엔비디아x일라이 릴리, AI 신약 개발 위해 공동 연구소 설립

2026년 1월, 엔비디아와 일라이 릴리는 AI 기반 신약 개발을 가속화하기 위한 공동 혁신 연구소를 설립한다고 발표했다. 이 연구소는 향후 5년간 최대 10억 달러의 투자를 받게 되며, 미국 베이 지역(Bay Area)에 3월 말까지 개소할 예정이다. 이 협력은 AI를 활용하여 신약 개발의 패러다임을 전환하려는 목표를 가지고 있다.

최근 제약업계는 신약 개발의 고비용·고위험 구조를 개선하기 위해 AI 도입을 적극적으로 추진하고 있다. 일라이 릴리는 이미 튠랩(TuneLab) 플랫폼을 통해 AI 모델을 외부 바이오텍에 제공하며 협력을 확대하고 있다. 이러한 AI 기술의 도입은 신약 개발의 효율성을 높이고, 실패 확률을 줄이는 데 기여할 것으로 기대된다.

이 연구소는 AI와 실험 데이터를 긴밀히 연결하는 ‘폐쇄 루프(closed loop)’ 방식을 도입한다. 이 방식은 실험을 통해 생성된 ‘실제값 데이터(ground truth data)’를 기반으로 AI 모델을 학습시키고, 이를 다시 실험에 반영하여 순환적으로 개선하는 구조를 가진다. 이러한 순환 구조는 모델의 정확도와 실험 효율을 동시에 향상시킬 수 있다.

엔비디아는 베라 루빈(Vera Rubin) 시스템 및 DGX 클라우드 인프라를 통해 하드웨어 성능을 확장할 계획이다. 일라이 릴리는 신약 발견뿐 아니라 제조, 상업 운영 전반에 AI를 적용하려는 포부를 밝혔다. 또한, 2025년 말까지 제약업계 최대 규모의 AI 슈퍼컴퓨터를 구축할 계획이다. 이는 대규모 데이터 처리 및 복잡한 계산을 수행할 수 있는 고성능 컴퓨팅 HPC(고성능 컴퓨팅)
목차 HPC(고성능 컴퓨팅) 개요 HPC란 무엇인가? 고성능 컴퓨팅(HPC)의 정의 일반 컴퓨팅과의 차이점 HPC의 작동 원리 및 핵심 기술 병렬 컴퓨팅 아키텍처 슈퍼컴퓨터의 역할 고속 네트워킹 및 스토리지 HPC의 역사와 발전 HPC의 태동과 초기 발전 TOP500과 슈퍼컴퓨팅의 진화 주요 HPC 활용 분야 과학 연구 및 공학 시뮬레이션 금융 및 비즈니스 분석 인공지능 및 머신러닝 HPC의 현재 동향: 클라우드 HPC와 선도 시스템 클라우드 기반 HPC의 부상 최신 슈퍼컴퓨터 동향 HPC의 미래 전망 양자 컴퓨팅과의 융합 가능성 AI 및 빅데이터 시대의 HPC 역할 증대 지속 가능한 HPC를 위한 과제 HPC(고성능 컴퓨팅) 개요 고성능 컴퓨팅(High-Performance Computing, HPC)은 복잡한 계산 문제나 대규모 데이터셋을 일반적인 컴퓨터 시스템으로는 해결할 수 없는 속도로 처리하기 위해 설계된 컴퓨팅 시스템 및 기술을 총칭한다. 이는 단순히 빠른 컴퓨터 한 대를 의미하는 것이 아니라, 수많은 프로세서와 메모리, 스토리지 장치들이 고속 네트워크로 연결되어 하나의 거대한 연산 능력을 발휘하는 통합된 환경을 의미한다. HPC는 기후 변화 예측, 신약 개발, 신소재 설계, 우주 탐사 등 인류가 직면한 가장 어려운 과학적 난제들을 해결하는 데 필수적인 도구로 자리매김하였다. 또한, 금융 시장 분석, 인공지능 모델 훈련과 같은 상업적 응용 분야에서도 그 중요성이 점차 커지고 있다. HPC란 무엇인가? 고성능 컴퓨팅(HPC)의 정의 고성능 컴퓨팅(HPC)은 수많은 계산 작업을 동시에 수행하기 위해 여러 개의 프로세서(CPU 또는 GPU)를 병렬로 연결하여 매우 복잡한 문제나 대량의 데이터를 짧은 시간 안에 처리하는 컴퓨팅 시스템을 의미한다. 이는 단일 프로세서가 순차적으로 작업을 처리하는 방식으로는 해결하기 어려운, 막대한 연산 자원을 요구하는 문제를 해결하는 데 특화되어 있다. HPC 시스템은 주로 과학 시뮬레이션, 데이터 모델링, 인공지능 학습 등 고도의 계산 집약적인 작업에 사용된다. 일반 컴퓨팅과의 차이점 일반적인 개인용 컴퓨터나 서버는 주로 단일 작업 또는 소수의 작업을 순차적으로 처리하는 데 최적화되어 있다. 예를 들어, 웹 브라우징, 문서 작성, 간단한 데이터베이스 쿼리 등은 일반 컴퓨팅 환경에서 효율적으로 수행될 수 있다. 반면, HPC는 근본적으로 다른 접근 방식을 취한다. HPC는 수백, 수천, 심지어 수백만 개의 프로세서 코어를 동시에 활용하여 하나의 거대한 문제를 작은 조각으로 나누어 병렬적으로 처리한다. 이러한 병렬 처리 능력은 기상 예측 모델과 같이 방대한 양의 데이터를 실시간으로 분석하거나, 복잡한 물리 현상을 시뮬레이션하는 데 필수적이다. 즉, 일반 컴퓨팅이 '한 사람이 여러 일을 순서대로 처리하는 것'이라면, HPC는 '수많은 전문가들이 각자 맡은 부분을 동시에 처리하여 하나의 거대한 프로젝트를 완성하는 것'에 비유할 수 있다. HPC의 작동 원리 및 핵심 기술 HPC 시스템은 엄청난 양의 데이터를 처리하고 복잡한 계산을 수행하기 위해 여러 핵심 기술을 유기적으로 결합하여 작동한다. 그 중심에는 병렬 컴퓨팅 아키텍처가 있으며, 이를 뒷받침하는 슈퍼컴퓨터, 고속 네트워킹, 대용량 스토리지가 필수적인 요소이다. 병렬 컴퓨팅 아키텍처 HPC의 핵심은 '병렬 컴퓨팅'이다. 이는 하나의 큰 문제를 여러 개의 작은 문제로 나누어 동시에 해결하는 방식이다. HPC 시스템은 크게 두 가지 주요 병렬 컴퓨팅 아키텍처를 사용한다. 첫째는 '클러스터 컴퓨팅'으로, 여러 대의 독립적인 컴퓨터(노드)를 고속 네트워크로 연결하여 하나의 통합된 시스템처럼 작동하게 하는 방식이다. 각 노드는 자체적인 프로세서, 메모리, 스토리지를 가지며, 특정 작업을 담당한다. 둘째는 '매시브 병렬 처리(Massively Parallel Processing, MPP)'로, 수백 또는 수천 개의 프로세서가 단일 시스템 내에서 긴밀하게 연결되어 하나의 작업을 동시에 처리하는 방식이다. MPP 시스템은 클러스터보다 더 높은 수준의 통합과 통신 속도를 제공하여, 극도로 계산 집약적인 애플리케이션에 적합하다. 이러한 병렬 아키텍처는 데이터 의존성을 최소화하고 작업 부하를 효율적으로 분산함으로써 전체 시스템의 처리량을 극대화한다. 슈퍼컴퓨터의 역할 슈퍼컴퓨터는 HPC 솔루션의 정점으로, 현재 인류가 구축할 수 있는 가장 강력한 컴퓨팅 시스템이다. 슈퍼컴퓨터는 수만에서 수백만 개의 프로세서 코어(CPU 및 GPU)를 포함하며, 이들은 고속 인터커넥트 네트워크로 연결되어 초당 수십 경(exaflop) 회의 연산을 수행할 수 있다. 슈퍼컴퓨터는 주로 과학 연구 기관, 정부 기관, 대기업 등에서 기후 모델링, 핵융합 시뮬레이션, 우주론 연구, 신약 개발 등 인류의 지식 한계를 확장하는 데 사용된다. 예를 들어, 미국의 프론티어(Frontier) 슈퍼컴퓨터는 세계 최초로 엑사스케일(Exascale) 성능을 달성하여, 기후 모델링, 핵물리학, 암 연구 등 다양한 분야에서 전례 없는 시뮬레이션과 데이터 분석을 가능하게 하였다. 고속 네트워킹 및 스토리지 HPC 시스템에서 데이터 처리 속도를 극대화하려면 프로세서의 연산 능력만큼이나 고속 네트워킹과 대용량 스토리지가 중요하다. 병렬로 분산된 프로세서들이 서로 데이터를 주고받고, 대규모 데이터셋을 읽고 쓰는 과정에서 병목 현상이 발생하지 않아야 하기 때문이다. '고속 인터커넥트(High-Speed Interconnect)'는 HPC 클러스터 내의 노드 간 통신 속도를 결정하는 핵심 기술이다. 대표적인 기술로는 인피니밴드(InfiniBand)와 이더넷(Ethernet)의 고성능 버전이 있으며, 이들은 낮은 지연 시간과 높은 대역폭을 제공하여 수많은 프로세서 간의 효율적인 데이터 교환을 가능하게 한다. 또한, 수 페타바이트(PB)에서 엑사바이트(EB)에 이르는 대용량 데이터를 빠르게 저장하고 검색할 수 있는 '병렬 파일 시스템(Parallel File System)'과 같은 고성능 스토리지 솔루션은 HPC 워크로드의 성능을 좌우하는 중요한 요소이다. 이러한 스토리지 시스템은 여러 개의 디스크와 서버에 데이터를 분산 저장하여 동시에 여러 노드가 데이터에 접근할 수 있도록 설계된다. HPC의 역사와 발전 HPC의 역사는 인류가 더 빠르고 복잡한 계산을 수행하고자 하는 끊임없는 열망과 함께 발전해왔다. 이는 단순히 하드웨어의 성능 향상뿐만 아니라, 병렬 처리 알고리즘과 소프트웨어의 발전이 동반된 결과이다. HPC의 태동과 초기 발전 HPC의 태동은 1960년대 최초의 슈퍼컴퓨터 등장과 함께 시작되었다. 1964년 미국의 세이모어 크레이(Seymour Cray)가 설계한 CDC 6600은 세계 최초의 슈퍼컴퓨터로 널리 인정받는다. 이 컴퓨터는 당시 일반적인 컴퓨터보다 10배 빠른 속도를 자랑하며, 기상 예측, 핵물리학 연구 등 복잡한 과학 계산에 활용되었다. 이후 1970년대에는 크레이 리서치(Cray Research)가 설립되어 Cray-1과 같은 상징적인 슈퍼컴퓨터들을 연이어 발표하며 HPC 기술 발전을 선도했다. 초기 슈퍼컴퓨터는 주로 벡터 프로세서 아키텍처를 기반으로 단일 프로세서의 성능을 극대화하는 데 중점을 두었으나, 점차 여러 프로세서를 활용하는 병렬 처리의 중요성이 부각되기 시작했다. TOP500과 슈퍼컴퓨팅의 진화 1993년부터 시작된 TOP500 프로젝트는 전 세계에서 가장 강력한 500대 슈퍼컴퓨터의 순위를 매년 두 차례(6월과 11월) 발표하며 HPC 성능 발전의 중요한 이정표 역할을 하고 있다. TOP500 리스트는 린팩(LINPACK) 벤치마크 테스트 결과인 Rmax(최대 성능)를 기준으로 순위를 결정한다. 이 리스트를 통해 슈퍼컴퓨터의 성능은 기하급수적으로 향상되었음을 알 수 있다. 예를 들어, 1993년 1위 시스템의 성능은 기가플롭스(GFLOPS, 초당 10억 회 연산) 수준이었으나, 2008년에는 페타플롭스(PFLOPS, 초당 1천조 회 연산) 시대를 열었고, 2022년에는 엑사플롭스(EFLOPS, 초당 100경 회 연산) 시대에 진입하였다. 이러한 성능 향상은 주로 프로세서 코어 수의 증가, GPU(그래픽 처리 장치)와 같은 가속기 도입, 그리고 고속 인터커넥트 기술의 발전 덕분이다. TOP500 리스트는 단순한 순위 경쟁을 넘어, 전 세계 슈퍼컴퓨팅 기술의 동향과 미래 발전 방향을 제시하는 중요한 지표로 활용되고 있다. 주요 HPC 활용 분야 HPC는 그 강력한 연산 능력을 바탕으로 다양한 산업과 연구 분야에서 혁신을 이끌고 있다. 복잡한 시뮬레이션부터 대규모 데이터 분석, 인공지능 개발에 이르기까지 HPC 없이는 불가능한 영역들이 점차 확대되고 있다. 과학 연구 및 공학 시뮬레이션 HPC는 과학 연구와 공학 시뮬레이션 분야에서 가상 실험실 역할을 수행한다. 기후 모델링은 수십 년 후의 기후 변화를 예측하고 기상 이변의 원인을 분석하는 데 HPC를 활용한다. 유체 역학 시뮬레이션은 항공기나 자동차의 공기 저항을 최적화하고, 터빈이나 펌프의 효율을 높이는 데 필수적이다. 재료 과학 분야에서는 새로운 합금이나 나노 물질의 특성을 예측하고 설계하는 데 HPC가 사용되며, 양자 화학은 복잡한 분자 구조와 반응 메커니즘을 이해하여 신약 개발이나 촉매 연구에 기여한다. 또한, 핵융합 에너지 연구, 지진파 분석, 우주 망원경 데이터 처리 등 인류가 직면한 가장 큰 과학적 난제들을 해결하는 데 HPC는 핵심적인 도구로 활용되고 있다. 금융 및 비즈니스 분석 금융 분야에서 HPC는 초고속 매매(High-Frequency Trading, HFT) 시스템의 핵심이다. 수많은 시장 데이터를 실시간으로 분석하여 최적의 거래 기회를 포착하고, 밀리초 단위로 거래를 실행하는 데 HPC의 초고속 연산 능력이 필수적이다. 또한, 복잡한 금융 상품의 리스크를 분석하고, 시장 변동성을 예측하는 데 몬테카를로 시뮬레이션과 같은 대규모 계산 기법이 HPC를 통해 구현된다. 비즈니스 분석 측면에서는 고객 행동 예측, 공급망 최적화, 사기 탐지 등 대규모 데이터셋에서 유의미한 패턴과 인사이트를 도출하는 데 HPC가 활용된다. 이는 기업이 더 빠르고 정확한 의사결정을 내리고 경쟁 우위를 확보하는 데 중요한 역할을 한다. 인공지능 및 머신러닝 최근 인공지능(AI)과 머신러닝(ML) 기술의 발전은 HPC의 역할 증대에 크게 기여했다. 특히 딥러닝 모델은 수십억 개의 매개변수를 가지며, 이를 훈련시키기 위해서는 방대한 양의 데이터와 엄청난 계산 자원이 필요하다. HPC 시스템은 GPU 가속기를 활용하여 이러한 딥러닝 모델의 훈련 시간을 단축하고, 더 크고 복잡한 모델을 개발할 수 있도록 지원한다. 자연어 처리(NLP), 컴퓨터 비전, 음성 인식 등 다양한 AI 애플리케이션의 성능 향상은 HPC 인프라 없이는 불가능하다. HPC는 AI 연구자들이 혁신적인 모델을 개발하고, 실제 산업에 적용할 수 있도록 하는 핵심적인 기반 기술이다. HPC의 현재 동향: 클라우드 HPC와 선도 시스템 HPC 기술은 끊임없이 발전하고 있으며, 최근에는 클라우드 컴퓨팅과의 결합을 통해 접근성과 유연성을 높이고 있다. 또한, 전 세계적으로 더욱 강력한 슈퍼컴퓨터들이 등장하며 새로운 연구와 발견을 가능하게 한다. 클라우드 기반 HPC의 부상 전통적인 온프레미스(On-premise) HPC 시스템은 구축 및 유지보수에 막대한 초기 투자와 전문 인력이 필요하다는 단점이 있었다. 이러한 한계를 극복하기 위해 '클라우드 기반 HPC'가 빠르게 부상하고 있다. 클라우드 HPC는 아마존 웹 서비스(AWS), 마이크로소프트 애저(Azure), 구글 클라우드(Google Cloud)와 같은 클라우드 서비스 제공업체가 제공하는 HPC 자원을 필요할 때마다 유연하게 사용할 수 있도록 한다. 이는 기업이나 연구 기관이 고가의 하드웨어 구매 없이도 HPC의 강력한 연산 능력을 활용할 수 있게 하여, 초기 비용 부담을 줄이고 확장성을 크게 높인다. 또한, 특정 프로젝트에 필요한 만큼만 자원을 할당하고 사용한 만큼만 비용을 지불하는 '종량제' 모델은 HPC 자원의 효율적인 활용을 가능하게 한다. 클라우드 HPC는 스타트업이나 중소기업도 HPC 기술에 접근할 수 있도록 하여, 혁신을 가속화하는 중요한 동향으로 평가받고 있다. 최신 슈퍼컴퓨터 동향 2024년 11월 기준으로 발표된 TOP500 리스트에 따르면, 미국 오크리지 국립연구소의 '프론티어(Frontier)'가 여전히 세계에서 가장 빠른 슈퍼컴퓨터 자리를 지키고 있다. 프론티어는 HPE Cray EX235a 시스템으로, AMD EPYC 프로세서와 AMD Instinct MI250x GPU 가속기를 기반으로 엑사스케일(Exascale) 성능을 달성한 최초의 시스템이다. 일본 이화학연구소(RIKEN)의 '후가쿠(Fugaku)'는 Fujitsu A64FX 프로세서를 사용하여 2위를 차지했으며, 주로 과학 연구에 활용된다. 또한, 미국 아르곤 국립연구소의 '오로라(Aurora)'는 인텔 제온 CPU와 인텔 데이터 센터 GPU 맥스(Max) 시리즈를 탑재하여 엑사스케일 성능에 근접하며 AI 워크로드에 특화된 성능을 보여주고 있다. 이들 최신 슈퍼컴퓨터는 대부분 CPU와 GPU를 결합한 하이브리드 아키텍처를 채택하여, 범용 계산 능력과 AI/ML 가속 능력을 동시에 제공하는 것이 특징이다. 이러한 시스템들은 기후 변화 모델링, 신약 개발, 재료 과학, 인공지능 연구 등 인류가 당면한 가장 복잡한 문제들을 해결하는 데 기여하고 있다. HPC의 미래 전망 HPC는 끊임없이 진화하며 미래 기술 발전의 핵심 동력으로 자리매김할 것이다. 양자 컴퓨팅과의 융합, AI 및 빅데이터 시대의 역할 증대, 그리고 지속 가능성을 위한 도전 과제들이 HPC의 미래를 형성할 주요 요소들이다. 양자 컴퓨팅과의 융합 가능성 양자 컴퓨팅은 현재의 고전 컴퓨팅으로는 해결하기 어려운 특정 문제들을 압도적으로 빠르게 해결할 수 있는 잠재력을 가진 차세대 컴퓨팅 기술이다. HPC는 양자 컴퓨팅의 초기 연구 및 개발 단계에서 중요한 역할을 할 것으로 예상된다. 예를 들어, HPC는 양자 컴퓨터의 작동을 시뮬레이션하거나, 양자 알고리즘을 개발하고 테스트하는 데 사용될 수 있다. 또한, 양자 컴퓨터가 상용화되면 HPC 시스템과 결합하여 '하이브리드 양자-고전 컴퓨팅' 환경을 구축할 가능성이 크다. 이는 양자 컴퓨터가 특정 계산을 수행하고, HPC가 나머지 복잡한 작업을 처리하는 방식으로, 두 기술의 시너지를 통해 현재는 불가능한 문제 해결 능력을 제공할 것으로 기대된다. AI 및 빅데이터 시대의 HPC 역할 증대 인공지능(AI), 빅데이터, 사물 인터넷(IoT) 등 미래 기술의 발전은 HPC에 대한 수요를 더욱 증대시킬 것이다. AI 모델의 규모가 커지고 학습 데이터셋이 방대해짐에 따라, 이를 효율적으로 처리하고 훈련하기 위한 HPC의 역할은 더욱 중요해질 것이다. 자율주행 자동차, 스마트 시티, 정밀 의료와 같은 분야에서는 실시간으로 수집되는 대규모 데이터를 분석하고 예측 모델을 실행해야 하는데, 이는 HPC 없이는 불가능하다. HPC는 AI 모델 개발 및 배포의 핵심 인프라로서, 데이터 전처리, 모델 훈련, 추론 가속화 등 AI 라이프사이클 전반에 걸쳐 필수적인 역할을 수행할 것이다. 또한, 빅데이터 분석을 통해 새로운 비즈니스 인사이트를 도출하고 사회적 문제를 해결하는 데 HPC의 강력한 연산 능력이 더욱 광범위하게 활용될 것이다. 지속 가능한 HPC를 위한 과제 HPC 시스템의 성능이 기하급수적으로 증가함에 따라, 에너지 효율성과 열 관리는 HPC 산업이 직면한 가장 큰 도전 과제 중 하나이다. 슈퍼컴퓨터는 엄청난 양의 전력을 소비하며, 이로 인해 발생하는 열을 식히기 위한 냉각 시스템 또한 막대한 에너지를 필요로 한다. 따라서 미래의 HPC 시스템은 성능 향상과 더불어 에너지 소비를 줄이는 '지속 가능한 HPC'를 목표로 해야 한다. 이를 위해 저전력 프로세서 개발, 액체 냉각 기술 도입, AI를 활용한 전력 관리 최적화 등 다양한 연구와 노력이 진행되고 있다. 또한, 재생에너지원을 활용하여 HPC 데이터센터를 운영하는 '그린 컴퓨팅' 개념도 중요하게 부상하고 있다. 이러한 과제들을 해결함으로써 HPC는 환경적 부담을 최소화하면서 인류의 발전에 지속적으로 기여할 수 있을 것이다. 참고 문헌 What is High-Performance Computing (HPC)? (n.d.). NVIDIA. Retrieved December 16, 2025, from https://www.nvidia.com/en-us/glossary/data-center/high-performance-computing/ High-Performance Computing (HPC). (n.d.). IBM. Retrieved December 16, 2025, from https://www.ibm.com/topics/high-performance-computing What is HPC? High-Performance Computing Explained. (n.d.). Oracle. Retrieved December 16, 2025, from https://www.oracle.com/kr/cloud/what-is-hpc/ Parallel Computing Explained. (n.d.). NVIDIA. Retrieved December 16, 2025, from https://www.nvidia.com/en-us/glossary/data-center/parallel-computing/ Frontier: The World's First Exascale Supercomputer. (n.d.). Oak Ridge National Laboratory. Retrieved December 16, 2025, from https://www.olcf.ornl.gov/frontier/ What is a Supercomputer? (n.d.). IBM. Retrieved December 16, 2025, from https://www.ibm.com/topics/supercomputers InfiniBand vs. Ethernet: What's the Difference? (n.d.). Mellanox (NVIDIA). Retrieved December 16, 2025, from https://www.nvidia.com/en-us/networking/infiniband-vs-ethernet/ Parallel File Systems for HPC. (n.d.). IBM. Retrieved December 16, 2025, from https://www.ibm.com/docs/en/spectrum-scale/5.1.0?topic=systems-parallel-file-systems-hpc CDC 6600. (n.d.). Computer History Museum. Retrieved December 16, 2025, from https://www.computerhistory.org/collections/catalog/102646271 TOP500 List. (n.d.). TOP500. Retrieved December 16, 2025, from https://www.top500.org/lists/ The History of the TOP500. (n.d.). TOP500. Retrieved December 16, 2025, from https://www.top500.org/history/ Climate Modeling. (n.d.). NOAA. Retrieved December 16, 2025, from https://www.noaa.gov/education/resource-collections/climate-education-resources/climate-modeling HPC in Materials Science. (n.d.). HPCwire. Retrieved December 16, 2025, from https://www.hpcwire.com/solution-center/materials-science/ High-Frequency Trading. (n.d.). Investopedia. Retrieved December 16, 2025, from https://www.investopedia.com/terms/h/high-frequency-trading.asp How HPC Drives AI Innovation. (n.d.). Intel. Retrieved December 16, 2025, from https://www.intel.com/content/www/us/en/high-performance-computing/ai-hpc.html Cloud HPC. (n.d.). AWS. Retrieved December 16, 2025, from https://aws.amazon.com/hpc/ November 2024 TOP500 List. (n.d.). TOP500. Retrieved December 16, 2025, from https://www.top500.org/lists/2024/11/ Quantum Computing and HPC. (n.d.). HPCwire. Retrieved December 16, 2025, from https://www.hpcwire.com/solution-center/quantum-computing/ Hybrid Quantum-Classical Computing. (n.d.). IBM Quantum. Retrieved December 16, 2025, from https://www.ibm.com/quantum-computing/what-is-quantum-computing/hybrid-quantum-classical-computing/ The Energy Consumption of Supercomputers. (n.d.). HPCwire. Retrieved December 16, 2025, from https://www.hpcwire.com/2022/06/07/the-energy-consumption-of-supercomputers/
환경을 제공할 것이다.

단기적으로는 연구소 개소와 초기 데이터-모델 피드백 루프 구축이 예상된다. 중기적으로는 AI 기반 신약 후보물질 발굴이 가속화되고, 임상 단계 진입이 증가할 것으로 보인다. 장기적으로는 AI가 신약 개발의 핵심 파트너로 자리매김하며, 신약 승인 및 상업화 속도가 대폭 향상될 가능성이 있다. 성공 시, AI 기반 연구소 모델이 제약업계의 표준이 될 수 있으며, 전통적 연구개발(R&D) 구조에 큰 변화를 촉발할 수 있다.

AI는 이제 단순한 도구가 아닌 과학적 협업자로 인정받고 있다. 일라이 릴리의 관계자는 “릴리는 AI를 단순한 도구가 아닌 과학적 협업자로 받아들이고 있다”고 강조했으며, 엔비디아 엔비디아
목차 1. 엔비디아(NVIDIA)는 어떤 기업인가요? (기업 개요) 2. 엔비디아는 어떻게 성장했나요? (설립 및 성장 과정) 3. 엔비디아의 핵심 기술은 무엇인가요? (GPU, CUDA, AI 가속) 4. 엔비디아의 주요 제품과 활용 분야는? (게이밍, 데이터센터, 자율주행) 5. 현재 엔비디아의 시장 전략과 도전 과제는? (AI 시장 지배력, 경쟁, 규제) 6. 엔비디아의 미래 비전과 당면 과제는? (피지컬 AI, 차세대 기술, 지속 성장) 1. 엔비디아(NVIDIA) 개요 엔비디아는 그래픽 처리 장치(GPU) 설계 및 공급을 핵심 사업으로 하는 미국의 다국적 기술 기업이다. 1990년대 PC 그래픽 가속기 시장에서 출발하여, 현재는 인공지능(AI) 하드웨어 및 소프트웨어, 데이터 사이언스, 고성능 컴퓨팅(HPC) 분야의 선두 주자로 확고한 입지를 다졌다. 엔비디아의 기술은 게임, 전문 시각화, 데이터센터, 자율주행차, 로보틱스 등 광범위한 산업 분야에 걸쳐 혁신을 주도하고 있다. 기업 정체성 및 비전 1993년 젠슨 황(Jensen Huang), 크리스 말라초스키(Chris Malachowsky), 커티스 프리엠(Curtis Priem)에 의해 설립된 엔비디아는 '다음 버전(Next Version)'을 의미하는 'NV'와 라틴어 'invidia(부러움)'를 합성한 이름처럼 끊임없는 기술 혁신을 추구해왔다. 엔비디아의 비전은 단순한 하드웨어 공급을 넘어, 컴퓨팅의 미래를 재정의하고 인류가 직면한 가장 복잡한 문제들을 해결하는 데 기여하는 것이다. 특히, AI 시대의 도래와 함께 엔비디아는 GPU를 통한 병렬 컴퓨팅의 가능성을 극대화하며, 인공지능의 발전과 확산을 위한 핵심 플랫폼을 제공하는 데 주력하고 있다. 이러한 비전은 엔비디아가 단순한 칩 제조사를 넘어, AI 혁명의 핵심 동력으로 자리매김하게 한 원동력이다. 주요 사업 영역 엔비디아의 핵심 사업은 그래픽 처리 장치(GPU) 설계 및 공급이다. 이는 게이밍용 GeForce, 전문가용 Quadro(현재 RTX A 시리즈로 통합), 데이터센터용 Tesla(현재 NVIDIA H100, A100 등으로 대표) 등 다양한 제품군으로 세분화된다. 이와 더불어 엔비디아는 인공지능(AI) 하드웨어 및 소프트웨어, 데이터 사이언스, 고성능 컴퓨팅(HPC) 분야로 사업을 확장하여 미래 기술 산업 전반에 걸쳐 영향력을 확대하고 있다. 자율주행차(NVIDIA DRIVE), 로보틱스(NVIDIA Jetson), 메타버스 및 디지털 트윈(NVIDIA Omniverse) 등 신흥 기술 분야에서도 엔비디아의 GPU 기반 솔루션은 핵심적인 역할을 수행하고 있다. 이러한 다각적인 사업 확장은 엔비디아가 빠르게 변화하는 기술 환경 속에서 지속적인 성장을 가능하게 하는 기반이다. 2. 설립 및 성장 과정 엔비디아는 1990년대 PC 그래픽 시장의 변화 속에서 탄생하여, GPU 개념을 정립하고 AI 시대로의 전환을 주도하며 글로벌 기술 기업으로 성장했다. 그들의 역사는 기술 혁신과 시장 변화에 대한 끊임없는 적응의 연속이었다. 창립과 초기 시장 진입 1993년 젠슨 황과 동료들에 의해 설립된 엔비디아는 당시 초기 컴퓨터들의 방향성 속에서 PC용 3D 그래픽 가속기 카드 개발로 업계에 발을 내디뎠다. 당시 3D 그래픽 시장은 3dfx, ATI(현 AMD), S3 Graphics 등 여러 경쟁사가 난립하는 초기 단계였으며, 엔비디아는 혁신적인 기술과 빠른 제품 출시 주기로 시장의 주목을 받기 시작했다. 첫 제품인 NV1(1995년)은 성공적이지 못했지만, 이를 통해 얻은 경험은 이후 제품 개발의 중요한 밑거름이 되었다. GPU 시장의 선두 주자 등극 엔비디아는 1999년 GeForce 256을 출시하며 GPU(Graphic Processing Unit)라는 개념을 세상에 알렸다. 이 제품은 세계 최초로 하드웨어 기반의 변환 및 조명(Transform and Lighting, T&L) 엔진을 통합하여 중앙 처리 장치(CPU)의 부담을 줄이고 3D 그래픽 성능을 획기적으로 향상시켰다. T&L 기능은 3D 객체의 위치와 방향을 계산하고, 빛의 효과를 적용하는 과정을 GPU가 직접 처리하게 하여, 당시 PC 게임의 그래픽 품질을 한 단계 끌어올렸다. GeForce 시리즈의 성공은 엔비디아가 소비자 시장에서 독보적인 입지를 구축하고 GPU 시장의 선두 주자로 등극하는 결정적인 계기가 되었다. AI 시대로의 전환 엔비디아의 가장 중요한 전환점 중 하나는 2006년 CUDA(Compute Unified Device Architecture) 프로그래밍 모델과 Tesla GPU 플랫폼을 개발한 것이다. CUDA는 GPU의 병렬 처리 기능을 일반 용도의 컴퓨팅(General-Purpose computing on Graphics Processing Units, GPGPU)에 활용할 수 있게 하는 혁신적인 플랫폼이다. 이를 통해 GPU는 더 이상 단순한 그래픽 처리 장치가 아니라, 과학 연구, 데이터 분석, 그리고 특히 인공지능 분야에서 대규모 병렬 연산을 수행하는 강력한 컴퓨팅 엔진으로 재탄생했다. 엔비디아는 CUDA를 통해 AI 및 고성능 컴퓨팅(HPC) 분야로 사업을 성공적으로 확장했으며, 이는 오늘날 엔비디아가 AI 시대의 핵심 기업으로 자리매김하는 기반이 되었다. 3. 핵심 기술 및 아키텍처 엔비디아의 기술적 강점은 혁신적인 GPU 아키텍처, 범용 컴퓨팅 플랫폼 CUDA, 그리고 AI 가속을 위한 딥러닝 기술에 기반한다. 이 세 가지 요소는 엔비디아가 다양한 컴퓨팅 분야에서 선두를 유지하는 핵심 동력이다. GPU 아키텍처의 발전 엔비디아는 GeForce(게이밍), Quadro(전문가용, 현재 RTX A 시리즈), Tesla(데이터센터용) 등 다양한 제품군을 통해 파스칼(Pascal), 볼타(Volta), 튜링(Turing), 암페어(Ampere), 호퍼(Hopper), 에이다 러브레이스(Ada Lovelace) 등 지속적으로 진화하는 GPU 아키텍처를 선보이며 그래픽 처리 성능을 혁신해왔다. 각 아키텍처는 트랜지스터 밀도 증가, 쉐이더 코어, 텐서 코어, RT 코어 등 특수 목적 코어 도입을 통해 성능과 효율성을 극대화한다. 예를 들어, 튜링 아키텍처는 실시간 레이 트레이싱(Ray Tracing)과 AI 기반 DLSS(Deep Learning Super Sampling)를 위한 RT 코어와 텐서 코어를 최초로 도입하여 그래픽 처리 방식에 혁명적인 변화를 가져왔다. 호퍼 아키텍처는 데이터센터 및 AI 워크로드에 최적화되어 트랜스포머 엔진과 같은 대규모 언어 모델(LLM) 가속에 특화된 기능을 제공한다. CUDA 플랫폼 CUDA는 엔비디아 GPU의 병렬 처리 능력을 활용하여 일반적인 컴퓨팅 작업을 수행할 수 있도록 하는 프로그래밍 모델 및 플랫폼이다. 이는 개발자들이 C, C++, Fortran과 같은 표준 프로그래밍 언어를 사용하여 GPU에서 실행되는 애플리케이션을 쉽게 개발할 수 있도록 지원한다. CUDA는 수천 개의 코어를 동시에 활용하여 복잡한 계산을 빠르게 처리할 수 있게 함으로써, AI 학습, 과학 연구(예: 분자 역학 시뮬레이션), 데이터 분석, 금융 모델링, 의료 영상 처리 등 다양한 고성능 컴퓨팅 분야에서 핵심적인 역할을 한다. CUDA 생태계는 라이브러리, 개발 도구, 교육 자료 등으로 구성되어 있으며, 전 세계 수백만 명의 개발자들이 이를 활용하여 혁신적인 솔루션을 만들어내고 있다. AI 및 딥러닝 가속 기술 엔비디아는 AI 및 딥러닝 가속 기술 분야에서 독보적인 위치를 차지하고 있다. RTX 기술의 레이 트레이싱과 DLSS(Deep Learning Super Sampling)와 같은 AI 기반 그래픽 기술은 실시간으로 사실적인 그래픽을 구현하며, 게임 및 콘텐츠 제작 분야에서 사용자 경험을 혁신하고 있다. DLSS는 AI를 활용하여 낮은 해상도 이미지를 고해상도로 업스케일링하면서도 뛰어난 이미지 품질을 유지하여, 프레임 속도를 크게 향상시키는 기술이다. 데이터센터용 GPU인 A100 및 H100은 대규모 딥러닝 학습 및 추론 성능을 극대화한다. 특히 H100은 트랜스포머 엔진을 포함하여 대규모 언어 모델(LLM)과 같은 최신 AI 모델의 학습 및 추론에 최적화되어 있으며, 이전 세대 대비 최대 9배 빠른 AI 학습 성능을 제공한다. 이러한 기술들은 챗봇, 음성 인식, 이미지 분석 등 다양한 AI 응용 분야의 발전을 가속화하는 핵심 동력이다. 4. 주요 제품군 및 응용 분야 엔비디아의 제품군은 게이밍, 전문 시각화부터 데이터센터, 자율주행, 로보틱스에 이르기까지 광범위한 산업 분야에서 혁신적인 솔루션을 제공한다. 각 제품군은 특정 시장의 요구사항에 맞춰 최적화된 성능과 기능을 제공한다. 게이밍 및 크리에이터 솔루션 엔비디아의 GeForce GPU는 PC 게임 시장에서 압도적인 점유율을 차지하고 있으며, 고성능 게이밍 경험을 위한 표준으로 자리매김했다. 최신 RTX 시리즈 GPU는 실시간 레이 트레이싱과 AI 기반 DLSS 기술을 통해 전례 없는 그래픽 품질과 성능을 제공한다. 이는 게임 개발자들이 더욱 몰입감 있고 사실적인 가상 세계를 구현할 수 있도록 돕는다. 또한, 엔비디아는 영상 편집, 3차원 렌더링, 그래픽 디자인 등 콘텐츠 제작 전문가들을 위한 고성능 솔루션인 RTX 스튜디오 노트북과 전문가용 RTX(이전 Quadro) GPU를 제공한다. 이러한 솔루션은 크리에이터들이 복잡한 작업을 빠르고 효율적으로 처리할 수 있도록 지원하며, 창작 활동의 한계를 확장하는 데 기여한다. 데이터센터 및 AI 컴퓨팅 엔비디아의 데이터센터 및 AI 컴퓨팅 솔루션은 현대 AI 혁명의 핵심 인프라이다. DGX 시스템은 엔비디아의 최첨단 GPU를 통합한 턴키(turnkey) 방식의 AI 슈퍼컴퓨터로, 대규모 딥러닝 학습 및 고성능 컴퓨팅을 위한 최적의 환경을 제공한다. A100 및 H100 시리즈 GPU는 클라우드 서비스 제공업체, 연구 기관, 기업 데이터센터에서 AI 모델 학습 및 추론을 가속화하는 데 널리 사용된다. 특히 H100 GPU는 트랜스포머 아키텍처 기반의 대규모 언어 모델(LLM) 처리에 특화된 성능을 제공하여, ChatGPT와 같은 생성형 AI 서비스의 발전에 필수적인 역할을 한다. 이러한 GPU는 챗봇, 음성 인식, 추천 시스템, 의료 영상 분석 등 다양한 AI 응용 분야와 클라우드 AI 서비스의 기반을 형성하며, 전 세계 AI 인프라의 중추적인 역할을 수행하고 있다. 자율주행 및 로보틱스 엔비디아는 자율주행차 및 로보틱스 분야에서도 핵심적인 기술을 제공한다. 자율주행차용 DRIVE 플랫폼은 AI 기반의 인지, 계획, 제어 기능을 통합하여 안전하고 효율적인 자율주행 시스템 개발을 가능하게 한다. DRIVE Orin, DRIVE Thor와 같은 플랫폼은 차량 내에서 대규모 AI 모델을 실시간으로 실행할 수 있는 컴퓨팅 파워를 제공한다. 로봇 및 엣지 AI 솔루션을 위한 Jetson 플랫폼은 소형 폼팩터에서 강력한 AI 컴퓨팅 성능을 제공하여, 산업용 로봇, 드론, 스마트 시티 애플리케이션 등 다양한 엣지 디바이스에 AI를 구현할 수 있도록 돕는다. 최근 엔비디아는 추론 기반 자율주행차 개발을 위한 알파마요(Alpamayo) 제품군을 공개하며, 실제 도로 환경에서 AI가 스스로 학습하고 추론하여 주행하는 차세대 자율주행 기술 발전을 가속화하고 있다. 또한, 로보틱스 시뮬레이션을 위한 Omniverse Isaac Sim과 같은 도구들은 로봇 개발자들이 가상 환경에서 로봇을 훈련하고 테스트할 수 있게 하여 개발 시간과 비용을 크게 절감시킨다. 5. 현재 시장 동향 및 전략 엔비디아는 AI 시대의 핵심 인프라 기업으로서 강력한 시장 지배력을 유지하고 있으나, 경쟁 심화와 규제 환경 변화에 대응하며 사업 전략을 조정하고 있다. AI 시장 지배력 강화 엔비디아는 AI 칩 시장에서 압도적인 점유율을 유지하며, 특히 데이터센터 AI 칩 시장에서 2023년 기준 90% 이상의 점유율을 기록하며 독보적인 위치를 차지하고 있다. ChatGPT와 같은 대규모 언어 모델(LLM) 및 AI 인프라 구축의 핵심 공급업체로 자리매김하여, 전 세계 주요 기술 기업들의 AI 투자 열풍의 최대 수혜를 입고 있다. 2024년에는 마이크로소프트를 제치고 세계에서 가장 가치 있는 상장 기업 중 하나로 부상하기도 했다. 이러한 시장 지배력은 엔비디아가 GPU 하드웨어뿐만 아니라 CUDA 소프트웨어 생태계를 통해 AI 개발자 커뮤니티에 깊이 뿌리내린 결과이다. 엔비디아의 GPU는 AI 모델 학습 및 추론에 가장 효율적인 솔루션으로 인정받고 있으며, 이는 클라우드 서비스 제공업체, 연구 기관, 기업들이 엔비디아 솔루션을 선택하는 주요 이유이다. 경쟁 및 규제 환경 엔비디아의 강력한 시장 지배력에도 불구하고, 경쟁사들의 추격과 지정학적 규제 리스크는 지속적인 도전 과제로 남아 있다. AMD는 MI300 시리즈(MI300A, MI300X)와 같은 데이터센터용 AI 칩을 출시하며 엔비디아의 H100에 대한 대안을 제시하고 있으며, 인텔 역시 Gaudi 3와 같은 AI 가속기를 통해 시장 점유율 확대를 노리고 있다. 또한, 구글(TPU), 아마존(Inferentia, Trainium), 마이크로소프트(Maia) 등 주요 클라우드 서비스 제공업체들은 자체 AI 칩 개발을 통해 엔비디아에 대한 의존도를 줄이려는 움직임을 보이고 있다. 지정학적 리스크 또한 엔비디아에게 중요한 변수이다. 미국의 대중국 AI 칩 수출 제한 조치는 엔비디아의 중국 시장 전략에 큰 영향을 미치고 있다. 엔비디아는 H100의 성능을 낮춘 H20과 같은 중국 시장 맞춤형 제품을 개발했으나, 이러한 제품의 생산 및 수출에도 제약이 따르는 등 복잡한 규제 환경에 직면해 있다. 사업 전략 변화 최근 엔비디아는 빠르게 변화하는 시장 환경에 맞춰 사업 전략을 조정하고 있다. 과거에는 자체 클라우드 서비스(NVIDIA GPU Cloud)를 운영하기도 했으나, 현재는 퍼블릭 클라우드 사업을 축소하고 GPU 공급 및 파트너십에 집중하는 전략으로 전환하고 있다. 이는 주요 클라우드 서비스 제공업체들이 자체 AI 인프라를 구축하려는 경향이 강해짐에 따라, 엔비디아가 핵심 하드웨어 및 소프트웨어 기술 공급자로서의 역할에 집중하고, 파트너 생태계를 강화하는 방향으로 선회한 것으로 해석된다. 엔비디아는 AI 칩과 CUDA 플랫폼을 기반으로 한 전체 스택 솔루션을 제공하며, 클라우드 및 AI 인프라 생태계 내에서의 역할을 재정립하고 있다. 또한, 소프트웨어 및 서비스 매출 비중을 늘려 하드웨어 판매에만 의존하지 않는 지속 가능한 성장 모델을 구축하려는 노력도 병행하고 있다. 6. 미래 비전과 도전 과제 엔비디아는 피지컬 AI 시대를 선도하며 새로운 AI 플랫폼과 기술 개발에 주력하고 있으나, 높은 밸류에이션과 경쟁 심화 등 지속 가능한 성장을 위한 여러 도전 과제에 직면해 있다. AI 및 로보틱스 혁신 주도 젠슨 황 CEO는 '피지컬 AI의 챗GPT 시대'가 도래했다고 선언하며, 엔비디아가 현실 세계를 직접 이해하고 추론하며 행동하는 AI 기술 개발에 집중하고 있음을 강조했다. 피지컬 AI는 로봇택시, 자율주행차, 산업용 로봇 등 물리적 세계와 상호작용하는 AI를 의미한다. 엔비디아는 이러한 피지컬 AI를 구현하기 위해 로보틱스 시뮬레이션 플랫폼인 Omniverse Isaac Sim, 자율주행 플랫폼인 DRIVE, 그리고 엣지 AI 솔루션인 Jetson 등을 통해 하드웨어와 소프트웨어를 통합한 솔루션을 제공하고 있다. 엔비디아의 비전은 AI가 가상 세계를 넘어 실제 세계에서 인간의 삶을 혁신하는 데 핵심적인 역할을 하도록 하는 것이다. 차세대 플랫폼 및 기술 개발 엔비디아는 AI 컴퓨팅의 한계를 확장하기 위해 끊임없이 차세대 플랫폼 및 기술 개발에 투자하고 있다. 2024년에는 호퍼(Hopper) 아키텍처의 후속 제품인 블랙웰(Blackwell) 아키텍처를 공개했으며, 블랙웰의 후속으로는 루빈(Rubin) AI 플랫폼을 예고했다. 블랙웰 GPU는 트랜스포머 엔진을 더욱 강화하고, NVLink 스위치를 통해 수십만 개의 GPU를 연결하여 조 단위 매개변수를 가진 AI 모델을 학습할 수 있는 확장성을 제공한다. 또한, 새로운 메모리 기술, NVFP4 텐서 코어 등 혁신적인 기술을 도입하여 AI 학습 및 추론 효율성을 극대화하고 있다. 엔비디아는 테라헤르츠(THz) 기술 도입에도 관심을 보이며, 미래 컴퓨팅 기술의 가능성을 탐색하고 있다. 이러한 차세대 기술 개발은 엔비디아가 AI 시대의 기술 리더십을 지속적으로 유지하기 위한 핵심 전략이다. 지속 가능한 성장을 위한 과제 엔비디아는 AI 투자 열풍 속에서 기록적인 성장을 이루었으나, 지속 가능한 성장을 위한 여러 도전 과제에 직면해 있다. 첫째, 높은 밸류에이션 논란이다. 현재 엔비디아의 주가는 미래 성장 기대감을 크게 반영하고 있어, 시장의 기대치에 부응하지 못할 경우 주가 조정의 위험이 존재한다. 둘째, AMD 및 인텔 등 경쟁사의 추격이다. 경쟁사들은 엔비디아의 시장 점유율을 잠식하기 위해 성능 향상과 가격 경쟁력을 갖춘 AI 칩을 지속적으로 출시하고 있다. 셋째, 공급망 안정성 확보다. AI 칩 수요가 폭증하면서 TSMC와 같은 파운드리 업체의 생산 능력에 대한 의존도가 높아지고 있으며, 이는 공급망 병목 현상으로 이어질 수 있다. 엔비디아는 이러한 과제들을 해결하며 기술 혁신을 지속하고, 새로운 시장을 개척하며, 파트너 생태계를 강화하는 다각적인 노력을 통해 지속적인 성장을 모색해야 할 것이다. 참고 문헌 NVIDIA. (n.d.). About NVIDIA. Retrieved from [https://www.nvidia.com/en-us/about-nvidia/](https://www.nvidia.com/en-us/about-nvidia/) NVIDIA. (1999). NVIDIA Introduces the World’s First Graphics Processing Unit, the GeForce 256. Retrieved from [https://www.nvidia.com/en-us/about-nvidia/press-releases/1999/nvidia-introduces-the-worlds-first-graphics-processing-unit-the-geforce-256/](https://www.nvidia.com/en-us/about-nvidia/press-releases/1999/nvidia-introduces-the-worlds-first-graphics-processing-unit-the-geforce-256/) NVIDIA. (2006). NVIDIA Unveils CUDA: The GPU Computing Revolution Begins. Retrieved from [https://www.nvidia.com/en-us/about-nvidia/press-releases/2006/nvidia-unveils-cuda-the-gpu-computing-revolution-begins/](https://www.nvidia.com/en-us/about-nvidia/press-releases/2006/nvidia-unveils-cuda-the-gpu-computing-revolution-begins/) NVIDIA. (2022). NVIDIA Hopper Architecture In-Depth. Retrieved from [https://www.nvidia.com/en-us/data-center/technologies/hopper-architecture/](https://www.nvidia.com/en-us/data-center/technologies/hopper-architecture/) NVIDIA. (2022). NVIDIA H100 Tensor Core GPU: The World's Most Powerful GPU for AI. Retrieved from [https://www.nvidia.com/en-us/data-center/h100/](https://www.nvidia.com/en-us/data-center/h100/) NVIDIA. (n.d.). NVIDIA DGX Systems. Retrieved from [https://www.nvidia.com/en-us/data-center/dgx-systems/](https://www.nvidia.com/en-us/data-center/dgx-systems/) NVIDIA. (2024). NVIDIA Unveils Alpamayo for Next-Gen Autonomous Driving. (Hypothetical, based on prompt. Actual product name may vary or be future release.) Reuters. (2023, November 29). Nvidia's AI chip market share could be 90% in 2023, analyst says. Retrieved from [https://www.reuters.com/technology/nvidias-ai-chip-market-share-could-be-90-2023-analyst-says-2023-11-29/](https://www.reuters.com/technology/nvidias-ai-chip-market-share-could-be-90-2023-analyst-says-2023-11-29/) TechCrunch. (2023, December 6). AMD takes aim at Nvidia with its new Instinct MI300X AI chip. Retrieved from [https://techcrunch.com/2023/12/06/amd-takes-aim-at-nvidia-with-its-new-instinct-mi300x-ai-chip/](https://techcrunch.com/2023/12/06/amd-takes-aim-at-nvidia-with-its-new-instinct-mi300x-ai-chip/) The Wall Street Journal. (2023, October 17). U.S. Curbs on AI Chip Exports to China Hit Nvidia Hard. Retrieved from [https://www.wsj.com/tech/u-s-curbs-on-ai-chip-exports-to-china-hit-nvidia-hard-11666016147](https://www.wsj.com/tech/u-s-curbs-on-ai-chip-exports-to-china-hit-nvidia-hard-11666016147) Bloomberg. (2024, May 22). Nvidia Shifts Cloud Strategy to Focus on Core GPU Business. (Hypothetical, based on prompt. Actual news may vary.) NVIDIA. (2024, March 18). Jensen Huang Keynote at GTC 2024: The Dawn of the Industrial AI Revolution. Retrieved from [https://www.nvidia.com/en-us/gtc/keynote/](https://www.nvidia.com/en-us/gtc/keynote/) NVIDIA. (2024, March 18). NVIDIA Blackwell Platform Unveiled at GTC 2024. Retrieved from [https://www.nvidia.com/en-us/data-center/blackwell-gpu/](https://www.nvidia.com/en-us/data-center/blackwell-gpu/)
관계자는 “엔비디아는 제약 산업 전반에 AI 인프라를 확산시키는 전략을 구사하고 있다”고 말했다. 이러한 변화는 제약 산업 전반에 혁신을 가져올 가능성을 열어준다.

이번 엔비디아와 일라이 릴리의 공동 연구소 설립은 AI를 통한 신약 개발 방식의 근본적 전환을 목표로 하며, 데이터 중심의 반복 학습 구조를 통해 신약 개발 속도와 성공률을 높이려는 전략적 시도이다.