GTC Berlin 2026: Live Updates From NVIDIA CEO Jensen Huang’s Keynote

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

NVIDIA는 GTC Berlin 2026에서 유럽의 AI 생산 역량 확대를 강조하며, Vera Rubin AI 팩토리부터 안전한 에이전트·개방형 모델·산업용 피지컬 AI·개인용 RTX Spark까지 연결하는 플랫폼 전략을 제시했다.

📌 핵심 요약

• Jensen Huang은 NVIDIA가 유럽 기술 생태계에 약 100억 달러를 투입하고 12,000곳 이상의 파트너와 협력하고 있다고 밝히며, 유럽이 AI를 소비하는 데서 나아가 직접 생산해야 한다고 주장했다.
• 본격 생산 중이라고 소개된 Vera Rubin을 기반으로 NVIDIA DSX POD가 발표됐다. 파트너가 모듈형 컨테이너 안에서 통합·검증하는 AI 팩토리 참조 설계로, 현장 유틸리티가 준비되면 설치 기간을 6개월에서 14일로 줄일 수 있다는 설명이다. NVIDIA DSX AI Factory Platform은 냉각용 물 소비를 최대 100%, 같은 AI 산출물에 필요한 전력을 최대 30% 줄일 수 있다고 제시됐다.
• Huang은 에이전트를 모델·하네스·샌드박스·지식·도구의 결합으로 설명하고 최소 권한과 모니터링을 강조했다. NVIDIA OpenShell 기반 안전 참조 아키텍처, Nemotron 등 개방형 모델의 자체 데이터 후속 학습, NVIDIA Agent Knowledge Foundation의 기업 데이터 연결, CUDA-X의 가속 도구를 함께 소개했다.
• 산업 적용 사례는 Lila Sciences의 잠재적 B세포 림프종 치료제 설계, Siemens의 디지털 트윈 기반 생산 준비, Dassault Systèmes의 차량 설계 개선에서 통신·의료·자율주행으로 이어졌다. NVIDIA는 T-Mobile·Nokia와 첫 상용 통화를 수행했다고 밝혔고, Siemens Healthineers와 AI 방사선 치료를 개발 중이며, Hyperion의 차량 적용 확대와 Volvo Cars의 Hyperion·Alpamayo Stack 채택을 소개했다.
• 로봇 연구용 Agile ONE SN은 Isaac GR00T 기반의 31자유도 참조 휴머노이드로, 내년 출시가 예상되며 연구 준비 기간을 수주에서 수일로 줄이도록 설계됐다. 지난주 출시된 RTX Spark 노트북은 1페타플롭 성능과 128GB 메모리로 소개됐고, Hugging Face의 Microduck 시연은 로컬 개발·시뮬레이션·클라우드 학습·실물 배포를 연결했다.

🧩 주요 포인트

1. 유럽 투자와 모듈형 AI 팩토리 → AI 생산 기반을 확대하고 현장 설치를 단축하려는 전략이며, DSX POD의 14일 설치는 현장 유틸리티 준비를 전제로 한다.
2. 개방형 모델·기업 지식·CUDA-X와 OpenShell의 결합 → 에이전트의 산업별 활용 역량을 높이는 동시에, 도구와 시스템에 접근하는 권한을 통제하는 구조다.
3. 디지털 트윈과 시뮬레이션의 산업·로봇 적용 → 실제 환경에 변경 사항을 적용하기 전에 설계와 행동을 시험하며, RTX Spark와 클라우드를 잇는 개발 흐름으로 확장된다.

🧠 상세 정리

1. 유럽에서 AI를 소비하고 생산하는 기반으로

GTC Berlin은 STATION-Berlin에서 사흘 동안 에이전트 AI, 로보틱스, 피지컬 AI, 개방형 모델, 가속 컴퓨팅을 다루는 100개 이상의 세션을 진행하며, Jensen Huang의 기조연설은 Tempodrom에서 열렸다. Huang은 L’Oréal, Revolut, Spotify, Merck, Vodafone, Zara, Porsche, Nestlé, HSBC를 NVIDIA와 AI 분야에서 협력하는 유럽 기업으로 열거했다. NVIDIA는 파리·런던·스톡홀름·더블린을 거친 일주일간의 유럽 일정과 함께 기술 생태계에 약 100억 달러를 투입하고 12,000곳 이상의 파트너와 협력한다고 밝혔다. Huang은 AI를 에너지에서 컴퓨팅·AI 팩토리·모델·애플리케이션으로 이어지는 다섯 층의 구조로 설명하며, 모델에 앞서 인프라가 존재해야 한다고 강조했다. 인터넷에 네트워크가, 전기에 전력망이 먼저 필요했던 것처럼 유럽도 AI 경제에 참여하려면 AI를 소비하는 동시에 생산해야 하며, 그 작업이 이미 시작됐다는 주장이다.

2. Vera Rubin과 컨테이너형 AI 팩토리

Huang은 하드웨어, 시스템 소프트웨어, CUDA-X 라이브러리, 모델을 아우르는 NVIDIA의 전체 기술 스택을 AI 팩토리 구축·운영의 기반으로 제시했다. 본격 생산 중이라고 설명한 Vera Rubin은 모델과 대규모 언어 모델을 넘어 에이전트 전체를 처리하는 방향으로 컴퓨팅 플랫폼을 확장하며, 연설에서는 최신 랙 규모 하드웨어도 공개됐다. 새로 발표한 NVIDIA DSX POD는 파트너가 모듈형 컨테이너 내부에 완전한 Vera Rubin AI 팩토리를 구축하고 배송 전에 통합·검증하는 참조 설계다. 현장 유틸리티가 준비돼 있다는 조건에서 설치 기간을 6개월에서 14일로 줄일 수 있으며, Huang은 이를 데이터센터 구축 방식과 공급망을 바꾸는 변화로 평가했다. 별도로 NVIDIA DSX AI Factory Platform은 냉각용 물 소비를 최대 100% 줄이고, 같은 AI 산출물을 최대 30% 적은 전력으로 생성할 수 있다고 소개됐다.

3. 에이전트의 확산과 보안의 공학적 설계

Huang은 에이전트가 생각하고 추론하며 반복 작업과 도구 사용을 수행하므로, 유용성이 커질수록 토큰 소비도 증가한다고 설명했다. 에이전트의 구성 요소는 모델, 작업과 메모리를 조율하는 하네스, 하네스를 격리하는 샌드박스, 지식, 도구의 다섯 가지로 정리됐다. 이 구조에서 에이전트는 질문에 답하는 모델을 넘어 파일·자원·네트워크·도구에 접근하고 행동하므로, 최소한의 권한 부여와 모니터링이 중요해진다. NVIDIA가 제시한 대응책은 NVIDIA OpenShell Reference Architecture for Safe AI Agents로, 오픈소스 정책 제어 런타임인 NVIDIA OpenShell을 토대로 한다. OpenShell은 커널 수준 샌드박싱을 통해 에이전트와 영향을 받는 시스템 사이에 위치하며, Huang은 에이전트가 실행될 때마다 권한이 달라지는 만큼 권한·정책 집행·모니터링도 동적으로 대응해야 한다고 강조했다.

4. 개방형 모델과 기업 데이터의 결합

Huang은 NVIDIA의 개방형 모델을 산업과 용도에 맞는 AI를 구축하기 위한 출발점으로 소개했다. 언어용 Nemotron, 월드 파운데이션 모델 Cosmos, 휴머노이드 로보틱스용 GR00T, 자율주행용 Alpamayo, 양자·고전 컴퓨팅용 Ising, 물리 AI용 Earth-2가 제시됐다. 그는 이 분야들에서 NVIDIA가 최전선의 모델을 제공하고 있다고 주장하며, 지난 10년간 이어온 작업을 지속하겠다고 밝혔다. NVIDIA는 모델뿐 아니라 이를 재현하는 데 필요한 데이터와 스크립트도 제공하며, 기업은 자체 데이터를 이용한 후속 학습으로 특정 활용 목적에 맞게 모델을 조정할 수 있다는 설명이다. Huang은 이러한 과정을 독자 데이터를 ‘주권적 지능’으로 전환하는 방법으로 표현했고, Nemotron 같은 개방형 모델에 기업 데이터를 결합해 고도화하는 데 필요한 기술이 이미 존재한다고 주장했다.

5. 기업 지식과 가속 도구를 에이전트에 연결

NVIDIA Agent Knowledge Foundation은 에이전트를 기업 데이터에 연결하는 모델과 라이브러리의 집합으로 소개됐으며, 문서의 비정형 정보와 데이터베이스의 정형 데이터를 모두 대상으로 한다. Huang은 문서 파싱, 질의 임베딩, 관련 정보 재순위화를 수행하는 Nemotron 도구와 정형 데이터에서 예측을 수행하는 새로운 NVIDIA Kumo 모델을 강조했다. 기업 지식에 접근할 수 있게 하는 것이 에이전트의 역량을 크게 높이는 핵심이라는 설명이다. 이어 NVIDIA CUDA-X는 과학·공학·연구·창작 분야에서 사용하는 가속 라이브러리 모음으로 제시됐고, NVIDIA 가속 컴퓨팅 플랫폼의 개발자는 1,100만 명을 넘는다고 소개됐다. 이 라이브러리들은 시뮬레이터, 솔버, 데이터 처리 엔진을 가속하며, 에이전트가 실제 업무를 수행할 때 활용하는 전문 도구를 제공한다는 것이 Huang의 주장이다.

6. 산업 현장의 에이전트와 통신 인프라

NVIDIA Agent Toolkit 시연 영상은 기업 지식·모델·도구의 결합을 세 가지 산업 사례로 보여줬다. Lila Sciences에서는 에이전트가 가상 실험을 이용해 자동화 실험실의 작업을 안내하며 잠재적 B세포 림프종 치료제 설계를 돕고, Siemens의 Erlangen 공장에서는 신제품 생산 계획을 실제 공정에 반영하기 전에 디지털 트윈에서 시험했다. Dassault Systèmes의 엔지니어링 에이전트는 시뮬레이션으로 차량 설계의 문제를 찾아 설계를 개선했으며, Huang은 이러한 지식과 도구가 기업 자체의 전문성이라고 강조했다. 통신 분야에서는 AI가 주파수 효율을 높이고 기지국을 분산형 AI 인프라로 전환할 수 있다고 설명하며, 10만 개 사이트와 약 100기가와트의 분산 데이터센터를 언급했다. 또한 약 8년에 걸친 작업 끝에 NVIDIA가 Nokia와 함께 T-Mobile 네트워크에서 첫 상용 통화를 수행했다고 밝히고, CUDA가 이제 전화 통화도 한다고 표현했다.

7. 환자의 변화에 대응하는 AI 방사선 치료

의료·생명과학 분야에서는 NVIDIA 기술을 활용한 신약 개발과 환자 진료 확대가 소개됐으며, 구체적으로 NVIDIA와 Siemens Healthineers가 개발 중인 AI 기반 방사선 치료가 다뤄졌다. 이 구성에서 Nemotron 에이전트는 치료 계획을 조율하고, Isaac for Healthcare 플랫폼과 Omniverse 라이브러리는 장비 및 환자 해부 구조의 디지털 트윈을 만들어 종양 표적화를 시뮬레이션한다. Holoscan과 IGX Thor는 실시간 영상 및 센서 데이터를 연결해 환자가 움직일 때도 치료 전달을 실시간으로 조정하도록 지원한다. Huang은 치료 중 환자의 신체와 종양의 형태가 달라질 수 있으므로, 시스템이 변화를 추적하고 방사선 조사 대상을 조정해야 한다고 설명했다. 그는 주변 환경의 변화를 인지하고 종양 위치를 이해하며 정확하게 분할한 뒤 방사선을 전달하는 적응형 방사선 치료를 피지컬 AI의 사례로 제시했다.

8. Hyperion을 중심으로 확대되는 자율주행 생태계

Huang은 NVIDIA Hyperion 컴퓨팅 플랫폼이 더 많은 차량군에 설계 단계부터 반영되고 있으며, 자율주행 소프트웨어가 로보택시를 차량 호출 서비스와 연결한다고 설명했다. Bolt와 Lucid, Mercedes-Benz, Volkswagen Commercial Vehicles, Einride는 Hyperion 기반의 일부 자율 모빌리티 활용 사례를 선보이며 레벨 3·레벨 4 차량과 미래 로보택시 차량군의 잠재적 응용을 제시했다. 이 소개는 선택된 사례와 가능성을 보여주는 것으로, 모든 차량군의 상용 배치가 완료됐다는 설명은 아니다. Volvo Cars는 안전한 자동 주행을 위해 Hyperion과 NVIDIA Alpamayo Stack 소프트웨어를 채택하며, NVIDIA는 개발자의 대규모 자율주행차 구축·검증·배포를 지원하는 새로운 AI 및 안전 기술도 소개했다. Huang은 Volkswagen의 밴과 JLR, Volvo, Mercedes-Benz의 차세대 차량들이 Hyperion과 호환될 것이라고 발표했다.

9. 연구 준비 시간을 줄이려는 참조 휴머노이드

새로 발표된 Agile ONE SN은 Isaac GR00T 기반의 31자유도 참조 휴머노이드로, 내년에 이용할 수 있을 것으로 예상된다고 소개됐다. 연구자가 장비와 환경을 준비하는 시간을 수주에서 수일로 줄이도록 설계됐으며, Huang은 이를 연구를 시작하기에 좋은 출발점이라고 평가했다. 플랫폼은 모듈형이어서 연구자가 전체 작업 흐름을 사용하거나 필요한 구성 요소만 선택할 수 있다. 기반이 되는 NVIDIA의 개방형 피지컬 AI 스택은 데이터 수집용 Isaac Capture, 로봇 지능용 GR00T 모델, 시뮬레이션 기반 학습용 Isaac Lab, 실행 환경인 Isaac OS와 개방형 피지컬 AI 데이터셋으로 구성된다. Agility Robotics, Figure, KUKA, NEURA Robotics 등의 파트너도 같은 플랫폼을 활용하고 있다고 소개됐으며, 출시 시점과 준비 시간 단축은 각각 예상과 설계 목표로 제시됐다.

10. RTX Spark와 Microduck이 보여준 개인용 AI 개발 흐름

Huang은 지난주 출시된 RTX Spark 노트북을 소개하며 연설을 마무리했으며, 얇은 고급형 Windows PC에 RTX 그래픽과 NVIDIA의 전체 AI 플랫폼을 결합해 창작·게임·로컬 AI를 지원한다고 설명했다. 그는 1페타플롭 성능과 128GB 메모리를 2016년 OpenAI에 전달했던 DGX-1과 비교하고, 당시 두 사람이 계단으로 운반해야 했던 시스템의 수치를 이제 손에 들 수 있는 기기에서 제공한다는 점을 강조했다. 이어진 영상에서 에이전트는 Hugging Face의 Microduck을 위한 코스를 구성하고 Isaac Sim에서 로봇을 시뮬레이션한 뒤, 학습 작업을 클라우드로 보냈다. 학습된 정책은 RTX Spark로 돌아와 평가를 거쳐 실제 로봇에 배포됐으며, 무대에 등장한 Microduck 네 대는 지시에 따라 앉거나 일어서고 잠자는 동작을 보였다. Huang은 이들이 RTX Spark에서 만들어지고 클라우드에서 학습했으며 시뮬레이션과 디지털 트윈을 통해 기술을 익혔다고 설명했고, 제공된 원문은 이후 전체 발표 내용을 되짚기 시작하는 대목에서 끝난다.

🧾 핵심 주장 / 시사점

• 발표 전반의 연결 축은 AI 생산 인프라에서 모델·지식·도구와 실제 행동으로 이어진다. NVIDIA는 개별 제품과 함께 이 흐름을 연결하는 전체 기술 스택을 사업 기반으로 제시했다.
• 에이전트의 역량을 높이는 기업 지식과 도구 접근은 보안 설계의 중요성도 키운다. OpenShell의 최소 권한·정책 제어·모니터링은 산업 활용 확대와 함께 다뤄진 핵심 조건이다.
• DSX POD의 설치 단축, Agile ONE SN의 연구 준비 단축, RTX Spark의 소형화는 AI를 구축하고 실험하는 부담을 줄이려는 공통 방향을 보여준다. 다만 각각 현장 유틸리티 준비라는 전제, 향후 출시 예상과 설계 목표, 발표된 성능 비교라는 차이를 유지해 해석해야 한다.

✅ 액션 아이템

• NVIDIA DSX POD의 도입 가능성 검토에 현장 유틸리티 준비 조건과 설치 기간 6개월에서 14일로의 단축 주장을 반영.
• Nemotron 등 개방형 모델의 자체 데이터 후속 학습과 NVIDIA Agent Knowledge Foundation의 기업 데이터 연결을 활용 가능성 검토 대상으로 설정.
• 산업용 에이전트의 도구·시스템 접근을 검토할 때 OpenShell의 최소 권한과 모니터링을 함께 고려.

❓ 열린 질문

• NVIDIA DSX POD의 현장 설치를 14일로 줄이려면 현장 유틸리티가 어느 수준까지 준비돼 있어야 하는가?
• Nemotron 등 개방형 모델의 자체 데이터 후속 학습과 NVIDIA Agent Knowledge Foundation의 기업 데이터 연결은 특정 활용 목적에서 어떻게 조합되는가?
• OpenShell의 최소 권한과 모니터링은 에이전트가 사용하는 도구와 접근하는 시스템에 따라 어떻게 달라지는가?