엔비디아
더 많은 작업
엔비디아(NVIDIA Corporation)는 미국의 반도체 설계 및 인공지능 컴퓨팅 기업으로, GPU(Graphics Processing Unit)와 AI 가속기, 데이터센터용 네트워크 장비, 병렬 컴퓨팅 소프트웨어 등을 개발하며 생성형 인공지능과 고성능 컴퓨팅(HPC) 인프라를 공급하는 기업이다.
| 항목 | 내용 |
|---|---|
| 기업명 | NVIDIA Corporation |
| 한국어 명칭 | 엔비디아 |
| 설립 | 1993년 4월 5일 |
| 설립자 | 젠슨 황(Jensen Huang), 크리스 말라초스키(Chris Malachowsky), 커티스 프리엠(Curtis Priem) |
| 본사 | 미국 캘리포니아주 산타클라라 |
| 최고경영자 | 젠슨 황(Jensen Huang) |
| 기업 형태 | 상장기업 |
| 상장 시장 | 나스닥(NASDAQ) |
| 종목 코드 | NVDA |
| 주요 사업 | GPU, AI 반도체, 데이터센터, 네트워킹, 소프트웨어, 자율주행 |
| 주요 제품 | GeForce, RTX PRO, H100, H200, B200, B300, Vera Rubin, DGX, Jetson |
| 주요 기술 | CUDA, Tensor Core, NVLink, DLSS, NVIDIA AI Enterprise |
| 2026 회계연도 매출 | 약 2,159억 달러 |
| 홈페이지 | nvidia.com |
엔비디아는 1993년 PC용 3차원 그래픽 기술을 개발하기 위해 설립되었으며, 1999년 GeForce 256을 출시하면서 GPU라는 개념을 대중화했다.
이후 GPU의 대규모 병렬 연산 능력을 그래픽 처리 이외의 분야로 확장하기 위해 2006년 CUDA 플랫폼을 발표했다. GPU를 범용 연산에 활용할 수 있게 되면서 과학 계산, 데이터 분석, 딥러닝 등의 분야로 사업을 확대했다.
특히 2010년대 이후 딥러닝과 생성형 AI가 발전하면서 GPU 기반의 병렬 컴퓨팅 기술이 AI 모델 학습과 추론에 광범위하게 활용되었다. 엔비디아는 GPU뿐 아니라 고속 네트워크, CPU, 서버 시스템, 소프트웨어를 통합한 AI 컴퓨팅 플랫폼을 제공하는 기업으로 발전했다.[1]
2026년 기준 엔비디아의 매출 대부분은 AI 데이터센터 사업에서 발생한다. 2026년 7월 종료 분기의 데이터센터 매출은 890억 달러로, 전체 매출의 약 92.5%를 차지했다.[2]
엔비디아는 1993년 4월 5일 젠슨 황, 크리스 말라초스키, 커티스 프리엠이 공동 설립했다.
초기에는 PC 게임과 멀티미디어 분야에서 3차원 그래픽 처리 기술을 개발하는 데 중점을 두었다.
1997년 RIVA 128 그래픽 칩을 출시했고, 1999년에는 GeForce 256을 출시했다. 엔비디아는 GeForce 256을 세계 최초의 GPU로 홍보하면서 그래픽 처리 장치를 독립적인 연산 프로세서로 자리매김시키는 데 기여했다.
다만 그래픽 가속기와 전용 그래픽 프로세서는 GeForce 256 이전에도 존재했다. 엔비디아의 GPU 발명 주장은 GPU라는 명칭과 제품 개념을 상용화했다는 맥락에서 이해할 필요가 있다.[1]
2006년 발표한 CUDA는 엔비디아의 사업 방향을 변화시킨 핵심 기술이다.
CUDA를 이용하면 GPU의 병렬 연산 자원을 그래픽 처리 외에 과학 계산과 일반적인 데이터 처리에도 활용할 수 있다.
2012년 이미지 인식 분야에서 큰 성능 향상을 보인 AlexNet은 엔비디아 GPU를 활용해 학습되었다. 이후 GPU는 딥러닝 모델을 학습하는 주요 하드웨어로 자리 잡았다.
2016년에는 딥러닝에 특화된 통합 서버인 DGX-1을 발표했으며, 이후 AI 데이터센터를 대상으로 GPU·네트워크·소프트웨어를 통합 공급하는 사업을 확대했다.
2020년에는 고성능 네트워크 장비 기업 멜라녹스(Mellanox)를 약 70억 달러에 인수했다. 이를 통해 GPU 사이의 고속 데이터 전송과 대규모 데이터센터 네트워크를 구성하는 기술을 확보했다.[3]
| 연도 | 주요 사건 |
|---|---|
| 1993년 | 젠슨 황 등 3명이 엔비디아 설립 |
| 1997년 | RIVA 128 그래픽 칩 출시 |
| 1999년 | 나스닥 상장, GeForce 256 출시 |
| 2006년 | CUDA 아키텍처 발표 |
| 2012년 | 엔비디아 GPU를 활용한 AlexNet의 이미지 인식 성과 |
| 2016년 | Pascal 아키텍처 및 DGX-1 발표 |
| 2017년 | Volta 아키텍처와 Tensor Core 도입 |
| 2018년 | 실시간 레이 트레이싱을 지원하는 RTX 기술 발표 |
| 2020년 | Mellanox 인수 완료, Ampere 아키텍처 발표 |
| 2022년 | Hopper 아키텍처 및 H100 발표 |
| 2023년 | 생성형 AI 확산에 따른 데이터센터 GPU 수요 급증 |
| 2024년 | Blackwell 아키텍처, B200 및 GB200 발표 |
| 2025년 | Blackwell 기반 GeForce RTX 50 시리즈와 Blackwell Ultra 제품군 확대 |
| 2026년 | Vera Rubin 플랫폼 본격 생산 및 차세대 AI 인프라 사업 확대 |
2026년 3월 엔비디아는 Rubin GPU, Vera CPU, NVLink 6 등으로 구성된 Vera Rubin 플랫폼의 주요 반도체가 본격 생산 단계에 진입했다고 발표했다.[4]
엔비디아는 GPU 제조사로 출발했지만 현재는 AI 데이터센터와 그래픽 컴퓨팅을 위한 하드웨어·소프트웨어·네트워크 기술을 함께 공급한다.
| 사업 분야 | 주요 제품 및 기술 | 용도 |
|---|---|---|
| 데이터센터 AI | H100, H200, B200, B300, Rubin | AI 모델 학습 및 추론 |
| AI 서버 및 인프라 | DGX, HGX, MGX, NVL 시스템 | 대규모 AI 컴퓨팅 시스템 |
| 네트워킹 | NVLink, NVSwitch, InfiniBand, Spectrum-X | GPU 및 데이터센터 간 고속 통신 |
| 게이밍 | GeForce RTX, DLSS, G-SYNC | 게임 그래픽 및 실시간 렌더링 |
| 전문 그래픽 | RTX PRO, Omniverse | 3D 설계, 시각화, 디지털 트윈 |
| AI 소프트웨어 | CUDA, cuDNN, TensorRT, NeMo, NIM | AI 모델 개발·최적화·배포 |
| 자율주행 | NVIDIA DRIVE | 자율주행 시스템 개발 |
| 로봇 및 엣지 AI | Jetson, Isaac, Cosmos | 로봇공학 및 물리적 AI |
2026년 기준 엔비디아는 제품을 개별적으로 판매하는 것뿐 아니라 CPU, GPU, 네트워크, 스토리지, 소프트웨어를 함께 설계하는 통합 플랫폼 전략을 추진하고 있다.[5]
엔비디아의 데이터센터 제품은 생성형 AI 모델 학습과 추론, 대규모 데이터 분석, 과학기술 계산 등에 사용된다.
주요 제품군은 다음과 같다.
- A100: Ampere 아키텍처 기반의 데이터센터 GPU
- H100: Hopper 아키텍처 기반의 AI 가속기
- H200: H100 계열에서 HBM3e 메모리 용량과 대역폭을 확대한 GPU
- B200: Blackwell 아키텍처 기반의 AI 가속기
- B300: Blackwell Ultra 아키텍처 기반의 AI 가속기
- Rubin GPU: Vera Rubin 플랫폼을 구성하는 차세대 AI GPU
AI 데이터센터에서는 여러 GPU를 연결하여 하나의 대규모 학습·추론 시스템을 구성한다.
엔비디아는 이를 위해 GPU뿐 아니라 NVLink, NVSwitch, InfiniBand, Ethernet, 네트워크 인터페이스 및 관리 소프트웨어를 함께 공급한다.
특히 대규모 언어 모델의 학습과 추론에서는 GPU 자체의 연산 능력뿐 아니라 GPU 메모리 용량과 대역폭, GPU 사이의 통신 성능이 중요하다.
엔비디아의 소비자용 GPU 브랜드는 GeForce이다.
GeForce 제품은 PC 게임, 영상 편집, 3차원 그래픽 렌더링, 로컬 AI 모델 실행 등에 사용된다.
대표적인 그래픽 기술은 다음과 같다.
- RTX: 광선 추적(Ray Tracing)과 AI 가속 기능을 활용하는 그래픽 기술 및 제품 브랜드
- DLSS: 딥러닝 기반의 초해상도 처리 및 프레임 생성 기술
- G-SYNC: 디스플레이의 재생 빈도와 GPU 출력의 동기화를 지원하는 기술
- NVIDIA Reflex: 게임의 입력 지연을 줄이기 위한 기술
- GeForce NOW: 클라우드 서버에서 게임을 실행하고 화면을 스트리밍하는 서비스
2025년 1월에는 Blackwell 아키텍처 기반의 GeForce RTX 50 시리즈를 발표했다. 해당 제품군은 DLSS 4와 AI 기반 그래픽 처리 기능을 지원한다.[6]
엔비디아는 AI 기술을 물리적 장치에 적용하는 피지컬 AI(Physical AI) 분야에도 투자하고 있다.
- NVIDIA DRIVE: 자율주행차 개발을 위한 하드웨어·소프트웨어 플랫폼
- NVIDIA Jetson: 로봇, 드론, 산업용 장비 등에 사용되는 임베디드 AI 컴퓨팅 플랫폼
- NVIDIA Isaac: 로봇 개발과 시뮬레이션을 지원하는 소프트웨어 및 프레임워크
- NVIDIA Cosmos: 로봇과 자율주행 등 물리적 AI 개발을 위한 월드 파운데이션 모델 및 관련 기술
- NVIDIA Omniverse: 가상 환경의 시뮬레이션과 디지털 트윈 구축을 지원하는 플랫폼
2026년에는 자율주행 및 로봇 개발을 위한 AI 모델과 개발 도구를 확대하면서 피지컬 AI 분야의 소프트웨어 생태계 구축을 추진하고 있다.[2]
CUDA(Compute Unified Device Architecture)는 엔비디아 GPU에서 범용 병렬 연산을 수행하기 위한 프로그래밍 플랫폼이다.
CUDA를 이용하면 개발자가 C, C++ 등의 언어와 관련 라이브러리를 통해 GPU에서 실행되는 병렬 연산 프로그램을 작성할 수 있다.
CUDA는 GPU를 단순한 그래픽 처리 장치에서 범용 연산 가속기로 발전시키는 데 중요한 역할을 했다.
주요 관련 라이브러리는 다음과 같다.
| 기술 | 설명 |
|---|---|
| CUDA Toolkit | GPU 병렬 프로그래밍을 위한 컴파일러와 개발 도구 |
| cuDNN | 딥러닝 신경망 연산을 가속하는 라이브러리 |
| cuBLAS | GPU 기반 선형대수 연산 라이브러리 |
| TensorRT | 학습된 AI 모델의 추론을 최적화하는 소프트웨어 |
| NCCL | 여러 GPU 사이의 집단 통신 연산을 지원하는 라이브러리 |
| CUTLASS | 행렬 연산 최적화를 위한 CUDA C++ 템플릿 라이브러리 |
CUDA는 엔비디아 GPU와 밀접하게 결합된 소프트웨어 생태계를 형성했다.
AI 개발자가 CUDA를 기반으로 프로그램을 작성하고 최적화할 경우 다른 제조사의 GPU에서 동일한 프로그램을 실행하기 위해 추가적인 수정이나 호환성 확보 작업이 필요할 수 있다.
이러한 특성은 엔비디아 플랫폼의 경쟁력이면서 동시에 특정 하드웨어 공급업체에 대한 의존성을 발생시키는 요인이다.[7]
Tensor Core는 행렬 연산과 텐서 연산을 효율적으로 처리하기 위한 엔비디아 GPU의 전용 연산 장치이다.
일반적인 그래픽 처리용 CUDA 코어와 구별되며, 딥러닝에서 반복적으로 수행되는 대규모 행렬 곱셈 연산을 가속한다.
세대에 따라 FP16, BF16, FP8, FP4 등의 연산 정밀도를 지원한다.
AI 모델 학습 및 추론에서 낮은 정밀도의 연산을 적절히 활용하면 연산량과 메모리 사용량을 줄일 수 있다. 다만 정밀도를 낮추면 모델의 정확도에 영향을 줄 수 있으므로 적절한 수치 정밀도 관리가 필요하다.
NVLink는 여러 GPU 사이에서 고속으로 데이터를 전송하기 위한 엔비디아의 연결 기술이다.
NVSwitch는 다수의 GPU를 NVLink 기반으로 연결하여 GPU 간 고대역폭 통신을 가능하게 하는 스위치 기술이다.
대형 AI 모델은 하나의 GPU 메모리에 모두 탑재되지 않거나 여러 GPU의 연산 자원을 동시에 필요로 하는 경우가 많다.
이때 GPU 간 통신 지연과 대역폭이 전체 시스템의 학습 및 추론 속도에 영향을 미친다.
NVLink와 NVSwitch는 이러한 병목을 줄이기 위해 개발되었으며, 2026년 Vera Rubin 플랫폼에는 6세대 NVLink가 적용되었다.[4]
엔비디아는 GPU 가속 라이브러리 외에도 AI 모델 개발과 서비스 운영을 지원하는 소프트웨어를 제공한다.
- NVIDIA NeMo: 생성형 AI 및 AI 에이전트의 개발·평가·최적화를 지원하는 소프트웨어
- NVIDIA NIM: AI 모델을 마이크로서비스 형태로 배포하기 위한 추론 서비스 구성요소
- NVIDIA Dynamo: 대규모 생성형 AI 추론 서비스의 실행과 자원 관리를 지원하는 프레임워크
- NVIDIA AI Enterprise: 기업용 AI 소프트웨어와 운영·지원 서비스를 제공하는 플랫폼
엔비디아는 AI 모델 학습뿐 아니라 추론, 모델 배포, AI 에이전트 개발, 데이터센터 운영을 포함하는 소프트웨어 사업을 확대하고 있다.[8][7]
엔비디아의 GPU 아키텍처는 연산 성능과 전력 효율, 메모리 구조, AI 가속 기능 등을 개선하는 방향으로 발전해 왔다.
| 아키텍처 | 발표 시기 | 주요 특징 |
|---|---|---|
| Tesla | 2006년 | 통합 셰이더 구조와 범용 GPU 연산 기반 |
| Fermi | 2010년 | 범용 병렬 연산 기능 강화 |
| Kepler | 2012년 | GPU 전력 효율 및 연산 성능 개선 |
| Maxwell | 2014년 | 에너지 효율 개선 |
| Pascal | 2016년 | 고성능 AI·HPC 가속과 고대역폭 메모리 |
| Volta | 2017년 | Tensor Core 최초 도입 |
| Turing | 2018년 | 실시간 레이 트레이싱과 AI 기반 그래픽 처리 |
| Ampere | 2020년 | Tensor Core 기능 확장 및 AI 연산 성능 향상 |
| Hopper | 2022년 | Transformer Engine 도입 |
| Ada Lovelace | 2022년 | 소비자용 RTX 그래픽 성능 강화 |
| Blackwell | 2024년 | FP4 연산, 차세대 Transformer Engine 및 대규모 AI 컴퓨팅 |
| Blackwell Ultra | 2025년 | 대형 AI 모델 추론 및 메모리 용량 확대 |
| Rubin | 2026년 | HBM4, NVLink 6 및 차세대 AI 추론 가속 |
엔비디아는 아키텍처와 개별 제품을 구분하여 출시한다. 하나의 아키텍처가 데이터센터 GPU와 소비자용 그래픽카드에 모두 적용될 수 있으며, 동일한 아키텍처라도 제품에 따라 메모리 용량과 연산 성능에 큰 차이가 있다.[9][4]
엔비디아는 일반적인 의미의 팹리스(Fabless) 반도체 기업으로, 자체적으로 GPU와 CPU, 네트워크 프로세서 등을 설계하지만 대부분의 반도체 제조 공정은 외부 기업에 위탁한다.
주요 협력 분야는 다음과 같다.
| 분야 | 주요 기업 및 기술 |
|---|---|
| 반도체 위탁생산 | TSMC, 삼성전자 |
| 고대역폭 메모리 | SK하이닉스, 마이크론, 삼성전자 |
| 첨단 패키징 | CoWoS 등 |
| 서버 제조 및 조립 | 폭스콘, 위스트론 등 |
| GPU 및 서버 판매 | 서버 제조사, 클라우드 기업, 유통 및 시스템 통합 파트너 |
엔비디아의 2026 회계연도 연차보고서에 따르면 반도체 웨이퍼 생산에 TSMC와 삼성전자 등의 파운드리를 활용하고 있으며, 메모리는 SK하이닉스·마이크론·삼성전자 등에서 조달한다.
고성능 AI GPU는 여러 반도체 다이와 HBM을 결합하는 첨단 패키징 기술이 필요하므로, GPU 자체의 생산 능력뿐 아니라 HBM과 패키징 생산 능력도 공급량에 영향을 미친다.[10]
엔비디아는 생성형 AI와 데이터센터 투자 확대에 따라 2020년대 중반부터 매출이 빠르게 증가했다.
| 구분 | 2025 회계연도 | 2026 회계연도 |
|---|---|---|
| 매출액 | 1,304억 9,700만 달러 | 2,159억 3,800만 달러 |
| 영업이익 | 814억 5,300만 달러 | 1,303억 8,700만 달러 |
| 순이익 | 728억 8,000만 달러 | 1,200억 6,700만 달러 |
| 매출총이익률(GAAP) | 75.0% | 71.1% |
2026 회계연도는 2026년 1월 25일 종료된 회계연도이며, 매출액은 전년 대비 약 65% 증가했다.[11]
엔비디아의 회계연도는 일반적인 달력연도와 다르므로 연도별 실적을 비교할 때 회계연도 종료 시점을 구분해야 한다.
2026년 11월 12일 기준 최근 발표된 분기 실적은 2026년 7월 26일 종료된 2027 회계연도 2분기 실적이다.
| 항목 | 2027 회계연도 2분기 |
|---|---|
| 매출액 | 962억 2,100만 달러 |
| 전년 동기 대비 매출 증가율 | 106% |
| 데이터센터 매출 | 약 890억 달러 |
| 데이터센터 매출 증가율 | 전년 동기 대비 117% |
| GAAP 영업이익 | 637억 3,400만 달러 |
| GAAP 순이익 | 596억 8,800만 달러 |
| GAAP 매출총이익률 | 75.0% |
해당 분기 데이터센터 매출은 전체 매출의 약 92.5%를 차지했다.
엔비디아는 Blackwell Ultra 기반 AI 인프라와 네트워킹 수요 증가가 실적을 견인했다고 설명했다.
2027 회계연도 3분기에 대해서는 약 1,080억 달러의 매출 전망을 발표했으나, 이는 확정 실적이 아닌 회사의 당시 예상치이다.[2]
엔비디아는 GPU, AI 가속기, 데이터센터 네트워크 및 소프트웨어 시장에서 다양한 기업과 경쟁하고 있다.
| 기업 | 주요 경쟁 분야 |
|---|---|
| AMD | 데이터센터 GPU, 소비자용 그래픽카드, AI 가속기 |
| 인텔 | CPU, GPU, AI 컴퓨팅 |
| 구글 | 자체 AI 가속기인 TPU 및 AI 인프라 |
| 아마존 | AWS Trainium 등 자체 AI 반도체와 클라우드 인프라 |
| 마이크로소프트 | 자체 AI 가속기 및 클라우드 AI 인프라 |
| 화웨이 | AI 가속기 및 중국 내 AI 컴퓨팅 플랫폼 |
엔비디아의 경쟁력은 GPU의 연산 성능뿐 아니라 CUDA를 중심으로 한 소프트웨어 생태계, 데이터센터 네트워크 기술, AI 서버 시스템을 통합적으로 제공한다는 점에 있다.
반면 일부 대형 클라우드 기업은 자체 AI 반도체를 개발하여 엔비디아 GPU에 대한 의존도를 줄이려 하고 있다.
엔비디아는 2026 회계연도 연차보고서에서 AMD, 인텔, 화웨이뿐 아니라 자체 AI 반도체를 개발하는 클라우드 사업자도 주요 경쟁자로 명시했다.[10]
엔비디아는 반도체 설계에 집중하는 팹리스 기업이므로 외부 파운드리와 메모리 제조사, 패키징 및 서버 조립 업체의 공급 능력에 영향을 받는다.
특히 대규모 AI 데이터센터는 GPU 외에도 HBM, 네트워크 장비, 전력 공급, 냉각시설 및 데이터센터 부지가 필요하다.
이러한 요소의 공급 부족이나 가격 상승은 제품 생산과 고객의 AI 인프라 구축에 영향을 미칠 수 있다.
미국 정부는 첨단 AI 반도체와 관련 기술의 중국 수출을 제한하는 규제를 시행해 왔다.
엔비디아는 이러한 규제에 대응하여 중국 시장용 AI 반도체를 별도로 개발했으나, 규제 기준의 변경에 따라 일부 제품의 판매가 제한되었다.
2025년에는 H20 제품의 중국 수출에 대한 추가 허가 요건이 적용되었고, 2026년에는 일부 H200 제품에 대한 제한적 수출 허가가 발급되었다.
엔비디아는 2026년 7월 종료 분기의 공시에서 미국의 수출 규제와 중국의 규제 환경으로 인해 중국 데이터센터 AI 컴퓨팅 시장에서의 사업에 상당한 제약을 받고 있다고 설명했다.[12]
엔비디아의 데이터센터 사업은 대형 클라우드 사업자와 AI 개발 기업의 설비투자에 영향을 받는다.
AI 모델의 학습 및 추론에 필요한 컴퓨팅 수요가 증가하면 GPU와 네트워크 장비의 판매가 확대될 수 있다.
반대로 AI 인프라에 대한 투자가 축소되거나 기존 GPU의 활용 효율이 높아져 신규 장비 수요가 감소할 경우 사업 실적에 영향을 미칠 수 있다.
또한 AI 반도체의 성능 개선과 저정밀 연산 기술 발전은 컴퓨팅 비용을 낮추는 동시에 세대별 제품 수요의 변화도 발생시킬 수 있다.
- ↑ 1.0 1.1 NVIDIA, NVIDIA History: A Timeline of Innovation, 확인: 2026-11-12.
- ↑ 2.0 2.1 2.2 NVIDIA, NVIDIA Announces Financial Results for Second Quarter Fiscal 2027, 2026-08-26.
- ↑ NVIDIA, NVIDIA Completes Acquisition of Mellanox, Creating Major Force Driving Next-Gen Data Centers, 2020-04-27.
- ↑ 4.0 4.1 4.2 NVIDIA, NVIDIA Vera Rubin Opens Agentic AI Frontier, 2026-03-16.
- ↑ NVIDIA, NVIDIA 제품, 확인: 2026-11-12.
- ↑ NVIDIA, NVIDIA Blackwell GeForce RTX 50 Series Opens New World of AI Computer Graphics, 2025-01-06.
- ↑ 7.0 7.1 NVIDIA Documentation, NVIDIA Documentation Hub, 확인: 2026-11-12.
- ↑ NVIDIA, NVIDIA NeMo Documentation, 확인: 2026-11-12.
- ↑ NVIDIA, NVIDIA 기술 및 GPU 아키텍처, 확인: 2026-11-12.
- ↑ 10.0 10.1 NVIDIA, NVIDIA Corporation Form 10-K, Fiscal Year Ended January 25, 2026, 2026-02-25.
- ↑ NVIDIA, NVIDIA Announces Financial Results for Fourth Quarter and Fiscal 2026, 2026-02-25.
- ↑ NVIDIA, NVIDIA Corporation Form 10-Q, Quarter Ended July 26, 2026, 2026-08-27.