칩의 기본은 트랜지스터는 1960년대 미국에서 발명되었다. 미국은 이 기술을 기반으로 1960년대가지 디램시장의 지배했다. 하지만 미국의 AT&T는 독립규제로 트랜지스터 기술을 40개 기업에 라이센스했고 이를 통해 일본 기업이 철저한 품질관리와 혁신으로 1970년대부터 세계 DRAM시장의 80%를 점유하게 된다. 미국은 여러모로 일본에 강한 위기감을 느껴 1986년 플라자합의를 이끌어낸다. 일본의 반도체 경쟁력은 급격히 악화하여 그 중심축이 미국 실리콘 벨리와 한국, 대만으로 이동하게 된다. 미국의 실리콘 벨리는 설계와 SW의 축이되었고 대만의 TSMC는 파운드리, 한국은 DRAM제조에 특화하게 된다. 반도체는 과거에도 전자제품의 핵심부품이었지만 인공지능 시대가 도래하면서 사실상 기술자산을 넘어선 국가간 패권다툼의 수단이 되었다.
반도체 칩은 생산이 매우 어렵다. 생산을 위해서는 2000단계 이상의 공정이 필요하다. 이 과정에서 수 천개의 기업이 협력하고 실리콘 원자재는 평균 2만 5천 마일을 이동하고 70회 이상 국경이동을 한다. 첨단 반도체 생산을 위한 EUV 1기의 가격은 5천억 이상이며 3나노급 제조팹 건설에 200억 달러가 든다. 즉, 반도체는 고도의 자본집중화와 기술독점화가 가속화고 있어 진입장벽이 매우 높다.
한국은 메모리 기술은 세계적이지만 생태계 조성능력과 아키텍쳐 역량은 취약하다. 한국은 90년대부터 디램과 낸드플래시 메모리에서 초격차 전략으로 시장을 선도했다. 하지만 메모리의 성공이 시스템 반도체로의 확장을 의미하진 않는다. 그래서 한국의 향후 과제는 시스템 지식을 토대로 한 아키텍쳐 설계와 이동기술들을 종합적인 솔루션으로 결합하여 다양한 개방적 생태계를 구성하는 것이다. 한국은 평택, 용인, 화성을 잇는 482조 규모의 메가 클러스트를 구상하고 있다. 이는 막대한 생산시설의 확보이나 이를 운용할 글로벌 인재도 필요하다.
미국은 전통적으로 전략 우선 순위가 유럽이었다. 2011년 오바마 대통령 당시 우선순위를 중국의 부상으로 인해 아시아로 옮기려 하였으나 중동, 아프간 전쟁의 지속으로 실행이 어려웠다. 하지만 첨단 반도체의 대부분이 대만과 한국에서 제조되고, 중국의 대만 침공은 그 공급망을 위협하는 만큼 미국의 전략 우선순위는 지금 동아시아다. 미국은 chips act를 제정했다. 첫 번째는 리쇼어링으로 390억 달러를 투자해 미국내 첨단 노드 생산율을 0%에서 2030년 20%로 올리고 그 과정에서 대만 의존을 낮추는 것이다. 둘째는 국립반도체 기술 센터를 설립하여 연구개발지원에 110억 달러를 투자하는 것이다. 세 번째는 인력 양성이다. 1천 명의 교수와 5만명의 기술인력 양성이다.
대만해협은 세계 무역의 20%가 지나가는 통로다. 일본과 한국의 수입 32,30%, 수출의 25, 23%, 원유는 95, 65%가 여기를 통과한다. 대만의 대중 방어전략은 기본적으로 고슴도치 전략이다. 인민해방군 상륙을 저지하기 위한 대함미사일, 해상지뢰, 휴대용 대공미사일 등으로의 집중이다. 미국의 싱크탱크 CSI의 시뮬레이션 결과 중국의 대만 침공이 현실화하는 경우 미국와 일본 연합군은 항모2척, 항공기 382기, 함선 43척, 중국은 항공기 155기, 함선 135척을 손실할 것으로 예상했다. 대만은 반도체 생산을 하지 못하게 되어 최대 1.6조 달러 손실이 예상되고 , 중국은 해외 투자자의 자산 투매로 1조에서 2조 달러의 손실이 예상된다. 전쟁이 1년 지속되면 중국은 GDP의 25-35%, 미국은 5-10%손실이 예상되며 반도체 공급망의 붕괴로 전화, 자동차, IT에 치명타를 입어 세계적 인플레이션과 공급망 차질, 실업의 증가, 사회 불안이 예상된다.
무어는 칩의 집적도가 매년 2배씩 증가한다는 무어의 법칙을 1965년 제시했다. 하지만 1978년부터 공정의 난이도가 올라가자 주기를 2년으로 수정한다. 1971년 10마이크로 미터 수준의 공정에서 트랜지스터가 칩 하나에 2300개 집적되었다. 2023년은 애플의 최신 칩에 170억개, 엔비디아의 칮에서는 800억개가 집적되었고 2030년에는 1조개가 집적될 것으로 예상된다.
2000년대부터 칩의 공정단위가 마이크로에서 나노로 전환되었다. 2006년 이후 나노가 주류가 되어서 멀티코어 프로세서 시대가 열렸다. 7나노공정부터는 리소그래피의 난이도가 크게 상승했다. 반도체 소자의 단위가 거의 원자 수준에 이르며 새러운 접근이 필요한 시점이다. 리소그래피는 빛을 이용해 실리콘 웨이퍼에 미세한 회로 패턴을 새기는 것이다. 극자외선 리소그래피는 5나노이하 초 미세공정에 사용한다. 리소그래피는 사진 촬영과 유사하다. 마스크(회로가 새겨진 판)를 통과해 감광성 물질(포토레지스트)이 도포된 웨이퍼에 노광되면 웨이퍼에 미세한 회로패턴이 형성된다. 광원의 파장을 짧게 하거나 렌즈의 수치조리개를 키우는 것이 해상도 상승의 핵심전략이다. 이런 EUV기술은 난이도와 비용이 매우 높아 세계적으로 극 소수의 기업만 상용화가 가능하다.
AI칩은 학습위주의 GPU에서 NPU, TPU 그리고 추론 작업을 위한 칩으로 다양화하며 진화하고 있다. GPU는 단순하나 수천개의 작은 코어로 대량의 데이터를 동시에 병렬 처리하는데 유리하여 인공지능 연산에 효과적이다. 문제는 대규모 인공지능은 추론 시간의 90%이상이 단순한 데이터 주고 받기에 소비된다. HBM은 메모리 병목현상의 해결을 위한 데이터 전송 속도를 극대화하는 고속 메모리다. HBM은 메모리칩을 수직으로 쌓아 기존 치들 대비 2-3배의 대역폭을 제공한다. PIM은 메모리 자체에서 연산을 수행하며 데이터 이동을 최소화하는 기술이다. 하이브리드 접근 방식은 GPU가 제한을 받을 때, 일부작업을 CPU로 실행하여 전체 효율을 높이는 방식이다. NPU는 실시간 추론과 저전력 효율성에 중점을 둔다. TPU는 클라우드 환경에서 대규모 AI 워크로드 처리를 극대화한다. 에지 AI는 인공지능 연산을 데이터 센터가 아닌 디바이스 자체에서 처리하기에 NPU를 사용한다.
인공지능 칩 시장은 현재의 훈련에서 추론으로 옮겨가고 있다. 향후 데이터센터 추론칩 45%, 에너지 추론칩 40%, 훈련 15%로 재편될 예정이다. 인공지능 확장의 병목 요소는 전력 수급의 한계, 반도체 공급망의 한계, 인터페이스 대역폭의 한계, 데이터의 제약이다. 데이터 월은 데이터의 성장속도가 인공지능의 성장속도를 따라가지 못하는 문제다. 인공지능은 인간이 생성한 데이터로 학습하는데 인간이 생성하는 데이터 자체가 인공지능이 그것을 학습하는 속도를 따라가지 못하는 문제다. 이는 실시간 정보의 수집과 인공지능 합성 데이터로 어느 정도 해결이 가능하며, 데이터 활동에서 더 깊이 있는 추론과 사고로 방향전환으로 해결해야 한다.
칩렛 기술은 레고블록처럼 작은 칩을 모듈화하여 패키지 레벨에서 통합하는 혁신적 접근이다. 칩렛 기술의 장점은 성숙노도와 선단노드의 최적 조합을 통해 제조 비용을 40%까지 낮출 수 있다는 것이다. 그리고 다양한 칩렛을 모듈식으로 결합해 설계 자율도를 높이는 유연성, 2030년까지 무려 1조개의 트랜지스터의 집적 가능, 제조 슐의 난이도를 낮추고 이기종간 통합이 가능하다는 것이다.
칩렛 기술의 구현 방식은 3가지다. 2D 패키징은 별도 기판 없이 칩을 RDL이라는 재배선을 통해 다이까리 연결하고 밖으로 신호를 빼주는 방식이다. 얇고 신호 밀도가 높은 칩 제작이 가능하고 저비용이다. 2.5D 패키징은 고밀도 배선 제공이다. 유기수지로 만들어진 기판 위에 RDL보다 고급기술인 실리콘 인터퍼저나 기판 내장형 브리지로 칩렛 다이를 연결하는 방식이다. 3D 패키징은 칩렛을 수직으로 적층해서 높은 밀도와 대역폭을 확보한다. 다만 집적도가 매우 높기에 발열문제가 과제다.
