적층 칩, 칩렛 기반 설계, 이기종 통합 방식이 확산되면서 전자설계자동화(EDA) 도구 공급업체들은 셀·블록·칩을 별개의 경계로 처리하는 전통적인 모델을 넘어설 것을 요구받고 있다. 인공지능 가속기와 고성능 컴퓨팅 설계에서는 이제 컴퓨팅, 메모리, 인터커넥트, 전력, 열을 하나의 시스템으로 살펴봐야 한다.
Semiconductor Engineering의 Liz Allan은 EDA 도구가 여러 영역에 걸친 공동 분석, 대안 탐색 가속화, 에이전트형 인공지능 기반 보조 기능 추가를 향해 나아가고 있다고 말한다. 개별 분석기를 후반 단계에 따로 실행하는 대신, 공급업체들은 하나의 도구 안에서 다중 물리 모델을 제공하려 하고 있다. 이를 통해 설계가 변화하는 동안 설계 결정의 영향이 나타나며, 설계가 완료된 뒤에야 드러나는 일이 줄어든다.
문제는 시스템 경계로 이동했다
이 기사는 Microsoft의 인공지능 실리콘 엔지니어링 부문 부사장인 Artour Levin의 말을 인용해, 인공지능 가속기의 가장 어려운 문제는 더 이상 칩 내부에 국한되지 않고 시스템 경계에서 발생한다고 전했다. 단일 칩만으로는 많은 인공지능 워크로드를 실행하기에 충분하지 않으므로, 시스템 전체를 평가하는 일이 필수적이다.
Vinci의 최고경영자이자 공동 창업자인 Hardik Kabaria는 전통적인 워크플로가 명확한 추상화 경계를 중심으로 형성되었으며, 각 영역의 물리적 검증은 마지막까지 미뤄졌다고 본다. 열, 응력, 전기적 동작이 전체 물리 스택을 가로질러 전달될 때 이 모델은 적합성이 떨어진다. 따라서 팀은 설계가 더 이상 변하지 않게 된 뒤가 아니라 의사결정을 내리는 동안 물리적 정보를 필요로 한다.
실제로 무엇이 변하는가?
기사의 논지에 따르면 기존 도구를 단순히 가속하는 것만으로는 충분하지 않다. 칩, 패키지, 보드, 시스템 전반에 걸쳐 정확하고 결정론적인 물리 정보를 지속적으로 제공해야 한다. Kabaria는 실제 결정을 뒷받침할 만큼 결과가 측정 가능하고 정확해야 하며, 속도와 함께 실행 간 결과 재현성도 중요하다고 강조한다.
시스템 구성 요소가 서로 달라지면서 공간 계획은 더욱 어려워진다. 컴퓨팅, 메모리, 인터커넥트 유닛을 배치하고 이들 사이의 상호 영향을 고려해야 하기 때문이다. 공급업체 간 도구 호환성, 동적 계획, IR 강하 분석, 정적 타이밍 분석(STA)과 관련된 과제도 부각되고 있다.
기존 도구의 발전과 새로운 도구 구축 사이
이 단계는 EDA 산업에 전략적 질문을 던진다. 수십 년간 지식이 축적된 성숙한 도구를 확장할 것인가, 아니면 인공지능 및 고성능 컴퓨팅 설계가 기존의 단일 칩과 다른 점에 맞는 새로운 도구를 구축할 것인가?
Synopsys의 연구개발 담당 임원인 Henry Sheng은 축적된 지식의 상당 부분이 여전히 중요하지만, 격리된 환경에서 작동하는 일부 가정은 다중 영역 분석으로 넘어갈 때 유지되지 않을 수 있다고 말했다. 과제는 모든 것을 새로 발명하거나 동일한 개념에 대해 서로 다른 표현을 계속 유지하는 것이 아니라, 도구와 데이터와 용어를 일관된 환경 안에서 재구성하는 데 있다.
certi.news의 분석
여기서 실제 변화는 EDA 도구에 인공지능 기능을 추가하는 데 그치지 않고, 의사결정 지점을 칩 수준에서 시스템 수준으로 옮기는 것이다. 에이전트형 인공지능은 작업 자동화와 더 많은 대안 탐색에 도움을 줄 수 있지만, 정확하고 반복 가능한 시뮬레이션의 필요성을 없애지는 않는다. 도구 간 상호운용성, 다중 물리 모델의 속도, 변화하는 설계를 따라갈 수 있는 능력은 여전히 이 전환의 성공 여부를 결정할 미해결 과제로 남아 있다.