Jensen Huang

공학, 창업, 인공지능 [Artificial Intelligence] 에 바친 삶

아시아의 어린 시절부터 NVIDIA의 경영까지 증거에 기반한 전기와 Steve Jobs에 대한 비판적 비교

한국어판 조사 기준일: 2026년 11월 11일

목차

서론

플랫폼 [Platform] 뒤에 있는 사람을 이해하기

Jensen Huang의 중요성은 그가 실현하는 데 기여한 변화에 있습니다. 그림을 그리도록 설계된 컴퓨터가 연구자들의 인공지능 [Artificial Intelligence] 훈련을 돕는 기계가 되었습니다. 그가 1993년 공동 창업한 회사는 불확실한 그래픽 [Graphics] 신생 기업에서 현대 AI 인프라 [Infrastructure] 의 핵심 공급자로 성장했습니다. 이 성과는 면밀히 살펴볼 가치가 있습니다. 그가 미래를 알았고, 혼자 행동했으며, 한 번도 실수하지 않았다는 이야기는 필요하지 않습니다.

이 책은 아시아의 어린 시절부터 이주, 교육, 엔지니어로서의 취업, 창업, NVIDIA의 확장까지 그의 삶을 따라갑니다. 기회를 형성한 가족과 기관, 회사를 가능하게 한 동료와 협력사, 방향을 거듭 바꾼 어려운 결정을 검토합니다. 대중적 인지도가 높아지며 점점 더 매력적으로 다가온 질문도 던집니다. Jensen Huang을 살아 있는 Steve Jobs라고 부르는 것이 타당할까요?

이 책의 답에는 단서가 따릅니다. 두 사람은 기술, 장기적 확신, 다른 사람에게 아직 선명하지 않은 미래를 설명하는 비범한 능력을 결합했습니다. 두 사람 모두 회사와 강하게 동일시되었습니다. 그러나 Huang은 Jobs의 대체자가 아닙니다. 공학 교육, 지속적인 경영, 기업 고객, 컴퓨팅 플랫폼 [Computing Platform] 구축 방식은 Apple의 공동 창업자와 다릅니다. 구체적인 행동을 가려내는 비교는 유용합니다. 복잡한 두 사람을 서로 바꿔 쓸 수 있는 상징으로 만들면 오해를 부릅니다.

진행 중인 삶에는 확정적인 마지막 장이 있을 수 없습니다. 이 판의 기준일은 2026년 11월 11일입니다. 재무 수치, 직책, 이사회 성명, 제품 발표에는 날짜를 붙이며 영구적 사실로 다루지 않습니다. 회고담은 필요한 경우 기억에 따른 설명임을 밝힙니다. 기업의 자사 기술 설명은 무엇을 발표했는지 보여주는 중요한 증거이지만, 모든 성능 주장의 독립적 입증은 아닙니다.

허구를 섞은 전기도 아닙니다. 만들어 낸 대화, 사적인 생각, 재구성한 장면을 사실처럼 제시하지 않습니다. 삶을 이해하는 데 도움이 될 때 공개적으로 문서화된 가족 정보를 포함합니다. 확인되지 않은 나이, 추측한 동기, 자극적인 세부 사항은 반복한다고 사실이 되지 않습니다. 기업가, 학생, 기술 전문가가 매 쪽마다 찬사와 과장을 가려내지 않고도 활용할 수 있는 읽기 쉬운 기록을 목표로 합니다.

1 국경을 넘나든 어린 시절

Taiwan, Thailand, 그리고 가족의 결정

Jensen Huang으로 널리 알려진 Jen-Hsun Huang은 1963년 2월 17일 Taiwan에서 태어났습니다. 출생 도시는 기록마다 달랐습니다. 일부 초기 인물 소개는 Tainan, 이후 보도는 Taipei를 가리킵니다. 확실한 지리적 출발점은 Taiwan입니다. 전기는 반복된 세부 사항을 슬며시 확실한 사실로 바꾸어서는 안 되므로 이 구별이 중요합니다. [1]

직업적으로 국경을 넘기 훨씬 전부터 어린 시절은 여러 나라에 걸쳐 있었습니다. 가족은 Taiwan에 살다가 Thailand로 옮겼습니다. Condoleezza Rice와의 인터뷰에서 Huang은 아버지가 정유소 설립을 돕기 위해 Thailand로 갔다고 회상했습니다. 아버지는 엔지니어였고 어머니는 가족이 America로 이주한 뒤 가톨릭 학교의 가사 도우미로 일했다고 설명했습니다. 이는 그의 공개 회고이지, 독립적으로 재구성한 고용 기록은 아닙니다. 부모는 아들들에게 교육 기회를 주고 싶어 했고, 형제는 부모가 이주를 마치기 전에 United States로 갔습니다. 이후 인터뷰에서 Huang은 그 이별을 자녀를 향한 부모의 희망과 연결했습니다. [2]

이주 이야기는 가난한 이민자 아이가 도착해 열심히 일하고 억만장자가 된다는 짧은 동기부여 서사로 줄어들곤 합니다. 그러나 여정을 가능하게 한 대부분이 가려집니다. 아이들은 이민 제도, 환율, 입학 조건, 친척의 수용 의사를 선택하지 않습니다. 부모는 불완전한 정보로 중대한 결정을 내립니다. 아이는 그 결정이 만든 기회와 불확실성을 함께 물려받습니다.

Huang에게 국가 간 이동은 언어와 기대 사이의 이동이기도 했습니다. 실제 과제는 어휘를 배우는 데 그치지 않았습니다. 교사에게 말하는 법, 친구 관계를 맺는 법, 갈등에 대응하는 법, 능력을 평가받는 법을 파악해야 했습니다. 학생은 교실의 사회적 규칙을 이해하기 전에 수학을 이해할 수 있습니다. 서로 다른 배움이 같은 속도로 진전되는 것은 아닙니다.

이주가 수십 년 뒤 특정한 경영 습관을 직접 만들었다고 주장하면 추측입니다. 더 신중한 결론은 적응이 일찍부터 삶의 현실이었다는 것입니다. 이후 경력에서도 낯선 영역에 들어가 규칙을 파악하고 어떤 전제에 도전할지 정하는 일이 반복되었습니다. 유사성은 시사적이지만 심리 진단은 아닙니다.

부모의 역할 역시 완전한 가족 기록을 지어내지 않고 이해해야 합니다. 직업과 이름에 관한 공개 자료의 질은 고르지 않습니다. 가장 일관되고 강한 증거는 교육에 대한 헌신과 이를 위해 감수한 생활의 격변입니다. 모든 빈틈을 그럴듯한 정보로 채워야만 중요해지는 것은 아닙니다. 부모의 결정은 그의 기술적 성장에 중심이 된 기관과 인적 관계에 접근하게 했습니다.

성공이 필연이었다는 이야기의 위험

결말을 알면 어린 시절을 해석하는 방식이 달라집니다. 평범한 수업 성과는 천재성의 징표가 되고, 불편한 경험은 지도자가 되기 위한 필수 준비가 됩니다. 어느 결론도 저절로 성립하지 않습니다. 재능 있는 많은 이민자가 고난을 겪어도 대기업을 세우지는 않습니다. 성공한 기업가의 어린 시절도 매우 다양합니다.

그러므로 유용한 질문은 어린 Huang이 이미 NVIDIA를 만들 운명이었는지가 아닙니다. 이용 가능한 기회가 어떻게 넓어졌고, 나중에 무엇을 했는지입니다. 이렇게 보면 노력을 생산적으로 만든 가족의 결정, 공교육, 역사적 조건을 무시하지 않으면서 노력에 합당한 무게를 줄 수 있습니다.

2 Kentucky와 다름을 경험한다는 것

Oneida에서의 생활

Kentucky 시절에는 특히 중요한 정정이 있습니다. Oneida Baptist Institute에 따르면 Huang 형제는 그 기숙사에 살면서 Kentucky River의 South Fork 건너편 공립 Oneida Elementary School에 다녔습니다. 당시 Institute는 고등학교였으므로 형제는 흔들다리를 건너 수업에 갔습니다. 기숙한 곳과 수업을 들은 학교를 같게 취급하면 부정확합니다. [3]

이 이야기는 시간이 흐르며 극적으로 변했습니다. Huang은 가족이 충분히 예상하지 못한 상황에서 나이 많은 소년들 사이에 놓인 거친 미국 생활의 시작을 회상했습니다. Oregon State의 소개는 힘든 시작에 대한 설명과 학교 경험에 대한 애정을 함께 기록합니다. 불편함과 감사는 양립할 수 있으므로 둘 다 필요합니다. [4]

기관의 명칭은 신중하게 다뤄야 합니다. 교화 학교라는 표현은 말하는 이의 환경에 대한 기억을 전할 수 있지만, 기관의 전체 역사나 모든 학생을 충분히 설명하지 못할 수 있습니다. 더 확실한 사실은 기숙 형태, 초등학교 출석, 부모와 멀리 떨어진 아이가 겪은 큰 문화적 적응입니다.

어린 시절의 기관은 나중에 한 가지 생생한 세부 사항으로 기억되기도 합니다. 흔들다리가 그렇습니다. 구체적이고 기억에 남으며 독립된 기록도 있습니다. 다리를 건널 때 무엇을 생각했는지 지어내는 것보다 유용합니다. 물리적 배치만으로도 집과 학교, 낯선 주변 세계의 거리를 충분히 전합니다.

오랜 시간이 지난 뒤 Jensen과 Lori Huang은 Oneida의 새 시설을 지원했습니다. Institute는 200만 미국 달러의 대응 기부금 [Matching Grant] 을 기록하며, 그 결과 건립된 Huang Hall은 2019년 봉헌되었습니다. 어린 시절의 모든 면이 행복했다고 가정하지 않아도, 이 기부는 성숙한 기업가와 어린 시절의 장소를 연결합니다. [3]

고난을 낭만화하지 않는 회복력

성공한 사람에 대한 기록은 어려움을 처방으로 바꾸곤 합니다. 고난 뒤에 성취가 왔으니 미래 지도자도 고난을 겪어야 한다는 것입니다. 빈약한 추론입니다. 역경은 임기응변을 키울 수도 있지만 기회를 제한하고 지속적인 피해를 줄 수도 있습니다. 결과는 지원, 상황, 당사자에 따라 달라집니다.

Huang이 이후 공개적으로 끈기를 강조한 것은 리더십과 관련됩니다. 이를 괴롭힘, 결핍, 피할 수 있는 고통을 찬양하는 데 써서는 안 됩니다. 건설적인 교훈은 더 좁습니다. 사람은 어려운 조건에 대응하는 법을 배울 수 있고, 기관은 회복과 자신감, 유용한 일의 발견을 도울 수 있습니다.

성숙한 회복력의 서술에는 도움도 포함됩니다. 적응하는 청소년에게도 교사, 친척, 음식, 주거, 진학 경로가 필요합니다. 위기를 넘는 미래의 경영자에게도 엔지니어, 고객, 자금이 필요합니다. 이 연속성을 기억하면 전기가 고립된 의지력의 이야기로 변하는 것을 막을 수 있습니다.

3 Oregon에서의 학교, 일, 포부

더 안정된 교육의 길

가족은 이후 Oregon에 정착했고 Huang은 Beaverton 지역의 고등학교에 다녔습니다. Oregon State의 기록은 그를 전국 순위권 주니어 탁구 선수로도 소개합니다. 학업과 경쟁의 기술을 함께 키운 청년을 보여주지만 해마다의 완전한 학교 기록은 아닙니다. [4]

일부 대중적 요약은 정확한 월반 순서나 다른 자료와 충돌하는 대학 입학 연도를 제시합니다. 전체 경로를 이해하는 데 그런 정밀함은 필요하지 않습니다. 확실한 것은 학교를 마치고 Oregon State University에서 전기공학 [Electrical Engineering] 을 공부해 1984년 학사 학위를 취득했다는 점입니다. 기록된 학위 취득일은 중학교 각 학년을 추측으로 복원하는 것보다 확실한 기준입니다.

경쟁 스포츠는 공학에 유용한 비유이지만 인과관계의 증명은 아닙니다. 탁구 선수는 상대에 계속 적응하고 즉각적 피드백 [Feedback] 을 받으며 동작이 안정될 때까지 연습합니다. 엔지니어도 피드백으로 배웁니다. 탁구를 했다는 사실만으로 그 습관을 의식적으로 경영에 옮겼는지는 알 수 없습니다.

Denny’s에서의 초기 서비스 업무도 공개 이야기의 반복되는 부분입니다. 그는 설거지와 접객, 평범한 일이 주는 교훈을 말했습니다. 이 일은 성장의 무대가 소수 엘리트의 기술 세계에만 있지 않았음을 보여줍니다. 엔지니어를 관리하기 전, 서비스와 속도, 수많은 작은 업무의 조정이 날마다 눈에 보이는 직장을 경험했습니다. [2]

서비스 업무가 가르치는 것

식당은 하나의 시스템 [System] 입니다. 고객은 식사를 보지만 제공 과정에는 준비, 설거지, 주문, 조리, 결제, 소통이 필요합니다. 다른 부분이 잘해도 한 곳의 실패가 고객에게 전해집니다. 기술적으로 훌륭한 부품만으로 성공한 제품이 되지 않는 이유를 이해하는 데 유용합니다.

같은 원리가 나중에 NVIDIA 사업에서 훨씬 큰 규모로 나타났습니다. 프로세서 [Processor] 는 강력해도 프로그래밍하기 어려울 수 있습니다. 소프트웨어 [Software] 는 우아해도 유통 경로가 없을 수 있습니다. 데이터센터 [Data Centre] 는 프로세서가 충분해도 네트워킹 [Networking], 전력, 냉각이 부족할 수 있습니다. 이는 분석적 유사성이지, 특정 식당 근무가 컴퓨팅 회사의 청사진을 주었다는 주장은 아닙니다.

일의 가시성에 관한 교훈도 있습니다. 고위 경영자는 제품을 실제로 쓸 수 있게 만드는 사람들에게서 단절될 수 있습니다. 서비스 업무에서는 작은 운영 실패의 결과가 빠르게 드러납니다. 지위와 부로 이를 피할 수 있게 된 뒤에도 그 결과에 호기심을 유지하는 것이 리더십의 가치입니다.

4 대학의 공학 교육과 Lori와의 만남

Oregon State와 전문직의 기초

Huang은 1984년 Oregon State University에서 전기공학 [Electrical Engineering] 이학사 학위를 받았습니다. 대학에 따르면 Lori Mills는 전기공학 입문 수업의 실험 파트너였고 두 사람은 만난 지 5년 후 결혼했습니다. 경력을 형성하던 기술 교육 안에서 관계도 시작되었습니다. [4]

전기공학 [Electrical Engineering] 은 자격 이상을 제공했습니다. 제약을 받는 물리적 시스템을 추론하도록 훈련했습니다. 회로 [Circuit] 는 타이밍, 전력, 비용, 신뢰성 요건을 동시에 충족해야 합니다. 한 척도에서 성공해도 다른 척도에서 실패할 수 있습니다. 갑작스러운 아이디어 뒤에 손쉬운 실행이 따른다는 혁신의 이미지와는 다릅니다.

대학 실험실에서는 상충관계 [Trade-offs] 가 구체화됩니다. 계산은 결국 작동하는 부품 조합과 일치해야 합니다. 예상 밖 행동은 말로 덮지 않고 조사해야 합니다. 이는 공학 교육의 일반적 특징이지 그의 과제를 복원한 목록은 아닙니다. 학위가 뜻하는 전문적 형성의 성격을 설명합니다.

Lori를 우연히 미래 억만장자를 만난 조연으로 줄여서는 안 됩니다. 그녀는 공학을 공부했고 나중에 중요한 교육 사업의 공동 기부자가 되었습니다. 공개 정보는 그 역할을 뒷받침합니다. 가족의 모든 사적 결정을 그녀에게 돌리거나 신뢰할 기록 없이 NVIDIA의 공식 직책을 맡았다고 주장할 근거는 아닙니다.

일하면서 Stanford에서 공부하다

Huang은 정규직으로 일하면서 1992년 Stanford University 전기공학 [Electrical Engineering] 석사 학위를 마쳤습니다. Stanford의 약력이 학위를 확인하고 Oregon State는 취업과 대학원 공부의 병행을 설명합니다. 고등교육은 직업 생활 이전에만 있지 않고 그 발전 안에 있었습니다. [4, 5]

이 구별은 중요합니다. 일하며 공부하는 사람은 이론적 도구를 사업 문제와 비교할 수 있습니다. 학업은 설계가 왜 그렇게 움직이는지 밝혀주고, 직장은 수업 과제가 생략한 제약을 드러낼 수 있습니다. 어느 한쪽도 다른 쪽을 대신하지 않습니다. 두 환경 사이의 이동에서 가치가 나옵니다.

날짜는 유행하지만 오해를 부르는 창업 서사에도 도전합니다. Huang은 정규 교육을 거부하고 즉시 창업한 대학 중퇴자가 아닙니다. NVIDIA 설립 때 이미 학부와 대학원의 공학 학위, 상당한 반도체 [Semiconductor] 업계 경험이 있었습니다. 대담한 위험 감수 못지않게 학습과 전문적 준비의 중요성을 보여줍니다.

정규 교육이 창업의 완전한 조리법은 아니었습니다. 고객의 그래픽 칩 [Graphics Chip] 구매, 투자자의 자금 제공, 새 소프트웨어 플랫폼 [Software Platform] 에 대한 개발자의 참여를 보장하지 못합니다. 교육은 그 문제를 조사하는 도구를 주었습니다. 이후 성취는 불확실한 상황에서 도구를 적용하고 확장하는 데 달렸습니다.

5 반도체 [Semiconductor] 사업을 배우다

AMD와 LSI Logic

NVIDIA의 규제기관 제출 약력은 Huang이 Advanced Micro Devices에서 1983-1985년, LSI Logic에서 1985-1993년 일했다고 기록합니다. 일부 대중 자료가 학사 취득 연도인 1984년으로 단순화하므로 AMD 시작 연도를 보존할 필요가 있습니다. 졸업에서 추론한 깔끔한 순서보다 공식 경력이 더 나은 연대의 근거입니다. [6]

AMD에서는 마이크로프로세서 [Microprocessor] 설계를 했습니다. LSI Logic에서는 CoreWare 사업 관련 업무를 포함해 공학, 마케팅, 관리 책임을 맡았습니다. 개별 회로 설계를 넘어 기술 역량, 고객 요구, 사업 전략의 관계로 경험을 넓혔습니다. [6]

반도체 [Semiconductors] 는 신생 기업에 특수한 요구를 합니다. 칩 [Chip] 설계는 비싸고 제조는 전문 시설에 의존합니다. 실수는 비싼 재설계를 요구하며 시장이 이미 바뀐 뒤 제품이 나올 수도 있습니다. 기술 결정에서 시장 피드백까지 시간이 길 수 있습니다. 창업자는 기술적 판단과 불확실성의 비용을 조달하는 방법을 함께 갖춰야 합니다.

LSI Logic의 맞춤형 칩 [Custom Chips] 업무는 고객이 시스템 요건 [System Requirement] 을 실리콘 [Silicon] 으로 바꾸는 방식을 배우는 준비였습니다. NVIDIA에서 계속 중심이 된 차이도 보여줍니다. 고객은 기술적으로 흥미롭다는 이유만으로 칩을 원하지 않습니다. 더 좋은 그래픽, 낮은 비용, 짧은 계산 시간, 더 유능한 자사 제품 같은 결과를 원합니다.

전문가의 범위를 넘어서

엔지니어에서 기업가로의 전환은 기술 업무를 떠나는 일로 묘사되곤 합니다. Huang은 다른 양상을 보입니다. 기술적 이해는 중심에 남고 결정의 범위가 인력, 가격, 재무, 시장 선택으로 넓어졌습니다.

기업가는 조직이 주의를 기울일 문제를 정해야 합니다. 엔지니어는 주어진 설계를 최적화하지만 창업자는 그 설계가 있어야 하는지도 결정합니다. 만들 수 있는가에서, 충분한 사람이 가치를 느끼는가, 회사가 제공할 수 있는가, 경쟁자가 더 빨리 대응할 수 있는가로 질문이 바뀝니다.

이 전환은 실행보다 회고적 설명이 쉽습니다. 더 나은 설계는 반드시 이긴다고 고집하면 전문성이 함정이 됩니다. 고객은 호환성 [Compatibility], 공급 가능성, 편의성을 선호할 수 있습니다. 창업자는 시장의 우선순위가 기술팀의 최초 전제와 다름을 기꺼이 발견해야 합니다.

그러므로 NVIDIA 이전의 세월은 전기의 중심에 있어야 합니다. 중요한 이야기 전의 대기실이 아니었습니다. 제품 결정, 제조 관계, 고객 신뢰를 분리할 수 없는 업계의 경험을 제공했습니다.

6 NVIDIA의 창업

세 창업자와 어려운 시장

NVIDIA는 1993년 Jensen Huang, Chris Malachowsky, Curtis Priem이 설립했습니다. Huang은 최고경영자 [Chief Executive] 가 되었고 회사가 발전하는 동안 계속 맡았습니다. 유명한 Denny’s 모임은 창업담의 일부이지만 식당이 그곳에 앉은 사람들의 축적된 전문성을 가려서는 안 됩니다. [7, 8]

초기 기회는 개인용 컴퓨터 [Personal Computers] 의 그래픽 [Graphics] 이었습니다. 게임은 까다로운 용도였습니다. 소비자는 더 풍부한 시각 세계를 원했고 범용 프로세서 [General-purpose Processors] 는 복잡해지는 그래픽을 효율적으로 처리하기 어려웠습니다. 전문 프로세서 [Specialist Processor] 는 일부 연산을 훨씬 빨리 수행해 경험을 개선할 수 있었습니다.

이는 사업의 진입점이지 오늘날 생성형 AI [Generative AI] 경제의 완성된 계획이 아니었습니다. 현재의 성공을 과거에 투사해 창업자들이 이후 용도를 모두 보았다고 상상하기 쉽습니다. 더 설득력 있는 해석은 넓은 컴퓨팅 [Computing] 문제를 발견하고 사업을 지탱할 시장을 통해 들어갔다는 것입니다.

넓은 가설과 첫 제품의 구별이 중요합니다. 구현 [Implementation] 이 실패해도 가설은 생산적일 수 있습니다. 특수 계산 [Specialised Computation] 의 중요성을 믿으면서 첫 시도의 아키텍처 [Architecture], 고객, 시기를 틀릴 수 있습니다. 생존은 근본 통찰의 유용한 부분을 모두 버리지 않으면서 시도를 바꾸는 데 달려 있습니다.

공동 창업자가 중요한 이유

최고경영자 중심의 전기는 주변 회사를 실수로 지울 수 있습니다. Malachowsky와 Priem은 완성된 비전의 장식이 아니라 공동 창업자였습니다. 엔지니어, 투자자, 초기 고객도 아이디어를 조직으로 바꾸는 데 기여했습니다. 이 기여가 보여야 Huang의 리더십도 정확하게 평가됩니다.

Malachowsky는 Hewlett-Packard와 Sun Microsystems의 공학 및 기술 리더십 경험을 가져왔습니다. 그래픽 시스템 [Graphics Systems] 경력은 회사 기술의 기초가 되었고 NVIDIA 창업자이자 펠로 [Fellow] 로 관계를 이어갔습니다. 비기술 창업자가 완성된 계획을 수행할 엔지니어를 고용한 사례가 아니었습니다. [32]

Priem도 Sun에서 GX 그래픽 [Graphics] 제품을 설계했습니다. Rensselaer Polytechnic Institute는 그가 1993-2003년 NVIDIA 최고기술책임자 [Chief Technical Officer] 였다고 기록합니다. 이전에는 IBM Professional Graphics Adapter에도 참여했습니다. 창업자들이 NVIDIA 이전의 그래픽 공학 계보에 속했음을 보여주며, 첫 GPU 마케팅을 분야 전체의 기원과 혼동하지 말아야 할 이유를 설명합니다. [33]

Huang의 기여는 그 전문성과 나란히 있었습니다. AMD와 LSI Logic에서 반도체 설계 [Semiconductor Design] 와 사업 관리를 경험했습니다. 조합은 창업팀에 그래픽 구현 [Graphics Implementation] 과 반도체 사업 구축 양쪽의 관점을 주었습니다. 오류를 막아주지는 않았지만 오류를 알아보고 대응할 자원을 주었습니다.

최고경영자의 고유 업무는 결정을 통합하는 것이었습니다. 기술적 가능성은 제품 계획이 되어야 했고 계획에는 자금이, 자금에는 신뢰가 필요했으며 신뢰는 좌절에도 견뎌야 했습니다. 한 사람이 모든 기술 및 사업 업무를 할 수는 없습니다. 여러 업무에 일관된 방향을 유지하는 것이 리더십이었습니다.

초기 회사도 통제할 수 없는 생태계 [Ecosystem] 안에서 활동했습니다. 운영체제 [Operating Systems], 그래픽 표준 [Graphics Standards], 소프트웨어 개발자 [Software Developers], 제조 파트너가 설계의 가치를 바꿀 수 있었습니다. NVIDIA만의 약점이 아니라 더 큰 컴퓨팅 시스템 [Computing System] 의 새 부품을 만드는 조건이었습니다.

따라서 창업의 교훈은 용기 있게 시작하라는 말보다 까다롭습니다. 풀 가치가 있는 문제를 선택하고 보완적 전문성을 모으며 돈이 떨어지기 전에 학습할 사업을 만드는 것입니다. 용기는 중요하지만 그런 장치의 대체물은 아닙니다.

7 회사가 무너지기 직전이었을 때

NV1과 Sega 문제

NVIDIA의 초기 제품은 순탄한 성공을 가져오지 못했습니다. 1995년 출시한 NV1은 사업상 어려움을 겪었습니다. 이후 Sega와의 작업에서 더 깊은 문제가 드러났습니다. 기술 방향이 더 넓은 그래픽 [Graphics] 시장의 중심이 되던 표준과 어긋나고 있었습니다. [7, 9]

아키텍처 [Architecture] 문제는 구체적이었습니다. NV1은 이차 곡면 텍스처 매핑 [Quadratic Texture Mapping] 을 썼지만 새로 부상한 Direct3D 생태계 [Ecosystem] 는 삼각형 중심이었습니다. 다른 접근을 지원하는 일은 게임 개발자의 부담을 늘리고 NVIDIA 하드웨어의 이점을 제한했습니다. RIVA 128은 더 호환성 있는 방향을 택했습니다. 교훈의 일부는 표준입니다. 우아한 구현 [Implementation] 도 주변 소프트웨어 산업이 편하게 활용하지 못하면 패할 수 있습니다. [34]

단순히 어느 도형이 수학적으로 더 좋은지의 경쟁이 아니었습니다. 그래픽 아키텍처 [Graphics Architecture] 는 제작 도구 [Authoring Tools], 프로그래밍 인터페이스 [Programming Interfaces], 개발자가 이미 아는 기법과 함께 작동해야 합니다. 다른 방식을 요구하는 공급자는 추가 작업을 정당화할 만큼 큰 이익을 제시해야 합니다. 생존은 생태계가 첫 설계에 맞춰 재편되기를 기대하기보다 생태계의 방향을 수용하는 데 달렸습니다.

후일의 위기 회고에서 Huang은 계약을 계속하면 미래를 지탱할 수 없는 제품이 남고, 포기하면 생존 자금을 잃을 수 있음을 깨달았다고 설명했습니다. Sega 경영진에게 도움을 청했고, 그 지원으로 NVIDIA는 방향을 바꿀 수 있었습니다. [9]

지급과 투자의 구체적 구조는 자료마다 다릅니다. 안전한 결론은 Sega가 일반적으로 약 500만 미국 달러로 보도되는 중요한 자금 지원을 했고 Shoichiro Irimajiri가 핵심 역할을 했다는 것입니다. 무관한 Nintendo 경영자가 구했다거나 반드시 무조건적인 개인 선물이었다는 이야기로 단순화하면 안 됩니다. [8, 10]

윤리적 의미는 구체적입니다. Huang은 중요한 파트너에게 중대한 실수를 인정해야 했습니다. 처음부터 옳았던 선지자로 자신을 제시하는 것과는 다릅니다. 신뢰할 수 있는 구제에는 솔직함, 신뢰, 이례적 결과를 수용할 파트너의 의지가 함께 필요했습니다.

RIVA 128과 사업적 희망의 회복

1997년 도입한 RIVA 128은 결정적인 회생 제품이 되었습니다. NVIDIA 기업 연표는 4개월 만에 100만 개 판매를 기록합니다. 제품이 시장 요구에 더 잘 맞으면 젊은 기업의 위치가 얼마나 빨리 바뀌는지 보여줍니다. [7]

Sega의 지원과 RIVA 128의 성공은 연결된 생존 이야기입니다. 매 단계를 별개의 파산으로 보면 기록을 과장합니다. 하나는 행동할 여유를, 다른 하나는 새 방향을 매출로 바꿀 힘을 주었습니다. 둘 다 더 넓은 팀의 공학 작업과 사업 실행에 의존했습니다.

긴급한 기한은 조직을 집중시키지만 위험도 만듭니다. 심한 시간·자금 제약 아래 만든 칩 [Chip] 은 재시도 여력이 없을 수 있어 특히 신중하게 시험해야 합니다. 창업자가 굳게 믿으면 시험을 건너뛸 수 있다는 뜻이 아닙니다. 제약된 조직에는 수정 비용이 치명적이기 전에 오류를 드러내는 방법이 필요합니다.

Huang은 NVIDIA를 여러 차례 파산에서 구했을까요

특히 1990년대 중반 반복된 실패 직전의 상황에는 신뢰할 증거가 있습니다. 오랜 이사 Mark Stevens는 그 기간 몇 차례 회사가 실패까지 약 30일 남은 상태였다고 설명했습니다. 몇 차례 붕괴를 피했다는 표현을 뒷받침하지만, NVIDIA가 정식 파산 절차에 반복 진입했다는 증거는 아닙니다. [8]

후기의 전략 실패도 정확하게 분류해야 합니다. CUDA는 효과가 나타나기까지 오래 걸린 비싼 투자였습니다. 휴대전화 사업은 어려운 시장에서의 철수였습니다. 주가 하락, 고가 프로젝트, 즉시 청구서를 못 내는 상황은 서로 다릅니다. 전부 파산이라고 부르면 이야기는 극적이지만 덜 유용해집니다.

가장 강하게 방어할 수 있는 진술은 Huang이 여러 위험한 시기의 생존을 도왔고 가장 명확한 현금 고갈 위기는 초기에 집중되었다는 것입니다. 그의 결정도, Sega 지원과 동료의 작업, 투자자의 인내, 재설계 제품의 사업적 성공도 중요했습니다.

8 그래픽 [Graphics] 제품에서 컴퓨팅 플랫폼 [Computing Platform] 으로

상장과 범주의 정의

1999년 NVIDIA의 기업공개 [Initial Public Offering] 는 새 발전 단계였습니다. 같은 해 GeForce 256을 선보이며 최초의 그래픽 처리 장치 [Graphics Processing Unit] 라고 홍보했습니다. 역사적 단서가 중요합니다. 이전에도 그래픽 가속기 [Graphics Accelerators] 는 있었습니다. 주장은 특정한 통합 GPU 개념을 뜻하지 모든 컴퓨터 그래픽 하드웨어의 발명을 뜻하지 않습니다. [7]

대외 정체성은 계속 게임과 밀접했습니다. 더 존경받을 사업의 사소한 전주곡이 아니었습니다. 게임은 까다로운 고객, 빠른 제품 주기, 상당한 공학 투자를 지탱할 시장을 만들었습니다. 실험할 연구자에게 유능한 병렬 프로세서 [Parallel Processors] 를 전달하기도 했습니다.

제품 위에 다른 이들이 지속적인 작업을 쌓을 수 있으면 플랫폼 [Platform] 이 발전합니다. 빠른 그래픽 카드 [Graphics Card] 는 한 번의 구매를 얻습니다. 안정적 프로그래밍 환경 [Programming Environment], 유용한 라이브러리 [Libraries], 쌓인 개발자 지식은 많은 미래 구매에 영향을 줍니다. 공급자 교체가 소프트웨어 변경과 재교육을 요구할 수 있어 사업 관계의 성격이 달라집니다.

플랫폼 [Platform] 으로 향하면 품질의 의미도 바뀝니다. 하드웨어 속도 외에 문서화, 하위 호환성 [Backward Compatibility], 디버깅 [Debugging], 배포 [Deployment], 지원도 중요합니다. 사용자가 자기 애플리케이션에서 안정적으로 얻지 못하면 벤치마크 [Benchmark] 우위는 사라질 수 있습니다.

경쟁은 사라지지 않았다

그래픽 [Graphics] 업계는 경쟁과 통합으로 계속 바뀌었습니다. NVIDIA는 2000년 12월 3dfx의 일부 그래픽 자산 매입에 합의했고 2001년 4월 완료했습니다. 선택 자산의 매입을 경쟁사 사업 전체의 인수라고 해서는 안 됩니다. 법적으로도 역사적으로도 중요한 차이입니다. [35]

딥러닝 [Deep Learning] 이 부상한 뒤에도 게임 그래픽은 발전했습니다. 2018년 8월 Turing 아키텍처 [Architecture] 의 GeForce RTX를 발표하여 기존 셰이딩 [Shading] 과 전용 레이 트레이싱 [Ray Tracing], AI 기능을 결합했습니다. 비싸던 시각 기법을 상호작용 제품에서 실용화하려는 추가 시도였습니다. [36]

레이 트레이싱 [Ray Tracing] 은 빛의 경로를 모델링해 반사와 그림자 등을 만듭니다. 실시간 [Real-time] 용도는 시간 제약이 엄격합니다. 렌더링 [Rendering] 에 몇 분 걸리는 영상은 오프라인 [Offline] 제작에는 유용해도 반응성 있는 게임을 직접 지원하지 못합니다. 과제는 그럴듯한 영상을 계산하는 데 그치지 않고 유용한 성능 예산 안에서 계산하는 것입니다.

이 발전은 NVIDIA가 게임을 버리고 AI 기업이 되었다는 생각을 복잡하게 합니다. 그래픽 [Graphics] 은 활발한 기술 분야로 남았고 시뮬레이션 [Simulation], AI와의 관계는 기회를 만들었습니다. 역사는 정체성 하나의 완전한 교체보다 역량의 확장으로 이해하는 편이 낫습니다.

GPU와 CPU의 차이

중앙 처리 장치 [Central Processing Unit] 는 복잡한 제어 흐름 [Control Flow] 과 순차 연산 등 다양한 작업을 처리하도록 설계됩니다. 그래픽 처리 장치 [Graphics Processing Unit] 는 관련 연산을 대량으로 병렬 [Parallel] 수행하는 데 설계의 많은 부분을 할애합니다. 하나는 똑똑하고 하나는 단순하다거나 GPU가 항상 빠르다는 뜻이 아닙니다. 강점은 작업 부하 [Workload] 에 달려 있습니다.

수백만 픽셀 [Pixels] 에 같은 변환을 적용하는 예를 생각해 보십시오. 대부분 비슷한 연산으로 나눌 수 있습니다. 병렬 하드웨어 [Parallel Hardware] 는 그중 많은 것을 함께 처리합니다. 반면 매 결정이 이전 결과에 의존하면 GPU 이점은 적을 수 있습니다. 프로세서 [Processors] 간 데이터 이동에도 시간과 에너지가 듭니다.

현대 AI는 큰 행렬 곱셈 [Matrix Multiplications] 등 병렬로 구성할 수 있는 수치 연산 [Numerical Operations] 에 크게 의존합니다. GPU를 유용하게 하지만 모든 AI 작업이 같거나 모든 GPU 배포가 경제적인 것은 아닙니다. 메모리 용량 [Memory Capacity], 통신 [Communication], 수치 정밀도 [Numerical Precision], 소프트웨어 구현 [Software Implementation] 이 모두 결과에 영향을 줍니다.

Huang의 전략적 기회는 이 능력을 그림 이외의 문제에 연결하는 것이었습니다. 그래픽 칩 [Graphics Chip] 이 강력하다고 알리는 것 이상이 필요했습니다. 게임 렌더링 [Rendering] 과 무관한 일을 하는 이들이 하드웨어에 접근하게 해야 했습니다.

9 CUDA와 오랜 인내로 구축한 생태계 [Ecosystem]

병렬 컴퓨팅 [Parallel Computing] 을 쓸 수 있게 하다

CUDA는 NVIDIA의 병렬 컴퓨팅 플랫폼 [Parallel-computing Platform] 과 프로그래밍 모델 [Programming Model] 입니다. 모든 문제를 그래픽 인터페이스 [Graphics Interface] 로 표현하는 대신 지원 NVIDIA GPU를 범용 수치 계산에 쓸 수 있게 했습니다. 아키텍처 [Architecture] 는 2006년, 공개 소프트웨어 도구 모음 [Software Toolkit] 은 2007년에 나왔습니다. [7, 11]

아키텍처 [Architecture] 와 도구 모음 [Toolkit] 의 구별은 역사에 두 날짜가 나타나는 이유입니다. 한 날짜로는 하드웨어 역량, 프로그래밍 도구, 개발자 채택이 가능해진 순서를 가립니다. 사업적 중요성은 결합에서 나왔습니다.

과학자는 병렬 하드웨어 [Parallel Hardware] 의 이점을 얻기 위해 그래픽 전문가가 될 필요가 없습니다. 라이브러리 [Libraries] 는 익숙한 수학 연산을 제공하고 컴파일러 [Compiler] 와 런타임 [Runtime] 은 코드 [Code] 를 GPU가 실행할 일로 바꿉니다. 이후 고수준 프레임워크 [Higher-level Frameworks] 가 라이브러리를 활용하면 연구자와 프로세서 [Processor] 사이에 추상화 [Abstraction] 계층이 생깁니다.

이 계층화는 칩 사양만 세어 NVIDIA의 위치를 이해할 수 없는 이유입니다. 개발자는 습관을, 조직은 검증된 코드 [Code] 를 축적하고 연구 공동체는 사례를 공유합니다. 투자는 유용한 연속성과 전환 비용 [Switching Costs] 을 함께 만듭니다. 같은 생태계 [Ecosystem] 가 누구에게는 편리함, 누구에게는 의존입니다.

수익이 분명해지기 전의 투자

Huang은 CUDA를 처음에는 회의적으로 받아들여진 비싼 장기 투자로 설명했습니다. 이후 AI 시장이 보상을 명확히 하기 전에 비용을 부담했습니다. 자신의 회고는 이를 금융시장의 신뢰가 약했던 시기와 연결합니다. [9]

CUDA가 결국 성공했으니 비싼 모든 사업을 무기한 지원해야 한다는 추론은 잘못입니다. 합리적인 장기 투자에는 기술 기반의 개선과 사용자의 가치 창출에 관한 증거가 필요합니다. 배우지 않는 인내는 돌파구만큼 쉽게 실패도 보존합니다.

전략적 과제는 즉시 거대한 시장을 요구하지 않으면서 가능성을 지원하는 것이었습니다. 뜻밖의 용도로 GPU를 쓴 연구자는 정보를 주었습니다. 그 작업은 처음 자금을 뒷받침한 고객층 너머의 문제를 풀 수 있음을 시사했습니다. NVIDIA는 기존 시장에 팔면서 새 용도에서 배울 수 있었습니다.

생태계 [Ecosystem] 우위의 한계

강한 소프트웨어 생태계 [Software Ecosystem] 도 경쟁을 없애지 못합니다. 대체 가속기 [Accelerators], 컴파일러 [Compiler] 프로젝트, 이식 가능한 프레임워크 [Portable Frameworks] 는 특정 업체 의존을 줄입니다. 대형 고객은 전용 하드웨어 [Specialised Hardware] 가 타당할 만큼 규모가 클 수 있습니다. 어떤 작업은 유연한 GPU 플랫폼보다 단순하고 싼 시스템에 맞습니다.

지속적인 시험은 NVIDIA 전체 시스템이 적절한 비용으로 유용한 성능을 계속 내는지입니다. 소프트웨어에 익숙하면 전환을 늦출 수 있어도 영원한 충성은 보장하지 못합니다. 떠나는 불편함에만 기대지 않고 생태계 [Ecosystem] 가 계속 가치를 만들어야 하는 이유입니다.

기업가에게 CUDA의 교훈은 까다롭습니다. 때로 가장 중요한 제품은 공급자가 미리 정하지 않은 용도를 고객이 발견하게 하는 도구입니다. 구축에는 지속 지원이 필요합니다. 크고 예측 가능한 주문장보다 작은 실험에서 가치가 먼저 나타남을 받아들여야 합니다.

10 딥러닝 [Deep Learning] 의 전환점

AlexNet과 연구의 새로운 신호

2012년 Alex Krizhevsky, Ilya Sutskever, Geoffrey Hinton은 통상 AlexNet이라 불리는 연구를 발표했습니다. 합성곱 신경망 [Convolutional Neural Network] 은 GPU 계산 [GPU Computation] 으로 대규모 훈련 [Large-scale Training] 을 실용화하며 ImageNet 대회에서 큰 성과를 냈습니다. 후대 기업의 해석이 아니라 연구 성취 자체를 기록하므로 중요합니다. [12]

NVIDIA가 그 신경망 [Neural Network], ImageNet 데이터셋 [Dataset], 기계학습 [Machine Learning] 전체를 발명한 것은 아닙니다. 하드웨어와 프로그래밍 생태계 [Programming Ecosystem] 는 가능하게 한 인프라의 일부였습니다. 균형 잡힌 역사는 계산 공급자와 함께 연구자와 데이터 제작자도 봅니다.

한 벤치마크 [Benchmark] 가 미래 AI 용도를 전부 입증했다는 의미는 아닙니다. 데이터, 모델 설계 [Model Design], 사용 가능한 계산력이 결합하여 중요한 과제에서 극적인 개선을 낼 수 있음을 보였습니다. 더 많은 투자와 실험을 자극했습니다. 결과는 파급력 있는 신호이지 미래의 완전한 예측은 아니었습니다.

Huang의 전략적 문제는 그 신호에 어떻게 대응할지였습니다. 기업은 유망한 연구를 알아도 새 분야를 지원하도록 조직되지 않을 수 있습니다. 딥러닝 [Deep Learning] 지원에는 하드웨어 선택, 소프트웨어 라이브러리 [Software Libraries], 시스템, 연구자 관계가 필요했습니다. 그 작업 부하 [Workload] 를 회사의 구축 방향으로 삼는 것이었습니다.

훈련 [Training] 과 추론 [Inference]

훈련 [Training] 은 데이터와 최적화 과정 [Optimisation Process] 으로 모델 매개변수 [Parameters] 를 조정합니다. 추론 [Inference] 은 훈련된 모델로 출력을 냅니다. 둘 다 상당한 계산을 요구할 수 있지만 운영 요구는 다릅니다. 훈련은 대규모 작업을 오래 실행하고, 추론은 비용과 지연 [Latency] 을 관리하며 많은 사용자에게 빨리 응답해야 할 수 있습니다.

AI 인프라 [AI Infrastructure] 가 하나의 구별 없는 시장이 아닌 이유입니다. 큰 모델을 훈련하는 연구소, 작은 영상 모델을 돌리는 병원, 글을 생성하는 모바일 앱에는 다른 구성이 필요합니다. 최선의 시스템은 규모, 개인정보 보호, 신뢰성, 응답 시간, 작업량에 달려 있습니다.

모델이 커지며 프로세서 [Processors] 간 통신의 중요성이 커졌습니다. 빠른 칩의 집합이 자동으로 빠른 컴퓨터는 아닙니다. 데이터는 메모리 [Memory] 와 네트워크 [Networks] 를 이동하고 장애는 탐지·관리되어야 합니다. 병목 [Bottleneck] 은 가장 주목받는 연산 장치 [Arithmetic Units] 밖에 있을 수 있습니다.

시스템과 네트워킹 [Networking] 으로의 확장은 이 배경에서 이해됩니다. 경쟁 단위가 개별 그래픽 카드 [Graphics Card] 에서 더 큰 컴퓨팅 설비의 성능으로 옮겨갔습니다. Huang은 칩 공급자 수장 이상으로 시스템 건설자이자 생태계 [Ecosystem] 조직자가 되었습니다.

연구 수요를 제품으로 바꾸다

2016년 NVIDIA는 통합 딥러닝 시스템 [Deep-learning System] DGX-1을 발표했습니다. 연구소마다 부품을 조립하게 하는 대신 설정된 GPU와 소프트웨어 조합을 제공했습니다. 하드웨어 확보와 유용한 연구의 거리를 줄이려는 사업 구상이었습니다. 최초의 딥러닝 슈퍼컴퓨터 [Deep-learning Supercomputer] 라는 설명은 마케팅 주장이지 이전 컴퓨터가 신경망 [Neural Network] 을 훈련한 적 없다는 뜻이 아닙니다. [28]

이듬해 Volta 아키텍처 [Architecture] 는 딥러닝 [Deep Learning] 중요 연산용 전용 장치 Tensor Cores를 도입했습니다. 그래픽 역량 재활용에서 AI 계산 중심 하드웨어 설계로 한 걸음 더 갔습니다. 내부가 크게 바뀌어도 플랫폼 [Platform] 이 연속성을 유지하는 이유도 보입니다. 개발자는 모든 앱 계층을 다시 쓰지 않고 갱신된 라이브러리 [Libraries] 를 통해 새 하드웨어를 활용할 수 있습니다. [29]

2022년 발표한 Hopper는 Transformer 모델 [Transformer Models] 작업을 가속하기 위한 Transformer Engine을 포함했습니다. 2024년 3월 발표한 Blackwell은 생성형 AI [Generative AI] 를 위한 시스템 수준 접근을 확장했습니다. 방향과 역량의 변화를 뜻하지만 표제의 성능 배수는 작업 부하 [Workload], 정밀도 [Precision], 비교 시스템에 의존하며 보편적 결과가 아닙니다. [30, 31]

모델명 목록보다 순서가 중요합니다. NVIDIA는 고객이 원하는 일의 변화에 맞춰 하드웨어와 소프트웨어를 거듭 조정했습니다. 기존 투자를 보호할 호환성 [Compatibility] 을 보존하며 미래 성능을 높일 기능을 도입해야 했습니다. 플랫폼 [Platform] 리더십의 핵심 긴장입니다. 지나친 변화는 생태계 [Ecosystem] 를 분열시키고 부족한 변화는 낡게 만듭니다.

11 생존 이후의 좌절

제품 품질과 2008년 불황

창업기를 살아남아도 실수에서 면제되지는 않았습니다. 2008년 8월 NVIDIA는 취약한 재료 조합의 영향을 받은 일부 노트북 제품의 예상 보증, 수리, 반품, 교체 비용 관련 1억 9,600만 미국 달러의 비용 처리 [Charge] 를 보고했습니다. 같은 발표에서 분기 손실과 경쟁 가격 책정의 오류도 인정했습니다. [13]

초기 현금 부족과 다른 위기였습니다. 제품 품질, 고객 비용, 실행의 신뢰성 문제였습니다. 뛰어난 전략만 보는 전기는 리더십의 이 부분을 놓칩니다. 고객은 납품 뒤에도 작동하는 제품에 의존하며 성공한 경영자도 발표 무대와 멀리 떨어진 결함에 책임을 집니다.

2009 회계연도 연차 제출서는 연말 현금, 현금성 자산 [Cash Equivalents], 시장성 유가증권 [Marketable Securities] 약 12억 6,000만 미국 달러를 보고했습니다. 2008년의 모든 어려움을 즉각적 파산이라고 가볍게 단정할 근거는 아닙니다. 손실, 비용, 불황은 그 명칭 없이도 심각했습니다. [14]

모바일 사업의 철수

NVIDIA는 휴대전화 사업도 추진하다 철수했습니다. Huang은 로보틱스 [Robotics], 자율주행차 [Autonomous Vehicles] 등 다른 기회에 집중하도록 한 결정으로 설명합니다. 본인이 경험을 해석하는 방식의 증거이지 대안의 성공 보장은 아닙니다. [9]

어려워서 계획을 바꾸는 것과 근본 경제성이 매력을 잃어 바꾸는 것은 다릅니다. 리더는 일반적 저항을 버틸 확신과 고집이 낭비가 된 시점을 알아볼 유연성이 필요합니다. 어떤 구호도 이를 사전에 확실히 구별하지 못합니다.

유용한 규율은 전제를 명시하는 것입니다. 어떤 고객 요구인가, 방어할 기술적 우위는 무엇인가, 추가 투자는 얼마인가, 어떤 증거가 중단을 유도하는가. 이런 질문은 철수를 모든 결정이 현명해 보이게 하는 사후 서사가 아닌 합리적 자원 배분으로 만듭니다.

성사되지 못한 인수

2022년 2월 NVIDIA와 SoftBank는 중대한 규제 문제를 이유로 Arm 인수 계획을 종료했습니다. 발표는 SoftBank가 NVIDIA의 선지급 12억 5,000만 미국 달러를 유지하고 NVIDIA는 20년 Arm 라이선스 [Licence] 를 유지한다고 했습니다. 칩 공학의 실패는 아니어도 중대한 전략적 좌절이었습니다. [15]

창업자 권한의 한계를 보여줍니다. 지지자에게 합리적인 거래도 규제기관, 고객, 경쟁자에게 우려를 낳을 수 있습니다. 기술적 야망은 법과 정치 제도 안에서 작동합니다. 경영자는 결의만으로 없앨 공학적 제약처럼 취급할 수 없습니다.

적절한 대응은 실패한 인수를 무조건적 승리로 고쳐 쓰는 것이 아닙니다. 비용을 인정하고 실패 원인을 이해하며 이후 선택을 자체 장단점으로 평가하는 것입니다. 성공하지 않은 결정에 억지 승리의 결말을 붙이지 않을 때 리더십 기록의 신뢰가 높아집니다.

12 AI 인프라 [AI Infrastructure] 기업의 구축

개별 칩 [Chip] 을 넘어서

AI 작업 부하 [Workloads] 가 커지며 NVIDIA 제품은 더 큰 시스템의 일부가 되었습니다. GPU에는 고대역폭 메모리 [High-bandwidth Memory], 빠른 연결, 네트워킹 [Networking], 서버 [Servers], 관리 소프트웨어, 지원이 필요했습니다. 2020년 완료한 Mellanox 인수는 네트워크 측면을 강화한 중요한 단계였습니다. [16]

대규모 훈련 작업 [Training Job] 을 보면 문제가 드러납니다. 한 프로세서 [Processor] 가 다른 프로세서의 데이터를 기다리면 고가 장비가 놀게 됩니다. 불안정한 네트워크는 장시간 작업의 성과를 잃게 합니다. 냉각이 부족하면 부품이 약속한 성능을 지속하지 못합니다. 고객 성과는 전체 설비의 조정에 달려 있습니다.

통합 시스템 [Integrated Systems] 의 매력을 설명합니다. 모든 부품을 독립적으로 조립·검증하는 고객 부담을 줄입니다. 공급자 의존도도 높일 수 있습니다. 더 완전한 해결책을 얻는 대신 발전 방식의 선택 폭이 좁아질 수 있습니다.

가속 컴퓨팅 [Accelerated Computing] 에 관한 Huang의 설명은 이 변화와 맞습니다. 일정한 시간, 에너지, 돈으로 시스템이 얼마나 유용한 일을 하는지가 질문입니다. 싼 칩이 더 많은 기계를 요구하거나 가치 있는 결과를 늦추면 실제로는 더 비쌀 수 있습니다. 반대로 단순한 시스템으로 충분하면 첨단 시스템은 불필요한 비용입니다.

AI 호황이 입증한 것과 아닌 것

생성형 AI [Generative AI] 의 빠른 채택은 컴퓨팅 인프라 [Computing Infrastructure] 수요를 늘렸습니다. NVIDIA는 해당 작업용 하드웨어와 소프트웨어를 수년간 개발해 왔기에 혜택을 얻었습니다. 시점의 일치는 사업상 강력했지만 AI 호황의 단독 창작자라는 뜻은 아닙니다.

현대 AI는 대학 연구, 공개 데이터셋 [Public Datasets], 오픈소스 소프트웨어 [Open-source Software], 클라우드 인프라 [Cloud Infrastructure], 반도체 제조 [Semiconductor Manufacturing], 경쟁 연구소의 작업에도 기반합니다. 모델 개발자는 구조와 훈련을 정하고, 하드웨어 회사는 도구를, 사용자와 투자자는 수요를 만들었습니다. Huang의 기여는 이 망 안에서 컸지 독립적이지 않았습니다.

재무 결과는 두드러졌습니다. 2026년 8월 26일 발표는 2026년 7월 26일 종료한 2027 회계연도 2분기 매출 962억 미국 달러, 그중 Data Center 890억 미국 달러를 보고했습니다. 보고된 분기 수치이지 역년 합계나 전망이 아닙니다. [17]

같은 발표는 Vera Rubin이 본격 생산으로 이동 중이라고 했습니다. 날짜 맥락에서 읽어야 합니다. 회사가 발표한 내용의 증거이지만 개별 설비의 성능, 배포 [Deployment], 경제적 수익은 별도의 증거가 필요합니다. 제품 로드맵 [Product Roadmap] 과 고객의 실현 이익은 관련되지만 다릅니다.

비범한 성장 속 위험

빠른 성장은 취약한 전제를 가릴 수 있습니다. 고객이 미래 수요를 앞당겨 살 수 있습니다. 인프라 전력 연결이 늦어질 수 있습니다. 새 모델은 다른 하드웨어를 요구하거나 효율적으로 바뀔 수 있습니다. 높은 가동률 [High Utilisation] 에서 매력적인 투자도 장비가 놀면 비쌉니다.

그래서 매출 성장은 고객 집중도, 약정, 공급 능력, 고객 사업의 경제성과 함께 봐야 합니다. 주변 업계 일부가 적정 수익을 못 얻어도 공급자는 호황 속에 잘 팔 수 있습니다. 가능성만으로 거품을 입증하지는 않습니다. 가장 빨리 성장하는 참여자만 찬탄하지 말고 경제적 연결고리를 시험할 이유입니다.

13 리더십의 체계

직접적인 정보와 높은 기준

Huang의 공개 경영 논의는 정보 접근, 공유 맥락, 어려운 기술 문제에 대한 참여를 강조합니다. 2024년 Stripe Sessions 대담에서 NVIDIA의 조직과 직접 피드백 [Direct Feedback] 사용 방식을 설명했습니다. 표명한 철학의 유용한 증거이지만 회사를 이끄는 당사자의 설명이라는 점도 남습니다. [18]

수평적인 조직은 문제와 해결할 사람 사이의 지연을 줄일 수 있습니다. 경영자에게 엄청난 정보 부담을 줄 수도 있습니다. 효과는 인재의 질, 결정권의 명확성, 충돌하는 우선순위를 해결할 능력에 달려 있습니다.

따라서 모든 회사에 많은 직속 부하를 두라고 권하는 것은 단순합니다. 조직도는 작동하는 시스템의 보이는 윤곽일 뿐입니다. 비슷한 조직도여도 문화는 다릅니다. 중요한 정보가 이동하는지, 결정을 이해하는지, 불필요하게 윗선을 기다리지 않고 행동할 수 있는지가 중요합니다.

높은 기준도 Huang에 대한 설명에 반복됩니다. 성과 요구가 자동으로 좋은 경영은 아닙니다. 기준의 전달, 기대의 달성 가능성, 이견의 안전성, 오류에서의 학습이 문제입니다. 굴욕을 개선의 수단으로 삼지 않아도 엄격할 수 있습니다.

아직 익숙하지 않은 미래를 설명하기

기술 창업자는 필요가 다른 청중을 설득해야 합니다. 엔지니어는 아키텍처 [Architecture] 가 작동하는지, 고객은 문제를 푸는지, 투자자는 수익을 얻는지 묻습니다. 정부는 안보, 국내 역량, 접근성에 관심을 둘 수 있습니다.

Huang의 발표는 기술 발전을 더 큰 산업 변화에 연결하곤 합니다. 이해하지 못한 미래를 전제로 고객이 사고 구축할 수 없으므로 전략적 가치가 있습니다. 좋은 설명은 여러 조직의 투자를 정렬할 수 있습니다.

같은 능력은 책임도 만듭니다. 설득적 서사가 증거를 앞지를 수 있습니다. 시연 [Demonstration] 은 엄선한 조건에서만 작동할 수 있고, 성능 비교는 특정 작업 부하 [Workload] 나 소프트웨어 버전에 의존할 수 있습니다. 미래 역량의 약속이 현재 제품으로 오인되기도 합니다. 이야기를 잘할수록 이 범주를 구별해야 합니다.

판단의 집중

창업자의 장기 재임은 기술적 연속성과 단기 경영에서 버티지 못할 투자를 보호할 수 있습니다. 한 사람에게 판단을 집중시키기도 합니다. 동료는 옳은지 시험하기보다 창업자가 원하는 것을 예측하는 데 능숙해질 수 있습니다.

회복력 있는 기업에는 강한 중심과 이를 교정하는 장치가 함께 필요합니다. 이사회, 기술 검토 [Technical Reviews], 고객 피드백 [Customer Feedback], 독립 검증 [Independent Assurance] 이 기여합니다. 성공한 리더에게 도전해도 비전의 장애물로 무시되지 않을 때 가장 가치 있습니다.

궁극적으로 Huang의 리더십은 직접 지휘할 때의 실적뿐 아니라 이후에도 조직이 유용한 판단, 책임, 발명을 보존하는지로 평가해야 합니다. 카리스마보다 어려운 시험이며 회사의 경제적 중요성이 커질수록 중요합니다.

14 동기, 야망, 실패의 의미

공개 발언으로 알 수 있는 것

Huang은 불확실성, 노력, 실수에서 배우기를 거듭 말했습니다. 2023년 National Taiwan University 졸업 연설에서 실패와 전략적 철수의 예로 발전을 설명했습니다. 공개적으로 좌절을 혁신의 일부로 보는 리더상을 뒷받침하나 사적 동기에 대한 무제한 접근은 아닙니다. [9]

전기는 빈곤의 두려움, 인정 욕구, 비판자를 반박하려는 욕망 같은 한 가지 정서적 동력을 부여하곤 합니다. 복잡한 삶을 기억하기 쉽게 해 매력적이지만 강한 증거 없이는 추측입니다.

더 엄격한 기록은 관찰 가능한 선택을 봅니다. Huang은 수십 년 한 회사에 남았습니다. NVIDIA는 후일 시장이 명확하기 전부터 프로그래밍 생태계 [Programming Ecosystem] 에 계속 투자했습니다. 일부를 포기하고 다른 것을 심화했습니다. 매일 아침의 감정을 지어내지 않아도 우선순위가 보입니다.

생산적 불안과 그 한계

회사가 늘 실패 직전이라는 익숙한 생각은 경계심을 높입니다. 고객에게 대안이 있고 기술 우위가 쇠퇴함을 일깨웁니다. 그러나 영구 비상사태는 조직을 지치게 하거나 사려 깊은 이견을 어렵게 할 수도 있습니다.

차이는 경고가 만드는 결과입니다. 더 나은 시험, 빠른 고객 문제 인식, 솔직한 계획으로 이어집니까? 아니면 성급한 결정과 나쁜 소식의 은폐를 부릅니까? 전기는 모든 직원이 문화를 같게 겪었다고 주장하지 않고도 긴장을 밝힐 수 있습니다.

실패는 조직이 행동할 무언가를 배울 때만 유용합니다. 전제를 바꾸지 않고 실패 실험을 반복하는 것은 회복력이 아닙니다. 잘 설계한 실험은 사업 결과가 실망스러워도 정보를 줍니다. 잘못 설계하면 핵심 질문은 남긴 채 돈만 씁니다.

생각을 바꾸는 규율

초기 Sega 사례는 정체성과 기술 선택을 분리해야 했기에 특히 유익합니다. 창업자는 설계에 명예, 돈, 수년을 투자했을 수 있습니다. 틀렸다고 인정하면 회사 자체가 틀렸다고 느낄 수 있습니다. 그러나 생존은 바로 그 구별에 달릴 수 있습니다.

넓은 교훈은 문제에 대한 헌신을 보존하며 해결책은 바꿀 수 있게 하는 것입니다. 그래픽 아키텍처 [Graphics Architectures] 의 진화, 소프트웨어의 중심화, AI 중요성 증가, 일부 시장 이탈이 그 형태입니다. 일련의 결정으로 연구해야지 미래의 모든 방향 전환 [Pivot] 성공 보장으로 높여서는 안 됩니다.

15 Lori, Spencer, Madison

공적 이야기 속 가족

Jensen과 Lori Huang은 Oregon State 공학도로 만나 1985년 결혼했습니다. 성인 자녀 Spencer와 Madison이 있습니다. 공동 교육 자선 활동은 잘 문서화되어 있습니다. 그 공개 기록을 넘어서는 부분에서는 가족의 공적 활동과 사생활의 차이를 존중해야 합니다. [1, 4]

수십 년 회사를 세우는 일이 가정에 영향을 준다고 인정하는 것은 합리적입니다. 공개적으로 말하지 않은 대화, 타협, 감정 경험을 지어내는 것은 아닙니다. 배우자를 모든 사업 성공의 비밀이라고 부르면 칭찬처럼 들려도 자신의 주체성을 지울 수 있습니다.

Lori의 현재 공식 직함, 재단 자산, 정확한 경력 날짜에도 같은 주의가 필요합니다. 날짜가 있는 기록이 필요합니다. 가족의 부에서 추론하거나 출처 없는 요약에서 복사해서는 안 됩니다.

Madison Huang

NVIDIA의 현재 공개 약력은 Madison Huang을 물리 AI 플랫폼 [Physical AI Platforms] 제품 및 기술 마케팅 수석 이사로 소개합니다. Omniverse, Cosmos, Isaac의 책임, Louis Vuitton Moët Hennessy group의 이전 마케팅 업무, London Business School의 마케팅·전략 MBA를 기록합니다. [19]

의미 있는 직업 정보입니다. 아버지의 칩 설계 [Chip Design] 경로의 복제가 아니라 마케팅과 경영 교육을 통한 기술 진입을 보여줍니다. 현재 역할을 설명하는 데 정확한 나이나 완전한 요리 교육 연대는 불필요합니다.

기술 플랫폼 [Technical Platform] 마케팅은 단지 홍보가 아닙니다. 개발자·고객에게 역량을 설명하고 채택 장벽을 이해하며 공학 작업과 시장을 연결합니다. 가족 관계로 짐작하지 말고 결과로 평가해야 합니다.

Spencer Huang

NVIDIA 기술 약력은 Spencer Huang을 로보틱스 [Robotics] 제품 이사로 소개합니다. 시뮬레이션 [Simulation], 로봇 학습 [Robot Learning], 합성 데이터 [Synthetic Data], 자율 기계 [Autonomous Machines] 훈련·배포 인프라의 작업을 설명합니다. 인공지능 [Artificial Intelligence] 중심의 New York University 기술 MBA도 기록합니다. [20]

공개된 경력은 아버지의 초기 경력과 다릅니다. 같은 회사의 가족도 훈련과 책임이 다를 수 있어 중요합니다. 직함만으로 개인의 기술 기여 깊이가 입증되지는 않지만 부모가 누구인지가 기여를 무시할 이유도 아닙니다.

가족 고용과 지배구조 [Governance]

창업자 친척이 상장사에서 일하면 통상적인 지배구조 [Governance] 질문이 따릅니다. 역할·보수의 적절한 검토, 명확한 보고 관계, 타 직원의 공정 경쟁, 특수관계인 거래 [Related-party Transactions] 의 올바른 공시가 있습니까?

질문이 위법을 입증하지는 않습니다. 성장하며 더 중요해지는 제도적 규율입니다. 부모의 명성 역시 자녀 업무에 대한 독립 평가를 대신하지 못합니다.

고용은 후계 발표도 아닙니다. Spencer와 Madison이 있다는 사실이 어느 한쪽의 최고경영자 선정을 입증하지 않습니다. 기술 왕조의 추측은 주목받지만 진지한 전기는 현재 직무와 공개 확인되지 않은 미래 임명을 구별해야 합니다.

16 교육을 통해 되돌려주다

계속 중요한 기관들

Huang 부부의 공개 자선은 교육과 강하게 연결됩니다. Oregon State는 2022년 Jen-Hsun and Lori Huang Collaborative Innovation Complex를 위한 5,000만 미국 달러 기부를 발표했습니다. 공학, 계산, 학제 연구를 연결하는 사업입니다. [21]

Stanford의 Huang Engineering Center 기록은 3,000만 미국 달러 약정을 기록합니다. Oneida는 2019년 봉헌한 시설에 대한 200만 미국 달러 대응 기부금 [Matching Grant] 을 기록합니다. 유년기, 학부, 대학원이라는 삶의 단계를 연결합니다. [22, 3]

금액은 기관 발표에 기술된 약정으로 읽어야 합니다. 약속, 자산 평가액, 이미 지급한 돈은 같지 않습니다. 가족 자선은 NVIDIA 기업 재단이나 사업 투자와도 혼동하면 안 됩니다.

교육 자선이 이룰 수 있는 것

대학 건물 자체가 교육 성과는 아닙니다. 가치는 지원하는 사람, 장비, 프로그램에 달려 있습니다. 좋은 시설은 어렵던 협업을 가능하게 하고 학생에게 첨단 도구를 제공하며 중요한 문제를 연구하는 사람을 모읍니다.

기술 기부자와 대학의 관계도 신중히 봐야 합니다. 기부는 기회를 확대하면서 우선순위에 영향을 줍니다. 학문 독립, 투명한 운영, 기부에 따른 의무의 명확한 이해가 필요합니다.

따라서 가장 강한 자선 기록은 두 극단을 피합니다. 기부 재산을 도덕적 탁월성의 자동 증거로 삼지도 모든 기부를 자기 홍보로만 보지도 않습니다. 기록된 약정, 수혜자 목적, 증거가 나오면 결과를 살핍니다.

이 전기에서는 교육에 대한 반복된 연결이 중요합니다. Huang의 경력은 기술 훈련과 성장 공간을 준 기관에 의존했습니다. 지원은 사적 성공과 타인의 기회를 눈에 보이게 연결합니다. 궁극적 성과는 장기 증거로 판단할 문제입니다.

17 Huang을 Steve Jobs와 비교할 근거

유용한 비교는 정의에서 시작된다

살아 있는 Steve Jobs라는 말은 여러 뜻입니다. 카리스마 있는 기술 리더, 산업을 바꾸는 창업자, 복잡한 제품을 흥미롭게 만드는 인물일 수 있습니다. 검증할 비교입니다. 성격, 경력, 역사적 역할이 같다는 문자적 의미는 아닙니다.

가장 강한 근거는 기술을 더 큰 가능성과 연결하는 능력입니다. Jobs는 개인용 컴퓨팅 [Personal Computing] 과 모바일 기기를 사람들이 원하는 경험으로 이해하도록 도왔습니다. Huang은 가속 컴퓨팅 [Accelerated Computing] 을 연구자와 기업이 이전에는 비실용적이던 일을 할 인프라로 이해하게 했습니다.

통합도 근거입니다. 2007년 Apple iPhone 발표는 긴밀하게 통제한 인터페이스 [Interface] 로 통신·미디어·인터넷을 결합한 기기를 제시했습니다. NVIDIA는 프로세서 [Processors], 네트워킹 [Networking], 소프트웨어를 개발자·조직의 플랫폼 [Platforms] 으로 연결합니다. 둘 다 부품의 협력에 고객 이익이 달립니다. [23]

합의보다 앞선 확신

두 경력에는 유명해지기 전 불확실했던 결정이 있습니다. Jobs의 Stanford 연설은 명확한 진로 계획이 아니던 경험에서 나중에 찾은 가치를 설명하며, Apple 복귀 전에는 떠나 있던 시기가 있었습니다. Huang의 지속적 CUDA 투자는 딥러닝 [Deep Learning] 의 광범위한 상업적 부상보다 앞섰습니다. [24, 9]

둘 다 미래를 완벽히 보았다는 뜻은 아닙니다. 기술이 더 유용해질 방식에 대한 관점으로 큰 노력을 조직하려 했다는 것입니다. 비전은 제품 결정, 투자, 타인의 일을 바꿀 때 실용적 의미를 얻습니다.

운영 자산으로서의 공개 스토리텔링

Jobs의 제품 발표는 Apple 사업 정체성의 일부가 되었습니다. Huang도 발표를 통해 NVIDIA 전략의 대외 해설자가 되었습니다. 각자의 옷차림은 기억에 남지만 약한 비교 근거입니다. 더 강한 유사점은 기술적 선택을 일관된 이야기로 번역하는 역할입니다.

조직이 방향을 맞추도록 돕습니다. 직원은 제품의 목표를 알고 고객은 계획에 어떻게 맞는지 보며 파트너는 보완 업무에 투자할 이유를 얻습니다. 이야기는 실행을 꾸미는 데 그치지 않고 실행에 기여합니다.

그러나 설득력은 위험도 만듭니다. 청중은 리더의 확신을 증거로 여길 수 있습니다. 잘한 발표가 미해결 공학·사업 문제를 숨길 수 있습니다. 찬사는 질문에 덜 주의하게 하지 않고 더 주의하게 해야 합니다.

방어 가능한 해석

AI 시대의 Steve Jobs는 전략적 확신, 통합, 공개 소통을 결합한 영향력 있는 창업자의 편집상 비유로 방어할 수 있습니다. 그 차원을 명확히 할수록 강해집니다.

그래도 한계는 필요합니다. AI에는 많은 건설자가 있고 단독 소유자가 없습니다. Huang의 중요성이 모든 모델 개발자, 연구자, 경쟁 하드웨어 설계자를 조연으로 만들지 않습니다. 제품과 결정이 Apple과 같은 장기 문화적 위치를 차지할 것이라는 증거도 아닙니다.

긍정적 근거는 상당하지만 좁습니다. 새 기술 방향의 인식과 채택을 도운 리더로 비교할 수 있습니다. 동등한 인격 증명이나 동일한 유산 예측은 아닙니다.

18 살아 있는 Steve Jobs라는 명칭에 대한 반론

기술로 들어온 다른 길

Jobs와 Huang은 다른 준비로 리더가 되었습니다. Jobs는 Reed College를 떠났고 정규 학위 밖의 과목 영향을 나중에 설명했습니다. Huang은 반도체 [Semiconductor] 경험을 쌓으며 학부와 대학원의 전기공학 [Electrical Engineering] 학위를 마쳤습니다. [24, 4]

직관과 교육의 대결로 만들면 안 됩니다. Jobs는 유능한 엔지니어와 일하며 구현 [Implementation] 의 중요성을 알았습니다. Huang에게도 자격으로 줄일 수 없는 판단, 소통, 상상이 필요했습니다. 기술 리더십의 단일 교육 틀이 없다는 뜻입니다.

다른 고객, 다른 가시성

Apple의 유명 제품은 회사의 결정을 소비자 손에 직접 놓았습니다. 기기를 쓰는 경험이 가치 제안 [Value Proposition] 의 중심이었습니다. NVIDIA AI 사업 상당 부분은 완전히 다른 브랜드의 제품을 만드는 조직에 인프라 [Infrastructure] 를 공급합니다.

판매 과정, 기술 우선순위, 성공의 의미가 달라집니다. 소비자는 몇 분 안에 인터페이스 [Interface] 의 느낌을 판단합니다. 기업은 처리량 [Throughput], 소프트웨어 호환성 [Software Compatibility], 배포 위험 [Deployment Risk], 총비용을 수개월 평가할 수 있습니다. Huang은 기술 평가자와 기관 의사결정자를 모두 설득해야 합니다.

절대적 차이는 아닙니다. NVIDIA에는 큰 소비자 게임 역사가 있고 Apple도 개발자와 인프라에 의존합니다. 그래도 중심이 충분히 달라 단순히 또 다른 Jobs라 부르면 설명보다 가리는 것이 많을 수 있습니다.

다른 통제 방식

Apple의 통합 제품은 종종 최종 사용자 경험 [End-user Experience] 을 엄격히 통제했습니다. NVIDIA 플랫폼 [Platform] 은 개발자, 장비 제조사, 클라우드 제공자 [Cloud Providers], 연구 공동체의 넓은 망도 수용해야 합니다. 직접 설계하지 않는 많은 것을 다른 이들이 만드는 데 성공이 달립니다.

폐쇄 대 개방의 단순 대조도 부정확합니다. NVIDIA에는 독점 소프트웨어 [Proprietary Software], 하드웨어 인터페이스 [Hardware Interfaces], 공개 프로젝트가 함께 있습니다. Apple은 중요한 통제점을 유지하며 넓은 제삼자 개발을 허용했습니다. 더 유용한 비교는 각 사업이 어디에 왜 경계를 긋는지입니다.

창업 회사와의 다른 관계

Jobs는 1985년 Apple을 떠났다가 1990년대 NeXT 인수 후 돌아왔습니다. Pixar 등 외부에서 중요한 일을 했습니다. Huang은 창업부터 계속 NVIDIA를 이끌었습니다. [24, 25]

연속성은 조직 기억과 장기 약정을 지킵니다. 떠났다 돌아오면 더 급진적인 재평가를 할 수 있습니다. 어느 쪽도 자동으로 더 나은 리더십을 낳지 않습니다. 배우고 권위를 얻으며 전략을 바꾸는 조건이 다릅니다.

무대 모습으로 성격을 추론할 수 없다

Jobs는 가혹하고 Huang은 친절하다거나, 한쪽은 예술적이고 한쪽은 분석적이라 하기 쉽습니다. 깔끔한 대립은 믿기 어렵습니다. 인터뷰, 직원 증언, 전기는 시기, 맥락, 관찰자와 당사자의 관계에 좌우된 부분적 시각입니다.

책임 있는 방법은 결정 과정, 제품 변경, 실수 인정, 조직 정보 이동 등 기록된 행동을 비교하는 것입니다. 내면 성격의 광범위한 주장에는 인용 몇 개나 성공한 기조연설 이상의 증거가 필요합니다.

사업 성공을 까다로운 모든 행동의 정당화로 삼는 도덕적 함정도 있습니다. 사람을 나쁘게 대했기 때문이 아니라 그럼에도 제품이 성공할 수 있습니다. 창업 지망자는 유명 경영자의 극적인 일화를 흉내 내고 같은 성과를 기대하면 안 됩니다.

판정

비교가 한 사람을 다른 사람으로 바꾸기보다 차이를 드러낼 때 Huang이 더 잘 보입니다. 살아 있는 Steve Jobs는 명시적 비유로는 가능하지만 사실 묘사로는 약합니다. 기술 산업에 Jobs의 단일 후계자가 필요하다는 뜻이면 특히 오해를 부릅니다.

더 정확한 결론은 Jensen Huang이 Steve Jobs와의 비교를 부르는 영향력을 지닌 독자적 선견형 리더라는 것입니다. Jobs는 사람과 개인 기술의 관계를 바꿨고 Huang은 여러 조직이 AI를 개발하는 컴퓨팅 플랫폼 [Computing Platform] 을 구축했습니다. 리더십 방식은 겹치지만 제품, 시장, 제도적 역사는 다릅니다.

장이나 글의 제목으로 살아 있는 Steve Jobs는 질문이 될 수 있습니다. 진지한 전기의 결론에서는 Huang 자신의 이름으로 이해해야 합니다.

19 권력, 의존, 책임

중심 공급자는 중앙은행이 아니다

컴퓨팅 제품 접근이 전략적으로 중요해져 NVIDIA를 AI의 중앙은행이라고 비유하기도 합니다. 의존과 영향력을 포착하지만 산업 작동의 문자적 설명은 아닙니다.

중앙은행에는 NVIDIA에 없는 공적 책임과 통화 권한이 있습니다. NVIDIA는 고객, 경쟁자, 공급자, 정부 사이의 상업 회사입니다. AI 화폐를 발행하지 않고 업계 유동성 [Liquidity] 을 보장하지 않으며 무한한 안정화 능력도 없습니다.

NVIDIA의 심각한 차질은 고객과 시장에 큰 결과를 줄 수 있습니다. 모든 AI 기업이 자동 붕괴한다는 뜻은 아닙니다. 기존 장비는 남고 대체 공급자도 있으며 조직의 대응은 다릅니다. 피해 규모와 시기는 차질의 성격에 달립니다.

극적인 비유가 잘못된 의사결정 모형이 될 수 있어 구별이 중요합니다. 인프라 계획 기업은 집중 위험 [Concentration Risk], 계약 의무, 소프트웨어 이식성 [Software Portability], 비상 대안 [Contingency Options] 을 평가해야 합니다. 완전 안전이나 필연적 시스템 붕괴의 가정보다 유용합니다.

공급망 [Supply Chains] 과 지정학

첨단 칩 [Advanced Chips] 은 전문화된 국제 공급망 [Supply Chain] 에 의존합니다. 설계, 제조 [Fabrication], 메모리 [Memory], 패키징 [Packaging], 장비, 데이터센터 건설 [Data-centre Construction] 은 여러 조직과 관할에 퍼져 있습니다. 성공이 의존을 없애지 않습니다. 연차 제출서는 공급, 고객, 규제, 수출 통제 [Export Controls] 위험을 설명합니다. [6]

수출 제한은 시장에서 팔 제품을 바꿀 수 있습니다. 제조·패키징 [Packaging] 제약은 납품을 제한합니다. 하드웨어가 준비돼도 에너지 사정으로 설치가 지연될 수 있습니다. 주변 문제가 아니라 사업 기회와 전략 선택을 형성합니다.

리더십에는 기술 비전과 제도적 판단이 공존해야 합니다. 계산력 증설 약속에는 공급자, 전력, 재무, 준법 [Compliance] 의 믿을 만한 계획이 필요합니다. 다른 이해관계자가 성능만이 아니라 안보·환경 우려로 평가할 수 있음도 알아야 합니다.

2026년 11월 미해결 지배구조 [Governance] 시험

2026년 11월 8일 이사회는 Huang이 외국 정보 활동의 표적이었다는 보도 뒤 독립 조사를 발표했습니다. 당시 국가안보나 NVIDIA 기밀 침해를 믿을 이유가 없다고 했고 Huang과 경영진을 신뢰하며 그가 조사를 지지하고 협력한다고 밝혔습니다. [26]

11월 10일 독립 이사들은 전 미국 연방검사 대행 Joon H. Kim과 Wachtell, Lipton, Rosen & Katz를 선임했다고 발표했습니다. 기준일 현재 성명은 조사와 감독 체계를 입증하지, 완료된 위법 판정이나 무혐의를 입증하지 않습니다. [27]

공익 문제는 중요한 회사의 통치와 보호입니다. 설명을 위해 확인되지 않은 사생활 의혹을 되풀이할 필요가 없습니다. 조사는 결과의 추측보다 독립성, 범위, 증거, 최종 결과로 평가해야 합니다.

선견적 창업자도 책임을 진다는 원칙입니다. 기술 성취, 주주 부, 찬사가 검증 밖에 놓지는 않습니다. 동시에 의혹은 판결이 아닙니다. 공정함은 두 명제를 함께 지켜야 합니다.

20 다음 장은 아직 쓰이지 않았다

물리 AI [Physical AI] 와 현실 세계의 경계

NVIDIA의 공개 플랫폼 [Platforms] 은 점점 로보틱스 [Robotics], 시뮬레이션 [Simulation], 물리 AI [Physical AI] 를 다룹니다. Omniverse는 시뮬레이션 워크플로 [Workflows], Isaac은 로보틱스와 관련되며 모델·데이터 도구는 물리 세계와 상호작용하는 시스템의 훈련과 평가를 돕습니다. 현재 제품 약력과 발표는 이 방향을 보여줍니다. [19, 20]

답변 생성에서 기계 제어로 가면 오류 결과가 바뀝니다. 틀린 문단은 오도하고 잘못된 로봇 움직임은 장비 손상이나 부상을 부릅니다. 시뮬레이션 [Simulation] 은 유용하지만 모든 실제 환경의 안전 행동을 혼자 입증하지 못합니다.

사업 기회에는 시험, 모니터링 [Monitoring], 보안, 명확한 책임이 따릅니다. 가장 유능한 모델이 자동으로 가장 안전한 운영 시스템은 아닙니다. 센서 [Sensors], 액추에이터 [Actuators], 사람의 절차, 대체 작동 장치 [Fallback Mechanisms] 가 모두 기여합니다.

플랫폼 [Platforms] 구축에 대한 오랜 강조가 관련될 수 있습니다. 개발자가 신뢰할 시뮬레이션 [Simulation], 훈련 [Training], 배포 [Deployment] 도구를 원하면 계층을 연결하는 공급자가 유용합니다. 응용이 약속한 이익을 주는지는 플랫폼의 야망이 아니라 증거의 문제입니다.

기업가가 배울 수 있는 것

첫째, 자신감을 전문성의 대용으로 삼기 전에 전문성을 구축해야 합니다. Huang의 경력은 교육과 수년의 업계 경험에 기초했습니다. 대담함은 기술 지식과 전문 관계로 뒷받침됐습니다.

둘째, 문제와 특정 해법을 구별해야 합니다. 초기 아키텍처 [Architecture] 가 틀려도 가속 컴퓨팅 [Accelerated Computing] 은 중요한 기회였습니다. 구별 못하면 고객과 표준이 떠난 뒤에도 설계를 방어하게 됩니다.

셋째, 타인이 가치를 만들기 쉽게 해야 합니다. CUDA의 의의는 자사 제품 너머에 가능하게 한 일에도 있습니다. 플랫폼 [Platforms] 은 실험을 쉽게 하고 성공한 작업을 재사용하게 하면 성장할 수 있습니다.

넷째, 배울 재정 여유를 지켜야 합니다. 유망한 아이디어도 현금 없이 무기한 살지 못합니다. Sega의 구제는 나중 가치가 보이기 전 중요한 회사가 사라질 뻔했음을 보여줍니다. 타인의 도움이 결정적일 수 있음도 보여줍니다.

다섯째, 리더십을 이전 가능하게 해야 합니다. 창업자 판단에 의존하면 다른 판단력의 개발, 지식 보존, 결정에 도전할 장치가 필요합니다. 지속하는 기관은 대체 불가 인물보다 큰 성취입니다.

결정으로 이해하는 삶

Jensen Huang의 이야기는 실제 불확실성을 담아 강렬합니다. 아이가 나라를 건넜고 학생은 엔지니어가, 엔지니어는 창업자가 됐습니다. 창업자는 실패한 전제, 사업 돌파, NVIDIA를 AI 중심에 놓는 데 기여한 프로그래밍 플랫폼 [Programming Platform] 의 장기 투자를 거치며 이끌었습니다.

필연으로 만들지 않고도 감탄할 수 있습니다. 모든 좌절을 파산, 모든 성공을 단독 천재의 증거로 만들지 않고 연구할 수 있습니다. 유용한 교훈은 판단, 준비, 동료, 기관, 상황의 상호작용에서 나옵니다.

Steve Jobs와의 비교는 성취의 일부를 비춥니다. 두 리더는 기술 변화에 공개 목소리를 주고 무엇을 구축할지에 대한 야심 아래 조직했습니다. 그러나 정체성을 대체하기 전에 멈출 때 Huang의 기여가 더 선명합니다.

세상이 또 다른 Steve Jobs를 찾아서 중요한 것이 아닙니다. 그가 조직을 도운 일이 다른 사람들이 계산·연구·구축할 것을 바꿔 중요합니다. 최종 평가는 앞으로의 AI 응용 가치, 회사 회복력, 지도부 행동, 자사 성장 너머 목적에 기술이 기여하는 능력에 달렸습니다.

연표

기술 용어집

가속 컴퓨팅 [Accelerated Computing]. 범용 컴퓨팅과 함께 특수 프로세서 [Specialised Processors] 를 사용해 적합한 작업 부하 [Workloads] 를 더 효율적으로 수행하는 방식입니다.

AI 모델 [AI Model]. 매개변수 [Parameters] 와 구조를 사용해 예측, 분류, 생성 결과를 만드는 계산 시스템입니다.

ASIC [Application-specific Integrated Circuit]. 특정 종류의 작업을 위해 설계한 주문형 집적회로입니다.

CPU [Central Processing Unit]. 중앙 처리 장치입니다. 다양한 연산과 제어 작업에 적합한 범용 프로세서 [General-purpose Processor] 입니다.

CUDA. 지원 NVIDIA GPU의 가속 컴퓨팅 [Accelerated Computing] 을 위한 NVIDIA의 플랫폼 [Platform] 과 프로그래밍 모델 [Programming Model] 입니다.

데이터센터 [Data Centre]. 컴퓨팅, 저장 [Storage], 네트워킹 [Networking] 장비와 이를 가동하는 전력, 냉각, 운영 시스템을 갖춘 시설입니다.

딥러닝 [Deep Learning]. 여러 처리 계층의 신경망 [Neural Networks] 을 사용하는 기계학습 [Machine Learning] 입니다.

디지털 트윈 [Digital Twin]. 분석, 감시, 시뮬레이션 [Simulation] 에 쓰는 물리 시스템의 디지털 표현입니다. 유용성은 관련 실제 행동을 얼마나 정확히 표현하는지에 달려 있습니다.

GPU [Graphics Processing Unit]. 그래픽 처리 장치입니다. 고도의 병렬 작업을 위해 설계되어 그래픽과 다양한 수치 컴퓨팅에 쓰이는 프로세서 [Processor] 입니다.

추론 [Inference]. 훈련된 모델을 실행해 새 입력으로부터 출력을 만드는 일입니다.

상호연결 [Interconnect]. 구성요소나 시스템 간 통신 링크입니다. 대역폭 [Bandwidth] 과 지연 [Latency] 은 병렬 컴퓨팅 [Parallel Computing] 성능에 큰 영향을 줍니다.

대규모 언어 모델 [Large Language Model]. 언어 처리·생성을 위해 방대한 글과 관련 데이터로 훈련한 모델입니다. 유창함이 사실 정확성을 보장하지는 않습니다.

병렬 컴퓨팅 [Parallel Computing]. 동시에 실행할 수 있는 연산들로 작업을 나누는 방식입니다.

플랫폼 [Platform]. 다른 사람들이 애플리케이션·서비스를 구축할 수 있는 기술과 인터페이스 [Interfaces] 의 집합입니다.

Tensor Core. AI와 기타 수치 작업 [Numerical Workloads] 에 중요한 특정 행렬 연산 [Matrix Operations] 을 가속하는 전용 하드웨어 장치의 NVIDIA 명칭입니다.

훈련 [Training]. 데이터와 최적화 목표 [Optimisation Objective] 로 모델 매개변수 [Parameters] 를 조정하는 과정입니다.

Transformer. 주의 기제 [Attention Mechanisms] 에 기반한 신경망 아키텍처 [Neural-network Architecture] 로 언어와 다른 모델에 널리 쓰입니다.

증거를 읽는 법

번호가 있는 참고문헌은 사실 주장의 출처입니다. 주변의 리더십·전략·비교 논의는 대상자의 인용이 아니라 분석입니다. 기관 연혁은 학위, 기부, 공식 역할을, 규제 제출서 [Regulatory Filings] 는 회사의 보고 공시를 확인합니다. 인터뷰는 발언자의 기억과 견해를 보존합니다. 제품 발표는 발표 내용을 확인하며 성능 주장은 원래 조건을 유지합니다.

실패 직전과 정식 파산은 다릅니다. 제품 발표와 고객 배포 완료는 다릅니다. 가족 고용은 후계 임명이 아닙니다. 조사는 판정이 아닙니다. 이 구별은 삶을 정확히 이해하는 데 필수적입니다.

Wikipedia와 제공된 가족·경력 메모는 조사 주제를 찾는 데 도움이 되었습니다. 참고문헌은 기록의 기초가 된 공개 출처를 제공합니다. 판의 날짜는 지식의 경계이지 나중 사건이 결론을 확인하리라는 예측이 아닙니다.

출처와 더 읽을 자료

참고문헌은 본문에 번호로 표시했습니다. 링크는 원 발행처로 연결됩니다. 아래에 발행일을 별도 표기하지 않은 경우 2026년 11월 11일에 열람했습니다.

1. Jensen Huang

Wikipedia. Living reference page consulted 11 November 2026; used as an orientation source, not sole authority for disputed details.

Read source https://en.wikipedia.org/wiki/Jensen_Huang

2. Only In America Jensen Huang on Vision Risk and the GPU

Hoover Institution. Interview with Condoleezza Rice; first-person recollections of family, migration, education and work.

Read source https://www.hoover.org/plus/research/jensen-huang-vision-risk-and-gpu

3. Former Student Gift Paves the Way for New Facility

Oneida Baptist Institute. Institutional account of boarding, elementary-school attendance and the Huang Hall gift.

Read source https://www.oneidaschool.org/about/huanghall.cfm

4. Jen Hsun Huang Engineering Hall of Fame 2013

Oregon State University. Degree dates, early education, table tennis and meeting Lori Mills.

Read source https://engineering.oregonstate.edu/alumni-partners/oregon-stater-awards/searchable-awards-database/jen-hsun-huang-engineering-hall

5. Jensen Huang

Stanford University School of Engineering. Institutional biography confirming the 1992 electrical-engineering master’s degree.

Read source https://engineering.stanford.edu/about/history/heroes/2018-heroes/jensen-huang

6. NVIDIA Form 10 K for the fiscal year ended 26 January 2025

US Securities and Exchange Commission. Executive employment chronology and company risk disclosures.

Read source https://www.sec.gov/Archives/edgar/data/1045810/000104581025000023/nvda-20250126.htm

7. Our History Innovations Over the Years

NVIDIA. Corporate chronology; product claims are treated as company descriptions.

Read source https://www.nvidia.com/en-us/about-nvidia/corporate-timeline/

8. Nvidia An Overnight Success Story 30 Years in the Making

Sequoia Capital. Crucible Moments interview with Huang, Mark Stevens and others; retrospective survival and platform accounts.

Read source https://sequoiacap.com/podcast/crucible-moments-nvidia

9. NVIDIA CEO Tells NTU Grads to Run Not Walk But Be Prepared to Stumble

NVIDIA Blog. 26 May 2023; company account of Huang’s commencement address and three strategic setbacks.

Read source https://blogs.nvidia.com/blog/huang-ntu-commencement/

10. Nvidia nearly went out of business in 1996 trying to make Sega’s Dreamcast GPU

Tom’s Hardware. Reporting on Sega support and Shoichiro Irimajiri’s role; financial arrangement should not be described as a personal gift.

Read source https://www.tomshardware.com/tech-industry/nvidia-nearly-went-out-of-business-in-1996-trying-to-make-segas-dreamcast-gpu-instead-sega-americas-ceo-offered-the-company-a-dollar5-million-lifeline

11. CUDA Platform for Accelerated Computing

NVIDIA Developer. Technical overview of the toolkit, compiler, libraries and programming environment.

Read source https://developer.nvidia.com/cuda

12. ImageNet Classification with Deep Convolutional Neural Networks

Alex Krizhevsky Ilya Sutskever and Geoffrey Hinton. 2012 original research paper; the AlexNet result.

Read source https://papers.nips.cc/paper_files/paper/2012/hash/c399862d3b9d6b76c8436e924a68c45b-Abstract.html

13. NVIDIA Reports Results for Second Quarter of Fiscal 2009

US Securities and Exchange Commission. 12 August 2008; US$196 million product-quality charge and quarterly results.

Read source https://www.sec.gov/Archives/edgar/data/1045810/000104581008000018/q209form8kpressrelease.htm

14. NVIDIA Fiscal 2009 Form 10 K

US Securities and Exchange Commission. Year ended 25 January 2009; cash, equivalents and marketable securities position.

Read source https://www.sec.gov/Archives/edgar/data/1045810/000104581009000013/fy2009form10k.htm

15. NVIDIA and SoftBank Group Announce Termination of NVIDIA Acquisition of Arm Limited

NVIDIA and SoftBank. 7 February 2022; regulatory obstacles, prepaid amount and retained licence.

Read source https://nvidianews.nvidia.com/news/nvidia-and-softbank-group-announce-termination-of-nvidias-acquisition-of-arm-limited

16. NVIDIA Completes Acquisition of Mellanox

NVIDIA. 27 April 2020; completion and networking rationale.

Read source https://nvidianews.nvidia.com/news/nvidia-completes-acquisition-of-mellanox-creating-major-force-driving-next-gen-data-centers

17. NVIDIA Announces Financial Results for Second Quarter Fiscal 2027

NVIDIA. 26 August 2026; results for quarter ended 26 July 2026 and dated product statements.

Read source https://investor.nvidia.com/news/press-release-details/2026/NVIDIA-Announces-Financial-Results-for-Second-Quarter-Fiscal-2027/

18. A conversation with NVIDIA Jensen Huang

Stripe Sessions. 2024 interview; leadership, information flow and strategic thinking.

Read source https://stripe.com/sessions/2024/a-conversation-with-nvidias-jensen-huang

19. Madison Huang Author Page

NVIDIA Blog. Current public role, prior LVMH work and London Business School MBA; consulted 11 November 2026.

Read source https://blogs.nvidia.com/blog/author/madisonh/

20. Spencer Huang Author Page

NVIDIA Technical Blog. Current robotics role and NYU technical MBA; consulted 11 November 2026.

Read source https://developer.nvidia.com/blog/author/spencerh

21. 50 Million Gift by NVIDIA Founder and Spouse Helps Launch Oregon State University Research Center

Oregon State University. 14 October 2022; institutional announcement of the Huangs’ gift.

Read source https://news.oregonstate.edu/news/50-million-gift-nvidia-founder-and-spouse-helps-launch-oregon-state-university-research-center

22. Designing for the future

Stanford Engineering. Institutional history of the Huang Center and US$30 million commitment.

Read source https://engineering100.stanford.edu/stories/designing-for-the-future

23. Apple Reinvents the Phone with iPhone

Apple. 9 January 2007; launch announcement and description of the integrated product.

Read source https://www.apple.com/newsroom/2007/01/09Apple-Reinvents-the-Phone-with-iPhone/

24. You have got to find what you love Jobs says

Stanford University. 12 June 2005; prepared text of Steve Jobs’s commencement address.

Read source https://news.stanford.edu/stories/2005/06/youve-got-find-love-jobs-says

25. Apple Timeline

Computer History Museum. Historical chronology of Apple, including Jobs’s departure and return.

Read source https://computerhistory.org/apple-timeline/

26. Statement From NVIDIA Board of Directors

NVIDIA. 8 November 2026; independent investigation, stated confidence and the board’s position at that date.

Read source https://nvidianews.nvidia.com/news/statement-from-nvidia-board-of-directors

27. Statement From the Independent Members of the NVIDIA Board

NVIDIA. 10 November 2026; appointment of Joon H. Kim and Wachtell Lipton Rosen and Katz.

Read source https://nvidianews.nvidia.com/news/statement-from-the-independent-members-of-the-nvidia-board

28. NVIDIA Launches World First Deep Learning Supercomputer

NVIDIA. 5 April 2016; DGX-1 announcement; first claims are attributed to the company.

Read source https://nvidianews.nvidia.com/news/nvidia-launches-world-s-first-deep-learning-supercomputer-6622436

29. NVIDIA Launches Revolutionary Volta GPU Platform

NVIDIA. 2017; Volta and Tensor Core announcement.

Read source https://nvidianews.nvidia.com/news/nvidia-launches-revolutionary-volta-gpu-platform-fueling-next-era-of-ai-and-high-performance-computing

30. NVIDIA Announces Hopper Architecture

NVIDIA. 22 March 2022; Hopper architecture and Transformer Engine announcement.

Read source https://nvidianews.nvidia.com/news/nvidia-announces-hopper-architecture-the-next-generation-of-accelerated-computing

31. NVIDIA Blackwell Platform Arrives to Power a New Era of Computing

NVIDIA. 18 March 2024; Blackwell announcement, with performance claims dependent on stated comparisons.

Read source https://nvidianews.nvidia.com/news/nvidia-blackwell-platform-arrives-to-power-a-new-era-of-computing

32. Chris Malachowsky

Computer History Museum. Professional background at HP and Sun and co-founding of NVIDIA.

Read source https://computerhistory.org/profile/chris-malachowsky/

33. Curtis R Priem

Rensselaer Polytechnic Institute. Graphics engineering history and service as NVIDIA CTO from 1993 to 2003.

Read source https://president.rpi.edu/leadership/curtis-r-priem-bs-82

34. Famous Graphics Chips Nvidia RIVA 128

IEEE Computer Society. Jon Peddie historical account of NV1, graphics standards and the RIVA turnaround.

Read source https://www.computer.org/publications/tech-news/chasing-pixels/famous-graphics-chips-nvidias-riva128

35. NVIDIA Fiscal 2014 Third Quarter Form 10 Q

US Securities and Exchange Commission. Historical disclosure of the 3dfx asset-purchase agreement and closing date.

Read source https://www.sec.gov/Archives/edgar/data/1045810/000104581013000109/nvda2014q310q.htm

36. NVIDIA Brings Real Time Ray Tracing to Gamers with GeForce RTX

NVIDIA. 20 August 2018; Turing and GeForce RTX announcement.

Read source https://nvidianews.nvidia.com/news/10-years-in-the-making-nvidia-brings-real-time-ray-tracing-to-gamers-with-geforce-rtx