7개의 칩, 5개의 랙, 1대의 슈퍼컴퓨터. 2026년 3월, 젠슨 황은 '1조 달러의 수주'를 선언하며 AI 컴퓨팅의 새 시대를 열었다. Vera Rubin부터 우주 컴퓨팅까지 — GTC 2026 키노트의 모든 것을 해부한다.
2026년 3월 16일, 산호세 컨벤션센터. 가죽 재킷을 입은 남자가 무대에 올랐다. NVIDIA CEO 젠슨 황. 그는 올해도 역시 숫자로 시작했다.
"지난 몇 년간 컴퓨팅 수요가 100만 배 증가했습니다."
그리고 이 숫자를 던졌다: Blackwell과 Vera Rubin에 대한 누적 구매 주문이 2027년까지 1조 달러에 달할 것이라고. 1년 전 그가 예고한 5,000억 달러의 정확히 두 배다.
이 글은 3시간에 가까운 GTC 2026 키노트에서 쏟아진 발표들을 체계적으로 정리하고, 왜 이런 것들이 나왔는지, 어떤 맥락에서 이해해야 하는지를 풀어본다. 칩부터 로봇, 게임 그래픽부터 우주 컴퓨팅까지 — NVIDIA가 그린 AI의 다음 10년을 해부한다.
GTC 2026의 발표들을 이해하려면, 먼저 NVIDIA가 어떻게 "AI 시대의 인텔"이 되었는지를 알아야 한다.
핵심 전환점은 2006년 CUDA의 출시다. 당시 게임 회사로만 보였던 NVIDIA가 GPU를 과학 계산, 시뮬레이션, 머신러닝에 개방한 것이다. 이 결정이 없었다면 2012년 AlexNet도, 2017년 트랜스포머도, 2022년 ChatGPT도 없었을 것이다.
그리고 2024~2026년, 또 한 번의 전환이 일어났다. AI의 핵심 워크로드가 학습(training)에서 추론(inference)으로 이동한 것이다. 모델을 만드는 것보다 만든 모델을 수십억 명이 동시에 사용하는 것이 더 큰 컴퓨팅 수요가 된 것이다.
젠슨 황은 이렇게 선언했다: "우리는 추론의 왕이다(We're the inference king)."
GTC 2026의 모든 발표는 이 맥락에서 이해해야 한다.
베라 루빈(Vera Rubin, 1928-2016) 은 미국의 천문학자로, 암흑 물질(dark matter) 의 존재를 관측적으로 입증한 인물이다. 은하의 회전 속도가 보이는 물질만으로는 설명 불가능하다는 것을 발견했고, 이는 우주 질량의 85%가 보이지 않는 물질이라는 혁명적 결론으로 이어졌다.
NVIDIA가 차세대 플랫폼에 그의 이름을 붙인 것은 상징적이다 — AI 모델이 학습하는 데이터의 패턴, 보이지 않는 구조를 찾아내는 것과 루빈이 보이지 않는 물질의 존재를 밝혀낸 것이 닮아 있다.
Vera Rubin은 단일 칩이 아니다. 7개의 전문화된 칩이 하나의 시스템으로 작동하는 랙 스케일 아키텍처다.
과거의 GPU는 하나의 칩이었다. 좋은 GPU를 사서 서버에 꽂으면 끝이었다. 하지만 2026년의 AI 워크로드는 단일 칩으로 감당할 수 없다.
GPT-4급 모델을 추론하는 과정을 생각해 보자:
비유: 자동차를 만들 때, 과거에는 엔진(GPU) 하나만 좋으면 됐다. 하지만 현대의 전기차는 배터리, 모터, BMS, 충전 시스템, 자율주행 컴퓨터가 하나의 통합 시스템으로 작동한다. Vera Rubin은 AI의 "전기차 플랫폼"이다.
GTC 2026에서 가장 의외의 발표. NVIDIA가 2025년 12월에 200억 달러에 인수한 Groq의 기술이 벌써 칩으로 나왔다.
Groq의 LPU(Language Processing Unit)는 기존 GPU와 근본적으로 다르다:
| GPU (Rubin) | LPU (Groq 3) | |
|---|---|---|
| 메모리 | 288GB HBM4 (외장) | 128GB SRAM (온칩) |
| 강점 | 학습 + 프리필 | 디코드(토큰 생성) |
| 설계 철학 | 범용 병렬 처리 | 추론 디코드 특화 |
| 핵심 메트릭 | FLOPS | 와트당 토큰 수 |
GPU가 "모든 것을 잘하는 만능 선수"라면, LPU는 "한 가지를 극도로 빠르게 하는 전문가"다. NVIDIA는 이 둘을 같은 랙에 넣어 협업하게 만들었다 — Rubin GPU가 프리필(입력 처리)을 담당하고, Groq 3 LPU가 디코드(출력 생성)를 담당한다.
결과: Blackwell 단독 대비 와트당 토큰 생성 35배 향상. 추론 비용이 사실상 한 자릿수로 떨어진다.
Vera Rubin이 2026년 하반기 출하를 목표로 하는 반면, Blackwell Ultra(GB300)는 지금 바로 쓸 수 있다.
Blackwell Ultra의 핵심 혁신은 NVFP4 정밀도다. FP8 대비 메모리 사용량을 약 1.8배 줄이면서도 FP8에 가까운 정확도를 유지한다. 이것이 왜 중요한가?
AI 모델의 추론 비용에서 가장 큰 부분은 메모리다. 모델의 가중치(weight)를 GPU 메모리에 올려야 하기 때문이다. 정밀도를 FP8 → FP4로 낮추면 같은 메모리에 거의 2배 큰 모델을 올릴 수 있다. 즉, 같은 하드웨어로 더 강력한 모델을 더 싸게 돌릴 수 있다.
GB200 대비 주요 향상:
GTC 2026에서 가장 실생활에 가까운 발표는 데스크톱 AI 슈퍼컴퓨터였다.
1조 파라미터 모델을 책상 위에서 돌린다. 불과 2년 전만 해도 데이터센터 한 랙이 필요했던 작업이다.
첫 수령자 중 한 명은 안드레이 카르파시(Andrej Karpathy) — 전 OpenAI/Tesla AI 디렉터로, 3월 6일에 이미 받았다.
과거 Project DIGITS로 알려졌던 제품의 정식 출시.
200B 파라미터 모델을 로컬에서 실행할 수 있고, 최대 4대까지 클러스터링도 가능하다. Acer, ASUS, Dell, GIGABYTE, HP, Lenovo, MSI에서 판매한다.
클라우드 GPU 비용은 여전히 비싸다. H100 하나를 한 시간 쓰는 데 35달러, 한 달이면 수천 달러다. DGX Spark가 $2,999이라면, 클라우드 비용 23개월치로 영구적으로 소유할 수 있는 AI 인프라를 얻는 셈이다.
이것은 특히 스타트업, 대학 연구실, 개인 개발자에게 의미가 크다. 프라이버시가 중요한 데이터(의료, 법률, 금융)를 클라우드에 올리지 않고도 로컬에서 강력한 AI를 돌릴 수 있다.
GTC 2026에서 젠슨 황이 가장 강조한 메시지 중 하나:
"세계의 모든 기업은 OpenClaw 전략을 가져야 합니다."
AI 에이전트가 코드를 실행하고, 파일을 수정하고, API를 호출하는 시대. 가장 큰 문제는 보안이다. 에이전트가 잘못된 명령을 실행하거나, 민감한 데이터에 접근하면?
NVIDIA의 답:
openshell sandbox create --remote spark --from openclaw
한 줄이면 안전한 에이전트 환경이 만들어진다.
NVIDIA는 더 이상 "칩만 파는 회사"가 아니다. 자체 모델도 만든다.
| 모델 | 용도 |
|---|---|
| Nemotron 3 Ultra | 프론티어급 추론. Blackwell에서 NVFP4로 5배 처리량 |
| Nemotron 3 Omni | 오디오 + 비전 + 언어 멀티모달 |
| Nemotron 3 VoiceChat | 실시간 동시 듣기/응답 (ASR + LLM + TTS 통합) |
도입 기업: CodeRabbit, CrowdStrike, Cursor, Factory, ServiceNow, Perplexity, Automation Anywhere.
NVIDIA는 단일 언어 모델이 아니라, 6개 도메인별 파운데이션 모델 가족을 운영한다:
이것은 NVIDIA의 전략적 전환을 보여준다. "칩을 팔아라" → "플랫폼을 팔아라" → "AI 팩토리 전체를 팔아라." 칩, 네트워크, 소프트웨어, 모델까지 수직 통합하는 것이다.
칩이 하드웨어라면, Dynamo는 그 위에서 돌아가는 운영체제다.
비유: 식당에서 주방장 한 명이 주문 받기, 재료 손질, 요리, 플레이팅을 다 하면 비효율적이다. Dynamo는 주문 접수 팀, 재료 준비 팀, 조리 팀, 서빙 팀으로 분업시키는 주방 관리 시스템이다.
도입 기업: ByteDance, CoreWeave, DigitalOcean, Meituan, Pinterest, SoftBank, Tencent Cloud, Together AI, Vultr 등.
GTC 2026에서 가장 눈으로 보기 인상적인 세션은 로보틱스였다.
RTX 4090 한 대로 2일 만에 학습한 로봇이 디즈니랜드에서 자유롭게 걸어다닌다. 이것이 Physical AI의 현재 수준이다.
NVIDIA, Google DeepMind, 디즈니 리서치가 공동 개발하고 Linux Foundation이 관리하는 오픈소스 물리 엔진.
기존 로봇 시뮬레이션 표준인 MuJoCo 대비 475배 빠르다. NVIDIA Warp + OpenUSD 기반.
산업 로봇 4대 기업인 FANUC, ABB, YASKAWA, KUKA(전 세계 200만 대 이상)가 모두 NVIDIA 플랫폼을 채택했다. 여기에 Boston Dynamics, Figure, Agility, 1X, AGIBOT, Foxconn, Universal Robots까지.
Hugging Face는 Isaac/GR00T를 LeRobot 프레임워크에 통합했다 — NVIDIA 로보틱스 개발자 200만 명과 Hugging Face AI 빌더 1,300만 명이 연결된다.
젠슨 황의 선언:
"Physical AI가 도래했다 — 모든 산업체가 로보틱스 기업이 될 것이다."
NVIDIA와 Uber의 로보택시 파트너십:
추가 AV 파트너: BYD, 현대/기아, 닛산, 지리(Geely), 이스즈, 스텔란티스, 루시드, 메르세데스-벤츠.
NVIDIA가 직접 만든 물리적 AI 안전 인증 시스템. ANSI 인가, ISO/IEC 17020 검사 기관. TUV SUD에서 ASIL D 인증. 창립 멤버: Bosch, Nuro, Wayve.
이것은 NVIDIA가 단순히 칩을 파는 것에서 안전 표준까지 정의하는 단계로 진입했음을 의미한다.
게이머들도 빈손으로 돌아가지 않았다.
젠슨 황은 이를 "그래픽의 GPT 모멘트" 라 불렀다. 기존 DLSS가 해상도 업스케일링에 집중했다면, DLSS 5는 장면 자체를 AI가 이해하고 다시 그리는 수준이다.
다만 커뮤니티 반응은 엇갈렸다 — 라이브스트림에서 82,000건 이상의 부정적 반응이 나왔다. 기술 자체의 인상적임과 별개로, 실제 게임에서의 아티팩트나 지연 우려가 있다.
젠슨 황은 3년치 로드맵까지 공개했다.
Feynman(2028) 이 특히 주목할 만하다:
매년 새 세대 — 이것이 젠슨 황이 말하는 "무어의 법칙은 끝났지만, NVIDIA의 법칙은 시작됐다" 의 의미다.
"우주 컴퓨팅, 마지막 프론티어가 도래했습니다." — 젠슨 황
위성에서 촬영한 이미지를 지구로 전송하고 → 데이터센터에서 분석하고 → 다시 위성으로 결과를 보내는 대신, 위성 자체에서 AI 추론을 실행한다. 실시간 재난 감지, 기상 분석, 농업 모니터링이 가능해진다.
공장, 병원, 철도에서 작동하는 산업용 엣지 AI 컴퓨터.
NVIDIA는 AI 데이터센터 자체를 제품화했다.
| DSX 구성요소 | 역할 |
|---|---|
| DSX Max-Q | 동적 전력 프로비저닝. 고정 전력 데이터센터에 30% 더 많은 인프라 |
| DSX Flex | 그리드 유연 운영. 유휴 전력 100GW 활용 |
| DSX Air | AI 팩토리의 디지털 트윈 시뮬레이션. 짓기 전에 소프트웨어로 테스트 |
| DSX Exchange | 컴퓨트, 네트워크, 에너지, 냉각의 통합 관리 |
AI 팩토리를 건설하기 전에 가상으로 먼저 지어보고, 최적화하고, 그 다음에 물리적으로 짓는다. 이것이 Omniverse DSX Blueprint의 핵심이다.
GTC 2026의 발표들을 개별적으로 보면 "더 빠른 칩, 더 많은 메모리, 더 좋은 로봇"의 나열로 보인다. 하지만 전체를 조망하면 하나의 전략적 비전이 보인다.
NVIDIA는 더 이상 "GPU 제조사"가 아니다. 실리콘부터 AI 모델, 안전 인증, 데이터센터 설계까지 — AI 가치 사슬의 모든 층을 소유하려 한다.
이것은 1990~2000년대의 인텔 전략과 놀랍도록 닮아 있다. 인텔은 CPU만 파는 것이 아니라, 칩셋, 메인보드 설계, 컴파일러(ICC), 수학 라이브러리(MKL), 그리고 "Intel Inside" 마케팅까지 통합했다. NVIDIA는 같은 것을 AI 시대에 하고 있다. 차이가 있다면, NVIDIA의 스택이 훨씬 더 깊고 넓다는 것이다.
NVIDIA의 지배력은 확고하지만, 도전자들도 있다:
| 경쟁자 | 접근법 | 강점 |
|---|---|---|
| AMD (MI400) | GPU + ROCm 소프트웨어 | 가격 경쟁력, 메모리 용량 |
| Google (TPU v6) | 자체 ASIC + JAX 생태계 | 클라우드 통합, 학습 효율 |
| 자체 칩 (AWS Trainium, MS Maia) | 클라우드 종속 ASIC | 자사 서비스 최적화 |
| 스타트업 (Cerebras, SambaNova, Etched) | 특화 아키텍처 | 특정 워크로드 최적화 |
하지만 NVIDIA의 CUDA 생태계 — 수백만 개발자, 수만 개의 라이브러리, 20년의 소프트웨어 축적 — 이 만든 해자(moat)는 여전히 깊다. GTC 2026에서 보여준 것처럼, NVIDIA는 이 해자를 칩에서 전체 플랫폼으로 확장하고 있다.
GTC 2026 키노트에서 젠슨 황이 던진 핵심 메시지를 정리하면:
GTC는 매년 열리지만, 2026년의 GTC는 특별하다. NVIDIA가 더 이상 "더 빠른 칩"을 파는 것이 아니라, "AI 문명의 인프라"를 구축하고 있다는 것을 가장 명확히 보여준 순간이기 때문이다.
2024년에 젠슨 황은 "가속 컴퓨팅의 티핑 포인트"를 말했다. 2025년에는 "에이전트 AI의 시대"를 선언했다. 2026년에 그가 보여준 것은 — 칩부터 우주까지, 게임부터 의료까지, 데스크톱부터 데이터센터까지 — AI가 닿는 모든 곳에 NVIDIA가 있겠다는 야심이다.
다음 GTC에서 젠슨 황은 또 무엇을 들고 나올까. 그의 가죽 재킷 주머니에는 늘 예상 못한 것이 들어 있으니까.
이 글은 2026년 3월 16일 GTC 키노트 및 NVIDIA 공식 뉴스룸, 개발자 블로그, 기술 미디어의 보도를 기반으로 작성되었습니다.