과거의 소프트웨어 개발은 기계의 언어인 코딩 숙련도에 절대적으로 의존해왔다. 개발자는 Python이나 Java 같은 문법을 익혀 기계가 이해할 수 있도록 명령어를 한 줄씩 입력해야 했고, 수만 줄의 코드를 관리하기 위해 여러 엔지니어가 장기간 협업하는 방식이 일반적이었다.
젠슨 황은 이러한 흐름이 근본적으로 바뀔 것이라고 예견했다. 인공지능이 인간의 언어를 이해하기 시작하면서, 소프트웨어 공정의 본질이 사람이 직접 만드는 ‘제조’에서 AI가 스스로 빚어내는 ‘생성’의 시대로 진화할 것이라는 관점이다. 2024년 그가 “아이들에게 코딩을 가르칠 필요가 없다”고 발언한 것도 같은 맥락이다.
당시 이 발언은 기술적 한계 때문에 과장으로 받아들여지기도 했다. AI가 생성하는 코드는 오류가 잦았고, 실제 서비스에 적용하기 위해서는 여전히 사람이 직접 수정하고 검증해야 하는 단계가 많았기 때문이다.
---〈1장 컴퓨팅의 구조가 칩에서 시스템으로 바뀐다〉 중에서

하드웨어 시장의 경쟁은 오랫동안 더 낮은 가격이나 더 높은 성능을 제공하는 제품이 등장하면 시장 점유율이 이동하는 구조였다. 인텔과 AMD의 경쟁도 이런 기준 위에서 전개되었다. 경쟁사들은 GPU의 성능을 비교할 때 연산 능력이나 트랜지스터 수 같은 수치에 주로 집중했다. 칩의 사양이 경쟁력을 설명하는 주요 지표로 받아들여졌다.
젠슨 황은 성능 경쟁만으로 시장이 결정되지 않을 것이라고 예측했다. 시간이 지날수록 개발자가 떠나기 어려운 소프트웨어 환경이 더 강한 경쟁력이 될 것이라는 관점이었다. 개발자가 기존 도구를 유지하려는 경향이 강할수록, 새로운 하드웨어로의 전환은 더 느리게 일어난다.
---〈1장 컴퓨팅의 구조가 칩에서 시스템으로 바뀐다〉 중에서

이제 데이터센터의 성능은 서버 대수가 아닌 토큰 생산량으로 측정된다. 토큰이란 AI가 생성하는 텍스트의 최소 단위로, 초당 얼마나 많은 토큰을 저렴하고 빠르게 생산하느냐가 데이터센터의 수익성을 결정하는 핵심 지표가 되었다.
물리적 설계도 이 변화를 그대로 반영한다. 창고에는 선반이 필요하지만, 쉼 없이 돌아가는 공장에는 원료를 이동시키는 통로와 막대한 열을 처리하는 설비가 필수적이다. 2026년 현재의 데이터센터는 수천 킬로미터의 광케이블과 거대한 액체 냉각 시스템으로 채워지고 있다. 공기보다 열 흡수가 빠른 액체를 칩에 직접 흘려보내 연산 효율을 극대화하는 방식은, 과거의 데이터센터에서는 볼 수 없었던 중공업적 공장의 풍경을 닮아 있다.
구글, 아마존, 메타의 데이터센터는 더 이상 단순한 저장 시설이 아니다. 실시간으로 답변과 콘텐츠, 논리적 추론을 만들어내는 생산 기지다. 마이크로소프트는 이를 공식적으로 ‘AI 팩토리’라고 부르기 시작했고, 전 세계 하이퍼스케일러들은 이 정의에 맞춰 인프라를 재설계하고 있다.
---〈2장 전 세계의 데이터센터는 지능을 찍어내는 공장이 된다〉 중에서

컴퓨팅 역사는 오랫동안 칩의 속도를 높이는 경쟁이었다. 칩 내부에서 계산이 빨리 끝나기만 하면 전체 성능이 개선된다고 봤기 때문이다. 성능 향상의 대부분이 칩 내부 설계에 달려 있다는 전제가 오랫동안 유지되었다.
여러 개의 칩을 연결하는 문제는 부수적인 영역으로 취급되었다. 계산 장치 간의 통신 속도는 전체 성능을 결정하는 핵심 요소로 여겨지지 않았다. ‘칩이 빠르면 시스템도 빨라진다’는 전제가 지배적이었다.
젠슨 황은 이 전제가 유지되지 않을 것이라고 봤다. AI는 하나의 칩이 아니라 수천 개의 연산 장치가 동시에 작동하는 구조다. 이 환경에서는 계산 속도가 아니라 데이터 이동 속도가 전체 성능을 제한하게 된다. 아무리 강력한 연산 장치를 수만 개 배치하더라도, 이들을 연결하는 데이터 통로가 좁으면 시스템은 개별 칩의 합보다 훨씬 낮은 효율로 전락하고 만다.
---〈2장 전 세계의 데이터센터는 지능을 찍어내는 공장이 된다〉 중에서

인터넷 시대의 핵심은 색인이었다. 구글은 세상의 정보를 수집하고 정리한 뒤, 사용자가 키워드를 입력하면 관련된 위치를 찾아주는 구조를 만들었다. 사용자는 수많은 링크를 일일이 따라가며 원하는 정보를 직접 선택하고 해석해야 했다. 효율적인 분류는 가능했지만, 컴퓨터가 원하는 최종 결과물을 직접 만들어주지는 못하던 시절이었다. 정보의 최종 해석과 조합은 오로지 인간의 몫으로 남아 있었다. 구글이 구축한 색인 구조는 너무 강력했고, ‘검색이 정보 접근의 유일한 표준’이라는 인식은 흔들리지 않을 것처럼 보였다.
젠슨 황은 이 구조가 완전히 전환될 것이라고 봤다. 연산 능력이 임계점을 넘으면 컴퓨터는 저장된 데이터를 불러오는 장치가 아니라 새로운 최적값을 도출하는 장치로 진화하기 때문이다. 정보를 저장하는 장치가 정보를 생성하는 장치로 바뀌는 근본적인 전환이었다.
---〈3장 AI가 소프트웨어를 삼키고 세상을 재편한다〉 중에서

업무용 소프트웨어는 오랫동안 인간의 입력을 전제로 설계되었다. 메일 작성, 데이터 입력, 승인 요청까지 모든 작업은 사람이 시작하고 사람이 끝냈다. 소프트웨어는 어디까지나 수동적인 도구였고, 실행의 주체는 항상 인간이었다.
이 구조에서는 시스템이 복잡해질수록 인간의 인지적 부담이 증가했다. 도구의 확장은 곧 관리해야 할 노동의 확장으로 이어졌고, 효율 개선에는 명확한 한계가 존재했다.
젠슨 황은 이 고착화된 구조가 무너질 것이라고 봤다. AI가 단순히 결과를 생성하는 수준을 넘어, 직접 도구를 조작하고 작업을 완수하는 주체로 이동할 것이라는 예측이었다. 이는 AI가 외부 프로그램이나 데이터베이스를 직접 호출해 작업을 수행하는 능력을 갖추면서 가능해졌다.
---〈3장 AI가 소프트웨어를 삼키고 세상을 재편한다〉 중에서

전통적인 자율주행 개발은 속도가 아니라 물리적 시간에 묶여 있었다. 기업들은 수백 대의 차량을 도로에 투입해 수백만 마일을 달렸지만, 학습의 진전은 실제 시간의 흐름을 벗어나지 못했다. 차량 대수를 아무리 늘려도 시간 자체를 압축해 지능을 높이는 데는 명확한 제약이 따랐다.
중요한 학습 데이터일수록 실제 도로에서는 확보하기 어렵다는 점도 병목이었다. 폭설, 연쇄 충돌, 돌발적인 보행자 행동 같은 돌발 상황은 현실에서 거의 발생하지 않으며, 반복 재현도 불가능하다. 학습에 절실한 희귀 데이터일수록 가장 느리게 축적되는 모순적인 구조였다. 젠슨 황은 이 병목을 물리적 시간과 확률의 영역에서 분리해 연산의 영역으로 옮겨왔다.
그 핵심은 물리적으로 일관된 가상 환경을 구축하고, 그 안에서 동일한 위기 상황을 무한히 변주하는 방식이다. 한 번의 실제 데이터를 기반으로 수만 개의 변형 시나리오를 동시에 생성하면, 현실의 단일 사건은 가상에서 수만 번의 학습 기회로 탈바꿈한다. 이는 단순히 시각적 그래픽을 만드는 것이 아니라 중력과 마찰력 등 물리 법칙이 지배하는 디지털 세계를 연산으로 구현해낸 결과다.
---〈4장 AI는 화면을 떠나 현실 세계로 걸어 들어간다〉 중에서

통신 인프라는 오랫동안 데이터를 전달하는 수동적인 파이프에 불과했다. 기지국은 신호를 받아 다음 지점으로 토스하는 역할만 수행했고, 모든 지능은 네트워크 바깥의 원격 서버에서 처리되는 방식이었다. 전송과 연산이 철저히 분리된 구조였기에 네트워크는 계산하지 않았으며, 지능은 언제나 연결의 끝단인 데이터센터에 머물러 있었다.
젠슨 황은 데이터가 이동하는 경로 자체가 연산 자원이 되어야 한다고 보았다. 기지국과 네트워크 장비가 단순한 전달 장치를 넘어 실시간으로 데이터를 처리하는 컴퓨팅 노드로 진화할 것이라는 예측이었다. 전 세계에 깔린 기지국이 하나의 거대한 컴퓨터처럼 작동하는 구조를 지향한 것이다.
이 개념의 핵심이 바로 AI-RAN이다. 기존 무선 접속망은 신호 처리에만 특화된 장비였으나, AI-RAN은 GPU 기반 연산을 통합해 기지국 현장에서 직접 AI 처리를 수행한다.
---〈4장 AI는 화면을 떠나 현실 세계로 걸어 들어간다〉 중에서

로봇 산업은 오랫동안 기계 공학의 전유물이었다. 정밀한 모터 제어와 관절 설계가 경쟁력의 척도였으며, 일본과 독일의 거대 기계 기업들이 시장을 지배했다. 화낙, 쿠카와 같은 전통 강자들에게 지능이란 정해진 동작을 정확히 반복하게 만드는 제어 로직의 일부에 불과했다. 즉 기계의 완성도가 곧 로봇의 완성도였던 시대였다.
젠슨 황은 그 본질이 바뀔 것으로 예측했다. 로봇의 가치가 움직임 자체보다 복잡한 환경을 인식하고 스스로 동작을 계획하는 판단력에서 창출될 것이라는 분석이었다. 하드웨어 성능이 평준화되면 차이를 만드는 결정적 한 발은 결국 지능에서 나온다는 판단이었다. 강철과 모터를 깎는 회사가 아니라 공통으로 쓰이는 두뇌를 보급하는 플랫폼 기업이 산업의 중심이 될 것이라고 그는 예측했다.
---〈4장 AI는 화면을 떠나 현실 세계로 걸어 들어간다〉 중에서

기술이 기업 차원을 넘어 국가 전략의 뿌리가 된 사례는 인류 역사상 핵무기와 인터넷 정도에 불과하다. 그러나 핵은 소수 강대국의 전유물이었고, 인터넷은 수십 년의 기간에 걸쳐 완만하게 스며들었다.
반면 AI는 불과 몇 년 사이에 모든 규모의 국가와 산업을 관통하며 안보와 경제의 최우선 의제로 등극했다. 지능이 석유나 식량처럼 국력을 좌우하는 핵심 자원이 될 것이라는 발상은 이제 거부할 수 없는 상식이 되었다.
젠슨 황은 일찍부터 이 흐름을 꿰뚫어보았다. AI는 특정 기술 기업의 전유물이 아니라 사회 전체를 지탱하는 기본 인프라가 될 것이라는 예측이었다. 그는 이를 국가 단위로 확장해 자국의 데이터와 문화를 지키는 소버린 AI 개념을 주장했다. 각국이 독자적인 지능 인프라를 보유하지 못한다면, 타국의 지능에 종속되어 디지털 식민지로 전락할 수 있다는 강력한 경고였다.
---〈5장 국가와 산업의 운명을 AI가 결정한다〉 중에서

원자폭탄은 인류가 발명한 가장 파괴적인 기술이자 압도적인 억지력의 상징이다. 그러나 이를 보유한 국가는 극소수이며, 대부분의 국가는 핵무기 없이도 국가 체제를 안정적으로 유지해왔다. 핵은 국제 질서에 영향을 주는 선택 가능한 권력이었을 뿐, 모든 국가의 일상적 생존을 직접적으로 좌우하는 필수 조건은 아니었다.
젠슨 황은 AI가 핵무기와는 전혀 다른 경로를 밟을 것이라고 예측했다. AI는 파괴를 목적으로 하는 무기가 아니라 문명의 생산성 전체를 지탱하는 보편적 기반이기 때문이다. 교육, 의료, 제조, 행정 등 사회 전 영역의 효율이 지능의 밀도에 의해 결정되는 구조에서는 AI 보유 여부가 곧 국가 경쟁력의 마지노선이 된다. 이는 지능이 전기처럼 없으면 문명이 멈추는 필수 인프라로 이동했음을 뜻한다.
---〈5장 국가와 산업의 운명을 AI가 결정한다〉 중에서

인터넷 보급 10년 후, 구글과 아마존처럼 인터넷 없이는 존재할 수 없는 인터넷 네이티브 산업이 탄생했다. 그들은 기존 오프라인 산업을 단순히 디지털로 옮긴 것이 아니라 연결이기에 가능한 완전히 새로운 비즈니스 모델을 창조했다. 과거의 혁신이 종이 위의 정보를 화면으로 옮긴 디지털화였다면, 이제는 화면 속 정보가 스스로 사고하고 창조하는 지능화의 단계로 진입한 것이다.
젠슨 황은 이 지능의 토대 위에서만 생존 가능한 새로운 산업 종의 탄생을 예측했다. 인터넷이 연결의 인프라였다면, AI는 사고의 인프라다. 연결 위에서 검색과 커머스가 나왔듯, 사고의 인프라 위에서는 인간의 인지 능력을 대행하는 전혀 다른 종류의 서비스들이 솟아오른다.
기존 기업들이 AI를 이식하려 애쓸 때, AI 네이티브 기업들은 처음부터 AI의 추론 능력을 엔진 삼아 조직과 제품을 설계한다. 이들은 인간의 개입 없이도 스스로 학습하고 진화하는 자율형 비즈니스 구조를 구축하며 기존 산업의 문법을 해체하기 시작했다.
---〈5장 국가와 산업의 운명을 AI가 결정한다〉 중에서