GTC 3일차 — Connect With Experts에서 얻은 것과 못 얻은 것

NVIDIA 전문가들과 1:1로 대화하며 WIM의 Jetson 기반 로봇 제어기를 소개하고, 파트너십 경로를 탐색한 현장 기록. 기술 질문보다 사람을 연결받는 게 핵심이었다.

GTC 3일차, Connect With Experts 세션을 돌았다. Pod별로 전문가가 배치되어 있고 first-come, first-served으로 1:1 대화를 하는 형식이다. Pod A(Agentic AI), B(Research Support), C(NVFP4), F(Memory Bandwidth)를 돌았고, 마지막에 로봇 시뮬레이션 튜토리얼 세션까지 들었다.

솔직한 결론부터 — 기술적 깊은 답변은 거의 못 얻었다. 하지만 그게 이 세션의 목적이 아니었다는 걸 깨달았다.

64GB Jetson에 Agentic Workflow를 넣겠다고 했더니

Agentic AI Pod에서 WIM의 컨셉을 설명했다. Jetson Orin AGX 64GB 하나에 LLM + RL policy + 통신 프로토콜 + ROS 전부 넣겠다고.

전문가 반응:

“Oh Jesus, that’s gonna be tough. It’s not cheap to do on Jetson.”

모델 사이즈를 물어보더니, 64GB라고 하니까 솔직하게 “I don’t know if I have an answer for you on this one, I’m sorry to tell you”라고 했다. 이 사람은 소프트웨어 agentic AI 쪽이라 Jetson 엣지 최적화는 전문 밖이었다.

그래도 하나 건진 게 있다. “Whatever you build, make sure it’s portable to new hardware and new architecture underneath.” 지금 Orin에 최적화하더라도, Thor나 다음 세대로 넘어갈 때 갈아엎지 않도록 추상화를 잘 해놓으라는 조언.

Memory Bandwidth — 프로파일링부터 하라

Pod F에서 메모리 대역폭 최적화 팁을 물었다.

핵심 답변: 전통적 기법으로 bandwidth를 극적으로 늘리기는 어렵다. 먼저 Nsight Systems로 프로파일링을 돌려라. 1분만 돌려도 실제 병목이 어디인지 보인다고 했다.

그리고 아침에 같은 주제의 발표가 있었다는데 놓쳤다. 슬라이드는 이벤트 후 공개 예정.

WIM 워크로드를 Nsight Systems로 프로파일링해보는 건 실제로 해볼 만한 액션 아이템이다.

NIM — Jetson에서 돌릴 수 있다

짧지만 가장 실질적이었던 대화. NVIDIA NIM(Microservices)이 Jetson에서도 돌아간다는 걸 처음 알았다.

전문가 설명의 핵심:

  • Runtime optimization 단계에서 weight를 fix하고
  • Lower precision으로 inference하면 성능 이점을 가져갈 수 있다
  • Training이든 inference든 이 파이프라인을 그대로 쓸 수 있다

NIM을 WIM 제품에 통합할 수 있는지 리서치해봐야 한다.

LLM Safety — 아직 아무도 못 풀었다

Security 전문가와 대화. Jetson 위에서 LLM을 돌릴 때 jailbreak 방지와 safety layer에 대해 물었다.

솔직한 답변이 돌아왔다:

“This is a very interesting type of attack. I’m not so sure it has actually been figured out.”

구체적으로 언급한 위협:

  • 데이터 포이즈닝 — foundation model 학습 단계에서 악의적 데이터를 주입하는 공격
  • 모델 크기 문제 — 모델이 커질수록 내부에서 무슨 일이 일어나는지 통제하기 점점 어려워짐
  • 별도 safety guardrail을 두는 게 현재 일반적 접근이지만, 완전한 해결은 아님

WIM 입장에서 이건 오히려 기회다. 자체 Safety Layer를 갖고 있다는 게 차별점이 될 수 있다. 업계 전체가 아직 풀고 있는 문제이니까.

WIM을 NVIDIA 파트너 케이스로 만들기

여러 Pod를 돌면서 반복적으로 WIM을 소개했다. 피칭 포인트:

“기존에는 사람들이 PC, 여러 Jetson, 여러 디바이스를 따로 썼다. 우리는 이걸 전부 하나의 Jetson에 넣고 소프트웨어로 통합한다. 통신 인터페이스, ROS 프레임워크, 브라우저 UI까지 전부.”

반응은 대체로 긍정적이었다. 특히 **“단순 inference 박스가 아니라 더 많은 기능을 하나에 넣는다”**는 포지셔닝에 관심을 보였다. 한 전문가는 “Tell me more”라고 했고, NVIDIA partner showcase에 올라가려면 프로젝트를 제출하면 된다는 얘기를 들었다.

가장 중요한 연결: Kyla Wilkes (Strategic Partnerships & Programs, ex-Google, HBS). Mutual connection도 있다. 이 사람을 통해 로보틱스 BD 팀이나 파트너십 담당자로 라우팅 받는 게 다음 스텝이다.

로봇 시뮬레이션 튜토리얼 — 빠르게 요약

마지막에 “Introduction to Robot Simulation” 세션을 들었다. 발표자는 Aswathy B.(Technical Marketing Engineer, Jetson)와 Rishab. 90분짜리 end-to-end 개요였다.

내용 대부분은 이전에 정리한 Isaac SIM 파이프라인 포스트와 겹친다. 새로 건진 것만 적으면:

  • Newton 물리엔진: Disney Research + Google DeepMind + NVIDIA 협업으로 만들고 Linux Foundation이 관리. GTC 키노트에서 나온 Olaf 로봇이 Newton + Isaac Lab으로 학습됨
  • Deformable object simulation (천, 모래, 진흙)이 Newton의 핵심 차별점. 기존 물리엔진으로는 매우 어려운 영역
  • Cosmos Transfer: Isaac SIM에서 뽑은 합성 데이터에 프롬프트만 바꿔서 환경을 대량 변형 가능 (바닥 재질, 조명, 사람 옷 색 등)
  • Imitation Learning vs RL 설명이 명확했음. IL은 고품질 데이터 의존도가 높고 스케일이 어렵지만, RL은 reward 설계가 핵심

오늘의 교훈

Connect With Experts 세션은 기술을 배우러 가는 자리가 아니다. 여기 있는 사람들은 대부분 DevRel, Technical Marketing, Program Manager다. 깊은 엔지니어링 질문에 답할 수 있는 사람은 드물다.

이 세션의 진짜 가치:

  1. 내부 라우팅 — “이 질문은 Isaac 팀의 누구한테 하면 되나요?”
  2. 프로그램 접근 — Inception 혜택 중 놓치고 있는 것 확인
  3. 사람 연결 — Kyla Wilkes 같은 파트너십 담당자

기술 질문은 연결받은 SA(Solution Architect)한테 따로 하는 거다.

후속 액션

항목상태
Kyla Wilkes 후속 메일오늘 중 발송
NIM on Jetson 리서치미착수
Nsight Systems 프로파일링미착수
파트너 showcase 프로젝트 제출경로 확인 필요
SA 연결 요청 (Kyla 경유)메일에 포함
← All posts