AI가 AI칩 설계… “수백 시간 걸리던 일 1시간 만에” 작성일 05-13 14 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">인력·시간 부족 해결책 떠올라</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="xGsxUTUlYx"> <figure class="figure_frm origin_fig" contents-hash="de6db41c3bd0135a08bec91780154e1629b05a1e92a6148b2ee4c09b5f3b065a" dmcf-pid="ye9yAQA81Q" dmcf-ptype="figure"> <p class="link_figure"><img alt="게티이미지뱅크" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202505/13/chosun/20250513003216801duun.jpg" data-org-width="1200" dmcf-mid="6Oh3CgCn5e" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202505/13/chosun/20250513003216801duun.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 게티이미지뱅크 </figcaption> </figure> <p contents-hash="c703c4225c021bc7e8940661d3a5d79dd529877cf613ba6879ce392fb020c77e" dmcf-pid="Wd2Wcxc61P" dmcf-ptype="general">최근 찾은 대전 카이스트 나노종합기술원. 박사과정에 재학 중인 김혜연씨가 자신이 만든 인공지능(AI) 모델로 AI 반도체의 필수 부품인 ‘디캡(전력 완충기 역할을 하는 부품)’을 기판 위에 놓을 위치를 설계하고 있었다. 디캡을 어디에 놓는지에 따라 고대역폭메모리(HBM) 등 AI 반도체의 전력 효율과 성능이 바뀐다. 기판에 꽂히는 디캡의 수와 놓일 수 있는 위치를 조합하면, 수많은 변수가 생긴다. 김씨는 “예전에는 디캡을 하나씩 꽂아가면서 성능을 직접 테스트했지만, 지금은 AI를 통해 몇 분이면 최적의 조합을 찾을 수 있다”며 “많게는 수백 시간씩 걸리던 설계를 지금은 AI로 1시간도 안 돼 해결한다”고 했다.</p> <figure class="figure_frm origin_fig" contents-hash="11749b9872fb2fb8be6f64888781e985ae0401d312aa1b56c007dbd84bdb167a" dmcf-pid="YJVYkMkPX6" dmcf-ptype="figure"> <p class="link_figure"><img alt="그래픽=양인성" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202505/13/chosun/20250513003218608zplk.jpg" data-org-width="480" dmcf-mid="PzWgVtVZZR" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202505/13/chosun/20250513003218608zplk.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 그래픽=양인성 </figcaption> </figure> <p contents-hash="2a9054dc40e1a90d22008a1f1f2a19eb4b1ab2c2d87e22d2ffca1c8cf8f36938" dmcf-pid="G4UOi9iBX8" dmcf-ptype="general">최근 반도체 기업과 연구자들이 반도체 설계 AI 경쟁에 뛰어들고 있다. 설계가 복잡한 고사양 반도체에 대한 수요가 늘고, 제품 출시 주기가 빨라지면서 설계 기간을 최대한 단축하기 위해 AI 모델을 활용하는 것이다.</p> <p contents-hash="1beb84249dbe676fc20553ec26a56e83106958a3ea210b70512fbdb0a915df03" dmcf-pid="H8uIn2nb14" dmcf-ptype="general"><strong>◇인력, 시간 부족에 AI가 나서</strong></p> <p contents-hash="8e7926d72be69b7937b3785931cc8316282b8f67ab3f40795668aeb82ab06276" dmcf-pid="X67CLVLKHf" dmcf-ptype="general">AI는 반도체 산업의 거의 모든 공정에 영향을 줄 수 있지만, 지금은 설계 단계에서 가장 주목받고 있다. 가장 노동집약적이기 때문이다. 보통 그래픽처리장치(GPU) 완제품을 설계하기 위해 1000명에 가까운 엔지니어가 필요하다. 엔지니어들은 전력 소모와 성능 등 다양한 변수를 고려해 최적의 조합을 찾아내야 한다. 현재는 전자 설계 자동화(EDA) 도구로 이 작업을 수행한다. 이 경우, 반도체를 설계하고, 프로토타입(시제품)을 만들어 평가하는 데 1년 이상 걸릴 수 있다. 이를 AI로 대폭 단축하는 것이다. 싯다르트 가그 뉴욕대 전기연구소 교수는 월스트리트저널에 “6개월 이상 걸릴 수 있는 설계 속도를 한 달 이하로 단축할 수 있게 됐다”고 했다.</p> <p contents-hash="21cbde794793c9ec9c7dd923978a7851548c17338177c4853bc59da68f4fb417" dmcf-pid="ZPzhofo9XV" dmcf-ptype="general">이 분야에서 가장 앞선 곳으로 엔비디아가 꼽힌다. 엔비디아는 2023년 메타의 ‘라마 2’를 기반으로 반도체 설계용 AI ‘칩네모’를 선보였다. GPU 설계 중 AI에 전력 효율이나 데이터 처리 등에 대해 질문하면, 이에 맞는 반도체 설계 코드를 생성해 준다. 요즘 반도체 설계를 위해 개발된 AI는 기존의 반도체 설계를 학습해 전력 소비를 증가시키거나 성능을 저해하는 요인들을 제거해 최적의 설계 코드를 제안한다. 또 설계에 대한 개선 사항을 제안한 뒤 시뮬레이션까지 해준다.</p> <figure class="figure_frm origin_fig" contents-hash="6e49cdc444981a1367d3ab4d216030cf5a724ac39d2071bc94f2c20eccda4567" dmcf-pid="5Qqlg4g2Z2" dmcf-ptype="figure"> <p class="link_figure"><img alt="그래픽=양인성" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202505/13/chosun/20250513003220431jooj.jpg" data-org-width="480" dmcf-mid="Q4JUSjSgHM" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202505/13/chosun/20250513003220431jooj.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 그래픽=양인성 </figcaption> </figure> <p contents-hash="342ba8c24dd5267a10fd12421063816aa50c31fa6e712b4b7c57f8e31b5a17be" dmcf-pid="1xBSa8aVZ9" dmcf-ptype="general">엔비디아 같은 반도체 설계 전문 기업뿐 아니라 최근엔 삼성전자와 SK하이닉스 같은 반도체 생산 회사들도 반도체 설계 AI 개발에 나서고 있다. 삼성전자는 지난해 반도체 설계자동화(EDA) 업체인 시놉시스와 협업해 3나노 모바일 칩 설계에 쓰이는 AI 설루션을 개발했다. 시놉시스는 마이크로소프트와 함께 대규모 언어 모델(LLM)을 사용해 반도체 설계를 도와주는 AI 도구(Synopsys.ai Copilot)도 내놨다. 반도체 업계 관계자는 “반도체 설계 AI가 고도화되면서 성능과 수율 문제에 큰 도움을 주고 있다”며 “최근엔 이런 반도체 설계 AI를 전담하는 인력을 확보하고 있다”고 말했다.</p> <p contents-hash="c60283a85650f1f040785b1e674015b674d388926b1936ea7e551fc455bec536" dmcf-pid="tMbvN6NfZK" dmcf-ptype="general"><strong>◇수백 번의 시도를 몇 초 만에</strong></p> <p contents-hash="08f679242203126a393f23fe5256240e59351e9e03e99de8995650d43765a995" dmcf-pid="FRKTjPj41b" dmcf-ptype="general">설계보다 먼저 AI가 도입된 현장은 반도체 제조이다. 제조 공정은 자동화가 됐지만, 공정에서 결함이 생겼을 땐 수동으로 원인을 분석해야 한다. 전적으로 인력에 의존해야 하기 때문에 시간과 비용이 많이 든다. 예를 들어 파운드리(반도체 위탁생산)의 경우 약 1000단계의 공정을 거치는데, 수율이 떨어질 경우 숙련된 엔지니어가 일일이 원인을 찾아야 한다. 이마저도 공정 단계가 너무 많아서 실시간으로 제대로 파악하기 어렵다. AI가 결함의 패턴을 학습해 수율 저하 원인을 빠르게 파악하거나 수율이 떨어질 조건을 예측해 공정을 미리 조정하거나 비정상 웨이퍼(반도체 원판)를 미리 걸러낼 수 있다.</p> <p contents-hash="05577e0c3cb4f6c71ec5167e3e264c96e3056559136b26b6c192f8569b01e074" dmcf-pid="3e9yAQA8YB" dmcf-ptype="general">하지만 반도체 AI의 수준은 여전히 초기 단계다. 데이터를 유출하는 데 민감한 반도체 기업들이 외부 업체와의 AI 협업이나 데이터 제공을 꺼리기 때문이다. 최근 인력 부족 문제와 개발 속도 경쟁이 붙으면서 업계 분위기도 조금씩 바뀌고 있다. 김정호 카이스트 교수는 “AI가 연구·설계·생산 생태계를 바꾸면서 앞으로 10년 후 반도체 설계와 파운드리 기업의 경쟁력은 AI에 달려 있다”며 “이런 기업들은 AI 인력 채용을 늘릴 것”이라고 했다.</p> </section> </div> <p class="" data-translation="true">Copyright © 조선일보. 무단전재 및 재배포 금지.</p> 관련자료 이전 머스크, 정치적 쓴맛에도… 실속은 다 챙기고 떠났다 05-13 다음 바이크와 사랑에 빠진 소녀시대 유리, 첫 도로 주행에서 ‘제꿍’의 아픔 05-13 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.