스타트업 Moores Lab AI는 에이전트형 인공지능을 활용해 칩 설계 주기를 단축하려 하며, 초기에는 설계 검증, 오류 수정, 테스트 커버리지에 집중하고 있다. 지난해 칩 산업 전문가들이 설립한 이 회사는 자사의 도구가 칩 설계 주기를 처음부터 끝까지 자동화하고 시스템 온 칩(SoC) 개발을 가속하는 것을 목표로 한다고 말한다.
이러한 접근 방식은 인공지능 칩에 대한 수요 증가로 설계팀이 더 짧은 기간 안에 제품을 납품해야 하는 상황에서 나왔다. Moores Lab AI는 칩 설계 경험을 바탕으로 내부에서 인공지능 도구를 구축하는 것이, 먼저 인공지능 모델을 개발한 뒤 반도체 문제에 적용하려는 기업들의 접근 방식과 다르다고 본다.
수개월에서 48시간으로
회사 최고경영자이자 공동 창업자인 Shelly Henry에 따르면, Moores Lab AI는 약 10곳에 시스템을 배포했으며 고객들은 다양한 유형의 지식재산(IP) 블록과 함께 이를 사용하고 있다. 그녀는 초기 디버깅 준비 단계에서 가장 큰 생산성 향상이 나타났다고 말한다.
일반적으로 팀은 테스트 계획과 테스트 환경을 준비하고 첫 번째 시뮬레이션을 실행한 뒤 첫 번째 오류를 찾는 데 3~4개월이 필요하다. 반면 회사 플랫폼 사용자들은 첫 번째 오류에 48시간 이내에 지속적으로 도달하며, 이후에도 플랫폼을 사용해 추가 오류를 더 빠르게 발견한다고 Henry는 말한다.
왜 인간의 전문성이 여전히 필요한가?
이 글은 인공지능을 칩 엔지니어를 완전히 대체할 수 있는 자율적인 수단으로 제시하지 않는다. Henry는 사양을 대규모 언어 모델이나 인공지능 에이전트에 입력하면 세부 내용의 20%에서 30%가 손실될 수 있다고 말한다. 칩을 제조한 뒤에는 수정할 수 없는 산업에서 오류 하나는 1,000만 달러 규모의 문제로 이어질 수 있다. 처리를 위해 칩셋 전체를 다시 제작해야 할 수도 있기 때문이다.
이 때문에 회사는 검증에 집중하며, 설계 엔지니어링, 아키텍처, 검증, 제조 가능성 테스트, 물리적 설계, 합성을 포함한 여러 전문 분야 사이에서 복잡한 설계 주기를 나누는 작업을 진행하고 있다. 이 글에 따르면 하나의 칩 개발에는 서로 다른 전문 분야의 엔지니어 약 200명이 참여하며, 이들 분야 사이에서 에이전트를 조율하는 일 자체가 공학적 과제가 된다.
실제로 무엇이 달라지는가?
현재까지 가장 중요한 결과는 에이전트가 개입 없이 완성된 칩을 생산할 수 있다는 증명이 아니라, 유용한 첫 번째 테스트 및 디버깅 주기에 도달하는 데 필요한 시간을 단축했다는 점이다. 이는 설계팀이 프로젝트 비용이 누적되기 전에 초기 결함을 발견하는 데 도움이 될 수 있지만, 포괄적인 검증이나 사양을 해석하고 시스템의 결과물을 검토할 수 있는 전문가의 필요성을 없애지는 않는다.
Moores Lab AI는 인공지능을 둘러싼 마케팅 소음과 측정 가능한 결과를 구분하는 과제도 안고 있다. 회사는 다른 업무로 넘어가기 전에 고객에게 하나의 프로젝트 수행을 보여주고, 같은 프로젝트에서 고객 엔지니어들이 달성한 결과와 비교한다고 말한다.
이 전략은 칩 설계에서 에이전트형 인공지능의 실질적 가치가 단순히 코드나 설계 제안을 생성하는 데 있지 않고, 신뢰할 수 있는 결과에 도달하는 시간과 시스템이 사양의 세부 사항을 처리하는 능력으로 측정될 것임을 보여준다. 한편 6개월 이내에 칩을 구축할 수 있다는 주장은 회사 측의 발언으로 전해졌으며, 이 글은 이를 입증하는 프로젝트나 검증 지표에 관한 독립적인 세부 정보를 제시하지 않았다.