엔비디아 GTC 2026, 베라 루빈 AI 공장과 에이전트 보안 공개

엔비디아 GTC 2026 핵심 발표

엔비디아 창립자 겸 CEO 젠슨 황은 GTC 베를린 2026 기조연설에서 유럽 기업들이 NVIDIA와 AI에 협력하고 있다는 점을 전면에 내세웠다. 로레알, 레볼루트, 스포티파이, 머크, 보다폰, 자라, 포르쉐, 네슬레, HSBC가 그 사례로 언급됐다. 이 목록은 소비재와 금융, 통신, 제조, 유통이 한자리에 놓였다는 점에서 AI 수요가 특정 업종에 머물지 않고 유럽 산업 전반으로 넓어졌다는 신호로 읽힌다.

행사는 사흘간 진행되며 에이전트 AI, 로보틱스, 피지컬 AI, 오픈 모델, 가속 컴퓨팅을 다루는 100개 이상 세션이 열린다. 세션 구성은 인프라와 모델, 보안, 현장 적용을 한 흐름으로 묶어 보여주려는 의도로 해석된다. 기조연설 장소는 1980년 베를린 장벽 인근 텐트에서 출발해 2001년 안할터 반호프 근처에 정착한 템포드롬이다. 장소의 연혁은 행사가 신제품 발표를 넘어 유럽 기술 생태계와의 접점을 강조하려는 맥락으로 이어진다.

황은 유럽을 파리, 런던, 스톡홀름, 더블린으로 잇는 일주일 일정과 함께 유럽 기술 생태계에 약 100억 달러를 투입하고 1만2000개 이상 파트너와 협력한다고 설명했다. 일주일 일정은 한 도시의 행사에 그치지 않고 여러 유럽 거점을 연결하려는 행보로 읽힌다. 투자와 파트너 수는 유럽 시장을 단일 발표 장소가 아니라 협력과 확장의 대상으로 보고 있다는 점을 보여준다.

그는 “컴퓨터 산업의 수십 년 발전 끝에 새로운 산업혁명의 시작점에 있다”고 말했다. 이 발언은 발표의 무게중심이 단일 칩이나 제품이 아니라 산업 구조 전환에 있다는 점을 드러낸다. 발표의 중심에는 AI 공장, 에이전트, 오픈 모델, 보안 런타임이 함께 놓였다. 네 요소는 인프라에서 모델, 실행, 통제로 이어지는 하나의 사슬로 제시됐다는 점이 중요하다.

왜 유럽의 AI 공장 경쟁인가

원문에서 황은 AI를 에너지, AI 공장, 토큰·디지털 지능, 모델, 애플리케이션으로 이어지는 ‘5층 케이크’로 설명했다. 이 비유는 AI가 애플리케이션 하나로 완성되는 것이 아니라 아래층의 에너지와 컴퓨팅, 그 위의 토큰 생산, 다시 모델과 서비스로 이어지는 적층 구조라는 뜻이다. 모델이 나오기 훨씬 전에 인프라가 있어야 하며, 인터넷에 네트워킹이, 전기에 전력망이 필요했던 것과 같다는 비유도 같은 맥락이다.

이는 AI 서비스를 쓰는 것이 아니라 AI를 생산하는 경제에 들어가려면 컴퓨팅 인프라를 직접 갖춰야 한다는 주장으로 이어진다. 유럽 기업들이 NVIDIA와 협력한다는 목록은 인프라 수요가 특정 실험실이 아니라 소비재, 금융, 통신, 제조, 유통으로 번졌다는 신호로 읽힌다. 각 산업은 서로 다른 데이터와 업무 규칙을 갖고 있으므로 AI 공장의 수요도 산업별 데이터와 현장 지식을 반영하는 방향으로 갈 수밖에 없다.

원문에 직접 언급은 없지만, 유럽 입장에서는 미국 클라우드에 의존하는 소비형 AI에서 벗어나 자체 데이터와 산업 지식을 모델에 반영하려는 이해관계가 커진 것으로 해석할 수 있다. 동시에 에이전트가 파일·네트워크·도구에 접근하는 만큼 보안과 권한 통제가 도입의 전제조건으로 부상한다. 인프라를 직접 갖추려는 요구와 실행 권한을 통제하려는 요구가 함께 커지는 셈이다.

황의 발언은 유럽이 AI 인프라와 모델을 자체적으로 운영하는 ‘생산자’가 되어야 한다는 메시지로 압축된다. 이 과정에서 엔비디아는 하드웨어뿐 아니라 시스템 소프트웨어, 모델, 보안 계층까지 공급하려 한다. 유럽 기업에는 AI 도입 속도와 데이터 주권을 함께 얻을 기회가 되지만, 특정 공급자 의존성이 커지는 문제도 남는다. 인프라를 직접 갖추는 일과 공급망 선택을 분리해 생각하기 어렵다는 점이 이 구상의 양면이다.

베라 루빈과 DSX POD의 변화

엔비디아는 하드웨어, 시스템 소프트웨어, CUDA-X 라이브러리, 모델을 아우르는 풀스택 AI 공장을 플랫폼으로 제시했다. 풀스택이라는 표현은 칩만 공급하는 방식이 아니라 AI 공장을 구성하는 여러 계층을 함께 묶어 제공한다는 뜻으로 풀이된다. 황은 베라 루빈이 풀 생산에 들어갔으며, 모델과 대규모 언어모델을 넘어 AI 에이전트 전체를 처리하는 방향으로 플랫폼을 확장한다고 말했다. 여러 랙 스케일 하드웨어도 함께 공개됐다.

새로 나온 NVIDIA DSX POD는 파트너가 모듈형 컨테이너 안에 완전한 베라 루빈 AI 공장을 구축해 통합·검증한 뒤 배송하는 참조 설계다. 이는 데이터센터의 핵심 구성요소를 현장에서 처음부터 조립하는 대신, 공장에서 검증된 단위로 만들어 현장에 옮긴다는 발상이다. 원문에 따르면 현장 유틸리티가 준비되면 온사이트 배포 기간이 6개월에서 14일로 줄어들 수 있다. 이 수치는 준비 조건이 갖춰졌을 때 기대할 수 있는 단축 효과라는 점을 원문은 전제한다.

DSX AI Factory Platform은 냉각수 사용을 최대 100% 줄이고 같은 AI 출력을 최대 30% 적은 전력으로 내는 것을 목표로 한다. 냉각과 전력은 AI 공장의 운영비와 입지 조건을 좌우하는 핵심 요소이므로, 이 목표는 단순한 하드웨어 성능보다 배치 가능성과 운영 효율에 초점을 맞춘 것으로 읽힌다. 다만 이 역시 플랫폼 차원의 목표로 제시된 값이며, 실제 결과는 현장 조건과 운영 방식에 따라 달라질 수 있다.

이 변화의 핵심은 데이터센터를 건설 현장에서 조립하는 방식에서, 공장에서 검증된 모듈을 현장에 설치하는 방식으로 옮기는 데 있다. 원문에서 황은 이를 세계 공급망의 완전한 전환이라고 표현했다. 배포 기간 단축과 냉각·전력 목표가 함께 제시된 것은 AI 공장 경쟁이 칩 성능만이 아니라 설치 속도와 운영 효율로 옮겨가고 있음을 보여준다. 다만 실제 단축 효과는 부지 전력·냉각 등 현장 유틸리티 조건에 달려 있다고 원문은 전제한다.

AI 에이전트 보안과 오픈셸

엔비디아는 에이전트를 모델, 작업과 메모리를 조율하는 하네스, 하네스를 격리하는 샌드박스, 지식, 도구의 다섯 요소로 설명했다. 이 구성은 에이전트가 단순히 답변을 생성하는 모델이 아니라 여러 구성요소를 연결해 실제 작업을 수행하는 실행 단위라는 점을 강조한다. 에이전트가 파일과 리소스, 네트워크, 도구에 접근할 수 있는 만큼 권한은 최소화하고 모니터링해야 한다는 것이다. 접근 범위가 넓어질수록 편의성은 커지지만 통제 없는 실행이 기업 환경에서 위험해질 수 있기 때문이다.

황은 에이전트가 실행될 때마다 권한이 달라지므로 권한·정책 집행·모니터링이 동적으로 적응해야 한다고 말했다. 이는 한 번 정한 권한을 고정해 두는 방식으로는 에이전트의 작업 흐름을 따라가기 어렵다는 문제의식으로 읽힌다. 작업마다 필요한 도구와 데이터가 달라지고, 같은 에이전트라도 어떤 맥락에서 실행되느냐에 따라 허용 범위가 달라질 수 있기 때문이다. 따라서 보안은 모델의 답변 내용을 사후에 검사하는 것만으로는 충분하지 않고 실행 순간의 권한과 정책을 함께 다뤄야 한다.

이에 대응해 공개된 것이 NVIDIA OpenShell 참조 아키텍처다. OpenShell은 오픈소스 정책 제어 런타임으로, 커널 수준 샌드박싱을 통해 에이전트와 그 영향을 받는 시스템 사이에 놓인다. 즉 에이전트가 무엇을 할 수 있는지를 모델 프롬프트가 아니라 실행 계층에서 통제하려는 설계다. 프롬프트는 행동을 유도할 수 있지만 실제 파일 접근이나 네트워크 호출을 강제로 제한하는 장치로 보기는 어렵다.

원문에 직접 언급은 없지만, 이는 기업이 에이전트를 업무에 투입할 때 가장 먼저 부딪히는 권한 관리 문제를 제품화한 것으로 볼 수 있다. 에이전트가 사내 문서와 데이터베이스, 업무 도구를 쓰는 순간 보안팀은 모델 성능보다 접근 범위와 감사 가능성을 먼저 따지게 된다. OpenShell이 실제 배포에서 얼마나 세밀한 정책을 지원하는지는 아직 원문만으로 확인되지 않는다. 따라서 이번 공개는 안전한 에이전트 실행을 위한 청사진으로 읽되 실제 정책 세밀도와 독립 검증은 별도로 확인해야 한다.

오픈 모델과 기업 지식 연결

엔비디아는 산업별 오픈 모델을 출발점으로 제시했다. 언어에는 Nemotron, 월드 파운데이션 모델에는 Cosmos, 휴머노이드 로보틱스에는 GR00T, 자율주행에는 Alpamayo, 양자-고전 컴퓨팅에는 Ising, 물리 AI에는 Earth-2가 언급됐다. 회사는 모델과 데이터, 재현용 스크립트를 제공하고 기업이 자체 데이터로 포스트트레이닝해 특정 용도에 맞출 수 있다고 설명했다. 황은 이렇게 기업의 독점 데이터를 자사 용도에 맞게 학습시키는 것을 ‘소버린 인텔리전스’라고 불렀다.

이어 Agent Knowledge Foundation을 통해 비정형 문서와 구조화된 데이터베이스를 에이전트에 연결하는 모델·라이브러리를 내놓았다. 문서 파싱, 질의 임베딩, 재순위화를 위한 Nemotron 도구와 구조화 데이터 예측을 위한 Kumo 모델이 언급됐다. CUDA-X는 과학, 공학, 연구, 창작 작업에 쓰이는 가속 라이브러리 묶음으로 소개됐다. 엔비디아는 1100만 명 이상의 개발자가 플랫폼 위에서 개발한다고 밝혔다.

원문에서 황은 CUDA-X가 에이전트에게 ‘업무 도구’를 주는 것이라고 표현했다. 실사용 예시도 제시됐다. Lila Sciences는 자동화 실험실에서 가상 실험으로 B세포 림프종 치료제 설계를 돕고, 지멘스 에를랑겐 공장은 디지털 트윈에서 생산 계획을 시험하며, 다쏘시스템은 시뮬레이션으로 차량 설계 문제를 찾아 개선한다. 황은 이 지식과 도구가 기업의 전문성에 속한다고 강조했다.

통신 분야에서는 AI가 스펙트럼 효율을 높이고 기지국을 분산 AI 인프라로 바꾼다고 설명했다. 원문은 10만 개 사이트와 약 100기가와트 규모의 분산 데이터센터를 언급하며, 엔비디아가 노키아와 T-Mobile 네트워크에서 첫 상용 통화를 했다고 밝혔다. 의료·생명과학 분야에서도 NVIDIA 기술을 활용해 신약 발견과 환자 치료를 확대하려는 움직임이 소개됐다. 이 사례들은 오픈 모델과 지식 계층이 산업별 업무 도구로 연결되는 방식을 보여준다.

한계와 다음 분기 체크포인트

원문은 GTC 베를린 2026 기조연설의 라이브 업데이트 성격이 강해 가격, 일반 제공 시점, 고객 도입 규모는 확인되지 않는다. 이는 발표의 범위가 제품 청사진과 협력 계획에 집중되어 있음을 뜻하며, 실제 구매나 운영 성과를 판단하기에는 아직 이른 단계임을 보여준다. DSX POD의 14일 배포도 현장 유틸리티가 준비된 뒤의 조건부 수치이며, 냉각수 100% 절감과 전력 30% 절감 역시 플랫폼 차원의 목표로 제시된 값이다. OpenShell의 실제 보안 성능이나 독립적인 검증 결과도 원문에는 없다.

황이 언급한 ‘슈퍼 인텔리전스’는 오픈 모델을 자사 데이터로 포스트트레이닝하는 방식에 대한 그의 표현이지, 특정 모델의 성능 수치나 검증된 결과로 제시된 것은 아니다. 따라서 이 표현을 모델 성능의 객관적 지표로 받아들이기보다는 기업이 자체 데이터로 모델을 특화하는 전략을 강조한 언어로 읽는 편이 정확하다. 이번 발표는 유럽 AI 생태계에 대한 투자와 제품 청사진으로 읽되 실제 성과는 별도 확인이 필요하다. 특히 목표 수치와 조건부 배포 기간은 현장 적용 이후에 검증해야 할 항목으로 남는다.

다음 분기에 지켜볼 신호는 세 가지다. DSX POD가 실제 유럽 부지에 설치된 사례와 배포 기간, OpenShell이 기업 에이전트 배포에 채택되는 정도, Nemotron·Kumo 등 오픈 모델과 지식 계층이 산업 현장에서 어떤 결과를 내는지다. 이 세 가지는 각각 인프라의 실행력, 보안 계층의 수용도, 모델·지식 계층의 현장 효과를 보여준다는 점에서 서로 다른 검증 축을 이룬다. 발표 수치가 아니라 실제 설치와 채택, 운영 결과가 확인되어야 의미가 구체화된다.

통신 분야에서는 T-Mobile과 노키아 네트워크에서의 첫 상용 통화 이후 확장 여부도 확인 지점이다. 첫 상용 통화는 기술적 가능성을 보여주는 사례지만, 상용 확장에는 네트워크 운영과 서비스 적용 범위에 대한 후속 확인이 필요하다. 결국 이번 발표는 유럽이 AI를 소비하는 시장을 넘어 생산하는 경제로 이동하려는 구상을 인프라, 모델, 보안의 세 축으로 제시한 것으로 정리된다. 다만 그 구상이 실제 투자와 운영 성과로 이어지는지는 다음 분기의 설치 사례와 채택 여부를 통해 판단해야 한다.

자주 묻는 질문

관련 기사

• 엔비디아, 앤트로픽 클로드 데이터센터 대출 보증 검토
• 엔비디아 RTX Spark 노트북, AI 에이전트·게임 기능 확대
• 엔비디아 코스모스, 월드모델 학습·평가·배포 도구 확장
• 챗GPT 이후 오픈모델로 유럽 유통 바꾸는 엔비디아

출처

NVIDIA 원문

원문 확인 2026-10-21