젠슨 황은 왜 삼겹살집에서 삼겹살을 먹었나

— 엔비디아와 네이버의 기가와트 동맹, 그 이면의 지정학

2026년 6월 5일 저녁, 서울 마포구 홍대의 한 식당에서 삼겹살이 구워지고 있었다.

테이블 한쪽에는 이해진 네이버 글로벌투자책임자(GIO)가 앉아 있었고,

맞은편에는 세계에서 가장 비싼 반도체를 파는 회사의 최고경영자 젠슨 황이 소주잔을 들고 있었다.

식당은 미슐랭 레스토랑도 아니고, 외교부가 세팅한 만찬장도 아니었다. 연기가 피어오르는 구이 집이었다.

사흘 뒤, 젠슨 황은 경기도 성남시 분당구에 위치한 네이버 제2사옥 ‘1784’에 나타났다.

그는 로봇이 건물 내부를 자율주행하는 복도를 걸었고,

안면인식 결제 시스템이 지갑 없이 계산을 처리하는 장면을 목격했으며,

라이브 스트리밍 플랫폼 ‘치지직’의 카메라 앞에서 이해진 GIO와 함께 전 세계 개발자들에게 손을 흔들었다.

이 장면들을 이어붙이면 어색해 보인다.

세계 최대 AI 인프라 기업의 수장이 왜 한국 포털 회사의 사옥을 직접 찾아왔나. 왜 발표 자리가 컨퍼런스홀이 아닌 구이 식당이었나.

답은 표면에 없다. 거래의 크기를 보면 다른 풍경이 보인다.

양사가 합의한 것은 단순한 GPU 공급 계약이 아니다.

2027년 상반기까지 55메가와트(MW)로 시작해, 2028년에 200메가와트, 이후 중장기적으로 1기가와트(GW)에 도달하는 초거대 AI 인프라를 전 세계에 공동 구축하는 계획이다.

1기가와트는 네이버가 보유한 아시아 최대 하이퍼스케일 데이터센터 ‘각 세종’의 최대 설계 용량(270메가와트)의 약 4배다. 그 규모의 데이터센터는 아직 존재하지 않는다.

이 글은 삼겹살 한 접시와 기가와트 계약 사이에 무엇이 있는지를 추적한다.

A close-up shot of a sleek facial recognition payment terminal in a Korean restaurant setting, with soft ambient lighting from kitchen equipment in the background. The terminal screen shows a successful payment confirmation icon. Documentary photography style, shallow depth of field, warm interior tones contrasting with cool blue LED elements on the device. Style: editorial tech photography.

1. 이것은 기계 거래가 아니다 — 데이터센터가 공장이 된 역사

2010년대 초반, 데이터센터는 웹 서버와 이메일 서버가 모여 있는 냉동 창고였다.

사용자가 웹 페이지를 열면 서버가 HTML을 돌려보내는 방식의 수동적 인프라. 전력 소모는 조용했고, 냉각은 에어컨으로 충분했다.

그것이 완전히 달라진 시점은 하나의 숫자로 특정된다. 2022년 11월 30일. ChatGPT 출시일이다.

대규모 언어 모델(LLM)이 실제 사용자 앞에 배포된 이후, 데이터센터의 정체성은 전면 교체되었다.

원시 텍스트 데이터를 원료로 투입하고, 연중무휴로 수천억 개의 부동소수점 연산을 처리하고, 그 결과물로 ‘토큰’이라는 단위의 지능을 쏟아내는 공장.

젠슨 황이** ‘AI 팩토리(AI Factory)‘라고 부른 개념은 그 변화를 한 단어로 압축**한 것이다.

공장이 된 데이터센터에는 공장의 문제가 따라왔다. 가장 잔인한 제약은 전력이다.

기존 서버 1랙이 소비하는 전력은 10킬로와트(kW) 내외였다.

엔비디아의 최신 블랙웰(Blackwell) 가속기 클러스터를 탑재한 1랙은 120킬로와트를 넘긴다.

같은 공간에 10배 이상의 전력이 들어오면 발열량도 10배다. 기존 에어컨 냉각 방식으로는 그 열을 처리할 수 없다. 서버가 녹는다.

엔비디아는 이 문제를 소프트웨어로 풀었다. GPU를 파는 것을 넘어, 전력망 자체를 코드로 오케스트레이션하는 플랫폼을 만든 것이다.

그 플랫폼의 이름이 **DSX(Data Center Systems eXperience)**다.

문제는 DSX가 아무 데이터센터에나 통합될 수 없다는 점이다.

기가와트 규모의 AI 팩토리를 구동하려면 소프트웨어 제어 능력뿐 아니라, 그것을 받아낼 물리 인프라가 선행되어야 한다.

고밀도 열을 처리할 수 있는 냉각 시스템, 전력 변동에 즉각 반응하는 운영 체계, 수십 년 축적된 데이터센터 설계 경험.

네이버는 그것을 가지고 있다. 이것이 젠슨 황이 직접 네이버를 찾은 이유의 절반이다.

2. 삼겹살 자리에서 안면인식 단말기까지 — 신뢰의 물적 기반

젠슨 황이 홍대 식당에서 목격한 장면은 기술 브리핑에서 들을 수 없는 것이었다.

이해진 GIO가 지갑을 꺼내지 않았다.

그는 계산대에 설치된 네이버의 오프라인 결제 단말기 ‘커넥트’에 얼굴을 비췄다. 단말기 내장 카메라가 그의 생체 데이터를 수집하고, 로컬 신경망이 대조 검증을 마치고, 결제가 완료되었다. 전체 과정에 걸린 시간은 1초 남짓이었다.

이 장면이 중요한 이유는 결제 기술 자체에 있지 않다. 중요한 것은 그것이 작동한 장소다.

서울 마포구 홍대 상권의 일반 음식점. 스마트 시티 파일럿 사업이 아니라, 소상공인이 운영하는 실제 매장.

AI가 모니터 안에서 텍스트를 생성하는 것을 넘어, 오프라인 결제 인프라와 완전히 통합된** ‘실용적 AI’의 실체를 젠슨 황은 거기서 직접 보았다.**

그것은 네이버가 주장하는 것과 네이버가 구현한 것 사이의 간격이 없다는 증거였다.

기술 기업에게 그 증거는 어떤 보도자료보다 설득력이 있다.

사흘 뒤 1784 방문에서 두 총수는 라이브 스트리밍 플랫폼 치지직의 버추얼 스튜디오 ‘비전스테이지’에서 함께 생방송에 나섰다.

글로벌 빅테크 최고경영자가 한국 로컬 스트리밍 플랫폼의 방송에 출연한 것은 이례적이다.

경직된 기업 결합 보도의 문법을 벗어난 이 장면은, 양사가 정서적 신뢰를 대중에게도 공표한다는 의미를 담고 있었다.

전략적 기술 동맹은 스프레드시트 위에서 시작되지 않는다.

상대방이 주장하는 것을 실제로 하고 있다는 확신에서 시작된다. 젠슨 황은 그 확신을 삼겹살집에서 먼저 얻었다.

3. 전력을 코드로 쓰는 법 — NVIDIA DSX의 해부

AI 팩토리의 물리적 한계가 전력이라면, 그 한계를 소프트웨어로 밀어붙이는 시스템이 DSX다.

4개 레이어로 구성된 이 플랫폼을 순서대로 해부하면 기가와트 공장의 작동 원리가 보인다.

DSX OS — 공장의 신경계다. 수천 개의 GPU 랙이 동시에 구동되는 멀티테넌트 클라우드 환경에서, 하드웨어 생애주기를 자동 감시하고 장애 발생 시 소프트웨어적으로 즉각 자가 치유(Remediation)를 실행한다. 인간 엔지니어가 새벽 3시에 랙 앞에서 서버를 재시작할 필요가 없다는 뜻이다.

DSX MaxLPS — 전력 예산이 고정되어 있을 때, 그 안에서 GPU 밀도를 최대 40% 높이는 엔진이다. 작동 원리는 이렇다. AI 연산 워크로드는 균일하지 않다. 어떤 GPU는 훈련 연산으로 최대치를 달리고, 옆 랙은 추론 대기 상태다. 사장된 전력(Stranded Power)이 생기는 순간이다. MaxLPS는 이 유휴 전력을 실시간으로 감지하고 회수해, 활성 GPU에 재배분한다. 고정된 메가와트 예산 안에서 더 많은 GPU를 구동하고, 메가와트당 생성 토큰 수를 극대화한다.

DSX Flex — 발전소 전력망의 신호를 데이터센터 연산 스케줄러와 직통 동기화시킨다. 전력 피크 타임이나 재생에너지 공급이 순간 차단될 때, 딥러닝 훈련 대기 큐를 나노초 단위로 자동 조절해 로컬 전력망 과부하를 완화한다. 데이터센터가 전력망의 수동적 소비자에서 능동적 균형 장치로 전환되는 순간이다.

DSX Exchange — IT 세계(소프트웨어 연산 신호)와 OT 세계(냉각 펌프, 공조 밸브, 전력 버스)를 고속 MQTT 프로토콜로 연결하는 허브다. GPU 온도가 임계치를 넘으면 소프트웨어가 냉각 펌프 RPM을 실시간으로 올린다. 물리 인프라가 연산 부하에 반응하는 루프를 만드는 것이다.

네이버클라우드는 이 4개 레이어를 자사 클라우드 전체에 통합하기로 합의했다.

단순한 GPU 구매가 아니라, 인프라 운영 방식 자체를 DSX 아키텍처 위에서 재설계하는 결정이다.

4. 각 세종이 살아있는 이유 — 냉각 공학 30년의 집적

DSX가 전력을 소프트웨어로 제어한다면,

그 전력이 만들어낸 열을 처리하는 것은 네이버의 영역이다. 그것이 네이버가 이 동맹에서 가져오는 두 번째 핵심 자산이다.

2013년, 네이버는 강원도 춘천에 첫 번째 데이터센터 ‘각 춘천’을 완공했다.

이 건물이 만든 특이한 것은 에어컨을 거의 쓰지 않는다는 설계였다.

산 중턱에 위치한 입지를 활용해 외부 냉기를 직접 서버실로 끌어들이는 AMU(공기 관리 장치) 방식을 도입했다.

연중 약 90%의 기간 동안 에어컨 가동 없이 서버를 냉각한다.

전력효율지수(PUE)는 1.09. 전 세계 최상위권이다.

2023년 완공된 ‘각 세종’은 그 기술을 다음 단계로 끌어올렸다.

핵심은 공기 수송 덕트의 제거다.

기존 데이터센터는 대형 덕트를 통해 냉각 공기를 서버실 구석까지 밀어 넣는다. 덕트는 마찰 저항을 만들고, 그 저항을 극복하기 위해 강력한 팬이 돌아가야 하며, 팬은 전력을 소비한다.

각 세종의 NAMU III는 덕트를 없애고 대신** BLDC(브러시리스 직류) 팬을 격자 구조로 촘촘히 배치**했다. 마찰 없이, 낮은 전력으로, 더 많은 공기를 이동시킨다.

문제는 블랙웰과 베라 루빈(Vera Rubin) 세대의 가속기들이 공기 냉각의 물리적 한계를 밀어붙이고 있다는 점이다.

랙당 120킬로와트 이상의 발열을 공기만으로 처리하는 것은 에너지 비용이 폭발적으로 증가한다.

네이버는 두 가지 방향으로 해답을 준비하고 있다.

하나는 직접 액체 냉각(DLC): 냉각 플레이트를 GPU 칩 표면에 직접 안착시켜 열을 수랭으로 가져간다.

다른 하나는 액침 냉각: 서버 전체를 전기가 통하지 않는 특수 오일에 담근다.

이 두 방식을 NAMU III 공기 냉각과 조합한 하이브리드 시스템이 2027년 완공 예정 서버실에 적용된다.

여기서 중요한 것은 이 냉각 시스템이 엔비디아의 차세대 액체 냉각 규격과 하드웨어 레벨에서 공동 설계(Co-design)되었다는 사실이다.

소프트웨어(DSX)와 물리(각 세종 냉각)가 단일 아키텍처 안에서 상호 반응하도록 설계된 것이다.

인공지능이 GPU 온도 데이터를 읽고, 팬 속도와 냉각수 유량을 실시간으로 제어한다.

이것이 단순 GPU 구매자와 전략 동맹 파트너 사이의 차이다.

전자는 랙을 사고, 후자는 랙이 존재할 수 있는 인프라를 함께 설계한다.

5. 왜 550억 개만 활성화하는가 — Nemotron 3 Ultra의 역설

하드웨어 동맹의 상층부에는 모델 아키텍처의 동맹이 있다.

일반적인 대규모 언어 모델은 하나의 단어를 예측할 때 전체 가중치 매개변수를 활성화한다.

5,000억 개의 매개변수를 가진 모델이라면, ’the’라는 단어 하나를 생성하기 위해 5,000억 번의 연산이 일어난다. 낭비다.

하지만 기존 아키텍처에서는 피할 수 없는 구조적 낭비였다.

Nemotron 3 Ultra는 이것을 다른 방식으로 푼다.

전체 5,500억 개(550B)의 매개변수를 기능별로 나누어 ‘전문가(Expert)’ 집단으로 분류해 두고,

입력된 문장의 의도와 특성에 따라 550억 개(55B)의 가중치만 선택적으로 활성화한다.

LatentMoE라는 동적 라우터가 그 선택을 나노초 단위로 처리한다.

전체 용량의 10%만 쓰면서, 결과 품질은 전체를 쓰는 모델과 동등하거나 더 낫다.

여기에 Mamba 레이어가 더해진다.

기존 트랜스포머 아키텍처는 긴 문장을 처리할 때 제곱에 비례하는 연산량이 필요하다(O(N²)).

100만 개의 토큰을 처리하는 것은 이론적으로 불가능에 가까웠다.

Mamba는 시퀀스를 수학적으로 압축해 선형 시간(O(N))으로 처리한다.

2,000페이지짜리 보고서를 한 번의 추론 루프에 넣는 것이 가능해진다.

결과는 두 숫자로 요약된다. 추론 속도 5배 향상. 연산 비용 30% 감소.

네이버는 이 아키텍처 위에 한국어와 동아시아 법령 데이터를 미세조정(Fine-Tuning)해 HyperCLOVA X의 기반을 끌어올리고 있다.

단순히 외국산 모델을 가져다 쓰는 것이 아니라, 기초 아키텍처 설계 단계부터 공동 협력 관계를 구축한 것이다.

네이버는 엔비디아의 최신 모델 연합(Nemotron Coalition)에 한국 기업 최초로 가입했다.

이것이 의미하는 바는 기술 수입국과 기술 생산국의 차이다.

6. 에이전트가 기업 안으로 들어올 때 — NemoClaw의 보안 철학

Nemotron 3 Ultra가 두뇌라면,

NemoClaw는 그 두뇌가 기업 환경 안에서 안전하게 작동하게 만드는 신경 보호막이다.

AI 에이전트가 실제 업무에 투입될 때 가장 큰 장벽은 성능이 아니다. 신뢰다.

에이전트가 내부 파일 시스템에 접근하고, 회계 데이터를 읽고, 사내 메일을 참조하는 순간, 기업의 지적 재산이 외부로 유출될 수 있다는 공포가 도입을 막는다.

실제로 그 공포는 근거가 없지 않다.

기존의 AI 에이전트들은 한번 권한을 부여받으면 그 권한의 범위를 스스로 제어하지 않는 경우가 많았다.

NemoClaw는 이 문제를 소프트웨어가 아닌 하드웨어 레벨에서 차단한다.

에이전트는 항상 ‘OpenShell’ 샌드박스 내부에서만 실행된다.

사용자가 명시적으로 허용하지 않은 디렉토리, IP 포트, 네트워크 경로로의 접근은 커널 수준(Capability Drops)에서 물리적으로 봉쇄된다.

접근이 거부되는 것이 아니라, 존재 자체가 에이전트에게 보이지 않는다.

모든 아웃바운드 패킷은 실시간으로 필터링되며, 이상 징후가 감지되면 에이전트 커널이 즉각 자가 파괴(Self-healing shutdown)된다.

이 구조가 만드는 실제 변화는 이렇다.

법무팀이 계약서 1,000건의 요약을 에이전트에게 맡길 수 있다.

에이전트는 지정된 계약서 폴더만 읽고, 그 바깥은 볼 수 없으며, 요약 결과는 법무팀에게만 돌아간다.

소스코드가 외부 서버로 전송되거나, 경쟁사 서버에 핑이 날아가는 일은 구조적으로 불가능하다.

네이버와 엔비디아는 이 플랫폼을 올해 하반기 국내에 정식 출시할 계획이다.

기업 사용자들이 NemoClaw 기반 에이전트를 자사 환경에 직접 배포할 수 있는 형태다.

자율 코딩 보조 도구, 금융 트랜잭션 분석 에이전트, 사내 법령 검토 자동화 — 지금까지는 보안 우려로 도입이 막혔던 영역들이다.

에이전트 시대가 기업 안으로 들어오는 속도는 NemoClaw의 출시 시점부터 다시 측정해야 할지 모른다.

7. 도시를 가르치는 법 — 코스모스와 서울 월드 모델

물리 세계로 나가는 AI는 다른 종류의 지능이 필요하다.

텍스트를 생성하는 언어 모델에게는 언어의 문법과 의미가 필요하다. 도

로를 달리는 로봇에게는 물리 법칙이 필요하다.

빗길 아스팔트에서 타이어가 얼마나 미끄러지는지, 터널에서 나왔을 때 카메라가 적응하는 데 얼마나 걸리는지, 갑작스러운 보행자 출현에 브레이크가

얼마나 빠르게 반응해야 하는지. 이것은 데이터가 아니라 경험에서 나오고, 경험을 쌓으려면 사고가 날 수 있는 현실이 필요하다.

엔비디아의 Cosmos 3가 제공하는 것은 그 현실의 가상 복제본이다.

Cosmos 3는 전 세계 도로 환경, 물체 핸들링, 물리 역학 동영상 수억 시간을 신경망에 직접 투입해 실물 세상의 물리 법칙을 학습한 파운데이션 모델이다.

사용자가 텍스트 묘사나 센서 데이터를 입력하면, Cosmos 3는 가속도, 충돌 시 변형, 빛의 반사, 타이어-노면 마찰계수를 물리적으로 정확하게 계산해 3D 가상 비디오를 생성한다.

기존 시뮬레이션은 엔지니어가 물리 공식을 코드에 직접 주입해야 했다.** Cosmos 3는 그것을 데이터에서 스스로 학습**했다.

네이버클라우드는 이 엔진 위에 서울의 공간 데이터를 결합했다.

2000년대 초반부터 네이버 지도 서비스를 운영하며 축적한 현장 데이터, 라이다 센서를 장착한 차량이 서울 전역을 주행하며 촬영한 120만 장 이상의 파노라마 이미지, 도로 폭 오차 수 센티미터 수준의 정밀 지형 데이터. 이것을 Cosmos 3의 물리 시뮬레이션 위에 적층한 것이 **‘서울 월드 모델(Seoul World Model)’**이다.

이 모델이 무엇을 가능하게 하는지는 구체적인 시나리오로 설명된다.

새벽 2시, 마포대교 북단. 폭우가 내리고 있다.

가로등이 꺼져 있다. 보행자 한 명이 갑자기 도로로 뛰어든다.

자율주행 물류 로봇 ‘루키(ROOKIE)‘는 이 상황을 어떻게 처리해야 하는가. 실제 도로에서 이 시나리오를 반복 실험하는 것은 불가능하다.

서울 월드 모델 안에서는 이 상황을 무제한으로 복제해 루키의 반응 알고리즘을 미세 조정할 수 있다.

터널 출구에서 갑작스러운 역광에 카메라가 노출 과다 상태가 되는 순간,

센서 없이 공간 기억만으로 주행을 유지하는 방법.

기름으로 오염된 교차로 노면에서 정확한 마찰계수를 계산하는 방법. 이

모든 것이 가상 서울에서 수천 번 반복된 뒤 루키의 제어 알고리즘에 이식된다.

피지컬 AI의 병목은 데이터가 아니라 검증이다. 서울 월드 모델은 그 검증을 가상으로 무한히 반복 가능하게 만들었다.

8. 데이터 주권이라는 전쟁 — 소버린 AI의 지정학

기술의 역사에서 인프라를 장악하는 쪽이 시장을 장악했다.

19세기 영국이 해저 전신 케이블망을 통제했을 때, 전 세계의 금융 정보와 외교 통신이 런던을 거쳐야 했다.

20세기 미국이 인터넷 핵심 노드와 클라우드 플랫폼을 장악했을 때, 전 세계의 디지털 트래픽이 미국 법률의 관할권 안으로 들어왔다.

AI 시대의 인프라는 데이터센터와 언어 모델이다. 그리고 그것을 구글, 마이크로소프트, 아마존이 장악하고 있다.

이 구도에 불편함을 느끼는 나라들이 있다.

자국민의 의료 데이터, 사법 기록, 국방 문서가 미국 관할권 서버에 저장되는 것을 법적으로 금지하는 EU.

미국의 이란 제재 이후 기술 종속의 위험성을 절감한 중동 산유국들.

자국 언어로 작동하는 AI 모델이 없어 자국민의 언어 데이터가 고스란히 외국 기업에 흘러들어가는 동남아시아 국가들.

이들은 ‘소버린 AI(Sovereign AI)‘라는 이름의 필요를 공유한다.

자국 영토 안에서 자국 데이터로 작동하는, 외국 법률에 종속되지 않는 AI 인프라.

문제는 그것을 어디서 사느냐다.

미국 빅테크에서 살 수 없다. 그들은 언제나 자신들의 법률과 정책 가이드라인 안에서만 서비스를 제공한다.

중국에서도 살 수 없다. 정치적 리스크가 다른 방향의 종속을 만든다.

그 공백에 네이버가 있다.

네이버는** 세계에서 소수만 달성한 완성도의 전 스택을 갖추고 있다.**

**독자 개발 대형 언어 모델(HyperCLOVA X), **

**그것을 구동하는 아시아 최대 저전력 하이퍼스케일 데이터센터(각 세종), **

**데이터 주권을 보장하는 통합 클라우드 인프라. **

그리고 무엇보다 중요한 것은 그것을 실제 정부 고객에게 납품한 실적이다.

사우디아라비아 자치행정주택부와 체결한 1억 달러 규모의 디지털 트윈 국가 구축 계약이 그 실적이다.

리야드를 비롯한 핵심 도시의 입체 스캐닝, 아랍어 특화 AI 모델 운영, 자국 서버 내 데이터 완전 분리.

이 계약은 네이버가 기술 수출국의 논리가 아닌 수요국의 언어로 소통할 수 있다는 것을 증명한다.

엔비디아의 입장에서 네이버의 가치는 바로 여기에 있다.

젠슨 황이 직접 중동 정부를 설득하러 가는 것은 역효과가 날 수 있다.

미국 빅테크가 ‘소버린 AI’를 팔러 온다는 것 자체가 모순이기 때문이다. 하지만 네이버를 통하면 다르다.

이미 현지 정부의 신뢰를 쌓은 중립적 파트너가 엔비디아의 하드웨어를 현지 인프라로 통합한다.

이것은 판매 전략이 아니라 지정학 전략이다.

9. 실패가 가르친 것 — 마하-1과 플랫폼 전환의 논리

2022년, 네이버는 삼성전자와 함께 자체 AI 가속 칩 ‘마하-1(MACH-1)‘을 설계하기 시작했다.

동기는 분명했다. 엔비디아 GPU는 비쌌고, 공급은 부족했다.

HBM 메모리 대신 범용 LPDDR 메모리를 써서 비용을 낮추고, 하이퍼클로바X에 특화된 추론 연산을 칩 회로에 직접 구현하면 가격 경쟁력을 확보할 수 있었다. 40여 명의 핵심 연구진이 투입되었다.

마하-1이 좌초한 것은 하드웨어 기술의 문제가 아니었다. 타이밍의 문제였다.

2024년, 마하-1의 실리콘 설계가 확정되는 시점에 AI 모델 아키텍처는 완전히 다른 방향으로 이동했다.

Mixture-of-Experts(MoE), 수백만 토큰 컨텍스트, 트랜스포머-Mamba 복합 구조.

이것들은 마하-1이 최적화를 위해 회로에 각인한 알고리즘 구조와 맞지 않았다.

ASIC는 설계 시점에 지원 가능한 알고리즘이 고정된다. 소프트웨어처럼 업데이트할 수 없다.

여기에 CUDA의 벽이 있었다. 전 세계 AI 연구자와 개발자는 수십 년에 걸쳐 엔비디아 CUDA 위에서 최적화 도구, 학습 프레임워크, 추론 라이브러리를 쌓아왔다.* 새로운 가속기 칩이 그 생태계를 처음부터 복제하는 데 필요한 시간은 수년이다. 그 수년 동안 AI 모델은 다시 한 세대가 바뀐다.*

AI 모델 아키텍처의 혁신 주기는 2~4개월이다.

ASIC 설계부터 양산까지는 최소 18~24개월이다.

이 두 숫자가 공존하는 한, 특정 알고리즘에 특화된 ASIC는 양산 시점에 이미 시대에 뒤처진다.

삼성전자가 마하-2 로드맵을 발표하는 자리에서 네이버를 공동 파트너로 거론하지 않으면서, 양사의 협력은 사실상 종료되었다.

네이버는 이 실패에서 전략의 방향을 바꿨다.

하드웨어 제조에서 손을 떼고, 소프트웨어 스택의 제어권을 확보하는 쪽으로.

실리콘 경쟁 대신 플랫폼 경쟁. : 엔비디아의 GPU 위에서 DSX와 NemoClaw로 인프라를 제어하고, HyperCLOVA X로 모델을 제어하고, FaceSign과 치지직으로 엔드포인트를 제어한다.

이 플랫폼 중심 노선은 역설적으로 엔비디아에게 이상적인 파트너의 형태다.

하드웨어를 놓고 경쟁하는 상대가 아니라, 그 하드웨어를 최대한 활용해 시장을 함께 개척하는 동반자.

실패가 동맹의 조건을 만들었다.

10. 전환점: 기가와트가 묻는 질문

지금까지 서술한 것들 — DSX, 각 세종, Nemotron, NemoClaw, 서울 월드 모델, 소버린 AI — 은 각각 별개의 기술 뉴스처럼 보인다.

하지만 이것들은 하나의 질문에 대한 여러 갈래의 답이다.

인공지능이 인류 사회의 핵심 인프라가 될 때, 그 인프라를 누가 통제하는가.

지금 이 순간 그 통제권은 소수의 미국 기업에 집중되어 있다.

훈련 데이터, 모델 가중치, 클라우드 서비스, 하드웨어 공급망. 이 모든 것이 미국 법률과 미국 기업의 정책 아래 있다. 전 세계 정부는 그것에 의존하는 순간 주권의 일부를 양도한다.

기가와트 AI 팩토리 동맹은 그 구도를 바꾸려는 시도다.

엔비디아가 하드웨어를 공급하고, 네이버가 그것을 비영어권 정부와의 신뢰망 안에서 통합 운영한다.

유럽은 GDPR 적합 소버린 AI 인프라를 갖추고, 중동은 아랍어로 작동하는 현지 AI를 얻으며, 동남아시아는 자국 데이터를 자국 서버에서 처리한다.

이것은 기술 민주화의 언어로 포장되지만, 실제로는 AI 인프라 시장의 지정학적 재편이다.

이 재편에서 네이버의 포지션은 독특하다.

미국 빅테크도 아니고, 중국 테크도 아닌 제3의 공급자. 자체 모델을 가지고, 자체 인프라를 운영하며, 정치적으로 중립적인 위치에서 각국 정부에 접근할 수 있는 극히 소수의 기업 중 하나.

여기서 질문이 생긴다.

네이버가 소버린 AI를 공급하는 것은 진정한 기술 주권의 이전인가, 아니면 더 세련된 형태의 기술 의존인가?

이 질문은 쉽게 답할 수 없다. 네이버가 구축한 인프라 위에서 훈련된 사우디아라비아의 AI 모델은 얼마나 ‘사우디아라비아의 것’인가.

각 세종이 대한민국에 있고, HyperCLOVA X가 한국어로 학습되었다고 해서, 리야드 정부의 데이터가 완전한 주권 아래 놓인다고 할 수 있는가.

이 질문이 중요한 이유는 기술이 아니라 역사에 있다.

소버린이라는 단어가 의미를 갖기 위해서는 의존이 해소되는 경로가 있어야 한다.

단순히 미국 빅테크에서 네이버로 공급자를 바꾸는 것이 주권인지, 아니면 현지 정부가 스스로 모델을 훈련하고 인프라를 운영하는 역량을 가질 때까지의 이행 과정이 주권인지. 그 차이는 계약서에 쓰여 있지 않다.

11. 전환 이후 — 기술이 일상 속으로 녹아드는 방식

젠슨 황이 홍대 식당에서 안면인식 결제를 목격한 장면으로 돌아가자.

그 장면의 기술적 내용은 이미 설명했다.

하지만 그 장면이 가진 의미는 기술 설명 이후에도 남는다.

AI가 세상을 바꾼다는 말은 수십 년째 반복되어 왔다.

그 말이 실제로 의미를 가지는 순간은 기술이 인간의 행동 속에 완전히 녹아들어 의식되지 않는 순간이다.

결제 단말기 앞에서 얼굴을 비추는 것이 지갑을 꺼내는 것만큼 자연스러울 때가 바로 그 순간이다.

페이스사인이 그 순간을 한 개의 식당에서 구현했다면, 기가와트 AI 팩토리는 그 순간을 수십억 명의 일상으로 확장하려는 시도다.

규모가 다르지만 방향은 같다. 기술이 인간의 의식에서 지워지는 방향. 기계가 보이지 않는 것이 완전한 통합의 신호다.

서울 월드 모델 안에서 가상의 야간 폭우를 반복해서 달리는 루키는, 언젠가 실제 서울의 새벽 3시 도로에서 사람 없이 물건을 배달할 것이다.

NemoClaw 샌드박스 안에서 계약서를 검토하는 에이전트는, 언젠가 변호사가 하던 초안 작업의 절반을 처리할 것이다.

각 세종의 냉각 시스템이 GPU 발열을 관리하는 동안,

수천 킬로미터 떨어진 유럽 의회의 AI 윤리 입법자는 자국산 소버린 AI 인프라 위에서 법안 초안을 검토하고 있을 것이다.

이것들이 연결되어 있다는 것을 아는 사람은 많지 않다.

삼겹살 한 접시가 기가와트 계약과 이어져 있다는 것을 아는 사람도 많지 않다.

12. 마지막 질문

기술 동맹의 선포와 그것의 실제 구현 사이에는 항상 거리가 있다.

1기가와트의 AI 팩토리는 아직 존재하지 않는다.

2027년 상반기 55메가와트가 목표이고, 그것도 계획대로 완성될 것이라는 보장은 없다.

소버린 AI 시장이 네이버가 예상하는 방향으로 전개될지도 불확실하다.

각국 정부가 진정한 기술 자립을 원하는지, 아니면 더 저렴한 공급자를 원하는 것인지도 명확하지 않다.

불확실성의 목록은 더 길어질 수 있다.

하지만 젠슨 황이 서울에 직접 온 사실은 불확실하지 않다.

그는 삼겹살을 먹고, 안면인식 결제를 목격하고, 빌딩 안을 걷는 로봇을 보고, 라이브 방송에 출연했다.

세계 최고 가치의 반도체 기업 최고경영자가 직접 파트너사 사옥을 방문하는 것은 일상적 외교가 아니다.

엔비디아가 네이버를 단순 고객이 아닌 공동 운명체로 판단했다는 신호다.

판단이 옳은지는 2027년 이후 알 수 있다.

그때까지 우리가 물어야 할 질문은 하나다.

AI 인프라가 전력망과 함께 국가 핵심 인프라가 되는 세계에서, 그것을 누가 설계하고 누가 운영하는가에 관해 우리는 얼마나 관심을 갖고 있는가

기가와트 공장이 조용히 지어지는 동안, 대부분의 사람들은 다른 것을 보고 있다.

참고 자료

NVIDIA DSX Platform Technical Playbook and Reference Architecture Guide for AI Factories — Warren Barkley, Chris Alexiuk (NVIDIA Infrastructure Engineering)
Hybrid Transformer-Mamba MoE Architecture: Nemotron 3 Ultra Technical Report — NVIDIA AI Research Lab (NVIDIA Cosmos Lab)
Sovereign AI Infrastructure Expansion using NVIDIA DSX Platform on GAK Sejong — NAVER Cloud Technical Whitepaper (Noh Sang-min, Kim Yu-won)
Physical AI Simulation and Spatial Intelligence: Seoul World Model Development conditioned on NVIDIA Cosmos 3 — NAVER Cloud Spatial Intelligence Center (Lee Hae-jin, Kim Yu-won)
NemoClaw and OpenShell Sandbox Hardening User Guide for Autonomous Agent Deployment — NVIDIA Product Security Team
각 세종 친환경 하이브리드 공조 시스템 및 NAMU III 에너지 효율 극대화 연구 — 네이버 데이터센터 통합센터 (노상민)
FaceSign 오프라인 안면인식 결제 단말 ‘커넥트’ 실증 보고서 — 네이버 파이낸셜 기술개발부 (이해진, 최수연)
삼성 마하-1 LPDDR 전용 ASIC 설계 교훈과 CUDA 소프트웨어 종속 분석 — 한국 AI 반도체 학회 논문집 (정채윤, 이자경)
Sovereign AI Deployment Patterns: Middle East and European Market Analysis 2025–2026 — NVIDIA Global Partnership Report
NAVER Saudi Arabia Ministry of Housing Digital Twin Contract: Technical Architecture and Outcomes — NAVER Global Geo-Intelligence Group
Power Usage Effectiveness (PUE) Benchmarking: Hyperscale Data Centers in Asia-Pacific — Uptime Institute Asia Pacific Report 2025
Agentic AI: Enterprise Deployment Security Requirements and Containment Architectures — Gartner Technology Research (2026)
Mixture-of-Experts Models: Scaling Laws, Routing Efficiency, and Hardware Implications — DeepMind / Google Research (2025)
Geopolitics of AI Infrastructure: Sovereign Compute and the New Technology Multipolarity — MIT Technology Review Policy Series (2026)
NVIDIA Vera Rubin Platform: Compute Architecture and Memory Subsystem Design — NVIDIA Technical Disclosure (2025)