12장 물리적 AI의 도래

화면을 벗어나 육체를 얻는 지능

로마인들이 지중해를 '우리 바다(Mare Nostrum)'라고 부르기까지는 오랜 세월이 걸렸습니다. 처음에는 작은 도시국가에 불과했던 로마가 이탈리아 반도를 통일하고, 카르타고를 무너뜨리며, 마침내 그리스와 이집트까지 품에 안았을 때 비로소 그들은 바다 전체를 자신들의 영토라고 선언할 수 있었습니다. 젠슨 황이 걸어온 길도 이와 닮았습니다. 그는 먼저 게임이라는 작은 연못을 정복했습니다. 그다음 과학 계산 이라는 강을 건넜습니다. 인공지능이라는 대양을 횡단했습니다. 이제 그의 시선은 바다 너머, 육지 위에서 실제로 움직이는 기계들을 향하고 있습니다.

우리는 지난 몇 년간 화면 속의 인공지능에 열광해 왔습니다. 챗GPT가 시를 쓰고, 미드저니가 그림을 그리고, 소라가 영상을 만들어내는 것을 보며 감탄했습니다.

하지만 이 놀라운 지능에게 커피 한 잔을 타 오라고 부탁하면 어떻게 될까요. 아무 일도 일어나지 않습니다. 그들에게는 손이 없기 때문입니다. 발도 없고, 눈도 없으며, 피부도 없습니다. 그들은 비트(Bit)의 세계에 갇힌 유령과 같습니다. 아무리 똑똑해도 유령은 문고리를 돌릴 수 없습니다.

젠슨 황은 이 한계를 일찌감치 꿰뚫어 보았습니다. 그는 생각했습니다. 지능이 화면 속에만 갇혀 있어야 할 이유가 무엇인가. 인간의 뇌가 두개골 안에만 머물러 있었다면 피라미드도 만리장성도 존재하지 않았을 것입니다. 뇌의 명령이 신경을 타고 근육에 전달되고, 그 근육이 돌을 옮기고 벽돌을 쌓았기에 문명이 일어선 것입니다.

인공지능도 마찬가지입니다. 화면 속에서 답을 주는 것을 넘어, 현실 세계에서 도움을 주어야 비로소 완성됩니다.

이것이 바로 젠슨 황이 말하는 물리적 AI(Physical AI)입니다. 이 개념을 이해하려면 먼저 기존 인공지능의 한계를 알아야 합니다. 챗GPT에게 사과를 깎는 법을 물으면 완벽한 텍스트 답변을 얻을 수 있습니다.

칼을 쥐는 각도, 껍질을 벗기는 방향, 씨를 제거하는 순서까지 상세하게 알려줍니다. 그러나 그 인공지능 에게 실제 칼과 사과를 쥐여주면 아무 일도 일어나지 않습니다. 왜냐하면 그것은 '사과'라는 단어와 '깎다' 라는 동사 사이의 확률적 관계만 알 뿐, 사과의 둥근 표면이 주는 미끄러움이나 칼날이 껍질을 파고들 때 의 저항감을 전혀 이해하지 못하기 때문입니다.

물리적 AI는 다릅니다.

이것은 중력을 압니다. 마찰력을 이해합니다. 관성이 무엇인지 깨닫고, 인과관계를 파악합니다.

공이 굴러가다가 소파 밑으로 들어가 보이지 않게 되었을 때, 일반적인 인공지능은 공이 사라졌다고 생각할 수 있습니다.

하지만 물리적 AI는 공이 여전히 그곳에 존재하지만 단지 보이지 않을 뿐이라는 사실을 인지합니다. 이것을 심리학에서는 대상 영속성(Object Permanence)이라고 부릅니다. 생후 몇 개월 된 아기도 터득하는 이 개념을, 수조 개의 매개변수를 가진 거대 언어 모델은 이해하지 못했습니다.

젠슨 황은 2024년과 2025년에 걸친 여러 기조연설에서 이 변화를 AI의 다음 물결이라고 정의했습니다. 그에 따르면 인공지능은 세 단계의 진화를 거쳐 왔습니다.

첫 번째 물결은 인지(Perception) 단계였습니다. 컴퓨터가 이미지를 인식하고 음성을 알아듣는 법을 배웠습니다.

두 번째 물결은 생성(Generation) 단계였습니다. 텍스트를 쓰고, 그림을 그리며, 영상을 만들어냈습니다.

세 번째 물결은 물리적 행동(Physical Action) 단계입니다. 인공지능이 센서를 통해 환경을 인식하고, 두뇌로 판단하며, 팔과 다리로 현실 세계에 개입하기 시작합니다.

이 변화가 왜 중요한지 생각해 봅시다. 지금까지의 디지털 혁명은 주로 사무실 책상 위에서 일어났습니다. 컴퓨터와 인터넷이 바꾼 것은 문서를 작성하고, 이메일을 보내고, 정보를 검색하는 방식이었습니다.

그러나 전 세계 경제의 상당 부분은 여전히 물리적 노동에 기반하고 있습니다. 공장에서 부품을 조립하 고, 창고에서 상자를 나르고, 건설 현장에서 벽돌을 쌓고, 병원에서 환자를 돌봅니다. 젠슨 황은 이 물리적 영역에 인공지능이 진입할 때 비로소 진정한 산업 혁명이 완성된다고 믿습니다.

하지만 디지털 세계의 지능을 물리적 기계에 이식하는 것은 생각보다 훨씬 어려운 일입니다. 잘못 쓴 글은 지우면 그만이지만, 로봇이 잘못 움직이면 사람이 다칠 수 있습니다. 자율주행차가 판단을 잘못하면 목숨을 잃을 수도 있습니다. 그래서 젠슨 황은 완전히 새로운 컴퓨팅 구조가 필요하다고 설명합니다.

그가 제시한 해법은 세 대의 컴퓨터 시스템입니다.

첫 번째 컴퓨터는 인공지능을 훈련시키는 슈퍼컴퓨터입니다. 엔비디아의 블랙웰이나 DGX 시스템이 여기에 해당합니다. 이곳에서 인공지능은 방대한 데이터를 학습하고 지능을 형성합니다.

두 번째 컴퓨터는 시뮬레이션을 담당합니다. 로봇이 활동할 가상의 세계를 창조하고, 그 안에서 인공지능을 테스트하고 검증합니다. 세 번째 컴퓨터는 로봇의 몸속에 들어가는 두뇌입니다. 훈련된 인공지능 모델을 탑재하여 현실 세계와 상호작용하게 만드는 소형 컴퓨터입니다.

이 세 대의 컴퓨터가 하나로 연결될 때, 비로소 지능은 화면을 벗어나 물리적 실체를 갖게 됩니다. 데이터 센터에서 태어난 지능이 가상 세계에서 걸음마를 배우고, 현실의 강철 몸체에 이식되어 공장과 도로와 가정에서 활동하기 시작합니다. 젠슨 황은 이 모든 과정을 위한 두뇌와 신경망을 제공하는 회사로 엔비디아를 변모시켰습니다.

과거의 인공지능이 텍스트를 토큰으로 바꾸어 처리했다면, 물리적 인공지능은 로봇의 움직임을 토큰으로 바꿉니다. 젠슨 황의 말을 빌리자면, 컴퓨터 입장에서는 시를 쓰는지, 그림을 그리는지, 로봇 팔을 움직이 는지 구별하지 않습니다. 그저 숫자, 즉 토큰일 뿐입니다. 이제 우리는 로봇에게 파란색 상자를 집어서 빨간색 선반에 올려놓으라고 말하면, 인공지능은 이를 이해하고 로봇 팔의 관절 각도와 모터의 힘을 계산하여 실제 행동으로 옮깁니다.

카이사르가 갈리아 전쟁에서 보여준 것은 단순한 군사적 천재성이 아니었습니다. 그는 보급선의 중요성을 이해했고, 병참을 체계화했으며, 로마 군단을 하나의 유기체처럼 움직이게 했습니다. 젠슨 황도 마찬 가지입니다. 그는 단순히 좋은 칩을 만드는 것을 넘어, 인공지능이 현실 세계에서 작동하기 위한 전체 생태계를 설계했습니다. 훈련, 시뮬레이션, 실행이라는 세 가지 축을 연결하여 디지털 지능이 물리적 세계로 흘러들어가는 통로를 열었습니다.

이것은 8년 전부터 준비해온 일이었습니다. 아무도 거들떠보지 않던 시절에 로봇 시뮬레이터를 개발하 고, 물리 엔진을 다듬으며, 엣지 컴퓨터를 설계했습니다. 그래서 물리적 인공지능의 시대가 왔을 때, 엔비 디아는 이미 모든 퍼즐 조각을 손에 쥐고 있었습니다.

옴니버스: 로봇이 세상을 배우는 학교

로마 군단이 강력했던 이유는 무엇일까요. 뛰어난 무기도 한몫했지만, 진짜 비결은 훈련에 있었습니다. 로마 군인들은 평시에도 전시와 똑같은 강도로 훈련받았습니다. 무거운 짐을 지고 하루에 수십 킬로미터를 행군했습니다. 가상의 적을 상대로 진형을 짜고 허물기를 반복했습니다. 그래서 실제 전투가 벌어졌을 때, 그들에게 전쟁은 이미 익숙한 일상이었습니다. 젠슨 황은 로봇에게도 이런 훈련소가 필요하다고 생각했습니다.

하지만 문제가 있었습니다. 현실 세계에서 로봇을 훈련시키는 것은 너무 위험하고, 느리며, 비용이 많이 듭니다. 로봇이 걷는 법을 배우기 위해 수백만 번 넘어져야 한다고 생각해 봅시다. 매번 넘어질 때마다 부품이 손상됩니다. 수리하는 데 시간과 돈이 들어갑니다. 자율주행차가 운전을 배우다가 사고를 내면 돌이킬 수 없는 피해가 발생합니다. 무엇보다 현실의 시간은 너무 느립니다. 인간이 10년 걸려 익힌 기술을 로봇에게 가르치기 위해 10년을 기다릴 수는 없습니다.

여기서 젠슨 황의 역발상이 등장합니다. 현실에서 배울 수 없다면, 현실과 똑같은 가상 세계를 만들면 됩니다. 이것이 바로 옴니버스(Omniverse)의 탄생 배경입니다.

옴니버스는 단순한 3D 그래픽 도구가 아닙니다. 이곳은 중력이 작용하고, 마찰력이 존재하며, 빛이 물체에 반사되는 완전한 물리적 세계입니다. 뉴턴의 운동 법칙이 지배하는 디지털 지구라고 할 수 있습니다.

엔비디아는 구글 딥마인드, 디즈니 리서치와 협력하여 뉴턴(Newton)이라는 물리 엔진을 개발했습니다. 이 엔진은 단단한 물체뿐 아니라 부드러운 물체의 변형, 유체의 흐름, 촉각 피드백까지 실시간으로 계산합니다.

로봇은이 가상 세계에서 태어나고, 배우고, 성장합니다. 수만 번 넘어지며 걷는 법을 익힙니다. 현실에서는 한 번 넘어지면 수리해야 하지만, 옴니버스 안에서는 버튼 하나로 다시 일어납니다. 시간을 빠르게 돌려 수년 치의 학습을 단 며칠 만에 끝낼 수도 있습니다. 젠슨 황은 이것을 로봇이 로봇이 되는 법을 배우는 학교라고 표현했습니다.

이 학교의 교육 방식은 인간의 학습 과정과 닮았습니다.

아이가 자전거를 배울 때를 떠올려 봅시다. 처음에는 넘어집니다. 페달을 밟는 힘, 핸들을 꺾는 각도, 몸의 균형을 잡는 법을 수없이 시행착오를 거치며 익힙니다. 부모가 일일이 "오른쪽으로 3도 기울여라"라고 가르치지 않습니다. 아이는 스스로 몸으로 배웁니다. 옴니버스 안의 로봇도 마찬가지입니다. 프로그래머가 모든 동작을 코드로 지시하지 않습니다. 로봇은 스스로 시행착오를 겪으며 최적의 움직임을 찾아냅니다.

엔비디아는 여기서 한 발 더 나아갔습니다.

코스모스(Cosmos)라는 모델을 도입한 것입니다. 코스모스는 물리적 세계의 영상과 데이터를 학습하여 미래를 예측하고 생성하는 인공지능입니다. 이것은 마치 로봇이 꿈을 꾸는 것과 같습니다.

인간도 꿈을 통해 학습합니다. 낮에 겪은 경험이 밤에 꿈속에서 재생되며 기억으로 굳어집니다. 코스모스는 로봇에게 이런 꿈꾸는 능력을 부여합니다. 개발자가 로봇에게 물건을 집는 동작을 한 번 보여주면, 코스모스는 그 동작이 다양한 환경에서 어떻게 실행될지 수천, 수만 가지의 시나리오를 상상해냅니다. 조명이 바뀌면 어떻게 될까. 물건의 위치가 달라지면 어떻게 해야 할까. 바닥이 미끄러우면 발을 어떻게 디뎌야 할까. 이렇게 생성된 가상의 데이터를 통해 로봇은 단 몇 번의 시연만으로도 범용적인 기술을 습득하게 됩니다.

젠슨 황은 이것을 컴퓨팅을 데이터로 변환한다라고 표현했습니다. 로봇 훈련에서 가장 큰 난관은 데이터의 부족이었습니다. 챗GPT 같은 언어 모델은 인터넷에 널려 있는 텍스트를 학습하면 되었습니다. 하지만 로봇이 걷고, 물건을 집고, 복잡한 환경에서 움직이는 데이터는 인터넷에 존재하지 않았습니다. 엔비 디아는 가상 세계에서 무한한 데이터를 생성함으로써 이 문제를 해결했습니다.

2024년과 2025년의 기조연설에서 젠슨 황은 디즈니의 작은 로봇이 옴니버스 안에서 걷는 법을 배우는 과정을 시연했습니다. BD-X라고 불리는 이 로봇은 가상 세계에서 수없이 넘어지며 균형 잡는 법을 익혔습니다. 그리고 현실 세계에 처음 나왔을 때, 마치 오랫동안 훈련받은 베테랑처럼 자연스럽게 걸었습니다. 이것을 전문가들은 심투리얼(Sim-to-Real), 즉 시뮬레이션에서 현실로의 전이라고 부릅니다.

옴니버스의 쓰임새는 로봇 훈련에 그치지 않습니다. 공장 전체를 가상으로 지어볼 수 있습니다. BMW, 메르세데스-벤츠, 폭스콘 같은 거대 제조 기업들은 실제 공장을 짓기 전에 옴니버스 안에 완벽한 디지털 쌍둥이를 먼저 건설합니다. 이 가상 공장 안에서 수천 대의 로봇들이 어떻게 협업하는지 시험해봅니다. 작업 동선이 꼬이지는 않는지, 병목 현상이 어디서 생기는지, 로봇 팔들이 서로 부딪히지는 않는지 미리 확인합니다.

젠슨 황은 말합니다. 미래의 모든 공장은 두 개가 될 것입니다. 하나는 물리적 제품을 생산하는 물리적 공장이고, 다른 하나는 그 공장을 운영하는 지능을 생산하는 디지털 공장입니다. 설계도를 보고 짓는 것이 아니라, 완성된 미래를 미리 보고 짓는 것입니다.

이것은 패러다임의 전환입니다. 과거에는 일단 짓고 나서 문제가 생기면 고쳤습니다. 이제는 짓기 전에 모든 문제를 발견하고 해결합니다. 시행착오의 비용이 현실에서 가상으로 옮겨간 것입니다.

엔비디아는 이 옴니버스 플랫폼 위에 프로젝트 그루트(Project GR00T)라는 야심 찬 계획을 올려놓았습니다.

그루트는 인간형 로봇을 위한 기초 모델입니다. 마치 우리가 아이에게 걸음마를 가르치듯, 그루트는 로봇 에게 세상을 이해하고 움직이는 법을 가르칩니다. 이 모델은 인간의 언어를 이해하고, 인간의 동작을 관찰하여 따라 하며, 가상 세계에서의 시행착오를 통해 기술을 습득합니다.

젠슨 황은 이 기술을 오픈 소스로 공개했습니다. 전 세계 로봇 개발자들이 밑바닥부터 인공지능을 개발할 필요 없이, 엔비디아가 만든 두뇌를 가져다 쓰기만 하면 됩니다. 피규어 AI, 보스턴 다이내믹스, 아질리티 로보틱스 같은 선도적인 로봇 기업들이 이미 이 플랫폼 위에서 차세대 로봇을 개발하고 있습니다.

로마가 도로를 깔았을 때, 그 도로 위로 군대만 이동한 것이 아니었습니다. 상인들이 오갔고, 학자들이 여행했으며, 문화가 퍼져나갔습니다. 옴니버스도 마찬가지입니다. 엔비디아가 만든 이 가상 세계는 단순한 기술 플랫폼을 넘어, 물리적 인공지능 시대의 기반 시설이 되어가고 있습니다.

움직이는 모든 것의 자율화

젠슨 황은 종종 이런 말을 합니다. 움직이는 모든 것은 자율화될 것입니다. 이것은 단순한 자동화가 아닙니다. 자동화는 기계가 정해진 명령을 반복 수행하는 것입니다. 세탁기가 빨래를 돌리고, 엘리베이터가 층을 오가는 것이 자동화입니다. 자율화는 다릅니다. 기계가 스스로 인지하고, 판단하고, 행동하는 것입니다. 상황이 바뀌면 스스로 대응책을 찾습니다.

이 자율화의 물결이 가장 먼저 들이닥치는 곳은 자동차 산업입니다. 젠슨 황은 자동차를 바퀴 달린 로봇 이라고 정의합니다. 과거의 자동차가 엔진의 마력과 외관의 디자인으로 경쟁했다면, 이제는 차량 내부의 컴퓨터 성능과 소프트웨어 능력으로 경쟁합니다.

엔비디아의 드라이브(DRIVE) 플랫폼은 자동차 산업의 풍경을 바꾸어 놓았습니다. 메르세데스-벤츠, 재규어 랜드로버, 현대자동차, 볼보 등 세계 유수의 자동차 기업들이 엔비디아의 칩을 탑재합니다. 젠슨 황은 이것을 소프트웨어로 정의되는 자동차(Software-Defined Vehicle)라고 부릅니다. 스마트폰이 소프 트웨어 업데이트를 통해 새로운 기능을 얻듯, 자동차도 구매 후 계속해서 똑똑해지는 기계가 된 것입니다.

2025년에 공개된 알파마요(Alpamayo) 모델은 이 변화의 정점을 보여줍니다. 이것은 카메라로 들어온 시각 정보를 바탕으로 핸들과 브레이크를 직접 제어하는 끝에서 끝까지(End-to-End) 학습 모델입니다. 놀라운 점은 이 인공지능이 단순히 운전만 하는 것이 아니라, 자신이 왜 그런 결정을 내렸는지 설명할 수 있다는 것입니다. 앞차의 브레이크등이 켜졌고, 옆 차선에서 차가 끼어들려고 하므로 속도를 줄입니다. 이렇게 생각하며 운전합니다. 기존 자율주행 시스템의 블랙박스 문제, 즉 왜 그렇게 판단했는지 알 수 없다는 문제를 해결한 것입니다.

하지만 젠슨 황의 야망은 도로 위에서 멈추지 않습니다. 그의 시선은 공장, 창고, 병원, 가정으로 향합니다. 인간형 로봇, 즉 휴머노이드는 물리적 인공지능의 꽃이라 할 수 있습니다. 젠슨 황이 휴머노이드에 주목하는 이유는 간단합니다. 우리가 사는 세상이 인간을 위해 설계되었기 때문입니다. 문손잡이의 위치, 계단의 높이, 도구의 모양, 의자의 크기가 모두 인간의 신체 구조에 맞춰져 있습니다. 따라서 인간의 형태를 가진 로봇만이 별도의 환경 수정 없이 우리 사회 곳곳에 즉시 투입될 수 있습니다.

2026년 현재, 세계 각지에서 휴머노이드 로봇들이 속속 등장하고 있습니다. 보스턴 다이내믹스의 아틀 라스는 전기 구동 방식으로 전환하여 공장에서 부품을 전환하는 작업을 독립적으로 수행합니다. 테슬라의 옵티머스는 2만에서 3만 달러 수준의 가격을 목표로 하며, 공장 작업부터 가정 지원까지 모든 것을 처리할 수 있는 범용 로봇을 지향합니다. 피규어 AI의 휴머노이드는 BMW 공장에서 조립과 자재 운반 작업을 지원하고 있습니다.

이 로봇들의 손재주도 놀랍게 발전하고 있습니다. 인간 손가락의 감각 해상도가 2.8에서 3.5밀리미터 수 준인데, 최신 촉각 센서는 30에서 100마이크로미터 수준의 정밀도를 자랑합니다. 인간보다 훨씬 섬세한 감각을 가진 손이 로봇에게 달리기 시작한 것입니다.

공장 자체도 거대한 로봇이 되어가고 있습니다.

젠슨 황은 미래의 공장을 하나의 거대한 지능형 시스템으로 봅니다. 공장 건물이 하나의 로봇이고, 그 안에서 움직이는 수천 대의 로봇 팔과 자율 이동 로봇들이그 건물의 장기처럼 유기적으로 움직입니다. 아마존은 이미 100만 대의 로봇을 물류 창고에 배치했습니다. 이 로봇들은 인공지능을 통해 물건을 인식하고 분류하며, 최적의 경로로 이동합니다.

의료 분야에서도 물리적 인공지능은 혁명을 일으키고 있습니다. 인공지능으로 강화된 수술 로봇은 40퍼 센트 향상된 수술 정밀도, 15퍼센트 단축된 환자 회복 시간, 20퍼센트 증가한 수술 효율성을 달성하고 있습니다. 다빈치 로봇은 수술 영상에서 학습하여 카메라 각도를 자율적으로 조정하고, 외과의의 도구를 인간처럼 추적합니다.

이 모든 변화의 배경에는 인구 구조의 변화가 있습니다. 전 세계적으로 노동 가능 인구가 줄어들고 있습니다. 선진국에서는 출산율이 떨어지고 인구가 고령화되고 있습니다. 젠슨 황은 로봇이 인간의 일자리를 빼앗는 것이 아니라, 부족한 노동력을 채워줄 필수적인 파트너가 될 것이라고 확신합니다.

위험한 건설 현장, 정밀함이 요구되는 반도체 공정, 24시간 간병이 필요한 의료 현장에서 물리적 인공지 능은 인간을 대신해 땀을 흘릴 것입니다. 인간이 기피하는 반복적이고 위험한 노동을 로봇이 맡고, 인간은 더 창의적이고 가치 있는 일에 집중할 수 있게 됩니다.

물론 도전 과제도 있습니다. 시뮬레이션에서 학습한 것을 현실에서 그대로 재현하는 것은 쉽지 않습니다. 가상 세계와 현실 세계 사이에는 언제나 차이가 존재합니다. 빛의 조건이 다르고, 물체의 질감이 다르며, 예측하지 못한 상황이 발생합니다. 전문가들은 이것을 심투리얼 갭(Sim-to-Real Gap)이라고 부릅니다.

엔비디아와 로봇 기업들은 도메인 적응, 도메인 무작위화, 전이 학습 같은 기법으로 이 격차를 좁혀가고 있습니다.

안전과 윤리의 문제도 있습니다. 물리적 인공지능 시스템은 물리적 세계에 존재하기 때문에 물리적 위험을 내포합니다. 인공지능 제어 로봇 도입 이후 산업 재해가 증가했다는 보고도 있습니다. 로봇이 어린이의 발을 밟거나 불안정하게 작동하는 사례도 발생했습니다. 혁신과 안전, 윤리적 기준의 균형을 맞추는 것이 앞으로의 과제입니다.

노동 시장에 미치는 영향도 무시할 수 없습니다. 일부 연구에 따르면 2030년까지 전 세계적으로 수억 명 의 근로자가 자동화로 인해 대체될 수 있다고 합니다. 저숙련 노동자는 자동화로 대체되었을 때 유사하거나 더 나은 일자리를 찾기 어렵습니다. 반면 고숙련 노동자는 더 나은 경력 전망으로 자동화의 영향을 완화할 수 있습니다. 기술 발전의 혜택이 공평하게 분배되도록 하는 것이 사회적 과제로 남습니다.

그럼에도 젠슨 황은 낙관적입니다. 그는 로봇을 도구가 아닌 파트너로 정의합니다. 인간이 하기 싫어하는 위험하고 반복적인 노동을 로봇이 대신할 때, 인간은 더 창의적이고 의미 있는 일에 집중할 수 있습니다. 물리적 인공지능은 인간을 대체하는 것이 아니라 인간의 능력을 증강하는 것이라고 그는 믿습니다.

엔비디아의 칩인 젯슨(Jetson)과 토르(Thor)는 움직이는 모든 것의 두뇌가 됩니다. 작은 배달 로봇부터 거대한 건설 중장비까지, 엔비디아의 두뇌가 심어집니다. 젠슨 황은 마치 로마의 황제가 모든 길을 로마로 통하게 했듯, 움직이는 모든 기계가 엔비디아의 플랫폼 위에서 생각하고 움직이게 만들었습니다.

이제 우리는 젠슨 황이 설계한 미래의 문턱에 서 있습니다. 화면 밖으로 걸어 나온 인공지능은 우리 곁에서 걷고, 일하고, 때로는 우리를 돕습니다. 젠슨 황에게 있어서 이 모든 과정은 우연한 발견이 아니었습니다. 10년 전, 아무도 거들떠보지 않던 시절부터 로봇 칩을 만들고, 시뮬레이터를 개발하며 묵묵히 쌓아 올린 필연적 결과입니다.

그는 늘 말합니다. 우리는 30일 뒤면 망할 수 있는 회사입니다. 이 겸손하고도 절박한 태도가 그를 안주 하지 않게 했고, 결국 지능을 현실 세계로 불러내는 일을 해내게 했습니다. 물리적 인공지능의 도래는 단순한 기술의 진보가 아닙니다. 인류가 도구를 사용하는 방식, 그리고 도구와 공존하는 방식을 근본적으로 바꾸는 거대한 문명적 전환입니다. 그리고 그 전환의 중심에, 검은 가죽 재킷을 입은 엔지니어, 젠슨 황이서 있습니다.