엔비디아는 1993년 미국 실리콘밸리에서 시작해, PC 그래픽 칩 스타트업에서 AI 인프라의 상징이 된 회사다. 아래에서는 창업 배경부터 GPU의 탄생, 게임·모바일·자율주행을 거쳐 AI 초거대 기업으로 변신하기까지의 역사를 연대기적으로 정리한다.wikipedia+2
창업 배경과 1990년대 초반
엔비디아는 1993년 4월 5일 젠슨 황(Jensen Huang), 크리스 말라초스키(Chris Malachowsky), 커티스 프리엠(Curtis Priem) 세 명의 엔지니어가 공동 창업했다. 세 사람은 1992년 말 샌호세의 패밀리 레스토랑 ‘데니스(Denny’s)’에서 만나 “3D 그래픽 가속에 특화된 칩을 만들자”는 아이디어를 구체화한 것으로 알려져 있다. 황은 LSI 로직의 코어웨어 디렉터이자 AMD에서 마이크로프로세서를 설계한 경험이 있었고, 말라초스키는 썬 마이크로시스템즈, 프리엠은 IBM과 썬에서 그래픽 칩을 설계한 경력을 가진 인물이었다. 이들은 CPU 중심 구조로는 3D 그래픽의 실시간 처리가 어렵고, 병렬 연산에 특화된 별도 프로세서가 필요하다고 판단했다.britannica+4[youtube]
창업 초기 엔비디아는 프리엠의 프리몬트 타운하우스를 사무실로 쓰며 극도로 제한된 자본과 인력으로 운영됐다. 1994년 엔비디아는 당시 SGS-톰슨(현재 ST마이크로일렉트로닉스)와 반도체 생산 파트너십을 맺으며 외부 제조 인프라를 확보했고, 세콰이어·시에라 등으로부터 초기 벤처 투자를 유치하면서 본격적으로 제품 개발에 나설 수 있었다. 이 시기 목표는 PC와 게임 콘솔용 멀티미디어 칩을 만들어, 막 떠오르던 3D 게임 시장을 선점하는 것이었다.finance.yahoo+3
NV1의 실패와 “30일 남은 회사”
엔비디아의 첫 제품은 1995년에 나온 NV1으로, 그래픽·오디오·게임포트(조이스틱 연결)를 통합한 일종의 멀티미디어 카드였다. NV1은 세가 새턴 콘솔용으로도 활용되며 세가와의 계약을 통해 수익원을 확보했지만, 그래픽 처리 방식이 경쟁사 및 마이크로소프트의 Direct3D 표준과 달라 시장에서 호응을 얻지 못했다. 특히 NV1이 사용한 사분곡면(quadratic surface) 렌더링 방식은 업계 표준이 된 폴리곤 기반 3D와 호환성이 낮아, 개발자와 게임사 입장에서 매력이 떨어졌다.thestreet+2
NV1 판매 부진과 과도한 기능 통합의 실패로 회사의 재무 상황은 급격히 악화됐고, 엔비디아 내부에서는 “우리는 항상 파산까지 30일 남은 회사”라는 비공식 슬로건이 생길 정도였다. 이 위기 속에서 엔비디아는 대규모 구조조정을 단행해 인력을 절반 수준으로 줄였고, 동시에 ‘그래픽에만 집중한다’는 전략적 전환을 선택했다. NV1의 실패 경험은 이후 엔비디아가 표준 생태계와 개발자 지원을 무엇보다 중시하게 만든 결정적 계기로 평가된다.finance.yahoo+4
RIVA 128과 초기 성공
전략을 재정비한 엔비디아는 1997년 RIVA 128(코드명 NV3)을 출시하며 본격적인 반전을 이룬다. RIVA 128은 2D·3D 가속을 지원하는 128비트 그래픽 칩으로, Direct3D와 OpenGL을 지원해 PC OEM 업체와 게임 개발사들에 빠르게 채택됐다. 이 제품은 출시 1년 만에 100만 개 이상이 판매되었고, 각종 하드웨어 매체에서 수상하며 엔비디아를 ‘유의미한 그래픽 칩 회사’로 자리 잡게 했다.britannica+2
1998년에는 멀티텍스처링과 향상된 3D 성능을 내세운 RIVA TNT가 출시됐고, 엔비디아는 본사를 실리콘밸리 내 산타클라라로 이전하며 성장 궤도에 올랐다. 이 시기에 델(Dell), 게이트웨이(Gateway), 마이크론(Micron) 같은 주요 PC 제조사와의 공급 계약을 확보해, OEM 시장을 통한 안정적 매출 기반을 확보한 것도 중요했다. 1990년대 후반의 이 성공 덕분에 엔비디아는 향후 GPU라는 새로운 카테고리를 정의할 수 있는 자본과 자신감을 축적했다.smartasset+3
지포스 256과 ‘GPU’ 개념의 탄생
1999년 엔비디아는 지포스(GeForce) 256을 발표하며 스스로를 “세계 최초의 GPU(Graphics Processing Unit)를 만든 회사”라고 정의했다. 지포스 256은 변환·라이팅(T&L) 기능을 하드웨어에 내장해, CPU가 담당하던 3D 그래픽 연산의 상당 부분을 전담하는 구조를 구현했다. 이 칩은 초당 1억 1천만 개 이상의 폴리곤을 처리할 수 있다고 광고되었고, 실사에 가까운 3D 그래픽과 부드러운 프레임을 제공해 게임 산업에 큰 충격을 주었다.finance.yahoo+2
같은 해 엔비디아는 1월 22일 나스닥에 상장하며 주당 12달러의 공모가로 기업공개(IPO)를 진행했다. 2000년에는 주요 경쟁사였던 3dfx의 자산을 인수하며 기술·특허·엔지니어를 흡수해 PC 그래픽 시장에서의 우위를 강화했다. 엔비디아의 지포스 브랜드는 이후 하이엔드·매스마켓 게이밍 GPU의 대명사가 되었고, 매 세대마다 성능·전력효율·프로세스 미세화 측면에서 시장을 주도했다.caproasia+3
콘솔·모바일 진출과 2000년대 다각화
엔비디아는 PC 외에도 콘솔 시장을 성장의 축으로 활용했다. 2001년 마이크로소프트의 첫 게임 콘솔인 오리지널 Xbox의 그래픽 칩을 공급하며, 콘솔용 GPU 시장에 본격 진입했다. 이를 통해 대형 플랫폼 사업자와의 관계를 구축했고, GPU IP를 다양한 형태로 라이선스·커스터마이즈하는 사업 모델의 가능성을 확인했다.thestreet+1
2000년대 중반 엔비디아는 모바일 및 임베디드 시장을 겨냥해 Tegra(테그라) SoC를 선보였다. 테그라는 CPU와 GPU를 하나의 칩에 통합한 모바일 AP로, 초기에는 스마트폰·넷북·자동차 인포테인먼트 시스템 등에서 사용됐다. 스마트폰 메인스트림에서는 퀄컴·삼성과의 경쟁에서 밀렸지만, 이후 차량용 인포테인먼트 및 자율주행용 컴퓨팅 플랫폼으로 방향을 튼 것이 훗날 자율주행 시장에서의 강점으로 이어졌다.smartasset+1
CUDA와 GPGPU, AI의 씨앗
엔비디아 역사에서 결정적 전환점은 2006년에 등장한 CUDA(Compute Unified Device Architecture)다. CUDA는 개발자가 C/C++ 등을 사용해 GPU에서 범용 연산을 수행할 수 있게 하는 소프트웨어·하드웨어 아키텍처로, 그래픽이 아닌 과학계산·시뮬레이션·머신러닝 등으로 GPU 활용 영역을 넓혔다. 당시에는 ‘GPGPU(범용 GPU 컴퓨팅)’라는 개념이 아직 실험 단계였지만, 엔비디아는 이를 장기 성장 동력으로 보고 적극 투자했다.blogs.nvidia+2
2007년에는 고성능 과학·공학용 연산을 겨냥한 테슬라(Tesla) GPU 제품군을 출시해, 슈퍼컴퓨터와 HPC(고성능 컴퓨팅) 시장에 진출했다. 이는 기존 게임·그래픽 중심 비즈니스에 데이터센터·연구기관이라는 새로운 고객군을 추가한 사건이었다. 이후 페르미(Fermi, 2010), 케플러(Kepler, 2012) 등 아키텍처는 대규모 병렬 연산과 더블 프리시전 연산 성능을 강화하며, GPU가 CPU를 보완하는 가속기로 자리 잡도록 만들었다.britannica+1
딥러닝과 엔비디아의 재도약
2010년대 초반 딥러닝 붐이 일어나면서, 엔비디아의 GPU는 AI 연구의 사실상 표준 플랫폼이 되었다. 2012년 이미지넷(ImageNet) 대회에서 알렉스넷(AlexNet)이 GPU 기반 딥러닝으로 기존 기법을 압도한 사건은 GPU와 AI의 결합을 상징적으로 보여주는 계기였다. 엔비디아는 이를 계기로 딥러닝 프레임워크와의 연동, cuDNN 같은 라이브러리, 개발자 툴 체인을 강화해 AI 연구자·기업을 위한 플랫폼 사업자로 변신했다.blogs.nvidia+2
2016년 발표된 파스칼(Pascal) 아키텍처의 P100, 이어서 볼타(Volta) 아키텍처의 V100은 텐서 코어(Tensor Core)를 도입해 행렬 연산을 대폭 가속하며, 딥러닝 학습 성능을 세대별로 여러 배 향상시켰다. 이 시기 엔비디아는 클라우드 서비스 사업자(Hyperscaler)들과 긴밀히 협력해 데이터센터용 GPU를 대량 공급하며, 클라우드 AI 인프라의 핵심 공급자로 부상했다. GPU 가격·성능비는 AI 모델 규모가 커질수록 더 중요해졌고, 엔비디아의 독자적인 하드웨어·소프트웨어 생태계는 사실상 진입장벽 역할을 하게 되었다.finance.yahoo+2
자율주행·로보틱스·엣지로 확장
엔비디아는 GPU와 CUDA 기반 기술을 자율주행과 로보틱스 영역으로 확장했다. 2010년대 중후반 DRIVE PX·Drive AGX 같은 차량용 컴퓨팅 플랫폼을 출시해, 카메라·라이다·레이더 등 센서 데이터를 실시간 처리하는 자율주행 ‘두뇌’를 제공하기 시작했다. 아우디, 메르세데스-벤츠, 테슬라 등 주요 완성차 업체 및 티어1 공급사와의 협력은 엔비디아를 차량용 AI 컴퓨팅의 유력 파트너로 부상시켰다.nvidia+1
또한 엔비디아는 제트슨(Jetson) 시리즈를 통해 드론·서비스 로봇·산업용 장비 등 엣지 디바이스용 AI 플랫폼을 제공했다. 이러한 확장은 GPU 하드웨어 판매를 넘어서, 소프트웨어 SDK, 시뮬레이션 도구(Isaac 등), 디지털 트윈·로보틱스 플랫폼까지 포함하는 포트폴리오를 형성했다. 이 과정에서 엔비디아는 ‘칩 회사’라기보다 ‘가속 컴퓨팅과 AI 플랫폼 회사’라는 정체성을 강화했다.nvidia+1
튜링·암페어·러브레이스: 실시간 레이트레이싱과 게이밍 진화
2018년 튜링(Turing) 아키텍처 기반의 RTX 시리즈는 실시간 레이트레이싱과 AI 기반 업스케일링(DLSS)을 결합해, PC 게임 그래픽의 새로운 기준을 제시했다. 전용 RT 코어와 텐서 코어를 도입해 빛의 반사·굴절·그림자를 물리적으로 더 정확하게 계산하면서도, 성능 손실을 AI 업스케일링으로 보완하는 구조였다. 이 조합은 게임 개발자들에게 새로운 시각적 표현 가능성을 열었고, 엔비디아 GPU의 브랜드 가치를 ‘프리미엄 게이밍’과 ‘AI 가속’으로 동시에 강화했다.finance.yahoo+1
2020년 암페어(Ampere) 아키텍처와 RTX 30 시리즈, 2022년 아다 러브레이스(Ada Lovelace) 아키텍처와 RTX 40 시리즈는 레이트레이싱·텐서 코어 성능을 계속 끌어올리면서, 에너지 효율과 AI 연산 능력을 동시에 개선했다. 암페어 기반 A100, 아다·호퍼(Hopper) 기반 H100 같은 데이터센터용 GPU는 대형 언어 모델(LLM)과 생성형 AI 학습의 표준 칩으로 자리 잡았고, 이는 2020년대 초·중반 엔비디아 실적 급성장의 엔진이 되었다.finance.yahoo+3
데이터센터·AI 붐과 시가총액 급등
생성형 AI와 대형 언어 모델 붐이 폭발한 2022~2024년 동안 엔비디아의 데이터센터 GPU 수요는 폭발적으로 증가했다. 2023년에만 엔비디아는 약 376만 개의 데이터센터용 GPU를 출하하며 전년 대비 40% 이상 성장했고, 데이터센터 GPU 시장 점유율은 약 98%에 달했다는 분석이 나왔다. 같은 해 엔비디아 매출은 약 609억 달러로 전년 대비 126% 증가했고, 이는 AI 인프라 투자가 얼마나 급격하게 늘어났는지를 보여준다.blogs.nvidia+1
엔비디아의 시가총액은 이 시기를 거치며 수조 달러 규모로 급등했고, 2025년에는 4조 달러를 돌파하며 세계에서 가장 가치 있는 기업 중 하나로 등극했다는 평가도 나왔다. TSMC는 엔비디아가 2023년 기준으로 글로벌 최대 반도체 회사가 될 것이라고 전망했고, 실제로 엔비디아는 인텔·TSMC·삼성을 시가총액 기준으로 앞지르는 시기도 경험했다. 이 과정에서 엔비디아는 ‘게임용 GPU 회사’에서 ‘AI 시대의 핵심 인프라 공급자’로 인식이 완전히 바뀌었다.caproasia+3
블랙웰·그레이스·초거대 AI 플랫폼
엔비디아는 하드웨어 로드맵 측면에서 GPU, CPU, DPU를 통합하는 데이터센터 플랫폼 비전을 제시해 왔다. 2020년대 중반 이후 공개된 그레이스(Grace) CPU, 그레이스-호퍼(Grace Hopper) 슈퍼칩, 블랙웰(Blackwell) GPU 등은 AI·HPC 워크로드를 위한 이기종 컴퓨팅 아키텍처를 구현하는 데 초점을 맞추었다. 또한 엔비디아는 네트워크(InfiniBand, Spectrum-X), 시스템(서버·슈퍼컴퓨터), 소프트웨어(쿠다·쿠던·엔터프라이즈 AI 스택)까지 통합해 ‘AI 공장(AI factory)’라는 개념을 전면에 내세웠다.britannica+2
2025년 GTC에서는 블랙웰 울트라(Blackwell Ultra)와 베라 루빈(Vera Rubin) 칩이 발표되며, 에이전트형 AI와 추론·추론능력(reasoning)을 강조한 차세대 인프라 비전이 제시되었다. 이 자리에서 젠슨 황은 2028년까지 AI 인프라 수요가 엔비디아 데이터센터 비즈니스를 1조 달러 시장으로 끌어올릴 수 있다는 전망을 내놓기도 했다. 동시에 로보틱스(Isaac GR00T), 합성 데이터 생성(Cosmos), 물리 시뮬레이션 엔진(Newton) 등 소프트웨어·플랫폼 레이어를 강화하면서, 하드웨어에 종속되지 않는 AI 생태계를 구축하려는 움직임도 보였다.wikipedia+1
기업 문화와 리더십
엔비디아의 성장 서사에서 젠슨 황의 리더십과 기업 문화도 중요한 요소로 평가된다. 황은 대만 출신 이민자로서 미국 오리건주립대·스탠퍼드대에서 전기공학을 공부한 뒤, AMD와 LSI 로직에서 커리어를 쌓은 공학자 출신 CEO이다. 그는 장기적인 기술 방향성(CUDA·GPGPU·AI)을 일찍부터 밀어붙인 것으로 유명하며, 단기적인 실적 변동보다 구조적 패러다임 전환에 베팅하는 전략을 취해 왔다.wikipedia+4
엔비디아는 조직 내부에서도 소수의 대형 ‘베팅’을 중심으로 자원을 집중하는 문화, 그리고 실패를 빠르게 인정하고 방향을 틀 수 있는 유연성을 강조한다. NV1 실패 후 그래픽 집중 전략으로 전환한 사례, 모바일 AP에서의 한계를 인정하고 자율주행·데이터센터로 축을 옮긴 사례 등이 그 예다. 이런 문화는 “항상 파산까지 30일 남았다”는 위기 의식을 바탕으로, 대담한 기술적 도전을 가능하게 했다는 평가를 받는다.finance.yahoo+2
엔비디아 역사의 의미
엔비디아의 역사는 3D 게임 그래픽을 위한 특수 칩 스타트업이, 병렬 연산과 GPU 컴퓨팅을 통해 AI 인프라의 핵심으로 성장한 사례로 요약할 수 있다. NV1 실패와 RIVA 128 성공, 지포스 256의 ‘GPU’ 선언, CUDA 도입과 딥러닝 붐, 튜링 이후 레이트레이싱·생성형 AI 시대로 이어지는 궤적은, 기술 패러다임 전환과 타이밍이 기업 운명을 어떻게 바꾸는지 잘 보여준다. 현재 엔비디아는 게임·프로 비주얼라이제이션·데이터센터·자동차·로보틱스 등 여러 시장에서 영향력을 행사하며, AI 시대 컴퓨팅 구조를 설계하는 핵심 플레이어로 자리매김하고 있다.thestreet+5