky, Ilya Sutskever, 그리고 그들의 스승인 Geoffrey Hinton이 제출한 AlexNet이라는 심층 신경망 모델은 모든 전통적인 컴퓨터 비전 알고리즘을 눌러 버리며 오류율을 대폭 낮췄습니다. 이들은 단 두 장의 소비자용 GeForce GTX 580 그래픽카드만으로 이 획기적인 모델을 훈련했죠. 당시 엔비디어 내부에서 이 결과를 보며 당신께서 처음 가졌던 반응은 무엇이었나요?

젠슨 황: 그것은 world history(세계사의 궤도를 완전히 바꾸는 순간이었습니다. 당시 엔비디어 내부의 한 컴퓨터 비전 연구 팀이 traditional algorithm library(전통 알고리즘 라이브러리)로 이미지 인식 문제를 해결하려다 극심한 장애와 좌절에 부딪혀 있었습니다. AlexNet이 갑자기 등장하자 우리는 단순히 충격 받을 뿐만 아니라 강한 resonance(공명)을 느꼈습니다. 이 완전히 새로운 알고리즘은 사람이 규칙을 수작업으로 짜던 오래된 길을彻底(완전히) 버리고, 오직 막대한 데이터를 바탕으로 스스로 가중치를 훈련하는 방식으로 unprecedented(없던) 성능 비약을 이루었기 때문입니다.

우리는 즉시 한 발 떨어져서 가장 근본적인 질문을 던졌습니다. 「만약 이런 딥러닝 아키텍처가 컴퓨터 비전 영역에서 이렇게 무서운 확장 잠재력을 드러낸다면, 그 한계는 도대체 어디일까? 만약 그것이 무한히 확장될 수 있다면 전체 컴퓨팅 산업과 하위 소프트웨어 및 하드웨어 아키텍처에 무슨 의미를 줄까?」

우리는 그때 매우 중요한 판단을 내렸습니다. 소프트웨어 개발 패러다임이 근본적인層次(수준)의 paradigm shift(패러다임 전환)를 겪고 있다는 것이었습니다. 1964년 IBM System/360이 현대 범용 컴퓨터의指令集(명령어 집합) 체계를确立(확립)한 이래,整整 65년 동안 인간은 한걸음 한걸음 정확하게 명령을 짚어서 컴퓨터에게 무엇을 해야 한다고 알려왔습니다. 그런데 딥러닝의 부상은 컴퓨터가 막대한 데이터를 통해 스스로 법칙을 학습하는 존재로 전환되는 시점임을 의미했습니다.

소프트웨어의 본질이 바뀌었으니, 소프트웨어를 떠받치는 하드웨어 하위 계층과 전체 시스템 stack(스택)을 완전히 뒤엎어야 했습니다. 우리는 즉시 AI 쪽으로全倾(모조리) 베팅하기로 결단하고, 단일 칩 아키텍처부터 인터커넥트 버스, 네트워크 통신, 알고리즘 라이브러리, 분산 시스템에 이르기까지 컴퓨팅 스택 전반을 새롭게 디자인했습니다. 나중에 나온 DGX 슈퍼컴퓨터 시스템은 바로 이 깨달음에서 비롯됐습니다.

왜 지금인가: 모든 데이터 모드성을 가로지르는 범용 번역기

클로 아브맘: 왜 갑자기 최근 몇 년 사이 대중들이 AI의 폭발을 느껴Began(느끼기 시작했나요)?背后的(배후의) 본질적 기술 도약은 도대체 무엇인가요?

젠슨 황: 지난 10년간 컴퓨팅 과학 분야의硬核(하드코어) 난제들이 하나둘씩攻克(공략)되었기 때문입니다. 먼저 컴퓨터 비전이 완전히 해결되었고, 이어 음성 인식이 superhuman(초인적) 수준에 도달했으며, 이후 자연어 이해에서 질적 도약을 이루었습니다.

하지만真正(진짜)的全面적 질적 전환을 이끈 최종一脚(킥)은 트랜스포머 아키텍처와 생성형 AI의成熟(성숙)이었죠.以往的 AI 모델들은 대부분 single-task classifier(단일 작업 분류기)였어요. 예를 들어 사진 속의 고양이가 있는지 없는지를 판별하는 것처럼 말이죠. 반면 지금의 생성형 AI는 범용적인 「크로스 모달리티 번역 시스템」입니다.

텍스트를 이해하고 이를 다른 텍스트로 번역할 수 있죠. 문단要약(요약)하거나 국가 간 언어 번역을 하는 식입니다. 또 텍스트를 이미지로, 이미지를 3D 에셋으로, 센서 데이터를 mechanical arm trajectory(기계팔 궤적) 각도로 변환할 수도 있습니다. 디지털 세계와 물리적 세계의 다양한表征(표현) 형식 사이를 자유자재로 이동할 수 있다는 것이 오늘날 AI가 무적처럼 느껴지는 이유입니다.

물리적 AI와 세계 모델: Cosmos가 상식을 주면 Omniverse가 물리 법칙을 anchors(고정)

클로 아브맘: 이제 저희가 deepest(가장 깊게) 다루고 싶은 중요한 변화가 일어나고 있습니다. 텍스트와 이미지로만 이루어진 digital world(디지털 세계)에서 embodied intelligence(구체적 지능)와 로봇이 있는 physical world(물리적 세계)로의 이행이죠. 과거 우리는 로봇을 훈련할 때 실제 공장에다 놓아두고 한 뼘 한 뼘 걸어가게 하거나, human operators who wear motion capture suits(모션캡처 슈트를 입은 인간 작업자들)으로부터極히 제한적(매우 제한적)인 데이터를 수집해야 했고, 로봇이 쉽게 손상되거나 추락하기도 했으며 데이터 수집이 너무 비싸고 느렸습니다. 지금은 이제 virtual world(가상 세계)에서 로봇을 훈련하기 시작합니다. 엔비디어는 Cosmos와 Omniverse를 내놓았는데, 가상 세계 내에서 어떻게 로봇 학습의 난제를 해결했나요?

젠슨 황: Physical AI(물리적 AI)를 이해하는最好的 참조系(참조 체계)는 바로 ChatGPT 같은 language models(언어 모델)의 발전 경로입니다.

ChatGPT가 처음 나왔을 때 performance가 정말惊艳(눈부셨지만),但它有一个致命弱点(致命한 약점)이 있었습니다. hallucination(환각) 현상이에요. 긴 글을 계속 써내려가거나 훈련되지 않은 blind spots(블라인드 스팟)을 이야기하면 당당하게 거짓말을 늘어놓았는데, 그 output이 fact ground truth(사실 근거)에 anchoring(고정)되지 않았기 때문이죠. 이후业界(업계)에서는 context retrieval-augmented generation(RAG)를 도입했습니다. model에게 authoritative PDF 파일을 먹이거나 network를 연결해 real-time search(실시간 검색)를 시키면, 이 PDF와 검색 결과가 model의基準(fact baseline)이 되어推理(추론)가可靠的(reliable) footing(토대)을 갖게 되는 거예요.

우리는现在(지금) 똑같은 논리를 physical world(물리적 세계)에投射(투사)하고 있습니다. 로봇이 현실 세계에서自如하게 움직이려면首先(첫째)로 physical common sense base model(물리 상식 기반 모델)이 필요합니다. 물리 상식이란 구체적으로 무엇을 뜻할까요? 지구에 중력이 있고 사물은 관성과 마찰력을 가져야 한다는 것; geometrical and spatial awareness(기하학적·공간적 인지) 능력이必须具备(필수적입니다); object permanence(대상 안정성)를 이해해야 합니다. 즉, 내가 고개를 돌려 다시돌아보면 테이블 위의 컵이 여전히そこに(거기) 있다는 것이죠; causal logic(인과론)도 이해해야 합니다. 내가 컵을 밀면 물이 쏟아져 나온다는 것요.

이런 상식을 AI에 주입하기 위해 우리는 Cosmos를 구성했는데, 이는 물리적 세계의 foundational language model(기본 언어 모델)로서 물리적 세계의 universal laws(보편적 법칙)을專門적으로(specifically) encoding(부호화)합니다.

하지만 Cosmos alone(-alone으로는 부족합니다.我们必须给它提供绝对 physical grounding baseline(절대 물리적 기준선을), 마치 ChatGPT에 authority PDF 파일을 읽어주는 것과 similarly(유사하게)요. 그基准就是(기준선이 바로) Omniverse입니다. Omniverse는 ordinary video game engine(일반적인 비디오 게임 엔진)이 아니라 first-principle-based physics simulation system(제1원리에 기반한 물리 시뮬레이션 시스템)입니다. its underlying mathematical models are rigorous Newtonian mechanics, fluid dynamics, and electromagnetism solvers(하위 수학적 모델이 엄격한 뉴턴 역학, 유체 역학, 전자기학 솔버라는 거죠).

Cosmos 세계 모델과 Omniverse 물리 시뮬레이션 엔진을 결합함으로써 우리는 디지털 공간에서 machines들에게无穷无尽且 absolutely physically accurate virtual environments and edge cases(무窮無盡かつ絶対物理的に正確な仮想環境とエッジケース)를生み出せます(생출할 수 있습니다). 갑작스러운 조명 변화, 미끄러운 노면, 장애물遮擋(가림), 갑작스러운 기계故障(장애) 등등. 로봇은数小时内(수 시간 내에) 실제 세계数十年才能经历的极端训练(수십 년이 걸릴 극한 훈련)을終え(끝낼) 수 있으며,その後(그 후) 이 모델을 real robots(실제 로봇)에 deploy(배포)합니다.

향후 10년 비전: 만물이 로봇 형태를 갖추고, 누구나专属의 R2-D2를 가지게 된다

클로 아브맘: 이 논리를顺着(따라)推演해 나가면, 10년 후 physical world(물리적 세계)는 어떤 모습이 될까요? 일반인들은 이러한 physical AI(물리적 AI)와 어떻게 interaction(상호작용)할까요?

젠슨 황:未來的一切移动物体(미래의 모든 이동체는) robot-capable(로봇 능력을 갖추게 될) 것이며,しかも(뿐만 아니라) 대부분의 people이想像するより 훨씬早く到来(도래할) 것입니다.

미래에 사람들이烈日 아래서亲自推着割草机(직접 풀깎이 기계를 밀고) 정원을 누비는 모습은 오늘 기준으로 보면すでに少し荒谬(조금 유치해 보입니다).未来의每一辆汽车(모든 자동차는) fully autonomous robot(완전 자율 로봇)이 될 것입니다. 미래의 humanoid robots(휴머노이드 로봇) 또한 factories와 households(공장들과 가정)로 들어갈 것입니다.これらすべての机器人(이 모든 로봇들은) Omniverse와 Cosmos가構築한数字孪生世界(디지털 트윈 세계)에서 graduation(수료)한 후 physical reality(물리적 현실)로 진출합니다.

더욱더 exhilarating(흥분되는) 것은every person이专属の终身数字伴侣(전용 평생 디지털 파트너)를 갖게 된다는 점입니다. 스타워즈의 R2-D2처럼 말이죠. 반드시丸っこい金属鉄桶(동그란 금속 통 모양)일 필요는 없습니다. smart glasses(스마트 글래스) 속에 있을 수도 있고 smartphone(스마트폰) 속에 있을 수도 있고 office computer(사무용 컴퓨터) 속에 있을 수도 있고, car(자동차) 안에 앉아 있다가 homeに到着すると( 집에 도착하면) 또 어떤实体ロボット形態(실체 로봇 형태)로迎えてくれます(맞이해 주는 거죠).

This专属のR2-D2(이 전용 R2-D2)는あなたの一生を companionし(평생을 함께하며),あなたの経験とともに成長し(당신의 경험과 함께 성장하여), your joys, sorrows, habits, work styles(당신의 기쁨과 슬픔, 일상 습관, 업무 방식을) deeply understand(깊이 이해하여), your strongest extension to感知and改造世界(세계를 인지하고 변화시키는 가장 강력한 연장선)이 될 것입니다.

아키텍처 철학 논쟁: 왜 Transformer를 칩셋에 완전히 고정하면 안 되는가?

클로 아브맘: 저는 이번 인터뷰를 준비하며 많은 engineer friends(엔지니어 친구들과) deep discussion(심도 있는 논의)를 나눴습니다. They託す(위탁해) 꼭 물어봐 달라고 했던 질문이 있어요. Transformer 아키텍처가当今绝大多数 large models(현재 대부분의 대규모 모델)의 basis가 되면서, many chip companies(많은 칩 기업들이) begin trying to create fully dedicated chips tailored specifically for Transformer(트랜스포머 전용으로 완전히 특화된 칩을 만들기 시작했다는 겁니다.) Specialization(전문화)는 물론 특정 task에서 extreme efficiency(극도의 효율)을 가져오지만, generic flexibility(범용 유연성)를 상실하게 됩니다. 엔비디어는 specialized optimization(전용 최적화)과 general architecture(범용 아키텍처) 사이에서 어떻게 balancing(균형)을 맞추나요? 당신의 billions-dollar life-and-death重磅技术押注(수십억 달러 규모의 중대기술 베팅)은 어떻게 내리나요?

젠슨 황: 이恰恰就是(정말) 우리 most foundational core belief(가장 기초적인 핵심 신념)에 닿아 있습니다.你是不是相信(당신이 믿느냐) Transformer就是人类研究者所能发现的最后一种 AI算法架构(인간 연구원이 발견할 수 있는 마지막 AI 알고리즘 아키텍처라는 것을).

If your answer is yes(만약 네라고 답한다면) you当然可以把Transformer的所有数学运算全部用物理电路直接焊死在硅片上(당연히 Transformer의 모든 수학 연산을 물회로로 직접 silicon wafer에 납땜할 수 있습니다. 하지만 our核心信念(우리의 핵심 신념)은 Transformer绝非终点(절대 종점이 아니며),它仅仅是通往更高级 AI演进阶梯上的一块踏脚石(그저 더 advanced AI evolution ladder(진화된 AI 진화 사다리)의 한 stepping stone(발판)이라는 겁니다).若干年后的下一代前沿架构(수 년 후의次世代 frontier architecture(차세대 최전방 아키텍처)很可能让人完全看不出 Transformer的影子(Transformer의 흔적을 전혀 알아볼 수 없을 가능성이 높습니다).

回顾人类计算机算法与创新的历史(인류 컴퓨터 알고리즘과 혁신의 역사를 돌아보면),有哪一个绝妙的点子能够永远独霸天下(하나의 brilliant idea가 영원히 all-dominating할 수 있었나요)?答案是从未有过(답은 never existed(존재한 적이 없다))입니다.计算机最本质的魅力在于 today它能运行十年前任何人连做梦都想不到的奇妙程序(컴퓨터의 가장 본질적인 매력은 오늘날 그 who could have dreamed it even 10 years ago(10년 전 그 누구도 꿈에도 상상 못했을) magical programs(마법 같은 프로그램)을 실행할 수 있다는 것입니다.如果你把当时的芯片彻底固化成单一功能的硬件(만약 당신이 당시 칩을彻底的 solidify into single-purpose hardware(단일 목적 하드웨어로 완전히 고정시켜버렸다면),那计算机就退化成了微波炉(그럼 컴퓨터는 microwave oven(전자레인지)로 퇴화할 것입니다).整个应用生态的繁荣也将戛然而止(모든 application ecosystem의 번영은 abruptly stop(갑작스럽게 중단)될 것입니다).

就拿Transformer核心的注意力机制(Attention Mechanism)来说(트랜스포머 핵심 어텐션 메커니즘을 예로 들죠). Its original intention was to compute the relevance between each word and all other words in context(각 단어와 문맥 속의 모든 다른 단어 간 연관성을 계산하는 것이 원래 목적이었죠).文本只有10个词时(텍스트가 단 10단어일 때는) calculation毫无压力(계산은 부담이 없지만);当上下文窗口扩大到数万字、上百万个 Token时(문맥 윈도우가 수만 단어, 수백만 토큰으로 확장되면)全对全的计算开销将呈平方级爆炸(All-to-all 계산 부하는 제곱급으로 폭등합니다)根本无法在物理硬件上实现(implementing this on physical hardware는根本 impossible(전혀 불가능)).为了解决这一难题(이 난제를 해결하기 위해)过去几年里涌现了FlashAttention、分层注意力(Hierarchical Attention)、波形注意力(WaveAttention)等层出不穷的新型数学算法(과거 몇 년간 FlashAttention, Hierarchical Attention, WaveAttention 등 끝없는 new mathematical algorithms(신수학 알고리즘)이涌现(등장)했습니다).

计算机科学没有终结(컴퓨터 과학은 end가 없으며), AI研究者没有放弃探索(AI researchers도 exploration을 포기하지 않습니다).英伟达更不会放弃(엔비디어는 절대 포기하지 않을 것입니다).我们最重要的使命是始终打造具有高度编程灵活性的加速计算体系(우리의 가장 중요한 사명은 luôn high programming flexibility(높은 프로그래밍 유연성)를 갖춘 accelerated computing systems(가속 컴퓨팅 시스템)을 구축하는 것입니다).让全世界最聪明的算法科学家能够在这个算力海洋中尽情遨游(là onde la mer de la puissance de calcul mondiale les chercheurs d'algorithmes les plus brillants peuvent naviguer librement (전 세계 최고의 알고리즘 과학자들이 이 연산력의 바다에서 마음껏 탐험하도록))探索下一代人类未知的伟大算法(차세대 인간 미지의 great algorithms(위대한 알고리즘)을 추구하십시오).

칩 제조 한계와 물리적 도전: 웨이퍼 패키징부터 극한 에너지 효율까지

클로 아브맘: 현재의 top-tier chips는物理学底层极限(물리학의 하한선에 approaching(도착)하고 있습니다.你们设计芯片(Teil은 칩을 디자인하고台积电(tsmc) 등合作伙伴负责将其在几纳米的物理尺度上光刻制造出来(파트너사는 이를 nanometer scale(나노미터 규모)의 물리적 차원에서 lithography manufacturing(리소그래피 제조)를 담당합니다.摩尔定律放缓与功耗瓶颈(Moores Law deceleration 및 power bottleneck)에 대응할 때 엔비디어는 어떻게 design philosophy(디자인 철학)을 고민하나요?

젠슨 황:传统的摩尔定律和登纳德缩放定律(Dennard Scaling)在物理上已经基本走向终结(Moore's law와 Dennard scaling은 물리학적으로 이미 거의 end에 reaching(도달).Past单纯依赖缩小晶体管尺寸来免费获取算力倍增和功耗降低的时代已经一去不复返了(과거 transistor shrinking으로 free compute multiplier 및 power reduction을 얻던 era는 gone forever(영원히 사라졌습니다)).

这也是为什么我们必须从「芯片思维」全面转向「数据中心思维」(이것이 바로 우리가 「chip mindset」에서 완전히 「data center mindset」으로 전환해야 하는 이유입니다).单颗晶圆的光学极限尺寸(Reticle Limit)是固定的(단일 wafer의 optical limit dimension(reticle limit)은 fixed입니다.为了突破单芯片的物理极限(단일 칩의 물리적 한계를突破하기 위해)我们采用了双晶圆整合封装(CoWoS)、超高带宽芯片间互连链路(NVLink)以及极高密度的片上高带宽内存(HBM)(우리는 dual-wafer integration packaging(CoWoS), ultra-high bandwidth inter-chip links(NVLink), extremely dense on-package high-bandwidth memory(HBM)를 adopted(채택했습니다)).

p更重要的是平行加速计算遵循着完全不同的物理定律(Paralleled accelerated computing follows completely different physical laws이다将一个复杂任务交给成千上万个高效核并行处理相比于让几个高主频通用 CPU 核心硬抗其能源利用效率能提升数十倍乃至数百倍(Few high-clock general-purpose cores가 hard push하는 것 vs thousands of efficient cores가 parallelize 하는 것 중 후자가 energy utilization efficiency를 dozens to hundreds of times 향상시킨다通过在算法、芯片、网络和系统级层面的协同优化我们通过在后摩尔定律时代持续推动算力指数级增长开辟了新路径(알고리즘, 칩셋, 네트워크, 시스템 레벨에서의 synergistic optimization을 통해 post-Moore era에서 compute exponential growth를持续推进(new path를 개척했습니다).)

下一个宏大赌注:物理 AI、数字生物学与微气候模拟

클로 아브맘: 과거를 돌아보면 엔비디어가 GPU, CUDA, 딥러닝, 자율주행에 내려둔 every重磅押注(almost every major bet)은 시간이 증명했습니다.机器人(robot) 외에 다음 major bets(주요 베팅)은 무엇인가요?

젠슨 황:Besides physical AI & robotic software/hardware toolchains(물리적 AI 및 로봇 SW/HW 도구 사슬 besides之外에) my incredibly excited領域(제가 극도로 흥분하는 영역)은 Digital Biology(디지털 바이올로지)입니다.

Past computers understood artificial code made of 0 and 1(과거의 컴퓨터는 0과 1로 구성된人工代码(인공 코드를 이해)), current AI understands human natural language(현재의 AI는 인간 자연언어를 이해);生物学的本质是分子氨基酸蛋白质活体细胞的复杂交互语言(Biology의 본질은 molecules, amino acids, proteins, living cell complex interactive languages(분자, 아미노산, 단백질, 살아있는 세포들의 복잡한 상호작용 언어).就像我们用物理模型理解现实世界一样(우리가 physical model로 reality world를 이해하듯이),如果我们能用 AI depth analyze & predict biological macro-molecule interaction language(우리가 AI로 biological macromolecular interaction language를 depth analysis & predict한다면),we can build digital twin of human body(우리는 human body의 digital twin을 구축할 수 있다).这意味着新药发现基因疗法疾病机理研究将从过去的 wet lab trial转变为可在计算机中快速 simulate iterate的高精度科学(New drug discovery, gene therapy, disease mechanism research will shift from past wet lab trial to highly precise science that can rapidly simulate & iterate on computers.)

Another领域(pride-inducing领域) is climate science(기후 과학). Using digital twin technology we are constructing ultra-high resolution regional climate & extreme weather prediction systems that can precisely simulate microclimate changes within 1km above your head(우리는 digital twin tech를 활용해 초고해상도 지역 기후 및 극단적 기상 예측 시스템을 구축 중이며, 이는 당신의 머리 위 1km 이내의 미세 기후 변화를 정밀하게 시뮬레이션할 수 있습니다).

Scientific tools are essentially time machines invented by humanity(과학적 도구들은 기본적으로 humanity가 invent한 시간 machine입니다). Scientists strive to predict future so they can see evolution trajectory ahead of time & make optimal design/intervention now to create best possible future version(과학자들은 미래를predict하기 위해 노력하며 미리演变궤적을 보고 현재의 최적 설계/인터벤션을 통해 가장 좋은 미래 버전을 만듭니다).

Neural rendering & personal supercomputer: RTX 50 및 DGX가 가져온 생산성 도약

클로 아브맘: Just passed consumer electronics展(exhibitions)에서你们展示了最新 GeForce RTX 50 series显卡及桌面新一代 DGX系统(최신 GeForce RTX 50 시리즈 그래픽 카드와 desktop next-gen DGX systems를 소개했습니다).普通创作者和开发者而言这些新硬件究竟意味着什么입니까(일반 크리에이터 및 개발자들에게 이 새 하드웨어는 도대체 무엇을 의미합니까?)

젠슨 황:Behind蕴含着一个极为迷人的技术循环(배후에는 extremely captivating 기술 순환이蕴藏(内含)되어 있습니다):最初是 GeForce game cards孕育了 modern AI, helped Alex Krizhevsky & Geoffrey Hinton train AlexNet;(Initially GeForce game cards nurtured modern AI, helping Alex K. & G.H. train AlexNet;)而今天 powerful mature AI又反哺回 GeForce card, completely颠覆了图形渲染底层逻辑(Today powerful mature AI feeds back into GeForce cards, completely overturning graphic rendering's underlying logic.)

In latest RTX 50 series presented 4K resolution画面(total ~8 million pixels),我们的physical ray tracing pipeline实际上只密集计算了其中 50万个像素(our physical ray tracing pipeline actually intensively computed only 500k pixels among them);剩下的 750万个像素全是由深度神经网络基于这 50万个高质量基准实时推测并完美填补出来的(remaining 7.5M pixels were entirely predicted by DNN based on those 500k HQ baselines in real-time & perfectly filled in.).

这是 AI empowering human productivity终极隐喻(Ultimate metaphor of AI empowering human productivity):Human own energy,focus & stamina极度珍贵且有限(Human's own energy, focus & stamina are extremely precious & limited).If我们要事无巨细地硬抗每一个环节产出必然极其受限(Load everything relentlessly → output severely limited);但如果借助 AI泛化&推断能力人类只需把全部精力倾注在最核心最具价值的那 「50万个像素」上,AI就能帮我们补齐其余一切从而让人类整体迸发出超人般的创造力(If leveraging AI's generalization & inference ability, humans only pour全力 on the most core/high-value '500k pixels', AI fills the rest → unlocks superhuman creativity collectively.).

同时我们在 2016年向 OpenAI亲手交付全球第一台 DGX超级计算机当时 Elon Musk亲自接收了它(Also, we hand-delivered the world's first DGX supercomputer to OpenAI in 2016, which Elon Musk personally accepted那时候超级计算机体积巨大且售价高达 25万美元仅有少数顶尖实验室才能拥有(那时候超级计算机庞大且售价达 $250k, few top labs owned it);而现在我们将其缩微成大约 3000美元个人 AI超级工作站可直接放在学生或工程师书桌旁(Now miniaturized to ~$3k personal AI super workstation directly on student/engineer desks).这意味着每一个普通学生独立开发者都拥有了自己的专属超级计算中心可以在寝室里训练属于自己的 AI模型与 R2-D2机器人(Means every ordinary student & indie dev gets their own supercomputing hub to train their own AI models & R2-D2 robots in dorms.).

给年轻人的忠告与人生传承: Prompting的艺术与非凡的时代影响力

클로 아브맘:对于正在观看这场访谈的学生年轻一代及所有希望在这个时代有所作为的人有哪些你认为至关重要但我还没问到的建议吗

젠슨 황:I think one most important suggestion:如果我现在是一名学生我要做的第一件事就是去全力学习 AI(If I were a student today first thing I'd do is全力 learn AI).如何学会与 ChatGPT交互?如何学会与 Gemini Pro交互?以及如何学会与 Grok交互?(How to interact with ChatGPT? How to interact with Gemini Pro? How to interact with Grok?)学习如何与 AI交互本质上就是成为一个极其擅长提问的人(Interacting with AI = becoming极擅长提问的人).比如你就极其擅长提问而给 AI写提示词(Prompting)与这非常相似你不能随随便便胡乱提问让 AI成为你的得力助手需要掌握提示词的技巧与艺术(You're extremely skilled at asking questions; writing prompts to AI is very similar. You can't randomly throw questions; making AI a capable assistant requires mastering prompt skills & art.)

所以如果我今天是一名学生无论是学数学科学还是化学生物无论我将来要进入哪个科学领域从事什么职业我都会问自己:我该如何利用 AI把工作做得更好?(So if I were a student today whether math/science or chem/bio whatever field/career I enter I'd ask myself: How do I use AI to do my job better?)

If I want to become lawyer如何用 AI成为更优秀律师?Doctor?Chemist?Biologist?(Lawyer/Doctor/Chemist/Biologist using AI?)这个问题应该贯穿在每一个人的思考中(This question should run through everyone's thinking.)

就像我成长的那个时代我们是第一代不得不面对这个思考的人如何利用计算机把工作更好(Undergeneration facing this question first如何利用 Computer to do better).在我们之前的上一代人根本没有计算机(Previous gen didn't have computers).记住我入行的时候甚至还在 Windows 95之前那是 1984年办公室里一台电脑都没有(I started career before Win95, 1984, no PCs in offices).不久之后计算机普及于是我们必须问自己如何利用计算机做好工作(Soon PCs普及ed → we had to ask how to use PCs well).Next generation已经无需再去问这个问题了但显然他们必须面对下一个命题:我该如何利用 AI把工作更好(Next gen doesn't need to ask PC question obviously faces next: How to use AI better?)这就是一切的起点与终点(This is start & endpoint of everything.)

AI彻底降低了理解的门槛知识的门槛与获取智能的门槛(AI彻底 lowered门槛 of understanding knowledge & acquiring intelligence).过去把电脑摆在一个从未用过的人面前他们绝不可能在一天之内学会使用必须有人手把手教(Past putting computer before novice → impossible to learn in day → needed hand-holding);而面对 ChatGPT如果你不知道怎么用你只需要输入:「我不知道怎么用 ChatGPT请教我它就会立刻回复你并给出示例(But facing ChatGPT if unknown simply type: 'Don't know how to use ChatGPT teach me' → it replies immediately with examples.)智能最美妙的地方在于它会一路协助你让你在过程中变得更加强大(Smartest part of intelligence is it assists along the way making you stronger during process.)

클로 아브맘:好的如果您还有时间我最后还有一个问题这不是我原本计划要问的但在我来这里的路上我其实有点恐飞这确实不太理智飞来的路上飞机有点颠簸非常颠簸我坐在剧烈晃动的机舱里心里不禁在想人们会在我的葬礼上说些什么(OK if time left final question not originally planned but on way here I'm slightly afraid of flying really irrational flight was quite turbulent very shaky sitting in shaking cabin couldn't help wondering what people would say at my funeral.)

젠슨 황:「她总是能提出好问题!」你的墓碑上肯定会这么写(「She always asked great questions!」 definitely engraved on tombstone.)

클로 아브맘:但愿如此!是的。除了「深爱着丈夫朋友和家人」之外我希望人们能谈论的是我的「乐观」我希望大家能理解我所努力追求的目标我对您非常好奇您在这个行业深耕了这么多年描绘的前方愿景如此宏大您希望大家用怎样的一个主题来评价您所努力达成的事业呢

젠슨 황:非常简单:「他们创造了非凡的影响 (They made an extraordinary impact).」(Very simple: 「They made an extraordinary impact.」)

我认为我们很幸运因为我们在很久以前就确立了一些核心信念并且始终坚守这些信念在此基础上不断构建使得我们今天成为了世界上甚至可能是有史以来最重要最具影响力的科技公司之一(I feel lucky because long ago established core beliefs & consistently held them continuously building upon that making us today arguably world's most influential tech company ever.)因此我们非常严肃地对待这份责任我们全力确保我们所创造的能力不仅能为大企业所用也同样开放给各个科学领域的独立研究者与开发者无论是否盈利无论规模大小无论知名与否(Isrueously take responsibility ensuring created capabilities available not just to big corps but also independent researchers/devs across sciences regardless profit size fame).正是因为深刻理解我们所从事工作的重大意义以及它对无数人可能产生的深远影响我们希望将这种能力尽可能普及到每一个角落(Because deeply grasp significance of our work & profound impact on countless people we want to popularize these capabilities to every corner.)

我坚信当我们在几年后回望时我非常希望下一代人能够看到:首先他们会因为我们打造的游戏技术而认识我们;但我确信回望时数字生物学与生命科学领域已经被彻底重塑我们对材料科学的认知已被彻底颠覆机器人正在各个领域协助人类完成危险而繁琐的任务想开车时我们可以自己开不想开时就可以小憩片刻或者把汽车当成家庭影院在上下班途中静心阅读到那时你甚至会希望自己住得远一点这样就能在车里多享受一会儿(I firmly believe looking back years later strongly hope next gen sees: First recognize us for game tech we built; but surely when looking back digital bio & life sciences thoroughly reshaped material science cognition overturned robots assist humans across fields dangerous/tedious tasks; drive when want nap when don't treat car as home theater read quietly commuting; then you might wish lived farther to enjoy car ride longer.)

当你回首发现有一家公司几乎处于所有这些变革的风暴中心而它恰好正是陪伴着你打游戏长大的那家公司我希望这就是下一代人所认知到的英伟达(When looking back finding one company almost at storm center of all these transformations & coincidentally exactly the company that grew up playing games with you hope that's how next gen perceives Nvidia.)

클로 아브맘:非常感谢您宝贵的时间这是一次非常愉快的交流(Thank you very much for valuable time. Truly pleasant exchange.)

젠슨 황:谢谢你我也很高兴(Thank you too glad.)