📄 Earnings Call Transcript 번역 결과

📊 Presentation

Original	Translation
Call Start: 12:45 January 1, 0000 1:26 PM ET NVIDIA Corporation (NASDAQ:NVDA) JPMorgan Healthcare Conference January 13, 2025, 12:45 PM ET Company Participants Kimberly Powell - VP of Healthcare Toy Jensen - CEO Avatar Conference Call Participants Harlan Sur - JPMorgan Harlan Sur All right. Good morning, and welcome to JPMorgan's 43rd Annual Healthcare Conference here in San Francisco. My name is Harlan Sur. I'm the Semiconductor Analyst for the firm. And for the sixth time in seven years, we have the team from NVIDIA presenting.	전화 시작: 12:45 January 1, 0000 오후 1:26 ET 엔비디아 코퍼레이션 (NASDAQ:NVDA) JP모건 헬스케어 컨퍼런스 2025년 1월 13일, 오후 12:45 ET 회사 참석자 킴벌리 파월 - 헬스케어 부사장 토이 젠슨 - CEO 아바타 컨퍼런스 콜 참석자 할란 서 - JP모건 할란 서 좋은 아침입니다. 샌프란시스코에서 열리는 JP모건 제43회 연례 헬스케어 컨퍼런스에 오신 것을 환영합니다. 저는 할란 서이며, 당사의 반도체 애널리스트입니다. 그리고 7년 중 6번째로 엔비디아 팀이 발표를 하게 되었습니다.
NVIDIA, as most of you know, leader in accelerated compute and AI semiconductors, software and systems, powering some of the world's most powerful AI compute clusters, high-performance computing systems, and driving compute innovation for cloud hyperscalers as well as large vertical markets like healthcare and life sciences. Here with us today from NVIDIA is Kimberly Powell, Vice President of Healthcare at NVIDIA. She's responsible for the company's worldwide healthcare business, including hardware and software platforms for accelerated computing, AI, visualization that power the ecosystems of imaging, genomics, life sciences, drug discovery, and healthcare analytics.	대부분 아시다시피 NVIDIA는 가속 컴퓨팅 및 AI 반도체, 소프트웨어, 시스템 분야의 선도기업으로, 세계에서 가장 강력한 AI 컴퓨팅 클러스터와 고성능 컴퓨팅 시스템을 구동하며, 클라우드 하이퍼스케일러는 물론 헬스케어 및 생명과학과 같은 대규모 수직 시장을 위한 컴퓨팅 혁신을 주도하고 있습니다. 오늘 NVIDIA에서 참석해 주신 분은 킴벌리 파월(Kimberly Powell) NVIDIA 헬스케어 부사장입니다. 그녀는 NVIDIA의 전 세계 헬스케어 사업을 담당하고 있으며, 여기에는 이미징, 유전체학, 생명과학, 신약 개발, 헬스케어 분석 생태계를 구동하는 가속 컴퓨팅, AI, 시각화를 위한 하드웨어 및 소프트웨어 플랫폼이 포함됩니다.
So Kimberly, thank you for joining us today, and let me turn it over to you. Kimberly Powell Thank you so much, Harlan. Thank you. Wow, packed house. Amazing. Welcome to JPMorgan 2025. Here we are. Appreciate so much the invitation to be here. This is a wonderful honor not only to talk about what the future of healthcare is going to look like, but also celebrate the amazing achievements that we've been able to accomplish with it, an amazing ecosystem of partners. So if I could just take a minute and give you a look at our safe harbor. Please take a minute. You are very familiar with this.	킴벌리, 오늘 함께해 주셔서 감사합니다. 이제 말씀을 부탁드리겠습니다. 킴벌리 파월 정말 감사합니다, 할란. 감사합니다. 와, 정말 많은 분들이 오셨네요. 놀랍습니다. JP모건 2025에 오신 것을 환영합니다. 여기 왔습니다. 이 자리에 초대해 주셔서 정말 감사합니다. 헬스케어의 미래가 어떤 모습일지에 대해 이야기할 뿐만 아니라, 놀라운 파트너 생태계와 함께 이룰 수 있었던 놀라운 성과들을 축하할 수 있는 것은 정말 큰 영광입니다. 잠시 시간을 내어 안전 조항(safe harbor)을 보여드리겠습니다. 잠시 시간을 내어 확인해 주세요. 여러분께서는 이미 잘 아시는 내용입니다.
The presentation contains forward-looking statements, and investors are advised to read our reports filed with the SEC for information related to risks and uncertainties. Okay. Now we can get into the good stuff. This clicker is not working, which would be wonderful if it did. Perhaps you could give it a go while I continue. I would like to introduce you to this amazing computing platform shift. Give it one second and we are -- here we go. This AI revolution that we are living in is a function of two simultaneous computing platform shifts, artificial intelligence and accelerating computing, and one cannot happen without the other.	이 발표에는 미래 전망 진술이 포함되어 있으며, 투자자들께서는 위험 요소와 불확실성에 관한 정보를 위해 SEC에 제출된 당사의 보고서를 읽어보시기 바랍니다. 좋습니다. 이제 본격적인 내용으로 들어가겠습니다. 이 클리커가 작동하지 않네요. 작동했다면 좋았을 텐데요. 제가 계속 진행하는 동안 한번 시도해 보시겠습니까? 이 놀라운 컴퓨팅 플랫폼 전환에 대해 소개해드리고 싶습니다. 잠시만요, 우리는 -- 됐습니다. 우리가 살고 있는 이 AI 혁명은 두 가지 동시적인 컴퓨팅 플랫폼 전환, 즉 인공지능과 가속 컴퓨팅의 결과이며, 하나는 다른 하나 없이는 일어날 수 없습니다.
It's a really important concept to understand that the last many decades of computing was software being written by humans in what humans can understand, which is a series of instructions that would execute on CPUs. Today, the modern operating system is large language models, and what happens is you introduce the computer with data. These large language models learn, they do machine learning and then they can assemble software and out of the computer are tokens. These tokens essentially represent digital intelligence. This digital intelligence is the entire industry's future products and services.	지난 수십 년간의 컴퓨팅은 인간이 이해할 수 있는 방식으로, 즉 CPU에서 실행되는 일련의 명령어들로 인간이 소프트웨어를 작성하는 것이었다는 점을 이해하는 것이 정말 중요한 개념입니다. 오늘날 현대의 운영체제는 대규모 언어 모델이며, 컴퓨터에 데이터를 입력하면 이러한 대규모 언어 모델들이 학습하고 머신러닝을 수행한 다음 소프트웨어를 조합할 수 있게 됩니다. 그리고 컴퓨터에서 나오는 것은 토큰들입니다. 이러한 토큰들은 본질적으로 디지털 인텔리전스를 나타냅니다. 이 디지털 인텔리전스야말로 전체 산업의 미래 제품과 서비스인 것입니다.
And NVIDIA GPUs are the engine that produces these tokens and is allowing for a complete AI revolution across every single industry, we think one of the most important being in healthcare. The AI revolution is not only here, it's massively accelerating. Generative AI and ChatGPT just feels like yesterday, even though we're probably commonly using it every single day. We've gone from perception AI to Generative AI where we can create content into the world of agentic AI, where you can actually have many, many assistants, digital humans, digital colleagues, even those collaborating with one another to perform tasks, to deliver amazing customer service experiences.	NVIDIA GPU는 이러한 토큰을 생성하는 엔진이며, 모든 산업 전반에 걸친 완전한 AI 혁명을 가능하게 하고 있습니다. 특히 헬스케어 분야가 가장 중요한 영역 중 하나라고 생각합니다. AI 혁명은 이미 도래했을 뿐만 아니라 대폭 가속화되고 있습니다. 생성형 AI와 ChatGPT가 마치 어제 일처럼 느껴지지만, 아마도 우리는 매일 이를 일상적으로 사용하고 있을 것입니다. 우리는 인식 AI에서 콘텐츠를 창조할 수 있는 생성형 AI를 거쳐, 이제는 수많은 어시스턴트, 디지털 휴먼, 디지털 동료들을 보유할 수 있고, 심지어 이들이 서로 협업하여 업무를 수행하고 놀라운 고객 서비스 경험을 제공할 수 있는 에이전틱 AI의 세계로 진화했습니다.
And then I'm going to talk to you in the later part of the presentation about this incredible future of physical AI, where we're going to see lots of robots, of course, self-driving cars but also robots that are going to be so powerful in the service -- healthcare delivery services, not just surgical robots but robots of all kind. So first, let's talk about this incredible opportunity. NVIDIA's strategy is how do we take the most advanced computing approaches, whether that's accelerated computing, artificial intelligence, computer graphics, and enable the healthcare ecosystem? We do this by building NVIDIA Clara, which is our enterprise platform for healthcare.	그리고 프레젠테이션 후반부에서는 물리적 AI의 놀라운 미래에 대해 말씀드리겠습니다. 물론 자율주행차뿐만 아니라 의료 서비스 제공에서 매우 강력한 역할을 할 로봇들, 수술용 로봇뿐만 아니라 모든 종류의 로봇들을 많이 보게 될 것입니다. 먼저 이 놀라운 기회에 대해 이야기해보겠습니다. NVIDIA의 전략은 가속 컴퓨팅, 인공지능, 컴퓨터 그래픽스 등 가장 첨단 컴퓨팅 접근법을 어떻게 활용하여 헬스케어 생태계를 지원할 것인가입니다. 우리는 헬스케어를 위한 엔터프라이즈 플랫폼인 NVIDIA Clara를 구축함으로써 이를 실현하고 있습니다.
We have different modules that speak the languages of healthcare. They're more domain-specific to healthcare. They speak the languages of proteins, chemistry, DNA. They speak the languages of 3D medical imaging. And we build computing platforms full stack to enable the whole ecosystem. Now if you think about the $10 trillion industry that healthcare has become, a very large portion of that is in labs, hospitals, and operations. And we're still in a huge labor shortage, 10 million to 15 million to 20 million labor shortage. AI can help. AI is going to help through the delivery of AI agents who can be knowledge workers working on your behalf.	우리는 헬스케어의 언어를 구사하는 다양한 모듈을 보유하고 있습니다. 이들은 헬스케어에 더욱 특화된 도메인별 모듈로, 단백질, 화학, DNA의 언어를 구사합니다. 또한 3D 의료 영상의 언어도 구사하죠. 그리고 우리는 전체 생태계를 지원하기 위해 풀스택 컴퓨팅 플랫폼을 구축하고 있습니다. 이제 헬스케어가 10조 달러 규모의 산업이 되었다는 점을 생각해보면, 그 중 상당 부분이 연구실, 병원, 그리고 운영 분야에 집중되어 있습니다. 그리고 우리는 여전히 심각한 인력 부족 상황에 직면해 있습니다 - 1,000만 명에서 1,500만 명, 심지어 2,000만 명의 인력 부족 말입니다. AI가 도움이 될 수 있습니다. AI는 여러분을 대신해 일하는 지식 근로자 역할을 하는 AI 에이전트의 제공을 통해 도움을 줄 것입니다.
They can be in the form of delivery robots, offloading nurses from delivering sheets to a different room. They're going to become all forms. And this digital intelligence is going to be built on AI factories, just as I described. Data comes in, models get built and refined, assembled into agents and intelligence comes out. This opportunity, we see as many hundreds of billions, several hundreds of billions of dollars large as an AI computing opportunity. And so this is going to be a huge market, and we're excited to expand ourselves and our partners' market along with it. The ecosystem, as we know here, is extremely complex. It's vast, it's diverse.	이들은 배송 로봇의 형태로 나타날 수 있으며, 간호사들이 다른 방으로 시트를 배달하는 업무에서 벗어날 수 있게 해줍니다. 이들은 모든 형태로 발전할 것입니다. 그리고 이러한 디지털 인텔리전스는 제가 방금 설명한 바와 같이 AI 팩토리를 기반으로 구축될 것입니다. 데이터가 들어오고, 모델이 구축되고 정제되며, 에이전트로 조립되고 인텔리전스가 산출됩니다. 이러한 기회를 우리는 AI 컴퓨팅 기회로서 수천억 달러, 즉 수조 달러 규모의 거대한 시장으로 보고 있습니다. 따라서 이는 거대한 시장이 될 것이며, 우리는 이와 함께 우리 자신과 파트너들의 시장을 확장하게 되어 기대하고 있습니다. 여기서 알 수 있듯이 생태계는 극도로 복잡합니다. 광범위하고 다양합니다.
NVIDIA is working across the entire ecosystem. In fact, our Inception program, which is an AI start-up program for companies to become members and connect with us, our healthcare membership is more than 3,500 members. We've added over 1,300 in just the last year alone, and it's the largest industry of all of our Inception members. It goes to show you what an incredible opportunity we have in front of us, and you see that it's stretching from medical devices to digital agents all the way into hospital and healthcare and real-world evidence, which is really, really exciting. So we're going to talk through this. NVIDIA really is focused in three major areas.	NVIDIA는 전체 생태계에 걸쳐 협력하고 있습니다. 실제로 기업들이 회원이 되어 저희와 연결될 수 있는 AI 스타트업 프로그램인 저희 인셉션(Inception) 프로그램에서, 헬스케어 회원사는 3,500개사를 넘어섰습니다. 작년 한 해에만 1,300개사 이상을 추가했으며, 이는 저희 인셉션 회원사 중 가장 큰 산업 분야입니다. 이는 저희 앞에 놓인 놀라운 기회가 얼마나 큰지를 보여주며, 의료기기부터 디지털 에이전트, 병원과 헬스케어, 그리고 실제 임상 데이터(real-world evidence)에 이르기까지 확장되고 있어 정말 흥미진진합니다. 이에 대해 자세히 말씀드리겠습니다. NVIDIA는 실제로 세 가지 주요 영역에 집중하고 있습니다.
The area of digital health is just getting started. Our imagination of what we can do with agents to free administrative burden, create new patient experiences is just getting off the ground. And there's going to be tens of billions of healthcare interactions every single year that we're going to be working with agents. Digital biology has become a $300 billion opportunity that now investment in R&D, everything from early discovery into clinical development. And digital devices, everything that we use to sense patients, understand more about their biology, deliver healthcare, imaging is all going to become robotic. And we're going to talk through this amazing opportunity.	디지털 헬스 분야는 이제 막 시작되었습니다. 행정 업무 부담을 덜어주고 새로운 환자 경험을 창출하기 위해 에이전트를 활용할 수 있는 우리의 상상력은 이제 막 출발점에 서 있습니다. 그리고 매년 수백억 건의 의료 상호작용이 있을 것이며, 우리는 에이전트와 함께 이러한 업무를 수행하게 될 것입니다. 디지털 생물학은 3,000억 달러 규모의 기회가 되었으며, 이제 초기 발견부터 임상 개발에 이르기까지 모든 R&D 투자가 이루어지고 있습니다. 그리고 디지털 기기들, 즉 환자를 감지하고 그들의 생물학적 특성을 더 잘 이해하며 의료 서비스를 제공하고 영상을 촬영하는 데 사용하는 모든 것들이 로봇화될 것입니다. 우리는 이 놀라운 기회에 대해 논의할 예정입니다.
I have a special guest before we get there, TJ. TJ is going to talk to us about our already public Q3 financials. Toy Jensen I am excited to share news about our earnings and reactions. We'll review the financial performance and trends, and I'll highlight key insights from various sources, including press comments, analyst opinions, and the earnings transcript itself. To start, let's look at the press comments on our earnings. Bloomberg reported that our quarterly revenue rose 94% to $35 billion, exceeding analyst estimates of $33,250,000,000. This marks the second consecutive year of doubling our sales. Kimberly Powell That's TJ, Toy Jensen.	재무 실적에 대해 논의하기 전에 특별 게스트를 소개하겠습니다. TJ가 이미 공개된 3분기 재무실적에 대해 말씀해 주실 예정입니다. 토이 젠슨 저희 실적과 반응에 대한 소식을 공유하게 되어 기쁩니다. 재무 성과와 트렌드를 검토하고, 언론 논평, 애널리스트 의견, 그리고 실적발표 transcript 자체를 포함한 다양한 출처의 핵심 인사이트를 강조하겠습니다. 먼저 저희 실적에 대한 언론 논평을 살펴보겠습니다. 블룸버그는 저희 분기 매출이 94% 증가한 350억 달러를 기록하여 애널리스트 추정치인 332억 5천만 달러를 상회했다고 보도했습니다. 이는 2년 연속 매출이 두 배가 된 것입니다. 킴벌리 파월 그분이 바로 TJ, 토이 젠슨입니다.
This was an agent built for our company meeting to summarize the financials. And this is an agent that we built on all of the building blocks NVIDIA has been assembling over the last several years on NVIDIA AI Enterprise. Agents are a collection of different language models assembled together to complete a task. NVIDIA's AI Enterprise with our NVIDIA NIM micro services, our NVIDIA NeMo platform that allows for the entire life cycle of developing models and customizing them for domain-specific agents, as you just saw, all the way into what we call Blueprints, which are reference applications. We've published the Blueprint of TJ, which is essentially a PDF to Podcast Blueprint.	이것은 우리 회사 회의에서 재무 정보를 요약하기 위해 구축한 에이전트였습니다. 그리고 이는 NVIDIA AI Enterprise를 기반으로 지난 몇 년간 NVIDIA가 구축해온 모든 빌딩 블록들을 활용하여 만든 에이전트입니다. 에이전트는 작업을 완료하기 위해 함께 조립된 다양한 언어 모델들의 집합체입니다. NVIDIA의 AI Enterprise는 우리의 NVIDIA NIM 마이크로서비스, 그리고 방금 보신 바와 같이 도메인별 에이전트를 위한 모델 개발 및 커스터마이징의 전체 라이프사이클을 가능하게 하는 NVIDIA NeMo 플랫폼, 그리고 참조 애플리케이션인 블루프린트까지 모든 것을 포함합니다. 우리는 본질적으로 PDF를 팟캐스트로 변환하는 블루프린트인 TJ의 블루프린트를 발표했습니다.
By introducing the press text and, of course, our financial results, you can turn it into a conversation and we even use NVIDIA's ACE, our Avatar Cloud Engine, to create TJ himself. We couldn't be more excited about the opportunities here. There are thousands of digital health agents that are being developed across the ecosystem. I'll just mention a couple here. Intrivo is building Ray, an amazing medical concierge. I'm a patient. It is extremely frustrating and time-consuming to find the right doctors and schedule patients and Ray is doing that.	보도 자료와 물론 저희 재무 실적을 소개함으로써 이를 대화로 전환할 수 있으며, 심지어 NVIDIA의 ACE, 즉 아바타 클라우드 엔진을 사용하여 TJ 본인을 구현하기도 했습니다. 여기서의 기회에 대해 더할 나위 없이 흥미진진하게 생각하고 있습니다. 생태계 전반에 걸쳐 수천 개의 디지털 헬스 에이전트가 개발되고 있습니다. 여기서 몇 가지만 언급하겠습니다. Intrivo는 놀라운 의료 컨시어지인 Ray를 구축하고 있습니다. 환자로서 적절한 의사를 찾고 환자 예약을 잡는 것은 극도로 좌절스럽고 시간이 많이 소요되는 일인데, Ray가 바로 그 일을 해주고 있습니다.
Abridge is having an incredible blockbuster growth because their clinical documentation and clinical agents are really freeing the clinicians of having to do the administrative documentation. Instead, they can focus on their patients, and they're getting up to three hours of a day back in return. And, [Karl] (ph), think about the visits in between your doctor's visits. There are times when patients are in need. These agents can be always available. They can be empathetic. They can be a resource to patients in between these doctors' appointments. And Hippocratic AI is just the world is the oyster in terms of amazing applications. In fact, they can immediately stand up disaster relief.	Abridge는 놀라운 블록버스터급 성장을 보이고 있습니다. 이들의 임상 문서화 및 임상 에이전트가 의료진들을 행정 문서 작업에서 해방시켜 주고 있기 때문입니다. 대신 의료진들은 환자에게 집중할 수 있게 되었고, 하루에 최대 3시간을 되찾을 수 있게 되었습니다. 그리고 [Karl] (ph), 의사 진료 사이사이의 방문들을 생각해보세요. 환자들이 도움이 필요한 때가 있습니다. 이러한 에이전트들은 항상 이용 가능할 수 있습니다. 공감할 수 있고, 의사 진료 약속 사이사이에 환자들에게 자원이 될 수 있습니다. 그리고 Hippocratic AI는 정말 놀라운 애플리케이션들 측면에서 세상이 진주조개와 같습니다. 실제로 이들은 즉시 재해 구호를 구축할 수 있습니다.
Here we are in California having the most unfortunate fires. They can reach out to patients, determine if they need any kind of emergency care and they can help them stay on track with things like their dialysis treatment and create the continuity of care. The opportunities here, as they say, are essentially limitless. And so I'm excited to get to our first announcement. I'm absolutely thrilled that we are partnering with IQVIA, one of the most consequential companies in the healthcare industry, the world's largest clinical research services, commercial intelligence, and healthcare analytics in the world.	여기 캘리포니아에서 매우 불행한 화재가 발생하고 있습니다. 그들은 환자들에게 연락하여 응급 치료가 필요한지 확인할 수 있고, 투석 치료와 같은 것들을 계속 받을 수 있도록 도와주며 치료의 연속성을 만들어낼 수 있습니다. 여기서의 기회는 말 그대로 무한하다고 할 수 있습니다. 그래서 저는 첫 번째 발표를 하게 되어 매우 기쁩니다. 저희가 헬스케어 업계에서 가장 영향력 있는 회사 중 하나이자, 세계 최대의 임상연구 서비스, 상업 인텔리전스, 그리고 헬스케어 분석 회사인 IQVIA와 파트너십을 맺게 되어 정말 기쁩니다.
IQVIA and NVIDIA are going to be working together to take the amazing health data network that IQVIA has built over the last couple of decades. They've got a unique database where they can put that to work and build custom proprietary AI models using NVIDIA's AI foundry services on our DGX Cloud capacity, all the way through to the entire AI life cycle, just like I showed you with TJ, and assemble agentic platforms and workflows to address some of the most critical areas of work. In fact, some of the areas that we're going to work on first is in clinical trials. How can we accelerate the pace of clinical trials? How can we use this to reduce the administrative burden of clinical trials?	IQVIA와 NVIDIA는 협력하여 IQVIA가 지난 수십 년간 구축해온 놀라운 헬스 데이터 네트워크를 활용할 예정입니다. IQVIA는 고유한 데이터베이스를 보유하고 있으며, 이를 활용하여 NVIDIA의 DGX Cloud 용량에서 제공되는 AI 파운드리 서비스를 이용해 맞춤형 독점 AI 모델을 구축할 것입니다. 이는 제가 TJ와 함께 보여드린 것처럼 전체 AI 라이프사이클에 걸쳐 진행되며, 가장 중요한 업무 영역들을 다루기 위한 에이전틱 플랫폼과 워크플로우를 구성하게 됩니다. 실제로 우리가 먼저 작업할 영역 중 일부는 임상시험 분야입니다. 어떻게 하면 임상시험의 속도를 가속화할 수 있을까요? 어떻게 하면 이를 활용하여 임상시험의 행정적 부담을 줄일 수 있을까요?
All of this in order to get medicines to patients faster and really imagine how we're going to see a different clinical trial process as well as the growth and the ability to get medicines to market. This is an incredibly exciting partnership and Bhavik is here. Thank you for flying in. We're delighted to embark on building on top of their IQVIA Connected Intelligence, through all of the NVIDIA AI Enterprise from foundry services, NeMo services, agentic services to deploy agents of all kinds through to their healthcare grade AI solutions and services to bring to their over 10,000 customers across 100 countries, incredible. Okay. Let's switch gears to computer-aided drug discovery.	이 모든 것은 환자들에게 더 빠르게 의약품을 전달하기 위한 것이며, 임상시험 과정이 어떻게 달라질지, 그리고 의약품을 시장에 출시하는 성장과 능력을 어떻게 보게 될지 정말 상상해보시기 바랍니다. 이것은 매우 흥미진진한 파트너십이며 바빅이 여기 와 있습니다. 비행기로 와주셔서 감사합니다. 우리는 그들의 IQVIA Connected Intelligence를 기반으로 구축하게 되어 기쁩니다. 파운드리 서비스, NeMo 서비스, 모든 종류의 에이전트를 배포하는 에이전틱 서비스부터 헬스케어 등급 AI 솔루션 및 서비스에 이르기까지 모든 NVIDIA AI Enterprise를 통해 100개국에 걸친 10,000명 이상의 고객들에게 제공할 예정입니다. 정말 놀랍습니다. 자, 이제 컴퓨터 지원 신약 개발로 화제를 바꿔보겠습니다.
We talked last year how we would love to turn the word discovery into design. I think last year's Nobel Prize, congratulations to David Baker, Demis Hassabis and John Jumper of the Nobel Prize in Chemistry for AlphaFold and its profound impact in protein structure. And this is a testament to say how important this capability is going to be for drug discovery and biology understanding in the future. It is on a tear. We continue to see new models of all kinds. Our fantastic partners are building models like Immix, Neuroplexor3, MIT, the Geneo Clinic and Genesis Therapeutics with their Bolt 1, Evolutionary Scale and their ESM3, these are multimodal.	작년에 우리가 '발견(discovery)'이라는 단어를 '설계(design)'로 바꾸고 싶다고 말씀드렸습니다. 작년 노벨상, AlphaFold와 단백질 구조에 미친 깊은 영향으로 노벨 화학상을 수상한 David Baker, Demis Hassabis, John Jumper에게 축하를 드립니다. 이는 이러한 역량이 향후 신약 발견과 생물학적 이해에 얼마나 중요할지를 보여주는 증거입니다. 이 분야는 급속도로 발전하고 있습니다. 우리는 계속해서 모든 종류의 새로운 모델들을 보고 있습니다. 우리의 훌륭한 파트너들이 Immix, Neuroplexor3, MIT, Geneo Clinic, 그리고 Bolt 1을 개발한 Genesis Therapeutics, ESM3를 개발한 Evolutionary Scale과 같은 모델들을 구축하고 있으며, 이들은 모두 멀티모달 모델입니다.
They can work with DNA, RNA, proteins, ligands, really understanding much more about their interactions and transforming virtual screening in incredible new ways. The NVIDIA BioNeMo platform is a way of democratizing this. We have an end-to-end platform for, again, the entire life cycle, starting from the training of models. Every single tech bio, biotech, pharma company has wet labs running approximately 24 hours a day, generating very, very rich data. That data needs to be built into intelligence. And those are NVIDIA NIMs and micro services. We've also curated a whole bunch, over a dozen now of micro services that can be used as APIs. They're as simple as an API call.	그들은 DNA, RNA, 단백질, 리간드를 다룰 수 있으며, 이들 간의 상호작용을 훨씬 더 깊이 이해하고 가상 스크리닝을 놀라운 새로운 방식으로 변화시킬 수 있습니다. NVIDIA BioNeMo 플랫폼은 이를 민주화하는 방법입니다. 저희는 모델 훈련부터 시작하여 전체 생명주기를 위한 엔드투엔드 플랫폼을 보유하고 있습니다. 모든 테크바이오, 바이오테크, 제약회사들은 하루 약 24시간 동안 웻랩을 운영하며 매우 풍부한 데이터를 생성하고 있습니다. 이러한 데이터는 인텔리전스로 구축되어야 합니다. 그것이 바로 NVIDIA NIM과 마이크로서비스입니다. 또한 저희는 API로 사용할 수 있는 마이크로서비스를 현재 12개 이상 큐레이션했습니다. 이들은 API 호출만큼 간단합니다.
Introduce a protein sequence, outcomes a 3D structure. But then the other part of the -- new part of the platform is NVIDIA BioNeMo blueprints. Again, these are reference applications. This is an example of how can you do virtual screening by assembling three different generative AI applications to do full generative AI virtual screening at unprecedented scale. We are introducing here today and it's available on ai.nvidia.com, one of our own foundation models called, GenMol. This is an evolution. We started in 2020, I think it was, with AstraZeneca and our molecular generation, MolMIM last year and next generation here now with GenMol, which is goal-directed molecular generation.	단백질 서열을 입력하면 3D 구조를 출력합니다. 그런데 플랫폼의 또 다른 새로운 부분은 NVIDIA BioNeMo 블루프린트입니다. 다시 말씀드리지만, 이것들은 참조 애플리케이션입니다. 이는 세 가지 서로 다른 생성형 AI 애플리케이션을 조합하여 전례 없는 규모로 완전한 생성형 AI 가상 스크리닝을 수행하는 방법의 예시입니다. 오늘 여기서 소개하고 ai.nvidia.com에서 이용 가능한 것은 GenMol이라고 불리는 저희 자체 파운데이션 모델 중 하나입니다. 이는 진화의 결과물입니다. 2020년경부터 AstraZeneca와 함께 분자 생성 작업을 시작했고, 작년에는 MolMIM을, 그리고 지금 여기서 차세대 GenMol을 선보이는데, 이는 목표 지향적 분자 생성 모델입니다.
So this is where you can introduce your own objectives and it can generate molecules. And it generalizes across really critical workflows from hit to lead workflows, as you can see here with generative de novo molecule design and Motif extension upon many more. Our NVIDIA BioNeMo platform continues to expand. And as I said, these Generative AI models have applicability from beginning to end, all the way from target discovery all the way through to clinical trials. And we continue to build these micro services as easy ways to integrate this capability into processes and drug discovery platforms of all kinds, right next to the wet lab serving as your dry lab.	따라서 여기서 고유한 목표를 도입할 수 있으며, 이를 통해 분자를 생성할 수 있습니다. 그리고 이는 여기서 보시는 바와 같이 생성형 드 노보 분자 설계(generative de novo molecule design)와 모티프 확장(Motif extension) 등을 포함한 히트 투 리드(hit to lead) 워크플로우와 같은 매우 중요한 워크플로우 전반에 걸쳐 일반화됩니다. 저희 NVIDIA BioNeMo 플랫폼은 지속적으로 확장되고 있습니다. 그리고 제가 말씀드린 바와 같이, 이러한 생성형 AI 모델들은 타겟 발견부터 임상시험에 이르기까지 처음부터 끝까지 적용 가능성을 가지고 있습니다. 저희는 이러한 마이크로서비스들을 모든 종류의 프로세스와 신약 개발 플랫폼에 쉽게 통합할 수 있는 방법으로 계속 구축하고 있으며, 이는 습식 실험실(wet lab) 바로 옆에서 건식 실험실(dry lab) 역할을 하고 있습니다.
And we're building these blueprints, which you can essentially think of as drug discovery assistants. The blueprints, we -- last year in 2024, we introduced the virtual screening blueprint. We're continuing to evolve it, make it smarter and make it faster. And then we, today, are introducing our protein design assistant for protein binder design. So we have small molecule on the left, large molecule on the right, and this is so that we can essentially de novo develop new proteins. Let me show you how it works. [Video Presentation] Incredible stuff. I'm excited to announce our second announcement.	그리고 저희는 본질적으로 신약 발견 어시스턴트라고 생각하실 수 있는 이러한 블루프린트들을 구축하고 있습니다. 블루프린트와 관련해서는 -- 작년 2024년에 가상 스크리닝 블루프린트를 도입했습니다. 저희는 이를 지속적으로 발전시켜 더욱 스마트하고 빠르게 만들고 있습니다. 그리고 오늘 저희는 단백질 결합체 설계를 위한 단백질 설계 어시스턴트를 소개하고 있습니다. 왼쪽에는 저분자, 오른쪽에는 고분자가 있으며, 이를 통해 본질적으로 새로운 단백질을 완전히 새롭게 개발할 수 있습니다. 어떻게 작동하는지 보여드리겠습니다. [비디오 프레젠테이션] 정말 놀라운 내용입니다. 두 번째 발표를 하게 되어 기쁩니다.
We are working with the Arc Institute on the development of true foundation models for biology. As you know, the foundation models in language are hitting the trillions of parameters. In biology, we're sitting in the tens of billions, approaching 100 billion parameters. There's a lot of work to do. In fact, the Arc Institute has the charter, the mission of wanting to understand disease at a much deeper level. And where else to do that than in the source code of biology itself and DNA, RNA, and proteins. And so we're working together to build very large-scale foundation models. We're going to -- we're using the NVIDIA DGX Cloud infrastructure, BioNeMo.	저희는 Arc Institute와 함께 생물학을 위한 진정한 파운데이션 모델 개발에 협력하고 있습니다. 아시다시피, 언어 분야의 파운데이션 모델들은 수조 개의 매개변수에 도달하고 있습니다. 생물학 분야에서는 현재 수백억 개 수준에서 1,000억 개 매개변수에 근접하고 있습니다. 아직 해야 할 일이 많습니다. 실제로 Arc Institute는 질병을 훨씬 더 깊은 수준에서 이해하고자 하는 사명을 가지고 있습니다. 그리고 생물학의 소스 코드 자체인 DNA, RNA, 그리고 단백질보다 더 적합한 곳이 어디 있겠습니까. 따라서 저희는 함께 매우 대규모의 파운데이션 모델을 구축하고 있습니다. 저희는 NVIDIA DGX Cloud 인프라와 BioNeMo를 사용할 예정입니다.
All of the models that we develop are -- they're going to be built upon last year's Arc Institute's breakthrough with their EVO model, which, again, is a multimodal model for biology. And the Arc Institute is a really unique place. They have really invested in the funding of people versus projects. And I think there's a really profound thing that needs to be considered in science. In order for science to scale, we know we need machine learning. In order to do machine learning, you need to have machines. And so this is really a shift that needs to happen in the scientific community. We're working with Arc to deeply understand that.	저희가 개발하는 모든 모델들은 작년 Arc Institute의 EVO 모델 혁신을 기반으로 구축될 예정입니다. 다시 말씀드리면, 이는 생물학을 위한 멀티모달 모델입니다. Arc Institute는 정말 독특한 곳입니다. 그들은 프로젝트가 아닌 인재에 대한 투자에 진정으로 집중하고 있습니다. 그리고 과학 분야에서 정말 심도 있게 고려해야 할 중요한 점이 있다고 생각합니다. 과학이 확장되기 위해서는 머신러닝이 필요하다는 것을 알고 있습니다. 머신러닝을 수행하기 위해서는 기계가 있어야 합니다. 따라서 이는 과학계에서 일어나야 하는 진정한 패러다임 전환입니다. 저희는 Arc와 협력하여 이를 깊이 이해하고 있습니다.
Everything that we build, we will be putting back into the open source into BioNeMo. And you're going to see a lot of that work come to fruition over the next several months and throughout 2025. So keep a lookout for future announcements with the Arc Institute and NVIDIA. As I say, the source code of humans and biology is in genomics. We've been working with amazing partners in the genomics industry, helping to build these regional population-specific genomics data sets. And the world now is really rushing to determine their sovereign AI strategies. We've really helped to lay the foundation, giving the capabilities to generate this data.	우리가 구축하는 모든 것은 BioNeMo를 통해 오픈 소스로 다시 제공될 것입니다. 그리고 앞으로 몇 달간 그리고 2025년 내내 이러한 작업의 많은 성과를 보시게 될 것입니다. Arc Institute와 NVIDIA의 향후 발표를 주목해 주시기 바랍니다. 제가 말씀드렸듯이, 인간과 생물학의 소스 코드는 유전체학에 있습니다. 우리는 유전체학 업계의 놀라운 파트너들과 협력하여 이러한 지역별, 인구별 특화 유전체 데이터셋 구축을 지원해왔습니다. 그리고 현재 전 세계는 자국의 주권 AI 전략을 수립하기 위해 정말 서두르고 있습니다. 우리는 이러한 데이터를 생성할 수 있는 역량을 제공함으로써 기반을 마련하는 데 실질적으로 도움을 주었습니다.
But we need to, by working with the Arc Institute and building new foundation models, we need to give the world not only the ability to generate the data but to derive insights from this data. And so I'm extremely pleased to announce our third announcement for the day, which is our partnership with Illumina. Illumina is a world leader in genomics. We're going to be working together by combining the Illumina sequencing platforms, NVIDIA's NVIDIA Clara tool set, everything from our multiomics BioNeMo for foundation models in biology, RAPIDS for data science acceleration, MONAI for cell imaging and other workflows into the Illumina connected analytics.	하지만 우리는 Arc Institute와의 협력을 통해 새로운 파운데이션 모델을 구축함으로써, 세상에 데이터를 생성하는 능력뿐만 아니라 이 데이터로부터 인사이트를 도출하는 능력을 제공해야 합니다. 그래서 오늘 세 번째 발표를 하게 되어 매우 기쁩니다. 바로 Illumina와의 파트너십입니다. Illumina는 유전체학 분야의 세계적 선도기업입니다. 우리는 Illumina 시퀀싱 플랫폼과 NVIDIA의 NVIDIA Clara 툴셋을 결합하여 협력할 예정입니다. 생물학 분야 파운데이션 모델을 위한 멀티오믹스 BioNeMo부터 데이터 사이언스 가속화를 위한 RAPIDS, 세포 이미징을 위한 MONAI 및 기타 워크플로우까지 모든 것을 Illumina 커넥티드 애널리틱스에 통합할 것입니다.
This partnership is going to be fantastic. One of the first things we're going to do is we're going to take Dragon, the industry standard of secondary analysis, bring it to the GPU. We're going to do that so we can expand the market so that Dragon can be deployed wherever there are NVIDIA GPUs in every public cloud, in every sovereign nation, in every data center and expand the market.	이 파트너십은 정말 환상적일 것입니다. 우리가 가장 먼저 할 일 중 하나는 2차 분석의 업계 표준인 Dragon을 GPU로 가져오는 것입니다. 이를 통해 시장을 확장하여 Dragon이 모든 퍼블릭 클라우드, 모든 주권 국가, 모든 데이터 센터에서 NVIDIA GPU가 있는 곳이라면 어디든 배포될 수 있도록 하고 시장을 확장할 것입니다.
And then we're going to work together to build new applications in the Illumina connected analytics, bringing genomics foundation models, bringing single-cell applications that are essentially real time at very, very large scale and expand the genomics accessibility in utility into new markets like drug discovery. We still have so much to learn about the foundational building blocks of biology.	그리고 우리는 함께 협력하여 Illumina 커넥티드 애널리틱스에서 새로운 애플리케이션을 구축할 예정입니다. 유전체학 파운데이션 모델을 도입하고, 매우 대규모에서 본질적으로 실시간으로 작동하는 단일세포 애플리케이션을 구축하며, 신약 개발과 같은 새로운 시장으로 유전체학의 접근성과 유용성을 확장해 나갈 것입니다. 우리는 여전히 생물학의 기초 구성 요소에 대해 배워야 할 것이 너무나 많습니다.
It's in the amazing data that Illumina is generating, and now we're going to be working together to build those tools, build those capabilities and expand the genomics market into the next generation, into Generative AI genomics, and all the way to making it more accessible to the research community, to the biopharma and biotech community, and even expanding it into clinical and research clinical applications. Super excited about this partnership and we will be announcing more opportunities here as the time goes on. Okay. Last chapter. Here we go. Every sensor, every patient room, every hospital will integrate physical AI. It's a new concept.	일루미나가 생성하고 있는 놀라운 데이터에 있으며, 이제 우리는 함께 협력하여 이러한 도구들을 구축하고, 이러한 역량들을 구축하며, 유전체학 시장을 차세대로, 생성형 AI 유전체학으로 확장하고, 연구 커뮤니티, 바이오파마 및 바이오테크 커뮤니티에 더욱 접근 가능하게 만들고, 심지어 임상 및 연구 임상 응용 분야로까지 확장할 것입니다. 이번 파트너십에 대해 매우 기대하고 있으며, 시간이 지나면서 더 많은 기회들을 발표할 예정입니다. 좋습니다. 마지막 장입니다. 시작하겠습니다. 모든 센서, 모든 환자실, 모든 병원이 물리적 AI를 통합하게 될 것입니다. 이는 새로운 개념입니다.
But the simple way to think about physical AI is that it understands the physical world. It understands the environment. It understands that you're taking this picture right now, and it thinks, I made a good slide. But the real opportunity here is healthcare delivery is a very labor-intensive place. And we have thousands of hospitals around the world. We have hundreds, hundreds of thousands, excuse me, we have hundreds of thousands of operating rooms. We have millions of patient rooms and billions of devices. And I said, each one of them is going to be robotic. We have been building the three computers to realize physical AI.	하지만 물리적 AI에 대해 간단히 생각해보면, 이는 물리적 세계를 이해한다는 것입니다. 환경을 이해합니다. 지금 여러분이 이 사진을 찍고 있다는 것을 이해하고, '좋은 슬라이드를 만들었구나'라고 생각합니다. 하지만 여기서 진정한 기회는 의료 서비스 제공이 매우 노동집약적인 분야라는 점입니다. 그리고 우리는 전 세계에 수천 개의 병원을 보유하고 있습니다. 수십만 개의... 죄송합니다, 수십만 개의 수술실을 보유하고 있습니다. 수백만 개의 환자실과 수십억 개의 기기들을 보유하고 있습니다. 그리고 제가 말씀드린 바와 같이, 이들 각각이 로봇화될 것입니다. 우리는 물리적 AI를 구현하기 위해 세 가지 컴퓨터를 구축해왔습니다.
The first computer that you well know us for is the computer that runs the real-time AI. Think about what we've done for self-driving cars, the car that lives in the computer, or think about the embedded products that lives inside the surgical robot. That's the robot brain. That's the brain in the robot. And the other computer, you also know us for, that's to develop the AI, NVIDIA DGX for NVIDIA AI. But we've been missing the third part of the trinity, and that is Omniverse for developing virtual worlds that are grounded in physics.	저희가 잘 알려진 첫 번째 컴퓨터는 실시간 AI를 구동하는 컴퓨터입니다. 자율주행차를 위해 저희가 해온 일을 생각해보시면, 컴퓨터 안에 살아있는 자동차, 또는 수술 로봇 내부에 내장된 임베디드 제품들을 떠올려보십시오. 그것이 바로 로봇의 두뇌입니다. 로봇 안의 뇌인 것이죠. 그리고 저희가 알려진 또 다른 컴퓨터는 AI를 개발하는 것으로, NVIDIA AI를 위한 NVIDIA DGX입니다. 하지만 저희는 삼위일체의 세 번째 부분을 놓치고 있었는데, 그것이 바로 물리학에 기반한 가상 세계를 개발하는 Omniverse입니다.
They understand the laws of physics and they can synthetically generate virtual worlds so that the robot itself does not need to learn solely in a physical real-world environment. It is just too expensive, too costly, too dangerous. And so Omniverse, and I'm going to show you a little bit more about NVIDIA Cosmos, that was just announced at CES, is going to create that third trinity computer to allow for physical AI and the rapid capabilities of robotics in the future. We've been building NVIDIA Holoscan for many, many years now. This is our healthcare AI robot platform. In fact, Medtronic, Moon Surgical, our FDA-approved devices built on this and in market today.	그들은 물리 법칙을 이해하고 가상 세계를 합성적으로 생성할 수 있어서, 로봇 자체가 물리적인 실제 환경에서만 학습할 필요가 없습니다. 그런 방식은 너무 비싸고, 비용이 많이 들며, 위험하기 때문입니다. 따라서 Omniverse와 - CES에서 방금 발표된 NVIDIA Cosmos에 대해 조금 더 보여드리겠습니다만 - 이것이 물리적 AI와 미래 로보틱스의 신속한 역량을 가능하게 하는 세 번째 트리니티 컴퓨터를 만들어낼 것입니다. 저희는 수년간 NVIDIA Holoscan을 구축해왔습니다. 이것은 저희의 헬스케어 AI 로봇 플랫폼입니다. 실제로 Medtronic, Moon Surgical 등 이 플랫폼을 기반으로 구축된 FDA 승인 기기들이 현재 시장에 출시되어 있습니다.
It really applies -- it's a universal computing platform. It's sensor-agnostic. It's the real-time processing pipeline to go from sensor in to insights out. And we've built the full stack so that now the industry can just focus on the applications and all of that computing platform has already been built. We need these devices to understand the physical world. So you've heard about language models but now we have vision language models. NVIDIA Cosmos NeMoTron, the family of models that was just announced last week has that visual understanding where you can watch a video, ask it a question, it can tell you what's going on in this video. This gives AI both temporal and spatial awareness.	이것은 정말로 적용됩니다 -- 범용 컴퓨팅 플랫폼입니다. 센서에 구애받지 않습니다. 센서 입력에서 인사이트 출력까지의 실시간 처리 파이프라인입니다. 그리고 우리는 풀스택을 구축했기 때문에 이제 업계는 애플리케이션에만 집중하면 되고, 모든 컴퓨팅 플랫폼은 이미 구축되어 있습니다. 우리는 이러한 디바이스들이 물리적 세계를 이해할 수 있도록 해야 합니다. 언어 모델에 대해 들어보셨겠지만, 이제 우리에게는 비전 언어 모델이 있습니다. 지난주에 발표된 NVIDIA Cosmos NeMoTron 모델 패밀리는 비디오를 시청하고, 질문을 받으면 해당 비디오에서 무슨 일이 일어나고 있는지 알려줄 수 있는 시각적 이해 능력을 갖추고 있습니다. 이것은 AI에게 시간적, 공간적 인식 능력을 모두 제공합니다.
This has just come about in the last six or nine months. This is a necessary component but not the only necessary component. The other part of achieving physical AI is how can you create physics-aware virtual worlds. And NVIDIA Cosmos is a family of what we call world foundation models. In fact, it won number one overall at CES just last week because it's that big of a breakthrough. Imagine you have the CAD design of a robot. You can now introduce it with real physics data. Here, we're introducing it with CT scans and other type of multimodal data.	이것은 지난 6개월에서 9개월 사이에 나타난 것입니다. 이는 필요한 구성 요소이지만 유일한 필수 구성 요소는 아닙니다. 물리적 AI를 달성하는 또 다른 부분은 물리학을 인식하는 가상 세계를 어떻게 만들 수 있느냐는 것입니다. 그리고 NVIDIA Cosmos는 우리가 세계 파운데이션 모델이라고 부르는 제품군입니다. 실제로 지난주 CES에서 종합 1위를 차지했는데, 그만큼 큰 혁신이기 때문입니다. 로봇의 CAD 설계도가 있다고 상상해보세요. 이제 실제 물리학 데이터와 함께 도입할 수 있습니다. 여기서는 CT 스캔과 기타 유형의 멀티모달 데이터와 함께 도입하고 있습니다.
These models can generate physically aware scenarios, for which we can change the camera view but it has object permanence so it knows where things are. And it can train robots in essentially infinite scenarios, which is the only way we're going to have safe and effective robots in the healthcare industry. And so we're building towards this, and it's coming along very, very quickly now. So here's a couple of industry firsts. You see amazing applications popping up out of everywhere. We're really leveraging and benefiting from this three computer trinity, Syncron, incredible.	이러한 모델들은 물리적으로 인식 가능한 시나리오를 생성할 수 있으며, 카메라 시점을 변경할 수 있지만 객체 영속성을 가지고 있어 사물이 어디에 있는지 알 수 있습니다. 그리고 본질적으로 무한한 시나리오에서 로봇을 훈련시킬 수 있는데, 이는 헬스케어 산업에서 안전하고 효과적인 로봇을 확보할 수 있는 유일한 방법입니다. 저희는 이를 위해 구축하고 있으며, 현재 매우 빠르게 진전되고 있습니다. 여기 몇 가지 업계 최초 사례들이 있습니다. 모든 곳에서 놀라운 애플리케이션들이 등장하고 있는 것을 볼 수 있습니다. 저희는 이 세 가지 컴퓨터 트리니티인 Syncron을 정말로 활용하고 그로부터 혜택을 받고 있습니다. 정말 놀랍습니다.
They're [stent] (ph) for brain computer interfaces so that humans who can't move can interact with the physical world. Moon Surgical's Maestro is a surgical assistant. They're training task automation where the robot will be able to move on its own. Neptune Medical and their Pathfinder for robotic endoscopy and Virtual Incision, their MIRA and their next-generation miniature robotic surgery and even being used for tele-operation. So we're just starting to see some amazing breakthrough devices come to market. So we're announcing, this is our final announcement that we are partnering with the Mayo Clinic, the number one hospital in the world for many, many specialties.	뇌-컴퓨터 인터페이스용 [스텐트](ph)로, 움직일 수 없는 환자들이 물리적 세계와 상호작용할 수 있게 해줍니다. Moon Surgical의 Maestro는 수술 보조 장치입니다. 이들은 로봇이 자율적으로 움직일 수 있는 작업 자동화를 훈련시키고 있습니다. Neptune Medical과 그들의 로봇 내시경용 Pathfinder, 그리고 Virtual Incision의 MIRA와 차세대 소형 로봇 수술 장비는 원격 조작에도 사용되고 있습니다. 이처럼 우리는 시장에 출시되는 놀라운 혁신적 의료기기들을 이제 막 보기 시작했습니다. 마지막 발표로, 우리는 여러 전문 분야에서 세계 1위 병원인 메이요 클리닉과 파트너십을 맺는다고 발표합니다.
And we are accelerating the next generation of AI-driven digital pathology. Mayo today announced the Mayo Digital Pathology platform. This is built on an incredibly state-of-the-art robotic digital pathology labs that has amassed a huge and unique data set of over 20 million whole-slide images that has 10 million associated patient records. We're going to -- they're going to be building this on their new NVIDIA DGX Blackwell, which has 1.4 terabytes of GPU memory, absolutely necessary for these gigantic data sets. We're going to be applying the future of Cosmos and these multimodal vision to really understand much, much more deeply about biology. So this is an incredible partnership.	그리고 우리는 AI 기반 차세대 디지털 병리학을 가속화하고 있습니다. 메이요 클리닉은 오늘 메이요 디지털 병리학 플랫폼을 발표했습니다. 이는 2천만 개 이상의 전체 슬라이드 이미지와 1천만 개의 관련 환자 기록으로 구성된 거대하고 독특한 데이터셋을 축적한 최첨단 로봇 디지털 병리학 연구소를 기반으로 구축되었습니다. 이들은 1.4테라바이트의 GPU 메모리를 갖춘 새로운 NVIDIA DGX Blackwell 위에 이를 구축할 예정인데, 이는 이러한 거대한 데이터셋에 절대적으로 필요한 사양입니다. 우리는 미래의 Cosmos와 이러한 멀티모달 비전을 적용하여 생물학에 대해 훨씬 더 깊이 이해할 것입니다. 이는 정말 놀라운 파트너십입니다.
And we're tackling biology at all scale from the genomics scale all the way through the tissue scale. And by doing this, you're going to see we're going to understand biology at multiscale in the not-too-distant future. So exciting times ahead. So I will -- I'm going to wrap up now. AI agents, develop and deploy domain-specific agents. It's so important. The LLMs themselves are not domain enough in order to have the impact that we need, which is why partnering with IQVIA, their domain expertise, stretches decades of deep, deep understanding what it takes to do clinical trials. And you need to put that knowledge and understanding and deeply embed it as the AI agent.	그리고 우리는 유전체학 규모부터 조직 규모에 이르기까지 모든 규모에서 생물학을 다루고 있습니다. 이를 통해 머지않은 미래에 우리가 다중 규모에서 생물학을 이해하게 될 것을 보시게 될 것입니다. 정말 흥미진진한 시대가 앞에 있습니다. 이제 마무리하겠습니다. AI 에이전트, 도메인별 특화 에이전트를 개발하고 배포하는 것입니다. 이것은 매우 중요합니다. LLM 자체만으로는 우리가 필요로 하는 임팩트를 가지기에 충분히 도메인별로 특화되어 있지 않습니다. 이것이 바로 IQVIA와의 파트너십이 중요한 이유입니다. 그들의 도메인 전문성은 임상시험 수행에 필요한 것이 무엇인지에 대한 수십 년간의 깊고 깊은 이해를 바탕으로 합니다. 그리고 그러한 지식과 이해를 AI 에이전트에 깊이 내재화시켜야 합니다.
AI drug discovery to generate, predict, and design new molecular ideas for different types of diseases, different new disease or therapeutic platforms that are continuing to evolve. We've got to add a lot more activity and discovery in the early part to see and meet the need for medicines, the tens of thousands of disease. And we know that so much of the healthcare spend is in the form of services. We need to augment them in all ways that we can. So we see this as a several hundred billion-dollar opportunity of AI factories where we're assisting patients, doctors, nurses, drug discoverers, both digitally and physically. So don't take my word for it.	AI 신약 개발을 통해 다양한 질병 유형과 지속적으로 진화하고 있는 새로운 질병 또는 치료 플랫폼을 위한 새로운 분자 아이디어를 생성, 예측, 설계하고 있습니다. 수만 가지 질병에 대한 의약품 수요를 충족하기 위해서는 초기 단계에서 훨씬 더 많은 활동과 발견을 추가해야 합니다. 그리고 의료비 지출의 상당 부분이 서비스 형태라는 것을 알고 있습니다. 우리는 가능한 모든 방법으로 이를 보강해야 합니다. 따라서 우리는 이를 환자, 의사, 간호사, 신약 개발자들을 디지털과 물리적 방식 모두로 지원하는 AI 팩토리의 수천억 달러 규모 기회로 보고 있습니다. 제 말만 믿지 마시고요.
I'll leave you with one last video, and then Harlan and I will chat. [Video Presentation] Thank you, everybody. Have a great JPMorgan.	마지막으로 한 가지 영상을 더 보여드리고, 그 다음에 할란과 제가 대화를 나누겠습니다. [영상 프레젠테이션] 감사합니다, 여러분. 좋은 JP모건 컨퍼런스 되시기 바랍니다.

📌 요약

• 주요 발표 내용:
- IQVIA와의 파트너십: 임상시험 가속화 및 의료 데이터 활용을 위한 AI 모델 개발 협력
- Arc Institute와 생물학 기반 모델 개발 파트너십 체결
- Illumina와 유전체 분석 플랫폼 협력 발표
- Mayo Clinic과 AI 기반 디지털 병리학 플랫폼 개발 협력

• 사업 전략 및 시장 기회:
- 헬스케어 AI 시장을 수천억 달러 규모로 전망
- NVIDIA Clara 플랫폼을 통한 의료 생태계 지원
- 3,500개 이상의 헬스케어 스타트업이 NVIDIA Inception 프로그램 참여

• 기술 혁신:
- GenMol 등 신규 AI 기반 분자 설계 모델 출시
- 물리적 AI와 로봇공학 기술을 통한 의료 서비스 혁신
- NVIDIA Cosmos를 통한 가상 환경에서의 로봇 학습 지원

❓ Q&A

Original	Translation
Question-and-Answer Session Harlan Sur Okay, perfect. Yeah, that was a great overview and update. Thank you, Kimberly. Oftentimes for myself, the sell-side analysts that cover NVIDIA, especially when it comes to the vertical industry segments like healthcare, your customer base, your partner base is so diverse, large pharma companies, small tech bio companies, educational institutions, research organizations. Your platform approach has meant full stack solutions for most programs, big or small, on-prem, hybrid, cloud-based, on the hardware side, DGX, compute on-prem, DGX Cloud, et cetera. And then on top of that, you've got your software stacks, right?	질의응답 세션 할란 서(Harlan Sur) 좋습니다, 완벽하네요. 정말 훌륭한 개요와 업데이트였습니다. 감사합니다, 킴벌리. 저를 포함해서 NVIDIA를 담당하는 셀사이드 애널리스트들에게는, 특히 헬스케어와 같은 수직 산업 부문에 관해서는, 고객 기반과 파트너 기반이 매우 다양합니다. 대형 제약회사들, 소규모 테크 바이오 기업들, 교육 기관들, 연구 조직들까지 말이죠. 귀하의 플랫폼 접근 방식은 규모의 대소를 불문하고 대부분의 프로그램에 대해 풀스택 솔루션을 의미해왔습니다. 온프레미스, 하이브리드, 클라우드 기반 모두에서 말이죠. 하드웨어 측면에서는 DGX, 온프레미스 컴퓨팅, DGX 클라우드 등이 있고요. 그리고 그 위에 소프트웨어 스택들도 있죠, 맞나요?
You've got base command, enterprise AI, software stacks. You've got NIMs. And then you have your different vertical industry sort of frameworks like Clara, BioNeMo, MONAI, Holoscan. I think we often wonder, how does someone like yourself managing the vertical industries, like, how do you map all of these monetization opportunities to your hardware and software programs, right? So, can you give us a sense for the mix of your business? Is it mainly subscription cloud-based type of engagements on the hardware side? Or are most of your customer engagements on-prem hardware-based systems? And what is the subscription license attach of your software and off-the-shelf frameworks?	기본 명령어, 엔터프라이즈 AI, 소프트웨어 스택들이 있습니다. NIM들도 있고요. 그리고 Clara, BioNeMo, MONAI, Holoscan과 같은 다양한 수직 산업별 프레임워크들도 있습니다. 저희는 종종 궁금해하는데, 수직 산업을 관리하시는 분께서는 이 모든 수익화 기회들을 하드웨어 및 소프트웨어 프로그램에 어떻게 매핑하시는지요? 그래서 귀하의 사업 믹스에 대한 감을 주실 수 있나요? 주로 구독 기반 클라우드 형태의 하드웨어 측면 참여인가요? 아니면 대부분의 고객 참여가 온프레미스 하드웨어 기반 시스템인가요? 그리고 귀하의 소프트웨어 및 기성 프레임워크의 구독 라이선스 부착률은 어떻게 되나요?
Kimberly Powell Yeah. I think the way to think about this is everything that we build in the NVIDIA Clara platform and the ability to democratize it, we want it to -- we're driving consumption and it's going to terminate on a GPU somewhere, and we actually don't care. And so there is a huge shift in the world to cloud and we're delighted by it. And so we are working -- it used to be the days where you had to build the supercomputer. But now NVIDIA DGX Cloud is available in every public cloud, right? And so whether it'd be inferencing platforms, very high-performance computing platforms, NVIDIA Holoscan, which you, in your mind, probably think about it as running on an edge computer.	킴벌리 파월 네. 이에 대해 생각해보는 방식은 우리가 NVIDIA Clara 플랫폼에서 구축하는 모든 것과 이를 민주화하는 능력에 관한 것입니다. 우리는 이것이 소비를 촉진하기를 원하며, 결국 어딘가의 GPU에서 종료될 것입니다. 그리고 실제로 우리는 어디서든 상관없습니다. 세상에는 클라우드로의 거대한 전환이 일어나고 있으며 우리는 이를 매우 기뻐하고 있습니다. 그래서 우리는 작업하고 있습니다 -- 예전에는 슈퍼컴퓨터를 구축해야 했던 시절이 있었습니다. 하지만 이제 NVIDIA DGX Cloud는 모든 퍼블릭 클라우드에서 이용 가능합니다, 맞죠? 그래서 추론 플랫폼이든, 매우 고성능 컴퓨팅 플랫폼이든, NVIDIA Holoscan이든 -- 여러분이 마음속으로는 아마 엣지 컴퓨터에서 실행되는 것으로 생각하실 텐데요.
It runs on the cloud just the same. Every customer, no matter domain, needs to have that flexibility, especially in healthcare, right? You need to have the ability to sometimes run on-prem because that might be the company or institution's preference. It might need to run in-country because that is the sovereign AI strategy that is upon us. And so there's a huge shift into cloud. But it has a very hybrid capability because you're going to want to run the models where it makes the most sense in terms of data sovereignty, in terms of latency. But the platform is completely hybrid cloud. And so the customers get the choice. All of our software has a very simple go-to-market.	클라우드에서도 동일하게 작동합니다. 도메인에 관계없이 모든 고객은 그러한 유연성을 필요로 하며, 특히 헬스케어 분야에서는 더욱 그렇습니다. 때로는 온프레미스에서 실행할 수 있는 능력이 필요한데, 이는 해당 회사나 기관의 선호도일 수 있습니다. 또한 국가 내에서 실행해야 할 필요가 있을 수 있는데, 이는 우리 앞에 놓인 주권 AI 전략 때문입니다. 그래서 클라우드로의 대규모 전환이 일어나고 있습니다. 하지만 이는 매우 하이브리드한 역량을 가지고 있습니다. 왜냐하면 데이터 주권 측면에서, 지연시간 측면에서 가장 합리적인 곳에서 모델을 실행하고 싶어할 것이기 때문입니다. 하지만 플랫폼은 완전히 하이브리드 클라우드입니다. 따라서 고객들이 선택권을 갖게 됩니다. 저희의 모든 소프트웨어는 매우 간단한 시장진출 전략을 가지고 있습니다.
It's through NVIDIA AI Enterprise subscriptions. It's a very publicly known price. It's $4,500 per GPU per year, which is essentially $1 per GPU-hour. And that is the subscription of all the NVIDIA Enterprise software. And that's how we go to market. Harlan Sur There has been a lot of discussions back at the earnings call, back at, as you mentioned, CES about the opportunities in agentic AI and multi-agent systems that address the challenges of workforce shortages, rising healthcare costs. You announced here, right, your efforts with IQVIA to accelerate research using AI agents. Like what else is NVIDIA doing in this fast-growing subsegment of digital health agents? Kimberly Powell Yeah.	NVIDIA AI Enterprise 구독을 통해서입니다. 이는 매우 공개적으로 알려진 가격으로, GPU당 연간 4,500달러, 즉 본질적으로 GPU 시간당 1달러입니다. 그리고 이것이 모든 NVIDIA Enterprise 소프트웨어의 구독료입니다. 이것이 우리가 시장에 진출하는 방식입니다. 할란 서(Harlan Sur) 실적 발표에서, 그리고 말씀하신 대로 CES에서 인력 부족, 의료비 상승 문제를 해결하는 에이전틱 AI와 멀티 에이전트 시스템의 기회에 대한 많은 논의가 있었습니다. 여기서 AI 에이전트를 활용한 연구 가속화를 위한 IQVIA와의 협력 노력을 발표하셨는데요. 빠르게 성장하는 디지털 헬스 에이전트 하위 부문에서 NVIDIA가 추가로 하고 있는 일은 무엇인가요? 킴벌리 파월(Kimberly Powell) 네.
We're -- so NVIDIA AI Enterprise platform, as I said, one, we build the micro services. We turn these incredibly capable AI models, and we turn them into a super easy-to-use services micro service, which is an API. It's literally an API which means it can be integrated or embedded into any application out there, right? So it can just essentially become a new capability overnight by a couple of lines of code. So one is having a huge library of these models. The next thing that we're doing to democratize this is we're turning them into reference applications, these Blueprints. These are not end market applications.	저희는 -- NVIDIA AI Enterprise 플랫폼에 대해 말씀드리면, 첫째로 저희가 마이크로서비스를 구축합니다. 저희는 이러한 놀라울 정도로 뛰어한 AI 모델들을 가져와서 매우 사용하기 쉬운 서비스 마이크로서비스, 즉 API로 전환합니다. 말 그대로 API이기 때문에 기존의 모든 애플리케이션에 통합되거나 임베드될 수 있습니다. 따라서 몇 줄의 코드만으로 하루아침에 새로운 기능이 될 수 있는 것입니다. 첫 번째는 이러한 모델들의 방대한 라이브러리를 보유하는 것입니다. 이를 민주화하기 위해 저희가 하고 있는 다음 작업은 이들을 참조 애플리케이션인 블루프린트로 전환하는 것입니다. 이들은 최종 시장 애플리케이션이 아닙니다.
They're not a SaaS you subscribe to but they're blueprints for our partners to take advantage of. And in fact, you've seen a lot of announcements more recently with NVIDIA. We're really, really getting involved with the global system integrators. Accenture and Deloitte, Quantify, Capgemini are a necessary part of the strategy so that we can take these blueprints but do that last-mile customization integration into the domain expert agents they need to become. And so that is how we really approach this. And then we have NeMo, which is the flywheel, the data flywheel. Every enterprise should be capturing all customer interactions.	이들은 구독하는 SaaS가 아니라 파트너들이 활용할 수 있는 청사진입니다. 실제로 최근 NVIDIA와의 많은 발표를 보셨을 텐데요. 저희는 글로벌 시스템 통합업체들과 정말로 깊이 관여하고 있습니다. Accenture, Deloitte, Quantify, Capgemini는 저희 전략의 필수적인 부분입니다. 이를 통해 이러한 청사진들을 가져와서 그들이 필요로 하는 도메인 전문가 에이전트로 변모하기 위한 라스트마일 맞춤화 통합을 수행할 수 있습니다. 이것이 바로 저희가 접근하는 방식입니다. 그리고 저희에게는 NeMo가 있는데, 이는 플라이휠, 즉 데이터 플라이휠입니다. 모든 기업은 모든 고객 상호작용을 포착해야 합니다.
They should be capturing everything about how their products are being used, and taking that as new data and intelligence to refine these agents to perform better and better and better over time. And so we've really taken that full stack approach from helping amazing companies who have unique data sets build their own proprietary foundation models, turning them into micro services, blueprint as agents and then, of course, running them on these large-scale AI factories that they can scale across the world. Harlan Sur One of the big unveils at your developers conference last year called GTC was physical AI. You touched upon it in your presentation.	그들은 자신들의 제품이 어떻게 사용되고 있는지에 대한 모든 것을 포착하고, 이를 새로운 데이터와 인텔리전스로 활용하여 이러한 에이전트들이 시간이 지남에 따라 점점 더 나은 성능을 발휘하도록 개선해야 합니다. 그래서 저희는 고유한 데이터셋을 보유한 놀라운 기업들이 자체적인 독점 파운데이션 모델을 구축하고, 이를 마이크로서비스로 전환하며, 에이전트로 청사진을 만들고, 물론 전 세계적으로 확장할 수 있는 이러한 대규모 AI 팩토리에서 운영할 수 있도록 돕는 풀스택 접근 방식을 정말로 취해왔습니다. 할란 서(Harlan Sur) 작년 GTC라고 불리는 개발자 컨퍼런스에서 공개된 큰 발표 중 하나가 피지컬 AI였습니다. 프레젠테이션에서 이에 대해 언급하셨는데요.
Jensen talked about it at the recent Consumer Electronics Show. Models that perceive, understand, interact with the physical world with one of the use cases being to train AI robots, right? Omniverse is the team's platform to simulate virtual physical roles that adhere to the laws of physics and is used to train robots. We saw the add-on capabilities with the announcement of Cosmos. Again, you talked about it, right, again, focused on physical AI. We can extend this to healthcare where robots can be used to assist in complex surgery, medical procedures. Training these robots in a virtual environment reduces risk, as you mentioned, associated with real-world trials.	젠슨이 최근 소비자 전자 전시회에서 이에 대해 언급했습니다. 물리적 세계를 인식하고, 이해하며, 상호작용하는 모델들로, 그 활용 사례 중 하나가 AI 로봇을 훈련시키는 것이죠. 옴니버스는 물리 법칙을 준수하는 가상 물리적 역할을 시뮬레이션하는 팀의 플랫폼으로, 로봇 훈련에 사용됩니다. 코스모스 발표와 함께 애드온 기능들을 확인했습니다. 다시 말씀하신 바와 같이, 물리적 AI에 초점을 맞춘 것이죠. 이를 헬스케어 분야로 확장하면 로봇이 복잡한 수술이나 의료 시술을 보조하는 데 활용될 수 있습니다. 가상 환경에서 이러한 로봇들을 훈련시키는 것은 말씀하신 대로 실제 환경에서의 시험과 관련된 위험을 줄여줍니다.
It seems like you guys have actually adopted Omniverse Cosmos like framework, but whereas Jensen will talk about Omniverse and Cosmos, building simulation, automotive simulation and so on, right? What's the framework for building Omniverse and Cosmos from a healthcare perspective? Kimberly Powell Yeah. As I said, our mission in healthcare business unit is how do you take these incredible technologies but make them more domain-specific or teach the world how to use them in a domain context. And so that example I gave you where you saw the robot picking up the needle, that's doing research with a Da Vinci Research Kit, an actual research kit, right?	네, 말씀하신 대로 여러분이 실제로 Omniverse Cosmos와 같은 프레임워크를 채택하신 것 같습니다. 젠슨이 Omniverse와 Cosmos, 시뮬레이션 구축, 자동차 시뮬레이션 등에 대해 이야기하는 반면, 헬스케어 관점에서 Omniverse와 Cosmos를 구축하는 프레임워크는 무엇인가요? 킴벌리 파월: 네, 말씀드린 바와 같이 헬스케어 사업부의 미션은 이러한 놀라운 기술들을 어떻게 더욱 도메인별로 특화시키거나, 도메인 맥락에서 이를 사용하는 방법을 세상에 가르치는 것입니다. 제가 보여드린 로봇이 바늘을 집는 예시는 실제 연구 키트인 다빈치 연구 키트(Da Vinci Research Kit)를 사용한 연구입니다.
And then using our NVIDIA AI imaging research team to understand how to take medical imaging data and turn that into physically-aware synthetic data, and then start to train this robot different policies by doing that in a simulated environment. And then we publish all of that understanding, what we've learned either in open source but also in our Holoscan reference applications. It's all on GitHub with the recipes, with the data sources, with the models that we've used. So that, again, we're trying to democratize this and show everybody how to use these amazing platforms in a domain-specific way. Harlan Sur Well, we're just about out of time. Kimberly, thank you for your participation.	그리고 저희 NVIDIA AI 이미징 연구팀을 활용하여 의료 이미징 데이터를 물리적 인식이 가능한 합성 데이터로 변환하는 방법을 이해하고, 시뮬레이션 환경에서 이를 통해 로봇에게 다양한 정책들을 훈련시키기 시작합니다. 그리고 저희가 학습한 모든 이해와 지식을 오픈소스로 발표하거나 Holoscan 참조 애플리케이션에서도 공개합니다. 레시피, 데이터 소스, 저희가 사용한 모델들과 함께 모든 것이 GitHub에 올라가 있습니다. 다시 말해, 저희는 이를 민주화하고 이러한 놀라운 플랫폼들을 도메인별로 특화된 방식으로 사용하는 방법을 모든 사람에게 보여주려고 노력하고 있습니다. 할란 서(Harlan Sur) 시간이 거의 다 되었네요. 킴벌리, 참여해 주셔서 감사합니다.
We look forward to monitoring the execution of the team. Kimberly Powell Thank you so much. Harlan Sur Thank you very much. Kimberly Powell Thank you.	팀의 실행 과정을 지켜보기를 기대합니다. 킴벌리 파월 정말 감사합니다. 할란 서 대단히 감사합니다. 킴벌리 파월 감사합니다.

📌 요약

• NVIDIA 의료 사업의 주요 포인트를 다음과 같이 요약합니다:

• 비즈니스 모델:
- GPU 기반 클라우드 및 온프렘 하이브리드 방식 제공
- NVIDIA AI Enterprise 구독 모델: GPU당 연간 $4,500 (시간당 $1)
- 하드웨어, 소프트웨어, 프레임워크를 포함한 풀스택 솔루션 제공

• 주요 전략적 방향:
- Accenture, Deloitte 등 글로벌 SI 업체들과의 파트너십 강화
- AI 에이전트 개발을 위한 블루프린트 제공
- 의료 분야 특화 물리적 AI 및 로봇 시뮬레이션 기술 개발

• 리스크/기회 요인:
- 데이터 주권 및 국가별 규제에 따른 클라우드/온프렘 유연성 필요
- 의료 인력 부족 및 비용 상승 문제 해결을 위한 AI 솔루션 수요 증가