[AI] 엔비디아와 손잡은 한국 기업들 — 기회인가, 종속인가

 [오늘의 핵심 요약]

• 엔비디아가 한국에 제공하는 것 — 플랫폼별 분석
• 한국 기업의 분야별 기회 시나리오
• 한국 기업의 분야별 리스크 시나리오
• 기회가 현실이 되기 위한 조건

 

안녕하세요. 경제적 자유를 향해 하루를 쌓아가는 엄마, 하루 쌓기입니다.

 

지난 글에서 젠슨 황의 방한 행보와 엔비디아의 전략 방향을 살펴봤습니다. 글을 마무리하면서 질문 하나를 남겼습니다. 이번 협력이 한국 기업들에게 진짜 기회가 될지, 아니면 새로운 종속 구조로 굳어질지. 이번 글에서는 그 판단의 근거를 들여다봅니다. 엔비디아가 한국에 가져온 것이 무엇인지, 그리고 그것이 우리에게 어떤 기회와 리스크를 동시에 만드는지를 분야별로 짚어봤습니다.

이 글의 시나리오 분석은 뉴스와 공개 자료를 바탕으로 정리한 내용입니다. 공식 확정 사항이 아닌 분석임을 참고해 주세요

 

엔비디아 공식 개발자 사이트의 CUDA 페이지. CUDA는 GPU 컴퓨팅의 토대이자 전 세계 AI 개발의 사실상 표준입니다. 출처: NVIDIA 공식 개발자 사이트 (developer.nvidia.com/cuda-toolkit)

1. 엔비디아가 한국에 가져온 것

1-1. 하드웨어 

엔비디아가 이번 방한에서 한국 파트너들에게 제시한 하드웨어는 크게 두 가지이며, 모두 한국 기업들이 사용하려면 엔비디아 소프트웨어 생태계 안에서만 작동합니다.

① 베라 루빈(Vera Rubin)

차세대 AI 가속기로 AI 데이터센터의 두뇌가 되는 칩입니다.

② 플랫폼 젯슨 토르

로봇용 컴퓨팅 플랫폼으로 로봇이 AI로 판단하고 움직이게 만드는 칩입니다.

1-2. 소프트웨어 플랫폼

엔비디아가 한국에 제공하는 소프트웨어 플랫폼은 네 가지입니다.

① CUDA

엔비디아 GPU에서만 작동하는 독점 연산 소프트웨어입니다. 전 세계 AI 개발자들이 사용하는 PyTorch·TensorFlow 등 주요 프레임워크가 모두 CUDA를 우선으로 최적화돼 있습니다. 2025~2026년 기준 엔비디아는 글로벌 AI 칩(GPU) 시장 점유율의 80~90% 가량을 장악하고 있으며, 그 독점적 지위를 유지하는 핵심 열쇠가 바로 CUDA입니다. 한번 CUDA 기반으로 개발하면 다른 플랫폼으로 전환하는 비용이 매우 높아, 업계에서는 이를 "경제적으로 비합리적인 전환" 이라고 표현합니다.

② 옴니버스(Omniverse)

공장·로봇 환경을 가상으로 구현하는 디지털트윈 플랫폼입니다. SKT·SK하이닉스·삼성전자의 반도체 공정, LG·두산의 공장 환경이 이 플랫폼 위에서 시뮬레이션됩니다. 공장 데이터가 옴니버스에 쌓일수록 엔비디아는 한국 제조 현장의 핵심 데이터를 확보하게 됩니다.

③ 아이작(Isaac)

로봇 학습 플랫폼입니다. LG·두산의 로봇이 실제 현장에 투입되기 전, 가상 환경에서 동작을 학습하는 데 사용됩니다. 로봇의 두뇌에 해당하는 AI 학습 과정이 엔비디아 플랫폼 안에서 이루어지는 구조입니다.

④ 코스모스(Cosmos)

로봇·자율주행차가 물리 법칙을 이해하고 판단할 수 있도록 돕는 피지컬 AI 파운데이션 모델입니다. 현대차·LG·두산의 피지컬 AI 개발 기반이 됩니다.

1-2. 엔비디아 제공 플랫폼 — 종속 가능성 요약

플랫폼	주요 수혜 기업	종속 가능성
CUDA (AI 연산 소프트웨어)	전 산업 공통	🔴 높음 — 전환 비용 매우 높음
옴니버스 (디지털트윈)	SKT·삼성·LG·두산	🔴 높음 — 제조 데이터 엔비디아에 축적
아이작 (로봇 학습)	LG·두산	🔴 높음 — 로봇 AI 두뇌를 엔비디아에 의존
코스모스 (피지컬 AI 모델)	현대차·LG·두산	🔴 높음 — AI 모델 자체를 엔비디아가 소유
드라이브 플랫폼 (자율주행)	현대차	🟡 중간 — 자체 SDV 개발 병행 가능
DSX 플랫폼 (AI 클라우드)	SKT·네이버	🟡 중간 — GPU 없이 인프라 운영 불가
베라 루빈·젯슨 토르 (하드웨어)	전 산업 공통	🟡 중간 — 공급 일정·가격 결정권 엔비디아 보유

 

2. 기회 시나리오

2-1. 메모리·반도체 — 글로벌 AI 인프라의 핵심 공급자

SK하이닉스는 베라 루빈에 탑재될 차세대 HBM4 시장에서 전체 물량의 60~70% 수준을 공급할 것으로 업계의 기대를 모으며, 강력한 1순위 파트너 자리를 굳혀가고 있습니다. 젠슨 황은 리셉션에서

"SK hynix said it would double its production capacity by 2030, but I think that alone may not be enough. That is because AI demand is growing tremendously."
(SK하이닉스가 2030년까지 생산 능력을 2배로 늘리겠다고 했지만, 그것만으로는 충분하지 않을 수 있다고 생각합니다. AI 수요가 엄청나게 증가하고 있기 때문입니다.)

 

라고 직접 말했습니다. 수요가 공급을 앞서는 구조라면, SK하이닉스의 협상력과 수익성은 당분간 유지될 수 있습니다.

삼성전자는 HBM4 공급사 자격을 확보한 동시에 파운드리 협력까지 논의 범위를 넓혔습니다. SK하이닉스가 메모리에 집중한다면, 삼성은 메모리와 파운드리를 동시에 엔비디아에 제공하는 복합 파트너 포지션을 狙리고 있습니다.

2-2. 클라우드·AI 인프라 — 아시아 AI 허브 선점

SKT는 엔비디아 DSX 플랫폼 기반의 풀스택 AI 클라우드를 구축하고, 2027년 한국에서 첫 GW급 AI 팩토리를 가동한 뒤 아시아 전역으로 확장할 계획입니다. 아시아 AI 클라우드 인프라의 주도권을 선점하는 기회입니다.

네이버는 GW급 AI 팩토리와 서울판 월드 모델 구축에서 엔비디아와 협력하며, 아시아·중동 등 글로벌 소버린 AI 시장 진출의 발판을 마련했습니다.

2-3. 로보틱스·모빌리티 — 피지컬 AI 실증의 최전선

현대차그룹은 완성차·보스턴다이나믹스 로봇·모셔널 로보택시를 모두 보유한 유일한 기업입니다. 엔비디아의 피지컬 AI를 가장 넓은 범위에서 실제 적용할 수 있는 파트너입니다. 새만금 AI 밸리 협력이 실현된다면 모빌리티와 AI 인프라를 동시에 연결하는 글로벌 레퍼런스가 될 수 있습니다.

LG와 두산은 가상 환경에서 학습한 로봇을 실제 공장에 투입하는 방식으로 로봇 개발 기간과 비용을 획기적으로 줄일 수 있습니다. 글로벌 로봇 시장에서 선점 기회를 잡을 수 있는 구조입니다.

 

3. 리스크 시나리오

3-1. 한국의 현재 위치 — 설계하지 못하는 나라

한국은 세계 최고 수준의 하드웨어 제조 강국입니다. 메모리 반도체, 디스플레이, 배터리, 자동차, 로봇 구동부까지 실물을 만드는 역량은 글로벌 최상위권입니다. 그러나 소프트웨어는 다릅니다. 지금 이 글을 읽는 기기의 운영체제는 마이크로소프트(Windows) 또는 애플(iOS·macOS)입니다. AI 개발자들이 쓰는 프레임워크는 구글의 TensorFlow, 메타의 PyTorch입니다. 클라우드 인프라는 아마존(AWS), 마이크로소프트(Azure), 구글(GCP)이 장악하고 있습니다. 이 목록 어디에도 한국 기업의 이름은 없습니다. 네이버 하이퍼클로바X처럼 언어 AI 분야에서의 시도가 있지만, 전 세계가 쓰는 플랫폼을 만든 경험은 아직 없습니다.

이것이 이번 엔비디아 협력이 기회인 동시에 리스크인 이유입니다. 소프트웨어 기반이 약한 상태에서 엔비디아 플랫폼에 올라타면, 협력이 깊어질수록 종속도 깊어집니다.

3-1. 메모리·반도체 — 공급자 역할의 고착화

SK하이닉스가 엔비디아의 핵심 파트너임은 분명합니다. 그러나 메모리를 공급하는 역할에 머문다면, 가격 결정권은 여전히 엔비디아가 쥐게 됩니다. 젠슨 황이 "더 만들어 달라"고 말할 수 있는 구조는, 반대로 엔비디아가 물량과 단가를 조율하는 위치에 있다는 의미이기도 합니다. 증산을 위한 천문학적 시설 투자를 한국이 부담하고, 수익의 상당 부분은 엔비디아가 가져가는 구조가 고착될 수 있습니다.

3-2. 클라우드·AI 인프라 — GPU 없이는 운영 불가

SKT와 네이버의 AI 팩토리는 엔비디아 GPU 없이는 작동하지 않습니다. 엔비디아가 공급 우선순위나 가격 정책을 바꾸면, 인프라 전체가 직접적인 영향을 받습니다. 대규모 데이터센터를 짓고 운영하는 비용은 한국이 부담하지만, 인프라의 핵심 부품 공급 결정권은 엔비디아에 있는 구조입니다.

여기에 CUDA 종속 문제가 더해집니다. AI 팩토리 위에서 돌아가는 모든 소프트웨어가 CUDA 기반으로 구축되면, 향후 다른 플랫폼으로 전환하는 것이 사실상 불가능해집니다. 20년 가까이 쌓인 CUDA 생태계가 이미 그 선례를 보여주고 있습니다.

3-3. 로보틱스·모빌리티 — AI 두뇌를 내주는 구조

LG와 두산이 엔비디아의 아이작·코스모스 플랫폼을 기반으로 로봇을 개발하면, 로봇의 하드웨어(팔·구동부)는 한국이 만들지만 AI 두뇌는 엔비디아 플랫폼이 담당하는 구조가 됩니다. 로봇 제조사가 되지만 로봇 AI 회사는 되지 못하는 시나리오입니다.

현대차의 자율주행도 마찬가지입니다. 드라이브 플랫폼에 깊이 의존할수록, 자체 자율주행 소프트웨어 개발 동력이 약해질 수 있습니다. 차는 한국이 만들지만, 차를 움직이는 소프트웨어 주도권은 엔비디아가 가져가는 구조입니다.

3-4. 공통 리스크 — 제조 데이터의 역흡수

가장 조용하지만 가장 깊은 리스크입니다. 옴니버스·아이작·코스모스 플랫폼을 통해 한국 제조 현장의 데이터가 엔비디아 플랫폼으로 축적됩니다. 한국 기업들은 세계 최고 수준의 제조 노하우를 갖고 있지만, 그 데이터를 담는 그릇은 엔비디아가 쥐고 있습니다. 협력이 깊어질수록, 한국의 제조 노하우가 엔비디아의 AI 기술 고도화에 활용되는 구조가 만들어질 수 있습니다.

 

4. 기회가 현실이 되기 위한 조건

4-1. 자체 AI 소프트웨어 역량 강화

엔비디아 플랫폼을 활용하면서도, 자체 AI 소프트웨어 역량을 함께 키워야 합니다. 네이버 하이퍼클로바X처럼 언어 AI에서는 자체 모델을 보유하고 있지만, 제조·로봇·자율주행을 아우르는 피지컬 AI 영역에서는 아직 자체 플랫폼이 없습니다. 협력에만 의존하고 자체 역량 구축을 늦추는 순간, 리스크 시나리오가 현실이 됩니다.

4-2. 사전 합의를 통한 데이터 주권 확보

옴니버스·아이작 등 플랫폼을 통해 축적되는 한국 제조 현장의 데이터가 어떤 목적으로, 어느 범위까지 활용되는지를 협력 초기에 명확히 합의하여 '데이터 주권(Data Sovereignty)'을 지켜야 합니다. 구글 AI 캠퍼스 협력에서도 같은 문제가 제기됐습니다. 데이터는 한국이 제공하고, 그로 고도화된 핵심 AI 기술은 엔비디아가 독점 소유하는 불평등한 구조를 막을 법적·제도적 안전장치가 필요합니다.

4-3. 하드웨어 공급 조달자 너머로의 협력 다각화

SK하이닉스가 메모리를 공급하는 데 그치지 않고, 엔비디아와 AI 팩토리·로보틱스 협력으로 영역을 넓힌 것은 올바른 방향입니다. 단순 공급자에서 공동 개발 파트너로 위치를 바꾸는 것이 협상력을 유지하는 방법이고, 그것이 기회를 현실로 만드는 출발점입니다.

4-4. 의존도 완화를 위한 멀티 플랫폼(Multi-Platform) 다변화

엔비디아 생태계가 강력하지만, 모든 달걀을 한 바구니에 담아서는 안 됩니다. 한국 기업들은 엔비디아의 대항마로 떠오르는 AMD의 ROCm 생태계나 인텔, 혹은 구글·아마존 등 빅테크 기업들이 자체 개발하는 AI 맞춤형 칩(ASIC)과의 협력 우회로를 동시에 확보해야 합니다. 대안이 존재할 때 비로소 엔비디아와의 단가 협상이나 공급망 논의에서 진정한 주도권을 쥘 수 있습니다.

4-5. 국가 주도형 소버린 AI(Sovereign AI) 인프라 지원

거대한 글로벌 빅테크인 엔비디아를 상대로 개별 기업이 협상력을 갖추기는 계란으로 바위 치기입니다. 정부 차원에서 한국형 AI 데이터센터 인프라를 적극 구축하고, 국내 AI 스타트업과 팹리스(반도체 설계) 기업들이 성장할 수 있는 토양을 마련해주어야 합니다. 국가가 든든한 기술 인프라 배경이 되어줄 때, 우리 기업들도 엔비디아 플랫폼 안에서 제 목소리를 낼 수 있습니다.

---

마치며: 종속이 아닌 설계로의 전환

기회와 리스크는 이번 협력에 동시에 내재되어 있습니다. 어느 쪽이 현실이 되느냐는 협력 이후 한국 기업들이 무엇을 함께 설계하느냐에 달려 있습니다. 엔비디아가 가져온 플랫폼을 사용하면서, 동시에 그 플랫폼에 종속되지 않을 자체 역량을 키우는 것. 두 가지를 함께 가져가는 것이 이번 협력에서 한국이 마주한 진짜 과제입니다.

---

 

함께 읽으면 좋은 글

[AI] 젠슨 황은 왜 한국에 왔나 — 엔비디아의 다음 판 — 젠슨 황 방한 5일 일지와 엔비디아의 전략 전환 전체 분석.

[구글 AI 캠퍼스] AI가 그린, 기회와 위험 시나리오 — 빅테크 AI 협력이 만드는 기회와 위험, 구글 AI 캠퍼스 시나리오 비교 분석.

 

이 글이 도움이 되셨다면, 공감의 하트 한 번이 블로그 운영에 큰 힘이 됩니다. 😊

 

---

 

[용어 설명]

• CUDA (Compute Unified Device Architecture): 엔비디아 GPU에서만 작동하는 독점 병렬 연산 소프트웨어 플랫폼. Compute는 '연산', Unified는 '통합', Device는 '장치', Architecture는 '설계 구조'를 의미함. 전 세계 AI 개발의 사실상 표준으로, 한번 CUDA 기반으로 구축하면 다른 플랫폼으로 전환하는 비용이 매우 높음.
• 옴니버스(Omniverse): 엔비디아의 3D 디지털트윈 플랫폼. 실제 공장이나 로봇 환경을 가상으로 구현해 시뮬레이션하는 소프트웨어.
• 아이작(Isaac): 엔비디아의 로봇 학습 플랫폼. 로봇이 실제 현장에 투입되기 전 가상 환경에서 동작을 훈련하는 데 사용됨.
• 코스모스(Cosmos): 엔비디아의 피지컬 AI 파운데이션 모델. 로봇이나 자율주행차가 물리 법칙을 이해하고 행동할 수 있도록 돕는 AI 기반 모델.
• DSX 플랫폼: 엔비디아의 AI 클라우드 인프라 플랫폼. 칩부터 데이터센터 운영까지 아우르는 풀스택 AI 클라우드 구축에 활용됨.
• 젯슨 토르(Jetson Thor): 엔비디아의 로봇용 컴퓨팅 플랫폼. 로봇이 AI로 판단하고 움직이게 만드는 칩.
• 피지컬 AI(Physical AI): AI가 디지털 화면 안에 머무르지 않고, 로봇·자동차·공장 등 물리적 세계에서 스스로 판단하고 행동하는 기술.
• AI 팩토리(AI Factory): AI를 대규모로 학습시키고 운영하기 위한 초대형 데이터센터 인프라.
• 풀스택 AI 클라우드(Full-Stack AI Cloud): 하드웨어(칩)부터 소프트웨어, 데이터센터 운영까지 모든 계층을 하나로 연결해 제공하는 AI 클라우드 서비스.
• 소버린 AI(Sovereign AI): 특정 국가가 자국의 언어·문화·데이터를 반영해 자체적으로 구축하는 국가 주도형 AI 인프라.
• SDV (Software Defined Vehicle): 소프트웨어 중심 자동차. 차량의 주요 기능이 하드웨어가 아닌 소프트웨어로 제어·업데이트되는 자동차.
• 파운데이션 모델(Foundation Model): 대규모 데이터로 사전 학습된 AI 기반 모델. 다양한 분야에 응용해 사용할 수 있는 범용 AI 모델.
• 디지털트윈(Digital Twin): 실제 물리적 환경을 가상으로 동일하게 구현한 시뮬레이션 시스템. 실제 운영 전 가상 환경에서 미리 테스트할 수 있음.

우리의 소중한 하루가 모여 함께 성장하는 내일이 되길 소망하며, 끝까지 읽어주셔서 진심으로 감사합니다.