반도체 산업은 전통적인 설계의 한계를 극복하는 데 초점을 맞춘 일련의 근본적인 발전을 겪고 있으며, 최근의 기술 검토에 따르면 인공지능과 이종 시스템의 역할이 점점 커지는 가운데 칩의 설계, 제조, 테스트 방식에서 심오한 변화가 드러났습니다.
이종 설계 및 칩렛으로의 전환
산업이 소형 칩(Chiplets) 기반 설계로 이동함에 따라, Siemens의 전문가들은 '시스템 기술 공동 최적화'(STCO)와 다물리학 분석(Multiphysics analysis)이 시급한 과제가 되었다고 강조했습니다. 이 트렌드의 목적은 이종 설계가 부과하는 발열, 전력 소비, 통합 과제와 관련된 병목 현상을 해결하는 것입니다.
이와 관련하여 Amkor의 전문가들은 고성능 프로세서가 더 이상 단순한 단일 칩이 아니라 그 자체로 통합된 시스템이 되었으며, 이로 인해 더욱 복잡한 패키징 및 설계 전략이 요구된다고 설명했습니다.
물리적 인공지능과 자동 설계의 과제
물리적 인공지능(Physical AI) 개념이 가장 중요한 축 중 하나로 부각되고 있으며, Synopsys의 전문가들은 이러한 유형의 시스템이 물리적 법칙을 고려하는 포괄적 접근 방식을 사용하여 실리콘, 센서, 소프트웨어, 기계 공학 및 전력을 통합하는 새로운 엔지니어가 필요하다고 보고 있습니다.
그러나 설계 생성(RTL 생성 또는 수정 제안 등)에 인공지능의 의존도가 높아지면서 검증 단계에서 새로운 과제가 제기되고 있습니다. Cadence는 핵심 질문이 더 이상 인공지능의 설계 능력에 관한 것이 아니라, 자동 생성된 설계가 엄격한 요구 사항과 표준을 충족하는지에 관한 것이며, 이는 검증(Verification) 프로세스에 더 큰 부담을 준다고 지적했습니다.
제조 및 네트워킹 혁신
제조 측면에서 Lam Research는 소형 공정 노드에서 SRAM 및 로직 성능을 향상시키기 위한 자기 정렬 CFET 공정 시퀀스 같은 기술을 선보였습니다. 또한 Intel Foundry의 전문가들은 통합 전압 조정기가 전류 밀도를 줄이고 전력 효율을 개선하는 역할에 대해 논의했습니다.
네트워킹 분야에서 Keysight는 인공지능 시스템에서 데이터 전송의 효율성을 보장하기 위해 NVLink를 기반으로 하든 Ethernet을 기반으로 하든 '텐서 병렬성(Tensor parallelism)'이 확장 인프라(Scale-up fabric)가 마스터해야 하는 첫 번째이자 필수적인 차원이라고 강조했습니다.
실제로 무엇이 변하고 있는가?
이러한 변화는 칩 엔지니어링이 더 이상 트랜지스터 크기 최적화에만 국한되지 않고, 시스템 전체의 최적화 수준으로 이동했음을 의미합니다. 엔지니어와 제조업체에게 이는 다음을 요구합니다.
- 단일 설계에서 분산 설계로의 전환: 칩렛에 대한 의존은 다양한 부품 간의 열적 및 전기적 상호 작용을 예측할 수 있는 시뮬레이션 도구를 요구합니다.
- 검증의 재정의: 인공지능이 설계 프로세스에 진입함에 따라, 유효성 검증(Validation) 도구는 자동화된 설계의 품질을 보장하는 최일선 방어선이 될 것입니다.
- 물리학과 소프트웨어의 통합: 특히 물리적 인공지능 애플리케이션에서 하드웨어 설계는 더 이상 소프트웨어 및 기계적 거주지와 분리될 수 없습니다.