[JPM 2026] 엔비디아

1. 핵심 요약 헬스케어는 NVIDIA의 ‘Agentic AI → Physical AI → Biology Transformer’ 전략이 가장 빠르게 상업화되는 수직 시장이며, GPU·소프트웨어는 R&D 비용이 아닌 ‘필수 인프라(CapEx)’로 인식 전환 중. ⸻ 2. Agentic AI: 헬스케어가 가장 빠른 도입 산업 • 2025년은 Agentic AI의 본격 확산 원년: reasoning, tool-use, retrieval 결합. • 헬스케어는 타 산업 대비 3배 빠른 엔터프라이즈 도입 속도. • AI 에이전트 = 디지털 코워커: • 의료진의 비임상 업무(문서, 보험, 스케줄링) 대체 • WHO 전망: 2030년까지 수천만 명 의료 인력 부족 → 구조적 수요 사례 • Abridge: 임상 대화 AI, 의사 시간 30% 이상 절감, 200개+ 헬스시스템 도입 • Corti / Sully / Speechmatics: 유럽·병원 전반 워크플로우 자동화 • ROI 측정 기준은 “절감된 임상 분(minute)” → 환자 처리량 증가로 직결 ⸻ 3. Open Model 전략: 헬스케어 AI의 토대 • NVIDIA는 2025년 Hugging Face 최대 오픈소스 AI 기여자 • 650+ 모델, 250+ 데이터셋 (언어·바이오·화학·로보틱스) • Open model = 모델 + 데이터 + 툴체인 • 규제 산업 특성상 추적 가능성·감사 가능성 필수 • 핵심 모델: • Nemotron v3: Agentic AI용 reasoning LLM • Clara: 바이오·의료 특화 • Physics AI / Earth-2: 시뮬레이션 • Cosmos / Groot / Alpamayo: Physical AI(로봇·자율주행) ⸻ 4. Clinical Development & Commercial AI • 임상 개발이 최대 병목 → Agentic AI가 구조적 혁신 • ConcertAI: 임상시험 설계·시뮬레이션 • CytoReason: 질병 모델·지식그래프 기반 신약 개발 • IQVIA: 임상·상업 조직용 에이전트 (타깃 의사·지역 추천) → NVIDIA 플랫폼 위에서 임상·상업 전주기 에이전트 생태계 형성 ⸻ 5. AI Scientist & Lab Automation (Dry Lab → Physical Lab) (1) AI Scientist • Edison (FutureHouse): • 논문 1,500편 읽고 코드 4만 줄 작성, 16시간 내 리서치 완성 • 기존 연구자 4~6개월 작업을 하루 단위로 압축 • Lila / Owkin: 완전 자율 연구 루프, 환자 데이터 기반 의사결정 (2) Lab Automation & Physical AI • Thermo Fisher와 파트너십 • DGX Spark: 벤치탑 AI 슈퍼컴퓨터 • 실험 장비 자체가 에이전트화 → 자동 QC·자가 보정 • Physical AI 3-Computer Platform • Cosmos (시뮬레이션) → Isaac (훈련) → Edge 배포 • Multiply Labs • 세포·유전자 치료 제조 비용 $100k → $30k (−70%) • 처리량 100배 증가 ⸻ 6. Biology Transformer Moment & BioNeMo 확장 • NeurIPS에서 **“Biology’s Transformer Moment”**로 정의 • NVIDIA 포지션: • 직접 biology foundation model 플레이어 지향 X • 대규모 바이오 모델 학습을 가능하게 하는 인프라 제공 • 신규/확장: • La-Proteina: 단백질 설계 • RNAPro: RNA 설계 (신규) • KERMT (Merck 협업): 독성 예측 • nvMolKit: GPU 가속 화학 처리 (RDKit 대비 100배) • Basecamp Research – EDEN • GPT-4급 생물학 모델, 10조 토큰 • Natera / TetraScience: 임상·데이터 플랫폼 내 BioNeMo 채택 ⸻ 7. Lilly와 $10억 공동 AI 혁신 랩 • Eli Lilly와 5년간 $10억 투자 • South San Francisco에 공동 AI Lab 설립 • 목표: • Wet Lab 90% : Compute 10% → 구조적 전환 • 신약개발·임상·제조 자동화 전반 가속 • 제조·Physical AI까지 포함한 End-to-End 파트너십 ⸻ 8. Q&A 핵심 포인트 (1) GPU = R&D 비용이 아닌 CapEx • 제약사 CFO 관점 변화: • AI 인프라는 Wet Lab과 동급 필수 인프라 • “더 적은 실험”이 아니라 “훨씬 더 많은 과학”을 가능하게 함 (2) Inference Cost 급감 → 병원 ROI 현실화 • Hopper → Blackwell → Rubin: • Inference 비용 4년간 100배+ 감소 • 의사 시간 30% 회수 = 환자 처리량 증가 → 명확한 ROI (3) Sovereign Healthcare Cloud • 모든 국가는 AI 인프라 = 도로·전기·수도와 동급 • 퍼블릭 클라우드 + 국가 내 네오클라우드 혼합 • Enterprise 비즈니스의 연장선, 별도 시장 아님