황: AGI 달성, 하지만 NVIDIA용 아님

젠슨 황: AGI는 이미 도래했지만 엔비디아에는 미치지 못한다

젠슨 황은 Lex Fridman 팟캐스트(#494)에서 단도직입적으로 밝혔다: AGI가 이미 달성됐다. "지금이라고 생각해. AGI를 달성했다고 봐." 하지만 그는 현재 시스템이 엔비디아 규모의 기업을 운영할 수 없다고 명확히 했다. Lex Fridman은 AGI를 AI가 자율적으로 10억 달러 이상 가치의 회사를 일궈내는 능력으로 정의했다. 황은 이에 동의하면서도 단기적 성공과 지속 가능한 성장의 차이를 강조했다.

예를 들어 Claude 같은 모델은 바이럴 웹 서비스를 만들어 관객을 끌어모으고 빠르게 10억 달러 규모로 수익화할 수 있다. 하지만 공급망, 팀, 불확실성 속 전략의 장기 관리가 없으면 그런 프로젝트는 필연적으로 쇠퇴한다.

발전의 기반이 되는 에이전트 시스템

황은 OpenClaw 같은 에이전트 프레임워크 개발을 강조했다. 현대 에이전트는

• 다단계 작업을 계획;
• 도구를 통합;
• 서브 에이전트를 실행;
• 복잡한 행동 체인을 수행.

핵심 변화는 추론 단계다. 추론 단계가 대부분의 계산 부하를 차지한다: 에이전트가 추론하고 상호작용하며 후속 훈련을 위한 데이터를 생성한다. 이렇게 루프가 완성된다: 추론 → 신규 데이터 → 모델 개선.

황은 10만 개의 조정된 AI 에이전트가 엔비디아 같은 회사를 운영하는 시나리오의 가능성을 0%로 평가했다. 기술적 장벽이 조직적 장벽과 맞물려: 불확실성 속 전략 계획과 관리는 여전히 인간의 영역이다.

산업 내 AGI 재정의

황의 발언은 패러다임 전환을 알린다. 작업 해결 도구로서의 지능은 이미 주류지만 지속 가능한 기업 성장 능력으로는 아직 미달이다. 이는 Andrew Ng(Google Brain)의 전망과 대조적이다: 고전적 AGI까지 수십 년 남았다. AGI 정의에 합의가 없기 때문에 진전에 대한 새로운 관점이 나올 여지가 있다.

황은 강조했다: 엔비디아는 추론 작업 덕분에 AI 붐의 수혜를 입고 있다. 에이전트의 대규모 계산이 GPU 수요의 주동력이다.

핵심 사항

• 황의 정의로 AGI는 단기 비즈니스 프로젝트는 가능하지만 기업 운영은 불가;
• 에이전트 체인으로 인해 추론이 훈련을 압도하는 컴퓨트 비용;
• OpenClaw 같은 프레임워크가 계획과 계층 에이전트를 보여줌;
• 수천 개 에이전트 조정을 통한 복잡 시스템 운영은 현재 수준에서 불가능;
• AGI 정의 합의 부재가 새로운 해석을 촉진.

개발자를 위한 기술적 함의

중고급 전문가에게 이는 추론 최적화에 집중하라는 의미다. 에이전트 시스템은 다음을 요구한다:

• 효율적 도구 활용(API 통합, 외부 서비스);
• 계층적 계획(서브태스크용 서브 에이전트);
• 추론 데이터의 스케일러블 저장(RAG와 파인튜닝용);
• 추론 체인 모니터링(reasoning traces).

구현할 때 견고성을 테스트하라: 단일 에이전트는 프로토타입을 다루지만 100개 이상 스케일링에는 human-in-the-loop이 필수다. 실제 비즈니스 시나리오에서 테스트—from 웹 서비스부터 공급망 시뮬레이션까지.

— Editorial Team