Jensen Huang’s CES AI & Robotics Keynote

1. Refuting Concerns about Data Scarcity

Jensen Huang expressed strong confidence in the future volume of data generation.

Concerns about Data Scarcity: There have been recent discussions that the pace of artificial intelligence development could be slowed down due to a lack of data.
Jensen Huang’s View: “More data will be generated in the next few years than all the data that humanity has created in the past.”
- He mentioned that data is explosively increasing in multimodal forms like video, images, and sound.
Therefore, he believes that data scarcity is unlikely to be an obstacle to the development of artificial intelligence.

2. Three Stages of AI Training: Pre-training → Post-training → Reasoning

Jensen Huang highlighted the importance of ‘Reasoning,’ while mentioning the learning and growth stages of AI.

Pre-training and Post-training: Traditional data learning and application methods.
Reasoning: The ability to solve problems through multifaceted thought processes.
- Not just simple instructions but intelligent answers that ask “why” and consider various possible solutions.
- Example: “How to study well?” → Not a simple answer but in-depth thinking considering instructors, neighborhoods, and environment.
- This reasoning ability is considered to have greatly improved the recent evolution of AI performance.

3. AI and Industry Changes: Four Stages

Jensen Huang divided the stages of artificial intelligence development into four categories.

Perception AI: The stage of recognizing information like photos and sounds.
- The ability to distinguish between cats and dogs in a photo.
Generative AI: Technology that generates text, images, videos, etc. (e.g., ChatGPT, DALL-E).
Agent AI: AI assistants like Jarvis.
- AI capable of performing specific human tasks.
Physical AI: AI that physically moves and operates.
- Examples: Tesla Optimus robot, self-driving cars.
- Jensen Huang predicted that the Physical AI sector would become a massive industry worth over $50 trillion (approximately 6000 quintillion won).

4. AI Hardware and Platform Innovation

Grace Blackwell MVLink 72
- Gained attention for its overwhelming computational performance, earning the moniker “Captain Nvidia.”
- Features: The world’s largest GPU computing power (1.2 petabytes/second).
- With hardware specifications surpassing supercomputers in memory and GPUs, it plays a key role in AI learning.
Cosmo Model
- An AI model that understands the Earth and simulates physical and natural phenomena.
- Goal: To provide a powerful environment for learning data related to robotics and autonomous driving.

5. The Dawn of the Robotics Era

Humanoid Robots
- Can work in the same format as humans without changing existing factory environments.
- Moving into a general robotics era, surpassing the limits of existing dedicated robots.
Isaac Platform
- Provides a virtual environment for robot learning.
- Provides cost reduction and safety.
Robotics’ GPT Moment
- Emphasized that “Change is already coming, and a massive revolution in robot technology will begin soon.”

6. Expanding the Developer Ecosystem and Open Source

Platform-Centric Strategy
- Induce developers to rely on NVIDIA’s AI platform ecosystem.
- A process of creating an ecosystem like Google Android based on continuous community expansion and cooperation.
Open Source Software
- Expected to induce an influx of numerous AI researchers and developers, accelerating the overall development of AI technology.

7. Summary of NVIDIA’s Strategy: Robots and Autonomous Driving

NVIDIA is trying to dominate not only AI hardware but also software and the ecosystem.
It is being compared with Tesla, and there is the potential to develop into a platform competition relationship like Android-Apple.
This strategy aims to elevate NVIDIA to the center of a new industry.

Crafted by Billy Yang

[Related Articles at NextLens.Net]

*YouTube Source: [내일은 투자왕 – 김단테]

– CES에서 터진 엔비디아 젠슨황의 폭탄 선언! 인류 경제 판 뒤집을 50조 달러 산업!?

[Korean Summary]

[내일은 투자왕 – 김단테]
“CES에서 터진 엔비디아 젠슨황의 폭탄 선언! 인류 경제 판 뒤집을 50조 달러 산업!?“

**엔비디아 CEO 젠슨 황이 CES에서 전한 메시지 요약**

1. 데이터 부족 우려에 대한 반박

젠슨 황은 미래 데이터 생성량에 대해 강력한 자신감을 보였어요.

데이터가 부족하다는 우려: 최근 인공지능 발전 속도가 데이터 부족으로 멈출 수 있다는 얘기들이 있었는데요.
젠슨 황의 견해: “앞으로 몇 년 안에 인류가 지금까지 대량으로 생성한 데이터보다 더 많은 데이터가 생성될 것이다.”
- 비디오, 이미지, 사운드 등의 멀티모달 형태로 데이터가 폭발적으로 증가 중이라고 했습니다.
따라서, 데이터 부족이 인공지능의 발전에 장애물로 작용할 가능성은 낮다고 봤습니다.

2. AI 트레이닝의 3단계: 프리 트레이닝 → 포스트 트레이닝 → 리즈닝

젠슨 황은 AI의 학습 성장 단계를 언급하며 ‘리즈닝’의 중요성을 특별히 부각했어요.

프리 트레이닝과 포스트 트레이닝: 기존 방식의 데이터 학습과 응용.
리즈닝(추론): 다방면적인 사고 과정을 통해 문제를 해결하는 능력.
- 단순한 지시가 아닌, ‘왜 그런지’를 따지고, 여러 해결책의 가능성을 검토해 내리는 지능적인 답변.
- 예: “공부 잘하려면?” → 단순한 답변 아닌, 강사·동네·환경까지 고려한 심화적인 사고.
- 이 리즈닝 능력이 최근 AI 성능 진화를 크게 끌어올렸다고 여겨집니다.

3. AI와 산업 변화: 네 가지 단계

젠슨 황은 인공지능 발전 단계를 네 가지로 나눠봤어요.

Perception AI: 사진, 소리 등 정보를 인식하는 단계.
- 사진 속 고양이와 개를 구별하는 능력.
Generative AI: 텍스트, 이미지, 비디오 등을 생성하는 기술 (예: ChatGPT, DALL-E).
Agent AI (에이전트 AI): 자비스 같은 AI 비서.
- 인간의 특정 업무를 대신할 수 있는 AI.
Physical AI (피지컬 AI): 물리적으로 움직이고 작업하는 AI.
- 예: 테슬라 옵티머스 로봇, 자율주행 자동차.
- 젠슨 황은 피지컬 AI 분야를 미래 50조 달러(약 6,000경 원) 이상 규모의 거대 산업이라고 전망했습니다.

4. AI 하드웨어와 플랫폼 혁신

그레이스 블랙웰 MVLink 72
- “캡틴 엔비디아”라 불릴 만큼 압도적인 연산 성능으로 주목.
- 특징: 세계 최대 GPU 연산력(1.2 페타바이트/초).
- 메모리, GPU 등 하드웨어 사양이 슈퍼컴을 능가하며 AI 학습에서 핵심 역할.
코스모모델
- 지구를 이해하고 물리·자연 현상을 시뮬레이션하는 AI 모델.
- 목표: 로보틱스와 자율주행 관련 데이터를 학습하는 강력한 환경 제공.

5. 로보틱스 시대의 도래

휴머노이드 로봇
- 기존 공장 환경을 변경할 필요 없이, 인간과 동일한 형식으로 작업 가능.
- 제너럴 로보틱스 시대로 이동하며 기존 전용 로봇의 한계를 뛰어넘음.
아이작 플랫폼
- 로봇 학습용 가상환경 제공.
- 비용 절감 + 안전성 제공.
로보틱스의 GPT 모먼트
- “변화는 이미 다가오고 있으며, 곧 로봇 기술의 대대적인 혁신이 시작될 것”이라고 강조했어요.

6. 개발자 생태계 확대와 오픈 소스

플랫폼 중심 전략
- 개발자들이 엔비디아의 AI 플랫폼 생태계에 의존하도록 유도.
- 지속적인 커뮤니티 확장과 협력을 기반으로, 구글 안드로이드와 같은 생태계를 만들어가는 과정.
오픈 소스 소프트웨어
- 다수 AI 연구자 및 개발자 유입을 유도하며, 전반적인 AI 기술 발전의 속도를 가속화할 전망.