"3일차에 새로 쏟아진 용어들, 시리즈 완결편으로 한 번에 정리합니다"
GTC 2026 1일차가 하드웨어의 대향연이었고, 2일차가 소프트웨어 생태계와 파트너십의 날이었다면, 3일차는 "기술이 현실을 만나는 날"이었습니다. Bill Dally와 Jeff Dean의 딥러닝 대담, Physical AI Day의 로봇 시연, 양자컴퓨팅과 헬스케어 AI까지. 3일차에는 1일차와 2일차에서 등장하지 않았던 새로운 용어들이 대거 쏟아졌습니다.
이 글은 1일차, 2일차 용어집의 완결편으로, 3일차에 새로 등장한 용어만 모아 정리합니다. 이전 용어집에서 이미 다룬 GPU, HBM, CUDA, 에이전틱 AI, Cosmos 3, GR00T N2 같은 개념은 반복하지 않으니, 처음 읽는 분이라면 1일차부터 먼저 읽어주세요.
GPU, HBM, CUDA, 에이전틱 AI 등 기본 용어가 모두 정리되어 있습니다.
1일차 용어집: 엔비디아 GTC 2026 키노트 용어 총정리
2일차 용어집: 오픈 모델, HBM4E, 로봇 AI까지 초보자 눈높이 해설
이 용어 사전과 함께 읽으면 좋은 글입니다.
엔비디아 GTC 2026 3일차 총정리 — Physical AI Day, 양자컴퓨팅, 헬스케어 AI까지 핵심 정리
1. AI / 머신러닝 핵심 개념 — AI가 스스로 진화하는 방법
2. Physical AI 데이터 파이프라인 — 로봇을 가르치는 공장
3. 자율주행 안전 아키텍처 — 로보택시의 안전장치
4. 헬스케어 AI — 신약 발견의 새 지평
5. 양자컴퓨팅 — 다음 시대의 연산
6. 소프트웨어 / 시장 용어 — 3일차의 마무리
7. 3일차 핵심 숫자 한눈에 보기
1. AI / 머신러닝 핵심 개념 — AI가 스스로 진화하는 방법
강화학습 (Reinforcement Learning, RL)
AI를 학습시키는 방법 중 하나입니다. 1일차 용어집에서 "학습(Training)"과 "추론(Inference)"을 다뤘는데, 강화학습은 학습 방법의 한 종류입니다.
사람이 정답을 알려주는 대신, AI가 직접 시행착오를 겪으면서 배우는 방식입니다. 아기가 걸음마를 배울 때 넘어지고 다시 일어나면서 감을 잡는 것과 같습니다. 잘하면 보상(점수)을 받고, 못하면 패널티를 받으면서 스스로 최적의 행동을 찾아갑니다.
3일차에서 Bill Dally가 발표한 핵심 내용이 바로 이것입니다. NVIDIA 내부에서 강화학습 시스템이 하룻밤 만에 표준셀 라이브러리를 생성했다고 합니다. 전통적으로 수주에서 수개월이 걸리던 작업입니다. AI가 반도체 설계의 기본 부품을 스스로 만들어내는 시대가 온 것입니다.
검증 가능한 보상 (Verifiable Rewards)
3일차 Bill Dally-Jeff Dean 대담에서 Jeff Dean이 강조한 개념입니다. AI에게 주는 보상(점수)이 객관적으로 맞는지 틀렸는지 확인할 수 있는 것을 말합니다.
왜 중요할까요? 기존 AI 학습에서는 "이 답이 얼마나 좋은가"를 사람이 주관적으로 판단해야 할 때가 많았습니다. 하지만 수학 문제나 코딩처럼 정답을 자동으로 확인할 수 있는 분야에서는 AI가 스스로 채점하면서 빠르게 성장할 수 있습니다.
Jeff Dean은 "검증 가능한 보상이 있는 영역에서 AI의 진보가 가장 빠르다"고 강조했습니다. 이것이 바로 2026년 AI 업계의 핵심 트렌드인 RLVR(Reinforcement Learning with Verifiable Rewards)입니다. AI가 효율적으로 "생각하는 법"을 배우는 새로운 패러다임입니다.
표준셀 라이브러리 (Standard Cell Library)
반도체 칩을 설계할 때 사용하는 기본 부품 카탈로그입니다.
레고에 비유하면 이해하기 쉽습니다. 레고로 성을 만들 때, 모든 블록을 직접 깎아 만들지 않고 이미 만들어진 다양한 모양의 블록(1x1, 2x4, 아치형 등)을 조합하죠? 반도체 설계도 마찬가지입니다. AND 게이트, OR 게이트, 플립플롭 같은 미리 설계되고 검증된 기본 회로 블록들의 모음집이 표준셀 라이브러리입니다.
Bill Dally의 발표에서 충격적이었던 것은, 이 라이브러리를 사람이 아닌 강화학습 AI가 하룻밤 만에 만들어냈다는 점입니다. NVIDIA의 NVCell이라는 AI 도구가 이 작업을 수행합니다.
코디자인 (Codesign, 공동 설계)
서로 다른 분야의 전문가가 처음부터 함께 설계하는 방식입니다.
3일차 대담에서 Bill Dally가 강조한 것은 ML(머신러닝) 연구자와 시스템 아키텍트(하드웨어 설계자) 사이의 코디자인입니다. 예전에는 하드웨어 팀이 칩을 만들면, 소프트웨어 팀이 거기에 맞춰 프로그램을 짰습니다. 코디자인에서는 두 팀이 처음부터 같이 앉아서 "이런 AI 알고리즘을 돌리려면 칩을 이렇게 만들자", "칩이 이렇게 생겼으니 알고리즘을 이렇게 바꾸자"를 동시에 결정합니다.
건축에 비유하면, 인테리어 디자이너와 건축가가 따로 일하는 게 아니라 처음부터 함께 설계하는 것입니다. 이 긴밀한 피드백 루프가 NVIDIA가 경쟁사보다 빠르게 발전하는 비결입니다.
자기강화 루프 (Self-Reinforcing Loop)
AI가 더 나은 AI를 만들고, 그 AI가 다시 더 나은 AI를 만드는 선순환 구조입니다.
2일차 용어집에서 다룬 "플라이휠"이 비즈니스 생태계의 선순환이었다면, 자기강화 루프는 기술 자체의 선순환입니다. Bill Dally가 3일차에서 이렇게 설명했습니다:
- AI가 반도체 칩을 설계합니다 (강화학습으로 표준셀 생성)
- 그 칩이 더 강력한 AI를 구동합니다
- 더 강력한 AI가 더 좋은 칩을 설계합니다
- 1번으로 돌아갑니다 (가속)
투자자 관점에서 이것은 경쟁 우위가 시간이 지날수록 벌어진다는 뜻입니다. NVIDIA의 AI가 NVIDIA의 칩을 더 잘 만들어주니, 후발 주자가 따라잡기가 점점 어려워집니다.
DreamZero (드림제로)
2일차 용어집에서 GR00T N2(차세대 로봇 AI 모델)를 다뤘는데, DreamZero는 그 기반이 되는 연구 프로젝트이자 아키텍처 이름입니다.
기존 로봇 AI(VLA 모델)는 "보고 판단하고 행동하는" 세 단계를 거칩니다. DreamZero는 여기에 "상상하기"를 추가합니다. 로봇이 행동하기 전에 "이렇게 하면 어떻게 될까?"를 가상으로 시뮬레이션해보는 능력입니다.
이름의 유래가 재미있습니다. "Dream(꿈꾸다)"은 로봇이 행동 전에 상상한다는 뜻이고, "Zero"는 처음 보는 환경에서도 적응할 수 있다는 뜻입니다. 실제로 GR00T N2는 DreamZero 아키텍처 덕분에 처음 보는 환경에서의 작업 성공률이 기존 최고 모델 대비 2배 이상 높습니다.
2. Physical AI 데이터 파이프라인 — 로봇을 가르치는 공장
Physical AI Data Factory Blueprint (피지컬 AI 데이터 팩토리 블루프린트)
1일차 용어집에서 "블루프린트"는 AI 파이프라인의 사전 구성된 설계도라고 설명했습니다. Physical AI Data Factory Blueprint는 그중에서도 로봇과 자율주행차를 가르치기 위한 데이터를 대량 생산하는 공장의 설계도입니다.
핵심 전략은 "데이터 문제를 컴퓨팅 문제로 전환"하는 것입니다. 로봇을 학습시키려면 현실 세계의 데이터가 엄청나게 많이 필요한데, 실제로 다 모으는 것은 불가능합니다. 그래서 시뮬레이션으로 합성 데이터를 대량 생산하자는 것입니다. 실제 데이터를 모으는 대신 GPU를 돌려서 만드니, 데이터 수집 문제가 컴퓨팅(GPU) 수요 문제로 바뀝니다.
투자자 관점에서 이것은 GPU 수요의 새로운 원천입니다. AI 학습뿐 아니라, 로봇 훈련용 데이터를 만드는 데도 대량의 GPU가 필요해지기 때문입니다.
이 블루프린트는 아래에서 설명하는 Cosmos Curator, Cosmos Transfer, Cosmos Evaluator 세 가지 도구로 구성됩니다.
Cosmos Curator (코스모스 큐레이터)
Physical AI Data Factory의 1단계 도구입니다. 대규모 실제/합성 데이터를 수집하고, 정제하고, 라벨(어노테이션)을 붙이는 역할을 합니다.
미술관 큐레이터가 수많은 작품 중에서 전시할 작품을 고르고, 설명을 붙이고, 배치를 정하는 것처럼, Cosmos Curator는 쏟아지는 영상/이미지 데이터 중에서 쓸 만한 것을 골라내고, "이 영상에는 사람이 걷고 있다", "이 장면은 비 오는 날 교차로다" 같은 설명을 자동으로 붙여줍니다.
Cosmos Transfer (코스모스 트랜스퍼)
Physical AI Data Factory의 2단계 도구입니다. 1단계에서 정리된 데이터를 기하급수적으로 확장하고, 다양한 변형을 만드는 역할을 합니다.
한 장의 맑은 날 교차로 사진이 있다면, Cosmos Transfer가 이것을 비 오는 날, 눈 오는 날, 밤, 안개 낀 날 등 다양한 조건으로 변환합니다. 특히 중요한 것은 희귀 시나리오(long-tail scenarios)를 생성하는 능력입니다. 현실에서 좀처럼 일어나지 않지만 일어나면 위험한 상황(갑자기 동물이 뛰어드는 장면, 역주행 차량 등)을 시뮬레이션으로 만들어 로봇을 대비시킵니다.
Cosmos Reason (코스모스 리즌)
2일차 용어집에서 Cosmos 3가 세 가지 능력을 통합했다고 설명했는데, Cosmos Reason은 그중 "물리적 추론" 담당입니다.
영상을 보고 "다음에 무슨 일이 일어날지"를 물리 법칙에 기반해 예측합니다. 예를 들어, 선반 위의 상자가 기울어진 영상을 보면 "상자가 곧 떨어질 것"이라고 추론합니다. 사람에게는 당연한 물리적 상식이지만, AI에게는 매우 어려운 능력입니다.
Cosmos Reason은 연쇄적 사고(chain-of-thought reasoning)를 사용합니다. "상자가 기울어져 있다 -> 무게 중심이 밖에 있다 -> 지지가 없으면 떨어진다 -> 떨어진다"처럼 단계별로 추론합니다.
Cosmos Predict (코스모스 프리딕트)
Cosmos 3의 "미래 세계 생성" 담당입니다. 현재 상태를 입력하면 미래 상태를 영상으로 시뮬레이션합니다.
Cosmos Reason이 "무슨 일이 일어날지 말로 설명"하는 것이라면, Cosmos Predict는 "무슨 일이 일어날지 영상으로 보여주는" 것입니다. 텍스트, 이미지, 영상을 입력받아 미래 세계를 시뮬레이션하는 비디오를 생성합니다. 로봇이 행동하기 전에 "이렇게 하면 어떻게 보일까?"를 미리 확인하는 데 사용됩니다.
Cosmos Evaluator (코스모스 이밸류에이터)
Physical AI Data Factory의 3단계 도구입니다. 앞서 Cosmos Curator가 데이터를 정리하고, Cosmos Transfer가 데이터를 확장한 뒤, Evaluator가 품질 검사를 합니다.
공장의 QC(품질 관리) 부서와 같습니다. 생성된 합성 데이터가 물리 법칙에 맞는지, 현실성이 있는지, 학습에 쓸 만한 품질인지를 자동으로 점수를 매기고 불량품을 걸러냅니다. Cosmos Reason의 물리 추론 능력을 활용하여 "이 합성 영상에서 물체가 물리 법칙에 맞게 움직이는가?"를 검증합니다. GitHub에서 오픈소스로 공개되어 있습니다.
1단계 Cosmos Curator: 데이터 수집 + 정제 + 라벨링 (미술관 큐레이터)
2단계 Cosmos Transfer: 데이터 확장 + 희귀 시나리오 생성 (사진 보정/변형 전문가)
3단계 Cosmos Evaluator: 품질 검사 + 불량 필터링 (QC 검사관)
별도 Cosmos Predict: 미래 상태 영상 생성 / Cosmos Reason: 물리적 추론
Isaac Sim / Isaac Lab 3.0
1일차 용어집에서 Omniverse(3D 시뮬레이션 플랫폼)를 다뤘는데, Isaac Sim과 Isaac Lab은 그 위에서 돌아가는 로봇 전용 훈련 도구입니다.
Isaac Sim: 로봇이 훈련할 수 있는 가상 세계를 만드는 시뮬레이션 소프트웨어입니다. 물리적으로 정확한 가상 공장, 가상 도로, 가상 주방 등을 만들 수 있습니다. 실제 로봇을 망가뜨리지 않고 수천 가지 상황을 안전하게 연습할 수 있습니다.
Isaac Lab 3.0: Isaac Sim 위에서 돌아가는 로봇 학습 프레임워크입니다. 3.0 버전의 핵심 업그레이드는 DGX급 인프라에서 대규모 병렬 학습이 가능해진 것입니다. 로봇 수천 대가 동시에 다양한 상황을 연습하는 것을 한꺼번에 시뮬레이션할 수 있습니다.
Isaac Sim이 "훈련장(체육관)"이라면, Isaac Lab은 "훈련 프로그램(커리큘럼)"입니다. 삼성의 조립 로봇이 케이블 핸들링을 학습하는 데 이 조합이 활용되고 있습니다.
Jetson Thor (젯슨 토르)
NVIDIA의 로봇용 컴퓨팅 모듈(두뇌 칩)입니다. 서버 데이터센터에서 쓰는 DGX가 AI의 "대형 두뇌"라면, Jetson Thor는 로봇 몸속에 들어가는 "소형 두뇌"입니다.
이름에서 Thor(토르, 북유럽 신화의 천둥신)는 강력한 힘을 상징합니다. 실제로 Jetson Thor는 휴머노이드 로봇에 탑재되어 실시간으로 주변을 인식하고, AI 추론을 수행하고, 몸을 제어하는 것을 한꺼번에 처리합니다.
3일차에 등장한 대만의 Techman TM Xplore I 로봇이 바로 Jetson Thor를 탑재한 대표 사례입니다. 바퀴형 하체에 인간형 상체를 가진 이 로봇은 Jetson Thor 덕분에 VLA 모델을 온보드(로봇 내부)에서 실행하며, 참가자가 요청한 물건을 직접 찾아 전달하는 데모를 선보였습니다.
3. 자율주행 안전 아키텍처 — 로보택시의 안전장치
Alpamayo 1.5 (알파마요 1.5)
2일차 용어집에서 Alpamayo(자율주행 전용 AI 모델 패밀리)와 VLA(보고-이해하고-행동하는 통합 모델)를 다뤘습니다. Alpamayo 1.5는 그 업그레이드 버전입니다.
가장 큰 변화는 입력 방식의 혁신입니다. 기존 Alpamayo 1은 주행 영상만 입력받았지만, 1.5는 네 가지를 동시에 받습니다:
- 주행 비디오: 카메라가 보는 도로 영상
- 자차 모션 히스토리: 내 차가 지금까지 어떻게 움직였는지
- 내비게이션 가이드: 목적지까지의 경로 정보
- 자연어 프롬프트: "학교 앞이니 속도를 줄여줘" 같은 텍스트 명령
특히 4번 자연어 프롬프트가 혁신적입니다. 개발자가 텍스트로 자율주행차의 행동을 직접 제어하고 제약 조건을 지정할 수 있습니다. 젠슨 황은 이를 두고 "자율주행의 ChatGPT 모먼트"라고 표현했습니다. 출시 이후 10만 명 이상의 자동차 개발자가 다운로드했습니다.
DRIVE Hyperion (드라이브 하이페리온)
NVIDIA의 레벨 4 자율주행 하드웨어 플랫폼입니다. 자율주행차의 "두뇌+신경계"를 하나의 패키지로 제공하는 것입니다.
1일차 용어집에서 "레벨 4 자율주행"은 정해진 구역 내에서 사람 개입 없이 완전 자율주행하는 것이라고 설명했습니다. DRIVE Hyperion은 이 레벨 4를 실현하기 위한 하드웨어 레퍼런스 디자인입니다.
자동차 제조사들이 자율주행 컴퓨터를 처음부터 만들 필요 없이, DRIVE Hyperion을 채택하면 바로 레벨 4 차량을 개발할 수 있습니다. 3일차에 BYD, Geely, Isuzu, Nissan이 채택을 발표했고, 현대/기아, Mercedes-Benz도 협력 중입니다.
Halos OS (헤일로스 OS)
DRIVE Hyperion 위에서 돌아가는 자율주행 안전 운영체제입니다. "Halos"는 영어로 "후광"이라는 뜻인데, 차량을 보호하는 후광처럼 안전을 지킨다는 의미입니다.
핵심은 방어 심층(defense-in-depth) 원칙입니다. 한 겹이 아니라 여러 겹의 안전장치를 쌓는 것입니다:
- 이중 컴퓨트: 컴퓨터 두 대가 동시에 돌아가서, 하나가 고장 나도 다른 하나가 즉시 운행을 유지합니다
- 멀티모달 센서 다양성: 카메라, 레이더, 라이다를 동시에 사용해서 하나의 센서가 실패해도 다른 센서가 보완합니다
- AI + 고전적 안전 스택 병렬 운행: AI 주행 시스템과 전통적인 안전 시스템이 동시에 돌아가면서 서로 교차 검증합니다
기술적으로 Halos OS는 ASIL D 인증을 받은 DriveOS 위에 구축됩니다. ASIL D는 자동차 안전 등급 중 최고 등급으로, "고장 나면 사람이 죽을 수 있는 시스템"에 요구되는 가장 엄격한 기준입니다. 에어백, 브레이크 시스템과 같은 수준의 안전성을 자율주행 소프트웨어에 적용한 것입니다.
DRIVE AV (드라이브 AV)
NVIDIA의 풀스택 자율주행 소프트웨어입니다. "AV"는 Autonomous Vehicle(자율주행차)의 약자입니다.
2일차 용어집에서 "풀스택"은 하드웨어부터 소프트웨어까지 모든 계층을 다루는 것이라고 설명했습니다. DRIVE AV는 자율주행에 필요한 인지(perception), 판단(planning), 제어(control) 소프트웨어를 모두 포함하는 완전한 소프트웨어 패키지입니다.
3일차에서 가장 주목받은 것은 Uber와의 파트너십입니다. Uber가 DRIVE AV를 채택하여 풀스택 로보택시 플릿(차량 편대)을 구축하고, 2027년 상반기 LA와 샌프란시스코를 시작으로 2028년까지 4개 대륙 28개 도시에 배치합니다. Mercedes-Benz도 신형 S-Class에 DRIVE AV를 탑재하여 Uber 플랫폼 위에서 프리미엄 로보택시 서비스를 운영할 계획입니다.
| 자율주행 용어 | 역할 | 쉬운 비유 |
|---|---|---|
| Alpamayo 1.5 | 자율주행 AI 모델 (두뇌) | 운전사의 판단력과 경험 |
| DRIVE Hyperion | 하드웨어 플랫폼 (몸) | 차량 내부의 컴퓨터와 센서 세트 |
| Halos OS | 안전 운영체제 (보호장치) | 에어백, ABS 같은 안전 시스템 |
| DRIVE AV | 풀스택 소프트웨어 (기술 전체) | 운전에 필요한 모든 소프트웨어 묶음 |
4. 헬스케어 AI — 신약 발견의 새 지평
Proteina-Complexa (프로테이나-콤플렉사)
NVIDIA의 단백질 바인더 설계용 생성 AI 모델입니다. 2일차에서 BioNeMo(생명과학용 AI 플랫폼)를 다뤘는데, Proteina-Complexa는 BioNeMo 플랫폼 위에서 돌아가는 특화 모델입니다.
이름이 어렵지만 하는 일은 비교적 단순합니다. 신약을 만들려면 "질병의 원인 단백질에 딱 맞게 결합하는 분자"를 찾아야 합니다. 자물쇠(질병 단백질)에 맞는 열쇠(약물 분자)를 찾는 것입니다. Proteina-Complexa는 이 열쇠를 AI가 자동으로 설계해줍니다.
놀라운 성과는 이렇습니다:
- 100만 개의 단백질 바인더 설계를 생성
- 130개 이상의 약물 타깃에 대해 실험적으로 검증 완료
Novo Nordisk(노보 노디스크, 덴마크 제약사), Viva Biotech, Manifold Bio, 캠브리지 대학, 듀크 대학 등이 이미 활용하고 있습니다. 기존에 수개월이 걸리던 약물 설계 과정을 수일로 단축할 수 있는 잠재력을 가지고 있습니다.
AlphaFold 단백질 구조 데이터베이스 (확장)
AlphaFold는 Google DeepMind가 개발한 단백질 구조 예측 AI로, 2024년 노벨 화학상을 수상한 혁신적 기술입니다. 단백질의 아미노산 서열(레시피)만 보고 3차원 구조(완성된 모양)를 예측합니다.
3일차에 발표된 것은 이 데이터베이스의 대규모 확장입니다:
- NVIDIA, Google DeepMind, EMBL(유럽분자생물학연구소), 서울대학교가 공동 작업
- 약 3,000만 개의 단백질 복합체 예측 (단일 단백질이 아닌 여러 단백질이 결합한 구조)
- 그 중 170만 개의 고신뢰 예측이 공개 데이터베이스에 추가
왜 중요한가? 대부분의 질병은 단백질 하나가 아니라 여러 단백질이 결합한 복합체와 관련됩니다. 이 복합체의 구조를 알면 더 정확한 약물 설계가 가능합니다. 서울대학교가 참여했다는 점도 한국 투자자에게 의미 있는 부분입니다.
5. 양자컴퓨팅 — 다음 시대의 연산
cuEST (CUDA Electronic Structure Theory)
NVIDIA의 양자화학 시뮬레이션 가속 라이브러리입니다. "cu"는 CUDA를 의미하고, "EST"는 Electronic Structure Theory(전자 구조 이론)의 약자입니다.
양자화학이란 원자와 분자 수준에서 물질의 성질을 시뮬레이션하는 학문입니다. 새로운 반도체 소재, 배터리 소재, 촉매 등을 개발할 때 필수적인데, 계산이 극도로 복잡해서 슈퍼컴퓨터로도 오래 걸립니다. cuEST는 이 계산을 GPU로 가속합니다.
3일차에 발표된 구체적 성과:
- Synopsys QuantumATK(양자 시뮬레이션 소프트웨어)와 통합
- Applied Materials(반도체 장비 세계 1위)의 양자화학 시뮬레이션에서 CPU 대비 30배 속도 향상
반도체 투자자에게 시사하는 점은, NVIDIA가 "칩을 만드는 것"을 넘어 "칩을 만드는 소재를 연구하는 도구"까지 영역을 넓히고 있다는 것입니다.
CUDA-Q (쿠다 큐)
NVIDIA의 양자-고전 하이브리드 컴퓨팅 미들웨어 플랫폼입니다. "Q"는 Quantum(양자)을 의미합니다.
양자컴퓨터는 아직 단독으로 실용적인 문제를 풀기 어렵습니다. 현재 기술 수준에서 가장 유망한 접근은 기존 슈퍼컴퓨터(고전 컴퓨터)와 양자컴퓨터를 결합하는 것입니다. CUDA-Q는 이 둘을 연결하는 다리(미들웨어) 역할을 합니다.
개발자가 CUDA-Q로 코드를 작성하면, "이 부분은 GPU에서 돌리고, 이 부분은 양자프로세서에서 돌려라"를 자동으로 분배합니다. GTC 2026에서 cudaq-realtime API가 공개되어, GPU와 양자 컨트롤러 사이에서 실시간으로 데이터를 주고받는 것이 가능해졌습니다.
NVQLink (엔브이큐링크)
NVIDIA GPU와 양자프로세서를 물리적으로 직접 연결하는 인터페이스입니다. 1일차 용어집에서 NVLink가 "GPU 사이의 고속도로"라고 설명했는데, NVQLink는 "GPU와 양자 컴퓨터 사이의 고속도로"입니다.
3일차에서 주목받은 것은 Infleqtion이라는 양자컴퓨팅 기업이 자사의 Sqale QPU(중성원자 양자프로세서)를 NVQLink로 NVIDIA GPU에 직접 연결하여 시연한 것입니다. 17개 양자 컴퓨팅 기업과 9개 과학 연구소가 NVQLink을 채택했습니다.
양자컴퓨팅은 아직 "미래의 기술"이지만, NVIDIA가 CUDA-Q와 NVQLink로 양자 생태계를 선점하고 있다는 점은 투자자가 주목할 부분입니다. CUDA가 GPU 컴퓨팅을 지배했듯, CUDA-Q가 양자 컴퓨팅의 표준 플랫폼이 될 가능성이 있습니다.
cuEST = 양자화학 시뮬레이션을 GPU로 가속하는 도구 (소재 연구용)
CUDA-Q = GPU와 양자컴퓨터를 연결하는 소프트웨어 다리
NVQLink = GPU와 양자컴퓨터를 연결하는 하드웨어 다리
6. 소프트웨어 / 시장 용어 — 3일차의 마무리
NIM 마이크로서비스 (NVIDIA Inference Microservices)
AI 모델을 바로 실행 가능한 형태로 포장해서 배포하는 서비스입니다.
음식 배달에 비유하면, AI 모델이 레시피(요리법)라면 NIM은 밀키트(조리 키트)입니다. 레시피만 있으면 재료를 구하고 조리 도구를 준비하는 데 시간이 걸리지만, 밀키트는 열기만 하면 바로 먹을 수 있습니다. NIM 마이크로서비스도 마찬가지로, AI 모델을 컨테이너에 담아 배포 시간을 수주에서 수분으로 단축합니다.
3일차 피날레에서 TJ 홀로그래픽 아바타가 참가자 질문에 실시간으로 대응할 수 있었던 것도, 뒤에서 NIM 마이크로서비스가 Nemotron 모델을 빠르게 추론하고 있었기 때문입니다.
TJ (Toy Jensen, 토이 젠슨)
젠슨 황의 AI 홀로그래픽 아바타입니다. "Toy"는 "장난감"이라는 뜻으로, 젠슨 황의 미니어처 캐릭터 버전이라고 보면 됩니다.
3일차 피날레에서 두 가지 이벤트로 화제가 되었습니다:
AI 싱어롱 (오후 2:30): TJ가 로봇들과 캠프파이어 주변에 앉아 핑거피킹 기타와 하모니카 반주에 맞춰 GTC 기간의 주요 발표를 노래로 회고. 생성형 AI 도구로 음악, 이미지, 비디오를 모두 생성
홀로그래픽 아바타 시연 (오후 5:30): 전시장 18개 지점에 배치된 TJ 아바타가 투명한 용기 안에서 참가자 질문에 실시간 대응. NVIDIA의 AI 기술을 종합적으로 시연하는 쇼케이스
TJ는 단순한 볼거리가 아니라, NVIDIA의 AI 기술(Nemotron 모델 + NIM 마이크로서비스 + LiveX.ai 플랫폼)이 실시간으로 작동하는 기술 시연입니다.
LiveX.ai (라이브엑스 AI)
TJ 홀로그래픽 아바타를 구현한 홀로그램 렌더링 플랫폼입니다. LiveX.ai의 "에이전틱 플랫폼" 위에 NVIDIA의 Nemotron 모델과 NIM 마이크로서비스가 결합되어, AI 아바타가 사람의 질문을 이해하고 실시간으로 대답하면서 홀로그램으로 표현됩니다.
아직은 컨퍼런스 시연 수준이지만, 향후 리테일, 교육, 고객 서비스 등 다양한 분야에서 "AI 홀로그램 안내원"으로 활용될 가능성이 있습니다.
Buy the Rumor, Sell the News (루머에 사고, 뉴스에 팔아라)
3일차 NVIDIA 주가가 프리마켓에서 약 2.6% 하락한 현상을 설명하는 주식 시장 격언입니다.
원리는 이렇습니다:
- GTC 전에 "대단한 발표가 나올 것"이라는 기대(루머)가 퍼집니다
- 기대를 품은 투자자들이 미리 주식을 삽니다 → 주가 상승
- 실제로 대단한 발표가 나옵니다 (뉴스)
- 하지만 이미 기대가 주가에 반영되어 있어서, 새로운 매수세가 부족합니다
- 미리 산 투자자들이 이익을 확정하려고 팝니다 → 주가 하락
GTC 2026에서도 정확히 이 패턴이 나타났습니다. 3일간 혁신적인 발표가 이어졌지만, 주가는 3일차에 오히려 하락했습니다. 하지만 월가 애널리스트 41명 중 40명이 매수 의견을 유지하고, 평균 목표가 $274(52% 상승 여력)를 제시했다는 것은 단기 하락과 장기 전망은 별개라는 의미입니다.
3일차 핵심 숫자 한눈에 보기
| 숫자 | 의미 |
|---|---|
| 39,000명+ | GTC 2026 참석자 수 (190개국) |
| 하룻밤 | RL이 표준셀 라이브러리를 생성하는 데 걸린 시간 (기존 수주 이상) |
| 2배+ | DreamZero 기반 GR00T N2의 새 환경 작업 성공률 향상 |
| 10만 명+ | Alpamayo 모델을 다운로드한 자동차 개발자 수 |
| 28개 도시 | Uber 로보택시 배치 계획 (4개 대륙, 2028년까지) |
| 100만 개 | Proteina-Complexa가 설계한 단백질 바인더 수 |
| 3,000만 개 | AlphaFold 확장으로 예측된 단백질 복합체 수 |
| 30배 | cuEST의 양자화학 시뮬레이션 속도 향상 (CPU 대비) |
| 18개 | 전시장에 배치된 TJ 홀로그래픽 아바타 수 |
| 40 Buy / 1 Hold | GTC 종료 후 월가 컨센서스 (매도 의견 0명) |
이 용어 사전은 GTC 2026 3일차 분석과 함께 작성되었습니다.
1일차 용어집: 엔비디아 GTC 2026 키노트 용어 총정리 — GPU, HBM, CUDA 등 기본 용어
2일차 용어집: 오픈 모델, HBM4E, 로봇 AI까지 초보자 눈높이 해설 — 파운데이션 모델, 플라이휠, VLA 등
3일차 본문: 엔비디아 GTC 2026 3일차 총정리 — Physical AI Day, 양자컴퓨팅 전체 분석
1일차 본문: 엔비디아 GTC 2026 1일차 총정리 — Vera Rubin, Groq 3 LPU, DLSS 5
본 글은 GTC 2026 3일차에서 사용된 기술 용어를 비전문가가 이해할 수 있도록 풀어 설명한 교육 목적의 콘텐츠입니다. 특정 종목의 매수/매도를 추천하지 않으며, 투자 판단은 본인의 책임 하에 이루어져야 합니다. 기술 사양과 수치는 NVIDIA GTC 2026 공식 발표 및 참여 기업 발표(2026년 3월 19일) 기준이며, 향후 변경될 수 있습니다.
참고 자료
- NVIDIA Newsroom - Physical AI 로보틱스 파트너십
- NVIDIA Newsroom - Physical AI Data Factory Blueprint
- NVIDIA Newsroom - 오픈 모델 패밀리 확장 (Proteina-Complexa, Cosmos)
- NVIDIA Newsroom - Alpamayo 자율주행 모델
- NVIDIA Newsroom - DRIVE Hyperion L4 채택 (BYD, Geely, Isuzu, Nissan)
- NVIDIA Newsroom - NVQLink 양자컴퓨팅
- NVIDIA Newsroom - Cosmos 월드 파운데이션 모델
- NVIDIA Research - Proteina-Complexa
- NVIDIA Developer - cuEST CUDA-X 라이브러리
- Infleqtion - NVQLink GTC 2026 시연
- NVIDIA Blog - GTC 2026 뉴스 종합