명장 홈🤖 AI명장유튜브 AI 강좌를 함께 정리하고 함께 배우는 명장 플랫폼명장 게시판 홈요청하기
본문 태그 링크 끄기

엔비디아 17분 역사: 그래픽 회사가 AI의 심장이 되기까지

Running On You · 2026-11-08 · 유튜브 시청 11 · 게시판 조회 0 · 외국인

기초AI 윤리·동향

유튜브 썸네일

난이도 기초#NVIDIA#GPU#CUDA#딥러닝#ChatGPT

← 목록

저자: Running On You (외국인) · 원제: The ENTIRE History of NVIDIA in 17 Minutes

난이도 판정: 수식이나 코드 없이 기업의 역사와 사건의 흐름을 중심으로 전개되어 입문자도 따라갈 수 있습니다. 다만 GPU의 병렬 처리, CUDA, 신경망 같은 기술 개념이 등장하므로 기초 지식이 있으면 더 쉽게 이해할 수 있습니다.

요약

엔비디아가 1993년 게임용 3D 그래픽 칩 회사로 출발해 파산 위기를 넘기고, 병렬 연산용 GPU와 CUDA 생태계를 바탕으로 AI 시대의 핵심 기업이 되기까지의 흐름을 정리한 영상입니다. 실패와 위기 속에서 내린 기술적 선택이 어떻게 이어졌는지를 중심으로 살펴봅니다.

⏱ 00:001. 도입: 보이지 않는 AI의 뇌

⏱ 00:00영상은 우리가 보는 것이 깜박이는 커서와 답변뿐이지만, 그 뒤에는 공급망, 액체 냉각 장치, 반도체를 둘러싼 지정학적 경쟁이 있다고 시작합니다. 엔비디아를 단순한 부품 회사가 아니라 21세기 연산 인프라를 쥔 기업으로 규정하며, 시가총액이 3조 달러를 넘어 애플과 마이크로소프트를 제치기도 했다는 점을 짚습니다.

영상 장면 00:00
▶ 00:00 영상에서 보기

또한 한때 자금이 바닥나 사라질 뻔했던 기업이 어떻게 이런 위치에 올랐는지를 질문으로 던지며 이야기를 엽니다. 초기 그래픽 회사들이 대부분 사라진 것과 대비해 엔비디아가 살아남은 이유를 궁금증으로 제시합니다.

⏱ 03:032. 1993년 창업과 식당에서의 베팅

⏱ 03:031993년 전기공학자 젠슨 황이 두 명의 칩 설계자와 캘리포니아 산호세의 한 식당에서 만나 회사를 세운 장면을 다룹니다. 당시 그래픽 연산이 중앙처리장치(CPU)에만 맡겨지던 구조에서, 3D 그래픽에는 수많은 픽셀을 동시에 계산하는 새로운 실리콘이 필요하다고 판단한 것이 출발점이었습니다.

영상 장면 03:03
▶ 03:03 영상에서 보기

회사 이름은 '차세대 버전'을 뜻하는 NV라는 파일명에서 비롯되어 라틴어 단어 NVIDIA로 정해졌다고 소개합니다.

⏱ 04:183. NV1 실패와 파산 직전의 세가 구제

⏱ 04:181995년 출시한 첫 제품 NV1은 3D와 2D 그래픽, 오디오를 한 칩에 담으려 했지만, 독자적인 2차 곡면 텍스처 매핑 방식을 택해 실패했다고 설명합니다. 같은 시기 마이크로소프트의 DirectX가 다각형(폴리곤) 표준을 내놓으면서 개발자들이 이 칩을 외면했습니다.

영상 장면 04:18
▶ 04:18 영상에서 보기

1997년에는 현금이 거의 바닥나 인력의 절반을 해고하고, 파산까지 한 달 남았다는 위기에 몰렸습니다. 이때 일본 게임사 세가가 드림캐스트용 그래픽 칩 개발비로 낸 700만 달러가 회사를 살린 구제금이 되었고, 젠슨 황이 설계 결함을 인정하고 세가에 양해를 구한 일화가 소개됩니다.

⏱ 06:214. GPU라는 용어와 병렬 연산의 발견

⏱ 06:21폴리곤 표준을 받아들인 뒤 1997년 출시한 RIVA 128이 빠르고 저렴하며 안정적이어서 약 4개월 만에 100만 개가 팔렸다고 합니다. 1999년 GeForce 256은 그래픽 처리 장치를 뜻하는 GPU라는 용어를 시장에 알린 제품으로 소개됩니다.

영상 장면 06:21
▶ 06:21 영상에서 보기

CPU가 여러 작업을 순서대로 처리하는 범용 장치라면, GPU는 수천 개의 작은 코어로 많은 수학 연산을 동시에 처리하는 병렬 처리 장치라는 설명이 이어집니다. 이 구조가 게임 렌더링에 최적이었지만, 같은 원리가 다른 계산에도 쓰일 수 있다는 생각으로 이어졌다고 짚습니다.

⏱ 07:285. CUDA 도박과 월가의 반발

⏱ 07:282006년 엔비디아는 PC 게임 시장에서 수익성이 높은 회사였지만, 젠슨 황은 GPU를 그래픽 이외의 용도로 프로그래밍할 수 있게 하는 CUDA 플랫폼을 대규모로 추진했습니다. 물리 연산, 기상 시뮬레이션, 유체역학 등에 일반 개발자가 GPU를 활용할 수 있게 하려는 목표였습니다.

영상 장면 07:28
▶ 07:28 영상에서 보기

그러나 개발에 막대한 비용이 들고 칩 면적을 추가로 써야 해 수익률이 떨어졌습니다. 주주와 애널리스트들은 게이머도 과학자도 원하지 않는 소프트웨어에 돈을 낭비한다고 비판했고, 주가가 크게 떨어지며 여러 해 동안 실적 압박이 이어졌다고 설명합니다.

⏱ 08:486. AlexNet과 AI 연구로의 전환, 그리고 암호화폐 파동

⏱ 08:48연구실에서는 신경망을 학습시키는 데 대량의 병렬 연산이 필요했고, 일반 CPU로는 모델 하나를 학습하는 데 몇 달이 걸리기도 했다고 합니다. 2012년 이미지 인식 대회에서 압도적인 성적을 거둔 AlexNet이 게임용 GTX 580 그래픽카드 두 장으로 학습한 모델이었다는 점이 강조됩니다. 영상은 AI 혁명이 정부 연구소가 아니라 게임용 하드웨어 위에서 태어났다고 정리합니다.

영상 장면 08:48
▶ 08:48 영상에서 보기

이후 젠슨 황은 회사 전체가 딥러닝과 AI에 집중하도록 방향을 바꿨습니다. 그러나 2017년부터 비트코인과 이더리움 채굴 수요로 GPU 가격이 치솟았다가 2018년 거품이 꺼지며 수요가 사라졌고, 주가가 몇 주 만에 절반 넘게 빠졌다는 굴곡도 함께 다룹니다.

⏱ 11:247. ChatGPT 이후의 독점 생태계와 지정학적 리스크

⏱ 11:242022년 ChatGPT 등장으로 AI 수요가 폭발하면서 빅테크 기업들이 최신 칩 확보 경쟁에 나섰고, H100은 공급이 부족해 투자자들이 대출 담보로 거론할 만큼 귀한 제품이 되었다고 설명합니다. 영상은 엔비디아의 진짜 무기가 칩보다 CUDA 소프트웨어 생태계이며, 다른 회사의 칩이 더 저렴해도 CUDA와 호환되지 않으면 쓰기 어렵다는 '락인' 구조를 짚습니다.

영상 장면 11:24
▶ 11:24 영상에서 보기

이어서 미국 정부가 최신 칩의 중국 수출을 제한하자 엔비디아가 규제에 맞춰 성능을 낮춘 제품을 설계한 일을 소개합니다. 칩 생산을 대만 TSMC에 의존하는 공급망 위험, 빅테크의 자체 AI 칩 개발, 독점 규제 논쟁과 엔비디아의 반론, 즉 사용자가 자발적으로 머무는 통합 경험을 제공한다는 주장을 함께 정리하며 마무리합니다.

난이도 기초#NVIDIA#GPU#CUDA#딥러닝#ChatGPT

← 목록으로
공유페이스북밴드

이 글에 대해 요청(숨김) 수정 요청