7화. 반도체 설계와 GPU, 그리고 인공지능

○ 머신러닝의 발전으로 고집적 반도체 설계에 인공지능을 본격 활용해 반복 작업을 줄여 원가를 낮추고 설계 시간 단축

• 반도체 설계는 소비전력(Power), 면적(Area), 성능(Performance)이 최적화된 회로 배치를 찾아 내는 것이 핵심
  - 칩 설계 과정에서 발생하는 경우의 수는 백만 가지가 넘어감에 따라 최적화된 칩 설계에 수 주에서 수 개월이 걸리는 작업

• 시행착오를 통해 전문가 결과물 수준으로 성능을 향상시키는 인공지능의 강화학습 특징은 회로 설계 최적화와 같이 복잡한 과제를 해결하는데 적합
  - 이를 통해 고집적 반도체 회로 설계에 투입되는 비용과 시간, 숙련된 엔지니어 부족 문제를 해소

○ 엔비디아의 고성능 GPU의 설계 환경 활용과 함께 인공지능이 반도체 회로설계 분야에서 사용되면서 개발 시간이 대폭 단축

• 구글은 인공지능을 이용한 반도체 회로 설계 연구를 통해 설계 엔지니어가 수개월이 걸리는 반도체 회로 수준과 동등 이상의 설계를 6시간내에 완성
• 반도체 업체들이 사용하는 설계 소프트웨어인 EDA(Electronic Design Automation, 반도체설계 자동화)도구들도 인공지능 기반 강화학습이 포함된 툴로 발전 
  - EDA 주요 기업인 미국 시놉시스(Synopsys)는 강화학습을 이용한 설계 지원 시스템 공급을 2020년 본격 공급 시작
  - 인공지능과 클라우드 기술로 EDA 업계를 선도하는 케이던스(Cadence)는 인공지능 기반 플랫폼으로 설계 오류를 검증하여 생산성을 10배 향상

○ 주요 반도체 제조사들은 인공지능을 이용한 반도체 설계 분야에 본격적인 투자를 시작

• 인공지능 기반 칩 설계 시장 성장률은 향후 5년간(’23년 ~ ’28년) 20%를 보이며 일반 EDA SW 성장률의 2배, 반도체 칩 매출 규모 성장률의 3배를 상회할 전망
• 삼성전자, 퀄컴, 인텔 등 주요 반도체 기업들도 2023년 약 3억 달러, 2026년 5억 달러를 인 공지능 기반 반도체 설계에 투자 계획
  - 인공지능 기반 설계가 고집적 칩의 생산 소요 시간과 비용을 절감하고 칩의 성능을 향상시키며 공급망 리스크에도 대비