Jensen Huang claims AGI arrived, pegs AI buildout at $6T

엔비디아 CEO 젠슨 황은 범용 디지털 지능으로서의 AGI에 2년 내 도달하며 사실상 이미 도달했다고 발언했다. 기준과 벤치마크는 제시하지 않았다. AI 컴퓨트 100GW 구축비를 6조 달러로 추산하며 1GW당 600억 달러 수준으로 본다. 이는 전력과 칩과 데이터센터를 포함한 산업 전체의 구축비다. 반도체 팹 250억 달러 대비 1GW AI 공장은 두 배 비싸다. 전용 ASIC은 모델과 알고리즘 변화로 자산이 급격히 낡을 수 있어 리스크가 크며, 엔비디아는 모든 모델과 작업을 돌리는 범용 구조를 안전한 선택으로 강조했다. AI가 자동으로 업무를 대체하지 않으며 권한과 맥락과 목표를 연결하는 하네스가 필요하다고 설명했다. 핵심 쟁점은 6조 달러가 실제 AI 매출과 생산성으로 회수 가능한지다.

AGI 선언과 기준

- 정의: 인간 같은 존재가 아니라 누구나 이용 가능한 범용 디지털 지능
- 타임라인: 2년 내 도달, 이미 도착했다는 발언
- 공백: 구체적 테스트와 벤치마크 기준 미제시

100GW 구축비용과 산업 스택

- 총규모: 2030년까지 100GW 구축 시 약 6조 달러
- 단가: AI 컴퓨트 1GW 구축비 약 600억 달러
- 구성: 전력 인프라와 GPU 공급망과 데이터센터 건설과 네트워크
- 비교: 전통적 반도체 팹 250억 달러 대비 AI 공장 1GW가 두 배 비용
- 자본 성격: 멀티라인 산업에 걸친 장기 CAPEX로 수요와 전력 가격과 공급망 제약에 영향

ASIC 대비 범용 GPU 논리

- 기술 변화: 모델과 알고리즘과 훈련 방식이 빠르게 변주
- 리스크: 전용 ASIC이 적합하지 않으면 전체 설비가 비경제적 자산으로 전환
- 엔비디아 포지션: 다양한 모델과 작업을 지원하는 범용 아키텍처가 자산 안전성 측면에서 유리

하네스의 역할과 확장

- 정의: 권한과 맥락과 목표를 연결해 AI가 조직 내에서 실제 업무를 수행하도록 만드는 시스템
- 확장 가치: 전력과 GPU와 데이터와 워크플로우를 연결하는 인프라 레이어로 가치가 집중
- 함의: 모델 성능 외 운영 스택과 통합이 생산성의 결정 요인

투자와 시장 검증 포인트

- 회수 가능성: 6조 달러 CAPEX가 매출과 생산성으로 회수될지 검증 필요
- 변수: 전력 공급 안정성과 전력 단가와 GPU 수급과 데이터센터 건설 리드타임과 규제
- 수익 모델: 훈련과 추론 단가와 고객 지불의지와 워크플로우 내 효율화 정도
- 비용 하향 압력: 아키텍처 최적화와 소프트웨어 개선과 하드웨어 효율 향상으로 GW 당 비용과 TCO가 변화

암호화폐와 DeFi에 대한 함의

- AI 토큰과 연계 내러티브: 대규모 CAPEX 발표는 AI 관련 토큰에 수요 기대를 자극하지만 실적 검증 없이는 변동성 확대 가능
- 온체인 컴퓨트 마켓플레이스: 분산 GPU 네트워크와 데이터 거래소와 인퍼런스 마켓은 전력과 하드웨어 조달 비용에 민감
- 에너지 토큰화: 전력 단가와 안정적 공급이 핵심이므로 에너지 크레딧과 탄소 배출권과 재생에너지 증서 토큰의 활용도 상승 가능
- 리스크: AGI 기준 부재와 ROI 불확실성은 레버리지된 AI·컴퓨트 테마 자산의 가격 조정 요인

핵심 요약

- AGI 도달 발언은 기준 미제시로 실증 필요
- 100GW 구축비 6조 달러: 산업 스택 전체의 장기 CAPEX
- ASIC 리스크: 기술 변화 속도 때문에 범용 GPU의 자산 안전성 부각
- 하네스: 조직 통합과 운영 인프라가 가치 중심
- 시장 과제: 초대형 자본의 수익 회수 가능성 검증