엔비디아 한국 AI 협력 정리 - 네이버·SKT·현대차가 맡은 세 가지 공장

핵심 메시지

• 샌프란시스코 AI 서밋에서 쏟아진 한국 기업 발표들은 개별 계약이 아니라 하나의 학습 순환 구조로 읽어야 한다.
• 역할이 나뉘어 있다. 네이버는 데이터와 모델, SK텔레콤은 대규모 컴퓨팅, 현대차는 모델이 실제로 작동하는지 검증하는 현실 환경을 맡는다.
• 엔비디아가 네모트론 모델과 합성 데이터, 사후 학습·평가 도구까지 함께 공개하는 이유는 모델 판매가 아니라 기업이 모델을 계속 고치게 만들어 컴퓨팅 수요를 지속시키는 데 있다.
• 글로벌 언어 모델에 조건 없이 '가상의 한국인'을 만들라고 하면 실제 한국 사회와 동떨어진 페르소나가 나온다. 한국어를 잘하는 것과 한국 사회를 아는 것은 다른 문제다.
• 네이버가 하이퍼클로바X를 네모트론 기반으로 전환한 것은 소버린 AI 포기라는 비판을 받지만, 경쟁하는 층을 파운데이션 모델에서 데이터·사후 학습·서비스 운영으로 옮긴 전략 전환으로도 볼 수 있다.

쉽게 이해하기

지난 7월 24일 샌프란시스코에서 엔비디아 젠슨 황과 오픈AI·앤스로픽·브로드컴 경영진, 그리고 삼성전자 이재용 회장, SK 최태원 회장, 현대차그룹 정의선 회장, 네이버 이해진 의장이 한자리에 모였다. 발표가 워낙 많아 하나씩 따라가다 보면 큰 그림을 놓치기 쉬운데, 기업별 역할로 정리하면 구조가 선명해진다.

기존 AI 개발은 거대한 모델을 한 번 학습해 배포하는 방식에 가까웠다. 엔비디아가 그리는 다음 단계에서는 학습이 끝나지 않는다. 현실에서 모델을 쓰면서 어떤 질문을 잘못 이해했는지, 에이전트가 어느 단계에서 실패했는지, 로봇이 어떤 상황에서 물체를 놓쳤는지를 확인하고, 부족한 상황을 합성 데이터로 만들어 다시 학습시킨 뒤 재배포한다.

이 관점을 보여준 사례가 지난 4월 서울에서 열린 네모트론 개발자 행사에서 공개됐다. 일반적인 글로벌 모델에 별다른 통계 조건 없이 가상의 한국인을 만들라고 했더니 직업이 특정 분야에 과도하게 몰리고 선호 음식으로 샐러드가 지나치게 많이 등장하는 결과가 나왔다. 모델이 아는 한국은 균형 있게 조사된 자료가 아니라 인터넷에 자주 등장하는 문서와 영어로 번역된 콘텐츠에서 추정한 상이기 때문이다.

엔비디아가 내놓은 답이 공공 통계를 바탕으로 한국 사회의 분포를 반영해 합성한 가상 인물 데이터셋이다. 실제 개인정보가 아니라 통계청 국가통계포털 등 공공 통계로 만든 100만 개 규모의 페르소나 레코드로, 연령·성별·학력·직업·거주지뿐 아니라 소득 구간과 주거 형태, 건강과 소비 성향까지 조건으로 쓸 수 있다. 다만 통계 부족으로 일부 변수 사이에는 독립 가정이 적용됐다고 명시돼 있어, 완벽한 복제본이 아니라 모델이 겪어보지 못한 사용자를 넓히는 훈련용 시뮬레이터로 보는 편이 정확하다.

발표들을 이 틀에 얹으면 이렇게 연결된다. 네이버는 검색·지도 데이터로 모델과 에이전트를 만들고 코스모스 기반의 서울 월드 모델도 개발 중이다. SK텔레콤은 최대 2기가와트 규모의 AI 팩토리를 구축해 2027년 첫 가동을 목표로 하며 SK하이닉스가 차세대 메모리를 공동 개발·공급한다. 현대차는 엔비디아와 로봇 레퍼런스 플랫폼을 함께 만들어 대학·스타트업이 개발한 모델을 실제 로봇과 공장으로 옮기기 쉽게 하려 한다.

여기에 삼성전자가 브로드컴과 첨단 메모리부터 2나노 이하 파운드리, 첨단 패키징까지 아우르는 다년간의 전략적 협력을 추진하기로 한 발표가 더해진다. 범용 AI 플랫폼을 확장하는 엔비디아 축과, 빅테크 맞춤형 가속기를 설계하는 브로드컴 축 양쪽 모두에 한국 기업이 걸쳐 있는 구도다.

주요 인사이트

• AI 경쟁의 단위가 '모델 하나'에서 반도체·데이터센터·데이터·서비스·공장과 로봇을 잇는 산업 시스템 전체로 커지고 있다. 단위가 커질수록 한국이 이미 가진 제조·통신·인터넷 서비스의 값어치도 달라진다.
• 합성 데이터의 승부처는 양이 아니라 목적이다. 모델이 법률 문제에서 틀리면 법률 문답을, 도구를 잘못 부르면 올바른 함수 선택 데이터를 만드는 식으로 약점을 겨냥해야 한다.
• 네이버의 진짜 차별화 자산은 한국어 텍스트가 아니라 오랜 기간 축적한 한국의 공간 데이터일 수 있다. 지도는 무엇이 어디 있는지를 보여주지만, 월드 모델은 그 공간에서 다음 순간 무슨 일이 일어날지를 예측하는 방향으로 나아간다.
• AI 팩토리의 경쟁력은 GPU를 몇 장 샀느냐가 아니라 같은 전력 안에서 얼마나 높은 이용률로 돌리고 고객 데이터를 안전하게 격리하면서 작업을 배치하느냐에 달려 있다.
• 현대차의 핵심 자산은 로봇 한 대가 아니라 AI가 실패하고 다시 배울 수 있는 공장과 차량 환경이다. 인터넷 텍스트는 경쟁사도 구하지만 현장의 실패 원인은 현장을 운영하는 기업만 안다.
• 로봇 연구는 팀마다 하드웨어와 센서, 제어 방식이 달라 좋은 모델도 다른 로봇에서 그대로 돌아가지 않는다. 공통 레퍼런스 플랫폼이 필요한 이유다.

자주 묻는 질문

관련 AI 소식