AI 에이전트가 CUDA 경쟁자를 만들 수 있지만, 엔비디아는 가만히 있지 않다

Nvidia의 강점은 GPU 가속기뿐만 아니라 CUDA 소프트웨어 플랫폼에도 있습니다. 이 플랫폼에는 일반적인 AI 작업을 위한 기성 코드, 디버깅 도구, 그리고 모델 훈련 중 수천 개의 칩이 함께 작동하도록 하는 애플리케이션이 포함되어 있습니다. CUDA가 수백만 줄의 코드와 워크플로에 깊이 자리 잡고 있어 강력한 고착 효과를 만들어, 대안을 도입하는 것이 비용이 많이 들고 어렵게 만듭니다. 예를 들어, 아마존 내부 문서에서는 CUDA가 자체 AI 칩인 Trainium과 Inferentia를 도입하는 데 주요 장애물이라고 언급합니다. 그러나 일부 전문가들은 AI가 역사적으로 어려운 작업인 시스템 소프트웨어 생성을 자동화할 수 있다고 주장합니다. 전 구글 브레인 연구원이자 AI 소프트웨어 스타트업 인피니티의 창립자인 제레미 닉슨은 자신의 회사가 AI 에이전트를 사용하여 D-Matrix용 CUDA 유사 소프트웨어를 단 10시간 만에 구축했다고 말하며, 이는 Nvidia를 떠나는 데 이 장벽이 극복 가능함을 보여줍니다. OpenAI와 Anthropic도 시스템 소프트웨어를 생성할 수 있는 AI 모델을 선보였으며, DeepSeek의 창립자 량원펑은 AI 에이전트와 자사 프로그래밍 언어 TileLang이 AI 소프트웨어 생성을 크게 단순화했다고 말했습니다. Nvidia는 개발자들이 점점 더 AI 애플리케이션을 위해 CUDA 코드 라이브러리를 사용하고 있으며, 자체적으로도 소프트웨어 AI 에이전트를 사용하여 CUDA 개발 및 검증 속도를 높이고 있다고 반박합니다. 회사는 AI가 추론 및 에이전트 워크로드로 전환됨에 따라 깊은 전체 스택 최적화의 필요성이 커져 통합 하드웨어 및 소프트웨어의 가치가 높아진다고 지적합니다. 그러나 AI 소프트웨어 스타트업 INT21의 창립자 빙 쉬는 CUDA의 성숙한 검증 도구 및 기타 기능 생태계가 프로그래밍 에이전트가 더 효율적으로 작업하는 데 도움을 주어 다음 방어 장벽이 된다고 말했습니다. 에이전트는 많은 코드를 빠르게 생성할 수 있지만, 검증이 병목 현상이라고 그는 말했습니다. AI가 경쟁사들이 따라잡는 데 도움이 될 수 있지만, Nvidia도 동일한 기술 발전의 혜택을 받고 있으며, 칩 제조사가 잠들어 있지 않다고 쉬는 덧붙였습니다. 모듈러의 CEO 크리스 래트너는 코드 작성은 산업용 최적화와 같은 더 어려운 작업에 비해 소프트웨어 개발에서 작은 부분에 불과하다고 언급했습니다.