맞춤형 반도체

#맞춤형반도체솔루션 #ASIC #데이터센터 #로봇 #자동차 #엣지컴퓨팅 #엣지데이터센터

실시간 판단과 복잡한 연산 처리가 필요한 경우 기업들은 범용형 반도체보다 ASIC(맞춤형 반도체 솔루션)를 선택하는 경우가 많아지고 있다.

추론형 AI 의 발전은 ASIC(맞춤형 반도체)에 대한 필요성을 함께 높일 수 있다.

ASIC 는 정해진 알고리즘 혹은 작업을 위해 맞춤 설계되는 반도체이기에, 특정 작업에서 매우 높은 성능을 발휘한다.

추론형 AI 모델의 질은 얼마나 수준 높은 ‘판단’을 내리느냐에 달려있기 때문에 [추론형 AI 모델에 적용되는 칩은 범용형 반도체 보다 ASIC 일 확률이 높다].

AI 성능이 기업의 경쟁력으로 이어진다고 판단하는 빅테크 기업 같은 경우 ASIC 에 대한 수요를 빠르게 높일 수 있다.

예컨대 테슬라(TSLA)의 경우 FSD(Full Self-Driving)에 자체적으로 설계한 자율주행 전용 ASIC 칩을 사용한다. 순간적이고 복잡한 운전 상황 속에서 FSD 소프트웨어가 얼마나 높은 수준의 ‘판단’을 내릴 수 있느냐가 자율주행의 퀄리티를 결정하기 때문이다

테슬라를 제외한 다른 빅테크 기업들 역시 이미 자체적으로 만든 ASIC 를 활용하고 있다. Google(GOOGL) 의 경우 맞춤형 반도체 TPU(Tensor Processing Unit)를 통해 Gemini 2.0 모델을 학습시켰고, 아마존(AMZN)은 AWS(Amazone Web Services) 전용 ASIC 인 Trainium 와 Inferentia 를 통해 AI/ML 모델의 훈련ㆍ추론 작업을 지원한다. 애플(AAPL)은 자체 서버용 AI 칩을 개발하는 ACDC(Apple Chips in Data Center) 프로젝트를 통해 애플만의 ASIC 를 만들고 있다.

맞춤형 반도체(ASIC)의 장점

1)맞춤형 설계인 만큼 [불필요한 회로를 제거해 공간 효율이 좋고],

2)간소화된 설계 기반 [연산 처리 속도가 빠르며],

3)효율적 연산 기반 [전력 절감 효과가 크다]는 것이다.

이에 로봇, IoT, 모바일 기기 등 로컬기기 [자체적으로 AI를 구동하는 경우 ASIC에 대한 필요는 높아]진다.

특수 목적을 위해 설계된 로봇의 경우 ASIC 의 장점들과 좋은 시너지를 보인다. 로봇의 소형화 및 경량화에 일조할 수 있고, 높은 연산 속도 기반 주위 환경을 빠르고 정확하게 분석할 하며, 정교한 판단이 가능해진다(고성능 추론형 AI). 또한 효율적 에너지 사용을 통해 전체적인 로봇 가동 시간을 늘릴 수 있다.

넓은 범주에서 자동차 역시 하나의 로봇이라 보면 테슬라가 FSD 에 ASIC 를 넣은 이유 역시 이러한 이유이다. 산업용 로봇, 휴머노이드, 군사 및 방위 로봇 등 로봇 산업이 빠르게 확장되고 있다는 부분 역시 ASIC 의 활용 범위가 넓어질 수 있음을 의미한다.

엣지 컴퓨팅(Edge Computing)의 확장 역시 ASIC 의 활용도를 높일 수 있다. 엣지 컴퓨팅은 클라우드 컴퓨팅과 반대의 개념으로 로컬 기기(스마트폰, IoT 장치, 자율주행 자동차 등)에서 데이터를 직접 처리하는 기술이다. 로컬 기기 등에 내제된 AI 모델은 대규모 연산 보다는 실시간 대응 및 즉각적인 처리를 지원하기에, 엣지 컴퓨팅 방식은 빠르고 효율적 연산 능력을 지닌 ASIC 의 장점을 필요로 한다.

특히 엣지 컴퓨팅의 인프라인 엣지 데이터센터의 경우 저지연 네트워크를 위해 도심 등 사용자 밀집 지역과 가까운 곳에서 위치해야 한다. 도심 부근의 높은 부동산 비용과 공간적 제약으로 인해 엣지 데이터센터는 하이퍼스케일 데이터센터와 달리 [소규모]로 지어진다. 데이터 처리 과정에서 발생하는 열을 낮추기 위한 대규모 쿨링 시스템, 안정적 전력 공급을 위한 전력망 인프라 등이 충분히 구축될 만한 공간 확보가 어렵다는 것이다.

해안가와 멀리 떨어진 도심 부근이라는 점도 발열 문제 해결을 더욱 어렵게 만든다. 이때 ASIC 가 주목받을 수 있다.

ASIC 는 범용형 GPU 에 비해 [작은 규모로 설계]되는 것이 가능하고, 불필요한 연산을 줄여 전력 소모가 상대적으로 작기 때문이다. 또한 간소화된 설계를 통해 [발열 역시도 줄일 수 있다]

• 브로드컴(AVGO)

  • 브로드컴의 경우 인터넷 연결 및 데이터 송수신과 같은 네트워킹 부문 칩 설계에 장점이 있다.

    특히, AI 대형 모델의 학습·추론에 필요한 고대역폭 인터커넥트, 메모리 컨트롤러, 패키징, 보안 IP 등에 강점을 보인다. 이를 기반으로 동사는 2015 년부터 시작한 구글 TPU 설계에 꾸준히 참여했고 아마존(AWS) ASIC 칩 관련 IP 설계도 지원했을 것이라 평가받는다. 커스텀 반도체 수요가 점차 늘어나며 브로드컴의 ASIC 매출이 반영된 Networking 부문 매출은 24 년 4Q 기준 31.9 억 달러를 기록하며 YoY +45.2% 성장세를 보였다. 2023 년 Networking 부문 YoY 매출 성장률이 21.3%임을 감안할 때 이미 매출 성장이 관찰되고 있는 것이다.

    추론형 AI, 로봇산업 발전, 엣지 데이터센터 확장 등의 환경으로 인해 ASIC 에 대한 빅테크들의 수요가 높아질 경우 이미 [많은 칩 설계 경험]을 보유하고 있으며, 네트워킹 관련 자체 기술력 역시 높은 브로드컴이 다른 칩 메이커 업체 중 상대적으로 높은 경쟁력을 확보할 수 있을 것으로 전망한다