NVIDIA

쉽게 말하면, 엔비디아는 게임용 그래픽 칩 회사로 출발해 지금은 AI 모델을 학습시키고 실행하는 데 쓰이는 GPU를 가장 많이 공급하는 미국 반도체 회사다. 2026년 기준 AI 가속기 시장의 80~90%를 차지한다고 추산된다. 엔비디아의 GPU와 CUDA 소프트웨어는 AI 개발의 기본 환경으로 쓰인다.^[1]

1. 개요

엔비디아(Nvidia Corporation)는 그래픽 처리 장치(GPU)를 설계하는 미국 기술 회사다. 2026년 기준 AI 가속기 시장의 80~90%를 차지하는 것으로 추산되며, AI 하드웨어 분야의 지배적 공급자다.^[1] 2025년 10월 29일 엔비디아는 시가총액 5조 달러를 넘은 역사상 첫 기업이 되었다. 2025년 7월 처음 4조 달러를 넘어선 뒤 4개월이 채 안 되어 이룬 기록이다.^[3][4]

엔비디아는 1993년 4월 5일 젠슨 황, 크리스 말라초스키, 커티스 프리엠이 창업했고 본사는 캘리포니아 주 산타클라라에 있다. 2026년 초 직원은 약 4만 2,000명이다.^[1]

엔비디아는 원래 게임 산업을 위한 그래픽 칩 회사였다. 지금은 게이밍, 전문 시각화, 데이터센터, 자동차 시장을 위해 GPU, 시스템 온 칩(SoC), 관련 소프트웨어를 설계하며, AI 학습과 추론 실행용 하드웨어의 지배적 공급자가 되었다. 이 급성장은 하이퍼스케일 클라우드 사업자, AI 연구소, 대규모 언어 모델(LLM)과 생성형 AI를 도입하는 기업들의 AI 컴퓨팅 인프라 수요에 거의 전적으로 힘입은 것이다.^[1]

회계연도 FY2026(2026년 1월 종료) 매출은 2,159억 달러로 전년보다 65% 늘었다. 이 중 사상 최대인 1,937억 달러가 데이터센터 부문에서 나왔다.^[2] 2026년 5월 엔비디아 주식은 시가총액 5조 5,000억 달러에 처음 도달한 주식이 되었다.^[5][6]

2. 주요 제품

엔비디아의 핵심 제품은 GPU다. GPU는 수천 개의 작은 코어로 많은 데이터에 같은 연산을 동시에 수행하는 프로세서다. 이 대규모 병렬 구조 덕분에 GPU는 딥러닝의 핵심인 행렬 곱셈에서 CPU보다 훨씬 빠르다.^[1]

• 데이터센터 가속기: Hopper H100, Blackwell B200, Rubin 세대 등으로 AI 모델을 학습하고 실행하는 데 쓰인다.
• GeForce 소비자용 GPU: 게이밍에 쓰인다.
• 시스템, 소프트웨어, 네트워킹: 개별 칩을 대규모 AI 인프라로 묶어 주는 제품이다.^[1]

엔비디아는 이 하드웨어 주변에 CUDA 소프트웨어 플랫폼을 구축했다. CUDA는 AI 분야의 기본 프로그래밍 환경이 되었고, 엔비디아의 중요한 경쟁 해자(moat)가 되었다.^[1]

3. AI에서 엔비디아가 중요한 이유

엔비디아가 AI에 중요한 이유는 2012년 이후 거의 모든 프런티어 모델이 엔비디아 GPU로 학습되었고, 대부분의 AI 연구자와 엔지니어가 이미 익숙한 소프트웨어 스택이 CUDA이기 때문이다. 최신 프런티어 모델은 보통 수천 개의 엔비디아 GPU 클러스터에서 몇 주 동안 학습된다. AI 학습 하드웨어에서 사실상 독점에 가까운 지위(추산 점유율 80~90%)가 엔비디아를 세계에서 가장 가치 있는 기업으로 만든 이유다.^[1] 수요는 계속 공급을 앞지르고 있다. 2025년 11월 FY2026 3분기 실적 발표에서 젠슨 황은 블랙웰 판매가 기록적인 수준이고 클라우드 GPU는 모두 팔렸다고 말했다.^[7]

4. 회사 연혁

4.1. 창업

엔비디아는 1993년 4월 5일 젠슨 황, 크리스 말라초스키, 커티스 프리엠 세 공동 창업자가 세웠다. 세 사람은 1992년 말 캘리포니아 이스트 산호세 베리사 로드의 데니스 식당에서 회사 계획을 세운 것으로 널리 알려져 있다. 이후 캘리포니아 프리몬트에 있는 프리엠의 연립주택에서 초기 자본 4만 달러로 일을 시작했다.^[1]

젠슨 황은 대만계 미국인 전기공학자로, 이전에 AMD에서 마이크로프로세서 설계자로, LSI 로직에서 CoreWare 이사로 일했다. 창업 이후 엔비디아의 사장 겸 CEO를 맡아 왔다. 말라초스키는 Sun Microsystems 출신이고, 프리엠은 Sun Microsystems와 IBM에서 일한 경험이 있다. 회사 이름은 질투를 뜻하는 라틴어 ‘invidia’에서 왔다. 창업 후 첫 2년 동안 엔비디아는 멀티미디어 가속기 NV1을 개발했고, 이 칩은 1995년 출시되었다. 상업적으로 성공하지 못했지만 개발에서 얻은 교훈이 회사의 이후 방향을 만들었다.^[1]

4.2. GeForce 시대와 증시 상장

1999년 엔비디아는 GeForce 256을 출시하며 이를 ‘세계 최초의 GPU’로 홍보했다. 그 이전에도 그래픽 가속기는 있었지만, GeForce 256은 변환·조명 계산을 CPU에서 떼어 GPU 자체에서 처리한 최초의 소비자용 칩이었다. 이 제품으로 엔비디아는 소비자용 그래픽 분야의 선두 기업이 되었고, GPU를 하나의 제품 범주로 확립했다.^[1]

2000년대 내내 엔비디아는 라이벌 ATI(이후 AMD에 인수됨)와 함께 게이밍 GPU 시장을 지배했다. 전문 시각화 분야에는 Quadro 제품군으로, 고성능 컴퓨팅 분야에는 Tesla 컴퓨팅 가속기 라인으로 사업을 넓혔다.^[1]

1999년 1월 22일 엔비디아는 나스닥에 NVDA라는 종목 코드로 상장했다. 상장 당시 시가총액은 약 5억 6,300만 달러였다.^[1]

5. GPU 범용 연산의 등장

5.1. 그래픽에서 범용 연산으로

GPU는 원래 게임과 그래픽 응용 프로그램에서 화면 픽셀을 그리는 한 가지 일만을 위해 설계되었다. 그러나 2000년대 초 연구자들은 GPU의 대규모 병렬 구조가 다른 연산 집약적 문제에도 쓰일 수 있음을 알아봤다. GPU는 수천 개의 작은 코어로 많은 데이터에 같은 연산을 동시에 실행할 수 있어 행렬 곱셈, 물리 시뮬레이션, 과학 계산에 적합하다.^[1]

이 방식은 GPU 범용 계산(GPGPU)이라 불렸다. 처음에는 개발자가 계산을 그래픽 렌더링 작업으로 바꿔 GPU를 ‘속여’ 써야 했다. 과정이 번거롭고 오류가 잦아 도입이 제한되었다.^[1]

5.2. CUDA란

CUDA(Compute Unified Device Architecture)는 엔비디아가 2006년 출시한 병렬 컴퓨팅 플랫폼이자 프로그래밍 모델이다. C 언어를 확장한 문법으로 개발자가 엔비디아 GPU에서 범용 프로그램을 작성할 수 있게 한다. CUDA 덕분에 연산을 그래픽 셰이더로 표현할 필요가 없어졌고 GPU의 병렬 처리 능력을 쉽게 쓸 수 있게 되었다. 엔비디아의 AI 경쟁 우위를 떠받치는 기반으로 널리 여겨진다.^[1]

젠슨 황은 GTC 2025에서 2006년 이후 200개 이상 국가의 개발자 600만 명이 CUDA를 써 컴퓨팅을 바꿔 왔다고 말했다.^[8] CUDA 출시는 전환점이었다. 처음으로 과학자, 엔지니어, 연구자가 그래픽 프로그래밍 전문 지식 없이 GPU 가속 코드를 쓸 수 있게 되었다. 엔비디아는 개발자 도구, 문서, 대학 협력 프로그램에 많이 투자해 CUDA 생태계를 키웠다.^[1]

딥러닝에 미친 영향은 2012년 분명해졌다. 알렉스 크리제프스키(Alex Krizhevsky), 일리야 수츠케버(Ilya Sutskever), 제프리 힌턴(Geoffrey Hinton)은 ImageNet 대회에서 큰 차이로 우승한 합성곱 신경망 AlexNet을 학습시켰다. AlexNet은 엔비디아 GeForce GTX 580 GPU 두 대로 학습되었다. 이 결과는 GPU가 신경망 학습에서 CPU보다 극적으로 빠르다는 것을 보였고, 현대 딥러닝 혁명을 촉발했다.^[1]

TensorFlow(2015년)와 PyTorch(2016년) 같은 딥러닝 프레임워크가 등장하면서 엔비디아는 프레임워크 개발자와 긴밀히 협력해 하드웨어 성능을 최적화했다. cuDNN(CUDA Deep Neural Network library)은 신경망 연산을, cuBLAS는 선형대수를 가속하는 라이브러리로, 주요 AI 프레임워크에 깊이 통합되어 경쟁자들이 재현하기 힘든 소프트웨어 해자가 되었다. 2020년까지 CUDA는 거의 모든 본격적인 AI 연구와 실제 운영 워크로드의 기본 컴퓨팅 백엔드가 되었다. 성숙한 라이브러리, 풍부한 문서, 큰 개발자 커뮤니티, 수년간의 최적화가 쌓여 경쟁 플랫폼의 하드웨어가 있어도 다른 플랫폼으로 옮기는 데 상당한 마찰이 따랐다.^[1]

6. AI 하드웨어: GPU 아키텍처 세대

엔비디아는 여러 GPU 아키텍처를 출시했으며, 세대마다 AI 학습과 추론 실행 성능이 크게 향상되었다. 회사는 데이터센터 GPU 아키텍처를 약 2년 주기로 내놓아 왔지만, 2024년에는 GPU와 전체 플랫폼을 포괄해 매년 새 아키텍처를 내놓는 방식으로 바꾸겠다고 발표했다.^[1]

6.1. 초기 세대: Tesla에서 Pascal까지

Tesla 아키텍처는 2007년 출시된 엔비디아 최초의 범용 컴퓨팅 전용 GPU 계열이다. Tesla C870 등은 게임이 아닌 고성능 컴퓨팅(HPC)과 과학 연구용으로 판매되었고, CUDA를 지원하며 배정밀도 부동소수점을 제공해 계산 물리학과 분자 동역학에 적합했다.^[1]

6.2. Volta와 Turing

Volta는 AI의 전환점이 된 아키텍처다. Tesla V100은 행렬 곱셈-누적 연산을 가속하는 전용 하드웨어인 Tensor Core를 처음 도입했다. 이 연산은 딥러닝의 핵심이다. V100은 CUDA 코어 5,120개, Tensor Core 640개, 16 또는 32GB HBM2 메모리, 900GB/s 대역폭, 12nm 공정에서 약 211억 개의 트랜지스터를 갖췄다.^[1]

Tensor Core는 혼합 정밀도 학습을 가능하게 했다. 연산은 FP16(반정밀도)으로 하되 누적은 FP32(단정밀도) 정확도를 유지하는 방식이다. 이로써 FP32만 쓸 때보다 학습 처리량이 대략 두 배가 되었고, 모델 품질에 미치는 영향은 거의 없었다.^[1]

주로 게이밍 아키텍처(GeForce RTX 20 시리즈)인 Turing(2018)은 2세대 Tensor Core와 광선 추적용 RT 코어를 도입했다. 데이터센터용 변형인 T4는 전력 소비가 낮고 INT8을 지원해 추론 워크로드에 널리 쓰였다.^[1]

6.3. Ampere(2020)

Ampere 아키텍처는 A100 가속기에 구현되었다. 3세대 Tensor Core는 TF32(TensorFloat-32), BF16(bfloat16), FP64 Tensor Core 연산 등 추가 데이터 형식을 지원했다. A100은 7nm 공정에서 트랜지스터 540억 개, CUDA 코어 6,912개, Tensor Core 432개, 40 또는 80GB HBM2e 메모리(최대 2TB/s 대역폭)를 갖췄다. 하나의 GPU를 최대 7개의 독립 인스턴스로 나눠 여러 작업을 동시에 돌리는 Multi-Instance GPU(MIG) 기술을 도입했고, 3세대 NVLink는 GPU 간 600GB/s 대역폭을 제공했다.^[1]

6.4. Hopper(2022)

Hopper 아키텍처는 컴퓨터 과학자 그레이스 호퍼(Grace Hopper)의 이름을 따 왔으며 H100 가속기를 만들었다. 4nm 공정에서 트랜지스터 약 800억 개로 만든 H100은 CUDA 코어 16,896개, Tensor Core 528개, 80GB HBM3 메모리를 갖추었고, 대역폭은 3.35TB/s다.^[1]

H100은 트랜스포머 엔진(Transformer Engine)을 도입했다. 레이어 단위로 FP8과 FP16 형식 사이의 혼합 정밀도 연산을 자동으로 관리하는 하드웨어 기능이다. 현대 대규모 언어 모델의 바탕이 되는 트랜스포머 구조를 가속하도록 설계되었다. H100 SXM은 FP32 약 67TFLOPS, FP16 Tensor 최대 1,979TFLOPS 성능을 냈다.^[1]

H100은 2023년과 2024년 AI 업계에서 가장 찾던 칩이 되었다. 대기 기간이 몇 달로 늘어났고, 2차 시장에서는 정가보다 크게 웃돈을 얹어 거래되었다. 이후 엔비디아는 HBM3e 메모리 141GB와 4.8TB/s 대역폭을 갖춘 H200을 내놓았다. 메모리 용량과 대역폭이 늘어나 대규모 모델 추론 실행 성능이 크게 나아졌다.^[1]

6.5. Blackwell(2024~2025)

블랙웰 아키텍처는 수학자 데이비드 블랙웰(David Blackwell)의 이름을 따 왔으며, 또 한 번의 큰 도약이었다. 블랙웰 GPU는 두 개의 GPU 다이를 고대역폭 온칩 링크로 연결해 하나의 통합 GPU로 작동하는 새로운 듀얼 다이 설계를 쓴다.^[1]

B200 가속기는 약 2,080억 개의 트랜지스터(다이당 1,040억 개), CUDA 코어 20,480개, HBM3e 메모리 192GB, 8TB/s 메모리 대역폭을 갖췄다. 추론용 네이티브 FP4(4비트 부동소수점)를 지원하는 5세대 Tensor Core와 2세대 트랜스포머 엔진 지원을 도입했다.^[1]

엔비디아는 HBM3e 메모리 288GB와 향상된 연산 능력을 갖춘 B300(Blackwell Ultra)도 내놓았으며, FP4 Tensor 연산에서 최대 15,000 TFLOPS를 낸다. GB200 NVL72는 블랙웰 GPU 72개와 Grace CPU 36개를 5세대 NVLink로 묶은 랙 규모 시스템이다. FP4 추론 성능 최대 1,440페타플롭스를 내며, 1조 개 매개변수 모델의 학습과 실행을 목표로 한다.^[1]

블랙웰 GPU는 2024년 말부터 양산에 들어가 2025년 내내 빠르게 확대되었고, 주요 클라우드 사업자 모두가 대규모로 배치했다. 2025년 11월 FY2026 3분기 실적 발표에서 젠슨 황은 블랙웰 판매가 기록적이며 클라우드 GPU는 매진되었다고 말했다.^[7] 같은 자리에서 CFO 콜렛 크레스는 블랙웰과 Rubin 매출 약 5,000억 달러에 대한 가시성을 2025년 초부터 2026년 말까지 확보했다고 애널리스트들에게 말했다.^[9] 2026년 3월 GTC 2026에서 젠슨 황은 이 가시성을 더 끌어올려, 2027년까지 블랙웰과 Rubin의 누적 구매 주문이 약 1조 달러에 이를 것으로 내다봤다.^[10]

6.6. Rubin(2026)

엔비디아는 차세대 아키텍처인 Vera Rubin 플랫폼을 2026년 1월 5일 CES에서 공식 출시했다. 2026년 3월 16~19일 산호세 SAP 센터에서 열린 GTC 2026에서는 플랫폼의 칩 7종이 본격 양산 중이라고 밝혔다. 플랫폼은 새 Rubin GPU에 맞춤형 Arm 기반 CPU인 Vera를 짝지운 것이며, 이름은 천문학자 베라 루빈(Vera Rubin)에서 따왔다.^[11][12]

Rubin GPU는 레티클 크기 다이 두 개로 구성된다. CES 2026 출시 때 밝힌 목표치는 NVFP4(FP4) 연산 최대 50 PFLOPS, HBM4 메모리 288GB, 메모리 대역폭 22TB/s다. 엔비디아의 Vera Rubin NVL72 제품 페이지는 2026년 9월 기준 GPU당 대역폭을 19.2TB/s로 기재하고 있다.^[1][13] Vera CPU는 맞춤형 Arm v9급 코어 88개를 담고, 2-way 동시 멀티스레딩으로 176 스레드를 처리한다. 짝이 되는 GPU와는 NVLink-C2C 1.8TB/s로 연결되며, 이는 이전 세대 Grace CPU의 약 두 배 대역폭이다.^[12]

플래그십 랙은 2025년 3월 로드맵에서는 Vera Rubin NVL144(GPU 다이 144개 기준)로, CES 2026에서는 Vera Rubin NVL72(GPU 패키지 72개 기준)로 불렸다. Rubin GPU 72개와 Vera CPU 36개로 구성되며, 엔비디아 사양에 따르면 추론 성능은 최대 3.6 NVFP4 엑사플롭스, 학습 성능은 약 1.26 FP8 엑사플롭스다. 2025년 GTC 로드맵은 이 랙을 여전히 NVL144로 부르며, 블랙웰 울트라 GB300 NVL72 대비 FP4 연산이 약 3.3배(3.6 엑사플롭스 대 약 1.1 엑사플롭스)라고 보았다. 양산은 2026년 하반기를 목표로 하며, Rubin Ultra는 2027년, 후속 아키텍처 Feynman은 2028년 시점으로 예고되었다.^[12][13][14]

2025년 9월 엔비디아는 별도로 Rubin CPX를 발표했다. 백만 토큰 규모의 코딩이나 생성형 영상 같은 대규모 컨텍스트(massive-context) 추론 작업을 위해 설계된 새로운 GPU 계열이다. 단일 다이에 GDDR7 메모리 128GB를 담고, NVFP4 30페타플롭스 성능으로 제시되며, 영상 인코딩과 디코딩 가속 기능을 내장했다. 표준 Rubin GPU와 함께 분리형(disaggregated) 추론 구조에 쓰도록 설계되었고, 2026년 말 출하가 예상된다.^[15]

2026년 6월 1일 타이베이 뮤직센터에서 열린 GTC 타이베이 기조연설에서 젠슨 황은 Vera Rubin이 본격 생산 단계에 들어갔다고 밝혔다. 엔비디아는 생산 출하가 올가을부터 시작될 예정이라고 했으며, 엔비디아에 따르면 수백 개 공급망 파트너가 이 플랫폼을 준비하고 있고 그중 150곳은 대만 기업이다. TSMC, 폭스콘, Quanta Cloud Technology(QCT), 위스트론(Wistron), 에이수스(ASUS)가 포함된다.^[16][17] 엔비디아는 Vera Rubin을 랙 5개로 구성된 POD로 제시했다. 구성은 Vera Rubin NVL72 시스템, Vera CPU 랙, Groq 3 LPX, Vera BlueField-4 STX 스토리지, Spectrum-6 SPX 이더넷이며, NVL72 컴퓨트 트레이에는 케이블이 없다. Vera CPU 관련 동반 발표에서 엔비디아는 Vera 채택을 계획 중인 AI 연구소로 Anthropic, OpenAI, SpaceXAI를 꼽았다.^[16][17][1]

엔비디아는 Rubin 출시와 함께 데이터센터를 ‘AI 팩토리’로 소개했다. GTC 2026 기조연설에서 젠슨 황은 토큰은 새로운 상품(commodity)이라고 선언했다. 현대 AI 데이터센터는 전기를 AI 모델이 생성하는 토큰으로 바꾸는 산업 시스템이라는 것이다.^[1]

7. 데이터센터 GPU 비교

다음 표는 AI 워크로드에 쓰이는 엔비디아 주요 데이터센터 GPU 가속기의 핵심 사양을 요약한 것이다.^[1]

8. 데이터센터 GPU와 소비자용 GPU 비교

엔비디아는 두 가지 제품 라인으로 GPU를 판매한다. 하나는 전문 AI 작업용으로 설계된 데이터센터 가속기(A100, H100, H200, B200)이고, 다른 하나는 주로 게이밍용으로 설계된 GeForce 소비자용 GPU(RTX 4090, RTX 5090)다. 소비자용 GPU도 AI 작업에 쓸 수 있지만 중요한 차이가 있다.^[1]

소비자용 GPU의 가장 큰 병목은 메모리 용량이다. 32GB GDDR7을 쓰는 RTX 5090은 전체 정밀도로 약 150억 개를 넘는 매개변수 모델을 담기 어렵다. 반면 141GB HBM3e를 갖춘 H200은 훨씬 큰 모델을 다룰 수 있다. 소비자용 카드에는 NVLink가 없어 GPU끼리 훨씬 느린 PCIe 버스로 통신해야 하므로 다중 GPU 학습이 훨씬 비효율적이다. 그래도 소비자용 GPU는 작은 작업에서 가격 대비 성능이 좋다. RTX 5090은 RTX 4090보다 딥러닝 성능이 약 30~45% 높고, 예산이 빠듯한 연구팀은 실험과 미세 조정을 위해 소비자용 카드로 다중 GPU 워크스테이션을 짜기도 한다.^[1]

9. DGX 시스템과 AI 슈퍼컴퓨터

엔비디아의 DGX 제품군은 여러 GPU를 최적화된 네트워킹, 스토리지, 소프트웨어와 묶은 턴키 AI 컴퓨팅 시스템이다.^[1]

9.1. DGX-1과 DGX-2(2016~2018)

DGX-1은 2016년 4월 발표되었으며 ‘세계 최초의 딥러닝 슈퍼컴퓨터’로 홍보되었다. NVLink로 연결된 Tesla P100 GPU 8개를 담고, 약 250대의 일반 서버에 맞먹는 연산을 내도록 설계되었다. 젠슨 황은 첫 DGX-1을 OpenAI 연구소에 직접 전달했다. DGX-2는 NVSwitch로 연결된 Tesla V100 GPU 16개로 GPU 수를 두 배로 늘렸고, 단일 시스템에서 2페타플롭스의 딥러닝 성능을 냈다.^[1]

9.2. DGX A100과 DGX H100(2020~2022)

DGX A100에는 A100 GPU 8개, 15TB NVMe 스토리지, 1TB 시스템 RAM, 200Gb/s InfiniBand ConnectX-6 네트워크 인터페이스 8개가 들어갔다. 구조화된 희소성을 쓴 FP16 Tensor Core 연산으로 AI 성능 5페타플롭스를 냈다. DGX H100은 H100 GPU 8개로 FP8 AI 연산 32페타플롭스와 총 640GB HBM3 메모리를 제공하며, 4세대 NVLink로 GPU당 900GB/s로 통신한다.^[1]

9.3. DGX B200·B300과 SuperPOD(2024~2025)

DGX B200은 블랙웰 B200 GPU 8개로 FP8 학습 성능 72페타플롭스, FP4 추론 성능 144페타플롭스를 낸다. 엔비디아는 DGX B200이 대규모 전문가 혼합(MoE) 모델에서 DGX H100보다 학습은 3배, 추론은 15배 빠르다고 주장한다.^[1]

DGX B300은 2025년 출시되었으며 Blackwell Ultra B300 GPU를 기반으로 현 세대의 플래그십이다.^[1]

DGX SuperPOD는 여러 DGX 시스템을 고대역폭 네트워크와 공유 스토리지로 묶은 대규모 클러스터 구성이다. 수십 개에서 수천 개 GPU까지 확장할 수 있으며, 프런티어 AI 모델 학습을 위해 설계되었다. Meta, Microsoft와 여러 국가 연구소가 DGX SuperPOD 구성을 도입했다.^[1]

9.4. Project DIGITS와 DGX Spark(2025)

2025년 1월 CES에서 ‘Project DIGITS’로 발표되었다가 같은 해 3월 GTC에서 DGX Spark로 이름이 바뀐 이 시스템은 새 GB10 Grace Blackwell 슈퍼칩을 기반으로 한 데스크톱 크기 AI 컴퓨터다. 1세대는 128GB 통합 메모리와 약 1,000 sparse FP4 TOPS 연산을 제공했다. ASUS, Dell, HP, Lenovo 등 시스템 빌더를 통해 판매되며, 클라우드 인프라에 배포하기 전에 모델을 로컬에서 시제품화하고 미세 조정하려는 연구자와 개발자를 겨냥한다.^[18] 더 큰 형제 제품인 DGX Station은 Spark와 함께 2025년 GTC에서 공개되었다. Blackwell Ultra 플랫폼을 기반으로 하며, 1인 개발자와 소규모 팀을 위해 워크스테이션 형태로 나왔다.^[1]

10. 소프트웨어 생태계

엔비디아의 경쟁 우위는 하드웨어를 훨씬 넘어선다. 회사는 데이터 준비부터 모델 학습, 실서비스 추론까지 AI 개발 파이프라인 전체를 아우르는 포괄적 소프트웨어 생태계를 구축했다.^[1]

10.1. CUDA와 기반 라이브러리

CUDA는 엔비디아 소프트웨어 스택의 기반 계층이다. 2006년 출시되었으며, 범용 연산에 GPU를 쓰게 하는 병렬 컴퓨팅 플랫폼과 프로그래밍 모델을 제공한다. 컴파일러(nvcc), 런타임 라이브러리, 디버깅 도구, 프로파일링 유틸리티를 포함한다. 2025년 기준 엔비디아는 200여 개 국가의 600만 명이 넘는 개발자가 CUDA를 써 왔고, 플랫폼 위에 900개 이상의 GPU 가속 라이브러리, SDK, 애플리케이션이 있다고 밝혔다.^[8]

cuDNN(CUDA Deep Neural Network library)은 합성곱, 풀링, 정규화, 활성화 함수 같은 일반적인 신경망 연산을 고도로 최적화해 구현한다. PyTorch, TensorFlow, JAX를 비롯한 주요 딥러닝 프레임워크가 GPU 가속 학습과 추론 실행에 cuDNN을 쓴다.^[1]

TensorRT는 고성능 추론 최적화 SDK다. 학습된 신경망 모델에 그래프 최적화, 레이어 융합, 커널 자동 튜닝, FP16·INT8·FP8 정밀도 보정 등을 적용해 추론 처리량을 높이고 지연 시간을 줄인다. 표준 프레임워크에서 같은 모델을 돌리는 것보다 추론을 최대 6배 빠르게 할 수 있다. TensorRT-LLM은 대규모 언어 모델의 최적화와 서빙에 특화된 버전이다.^[1]

RAPIDS는 데이터 과학과 분석을 위한 오픈소스 GPU 가속 라이브러리 모음이다. cuDF(pandas와 비슷한 GPU 데이터프레임 라이브러리), cuML(GPU 가속 머신러닝 알고리즘), cuGraph(그래프 분석)를 포함한다. 데이터 과학자는 코드를 거의 바꾸지 않고 연산을 CPU에서 GPU로 옮겨 기존 작업 흐름을 가속할 수 있다.^[1]

10.2. 추론 서빙과 대규모 모델 도구

Triton 추론 서버는 오픈소스 추론 서빙 플랫폼이다. PyTorch, TensorFlow, ONNX, TensorRT 등 여러 프레임워크의 모델을 지원하며 GPU와 CPU에서 모두 실행할 수 있다. 모델 버전 관리, 동적 배칭, 앙상블 파이프라인을 처리하고 HTTP·gRPC 엔드포인트로 대규모 예측을 제공한다. 실서비스 AI 배포에 널리 채택되었다.^[1]

NVIDIA NeMo는 대규모 언어 모델과 대화형 AI 시스템을 구축, 맞춤화, 배포하는 종단간 프레임워크다. 데이터 큐레이션, 지도 미세 조정, 인간 피드백 강화 학습(RLHF), 모델 정렬 도구를 제공하며, 엔비디아 하드웨어 최적화와 통합되어 대규모 GPU 클러스터에서 분산 학습을 지원한다.^[1]

10.3. NVIDIA AI Enterprise와 NIM 마이크로서비스

NVIDIA AI Enterprise는 CUDA, cuDNN, TensorRT, Triton, NeMo와 사전 구축 도구를 기업용 지원 계약과 함께 묶은 플랫폼이다. 핵심 구성 요소는 NIM(NVIDIA Inference Microservices)으로, GTC 2024에서 소개되어 2025~2026년에 확장되었다. 각 NIM은 모델(LLM, 비전, 음성, 도메인 특화 모델)과 최적화된 추론 엔진, OpenAI 호환 API 엔드포인트를 묶어 CUDA를 지원하는 인프라 어디에서나 컨테이너로 배포된다. NIM은 AI Enterprise 구독의 일부로 GPU당 연 단위로 판매된다.^[1]

2026년 9월 28일 엔비디아는 NVIDIA Open Agent Safety Platform을 출시했다. 이 플랫폼은 AI 에이전트가 CPU에서 실행되는 동안 에이전트의 행동을 추적하고 정책을 강제하는 보안 경계인 오픈소스 OpenShell 런타임과, BlueField-4 DPU에서 동작하는 대역 외 감시 참조 설계인 Sentry를 묶는다. Sentry는 경계 밖으로 나가려는 에이전트를 "밀리초 안에" 격리할 수 있다.^[19] 엔비디아는 100개 이상의 조직이 이 플랫폼의 기술과 함께 작업 중이라고 밝혔다.^[19]

10.4. 기타 소프트웨어 구성 요소

11. AI 학습 파이프라인에서의 엔비디아

최신 대규모 언어 모델을 학습하려면 데이터, 알고리즘, 연산이라는 세 가지 핵심 자원이 필요하다. 엔비디아 GPU는 그중 연산 부분의 중심이다. 학습은 방대한 데이터셋에 대해 순전파(예측 계산)와 역전파(기울기 계산과 가중치 갱신)를 반복하는 과정이며, 이 연산은 행렬 곱셈이 지배적이어서 GPU의 병렬 구조에 효율적으로 맞는다.^[1]

프런티어 모델의 전형적인 대규모 학습은 수천 개 GPU를 병렬로 돌린다. 예를 들어 수천억 개 매개변수 모델은 H100 GPU 8,000~32,000개 클러스터에서 몇 주 동안 계속 돌 수 있다. GPU들은 NVLink와 InfiniBand 네트워킹으로 기울기 갱신값을 주고받는다. 엔비디아의 하드웨어와 소프트웨어는 이 파이프라인의 여러 병목을 함께 해결한다.^[1]

• 연산 처리량: Tensor Core는 학습 시간의 대부분을 차지하는 행렬 연산을 가속한다. FP32 대신 FP16이나 FP8을 쓰는 혼합 정밀도 학습은 처리량을 더 높인다.
• 메모리 용량: 고대역폭 메모리(HBM)은 큰 모델 레이어와 활성화 텐서를 칩 가까이에 두어 GPU 메모리와 시스템 메모리 사이의 느린 데이터 전송을 줄인다.
• 상호 연결 대역폭: NVLink와 NVSwitch는 노드 안 GPU 간 고대역폭·저지연 통신을, InfiniBand는 노드 간 통신을 맡는다.
• 소프트웨어 최적화: cuDNN, NCCL, TensorRT 같은 라이브러리는 새 하드웨어 세대마다 계속 조정되어, 학습 프레임워크가 하드웨어 성능을 최대한 끌어내게 한다.^[1]

12. 네트워킹: Spectrum-X, Quantum-X, BlueField

2020년 Mellanox Technologies 인수 이후 엔비디아는 데이터센터 업계에서 가장 큰 네트워킹 사업 중 하나를 키웠다. 네트워킹 매출은 FY2026 4분기에만 사상 최대인 110억 달러로, 전년 대비 263% 늘었다.^[2]

Spectrum-X는 AI 워크로드에 맞춘 엔비디아 이더넷 플랫폼으로, Spectrum-4(후속 Spectrum-6) ASIC과 BlueField-3 SuperNIC을 결합한다. GTC 2025에서 엔비디아는 광학 엔진을 스위치 패키지에 직접 넣은 실리콘 포토닉스 스위치 Spectrum-X Photonics와 Quantum-X Photonics를 발표했다. 구성은 800Gb/s 이더넷 최대 512포트(총 400Tb/s 처리량)와 800Gb/s InfiniBand 144포트까지 가능하다. 엔비디아는 포토닉스 설계가 동급 플러거블 광모듈 방식보다 레이저를 약 4분의 1만 쓰고 전력 효율은 약 3.5배 좋다고 밝혔다.^[20]

Spectrum-XGS 이더넷은 2025년 도입된 ‘스케일 어크로스(scale-across)’ 기술로, 지리적으로 떨어진 데이터센터를 하나의 기가 규모 AI 슈퍼 팩토리로 묶도록 설계되었다. Meta와 Oracle이 Spectrum-X 이더넷의 초기 고객으로 꼽혔다.^[21] BlueField-3 DPU는 대량 출하가 계속되고 있다. BlueField-4 STX 스토리지 프로세서와 Spectrum-6 SPX 이더넷 스위치는 GTC 2026에서 Vera Rubin 랙 규모 플랫폼의 구성 요소로 발표되었다.^[11]

13. 시장 위치

13.1. AI 칩 시장 점유율

엔비디아는 AI 학습 하드웨어 시장에서 사실상 독점에 가까운 지위를 갖고 있다. 2026년 업계 분석가들은 AI 가속기 시장에서 엔비디아 점유율을 약 80~90%로 추정했고, 나머지는 AMD, Google, Intel, Amazon과 여러 스타트업이 나눠 가진 것으로 보았다. 이 지배력은 다음 요인들이 뒷받침한다.^[1]

• 소프트웨어 생태계 고착: CUDA 생태계는 거의 20년 동안 발전해 왔다. 대부분의 AI 연구자, 프레임워크 개발자, MLOps 엔지니어가 CUDA 기반 도구에 깊이 익숙하다. 다른 하드웨어로 옮기면 코드를 다시 쓰거나 맞추고, 모델 동작을 다시 검증하고, 운영 팀을 재교육해야 한다.
• 성능 선도: 세대마다 이전 세대와 경쟁 제품보다 큰 성능 향상을 보여 왔다. 경쟁사가 사양서상으로 맞먹는 경우는 있었지만, 소프트웨어 최적화에 크게 좌우되는 실제 학습 성능은 꾸준히 엔비디아에 유리했다.
• 공급망과 제조: TSMC의 첨단 생산 능력과 Samsung, SK 하이닉스의 HBM 공급에 우선 접근권을 확보해 최첨단 칩을 대량으로 출하할 수 있다.
• 풀스택 통합: 하드웨어, 상호 연결(NVLink, NVSwitch), 네트워킹(2020년 Mellanox를 69억 달러에 인수), 소프트웨어를 하나의 최적화된 스택으로 제공해 고객의 통합 부담을 줄인다.^[1]

14. 재무 성장

엔비디아의 매출 성장은 AI 컴퓨팅 붐의 규모를 보여 준다. 데이터센터 부문은 FY2022년 전체 매출의 약 40%에서 FY2026년 약 90%로 늘어 회사 사업을 사실상 주도하게 되었다.^[1]

FY2026 4분기에는 네트워킹 하드웨어만 109.8억 달러(전년 대비 263% 증가)를, 컴퓨트 GPU는 513억 달러를 냈다.^[2] FY2026 3분기 실적 발표에서 CFO Colette Kress는 올해 초부터 2026 달력연도 말까지 Blackwell과 Rubin 매출에 약 5,000억 달러의 가시성이 있다고 애널리스트들에게 말해 향후 수요를 구체적으로 제시했다.^[9] 2026년 3월 GTC 2026에서 젠슨 황은 이 주문 규모를 두 배로 늘려, 2027년까지 Blackwell과 Rubin 구매 주문이 합쳐 약 1조 달러에 이를 것으로 예상했다고 말했다.^[10]

2027 회계연도 1분기(2026년 4월 26일 종료)에 엔비디아는 매출 780억 달러(±2%)를 가이던스로 제시했고, 이 전망에는 중국의 데이터센터 컴퓨트 매출이 없다고 가정했음을 명시했다.^[2] 실제 결과는 2026년 5월 20일 발표되었고 가이던스를 크게 웃돌았다. 매출은 사상 최대인 816억 달러로 전분기 대비 20%, 전년 대비 85% 늘었으며, 데이터센터 매출도 사상 최대인 752억 달러로 전년 대비 92% 증가했다.^[22][23] 실적과 함께 엔비디아는 분기 현금 배당을 주당 0.01달러에서 0.25달러로 올리고, 800억 달러 규모의 추가 자사주 매입을 승인했다.^[23] 2027 회계연도 2분기(2026년 7월 종료)에는 매출 910억 달러(±2%), GAAP과 비GAAP 매출총이익률 약 74.9%와 75.0%를 가이던스로 제시했으며, 이 결과는 2026년 8월 26일 발표되었다.^[23][24]

2027 회계연도 2분기(2026년 7월 26일 종료) 매출은 사상 최대인 962억 달러로 전분기 대비 18%, 전년 대비 106% 늘었고 910억 달러 가이던스를 웃돌았다. 데이터센터 매출은 사상 최대인 890억 달러로 전년 대비 117% 늘었으며, CFO 설명은 이를 Blackwell Ultra 확대 덕분으로 돌렸다. 엣지 컴퓨팅 매출은 72억 달러(27% 증가)였다. GAAP과 비GAAP 매출총이익률은 모두 75.0%, GAAP 희석 주당순이익은 2.46달러였다. 분기 중 약 260억 달러를 자사주 매입과 배당으로 주주에게 돌려줬고, 약 990억 달러의 자사주 매입 권한이 남았다.^[24][1] 3분기 가이던스는 매출 1,080억 달러(±2%)이며, 이 역시 중국 데이터센터 컴퓨트 매출을 가정하지 않았다. GAAP과 비GAAP 매출총이익률 가이던스는 74.0%(±50bp)다.^[24] 실적 발표 콜에서 Kress는 2028 회계연도 매출이 전년 대비 약 70% 증가할 것으로 예상한다며 이를 "공급 제약형 전망"이라고 불렀고, 공급이 최소 2028 회계연도 말까지 병목으로 남을 것으로 본다고 말했다. 또 "메모리의 극단적인 가격 여건"을 들어, 매출총이익률이 4분기에 71~72% 범위에서 바닥을 찍은 뒤 2028 회계연도에는 72~73%로 자리 잡을 것이라고 밝혔다.^[25]

엔비디아의 매출총이익률은 반도체 기업으로서 매우 높은 수준을 유지해 왔다. FY2026 비GAAP 매출총이익률은 71.3%로, FY2025 정점인 75.5%에서 내려왔다. Blackwell이 더 복잡한 초기 가동 과정을 거치며 늘어난 데다 1분기 H20 충당금이 영향을 주었다. 비GAAP 매출총이익률은 FY2026 3분기에만 73.6%, 4분기에 75.2%로 회복했고, FY2027 1분기와 2분기에는 75.0%를 유지했다.^{[2][7][26][23][24]}

15. 주가와 시가총액

15.1. 주가와 시가총액 추이

엔비디아 주가는 AI 붐에 힘입어 놀라운 성장을 기록했다. 시가총액은 2023년 5월 1조 달러, 2024년 2월 2조 달러, 2024년 6월 3조 달러, 2025년 7월 4조 달러를 차례로 넘었다. 2025년 10월 29일 종가 기준으로는 5조 달러를 넘은 역사상 첫 기업이 되었다.^[3][4]

2026년 5월 13일 엔비디아는 시가총액 5.5조 달러에 처음 도달한 기업이 되었다. 이후 주가는 조정을 받았고, 2026년 7월까지 시가총액은 약 4.8~5.1조 달러 범위에서 움직였다.^[6][27] 엔비디아는 2025년 6월 Microsoft를 제친 뒤 세계에서 가장 가치 있는 기업의 자리를 이어 왔다. 그러나 2026년 7월 17일 투자자들이 Apple의 AI 전략으로 옮겨 가고 AI 하드웨어 밸류에이션에 의문을 제기하자 Apple이 잠시 엔비디아를 앞질렀다. 이후 며칠간 두 회사가 1위 자리를 번갈아 차지했다.^[28]

1999년 상장 이후 엔비디아의 시가총액은 명목 기준 약 1,000,000% 늘었다. 주식(NVDA)은 2024년 6월 10대 1 액면분할을 했으며, 이는 회사의 여섯 번째 분할이다.^[1]

16. 경쟁

엔비디아는 AI 가속기 시장을 지배하고 있지만, 여러 경쟁자가 그 자리를 넘보고 있다. 주요 도전자는 AMD의 Instinct GPU, 텐서 처리 장치(TPU)를 만드는 Google, Amazon의 Trainium 칩, 그리고 클라우드 사업자들이 내놓는 맞춤형 실리콘이다.^[1]

16.1. AMD

AMD는 엔비디아 GPU 시장에서 가장 직접적인 경쟁자다. 2023년 말 출시된 Instinct MI300X는 HBM3 메모리 192GB와 경쟁력 있는 추론 실행 성능을 갖췄다. MI325X와 MI355X는 2024~2025년에 나왔다. AMD는 CES 2026에서 HBM4 메모리 432GB를 갖추고 엔비디아 Rubin 세대를 겨냥한 MI400 시리즈를 공개했다.^[1]

AMD는 Microsoft, Meta, OpenAI로부터 배포 약속을 받았다. 다만 ROCm 소프트웨어 생태계는 개선되고 있지만 엔비디아 CUDA 스택보다 덜 성숙하다고 평가되며, 많은 AI 워크로드가 아직 AMD 하드웨어에서 효율적으로 돌아가지 않는다.^[1]

16.2. Google TPU

Google은 2015년부터 자체 텐서 처리 장치(TPU)를 개발해 왔다. TPU는 텐서 연산에 특화된 맞춤형 ASIC이다. Google은 내부 AI 워크로드에 TPU를 광범위하게 쓰고, Google Cloud를 통해 외부 고객에게도 제공한다. 2025년 말 출시된 7세대 TPU인 Ironwood는 칩당 4,614 TFLOPS를 내며, 일부 워크로드에서는 Blackwell과 견줄 만하다고 분석가들이 평가했다.^[1]

TPU는 JAX와 TensorFlow 프레임워크와 긴밀히 통합되어 있다. 그러나 Google Cloud에서만 쓸 수 있어, 직접 구매하거나 어떤 클라우드 사업자에서든 빌릴 수 있는 엔비디아 GPU보다 도달 범위가 제한된다.^[1]

16.3. Amazon Trainium과 Intel Gaudi

Amazon Web Services(AWS)는 맞춤형 AI 학습 칩 Trainium 시리즈를 개발했다. 2024년 출시된 Trainium2는 Anthropic이 Claude 모델을 학습하는 데 쓰고 있으며, 배포 규모는 50만 개 이상 칩으로 알려졌다. AWS는 2025년 12월 FP8 연산 2.52페타플롭스와 HBM3e 메모리 144GB를 갖춘 Trainium3를 출시했다. 아마존은 Trainium을 AWS 생태계 안에서 엔비디아 GPU보다 저렴한 대안으로 내세운다.^[1]

Intel은 2019년 Habana Labs 인수로 AI 가속기 시장에 진출했다. Gaudi 라인은 엔비디아 제품의 저비용 대안으로 자리매김했다. 그러나 Intel은 2026년 또는 2027년 차세대 GPU 아키텍처가 출시되면 Gaudi 라인을 단종할 계획을 확인해, 전략 전환을 알렸다.^[1]

16.4. 경쟁 구도 요약

경쟁이 커지고 있지만 엔비디아는 하드웨어 성능, 소프트웨어 성숙도, 생태계 폭을 결합해 지배적 위치를 유지하고 있다. 클라우드 사업자의 맞춤형 ASIC 출하는 2026년 44.6% 성장할 것으로 예상되는 반면 GPU 출하 성장률은 16.1%로 예상되어, 경쟁 구도가 서서히 바뀌고 있다.^[1]

17. 클라우드 사업자와 고객 파트너십

엔비디아 GPU는 주요 클라우드 플랫폼 전부에서 쓸 수 있으며, 회사는 선도적인 사업자 각각과 깊은 파트너십을 맺었다.^[1]

17.1. Amazon Web Services

엔비디아와 AWS는 15년 넘게 이어진 파트너십을 맺고 있다. AWS는 P4d(A100), P5(H100), P6(Blackwell) 인스턴스 등 여러 세대의 엔비디아 GPU 인스턴스를 제공한다. 2025년 엔비디아는 AWS에서 완전 관리형 AI 학습 플랫폼인 DGX Cloud를 출시했다. AWS는 2026년부터 Blackwell과 Rubin 아키텍처를 포함한 엔비디아 GPU를 전 세계 클라우드 리전에 100만 개 이상 배치하겠다고 약속했다.^[1]

17.2. Microsoft Azure와 Google Cloud

Microsoft Azure는 NC, ND, NV 시리즈 가상 머신을 포함해 엔비디아 GPU를 폭넓게 제공한다. Azure는 GB300 NVL72 시스템으로 대규모 클러스터를 구축해 OpenAI가 만든 모델 등 프런티어 AI 모델을 학습해 왔다. RTX PRO 6000 Blackwell GPU도 Azure 워크로드에 써 왔으며, 추가 확장 계획을 발표했다.^[1]

Google은 자체 TPU를 개발하면서도, 엔비디아 하드웨어를 선호하거나 필요로 하는 고객을 위해 Google Cloud에서 A100, H100, Blackwell 기반 엔비디아 GPU 인스턴스를 제공한다. DGX Cloud도 Google Cloud에서 쓸 수 있다.^[1]

17.3. CoreWeave와 하이퍼스케일러 의존

GPU 중심 클라우드 사업자 CoreWeave는 2025년 3월 28일 나스닥에 상장하며 15억 달러를 조달했고, 엔비디아의 가장 전략적으로 얽힌 클라우드 고객으로 떠올랐다. 2026년 1월 엔비디아는 CoreWeave에 주당 87.20달러로 20억 달러를 추가 투자했다. 이는 CoreWeave가 2030년까지 5기가와트 이상의 AI 팩토리 용량을 짓는 계획을 지원하기 위해서다. 2026년 초 엔비디아는 CoreWeave 지분을 약 13% 보유했으며, 상장 당시 지분은 7%였다.^[29] 2025년 가을 체결된 확장 마스터 서비스 계약으로 엔비디아는 2032년까지 미판매 CoreWeave 용량을 최대 63억 달러어치 구매하기로 약정했다.^[1]

이들 파트너십은 서로 의존하는 관계를 보여 준다. 클라우드 사업자는 AI 워크로드를 끌어오려면 엔비디아 GPU가 필요하고, 엔비디아는 하이퍼스케일 데이터센터의 막대한 구매력에서 이익을 얻는다. 하이퍼스케일러는 FY2026 엔비디아 데이터센터 매출의 50%를 조금 넘게 차지했다. Microsoft, Amazon, Meta, Alphabet 4사의 2026 회계연도 AI 관련 자본 지출은 합계 약 7,000억 달러로 공개되었다.^[1]

18. OpenAI와 스타게이트 파트너십

2025년 9월 엔비디아와 OpenAI는 전략적 파트너십을 발표했다. 엔비디아는 OpenAI에 최대 1,000억 달러를 단계적으로 투자할 계획이었고, 투자는 OpenAI의 학습과 추론 실행 워크로드를 위한 엔비디아 AI 시스템 최소 10기가와트 배치와 연계되었다. 첫 1기가와트는 2026년 하반기 Vera Rubin 플랫폼으로 가동될 예정이었다.^[30] 그러나 이 계약은 확정 계약이 되지 못했다. 2025년 12월 엔비디아 CFO Colette Kress는 이 거래가 여전히 의향서 단계라고 밝혔다.^[31] 2026년 초에는 2026년 2월 27일 발표된 OpenAI의 사상 최대 규모 펀딩 라운드에 엔비디아가 300억 달러를 직접 지분 투자하는 방식으로 대체되었다. 이 라운드에는 Amazon 500억 달러, SoftBank 300억 달러 약정도 포함되었다.^[32] 2026년 3월 젠슨 황은 의향서에 담긴 나머지 투자 가능성을 낮춰 말하며, 300억 달러 지분이 "마지막일 수도 있다"고 말했다.^[32]

이 펀딩 라운드는 2026년 3월 31일 1,220억 달러를 모아 8,520억 달러 사후 기업가치로 마감되었다.^[1]

이 파트너십과 별도로 2025년 1월 21일 OpenAI, SoftBank, Oracle, 아부다비 기반 MGX가 발표한 합작 투자 스타게이트 프로젝트(Stargate Project)가 있다. 스타게이트는 4년에 걸쳐 미국에서 AI 인프라에 5,000억 달러를 투입할 계획이며, 출범 시 1,000억 달러가 약정되었다. 대표 사이트인 텍사스 주 애빌린은 2025년 9월 가동을 시작했고, 엔비디아 GPU 랙 위에서 Oracle Cloud Infrastructure를 운영한다. 뉴멕시코, 오하이오 등에도 추가 사이트가 발표되었다.^[33]

19. Anthropic 파트너십

2025년 11월 엔비디아와 Microsoft는 Anthropic에 150억 달러를 공동 투자한다고 발표했다. 엔비디아가 100억 달러, Microsoft가 50억 달러를 내며, 기업가치는 약 3,500억 달러로 평가되었다. 거래의 일환으로 Anthropic은 Microsoft Azure 컴퓨트 용량을 300억 달러어치 구매하고, NVIDIA Grace Blackwell과 Vera Rubin 시스템을 최대 1기가와트 규모로 도입하기로 했다. Anthropic과 엔비디아는 차세대 아키텍처를 함께 설계하면서, Claude 모델은 엔비디아 실리콘에 맞춰 최적화하고 엔비디아의 차세대 하드웨어는 Anthropic 워크로드에 맞춰 조정하기로 했다.^[34]

이 거래로 Claude는 AWS, Azure, Google Cloud 3대 하이퍼스케일 클라우드 모두에서 상용으로 쓸 수 있는 유일한 프런티어 모델이 되었다. 업계에서는 이 거래를 OpenAI 한 고객에 대한 집중 위험을 줄이려는 엔비디아의 헤지로 널리 본다.^[1]

20. AI 컴퓨트 금융 플랫폼

2026년 8월 10일 엔비디아는 Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs, KKR 등 6개 대형 자본 제공자와 제휴해, 5,000억 달러가 넘는 외부 자본을 시간에 걸쳐 동원할 독립 AI 컴퓨트 인프라 금융 플랫폼을 만든다고 발표했다. 합의는 양해각서(MOU)로 서명되었고 최종 계약 체결이 전제다. 엔비디아는 이 플랫폼이 생태계 고객(최전선 AI 연구소, 기업, AI 클라우드)을 위한 대규모 전용 자본 풀을 매력적인 금리로 제공한다고 밝혔다. 엔비디아 하드웨어는 장기간 사용량에 연동된 매출을 내는 자산으로 제시되었다. 젠슨 황은 보도자료에서 엔비디아가 칩을 만드는 일에서 출발했으며 이제 생산적이고 투자 가능한 새로운 인프라인 AI 팩토리를 만드는 데 일조하고 있다고 말했다. 그는 ‘AI에서 컴퓨트는 곧 매출’이라고 덧붙였다.^[1]

젠슨 황은 6개 기관 임원과 함께한 CNBC 인터뷰에서 기술 칩이 투자 가능한 자산 등급이 된 것은 이번이 처음이라고 말했다. 칩은 매출을 내는 자산이며 생산적이고 수명이 길고 대체 가능하며 유연하다고 설명했다. 그는 이 6개 기관에만 접근했고 거절한 곳은 없다고 말했다.^[35][36] Bloomberg는 사정을 아는 인물을 인용해, 이 거래가 컴퓨트를 사모 발행과 특수목적법인(SPE)이 발행하는 채권의 담보로 삼는 구조라고 전했다. 이들 법인은 한 번에 수백억 달러 규모의 부채를 발행해 컴퓨트를 엔비디아 고객에게 임대할 수 있으며, 첫 거래는 몇 달 안에 이뤄질 것으로 예상된다. 6개 파트너 중 유일한 은행인 Goldman Sachs는 공개 채권 거래의 선두 주관사로 나섰다.^[36]

젠슨 황은 X에 글을 올려, 엔비디아가 ‘기회의 최대 25%’까지 금융 지원을 할 수 있다고 밝혔다. 이 역할은 ‘규율 있는 위험 노출을 유지하면서 매우 큰 독립 자본 풀을 여는 것’이라고 설명했다.^[36] BlackRock의 CEO 래리 핑크는 이 프로젝트를 ‘금융 공학의 다음 미래’의 시작이라 부르며, 1970년대 모기지담보부증권의 탄생에 빗대었다.^[35]

이 발표는 이전 고객 투자에 대해 제기된 순환 금융 비판에 대한 답으로 읽히기도 했다. 황은 이 이니셔티브가 그 우려를 해소하도록 설계되었다고 쓰며, 수요는 실재하고 이 자본은 엔비디아의 매출이 아니라고 덧붙였다.^[37]

월가의 평가는 엇갈렸다. Bank of America의 애널리스트 Vivek Arya는 이 구조를 벤더 파이낸싱에서의 전환으로 보았다. 자본 부담이 엔비디아 대차대조표가 아닌 컨소시엄에 놓였다는 점을 짚으며, 엔비디아는 부채가 아니라 자산 품질을 보증한다고 평가했다. Morgan Stanley의 Joseph Moore는 이 플랫폼이 순환성 우려를 완화해야 한다고 보면서도, 생태계가 더 많은 레버리지를 떠안는 것은 엔비디아가 직접 레버리지를 제공하지 않더라도 그 자체로 투자 논쟁이라고 경고했다. Wells Fargo 트레이딩 데스크는 결국 엔비디아도 금융의 일부라고 반박했다. Mizuho 트레이더들은 이 계획이 이 모든 지출 아래 얼마나 많은 최종 수요와 경제적 수익이 있는지에 답하지 못한다고 썼다.^[37] 엔비디아 주가는 8월 10일 Financial Times가 계획을 처음 보도한 뒤 한때 약 3% 떨어졌다. Forbes는 이를 약 1,300억 달러의 시가총액 감소로 추산했다. 다음 날 애널리스트 메모가 돌면서 주가는 약 1% 올랐다.^[37][1]

엔비디아는 2026년 8월 26일 발표한 FY2027 2분기 실적에서 이 제휴를 주요 하이라이트에 넣었고, 여전히 확정 계약에 종속된다고 설명했다.^[24] 같은 날 실적 발표 콜에서 CFO 콜렛 크레스는 이를 최전선 AI 연구소의 맥락에서 설명했다. 그는 이 연구소들이 대차대조표와 신용 프로필이 감당할 수 있는 것보다 빠르게 성장하고 있으며, AI 팩토리 인프라를 독자적으로 확보하는 데 필요한 수십 년짜리 인프라 계약과 투자 등급 금융 역량이 부족하다고 말했다.^[25]

크레스는 엔비디아가 최전선 연구소에 약 500억 달러를 투자했다고 밝혔다. 6개 기업 플랫폼은 5,000억 달러 이상의 외부 자본을 조달해, 연구소가 비교적 매력적인 금리의 장기 기관 자본으로 인프라를 짓게 할 것이라고 말했다. 엔비디아는 한 연구소의 약 2기가와트 컴퓨트에 대해 선별적 신용 보강을 제공한다고 했다. 그는 이를 순환 금융이라 부르는 사람도 있을 것이라면서도 ‘우리는 다르게 본다’고 덧붙였다. 엔비디아가 자사 대차대조표를 쓰는 연구소들은 내년 엔비디아 사업의 약 4분의 1을 차지할 것이고, 출하되는 컴퓨트는 투자 등급 고객이나 그런 고객이 뒷받침하는 고객이 소비한다고 말했다.^[25]

21. 미국 수출 통제와 중국

미국 정부는 첨단 AI 칩의 중국 수출에 일련의 제한을 가해 왔으며, 이는 엔비디아의 주요 시장 가운데 하나인 중국 사업에 큰 영향을 주었다.^[1]

21.1. 수출 제한 연표

FY2027 1분기 가이던스는 중국향 데이터센터 컴퓨트 매출을 0으로 가정했다. 정책 체계의 불확실성을 반영한 것이다.^[2] 수출 통제는 중국 기업들이 국산 대안 개발을 가속하게 만들었다. 여기에는 화웨이 Ascend 910C, Cambricon의 Siyuan 590, MetaX의 C500이 포함된다.^[1]

22. 엔비디아의 AI 연구

엔비디아는 하드웨어와 소프트웨어 플랫폼을 넘어 Nvidia Research를 통해 AI 연구를 활발히 하고, 여러 응용 분야에 AI를 적용하고 있다.^[1]

22.1. Nemotron 언어 모델

엔비디아는 기업용 및 에이전트 AI 응용을 위한 Nemotron 대규모 언어 모델 계열을 개발했다. Nemotron 모델은 허용적인 오픈 라이선스로 공개되며, NeMo를 통해 특정 비즈니스 사례에 맞게 맞춤화하도록 설계되었다. 계열에는 Nemotron 3, CommonCrawl 기반 학습 말뭉치 Nemotron-CC, 효율형 변형 Jet-Nemotron, 음성 인식용 Nemotron Speech, 임베딩과 재순위화 모델을 담은 검색 증강 생성용 Nemotron RAG가 있다.^[1]

Artificial Analysis Open Index는 라이선스 허용성, 데이터 투명성, 기술 문서 공개 수준을 기준으로 Nemotron 계열을 AI 생태계에서 가장 개방적인 모델 공개 중 하나로 평가했다.^[1]

22.2. Cosmos 월드 파운데이션 모델

엔비디아는 2025년 1월 6일 CES에서 자율주행 차량과 로보틱스를 포함한 피지컬 AI를 위한 생성형 월드 파운데이션 모델(WFM) 플랫폼 Cosmos를 공개했다. Cosmos 모델은 텍스트, 이미지, 센서 입력으로부터 물리 법칙을 반영한 영상을 생성한다. 첫 Cosmos Predict 모델 세트는 Hugging Face와 NVIDIA NGC 카탈로그에서 오픈 모델 라이선스로 공개되었고, 초기 채택 기업으로 Agility Robotics, Figure AI, Foretellix, Skild AI, Uber가 있다. 엔비디아는 Blackwell 하드웨어에서 Cosmos 데이터 파이프라인이 2천만 시간의 영상을 약 14일에 처리할 수 있다고 밝혔다. CPU 전용 시스템에서는 3년 넘게 걸리는 작업이다.^[1]

Cosmos 계열은 2025년 3월 GTC에서 Cosmos Transfer와 Cosmos Reason 월드 파운데이션 모델로 확장되었다. 2025년 11월의 주요 릴리스에서는 이 모델군을 합성 데이터 생성과 픽셀 기반 추론 워크플로에 맞게 갱신했다.^[1]

22.3. GR00T 로봇 플랫폼

Isaac GR00T는 AI 기반 휴머노이드 로봇을 위한 엔비디아 플랫폼이다. 2025년 3월 18일 GTC에서 발표된 GR00T N1은 엔비디아가 ‘일반화된 휴머노이드 추론과 기술을 위한 세계 최초의 공개·완전 맞춤형 파운데이션 모델’이라고 소개했다. 이 모델은 이중 시스템 비전-언어-행동(VLA) 구조를 쓴다. 언어-비전 모듈이 환경과 지시를 해석하고, 디퓨전 트랜스포머 모듈이 모터 행동을 생성한다. 초기 액세스 파트너에는 Agility Robotics, Boston Dynamics, Mentee Robotics, NEURA Robotics가 포함되었다.^[1]

이후 2025~2026년에 나온 릴리스는 전신 제어를 가능하게 하는 추론형 VLA GR00T N1.6으로 이어졌다. 엔비디아는 Isaac Sim과 Omniverse에서 생성된 수십만 건의 로봇 궤적을 포함한 대규모 공개 데이터셋도 내놓았다.^[1]

22.4. DRIVE 자율주행과 Omniverse

NVIDIA DRIVE는 자율주행 차량 개발을 위한 엔비디아 플랫폼이다. 차량 내 AI 컴퓨팅을 위한 DRIVE Orin과 DRIVE Thor 시스템온칩, 인지·지도 작성·계획을 위한 소프트웨어 도구를 포함한다. DRIVE AGX Thor 슈퍼칩은 양산 차량에 최대 2,000 FP8 TFLOPS를 제공한다. CES 2026에서 엔비디아는 자율주행 연구용 오픈 추론 VLA 모델 DRIVE Alpamayo-R1(AR1)을 공개했다. 이 모델은 사고의 연쇄 추론과 경로 계획을 결합한다.^[1]

Mercedes-Benz는 신형 CLA 모델이 NVIDIA DRIVE AV 소프트웨어 스택 전체와 Alpamayo 기능을 탑재한 첫 양산 승용차가 될 것이라고 발표했다. 2026년 초 샌프란시스코 시험 주행에서는 시험 탑승의 90%에서 자율 주행을 시연했다고 한다. Hyundai Motor Group은 2025년 11월 차량 플랫폼, 스마트 팩토리, 로보틱스를 포괄하는 별도의 AI 팩토리 제휴를 발표했다. 그 밖의 DRIVE 고객으로 Toyota, BYD, Lucid, 여러 중국 전기차 제조사가 있다.^[1]

Nvidia Omniverse는 3D 가상 세계, 즉 ‘디지털 트윈’을 구축하고 시뮬레이션하는 플랫폼이다. 제조, 건축, 로보틱스, 자율주행 시뮬레이션에 쓰인다. OpenUSD(Universal Scene Description) 프레임워크 위에 만들어져 실시간 협업과 물리 기반 정확도의 시뮬레이션을 지원한다. 2025~2026년 산업 디지털 트윈 사례에는 폭스콘과의 제조 현장 최적화, BMW와의 제휴가 포함된다.^[1]

23. 주요 인수

엔비디아는 AI와 데이터센터 컴퓨팅을 강화하기 위해 여러 차례 인수를 해 왔다.^[1]

Mellanox 인수는 특히 전략적이었다. 엔비디아는 대규모 AI 학습 클러스터에서 GPU를 연결하는 InfiniBand 네트워킹 기술을 확보했다. GPU와 네트워크 패브릭을 함께 소유하면서 분산 학습 워크로드의 데이터 경로 전체를 최적화할 수 있게 되었다.^[1]

Arm 인수 시도는 대부분의 모바일 기기와 점점 많은 데이터센터 서버에 쓰이는 CPU 아키텍처를 엔비디아에 넘겨줄 수 있었다. 그러나 여러 관할권의 규제 당국이 경쟁 우려를 이유로 거래를 막았고, 2022년 2월 공식 종료되었다.^[1]

Run:ai 인수는 2024년 12월 30일 완료되었다. 유럽연합 집행위원회의 무조건 승인을 받았다. 엔비디아는 이후 Run:ai 플랫폼을 오픈소스로 공개하기로 약속했다. 이 플랫폼은 Kubernetes 클러스터 전반의 GPU 자원을 조율하며, 시간이 지나면 엔비디아 외 가속기도 지원할 수 있다.^[1]

엔비디아의 역사상 최대 거래는 2025년 12월 24일 AI 추론 칩 스타트업 Groq의 자산을 약 200억 달러에 매입하기로 한 것이다.^[38] 합병이 아니라 Groq의 언어 처리 장치(LPU) 기술에 대한 비독점 라이선스와 자산 매입을 결합한 형태였다. Google TPU 개발에 참여했던 엔지니어 중 한 명인 Groq 창업자 조나단 로스(Jonathan Ross)와 Groq 사장 수니 마드라(Sunny Madra), 핵심 엔지니어링 팀이 엔비디아에 합류했다.^[38][1]

이 거래의 첫 제품은 GTC 2026에서 공개된 Groq 3 LPU다. SRAM 기반 추론 가속기로, Vera Rubin 플랫폼에 디코드 단계 추론을 위한 전용 코프로세서로 붙는다. Samsung이 4nm 공정으로 제조하며, 2026년 3분기 출하가 예정되어 있다.^[1]

Groq 거래는 곧바로 규제 조사를 받았다. 2026년 3월 20일 미국 상원의원 엘리자베스 워런과 리처드 블루멘털은 젠슨 황에게 서한을 보내, 이 거래가 엔비디아의 약 90% 시장 점유율을 공고히 하면서 통상적 인수에 따르는 Hart-Scott-Rodino 사전 합병 신고와 반독점 심사를 피하려고 설계된 것인지 물었다. 이 거래는 합병이 아니라 비독점 기술 라이선스와 Groq 경영진 채용을 결합한 구조였다.^[1]

엔비디아는 인수와 별도로 컴퓨팅 생태계 전반에 전략적 소수 지분 투자를 해 왔다. 2025년 9월 18일 오랜 라이벌 Intel 보통주에 50억 달러(주당 23.28달러)를 투자한다고 발표했고, 다세대 공동 개발 계약도 맺었다. Intel은 엔비디아 AI 인프라 플랫폼을 위한 맞춤형 x86 CPU와, 개인용 PC를 위해 엔비디아 RTX GPU 칩렛을 통합한 x86 SoC를 만들고, 두 회사의 아키텍처는 NVLink로 연결된다. 이 투자로 엔비디아는 Intel 지분 약 4%를 얻었고, 2026년 초 완료되었다.^[1]

23.1. 허깅페이스 인수(계류 중)

2026년 9월 3일 젠슨 황은 엔비디아 기업 블로그에 본인 명의로 올린 글에서, 오픈소스 모델, 데이터셋, 애플리케이션을 개발·공유·배포하는 플랫폼과 커뮤니티를 운영하는 허깅페이스를 129억 3,030만 달러에 인수하기로 했다고 밝혔다. 보도자료가 아닌 개인 명의 글이었다.^[39] 그는 이 플랫폼을 1,800만 명 이상의 개발자, 연구자, 창작자가 쓰며 300만 개 이상의 모델, 50만 개 데이터셋, 100만 개 애플리케이션이 공유되고 있다고 소개했다. 엔비디아 자신도 이곳에 500개 이상의 모델과 250개 이상의 오픈 데이터셋을 공개했다고 밝혔다. 이 수치들은 회사가 밝힌 것이다.^[39]

같은 날 제출된 엔비디아의 Form 8-K(콜렛 크레스 서명)는 확정 계약이 2026년 9월 2일 체결되었다고 밝혔다. 거래에는 허깅페이스 주주에게 지급되는 약 119억 달러(조정 가능)의 인수 대금과, 엔비디아에 합류하는 허깅페이스 직원을 위한 최대 약 10억 달러 규모의 지분 기반 보유 프로그램이 포함된다. 완료는 2027년 상반기로 예상되며, 필요한 규제 승인 등 통상적 조건이 전제다. 제출 서류에는 계약서가 첨부되지 않았고, 대가가 현금인지 주식인지도, 관련 규제 당국도 명시되지 않았다.^[40]

두 문서는 모두 엔비디아가 플랫폼을 계속 개방하겠다고 약속했다. 8-K는 엔비디아가 허깅페이스의 기존 관행에 맞춰 플랫폼을 개방 상태로 유지하기로 약속했다고 적고, 그 아래 허깅페이스는 모델 제작자, 개발자, 사용자가 원하는 모델과 데이터셋을 계속 업로드·내려받을 수 있게 하며 다른 실리콘 공급업체도 계속 지원한다고 밝혔다. 황의 글은 개발자가 자신의 모델, 프레임워크, 클라우드, 추론 제공자를 고를 수 있으며 허깅페이스에서 구축하거나 배포하는 데 엔비디아 컴퓨트가 필요하지 않다고 덧붙였다.^[40][39] 8-K에는 정부 규제가 엔비디아 사업과 허깅페이스 플랫폼에 부정적 영향을 줄 수 있다는 위험요인도 실렸다. 여기서는 세계에서 가장 인기 있고 성공한 오픈소스 모델 다수가 중국에서 나왔다고 짚었고, 중국 등 특정 지역에서 파생된 모델에 대한 제한이 허깅페이스 플랫폼과 엔비디아 실적에 중대한 영향을 줄 수 있다고 밝혔다.^[40]

CNBC는 이 거래를 엔비디아의 두 번째로 큰 구매로 꼽았다. 1위는 2025년 12월 약 200억 달러에 매입한 Groq 자산 거래이고, 2019년 발표된 약 70억 달러 규모 Mellanox 인수보다 앞선 순위다. Groq 거래는 합병이 아닌 자산 매입과 라이선스였기 때문에, 허깅페이스 거래가 완료되면 기업 전체를 인수하는 엔비디아 역사상 가장 큰 거래가 된다. 허깅페이스의 클레망 델랑그 CEO는 CNBC에 회사가 여름에 황에게 접근했고 몇 주 뒤 지금에 이르렀다고 말했다. 황은 같은 방송에서 오픈 모델은 방어하는 쪽이 공격하는 쪽보다 훨씬 많기 때문에 방어자에게 ‘비대칭적 이점’을 준다고 말했다.^[1]

24. 경영진

24.1. CEO 젠슨 황과 주요 경영진

젠슨 황은 엔비디아의 공동 창업자이자 사장 겸 CEO로, 1993년 창업 이후 회사를 이끌어 왔다. 기술 업계에서 가장 오래 재직한 CEO 중 한 명이다. 오리건주립대학교에서 전기공학 학사, 스탠퍼드대학교에서 석사 학위를 받았다.^[1]

황의 리더십은 장기적 기술 베팅을 강조한다. 2006년 CUDA에 투자한 결정은 딥러닝이 주류가 되기 훨씬 전이었고, 기술 역사에서 가장 선견지명 있는 전략 결정 중 하나로 자주 꼽힌다. 황의 지휘 아래 엔비디아는 게이밍 중심 GPU 회사에서 AI 분야의 지배적 플랫폼 기업으로 바뀌었다. 황의 개인 순자산은 거의 전적으로 엔비디아 지분 약 3.5%에서 나온다. Forbes 실시간 억만장자 목록에서 2026년 5월 중순 1,915억 달러로 기록되었고, 세계 10대 부호 안에 든다.^[1]

CFO 콜렛 크레스는 2013년부터 그 자리에 있다. 수석 기술 임원으로는 GPU 엔지니어링 SVP 조나 앨번(Jonah Alben)이 있고, 전 세계 영업 운영을 맡은 EVP 제이 푸리(Jay Puri)가 시장 진출을 총괄한다. 엔비디아 기업용 컴퓨팅 사업을 이끌고 NVIDIA AI Enterprise 소프트웨어 제품군을 출시한 마누비르 다스(Manuvir Das)는 2025년 4월 인프라 투자사 Stonepeak의 운영 파트너가 되어 회사를 떠났다. Western Digital은 2026년 5월 그를 이사회에 선임했다.^[1]