제11부 종합

11.2 도메인 간 공통 기술과 미래 방향

11.2.1 이 장에서 배우는 것 / 선수 지식

11.1에서 책 전체를 하나의 워크플로우(학습→최적화→배포)와 세 도메인의 대조로 관통했다. 이 장은 본문의 마지막 — 도메인을 가로지르는 공통 기술(수렴), 피지컬 AI로의 수렴, 미래 방향·로드맵, 그리고 무엇보다 정직한 리스크(기술·전략·윤리)를 본다. "어디로 가는가, 무엇을 조심하는가"로 본문을 닫는다. 이 장은 사양이 아니라 관점·판단이고, 부록(A.1~A.4)이 실습·레퍼런스로 이어진다.

핵심 통찰: 엔비디아 스택을 관통하는 것은 "가속·트랜스포머·시뮬·데이터 엔진의 수렴"이고, 그 끝은 "피지컬 AI(물리 세계에서 인지·행동하는 AI)로의 수렴"이며 — 그러나 이 모든 것은 거대한 약속만큼 거대한 불확실성·리스크를 안고 있다. 도메인(데이터센터·자율주행·로봇)이 달라 보여도, 같은 가속(GPU·CUDA)·같은 아키텍처(트랜스포머)·같은 도구(시뮬·데이터 플라이휠) 로 수렴한다 — 그리고 디지털 AI(LLM)에서 피지컬 AI(AV·로봇)로, task-specific에서 파운데이션 모델로 흐른다. 이것이 엔비디아의 베팅이자 산업의 방향이다. 그러나 정직해야 한다 — Sim2Real·dexterity·신뢰성·안전은 미해결이고, 수직 통합은 락인이며, 데모와 양산의 간격은 크고, 윤리·사회·전력의 리스크가 실재한다. 이 책의 실질적 가치는 유행하는 사양이 아니라 오래가는 원리(워크플로우·제약·트레이드오프) — 사양은 변해도 원리는 남는다. 그러니 과장도·냉소도 아닌 균형 잡힌 판단으로 닫는다.

배우는 것:

• 수렴하는 공통 기술 — 가속·트랜스포머·시뮬·데이터 엔진·파운데이션 모델이 도메인을 가로지름.
• 트랜스포머·파운데이션 보편화 — LLM→ViT→BEV→VLA→world model, 한 아키텍처가 모든 모달리티에.
• 피지컬 AI 수렴 — 자율주행과 로보틱스가 "물리 세계 AI"로 만남, world model·neural sim.
• 미래 방향·로드맵 — 컴퓨트·모델·엣지·에이전트(발표 기준·정직).
• 리스크 — 기술(미해결)·전략(락인·경쟁)·윤리(안전·일자리·집중·전력), 균형 잡힌 정직.

선수 지식: 책 전반 — 특히 11.1(워크플로우 통합)·0.1·0.2(3컴퓨터·수직 통합)·1.12·4.2(트랜스포머 엔진)·8.14·10.11(데이터 엔진)·10.7·10.10·10.11(Sim2Real·피지컬 AI). 이 장은 종합·전망이라 새 기술보다 관점이 핵심. 실습 환경·용어·자료·로드맵은 부록(A.1~A.4).

정직(이 장의 핵심): 이 장은 전망·평가를 다루므로 추측·의견이 섞이고, 미래는 불확실하다 — 로드맵·미래 항목은 "발표 기준·전망, 변동 가능"(BK-03·05)이고, 단정하지 않는다. 엔비디아 제품·전략을 홍보하지도, 냉소하지도 않고 균형 잡힌 시각으로. 리스크·한계를 숨기지 않으며, "곧 AGI·범용 로봇" 같은 과장과 "다 거품" 같은 냉소를 모두 피한다. 가장 정직한 메시지: 거대한 잠재력 + 거대한 불확실성, 그리고 사양은 변해도 원리는 남는다. 이 책은 예측이 아니라 스택을 이해하는 토대를 준다.

11.2.2 수렴하는 공통 기술 — 도메인을 가로지르는 것들

도메인(데이터센터·자율주행·로봇)이 표면상 다르지만, 같은 기술로 수렴한다 — 이것이 풀스택의 통일성이자 미래의 방향.

→ 도메인은 제약(11.1.6)이 다를 뿐, 기술은 수렴한다.

• ① 가속(11.1): 모든 도메인이 GPU·CUDA 위에서 — 데이터센터 학습부터 엣지 추론까지. CUDA 이식성(0.2)이 수렴의 기술적 토대.
• ② 트랜스포머(11.2.3): 한 아키텍처가 모든 모달리티에 — LLM(언어)·ViT(비전)·BEV/occupancy(자율주행 8.3·8.14)·VLA(로봇 10.10)·world model. 트랜스포머가 도메인을 통일(다음 절).
• ③ 시뮬레이션(제10부): 데이터·학습·검증의 공통 도구 — 자율주행(DRIVE Sim 8.15)·로봇(Isaac 9.13)·합성데이터(10.5)·디지털트윈(10.8). 시뮬이 모든 피지컬 AI의 토대.
• ④ 데이터 엔진/플라이휠(8.14·10.11): 실패→데이터→재학습의 공통 패턴 — 자율주행 데이터 엔진(8.14)·로봇 플라이휠(10.11)·MLOps(7.7)·RAG. 데이터가 도메인 공통의 해자.
• ⑤ 파운데이션 모델: task-specific → generalist 전환이 도메인을 가로질러 — LLM(6.1)·VLA(10.10)·end-to-end 자율주행(8.14). 한 큰 모델로 일반화하려는 흐름.
• ⑥ 추론 최적화·정밀도(제5부): TensorRT·양자화(INT8/FP8/FP4) 가 모든 배포에 — 도메인 무관. 효율의 공통 도구.
• 수렴의 의미: 도메인이 제약(11.1.6) 으로 갈릴 뿐, 기술은 수렴한다 — 그래서 한 스택을 배우면 도메인을 넘나들고, 한 발전(예: 트랜스포머·시뮬)이 모든 도메인을 끌어올린다. 이것이 풀스택·수직 통합의 실익.

핵심: 도메인이 달라 보여도 가속(GPU·CUDA)·트랜스포머·시뮬·데이터 엔진·파운데이션 모델·추론 최적화라는 공통 기술로 수렴한다 — 차이는 제약(11.1.6)뿐. 그래서 한 발전이 모든 도메인을 끌어올리고, 한 스택이 도메인을 넘나든다. 이 수렴이 풀스택의 통일성이자 미래 방향 — 그 끝이 피지컬 AI(11.2.4).

11.2.3 트랜스포머와 파운데이션 모델의 보편화

수렴의 가장 극적인 예는 트랜스포머 — 하나의 아키텍처가 모든 모달리티·도메인을 정복해 가는 것이다.

한 아키텍처가 모든 모달리티에 → 하드웨어도 거기 최적화(텐서코어·트랜스포머 엔진 1.12·4.2·FP8 — 트랜스포머를 위한 실리콘).

• 한 아키텍처의 보편화: 트랜스포머가 언어(LLM)·비전(ViT)·자율주행(BEV 8.3)·로봇(VLA 10.10)·멀티모달(VLM)·생성(diffusion·world model) 을 차례로 정복. 도메인마다 다른 아키텍처(CNN·RNN·전용)에서 트랜스포머로 수렴. "주의(attention)가 전부"의 확장.
• 하드웨어가 따라간다(1.12·4.2): 트랜스포머가 보편화하니 하드웨어도 거기 최적화 — 텐서코어·트랜스포머 엔진(1.12·4.2)·FP8/FP4(4.2·4.4)가 트랜스포머(특히 어텐션·GEMM)를 위한 실리콘. 소프트웨어 수렴이 하드웨어 설계를 이끈다(공진화).
• 파운데이션 모델 패러다임: 트랜스포머 + 대규모 사전학습 = 파운데이션 모델(6.1) — task-specific에서 generalist로. LLM이 먼저, 이제 비전·로봇(VLA 10.10)·자율주행(end-to-end) 으로. "사전학습→적응" 레시피가 도메인을 가로지름(10.11이 로봇판).
• 수렴의 이점·위험: ① 이점 — 한 아키텍처·하드웨어·도구로 모든 도메인(효율·재사용·발전 전파). ② 위험 — 단일 아키텍처 의존(트랜스포머가 한계에 부딪히면?), 거대 모델의 비용·데이터·전력, 집중. 수렴은 효율적이나 다양성·견고성의 우려도.
• 정직: 트랜스포머가 현재 지배적이나 영원하지 않을 수 — 새 아키텍처(state-space·Mamba 등)·효율 개선이 연구된다. "트랜스포머가 끝"이라 단정 말 것(BK-05).

견해: 트랜스포머가 언어·비전·자율주행·로봇·생성을 차례로 정복해 한 아키텍처로 수렴하고, 하드웨어(텐서코어·트랜스포머 엔진 1.12·4.2)도 거기 최적화(공진화). 파운데이션 모델(사전학습→적응) 패러다임이 도메인을 가로지른다(LLM→VLA 10.10). 효율·발전 전파가 이점이나 단일 아키텍처 의존·비용·집중이 위험. 트랜스포머가 지배적이되 영원하진 않을 수(정직). 수렴이 피지컬 AI로(11.2.4).

11.2.4 피지컬 AI로의 수렴 — 자율주행과 로보틱스가 만나다

수렴의 종착점은 피지컬 AI — 디지털 AI(LLM)가 성숙한 뒤, 물리 세계에서 인지·행동하는 AI(자율주행·로봇)가 다음 프런티어로, 그리고 둘이 만난다.

• 디지털 → 피지컬 수렴: LLM·생성형 AI(디지털) 가 먼저 성숙(텍스트·이미지 — 출력이 디지털·재시도 가능·무해). 다음 프런티어가 피지컬 AI(자율주행·로봇 — 물리 행동·비가역·실시간·안전 11.1.6). 디지털 AI의 기법(트랜스포머·파운데이션)이 물리 세계로 확장.
• 자율주행 ↔ 로보틱스 수렴: 둘은 표면상 다르나(차 vs 로봇) 본질이 같다 — 인지(센서)→계획→행동을 실시간·안전·전력 제약에서(11.1.6). 공통: 시뮬 학습(8.15·9.13)·Sim2Real(10.7)·데이터 엔진(8.14·10.11)·파운데이션 모델(end-to-end·VLA)·엣지(Thor·Jetson 8.3·9.1). 차이: 환경(도로 vs 다양)·몸체(차 vs 휴머노이드)·규제. 3개의 컴퓨터(0.1) 가 둘의 공통 인프라 — 엔비디아가 AV·로봇을 한 스택으로 보는 이유.
• world model / neural simulation(신흥): 학습된 시뮬레이터 — 신경망이 미래·물리를 예측·생성(영상으로 다음을 상상). 데이터 생성(10.11)·계획·Sim2Real에 활용. NVIDIA Cosmos(피지컬 AI용 world foundation model) 등 발표(진화·발표 기준). 시뮬(제10부)의 학습 기반 진화 — 단 초기·연구.
• 왜 피지컬 AI가 어려운가(11.1.6·10.10.6): 물리 세계는 실시간·비가역·안전·전력·롱테일·Sim2Real의 제약이 모두 — 디지털 AI보다 훨씬 어렵다. 그래서 시뮬·데이터 엔진·Sim2Real(이 책 제10부)이 결정적이고, 진전이 디지털 AI보다 느리고 불확실(정직).
• 엔비디아의 베팅: 디지털 AI(데이터센터)에서 번 것을 피지컬 AI(AV·로봇) 에 — 풀스택·3컴퓨터·시뮬이 그 베팅. 산업 방향이자 엔비디아 전략. 단 베팅이 다 맞진 않을 수(11.2.6).

견해: 수렴의 종착점은 피지컬 AI — 디지털 AI(LLM) 성숙 후 물리 세계 AI(자율주행·로봇) 가 다음 프런티어이고, AV와 로보틱스가 "피지컬 AI"로 만난다(인지→계획→행동, 실시간·안전·전력 제약 공통, 11.1.6). 3개의 컴퓨터·시뮬·데이터 엔진이 공통 인프라, world model(학습된 시뮬)이 신흥. 단 물리 세계는 디지털보다 훨씬 어려워(실시간·비가역·Sim2Real) 진전이 느리고 불확실 — 엔비디아의 베팅이자 산업 방향이되 다 맞진 않을 수(정직).

11.2.5 미래 방향·로드맵

어디로 가는가 — 발표·추세 기준의 로드맵(정직: 전망·변동 가능).

정직: 발표≠양산, 로드맵은 변함, 일부는 과장될 수.

• 컴퓨트: 세대마다 더 강력·더 효율(Blackwell 4.4 → 차세대)·더 낮은 정밀도(FP4 → ?)·랙 스케일(NVL72 4.5·4.9). 무어의 법칙 둔화를 아키텍처·정밀도·스케일로(4.1~4.9). 단 전력·비용·물리 한계.
• 모델: 더 크고·멀티모달·추론(reasoning)·world model, 동시에 효율(MoE·증류·작은 강한 모델). 크기 경쟁과 효율 경쟁이 함께. 데이터·전력이 한계.
• 피지컬 AI: 더 많은 sim-trained 로봇(Isaac 9.13)·VLA(10.10)·휴머노이드(불확실 10.10.6)·end-to-end 자율주행(8.14). 가장 야심차나 가장 불확실.
• 엣지: 더 강한 엣지(Thor 8.3)·온디바이스 추론·전력 효율 — 큰 모델을 엣지로. 클라우드↔엣지 분담 진화(0.1).
• 에이전트: 도구 쓰는 에이전트(6.11)·멀티에이전트·자동화 — LLM이 행동으로. 안전·신뢰가 관건(6.11).
• 정직(BK-05): 로드맵은 발표·전망이고 변한다 — 발표≠양산, 일부는 과장·지연될 수. 구체 사양·시점은 단정 말고 공식 발표로. "다음에 무엇이 올지"보다 "어떻게 따라갈지"(11.2.7)가 실용적.

견해: 미래는 더 강력·효율적 컴퓨트(FP4·랙 스케일), 더 크고 효율적 모델(멀티모달·추론·world model·MoE), 더 많은 피지컬 AI(sim-trained 로봇·VLA·휴머노이드 — 불확실), 더 강한 엣지(Thor), 에이전트로 향한다(추세). 단 로드맵은 발표·전망이고 변하며 과장될 수(BK-05) — 단정 금지. "다음 사양"보다 어떻게 최신을 따라가나(11.2.7)가 실용적. 방향은 보이되 속도·구체는 불확실.

11.2.6 리스크 — 기술·전략·윤리

가장 정직해야 할 절 — 거대한 약속만큼 거대한 리스크가 있다. 기술·전략·윤리로 나눠 직시한다.

• 기술 리스크: Sim2Real·dexterity·신뢰성(10.7·10.10·10.11)이 미해결 — 피지컬 AI의 근본 난제. 환각·안전(LLM 6.11)·롱테일·검증(AV·로봇 8.10·8.11·8.14) — 안전 critical에서 특히. 데이터·전력·비용 한계. 기술이 약속을 다 못 따라갈 수.
• 전략 리스크: 엔비디아 락인·집중(CUDA 해자 — 강점이자 의존) vs 경쟁(AMD ROCm·Google TPU·커스텀 실리콘(빅테크 자체 칩)·오픈 표준). 공급·지정학(반도체 집중·수출 규제)·비용·전력 가용성. 데모≠양산·거품·과장(투자·기대 과열의 조정 리스크). 한 회사·한 스택 의존의 위험.
• 윤리·사회 리스크: 안전(AV·로봇이 인간 근접·생명 — 기능안전 8.8~8.11의 한계, 완벽 불가)·사이버보안(차량·로봇이 커넥티드화될수록 공격면 확대 — OTA·V2X·원격 진입, ISO/SAE 21434 8.12도 절대 보증은 아님)·일자리·자동화(휴머노이드·자동화의 노동 영향)·AI 권력 집중(소수가 거대 컴퓨트·모델 통제)·편향·오용·전력·지속가능성(데이터센터·학습의 막대한 에너지·탄소). 기술이 사회에 미치는 영향.
• 균형 잡힌 태도(이 장의 핵심): ① 과장 거부 — "곧 AGI·범용 로봇·완전 자율주행"은 근거 약함(데모≠양산, 근본 난제 남음). ② 냉소 거부 — "다 거품·안 됨"도 틀림(실재하는 진전·가치·투자). ③ 정직 — 거대한 잠재력 + 거대한 불확실성·리스크를 함께 인정. 엔지니어·리더는 양극단이 아니라 균형 잡힌 판단으로.
• 이 책의 입장(BK-03·05): 이 책은 스택을 이해하는 토대를 주지 예측·홍보를 하지 않는다 — 사양·전략·미래는 변하고 불확실하니, 원리·트레이드오프·리스크를 알고 스스로 판단하게 한다.

견해: 약속만큼 리스크가 거대하다 — 기술(Sim2Real·dexterity·신뢰성·안전 미해결), 전략(엔비디아 락인·경쟁·공급·거품), 윤리·사회(안전·일자리·AI 권력 집중·전력·지속가능성). 과장도 냉소도 아닌 균형 — 거대한 잠재력 + 거대한 불확실성을 함께 인정. 이 책은 예측·홍보가 아니라 스택 이해·스스로 판단의 토대(BK-03·05). 리스크를 직시하는 것이 정직이자 실력.

11.2.7 계속 배우기 — 원리는 남고 사양은 변한다

엔비디아 스택은 빠르게 변한다(BK-03·05) — 그래서 "무엇을 외우나"보다 "무엇이 오래가고 어떻게 따라가나"가 중요하다. 책을 닫는 실용 지침.

따라가는 법: 공식 문서·릴리스 노트·GTC·개발자 블로그(부록 A.3) · 원리로 새 사양을 해석(이 값이 왜·어디에).

• 변하는 것(외우지 말 것): 구체 사양(코어·대역폭·TOPS·메모리·전력)·제품명·SDK 버전·API(리브랜딩·통폐합 잦음 — Omniverse·Isaac도 10.1·10.2)·로드맵. 이 책이 "시점 의존, 확인 필요"를 반복한 이유(BK-05). 외우면 곧 낡는다.
• 남는 것(이 책의 실질적 가치): 워크플로우(11.1)·제약(실시간·안전·전력 11.1.6)·트레이드오프(사면체 5.1·정밀도·메모리)·수렴(11.2)·의사결정 틀(언제 무엇을·왜 — 각 장의 "트레이드오프·견해"). 원리는 사양이 변해도 남는다 — 새 GPU·SDK가 나와도 워크플로우·제약·트레이드오프는 그대로.
• 따라가는 법: ① 공식 출처(데이터시트·릴리스 노트·CUDA/SDK 문서·GTC·개발자 블로그 — 부록 A.3) ② 원리로 해석 — 새 사양을 만나면 "이 값이 왜·어디에(워크플로우·제약)"로 읽는다. 원리가 있으면 새 사양을 빠르게 자리매김.
• 역할별 깊이(부록 A.4): 모두가 전 스택을 깊이 알 필요는 없다 — 역할(엔지니어·아키텍트·리더)별로 필요한 깊이가 다르다(A.4 로드맵). 이 책은 지도, 깊이는 역할·필요에.
• 닫는 메시지: 이 책은 엔비디아 풀스택을 "원리·워크플로우·트레이드오프"로 이해하게 했다 — 사양은 변해도 이 이해는 남아, 새 기술·도메인을 스스로 자리매김하게 한다. 그것이 책의 목표.

견해: 엔비디아 스택은 빠르게 변하니(BK-05) 사양·제품을 외우지 말고 원리(워크플로우·제약·트레이드오프·수렴)를 익혀라 — 원리는 남고 사양은 변한다. 새 GPU·SDK를 만나면 원리로 해석(왜·어디에), 최신은 공식 출처(A.3)로 따라간다. 역할별 깊이는 A.4. 이 책의 가치는 사양이 아니라 스스로 판단하는 토대 — 그것이 변화 속에서 오래간다.

11.2.8 중간 점검 (체크포인트)

• [ ] 도메인을 가로지르는 공통 기술(가속·트랜스포머·시뮬·데이터 엔진·파운데이션·최적화)의 수렴을 안다.
• [ ] 트랜스포머·파운데이션 모델이 언어·비전·AV·로봇을 가로질러 보편화하고 하드웨어와 공진화함을 안다.
• [ ] 피지컬 AI 수렴(디지털→물리, AV↔로봇)과 3컴퓨터·world model을 안다.
• [ ] 미래 방향(컴퓨트·모델·피지컬 AI·엣지·에이전트)이 발표·전망이고 변동·불확실함을 안다.
• [ ] 리스크(기술 미해결·전략 락인/경쟁·윤리 안전/일자리/집중/전력)를 균형 있게 직시할 수 있다.
• [ ] 원리는 남고 사양은 변한다 — 무엇이 오래가고 어떻게 따라가는지(A.3·A.4) 안다.

증상→의심: 도메인을 완전 별개로 봄 → 공통 기술 수렴 못 봄 → 11.2.2. 트랜스포머·파운데이션을 한 도메인만 → 보편화 못 봄 → 11.2.3. AV·로봇을 무관하게 → 피지컬 AI 수렴 → 11.2.4. 로드맵을 확정으로 → 발표≠양산·변동 → 정직(11.2.5). 과장 또는 냉소 → 균형 잃음 → 잠재력+리스크 함께(11.2.6). 사양 외우기 → 곧 낡음 → 원리 익히기(11.2.7). 혼자 다 따라가려 → 역할별 깊이·공식 출처 → A.3·A.4.

11.2.9 트레이드오프·대안 (전략적 선택)

견해: 전략적 선택의 핵심은 균형이다 — 엔비디아 풀스택은 통합·이식·성숙이 강하나 락인이라, 규모·전략에 따라 멀티벤더·오픈 표준(ONNX·OpenAI API) 으로 락인을 견제. 트랜스포머·파운데이션 수렴은 효율적이나 단일 의존·비용이라 다양성·효율 연구도. 피지컬 AI는 미래이나 미해결·불확실이라 베팅과 신중의 균형. 무엇보다 최신 사양 추격보다 원리 중심이 지속가능 — 사양은 변해도 원리는 남는다(11.2.7). 그리고 과장도 냉소도 아닌 균형 잡힌 판단이 엔지니어·리더의 덕목.

비엔비디아 정직(이 절은 특히): 이 책은 엔비디아 스택을 다뤘으나, 엔비디아가 유일·영원하지 않다 — 경쟁(AMD ROCm·Google TPU·인텔·커스텀 실리콘·클라우드 자체 칩)·오픈 생태계(PyTorch·vLLM·ONNX·OpenUSD·ROS)·표준이 실재하고 발전한다. CUDA 해자는 강하나 절대적이지 않고, 빅테크의 자체 칩·오픈 소프트웨어가 의존을 줄이려 한다. 수렴(트랜스포머·파운데이션·피지컬 AI)은 산업 전반의 방향이지 엔비디아 고유가 아니며, 여러 기업·연구가 함께 만든다. 가장 정직한 메시지: 엔비디아는 현재 AI 컴퓨팅의 중심이되, 기술·시장·전략은 변하고, 락인·집중·경쟁·리스크를 직시해야 한다 — 이 책은 한 회사의 스택을 깊이 이해하는 토대를 주되, 그것이 세계의 전부가 아님을 안다.

11.2.10 흔한 함정

• 도메인을 완전 별개로. 공통 기술 수렴을 못 봄 → 가로지르는 기술(11.2.2).
• 트랜스포머를 한 도메인만. 보편화·공진화 못 봄 → 전 모달리티(11.2.3).
• AV·로봇을 무관하게. 피지컬 AI 수렴 → 공통 인프라(11.2.4).
• 로드맵을 확정으로. 발표≠양산·변동 → 전망·정직(11.2.5).
• 과장(곧 AGI/범용 로봇). 데모≠양산·근본 난제 → 균형(11.2.6).
• 냉소(다 거품). 실재 진전·가치 부정 → 균형(11.2.6).
• 리스크 외면. 기술·전략·윤리 리스크 무시 → 직시(11.2.6).
• 사양 외우기. 곧 낡음 → 원리 익히기(11.2.7).
• 엔비디아=전부로 오해. 경쟁·오픈·표준 무시 → 균형(11.2.9).
• 혼자 다 깊이. 역할·필요 무시 → 역할별 깊이·공식 출처(A.3·A.4).

11.2.11 연습문제

연습 1 (공통 기술 수렴). 도메인(데이터센터·자율주행·로봇)을 가로지르는 공통 기술을 다섯 가지 들고, 각각이 어떻게 수렴하며 그 의미가 무엇인지 답하라.

연습 2 (트랜스포머 보편화). 트랜스포머가 어떻게 도메인을 가로질러 보편화했는지(언어→비전→AV→로봇→생성) 설명하고, 하드웨어와의 공진화·그 이점과 위험을 답하라.

연습 3 (피지컬 AI 수렴). 디지털 AI에서 피지컬 AI로의 수렴을 설명하고, 자율주행과 로보틱스가 왜 "피지컬 AI"로 만나며 무엇이 공통이고 무엇이 다른지, 왜 피지컬 AI가 더 어려운지 답하라.

연습 4 (리스크). 피지컬 AI·파운데이션 모델·엔비디아 풀스택의 리스크를 기술·전략·윤리로 나눠 정직하게 평가하고, 왜 "과장도 냉소도 아닌 균형"이 중요한지 답하라.

연습 5 (계속 배우기). "원리는 남고 사양은 변한다"가 무슨 뜻인지 설명하고, 이 책이 가르친 것 중 무엇이 오래가며 빠르게 변하는 스택을 어떻게 따라가야 하는지 답하라.

11.2.12 요약 · 다음 장

• 수렴하는 공통 기술: 가속(GPU·CUDA)·트랜스포머·시뮬·데이터 엔진·파운데이션 모델·추론 최적화 가 도메인을 가로지름 — 차이는 제약(11.1.6)뿐. 한 발전이 전체를, 한 스택이 도메인을.
• 트랜스포머·파운데이션 보편화: 언어→비전→AV→로봇→생성을 한 아키텍처로, 하드웨어와 공진화(텐서코어·트랜스포머 엔진). 효율·전파 이점 vs 단일 의존·비용 위험. 영원하진 않을 수.
• 피지컬 AI 수렴: 디지털 AI 성숙 후 물리 세계 AI(AV·로봇) 프런티어, AV↔로봇이 "피지컬 AI"로 만남(인지→계획→행동, 제약 공통). 3컴퓨터·world model. 단 물리 세계는 훨씬 어려움.
• 미래·리스크: 컴퓨트·모델·피지컬 AI·엣지·에이전트로 향하나 발표·전망·변동. 리스크 직시 — 기술(미해결)·전략(락인/경쟁/거품)·윤리(안전/일자리/집중/전력). 과장도 냉소도 아닌 균형.
• 원리는 남고 사양은 변한다: 사양·제품을 외우지 말고 원리(워크플로우·제약·트레이드오프·수렴·의사결정) 를 익혀라 — 공식 출처(A.3)로 따라가되 원리로 해석. 이 책의 가치는 스스로 판단하는 토대(BK-03·05).

본문(0.1~11.2) 완료 — 컴퓨팅 기반(GPU·CUDA)→딥러닝 라이브러리→데이터센터·스케일→추론·서빙→생성형 AI→엔터프라이즈→자율주행→로보틱스→시뮬·디지털트윈·피지컬 AI→종합. 엔비디아 풀스택을 원리로 관통했다.

다음 장(부록): A.1 실습 환경 셋업 레퍼런스. 본문이 반복 참조한 실습 환경 — OS·드라이버·CUDA Toolkit·컨테이너(NGC)·클라우드·devkit(Jetson·DRIVE) — 의 셋업·검증을 한곳에 모은 레퍼런스. 본문의 코드·실습을 실제로 실행하기 위한 준비. 원리에서 실습으로.