엔비디아(www.nvidia.co.kr)가 다가오는 2025년 AI가가져올혁신적인발전 에 대한 전망을 발표했다. 엔비디아(NVIDIA) AI 전문가들은 AI가 방대한 데이터를 활용해 지능형 매장, 새로운 로봇, 의료, 제조 등 분야에서 획기적인 발전을 이끌 것이라 예측했다.

 

컴퓨터 시대가 도래한 이래로 산업계에는 저장된 데이터가 넘쳐나고 있으며, 대부분의 데이터는 활용되지 못하고 있다.

 

이 데이터의 양은 120ZB(제타바이트)에 달하는 것으로 추정된다. 이는 수조 TB(테라바이트)에 해당하며, 전 세계 모든 해변에 있는 모래알의 120배가 넘는 양이다. 그리고 이제 전 세계 산업계는 거대 언어 모델(large language model, LLM)을 구축하고 맞춤화해 이 방대한 데이터를 활용하고 있다.

 

2025년이 다가오면서 의료, 통신, 엔터테인먼트, 에너지, 로보틱스, 자동차, 소매업과 같은 산업들은 이러한 모델을 사용해 자사의 독점 데이터와 결합하고, 추론할 수 있는 AI를 개발하기 위해 준비하고 있다.

 

엔비디아 전문가들은 매년 전 세계적으로 88조 달러 상당의 상품과 서비스를 제공하는 산업에 주목하고 있다. 이들은 엣지에서 데이터를 활용하고 거의 즉각적인 인사이트를 제공할 수 있는 AI가 가까운 병원, 공장, 고객 서비스 센터, 자동차, 모바일 기기에 도입될 것이라고 예측한다.

 

이에 앞서, AI에 대한 AI의 예측을 들어봤다. “2025년 산업계에서 AI의 주요 트렌드는 무엇일까?"라는 질문에 퍼플렉시티(Perplexity)와 챗GPT 4.0(ChatGPT 4.0) 모두 에이전틱 AI가 엣지 AI, AI 사이버 보안, AI 기반 로봇과 함께 상위권에 위치한다고 응답했다.

 

에이전틱 AI는 거의 자율적으로 작동하는 새로운 범주의 생성형 AI이다. 방대한 데이터 세트에 대한 지속적인 학습과 분석을 기반으로 복잡한 의사 결정을 내리고 행동할 수 있다.. 에이전틱 AI는 적응력이 뛰어나며, 명확한 목표를 가지고 스스로 수정할 수 있고, 다른 AI 에이전트와 채팅하거나 인간에게 도움을 요청할 수 있다.

 

인간과 로봇의 상호 작용: 로봇은 인간의 명령을 이해하고 이에 반응하는 것부터 복잡한 수술을 수행하고 보조하는 것까지 다양한 방식으로 인간 임상의를 지원할 것이다.

디지털 트윈, 시뮬레이션, AI는 가상 환경에서 로봇 시스템을 훈련하고 테스트해 실제 임상시험과 관련된 위험을 줄이는 것을 가능하게 한다. 또한 거의 모든 시나리오에서 로봇이 반응하도록 훈련해 다양한 임상 상황에서 로봇의 적응력과 성능을 향상시킬 수 있다.

복잡한 작업을 수행하기 위해 로봇을 훈련하는 새로운 가상 세계는 자율 수술 로봇을 현실로 만들 것이다. 이러한 수술 로봇은 복잡한 수술 작업을 정밀하게 수행해 환자의 회복 시간을 단축하고 외과의의 정신적 부담을 줄여줄 것이다.

 

디지털 헬스 에이전트: 에이전틱 AI와 다중 에이전트 시스템의 시대가 열리면 인력 부족과 치료 비용 상승이라는 당면 과제를 해결할 수 있다.

디지털 휴먼이 행정 의료 서비스를 맡아 환자를 대신해 메모를 작성하거나, 다음 진료 일정을 잡아주는 등의 역할을 수행할 것이다. 이는 소프트웨어에 의해 제공되는 서비스 시대를 열고 서비스형 소프트웨어(service-as-a-software, SaaS) 산업을 탄생시킬 것이다.

환자 경험은 상시 가동되는 개인 맞춤형 의료 서비스로 혁신될 것이다. 의료진은 사무 업무를 줄이고 환자 이력을 검색, 요약하며 환자를 위한 임상시험과 최첨단 치료법을 추천하는 에이전트와 협업할 수 있다.

 

신약 개발과 설계 AI 팩토리: 챗GPT가 종이와 펜을 들고 시행착오를 거치는 과정 없이 이메일이나 시를 작성할 수 있는 것처럼, 신약 개발에서의 생성형 AI 모델은 과학적 사고와 탐구를 자유롭게 할 수 있다.

테크바이오와 제약바이오 회사들은 시간과 비용이 많이 드는 습식 실험실에서 연구를 진행하기 전에 분자를 생성, 예측, 최적화하는 모델을 결합해 거의 무한대에 가까운 가능성 있는 표적 약물 조합을 탐색하기 시작했다.

신약 개발과 설계 AI 팩토리는 모든 습식 실험실 데이터를 수집하고, AI 모델을 개선하고, 해당 모델을 재배포한다. 이를 통해 이전 실험을 학습함으로써 각 실험을 개선할 수 있다. 이러한 AI 팩토리는 제약 산업을 발견 프로세스에서 설계와 엔지니어링 프로세스로 전환할 것이다.

 

물리적으로 접근하자: 물리적 세계를 인식하고 이해하며 상호 작용할 수 있는 AI 모델을 준비하는 것은 기업들이 해결해야 할 도전 과제 중 하나이다.

LLM은 주로 인간의 피드백을 통한 강화 학습이 필요하지만, 물리 AI(Physical AI)는 물리 법칙을 모방한 '세계 모델(world model)'에서 학습해야 한다. 대규모 물리 기반 시뮬레이션은 물리 AI 모델의 훈련을 가속화하고, 모든 산업 분야의 로봇 시스템에서 지속적인 훈련을 가능하게 한다. 이를 통해 전 세계가 로봇으로 물리 AI의 가치를 실현할 수 있게 해준다.

 

더 저렴해진 가격: 지능 문제 외에도 휴머노이드 로봇의 도입을 늦춘 가장 큰 요인 중 하나는 경제성이다. 하지만 에이전틱 AI가 로봇에 새로운 인텔리전스를 부여함에 따라, 로봇의 도입은 증가하고, 비용은 급격히 낮아질 것이다. 산업용 로봇의 평균 비용은 2025년까지 1만 8백 달러로 떨어질 것으로 예상된다. 이는 2010년 4만 6천 달러에서 2017년 2만 7천 달러로 감소한 것에 비해 큰 폭의 하락이다. 이러한 기기들이 상당히 저렴해짐에 따라, 모바일 기기처럼 산업 전반에 걸쳐 보편화될 것이다.

 

로봇의 재정의: 오늘날 사람들이 로봇이라고 하면 보통 자율 주행 로봇(autonomous mobile robot, AMR), 매니퓰레이터 팔 또는 휴머노이드의 이미지나 콘텐츠를 떠올린다. 하지만 미래의 로봇은 스스로 인지하고, 추론하고, 계획하고, 행동하며, 학습하는 자율적인 시스템이 될 것이다.

곧 우리는 수술실과 데이터 센터부터 창고와 공장에 이르기까지 모든 곳에 로봇이 구현되는 모습을 상상하게 될 것이다. 심지어 교통 관제 시스템이나 도시 전체가 수동으로 작동하는 정적인 시스템에서 물리 AI로 구현되는 자율적인 인터랙티브 시스템으로 변화할 것이다.

 

소형 언어 모델의 부상: 엣지에서 운영되는 로봇의 기능을 개선하기 위해 소형 언어 모델(small language model, sLM)이 부상할 것으로 예상된다. sLM은 에너지 효율이 높고 데이터 센터로 데이터를 전송할 때 발생하는 지연 문제를 방지한다. 엣지 컴퓨팅에서 sLM로의 전환은 자동차, 소매업, 첨단 로보틱스 등 다양한 산업에서 추론을 개선할 것이다.

 

기업 운영을 강화하는 AI 에이전트: AI 기반 에이전트는 금융 서비스 생태계에 깊숙이 통합돼 고객 경험을 개선하고 생산성을 높이며 운영 비용을 절감하는데 기여할 것이다.

AI 에이전트는 각 금융 서비스 회사의 필요에 따라 다양한 형태로 발전할 것이다. 인간과 유사한 3D 아바타는 요청을 받고 고객과 직접 소통할 것이다.. 텍스트 기반 챗봇은 수천 페이지의 데이터와 문서를 몇 초 만에 요약해 모든 비즈니스 기능에 걸쳐 직원에게 정확한 맞춤형 인사이트를 제공할 것이다.

 

기본이 된 AI 팩토리: 업계에서 AI 사용 사례는 폭발적으로 증가하고 있다. 여기에는 자금 세탁 방지와 고객 확인 규정을 위한 신원 확인 개선, 거래 사기에 대한 오탐지 감소, 시장 수익률 개선을 위한 새로운 거래 전략 창출 등이 포함된다. 아울러 AI는 문서 관리를 자동화하고 자금 조달 주기를 단축해 소비자와 기업의 금융 여정을 지원한다.

이러한 기회를 활용하기 위해 금융 기관은 풀스택 가속 컴퓨팅을 사용해 성능과 활용도를 극대화하는 AI 팩토리를 구축한다. 이를 통해 수백 개 이상의 사용 사례를 지원하는 AI 지원 애플리케이션을 구축함으로써 경쟁에서 차별화할 수 있다.

 

AI 지원 데이터 거버넌스: 금융 데이터의 민감한 특성과 엄격한 규제 요건으로 인해, 기업들은 신뢰할 수 있고 합법적인 AI 애플리케이션을 만들기 위해 데이터 사용할 때 거버넌스를 최우선으로 고려한다. 이러한 애플리케이션에는 사기 탐지, 예측과 전망, 실시간 계산, 고객 서비스 등이 포함된다.

기업은 금융 데이터의 구조, 제어, 조정, 처리, 활용을 지원하기 위해 AI 모델을 사용할 것이다. 이를 통해 규정을 준수하고 고객 개인정보를 보호하는 과정을 더 원활하고 노동 집약적으로 만들 것이다. AI는 활용도가 낮은 비축된 비정형 데이터를 이해하고 이를 통해 실행 가능한 인사이트를 도출하는 데 핵심이 될 것이다.

 

즐거움을 선사하는 AI: AI는 TV 프로그램부터 스포츠 생방송까지 모든 화면에서 초개인화된 콘텐츠로 엔터테인먼트의 혁신을 이어갈 것이다. 플랫폼은 생성형 AI와 고급 시각 언어 모델을 사용해 개인의 취향, 관심사, 기분에 맞춘 몰입형 경험을 제공할 것이다. 새로운 프로그램이나 라이브 이벤트의 본질을 포착해 제작된 티저 이미지와 시즐 릴을 상상해 보라. 이는 즉각적인 개인적 유대감을 형성할 것이다.

스포츠 생방송에서 AI는 언어 더빙, 맞춤형 해설, 지역화 등을 제공해 접근성과 문화적 관련성을 향상시킬 것이다. 또한 AI는 실시간으로 시청 속도, 화질, 참여 옵션을 조정해 팬들의 몰입도를 높이며 그들의 시청률을 향상시킬 것이다. 이러한 새로운 상호작용은 스트리밍을 수동적인 경험에서 사람들을 더 가까이 이끌고, 경기와 서로에게 더 몰입할 수 있는 매력적인 여정으로 변화시킬 것이다.

아울러 AI 기반 플랫폼은 개인의 선호에 맞춘 추천, 예고편, 콘텐츠를 제공해 시청자와 의미 있는 관계를 형성할 것이다. AI의 초개인화를 통해 시청자는 숨겨진 보석을 발견하고, 예전에 좋아했던 작품을 다시 보고, 자신이 주목받고 있다고 느끼게 한다. 업계에서 AI는 성장과 혁신을 주도해 새로운 비즈니스 모델을 도입하고, 시청자의 고유한 선호도를 반영하는 글로벌 콘텐츠 전략을 가능하게 한다. 이를 통해 엔터테인먼트를 무한하고 매력적이며 개인화된 경험으로 만든다.

 

AI 연결: 통신 사업자들은 동일한 네트워크를 통해 생성형 AI 애플리케이션과 5G 연결을 제공할 것이다. AI-RAN을 통해 통신 사업자는 기존의 단일 목적 기지국을 비용 센터에서 디바이스에 AI 추론 서비스를 제공하는 수익 창출 자산으로 전환할 것이다. 이와 동시에 최고의 네트워크 성능을 보다 효율적으로 제공할 수 있게 될 것이다.

 

AI 에이전트의 활약: 통신 업계는 주요 비즈니스 기능을 수행하기 위해 에이전틱 AI를 가장 먼저 도입할 분야 중 하나이다. 통신 사업자는 고객에게 비용 절감 요금제를 제안하고, 네트워크 연결 문제를 해결하는 것부터 청구 관련 질문에 답하고 결제를 처리하는 것까지 다양한 업무에 AI 에이전트를 사용할 것이다.

 

더 효율적이고 성능이 뛰어난 네트워크: AI는 무선 네트워크 계층에서도 효율성을 향상하고, 특정 장소에 맞는 학습을 제공하며, 전력 소비를 줄이는 데 사용될 것이다. 운영자는 AI를 지능형 성능 개선 도구로 사용해 네트워크 트래픽을 지속적으로 관찰하고, 혼잡 패턴을 예측하며, 장애가 발생하기 전에 조정해 최적의 네트워크 성능을 구현할 수 있게 될 것이다.

 

소버린 AI에 대한 대응: 각국은 소버린 AI(Sovereign AI) 목표를 달성하기 위해 복잡하고 분산된 기술 네트워크를 관리한 경험이 입증된 통신사에 점점 더 의존하게 될 것이다. 이러한 추세는 유럽과 아시아 전역으로 빠르게 확산될 것으로 예측된다. 스위스, 일본, 인도네시아, 노르웨이의 통신사들은 이미 AI 팩토리를 구축하기 위해 국가 지도자들과 협력하고 있다. AI 팩토리는 독점적인 현지 데이터를 활용해 연구자, 스타트업, 기업, 정부 기관이 AI 애플리케이션과 서비스를 개발하는 데 도움을 줄 수 있다.

 

생성형 AI 성능 극대화: 개발자가 생성형 AI의 발전을 활용함에 따라 자율 주행 자동차(AV)의 성능은 더욱 향상될 것이다. 예를 들어 시각 언어 모델과 같은 파운데이션 모델을 활용하면 인터넷 규모의 지식을 활용할 수 있다. 이는 AV 분야에서 가장 어려운 문제 중 하나인 희귀한 코너 케이스를 효율적이고 안전하게 추론하는 데 도움을 준다.

 

성공을 여는 시뮬레이션: 보다 넓게 보았을 때, 새로운 AI 기반 도구들은 AV 개발 방식에 획기적인 변화를 가져올 것이다. 예를 들어, 생성형 시뮬레이션의 발전은 안전 목적의 차량 스트레스 테스트를 위한 복잡한 시나리오를 대규모로 생성할 수 있게 해준다. 시뮬레이션은 비정상적이거나 위험한 조건을 테스트할 수 있을 뿐만 아니라 엔드투엔드 모델 훈련을 위한 합성 데이터를 생성하는 데도 필수적이다.

 

세 가지 컴퓨터 접근법: AI의 새로운 발전은 AV 개발을 뒷받침하는 세 가지 핵심 컴퓨터에서 AV 소프트웨어 개발을 촉진할 것이다. 이 세 가지는 데이터 센터의 AI 기반 스택을 훈련하는 컴퓨터, 시뮬레이션과 검증을 위한 컴퓨터, 안전 운전을 위한 실시간 센서 데이터를 처리하는 차량 내 컴퓨터이다. 이 시스템들이 함께 작동함으로써 자동차, 트럭, 로봇택시 등의 안전과 성능을 향상시키기 위한 AV 소프트웨어를 지속적으로 개선할 수 있을 것이다.

 

환영받는 스마트 그리드: 전 세계 유틸리티 업체들이 AI를 사용해 대규모 발전소와 변전소, 그리고 이제 가정까지 광범위한 전력망 네트워크를 관리하는 스마트 계량기를 도입하고 있다. 이에 따라 이제 우리는 가정에서 최대 전력 소비량이 가장 높은 때가 언제인지 알 수 있다.

스마트 그리드가 구체화되면서 수백만 가구에 설치하기에는 너무 비싸다고 여겨졌던 스마트 계량기가 소프트웨어, 센서, 가속 컴퓨팅을 결합해 유틸리티 업체에 경고 신호를 보낼 수 있게 됐다. 예를 들어, 뒷마당의 나무가 전선에 닿거나, 옥상 태양광 설비를 통해 저장된 잉여 전력을 매입하기 위해 대규모 리베이트를 제공해야 할 시점을 알려줄 것이다.

 

전력 공급의 최적화: 최적의 전력 스택을 제공하는 것은 에너지 산업에서 항상 중요한 임무였다. 생성형 AI 시대에 접어들면서, 유틸리티 업체들은 환경에 미치는 영향을 줄이는 방식으로 이 문제를 해결할 것이다.

2025년에는 업계가 청정 에너지 경로 중 하나로 원자력을 더 폭넓게 수용하게 될 것으로 예상된다. 천연가스가 석탄과 다른 형태의 에너지를 대체하면서 그 수요도 증가할 것이다. 이렇게 다시 떠오르는 에너지원은 가속 컴퓨팅, 시뮬레이션 기술, AI와 3D 시각화의 사용 증가로 인해 지원받고 있다. 이는 설계, 파이프라인 흐름, 저장을 최적화하는 데 도움을 준다. 에너지 탐사와 생산의 영향을 줄이려는 석유와 가스 회사에서도 같은 일이 일어나고 있다.

 

소프트웨어 정의 소매: 대형 할인점과 식료품점은 각각 엣지에서 컴퓨터 비전과 정교한 AI 알고리즘을 실행하는 소프트웨어 정의 매장이 될 것이다. 이러한 전환은 결제 속도를 높이고, 상품 진열을 최적화하며, 제품 분실이나 도난을 줄일 것이다.

각 매장은 본사의 AI 네트워크에 연결되며, 수집된 데이터를 사용해 끊임없이 학습하는 기계로 발전할 것이다. 자체 데이터를 통해 지속적으로 학습하는 소프트웨어 정의 매장은 쇼핑 경험을 혁신할 것이다.

 

지능형 공급망: 디지털 트윈, 생성형 AI, 머신 러닝, AI 기반 솔버를 사용해 생성된 지능형 공급망은 수십억 달러의 노동 생산성과 운영 효율성을 이끌어낼 것이다. 매장과 유통 센터의 디지털 트윈 시뮬레이션은 레이아웃을 최적화해 매장 내 판매를 늘리고 유통 센터의 처리 속도를 가속화할 것이다.

직원과 함께 일하는 에이전틱 로봇은 트럭에 물건을 싣고 내리며, 선반에 상품을 진열하고, 고객 주문을 포장할 것이다. 또한 AI 기반 경로 최적화 솔버로 라스트 마일(last-mile) 배송이 개선되며 운송비를 줄이면서 고객에게 제품을 더 빨리 전달할 수 있을 것이다.