"질병 진단부터 영화 조명까지"…엔비디아, 합성 데이터로 산업 구조 뒤집는다

엔비디아가 의료, 생명과학, 자율주행, 콘텐츠 제작 등 산업 전반에 걸쳐 인공지능(AI) 기술을 확장 적용하며 물리 AI 기반의 혁신을 본격화하고 있다.

엔비디아는 AI 모델 학습과 배포를 위한 자체 클라우드, 파운데이션 모델, 그래픽처리장치(GPU) 기반 가속 솔루션을 통합 제공하며 스타트업, 연구기관, 공공기관 등과의 협력을 강화하고 있다고 17일 밝혔다.

이같은 생태계 기반 접근은 초기 기술 확산을 넘어 의료와 영상 등 규제가 까다로운 영역에서 상용화 가능성을 높이는 역할을 하고 있다. 특히 실제 데이터를 보완하는 합성 데이터 생산 능력과 이를 기반으로 한 모델 훈련 최적화는 AI 인프라로서의 경쟁력을 입증하는 핵심으로 꼽힌다.

의료 영역에서는 환자 맞춤형 치료, 희귀질환 진단, 유전체 분석 등 복잡한 문제를 풀기 위한 AI 팩토리와 생성형 플랫폼 활용이 본격화되고 있다. 콘텐츠 및 로보틱스 분야에서는 단일 2D 영상만으로도 조명 조건을 변경하거나 장면을 재조명하는 기술이 등장하면서 비용과 시간 문제를 크게 줄이는 전환점이 마련되고 있다.

의료·생명과학, AI 팩토리로 정밀의료 가속

엔비디아는 유럽 의료·생명과학 기업과 협력해 인공지능(AI) 기반 정밀의료 기술을 다각도로 확장하고 있다. 바이오 데이터를 생성하고 가공하는 인프라부터 임상 현장에 적용 가능한 AI 에이전트까지 산업 전반에 걸쳐 'AI 팩토리' 개념을 구체화하는 데 집중하는 모양새다. 생물다양성, 공중보건, 환자 분류, 희귀질환 탐지 등 고도화된 문제에 대한 실제 응용이 이뤄지고 있다.

런던에 본사를 둔 베이스캠프 리서치는 세계 최대 수준의 생물다양성 유전체 데이터베이스인 '베이스데이터'를 구축했다. 해당 데이터셋은 26개국 125개 이상 지역에서 수집된 샘플로 구성돼 있으며 98억 개 이상의 생물학적 서열과 100만 종 이상의 미확인 생물을 포함한다.

이는 엔비디아 'DGX 클라우드'에서 바이오네모 플랫폼과 함께 활용되며 기존 공개 데이터베이스 대비 수십 배 빠른 속도로 파운데이션 모델을 훈련시킨다. 이 구조는 상업용 바이오의약 연구에서 병목이던 데이터 규모와 품질 문제를 동시에 해소할 수 있도록 설계됐다.

또 영국 최대 규모 병원인 가이스 앤 세인트 토마스 NHS 트러스트는 히포크라틱 AI, 스워드 헬스, 제너럴 캐털리스트와 함께 AI 기반 진료 혁신 프로그램 '패스(PATH)'를 추진하고 있다. AI 에이전트를 활용해 환자 분류, 문진, 의뢰서 확인, 통증 치료 등의 과정을 자동화하며 비응급 진료의 대기 병목을 줄이는 데 집중하고 있다.

희귀질환처럼 진단이 어려운 질병을 겨냥한 사례도 있다. 판게아 데이터는 '네모 에이전트'와 'NIM 마이크로서비스'를 활용해 임상 기록 속에서 치료 사각지대에 놓인 환자를 탐색하는 AI 플랫폼을 개발했다. 비특이적 증상을 가진 환자를 거대언어모델(LLM)로 분류해 내는 이 방식은 미국, 영국, 스페인, 바베이도스 등 다수 국가의 공공의료 시스템에 실제 적용되고 있다. 데이터 기반 환자 발굴과 질병 매핑을 자동화함으로써 정책적 개입의 실마리를 제시하는 구조다.

엔비디아는 기술 공급을 넘어 스타트업 생태계에 직접 개입하는 구조도 강화하고 있다. DGX 클라우드의 '렙톤' 인프라는 유럽 벤처캐피털과의 협력 하에 스타트업에 우선 제공되고 있으며 바이오 스타트업은 이를 활용해 GPU 가속 환경에서 연구 개발을 빠르게 반복하고 있다.

엔비디아의 AI를 활용한 의료 혁신은 단순한 자동화 기술이 아니다. 기존 연구와 임상의 속도와 정확도를 동시에 끌어올리는 계산적 수단으로 자리잡고 있으며 유럽의 병원과 생명과학 스타트업은 이를 기반으로 한 새로운 치료와 데이터 전략을 구축하고 있다. 산업 현장의 병목 구조 자체를 AI로 다시 설계하는 시도에 가깝다.

조명을 바꾸는 AI…영상 합성과 물리 AI의 경계를 허문다

더불어 엔비디아는 영상 속 조명 조건을 자유롭게 편집할 수 있는 AI 기반 뉴럴 렌더링 기술 '디퓨전렌더러'를 개발했다. 낮을 밤으로, 흐림을 맑음으로 바꾸는 조명 스위칭을 2차원 영상만으로 구현하는 방식이다. 기존의 3차원 기반 렌더링 파이프라인 없이도 현실감 있는 조명 재구성이 가능해 물리 기반 AI 훈련과 영상 콘텐츠 제작 모두에 적용 범위를 넓히고 있다.

'디퓨전렌더러'는 전통적으로 분리돼 있던 역렌더링과 포워드 렌더링을 하나의 뉴럴 프레임워크로 통합한 구조다. 단일 2D 비디오에서 법선 벡터, 금속성, 반사 정도 같은 표면 속성을 추정하고 이를 바탕으로 조명 효과를 제거하거나 새로운 광원 효과를 덧입히는 기능을 제공한다.

영상 장면 내 물체의 기하 구조와 재질 특성을 유지한 채로 조명만을 교체하는 방식이다. 이로써 조명 편집, 그림자 생성, 반사 조절, 장면 삽입까지 하나의 시스템 안에서 구현할 수 있게 됐다.

해당 기술은 단순한 영상 필터링 수준을 넘는다. 디라이팅은 장면 내 조명을 제거해 물체 본연의 속성을 추출하는 과정이고 리라이팅은 거기에 새로운 빛을 입히는 방식이다. 이를 통해 광고, 영화, 게임 등 크리에이티브 콘텐츠 제작 현장에서는 실제 촬영에 앞서 다양한 조명 시나리오를 실험하고 반복할 수 있다. 고가의 전문 장비 없이 초기 콘셉트를 설계하는 데 실용적인 도구로 쓰일 수 있다.

자율주행과 로보틱스 개발자에게는 조명 조건이 다른 합성 데이터를 대량 생성하는 용도로 활용된다. 주간 주행 영상만으로 흐린 날, 야간, 역광 상황을 가상 시뮬레이션하고 이를 기반으로 학습된 자율주행 모델은 조명 변화에 더 강인한 성능을 확보하게 된다. 데이터셋 구성에 필연적으로 발생하던 조도 편향 문제를 디퓨전 기반 합성 데이터로 보정할 수 있게 된 셈이다.

'디퓨전렌더러'의 성능은 엔비디아의 월드 파운데이션 모델 플랫폼 '코스모스 프리딕트-1'과 결합되며 한층 강화됐다. 대규모 비디오 확산 모델과 연계함으로써 디라이팅·리라이팅 품질이 동시에 개선됐고 시간적 일관성과 현실감에서도 유의미한 스케일링 효과가 입증됐다. 엔비디아는 이 모델을 바탕으로 더욱 사실적인 물리 세계 시뮬레이션을 구현하고 물리 AI 훈련을 위한 합성 데이터 생산 전반을 자동화할 계획이다.