서론

2026년 7월, NVIDIA CEO인 젠슨 황(Jensen Huang) 씨가 일본을 방문했습니다.

그 시기에 맞춰, Noetra는 국산 멀티모달(Multimodal) 기반 모델 개발과 약 27,500개의 NVIDIA Rubin GPU를 탑재하는 AI 계산 기반 구축을 발표했습니다. AI를 공부하던 저에게 피지컬 AI(Physical AI)나 국산 기반 모델은 이전부터 관심 있는 테마였습니다. 하지만 CEO의 방일과 Noetra의 발표가 동시에 이루어지면서 또 다른 의문이 생겼습니다.

왜 일본의 AI 정책과 NVIDIA의 제품 전략은 이토록 깔끔하게 연결되어 있는가.

조사를 시작했을 당시에는 대형 프로젝트를 획득하기 위한 영업 활동을 상상했습니다. 하지만 2024년부터의 움직임을 시계열로 추적해 보니, 보이는 것은 개별 프로젝트의 수주 활동만이 아니었습니다.

NVIDIA는 GPU의 성능을 설명할 뿐만 아니라,

• 국가가 AI를 산업 정책으로서 어떻게 파악하는가
• AI 기반을 어떤 단위로 정비할 것인가
• 일본의 강점을 어느 카테고리에 연결할 것인가

라는, 논의의 전제 그 자체를 설계하고 있습니다.

본 기사에서는 이러한 움직임을 '정책을 뒤에서 조종했다'는 식으로 다루지 않겠습니다. 공개된 정보로부터 확인할 수 있는 사실과, 그로부터 읽어낼 수 있는 영업 전략을 나누어 정리하겠습니다.

대상 독자: AI·제조업·공공 정책의 접점에 관심이 있는 엔지니어, 아키텍트(Architect), IT 컨설턴트, 사업 기획 담당자.

1. 우선 결론——NVIDIA가 선점한 것은 '분류의 표준'

이번 조사에서 제가 가장 놀랐던 점을 먼저 쓰겠습니다.

NVIDIA가 일본에서 선점한 것은 GPU라는 제품만이 아닙니다. **무엇을 AI 기반이라 부르고, 무엇을 피지컬 AI(Physical AI)라 부르며, 그 실현을 위해 무엇이 필요한가라는 '분류의 표준'**입니다.

정책이나 대규모 투자는 최종적으로 예산 항목과 조달 사양으로 귀결됩니다. 그 전 단계에는 반드시 다음과 같은 질문이 있습니다.

• 지금 일어나고 있는 기술 변화를 무엇이라 부르는가
• 일본은 어느 영역에 투자할 것인가
• 이를 위해 어떤 인프라를 정비할 것인가
• 정비 상황을 어떤 단위로 측정할 것인가

여기서 '소버린 AI(Sovereign AI)', 'AI 팩토리(AI Factory)', '피지컬 AI(Physical AI)'라는 NVIDIA의 어휘를 채택하면, 필요한 구성 요소도 NVIDIA가 제시하는 세계관에 따라 정리하기 쉬워집니다.

예를 들어 NVIDIA는 AI를 다음 5개 층(Layer)으로 설명합니다.

이는 기술 아키텍처(Architecture)인 동시에, 투자 계획을 설명하기 위한 프레임워크(Framework)이기도 합니다. 'AI를 도입한다'라는 모호했던 논의가 전력, GPU, 데이터 센터, 모델, 산업 응용이라는 예산화하기 쉬운 단위로 나뉩니다.

중요한 것은 이 프레임워크가 틀렸다는 이야기가 아닙니다. 오히려 기술과 정책, 사업을 한 장으로 설명할 수 있는 완성도가 높습니다. 그렇기 때문에 많은 관계자가 같은 언어를 사용하기 쉬워집니다.

제품을 선택하게 만들기 전에, 제품을 필요로 하는 분류를 공유한다.

NVIDIA 영업 전략의 강점은 바로 이 순서에 있습니다.

2. 2024년——제품 판매가 아닌, 국내 AI 기반의 구조를 만들다

기점으로 주목하고 싶은 것은 2024년 11월 12~13일에 개최된 NVIDIA AI Summit Japan입니다.

이 자리에서 NVIDIA는 소프트뱅크(SoftBank), GMO 인터넷 그룹(GMO Internet Group), 하이레조(Highreso), KDDI, RUTILEA, 사쿠라 인터넷(Sakura Internet) 등이 NVIDIA의 기술을 사용하여 국내 AI 인프라를 구축하고 있음을 발표했습니다.

이 6개사는 경제안보추진법에 기반한 '클라우드 프로그램의 안정적 공급 확보' 인증 안건과도 겹칩니다. 경제산업성이 공표한, 2024년 4~5월에 인증된 고도 전자계산기 도입 안건의 최대 보조금액은 다음과 같습니다 (사쿠라 인터넷과 소프트뱅크에는 2023년에도 선행 인증이 있습니다).

처음 5건은 합계 최대 725억 엔, 소프트뱅크를 포함하면 합계 최대 1,146억 엔입니다. 제도의 목적은 생성 AI 개발자가 이용할 수 있는 계산 자원을 국내에 확보하고, 클라우드 서비스의 공급 체제를 강인화하는 것이었습니다.

여기서 형성된 구조를 정리하면 다음과 같습니다.

경제산업성의 산업 정책·지원
↓
국내 클라우드／통신 사업자가 AI 계산 기반을 정비
...

통상적인 제품 영업에서는 NVIDIA와 구매 기업 간의 일대일 관계로 파악합니다. 하지만 이 구조에서는 한 기업에 대한 판매가 해당 기업의 고객, 지역 연구 기관, 스타트업의 개발 환경에까지 파급됩니다.

즉, 팔고 있는 것은 GPU만이 아닙니다. GPU를 이용하는 국내 공급망 그 자체를 구축하고 있습니다.

제도는 EFLOPS, 대외 설명은 "GPU 몇 대"

AI 계산 기반은 추상적이어서 그 능력을 설명하기 어려운 테마입니다. 모델의 성능, 학습 시간, 추론량, 전력 효율, 네트워크 대역폭 등 평가 축은 매우 다양합니다.

1차 자료를 확인하면, 경제산업성이 계산 자원 정비 목표로 사용했던 단위는 GPU의 기수가 아니라 계산 능력을 나타내는 EFLOPS였습니다. 2023년 반도체·디지털 산업 전략 검토 회의가 내건 정비 목표는 "2027년도 말까지 누계 60EFLOPS 규모"였으며, 2024년 5월 소프트뱅크(SoftBank)에 대한 지원 결정과 함께 달성할 수 있을 전망이라고 경제산업대신이 회견에서 설명했습니다. 또한 제도의 Q&A에서는 고도화된 전자계산기 도입에 대해 "사업 기간에 제공되는 계산 자원량 1EFLOPS당 최대 77억 엔"을 보조 대상 경비의 상한으로 정하고 있습니다.

반면, 기업의 발표나 보도에서는 "어떤 GPU를 몇 대 정비하는가"가 더 전달되기 쉽습니다. 2026년 7월 Noetra의 발표에서도 중심에 놓인 숫자는 "NVIDIA Rubin GPU 약 27,500대"였습니다.

따라서 제도와 대외 설명은 나누어 볼 필요가 있습니다.

제도상의 정비 목표·보조금 상한 → EFLOPS
기업 발표·보도에서 유통되는 규모감 → GPU의 기종과 기수

"경제산업성이 NVIDIA의 의도에 따라 예산 단위를 결정했다"고 확인할 수 있는 1차 자료는 발견되지 않았습니다. 확인할 수 있는 사실은 국가가 계산 능력을 단위로 국내 정비를 지원하고, 해당 인증 사업자가 NVIDIA 제품을 채택하며, 대외적으로는 GPU 기수로 규모를 설명하고 있다는 점입니다.

본 기사에서는 이러한 사실관계로부터, NVIDIA 제품을 전제로 하는 국내 기반이 늘어난 결과, GPU의 기종과 기수가 AI 투자를 설명하는 공통 언어가 되었다고 분석합니다. 이는 직접적인 영향력을 행사했다는 주장은 아닙니다.

3. 2025년부터 2026년——일본의 과제와 "피지컬 AI"를 연결하다

다음으로 NVIDIA가 연결한 것은 일본의 강점과 과제입니다.

일본에는 자동차, 산업용 로봇, 공작기계, 센서, 재료, 공장 운영 등 현실 세계의 데이터와 제어 기술이 있습니다. 반면, LLM(대규모 언어 모델)의 기반 모델 경쟁에서는 미국이나 중국 기업이 앞서 나갔습니다.

여기에 "피지컬 AI (Physical AI)"라는 카테고리를 두면, 일본의 위치를 다음과 같이 설명할 수 있습니다.

LLM 단독 경쟁에서는 선행 기업을 뒤쫓는 입장
↓
일본에는 제조업·로보틱스·현장 데이터가 있음
...

이는 일본 측에게도 합리적인 서사입니다. 인력 부족, 제조업의 경쟁력, 경제 안보, 인프라 유지라는 여러 정책 과제를 하나의 기술 카테고리로 묶을 수 있습니다.

2026년 1월 5일, 다카이치 총리는 연두 기자회견에서 일본의 제조업이나 서비스업이 축적한 현장 데이터를 학습시킴으로써 피지컬 AI를 실현하고, "일본은 이것으로 세계 시장에 도전하겠습니다"라고 말했습니다.

실제로 2026년 GENIAC에서는 제조업 데이터 등의 AI-Ready화 9건과 로봇 기반 모델 2건이 채택되었습니다. 경제산업성은 AI 로보틱스를 구조적인 인력 부족 대응, 공급망의 DX(디지털 전환)·GX(그린 전환), 경제 안보와도 관련된 전략 영역으로 위치시키고 있습니다.

그리고 2026년 7월, Noetra는 국산 멀티모달 기반 모델 개발을 본격화하며 NVIDIA Rubin GPU 약 27,500대를 갖춘 AI 계산 기반 계획을 발표했습니다.

같은 해 7월 21일에 각의 결정된 "경제재정 운영과 개혁의 기본 방침 2026"은 본문 5페이지에서 현장 데이터나 제조 기반을 활용한 피지컬 AI를 축으로 하는 "AI 트랜스포메이션 (AX)"를 전 산업에서 가속한다고 명기하고 있습니다. 이어 17개 전략 분야 전체의 방침으로서 인재·데이터·계산 자원과 같은 사업 기반 정비, 정부 조달을 통한 초기 수요 창출, 다년도 예산 조치, 국제 표준화를 일체화하여 추진한다고 밝혔습니다.

2024년의 국내 계산 기반 정비와 2026년의 피지컬 AI를 위한 국가 규모 인프라는 별개의 뉴스처럼 보입니다. 하지만 영업 전략으로서 읽으면 하나의 흐름이 됩니다.

4. 영업, 정책 대화, 기술 지원을 나누지 않는다

이 전략은 CEO의 발신력만으로는 실행할 수 없습니다.

국가 AI 전략을 전문으로 다루는 역할

NVIDIA에는 정부의 AI 전략과 계산 기반을 전문적으로 다루는 역할이 이전부터 있었습니다. 그 대표적인 예가 당시 Vice President, Worldwide AI Initiatives였던 Keith Strier 씨입니다.

NVIDIA의 2020년 설명에 따르면, Strier 씨는 'AI Nations'를 이끌며 각국 정부와 정책 담당자들에게 국가 AI 정책을 추진하기 위해 필요한 AI 인프라를 조언했습니다. OECD의 2022년 문서에서는 그가 AI Compute and Climate Expert Group의 공동 의장 중 한 명으로 기재되어 있습니다. 이 그룹의 목적은 정책 담당자가 자국에 필요한 AI 계산 능력과 현재 보유 능력을 평가할 수 있도록, 국가 수준에서 측정 가능한 지표를 정비하는 것이었습니다.

여기에는 본 기사의 테마와 직접적으로 겹치는 발상이 있습니다.

국가 AI 전략을 내걸다
↓
국내에 필요한 계산 능력을 측정하다
...

다만, Strier 씨는 2024년 9월에 AMD로 이직했습니다. 따라서 2026년 일본에서의 NVIDIA 전략을 그 개인의 설계라고 기술할 수는 없습니다. 여기서 확인할 수 있는 것은, 국가의 AI 정책을 계산 기반으로 번역하는 기능이 NVIDIA 조직에 이전부터 존재했다는 사실입니다.

또한, OECD 전문가 그룹은 NVIDIA 단독의 활동이 아니라 정부, 연구 기관, 기타 테크놀로지 기업을 포함한 다수 주체의 협력입니다. 따라서 'NVIDIA가 OECD의 기준을 단독으로 만들었다'는 표현은 피합니다.

세계 영업을 기술 구현까지 연결하는 역할

NVIDIA의 Worldwide Field Operations을 총괄하는 Jay Puri 씨는 영업뿐만 아니라 사업 개발 (Business Development), 파트너 얼라이언스 (Partner Alliance), 솔루션 아키텍처 (Solution Architecture), 엔지니어링 (Engineering), 프로그램 관리 (Program Management), 서포트 (Support)까지 관할하고 있습니다.

일반적인 조직에서는 이들이 별개의 부서입니다.

영업 → 계약
기술 부문 → 도입
얼라이언스 부문 → 파트너 관리
...

하지만 국가 AI 기반과 같은 안건에서는 제품을 판매하는 것으로 끝나지 않습니다. 정책 목적을 이해하고, 국내 기업의 연합을 구축하며, 레퍼런스 아키텍처 (Reference Architecture)를 제시하고, 구현 가능한 기술자를 배치하며, 그 위에 산업별 애플리케이션까지 연결해야 합니다.

이 때문에 NVIDIA의 영업 활동은 다음과 같은 하나의 루프 (Loop)로 보는 것이 실태에 더 가깝다고 생각합니다.

정책 과제를 이해하다
↓
과제를 설명하는 카테고리를 제시하다
...

여기서 영업 담당자는 완성된 제품을 고객에게 운반하는 사람이 아닙니다. 정책, 경영, 기술 사이에 공통 언어를 만드는 사람입니다.

5. 왜 '놀랍다'고 느꼈는가——실무자의 시점

저는 AI를 공부하면서 모델, GPU, 데이터 센터, 로보틱스를 각각 별개의 기술 테마로 보았습니다. 하지만 NVIDIA는 이것들을 하나의 산업 시스템으로서 설명하고 있습니다.

실무에서 새로운 기술을 도입할 때 가장 큰 장애물은 기술 성능만이 아닙니다.

• 경영진에게는 왜 지금이어야 하는지를 설명해야 한다
• 정책 담당자에게는 사회 과제와의 연결성을 설명해야 한다
• 재무 담당자에게는 투자 단위를 설명해야 한다
• 기술 담당자에게는 구현 가능한 구성을 보여주어야 한다
• 파트너 기업에게는 자사가 참여할 위치를 보여주어야 한다

NVIDIA의 파이브 레이어 (Five-layer) 구조는 이 모든 사람에게 동일한 지도를 제공합니다. 각 기업은 지도 안에서 자신의 역할을 설명할 수 있고, 국가는 투자 대상을 정리할 수 있으며, NVIDIA는 여러 계층에 제품과 소프트웨어를 배치할 수 있습니다.

영업 자료로서 본다면 매우 강력한 설계입니다.

실무에서 응용할 수 있는 3가지 원칙

NVIDIA와 같은 규모의 전략을 취할 수는 없더라도, B2B AI 제안에 응용할 수 있는 원칙이 있습니다.

• 제품부터 설명을 시작하지 않는다 - 고객이 해결하고자 하는 경영 과제, 정책 과제, 현장 과제로부터 분류한다.

• 의사 결정자마다 별개의 이야기를 만들지 않는다 - 경영, 재무, 기술, 현장이 동일한 구조를 서로 다른 입도 (Granularity)로 읽을 수 있도록 한다.

• 도입 단위와 성과 단위를 분리한다 - GPU 개수나 서버 대수는 도입량이지 성과가 아니다. 가동률, 개발 시간 단축, 모델 성능, 현장 생산성 등을 별도로 정의한다.

세 번째는 특히 중요합니다. NVIDIA의 영업 전략을 높게 평가하는 것과, 구매 측이 동일한 단위로 성과를 평가하는 것은 별개의 문제입니다.

벤더가 제시하는 「도입의 단위」를 사용해도 좋다.

하지만 「성과의 단위」까지 벤더에게 맡겨서는 안 된다.

6. 공정하게 바라보기 —— 「피지컬 AI (Physical AI)」는 영업용으로 만들어진 허구가 아니다

여기까지 읽으면, 「NVIDIA가 영업을 위해 피지컬 AI라는 시장을 만들었다」고 보일지도 모릅니다. 하지만 그 표현은 정확하지 않습니다.

로봇 파운데이션 모델 (Robot Foundation Model), Vision-Language-Action 모델, 월드 모델 (World Model), 모방 학습 (Imitation Learning) 등에는 실재하는 연구 개발의 축적이 있습니다. Google, Tesla를 포함한 여러 기업·연구 기관이 현실 세계를 인식하고 행동하는 AI를 독립적으로 개발하고 있습니다.

NVIDIA가 뛰어났던 점은 존재하지 않는 수요를 날조한 것이 아닙니다.

실재하는 기술 조류에 빠른 단계에서 이름을 붙이고, 국가 정책, 산업 구조, 자사의 제품군을 연결할 수 있는 형태로 만든 것입니다.

또한, 일본 측에도 명확한 동기가 있습니다. 제조업의 경쟁력, 인력 부족, 로보틱스, 국내 데이터, 경제 안보를 하나의 투자 테마로 묶고 싶어 합니다. NVIDIA가 일방적으로 밀어붙였다기보다, 일본 측의 정책 과제와 NVIDIA의 사업 전략이 일치했다고 보는 것이 타당합니다.

7. 요약

NVIDIA의 일본 내 영업 전략을 공개 정보로부터 다음과 같이 정리했습니다.

• 2024년에 국내 클라우드·통신 사업자를 통해 AI 계산 기반의 공급 구조를 구축했다
• 「소버린 AI (Sovereign AI)」「AI 팩토리 (AI Factory)」「피지컬 AI (Physical AI)」라는 공통 어휘를 제시했다
• 일본의 제조업·로보틱스라는 강점을 해당 어휘에 연결했다
• GPU부터 네트워크, 모델 개발, 산업 응용까지를 하나의 구조로 설명했다
• 영업, 파트너 협력, 기술 지원을 일체로서 실행했다

내가 놀란 점은 영업의 교묘함이 강한 밀어내기식 판매로 나타나지 않는다는 점입니다.

고객, 정부, 파트너가 자신들의 과제를 정리하려고 하면 자연스럽게 NVIDIA가 준비한 분류와 구조를 사용하게 됩니다. 그 시점에서 개별 제품 비교보다 앞서 커다란 우위가 생겨납니다.

한편, 구매 측에는 별도의 책임이 있습니다. 피지컬 AI에 투자하는 것이 옳더라도, GPU 개수만으로 성과를 측정해도 좋다는 법은 없습니다.

방향성의 타당성과 조달 단위의 타당성을 나누어 평가한다.

이것이 NVIDIA의 영업 전략으로부터 실무자가 배워야 할 점이라고 생각합니다.

참고 자료

• 총리관저 「다카이치 내각총리대신 연두 기자회견」 (2026년 1월 5일)
• 내각부 「경제재정운영과 개혁의 기본방침 2026」 (2026년 7월 21일 각의 결정)
• 경제산업성 「클라우드 프로그램의 안정적 공급 확보에 관한 공급 확보 계획의 인정 등에 대하여」 (2024년 4월 19일)
• 경제산업성 「클라우드 프로그램」 인정 실적
• 경제산업성 「클라우드 프로그램 Q&A」 (2024년 2월 5일 시점판)
• 경제산업성 「사이토 경제산업대신의 각의 후 기자회견 개요」 (2024년 5월 10일)
• NVIDIA 「일본의 클라우드 리더가 AI 시대의 산업 변혁을 향해 NVIDIA AI 인프라를 구축」
• NVIDIA 「AI Summit Japan 2024」
• NVIDIA 「AI Is a 5-Layer Cake」
• NVIDIA 「Jay Puri」
• NVIDIA 「Real-World Examples for Government Leaders - Using AI to Fight COVID-19」 (Keith Strier 씨와 AI Nations에 대한 설명)
• OECD 「Measuring the environmental impacts of artificial intelligence compute and applications」 (2022년)
• AMD 「AMD Appoints AI Industry Veteran Keith Strier」 (2024년 9월 3일)
• Noetra 「국산 멀티모달 (Multimodal) 기반 모델 개발을 향해 본격 시동」
• NVIDIA 「Japan Government, Industrial Leaders and NVIDIA Launch the World’s First National AI Infrastructure」
• 경제산업성 「GENIAC에서 제조업 데이터 등의 AI-Ready화 9건 및 로봇 기반 모델 2건을 채택」

Discussion