IT산업에 인공지능(AI)과 머신러닝(ML)이 도입되면서 반도체 업계의 기회도 확대되고 있다. 각 기기에 맞는 기술 최적화가 필요하기 때문에 전체 공급망에서 반도체의 중요성이 점점 커질 것이라는 전망이 나왔다.

조셉 사위키(Joseph Sawicki) 멘토, 지멘스 비즈니스 IC EDA부문 부사장은 29일 ‘Mentor Forum 2019’ 기자 간담회에서 매킨지&컴퍼니 보고서를 인용해 “AI가 반도체 기업에게 40년간 최상의 기회를 열어줄 것”이라면서 “모바일 산업에서 보면 전체 부가가치 체계(스택) 내에서 AI나 ML을 적용해 반도체가 가져갈 수 있는 부분이 40~50%까지 커질 수도 있다”고 기대했다.  

가장 큰 이유는 도메인 특화 아키텍처 제품 개발이 증가하기 때문이다. 다양한 종류의 제품이 요구하는 각 기능과 성능을 구현해줄 수 있는 반도체가 개발돼야 하고, 필연적으로 설계 없체들의 역할이 커진다. 

그는 또 “AI 시대가 되면서 통신 네트워크를 통과하는 데이터양은 향후 10년간 1000배 이상 증가할 것”이라며 “차량간 통신, CCTV, 스마트시티, 상업용 및 산업용 IoT 등에서 나오는 데이터를 관리하고 활용하기 위한 IT산업도 성장할 것”이라고 말했다.

AI 기술은 데이터센터와 말단기기(엣지) 두 축으로 각각 성장이 이뤄질 것으로 봤다. 특히 엣지단의 다양한 애플리케이션이 반도체는 엣지단에서 많은 기회를 찾을 수 있는데, 앞으로 5~6년간 성장률이 2배 이상 될 것으로 내다봤다.

AI는 반도체 설계, 공정 툴을 어떻게 바꾸나

사위키 부사장에 따르면 도메인 특화 아키텍처가 확산되면서 새로운 설계 방법론과 툴이 필요하게 됐다. 

과거 시스템온칩(SoC)을 검증할 때는 이미 정의돼 있는 구조에 맞춰서 설계를 검증하고, 랜덤 테스트를 했는데, AI 분야에서는 인프라 층위가 아닌 아닌 좀 더 상위 레벨, 즉 최종 제품 및 서비스까지 고려한 설계가 필요하다. 

아키텍처 구현을 위한 네이티브 설계를 보면, 반도체 설계 첫 단계인 ‘RTL(Resister Transfer Level)’은 AI설계에는 적합하지 않다. CPU, GPU 같은 프로세서도 엣지에 사용하기에는 전력소모량이 크다. 칩의 구조(스트럭처)나 아키텍처에 기능을 부여하는 게 아니라 필요한 기능의 칩에 최적화된 기술을 적용하고, 이 기술에 어떤 아키텍처가 적절한지 고민도 해야 한다.  

이런 다양한 상황을 예측하고 멘토는 다양한 반도체설계자동화(EDA) 솔루션을 선보여왔다. 

◇HLS(High level synthesis): 예를 들어 AI, ML용 가속기(엑셀러레이터)가 데이터 속도를 높이기 위해 자사 ‘고급합성(HLS)’ 같은 툴이 대표적이다. C/C++ 같은 상위 수준 프로그래밍 언어를 지접 지원해 메모리 주변에서 머신러닝에 중요한 아키텍처를 탐색할 수 있게 해주고, 검증 속도를 빠르게 한다. 

◇캘리버 플랫폼: 물리적인 광학근접보정(OPC) 툴 ‘캘리버’ 플랫폼 안에 AI를 적용해 많은 데이터를 칩에서 검증을 해줄 수 있게 했다. AI를 트레이닝 시켜 오류부분을 빠르게 파악할 수 있도록 했다. 그는 “7nm 공정에서 OPC 검증을 할 때 CPU 8000개가 12~24시간 돌아가야 했는데, ML을 적용해 시간을 3분의 1로 줄일 수 있었다”고 설명했다.

◇DDYA(Diagnosis Driven Yield Analysis): 어떤 칩이든 성숙된 수율 수준까지 도달하는 시간을 단축시키기 위해 ML이 도입됐다. 칩의 테스트 결과를 토대로 ML로 패턴을 분석하고 수율을 낮추는 손상 칩을 빠르게 찾을 수 있다. 수율 관련 테스트 데이터는 파운드리 업체에 제공돼 빠르게 개선할 수 있도록 했다. 

◇자율주행 솔루션: 지멘스가 멘토를 인수하면서 완전한 가상환경에서 자율주행 기술을 검증할 수 있는 솔루션도 내놨다. 두 개의 가상환경(디지털트윈)을 구현해 다양한 환경과 돌발상황을 검증할 수 있게 해준다.  

사위키 부사장은 “우리가 가진 거의 모든 제품 40~50개에 AI를 적용하고 있다”며 “차차 관련 툴을 발표할 것”이라고 말했다.