젠슨 황 이후의 엔비디아, AI 경쟁력은 어디에 남을까
핵심 요약
- 이 글은 젠슨 황의 사임이나 콜레트 크레스의 후계자 지정을 확정된 사건으로 전제하지 않습니다.
- 엔비디아의 경쟁력을 살피려면 GPU 성능과 CUDA 개발 환경을 함께 봐야 합니다.
- 개발 도구와 기존 코드에 쌓인 투자는 고객이 다른 칩으로 옮길 때 부담이 됩니다.
- 경영 승계에서 중요한 것은 조직이 장기 투자와 고객 지원을 이어갈 수 있느냐입니다.
엔비디아의 미래를 이야기하면 젠슨 황이라는 이름이 먼저 떠오릅니다. 다만 AI 인프라를 선택하는 기업은 창업자가 언젠가 떠나더라도 기술과 지원이 이어질지 따져봐야 합니다. ‘젠슨 황 이후’를 가정하는 이유도 후계자를 맞히려는 데 있지는 않습니다. 엔비디아의 경쟁력이 어디에 쌓여 있는지 살펴보려는 것입니다.
창업자가 떠나면 무엇이 달라질까요
최고경영자가 바뀐다고 이미 판매한 GPU의 성능이 떨어지지는 않습니다. 고객이 쓰던 소프트웨어가 갑자기 사라지는 것도 아닙니다. 변화가 생기는지 살피려면 앞으로의 투자 결정부터 봐야 합니다.
반도체 사업에서는 지금 팔 제품을 만들면서 몇 년 뒤를 내다보는 연구도 해야 합니다. 개발자가 쓰는 도구에도 자원을 들여야 합니다. 이런 투자는 시작한 뒤 성과를 확인하기까지 시간이 걸립니다.
제가 생각하는 창업자 리더십의 중요한 역할은 이 시간을 견디는 일입니다. 실적 압박을 받더라도 어떤 기술에 투자를 이어갈지 결정해야 하니까요. 물론 창업자의 선택이 늘 옳은 것은 아닙니다.
그래서 경영 승계를 평가할 때는 발표자의 카리스마보다 회사가 결정을 내리는 방식을 살펴야 합니다. 기술 책임자들이 장기 계획을 이어갈 수 있는지, 판단이 틀렸을 때 바로잡을 수 있는지가 더 실질적인 기준입니다.
CUDA의 힘은 고객이 쌓아온 시간에도 있습니다
엔비디아를 이해하려면 CUDA를 빼놓을 수 없습니다. GPU를 그래픽 처리뿐 아니라 다양한 계산 작업에 쓸 수 있게 돕는 소프트웨어 플랫폼입니다. 개발자는 이를 바탕으로 도구와 라이브러리를 써서 프로그램을 만듭니다.
고객이 고르는 것은 칩 하나에 그치지 않습니다. 그 칩에서 돌아가는 코드와 개발 환경까지 함께 선택하는 셈입니다.
한 기업이 엔비디아 GPU에 맞춰 AI 서비스를 운영하고 있다고 해보겠습니다. 경쟁사의 칩이 더 저렴하더라도 곧바로 바꾸기는 어렵습니다. 기존 코드가 제대로 돌아가는지 확인하고, 처리 속도와 결과의 정확성도 다시 검증해야 하기 때문입니다.
이 과정에 드는 시간과 비용이 전환 비용입니다. 이를 고려하면 이미 익숙한 개발 도구를 계속 쓰는 편이 경제적일 수 있습니다.
생태계가 있다고 고객을 영원히 붙잡아둘 수 있는 것은 아닙니다. 다른 환경으로 옮기기 쉬워지거나 경쟁 제품에서 얻는 이점이 이전 비용보다 커지면 고객의 판단도 달라집니다. 고객이 계속 쓸 만한 이유를 만들어야 생태계의 힘도 유지할 수 있습니다.
콜레트 크레스라는 이름보다 중요한 질문
콜레트 크레스의 승계를 이야기하려면 공식 인사 결정과 가정부터 구분해야 합니다. 여기서는 그가 후계자로 지정됐다고 전제하지 않습니다. 특정 인물을 후보로 생각해볼 수는 있어도, 그가 어떤 경영 성과를 낼지까지 미리 결론 지을 수는 없습니다.
후임 경영진을 평가할 때 제가 먼저 살필 것은 투자의 연속성입니다. 차세대 칩 개발을 이어가면서 소프트웨어도 계속 지원하는지 봐야 합니다.
비용을 줄였다고 무조건 경영을 잘했다고 볼 수는 없습니다. 당장의 이익은 늘어도 고객이 의존하는 도구를 개선하는 속도는 느려질 수 있기 때문입니다. 그렇다고 투자액이 많다는 이유만으로 좋은 전략이라고 할 수도 없습니다.
구매를 결정하는 고객에게는 구체적으로 무엇이 달라지는지가 중요합니다. 새 제품으로 옮겨도 기존 소프트웨어를 얼마나 쓸 수 있는지, 개발 일정과 기술 지원은 얼마나 믿을 수 있는지가 선택에 영향을 줍니다.
후계자가 누구인지 알아도 이런 질문은 그대로 남습니다.
AI 칩 전략은 성능표 밖에서도 결정됩니다
AI용 칩을 고를 때는 계산 성능과 함께 전력 사용량도 살펴야 합니다. 장비를 어떤 방식으로 연결하는지, 소프트웨어를 운영하는 데 비용이 얼마나 드는지도 따져봐야 합니다.
AI 모델을 만드는 학습과 완성된 모델을 사용하는 추론은 요구 조건도 다릅니다. 특히 추론 서비스를 운영하는 기업에는 사용자의 요청을 얼마나 빠르게, 얼마나 적은 비용으로 처리하느냐가 중요합니다.
차기 경영진은 더 빠른 GPU를 내놓는 일뿐 아니라 고객이 시스템 전체를 운영할 때 얻는 이점도 챙겨야 합니다. 고객이 이 생태계에 익숙하더라도 불편이나 높은 비용을 계속 감수하리라고 기대해서는 안 됩니다.
젠슨 황 이후를 보려면 창업자의 결정을 이어갈 조직과 고객에게 계속 도움이 되는 생태계가 남는지 살펴야 합니다. 이 두 조건이 유지된다면 경영 승계의 충격도 줄어들 수 있습니다. AI 인프라를 선택하는 기업이라면 유명한 리더의 존재와 앞으로도 믿고 쓸 수 있는 개발 환경 가운데 무엇에 더 무게를 둘지 따져봐야 합니다.
댓글
댓글을 불러오는 중...