AI 시대를 이끌고 있는 최첨단 반도체! 그 속에 담겨있는 숨은 비밀은?! AI 시대의 반도체의 미래 1부 (한국표준과학연구원 임경근 박사)

안될과학 Unrealscience
147 팔로워
이제는 우리 삶 깊숙히 파고든 인공지능 AI!
그리고 AI를 이끌고 있는 첨단 무기 반도체!
과연 최첨단 반도체 속 숨은 원리는?
한국표준과학연구원 임경근 박사님과 함께 알아봅니다
◆ 2024 신상 굿즈 블록 피규어 키링 + 포스터 출시
모어사이언스 스토어에서 만나볼 수 있습니다!
https://smartstore.naver.com/morescience
#ai #반도체 #엔비디아 #hbm #한국표준과학연구원 #임경근
◆ Thanks to
편집 : 조주현
Studio : 서울스트리밍스테이션
Guest : 한국표준과학연구원 임경근 박사
◆ 안될과학-모어사이언스 스마트스토어 (과학굿즈)
https://smartstore.naver.com/morescience
◆ 안될과학 인스타그램
https://www.instagram.com/unreal.science
◆ 안될과학 커뮤니티
https://cafe.naver.com/unrealscience
◆ 안될과학 문의
E-MAIL : [email protected]
이제 인공지능 세마이컨덕터 파트에서
이런 경원이 있어요 한 명의 똑똑한
천재보다는 100명의 초등학생이 더
낫다
어 인사할 시간도 많습니다 여러분의
시간을 낭비해 드릴 느리지만 쿨한
과학 맨 미팅입니다 반갑습니다
교수님들
반갑습니다 아 오늘 주제는 AI 시대
반도체 너무나 핫하지 않습니까 요즘
뉴스에도 매일 나오고 너무 해요 젠슨
황 형님 있습니까 엔비디아 아니 한
1년 전에 대표님이 사라고 이렇게
언저리를 주셨었어요 아시다시피 제가
3전에 너무 많이 물려 있는 관계로
그 티켓을 잡지 못했어요네 엔비디아에
들어가는 여러 가지 반도체를 거기에
대한 재밌는 이야기를 한국 표준 과학
연구원의 임경근 박사님을 모셨습니다
반갑습니다 임경근 이니다 한국
표준과학 연구원 되게 중요한 곳으로
알고 있는데 어떤 연구를 하는 곳인지
간단하게 한번 소개해 주실 수
있을까요 스타십 발사랑 말 관련이
깊습니다 아 그래요네 직접적으로
관련이 돼 있는데 미국 나사에서
화성으로 탐사선을 보냈었는데 어이없이
추락을 했었 맞아 어이없이 추락을
했었죠 어이가 없었다고요 어느 정도
어이가 없냐면 잘 출발했어요 화성까지
갔어요 화성에서 갑자기 바닥으로 그냥
추락했어 왜 추락했을까 뭔가 기분이
안 좋았나 나온다 나온다 아 표준에
관련된 거니까 표준 그 뭔가 미터를
오류가 났었나 보네 그렇습니다
지금처럼 스타쉽이 지금 관성으로 돌고
있잖아요 무게 랑 속도에 따라서
밑으로 떨어지냐 아니면 궤도를
탈출해서 밖으로 나가냐 아니면 궤도를
계속 돌고 있느냐 결정이 되는데 그때
파운드랑 kg이랑 혼용되는 그 무게를
잘못 계산한 거죠 그러다 보니 갑자기
실제보다는 덜 수치를 넣으면서 속도가
떨어지니까 화성의 중력으로 끌려
들어가서 바닥으로 꽝
아 몇 조가 날라갔죠 이만큼 단위가
중요합니다 그니까 미국에서는 원래
파운드 많이 그렇죠 파운드 온즈 이런
거 쓰고 인치 피트 마일 쓰고 야드
쓰고 잇 에잇 스타쉽은 표준 쓰고
있습니다 표 쓰고 쓰고 있습니다
못합니다 표준이 뭔데요 S 단위
계라고 해서 국제 단위 체계라는
프랑스 어데 인터내셔널 시스템음네
여기까지 하겠습니다 뜻인데 그걸 이제
일곱 가지 단위 체계를 저희가 이렇게
정해놓고 전 세계 사람들이 동일하게
쓰자 약속을 했는데 말 안 듣는
나래가 좀
미국 그래서 한국 표준 관원은 그렇게
중요한 단위를 얼마나 정확하게 정의를
하고
한 아 그리고 박사님은 어떤 연구를
하고 계시죠 저는 반도체 그중에서
이렇게 유연한 소재인 유연 반도체를
연구하고 있습니다 아 반도체가 이제
휘는 그런 거 있잖아요 스크린 이렇게
접히고 유연하게 바뀌는 반도체는 딱
보면은 칩이 단하아 그런 거를 이제
유연하게 만드는 칩을 유연하게
만든다고요 말랑말랑하게 만들 수도
있고 접히고 아니면 늘어나기도 만들
수가 있고 늘어난다고네 그렇죠 먹을
수도 있고요 먹는다고요 먹는 반도체도
있습니다 소화가 안 텐데 잘 됩니다네
이더블 세마이컨덕터
아고 본격적으로 오늘 이야기에 한번
가보도록 하겠습니다 자료 주시면 아
나오죠 아 시작하자마자 나옵니다
이거를네 물론 이제 그 현명한 우리
구독자들서는 샀다고 봅니다 안 살
수가 없지 저 10년 전부터 이렇게
올랐는데 그죠 꾸준히 올랐고 지금
거의 000% 그러니까이 말은 지금
걔 가지고 계신 거 같은데 110배
110배 예 님 거 보면은 저 자주
보거든요입니다 그분 거 보면은 한국
사람들이 엄청 투자를 많이 했다
미리아는 진짜 엄청 많이 투자를
했다고 하더라고요 저 ndbd 아마
안 들어보신 분은 없을 것 같은데
최근 엄청 많은 이슈가 되고 있죠
그런 반도체 칩을 독점적으로 생산할
수 있는 회사 아네 그렇기 때문에
독점이라는 것 때문에 엄청나게 가치가
오르고 있고 주식이 일반적인 수요
공급 곡선 이랑은 어 설명할 수 없을
정도로 급하게 르고 있다고 볼 수
있겠죠 맞아요 그 왜 그렇게 요즘에
반도체 칩 이슈가 되냐 보면은 반적인
예로 해무 얘기를 해 볼 수가 있어
우리나라 같은 경우는 이제 쿠팡이란
회사 미국 같은 경우는 아마존이라는
회사가 이제 물류를 어느 정도
장악했고 물류 센터를 거진 다
지었다고 해서 이제 돈 뽑는 일만
남았구나 하는 상황이었는데 갑자기
무라는 회사가 두둥 두둥 나오면서
연일 뉴스에 나왔었죠 인공지능이
결국에는이 문제라고 할 수 있습니다
오 인공지능이 문제예요 어떤 일인가
보면 사실 물류라는 거는 는 굉장히
비용이 많이 드는 산업 중에
하나입니다 그래서 물류 비용이라는
거를 절약하지 않으면 사실 물건을
싸게 팔 수도 없고 소비자들이 더
이제 외면하게 되겠죠 그래서 여러
가지 기업들이 가진 테크닉 아마존
같은 경우는 자동화 시설 로봇이 저런
식으로 옮긴다거나 많이 주문되는
것들은 이제 빨리 동선을 해 놓고
이제 뒤에 들어오는 것들은 뒤에 쌓아
놓고 이런 식으로 최적화로 움직일 수
있도록 맞습니다 최적화가 잘 될수록
비용을 아낄 수가 있고 기업의 이윤이
늘어난다 중국 기업인 태무 했던 것은
인공지능을 이용해서 s 니스를
분석하는 일을 많이 했어 인스타그램
같은 경우 사실 그게 정영화 하긴
되게 어려워요 이걸 수치로 바꿔
가지고 그 수치에 따라서 어떤 상품이
내일쯤 주문이 100개 들어올 거야
1년 뒤에는 만 개가 될 거야 이걸
예측을 해야 되는데 SNS 사실 그게
좀
어렵잖아요려 수치가 나와 있는 것도
아니고 거기서 우리 분석하기가 되게
어려웠는데 기존에 있던 그림 사진
글들 읽어서 데이터 확인하기 시작한
거죠 그러면 지금이 감성 요즘이
스타쉽이 발사되고 미래미래 한
감성일지 내일쯤 되면은 미래미래
선글라스가 많이 팔릴 거야 응 아
그러면 그걸 미리 주문을 해 놓고
계당 1센트 파는 거죠
아 그게 이제 태무 전략입니다 우와
그니까 미리 빵 터질 걸 예측해서
구매를 미리 해놓다 미리 당겨 놓고
지금 여러분 이제 인스타를 들어가면
아 스타십 거진 성공했음 그러면 이제
그 수집을 합니다 아 내일 쯤이면
스타십 프라모델이 굉장히 수요가 많아
지겠구나 그럼 우리가 이걸 싼값에
대란 구매해서 소비자한테 비싸게
팔아야지 아 아 이런 거죠 그래서
이제 인공지능이란 거는 기존의 산업이
전혀 다른 뉴 비즈니스 뉴 모델을
만든다고 지금 저희들이 생각을 하고
있고 사직 우리나라 기업은 그 부분을
이제 따라가야 되고 다른 기업들도
마찬가지인 거죠 지금 아 저 새로운
비즈니스 모델을 따라하지 못하면
도태된다 생각을 하니까 너도 나도 할
것 없이 그 인공지능을 이용하기
시작합니다 사실 이거는 안 할 이유가
없는 거죠 안할 이유도 없고 해야만
하는 거죠 뒤쳐지 않기 위해서습니다
1트에 팔 수 있는 그런 기업이
나타나는데 나는 여기서 1달러에 팔고
있다 게임이 안 되는 거잖아요 자기가
이제 죽냐 사냐의 문제가 되는 거니까
그래서 인공지능을 연구하기 시작하고
그걸 산업화에 이렇게 이용하는 과정을
우리가 인공지능 산업이라고 말합니다네
인공지능 산업을 갈수록 이제 리즈가
많아지고 있는데요 인공지능 산업을
개발하기 위해서는 기반 사항이 이제
필요해지기 시작합니다 그러면 무엇이
필요할까 보면은 가장 먼저는
데이터센터 인공지능 산업이 이제
급속도로 발전하고 있고 급격히
발전하고 있다 마치 그냥 스카이
로케팅 하고 있다 2년만에 거의 두
배가
마치 이제 스타십 럼 아주 이제
빠르게 증가하고 있는 산업 저거를
따라잡기 위해서는 좀 시설이 필요한데
가장 중요한 것은 데이터 센터 이제
전 세계에서 모든 기업들이 각자
자신의 데이터 센터를 짓기 시작합니다
아음 고객들의 정보를 수집하고
처리하고 수치를 만든 다음에 예측하기
위해서죠 옛날에는 저 데이터 센터를
짓는게 뭐 구글이나 뭐 아마존이나
이런 큰 대기업 정도만 데이터 센터를
짓는 거라고 생각했는데 이제는 모든
기업이 저 데이터 센터를 필요로 하고
있어요 맞습니다음 거의 모든 산업에서
기존에 들었던 모든 비용들을 AI
기술 이용은 다 줄일 수 있다
그러면은 안 쓸 이유가 없고 안 쓰면
도태된다 그렇기 때문에 각자의
데이터를 쌓고 그니까 우리가 흔히
말하 빅데이터 빅데이터를 쌓아 놓고
처리하기 위한 이제 데이터 센터를
만들기 시작하죠 그 데이터 센터라는
건 사실 전기 먹나 함마 거기는 정말
많은 데이터를 저장하고 처리하기
때문에 발열도 매우 심하고요 온도를
낮추기 위한 시설들 심하면 내 물에
담궈서 바닥에 담그는 그런 연구도
되고 있고 또 이제 시키기 위해서 또
많 전력이 필요한게 사실입니다 그러다
보니 요즘 이슈되는 거는 이제 전력
부족 그리고 또 전선 부족 이런
것들이 연일 또 문제가 되고 있습니다
뭐 일런 머스크도 마찬가지로 예측을
했었죠 미래에는 전력 부족이 굉장히
더 심해질 것이다네 데이터 센터
때문에 그렇습니다 또 요즘에 구리
값이 굉장히 폭등하고 있죠 전선이
부족하니까 전선을 구하지 못해서이
데이터 센터를 운영하지 못하는 상황
지금 저럼 왼쪽 그림 같은 경우는
이제 그 권역별로 갑자기 정전이 돼
버린 경우네 그리고 이제 오른쪽은
전선인네 그런 것들은 어찌 보면은
해결 가능해 보여요 왜냐면 어느 한
기업이나 나라가 독점하고 있지 않아요
구리선 만드는 거는 물론 중요한
기술인데 우리나라뿐만 아니라 다른
나라도 가지고 있고 전력 같은 경우도
부조한 건 맞지만 또 대체할 수 있는
수단들이 있다고 보거든요 그런데
무언가가 그 중에 제일 중요한
요소인데 독점을 하고 있다면 어떨까요
여기서부터 아까 우리 첫 장을
기억하면 됩니다 독점하면 돈을 벌겠죠
그으면 디비와 같은 미국 기업이 왜
9시 뉴스대 계속 나오냐 반도체가
문제기 때문입니다 반도체 전쟁이라 할
정도로 반도체 문제가 심각해지고
있습니다 어라고 하는 것도 작년에
나왔었고 또 정치적인 문제가 되고
있죠 점점 이게 단순히 수요 공급의
문제가 아니라 마치 총성 없는
전쟁처럼 갈 속 심해지고 있죠 이렇게
뭐가 문제냐 봤을 때 AI 인공지능
기술이 점차 중요해질 거는 뻔한데
요의 핵심 기술이 뭘까 봤을 때이
반도체라는 것이 매우 중요한데 그걸
우리가 독점적으로 할 수 있는 능력이
특정 기억에만 있기 때문에 우리가
이거를 무기화할 수 있겠다 이렇게 된
거죠 많 보 분이죠 알트먼 맞습니다
이제 일론 머스크처럼 되냐 마냐에
기어 있다고 생각드는데에 반도체가
계속 이제 수요가 많다 보니까 왼쪽
보시는 것처럼 뭐 매년 증가를 하고
있습니다 근데 공급할 수 있는 업체가
없어요 한 군데 그래서 그 칩을 쓸
수밖에 없는 거예요 젠스 형님이 그냥
이제는 AI 활성화되면서 시장을
컨트롤하고 있어요 진짜로 맞습니다 그
기업을 소유하지 못한 나라 같은
경우는 아예 국력 자체가 낮아질 수
있는 그런 문제가 되는 거죠 그래서음
알트만 같은 분들은 아예 그럼 독점
체제를 깨겠다 내가 기업을 만들어서
내가 칩을 만들 테니 나한테 돈을
다오 얼마 안 돼 한 7조 달러 만조
7조 달러 9천 조 만조 예
우리나라의 1년 예산이 600조 정도
되는데 애플이랑 MS 합친 금액보다
이제 많 그러니깐요 그 독점 체제를
깨기 위해서는 아예 저런 새로운
시설을 만들어야 되는데 나한테
투자해라 할 정도로 독점 체대가 너무
강력해서 우리가 그거를 기술을 좀
개발해야겠다는 니즈가 너무 크기
때문에 그것들이 좀 설득력을 얻고
있는 상황입니다 AI 반도체가
지금까지는 하나의 특수한 기업에서
만드는 것도 굉장히 작은 부분입니다
미래 반도체의 여러 가지 종류 중에
부분일 뿐이에요 나머지 양자 컴퓨팅
뉴로모픽 그다음에 랜덤 컴퓨팅 우리
미래는 개발될 수 있는 기술들이 몇
가지 더 있는데 아직 시작도 안 한
겁니다 아네 실제로 우리가 말하는
차세대 컴퓨팅 아직 시작도 안 했어요
며칠 전에 한국에 왔었죠 삼성이나
하이닉스 업체랑이 만났었고 또
실질적으로 어떻게 완성이 될지 저
금액이 블러핑 있지 아니면 정말로
넘을지 어 그거는 모르지만지 샘
알트먼이라는 사람이 아예 칩을
만들겠다 칩을 만드는 공장부터
설계까지 내가 다 해 보겠다라는
이유는 그만큼 AI 반도체에 수요가
많아지고 있고 그게 뉴 비즈니스
모델을 만들고 있기 때문이다 이렇게
말씀드릴 수 있겠습니다 좀 이제요
부분을 알아야 여러분이 이제 주식을
할 수 있다 저걸 모르고 지금
기술주에 들어간다는 거는 좀 무리다
보시면 이제 디 디자인이 있고
매뉴팩처링 있고 칩이 있습니다
디자인은 말 그대로 설계 그림을 잘
그리는 거죠 그다음에 매뉴팩처링
들어가는 부품을 만드는 이제 생산하는
쪽이라 보시면 되고 칩은 마지막
완성품을 만드는 단계 패키징까지 해
가지고 마지막에 소비자한테 넘기기
전까지 단계를 만드는 거라 봅니다
보시면은 디자인에 엔비디아가 들어
있죠 근데 매뉴팩처링 없어요 그
업체가 그 만들지 않아요 그렇죠 설계
사무소 역할을 mbdb 하고 있고
그다음에 그거를 시공사 넘기죠
시공사가 이제 도면을 보고 만들어
주죠 근데 도면을 봐도 좀 애매한
부분이 있어요 마감이 외장제 뭐 단열
뭐 이런 것들이 사못 다릅니다네 그런
것들을 마지막까지 챙겨서 딱 완성품을
만드는 거까지 하고 있는 거죠 거의
독점적으로 그 일을 하고 있고 그게
혼자만 할 수 없기 때문에 생산 같은
건 tsmc 같은 대만의 업체한테
맡기고 있죠 그래서 이제 삼성이랑
tsmc 이제 하이닉스 이런 기업들이
서로 얽히고 설켜서이 생태계를 만들고
있다네
그러다 보니 여기서 생태계를 유지하기
위해서는 서로 주고받는게 필요한데
특정 나라한테 주지 않겠어 내가 이게
좀 요즘에는 잘 나가니까 너희한테
공급하지 않겠어 아니면 너희 제품
반값에 넘겨 이런 것들이 보편화가
지금 돼 있는 거죠 거기에다가 또
각국의 대통령들 모여서 공장을
우리나라에 지어요 이런 식의 모든
정책의 상황까지 아주 복잡하게 엮여
있는 관계라고 보시면
돼 그러다 보니 이거를 타개하기
위해서는 우리도 기술을 가져야 되는
거죠 우리도 좋은 뉴 링링을 하고
있는 회사가 있습니다 삼성이나 이제
하이닉스 같은 회사가 있는데
우리나라는 메모리 반도체에 매우
강자네 그러기 위해서 우리나라가 미래
기술을 확보를 해야 된다 그런 기술에
일환에서 우리가 인공지능 반도체 뭐가
핵심이고 뭐가 이제 앞으로 미래
일가를 한번 짚어 보는게
중요하겠죠 한번 이제 구조를 한번
보시면 간략하게 이렇게 생겼습니다
가운데 이제 로직이 있고 그 옆에
이제 hbm이라고 하는 부품이 이렇게
붙어 있는 거 볼 수 있습니다 로직은
말 그대로 연산을네 할 수 있는 뭔가
생각하고 계산하고 값을 내놓을 수
있는네 hbm 그 옆에서 계산된 값을
저장을 하고 다시 불러와서 우리가 또
계산을 쓸 수 있는 그렇죠 연산을
하기 위해서 필요한 값이라는 아니면
연산을 해 놓은 값이라는 이런 거를
필요할 때 꺼냈어야 되는데 거기가
바로 hbm이라는 거 메모리 맞습니다
기존에도 메모리와 연산이 있었어요
거리가 멀고 저장하는 시간 프로세스
하는 시간이 달랐습니다 그것 때문에
병목 현상이 생기는 거죠 기존에
연산한 데는 크게 문제는 없었는데
이런 AI 빅 데이터 갈수록 이제
동시에 연산을 하는게 중요해요 우리가
병렬 연산이라 하는데 동시에 많은
데이터를 처리하려고 하다 보니 기존의
시스템은 계산하고 저장했다가 다시
불러오고 저장했다 이게 너무 시간이
많이 걸립니다 마치 이런 거죠 이제
저희 어머니는 현금 필요하실 때 은행
가십니다 집에서 돈 필요할 때 은행을
가셔야 돼요 근데 우리는 지금 인터넷
뱅킹을 하죠 앉아서 할 수 있죠
동일한 돈이지만 우리는 몇 초 만에
돈을 여기로 옮기고 저이고 할 수
있지만 저희 어머니는 은행을 가서
한나절이 걸리는 거죠 요거랑 비슷
봅니다 이제 기존의 시스템은 데이터를
를 쌓아놓고 다시 불러오는데 은행
같이 갔다 왔다 계속 해야 되는 거고
지금은 바로 옆에 두고 우리가 인터넷
베킹 하듯이 바로이 값을 손쉽게
불러들 수 있는 그걸 우리가고 대역대
메모리라고 해서 hbm이라고 부릅니다
하이 밴드위스 메모리 맞습니다네 좀
상세한 설명이 돼 있는데요 한번
보시면은 기존에 gddr 보는 부분이
왼쪽 그다음에 hbm이 오른쪽 왼쪽이
이제 은행을 가야 되는 거 오른쪽이
인터넷 뱅킹 하는 거 맞습니다 보라색
GPU 이제 로직입니다 연산을 할 수
있는 부분인데 메모리가 저렇게 좀
떨어져 있고 그다음에 핀 개수 입축
할 수 있는 하나의 도로라고 보면
되는데 그 도로가 거기는 32개
정도가 있었어요 32차 선
고속도로라고 보시면 됩니다 그런데
오른쪽 hbm 가면 핀 개수가
124개 그러니까 1024개의 도로가
나 있는 고속도로라고 보시면 됩니다
아까보다 훨씬 많아졌죠 그 동시에
1024개의 각각의 정보가 들어갔다가
나갔다가 할 수 있는 병렬 연산 할
수 있다 왼쪽에 있는 그림은 한
층이에요 그죠 한층으로 돼 있죠
한층이 돼 있고 322개의 문어발
같은 핀이 옆에 이렇게 양옆에 있어서
우리가 막 반도재 칩 사진을 보면
거미 다리 같은게 있잖아요 그것들이
이제 핀인 거죠 근데 HB 아으로
가면 그것들을 이렇게 수직으로 적층을
해서 쌓아 놨어요음 각각의 핀을
수직으로 쌓으면서 어떻게 해야
연결되는지를 좀 복잡하게 설계를
해야겠죠 이제 고급 기술이 들어가야
되 건 한데 그 고급 기술을 이용해서
많은 핀 개수 그리고 많은 병경
연산을 할 수 있게 됐다 그게 이제
핵심이라고 보시면 됩니다 네 이제
핵심 기술이 뭐냐 봤을 때 이런 수직
그다음에 적층 3D 이런 것들이 우리
중요한데 그 기술을 우리나라에서는
많은 개발을 통해 가지고 hbm
잘하는 기업이 이제 sk 삼성 거죠네
또 이게 단순히 쌓는게 아닌게 우리가
건축이랑 비교를 해 볼 수가 있어요
저렇게 아까 오른쪽 그림을 좀 자세히
적어 놓은 건데요 hbm 우리가
이렇게 수직으로 쌓아서 핀 수를 엄청
많이 늘려 놨다 수직 적천 하게 돼서
우리가 이거를 구현할 수 있었는데이
부분이 왜 중요한가이 부분을 이제
보면 제가 요즘에 좀 이사를 를
준비하고 있어 가지고네 집 차주는 몇
번지 구경을 해 봤어요 그랬더니
몰랐던 세 개가 있더라고요 단독 주택
아파트 전원 주택 이런 것들을
만드는데 다 이렇게 건축비가 얼마고
공부를 하게 됐어요 그런데 이제
1층짜리 단독 주택을 짓는 건축비가면
적마다 다르지만 저 한 2억이라고
저희 가정을 해 봅시다 한채를 짓는데
2억인데 2층짜리 3층짜리 짓게 되면
이제 선형적으로 증가를 해요 건축비가
그래서 한 50층까지 이렇게 층수의
비례해서 올라갑니다 50층이 넘어가게
되면 면 그 규칙을 따라을 수가
없어요 더 급격하게 증가해요 우리가
롯데타워 123층 이죠 건축비가
3조가 넘게 들었습니다 1 곱하기
123을 하면은 보통 한 200억 원
300억 원에서 놀아야 될 것 같은데
공이 두 개가 더 붙게 됐죠 예 왜
그럴까이 봤을 때 어 이제 건축으로
비교를 하자면 50층 이상이 되면은
사실 기존 건축 방식을 쓸 수가
없어요 타워라는 방식을 바꿔야 됩니다
우리가 아파트 방식이 아니라 타워
형식으로 건축을 지야 돼서 건축비가
훨씬 더 증가를 하게 됩니다 반도체도
마찬가지로 층 두층 쌓았을 때 그
금액이 선형적으로 중계한게 아니라
어느 정도 두께 이상이 되면 더 고급
기술 또 고급 재료 이런 걸 써야
되기 때문에 훨씬 더 어려운 기술이
되겠죠 그만큼 또 수율이 떨어질 수도
있고네 그러다 보니 이게 굉장히 몇
기업만 할 수 있는 아주 핵심 기술이
됐고 지금 현재는 이제 232 랜드
같은 경우는 저게 총 높이가 진짜
빌딩 같다 빌딩 같죠 어제 뭐 저게
총 이제 1mm 안 됩니다 1mm
23 2층인데 1mm 안 되는 거예요
사실 기판까지 포함한 거라서 기판
빼고 나면 더 작아요 저 기판이 훨씬
더 높 많은 비중을 차지하기 때문에
저거를 만듭니다 셀 수도 없는 많은
공정을 해야 우리가 이제 USB 하나
나오는 거죠 대단하다 진짜 대단한
기술이나 그죠 와 그래서 이제 저렇게
수직으로 쌓는다는 거는 동일 면적에서
더 많은 데이터를 처리할 수 있다는
뜻이 되잖아요 그래서 사실 메모리
업체에서는이 부분이 많이 사용되
왔어요 우리 하이닉스 이제 삼성에서
이런 것들 이용해 가지고 이제 게이트
올어라운드 it 아니면 핀팩 이런
것들이 이제 용어들이 반도체 업계에서
이제 좀 많이 쓰고 있습니다 기존의
왼쪽 아래 보시는 것처럼 수평 구조의
어떤 트랜지스터 스위칭 역할 하는
하나의 단위 부품인 트랜지스터가
플랜한 구조일 때는 저 플랜한 구조를
만들기 위해서 면적이 많이 필요한
거죠 근데 저거를 수직으로 그다음에
3차원 구조로 이렇게 핀 펫이나
게이트 올 어라운드 패스로 만들게
되면 동일 면적 상에 더 많은
트랜지스터를 꽂을 수가 있 꽂을 수가
있고 직접 할 수가 있게 되고 그러면
말은 더 고성능으로 간다는 뜻이죠
그리고 또 저거를 게이트 형태를
3,000원으로 바꾸기 해서 효율이
좋아집니다 아 전력을 적게 먹는 거
맞습니다 저 더 저전력으로 하는 거죠
그래서 성능은 좋아지는데 소비 전력은
더 떨어지게 되는 아주 이제 두 마리
토끼를 잡을 수 있는 기술인 거죠
메모리에서는 이미 많이 개발이 됐고
우리나라 반도체 업체가 아주 선도하고
있습니다 요거를 이제 비메모리
분야까지 지금 적용을 하려고 hbm이
메모리인 하지만 이제 AI 기술에서
핵심 부품이기 때문에 그 부분에까지
적용을 시켜서 AI 반도체에 우리가
이제 기술을 우위를 점하려고 하는
전략인 거죠네 어 근데 그러면은
원래이 기존 했던 방식은 막 차들이
뭐 차선이 있었을 때도 문제가 분명히
있었을 때 테지만 만약에 이게
기하급수적으로 막 천개에 막 도로가
있어 그러면은 매연도 있고 막 약간
부작용이 있지 않아요 아 정확한
지점이에요 역시 랩장님 이제 인공지능
세마이컨덕터 파트에서 이런 경원이
있어요 한 명의 똑똑한 천재보다는
100명의 초등학생이 더 낫다 어
그러니까 기존에는 한 명의 똑똑한
천체를 만드는 방식이었어요 그래서
아주 연산 속도가 빠르고 성능이 좋은
cpu 넣는게 연산이 더 좋다라고
이렇게 발전되 왔었는데 AI 연산을
하기 위해서는 그런 거는 다 병목이
뿐이야 그러 초등학생 100명을 앉혀
놓고 연산시게 AI 더 낫다음 그런
결관 때문에 hbm이 아까 말씀하신
대로 복잡해지자아요 더 아까 32개
핀이 있을 때보다 지금 1,000개가
넘는 핀이 됐으니까 각각의 핀에서의
연산 능력은 떨어져 있어요 점점
떨어져 있어 가지고 그거를 감안하고
나서 AI 기술에서는 이게 더 낫다지
이게 완벽한 이상적인 형태라는 볼
수가 없어요
아 그래서 어떤 다 밸런스에 맞춰
가지고 하고 있고 그러다 보니 이제
hbm 능력이 좀 더
올라가야겠다 해서 우리나라 같은 경
HM 4를 만들어서 초등학생보다 이제
중학생 100명의 중학생 이게 이런
이런 전략을 하는 거고 또 그렇게
되면 또 GPU 또 그만큼도 발전을
하겠죠 그러면 얘는 이제 그럼 난 더
똑똑해 질게 그러면 어 그럼
100명이 고등학생이 등장하는 거고
이런 식으로 가게 되겠죠 그래서
결국에는 아까 말씀드렸던 이제
hbm이 다음 세대로 가는 전략이
저렇습니다 pim이라고 하는 기능을
좀 더 넣어서네 프로세스 메모리라고
하는데요 퍼포먼스는 두 배 이상
증가를 하고 에너지 컨섬션 더 떨어져
있는 차세대이 hbm이 되겠죠 고성능
저전력 있데 이걸 우리가 수직 기술로
만들 수가 있다 수직 적층을 더
정교하게 하고 동일 면적에 더 많이
쌓게 되면은 능력이 올라가겠죠 근데
이거는 하나의 그냥 시스템일 뿐이고
기존에는 이제 차세대 반도체를 모르는
양자 컴퓨팅이 유로 업틱이나 아니면
랜덤 컴퓨팅 같은 건 아직 시작도 안
했어요 아직은 개발 중이고 사실
표준형은 그 양자 컴퓨팅에 좀 특화가
되 있는
기간입니다 개발되면 이거는 뭐
끝났다고 봐야 되는데 아직 좀 갈길이
맞지만 그래서 사람들이 새로운 방식을
너도 나도 지금 찾고 있는 춘추 전국
시대라고 보시면 돼요 제가 하고 있
연구는 이제이 수직 구조를 더 이용을
해 보자 더 이용을 해 보자 수직
구조 막 좋은 거 알겠어 싸움하면
좋다는 거 알겠고 좋게는 알겠는데
그럼 그다음은 뭘까 제가 하고 있는
건 좀 더 말랑말랑하고 늘어나고 먹을
수 있고 그런 재료로 수직으로 쌓게
되면 어떻게 될까 이렇게 컴퓨터의
능력이 좋아지고 AI 연산을 할게
되면은 우리가 기존에 썼던 서버라
클라이언트 시스템이 사라질 수가
있어요 데이터 센터가 필요 없을 수가
있어요 어 어떻게 그러죠 그러니까 빅
데이터를 기존에는 다 수집해서 그걸
연산해서 우리한테 결과값을 딱 주는
방식이아니라 이터를 처리하기 위해서
그런 큰 데이터 센터가 필요한
거잖아요 AI 기술 중에 이제
뉴로모픽 같은 경우 그건 그냥
데이터로부터 이렇게 이렇게 학습을
시킨 거기 때문에 그 데이터를 모두
다 처리하는게 아니라 말단에서 다
결과을 그대로 내놓을 수가 있어요 오
이게 이제 우리가 말하 학습
이론입니다 이런 AI 뉴로모픽 같은
반도체를 와치나 피부에 붙여 놓거나
아니면 뭐 안경에 심어 놓거나 하면
빅 데이터를 학습을 통해서 그냥 쉽게
결과값을 내놓을 수가 있어요
와 그냥 얘기만 들으면 약간 사람이랑
비슷해지는 느낌이네요 초등학교 때부터
뭐 대학교까지 배웠어 그러면은
어쨌든간에 그게 쌓여 있잖아요 약간
그런 거랑 비슷한 느낌이어서 아예 막
무슨 메모리 담당하는게 커져야 될
필요가 없다 약간 요런 느낌인 거
같은데 맞습니다 학습이라는 거는
그래서 처음에는 굉장히 결과값이 안
좋아요 근데 한 번 두 번 더
정교하게 기계적인 학습을 통하고 여러
가지 방식을 통해서 학습을 시켜
놓으면 안에 알고리즘 우리가 다 알
수는 없지만 갑자기 그냥 말도 안
되는 퀄리티의 결과값을 내놓기
시작해요
어 굉장히 중요한 개념이에요 그래서
많은 기업들이 그거를 이제 하려고
노력하고 있고 또 많은 과학자들이
그걸 이용하려고 하고 있는 개념입니다
그래서 말단에서 그 모든 연산을 다
해버리고 결과값만 내놓을 수 있는게
된다면 굳이 클라우드 서버 시스템이
아니라 우리 지금 워치에서 모든 걸
계산해서 우리한테 주면 그러면이
말단에 있는 컴퓨터가 얇고 뭐
늘어나고 키에 붙일 수 있는
컴퓨터인데 훌륭한 값을 내놓을 수
있다 그게 이제 우리가
가능하다라는게이 AI 그다음에이
유연한 컴퓨팅의 최종 목표인 거죠
인사 시간도 많습니다 여러분의 시간을
낭비해 드릴 내리지만 쿨한 미팅이
입니다 감사합니다 교수님들 빠이 빠이
감사합니다 돈가스가 미래요
