[데이터넷] 인공지능(AI) 시대를 맞아 데이터가 폭증함에 따라 무어의 법칙은 이제 발전을 예측하는 엔진 역할을 못하게 됐다. 이에 어플라이드 머티어리얼즈를 비롯해 산업 전문가들은 무어의 법칙 스케일링을 넘어 ‘새로운 플레이북(New Playbook)’을 제시한다. 새로운 플레이북은 PPAC(Power, Performance, Area, Cost) 구현을 위해 아키텍처, 소재, 구조, 패키징 등과 같은 다양한 기술은 물론 더욱 폭넓은 사고와 협력을 필요로 한다. 소재부터 시스템에 이르기까지 혁신을 가속화하는 ‘공동설계(Codesign)’를 중심으로 새로운 컴퓨팅 구현을 살핀다. <편집자>

2020년, 새로운 10년이 시작됐다. 전 세계 기술 분야 전문가들은 사물인터넷(IoT), 빅데이터, 인공지능(AI)이 이끄는 새로운 컴퓨팅을 기대하고 있다.

산업과 기술은 기후 변화, 지속 가능한 식량 공급을 위한 농업 혁신, 커다란 경제적 부담 없이 보다 많은 사람들에게 제공하는 의료 서비스, 모든 아이들에게 배움의 기회를 보장하는 양질의 교육 등 이 시대 주요 현안에 대해 해결책을 제시해야 한다.

이를 위해서는 IoT 기기로 우리 주위의 세상을 감지하며, 데이터를 이해하고 분석하고 솔루션을 제공하는 AI가 요구된다.

기술 분야는 항상 발전을 추구해 왔다. 특히 무어의 법칙은 반도체 기업들에게는 성능과 전력, 비용의 기하급수적 성장에 대한 지표로 작용해 왔다. 또한 무어의 법칙 덕분에 슈퍼컴퓨터 크기를 포켓 사이즈로 소형화하고 데이터센터를 클라우드에서도 구현할 수 있다.

AI 시대 맞아 폭넓은 사고·협력 필요
AI 시대를 맞아 데이터가 폭증하는 가운데 무어의 법칙은 이제 과거와 달리 발전을 예측하는 엔진 역할을 못하게 됐다. 그렇다면 성공을 위한 전략은 무엇인가? 어플라이드 머티어리얼즈와 산업 전문가들은 기존 무어의 법칙 스케일링을 넘어 ‘새로운 플레이북(New Playbook)’을 제시한다.

새로운 플레이북은 PPAC(Power, Performance, Area, Cost) 구현을 위해 ▲아키텍처 ▲소재 ▲3D 구조 ▲2D 스케일링을 지속하는 방법 ▲이질적 설계를 수용할 수 있는 첨단 패키징 등과 같은 새롭고 다양한 기술을 요구한다. 새로운 플레이북은 특화된 영역을 벗어나 더욱 폭넓은 사고와 협력이 필요하다.

컴퓨팅 업계에서 특별한 관심이 요구되는 분야는 바로 ‘전력’이다. 그동안 업계는 데이터 폭증이 전력 급증을 유발한다는 점을 간과해 왔다. 기후 변화에 대한 오판과 유사하게 업계는 데이터 급증 시기를 잘못 예측했다.

아키텍처를 변화시키지 않는다면 빅데이터와 AI 시대에 큰 어려움을 겪을 것이다. 어플라이드 머티어리얼즈는 설계 혁신을 통해 가장 단순한 IoT 기기부터 가장 큰 규모의 클라우드 데이터센터에 이르기까지 소비 전력 저감을 위해 업계와 협력하고 있다.

전통적인 무어의 법칙 스케일링에 더 이상 의존할 수 없는 환경에서 혁신의 속도를 높이고 가속화하기 위해서 업계는 발상의 전환을 꾀해야 한다. 2019년 7월 미국 샌프란시스코에서 열린 AI 디자인 포럼에서 구글의 클리프 영(Cliff Young)이 발표한 ‘공동설계(Codesign)’ 아이디어가 하나의 사례가 될 수 있을 것이다.

컴퓨팅 아키텍처 진화 가속
공동설계가 필요한 이유를 살펴보자. 최근까지도 산업 분야 사이의 일련의 상호작용은 적절한 것으로 간주됐다. 그 이유는 무어의 법칙 스케일링이 예측 가능한 2년 주기로 컴퓨터 역량의 폭발적 성장을 견인했기 때문이다. 가용한 트랜지스터 수가 2배씩 증가하며 PPAC의 개선을 이끌고, 이에 따라 더욱 정교한 마이크로 아키텍처와 알고리즘, 강력한 하드웨어와 소프트웨어 시스템을 구현할 수 있었다.

그러나 서로 독립된 사일로(silo) 형태로 존재하며 컴퓨팅 시대를 이끌어왔던 기존 업계(메인프레임, 미니 컴퓨터, PC/인터넷, 모바일/소셜미디어)는 이제 IoT, 빅데이터, AI 모두를 뒷받침하기에 충분하지 않다. 특히 AI 시대를 위해서는 소재부터 시스템에 이르기까지 공동설계가 필요해졌다.

무어의 법칙과 관련된 폭발적인 성장이 지속된다 하더라도 AI에 내재된 엄청난 니즈를 감당하기에는 역부족이다. 2012년 이래로 대규모 AI 트레이닝 모델들의 컴퓨팅 수요는 3.5개월마다 2배씩 증가해왔다. 이는 2019년 AI 수요가 800만 배나 성장했음을 의미하는데, 무어의 법칙에 따른 예상 성장률은 6배에 불과하다.

업계는 이에 대한 대응으로 AI의 막대한 데이터 세트와 독특한 알고리즘을 보다 잘 수용할 수 있도록 아키텍처의 중대한 변화를 꾀하고 있다. CPU 사용에 이어 GPU도 도입했으며 프로그래머블 반도체(FPGA), 주문형 반도체(ASIC)를 사용한 고객맞춤형으로 방향을 전환하기도 했다.

AI를 위한 진정한 공동설계는 AI의 독특한 특성과 필요에 대한 산업 전반적 관심, 과거 컴퓨팅 시대의 아키텍처에서 벗어나려는 적극적인 의지가 요구된다. 아무것도 없는 백지에서 칩 설계를 시작할 때는 분기예측 엔진, 고도로 정밀한 부동소수점 연산 유닛을 일반적으로 떠올리지만 AI 시대에서 이런 요소는 공간과 전력 낭비에 불과하다.

데이터 대역폭의 우선 순위화를 하고, 전력 소모가 큰 칩 사이에 데이터 전송을 피하고, 속도에 대해 전력을 안배하는 것이 관건이다. 병렬 및 저전력이 정밀성과 직렬 속도에 비해 장점이 있기 때문에 신경망(Neuro)에서 착안한 아날로그 컴퓨팅도 생각할 수 있다.

아키텍처 측면의 기회가 급격히 늘어남에 따라 소재에 대한 기본적인 추정, 연산 수행 및 가중치를 적용하는 논리게이트의 기본적인 추정도 되돌아 볼 수 있다. 새로운 차원의 자유로움으로 TOPs/와트(watt), 프레임/줄(Joule), 모델 예측 정확성 등 AI 주요 지표에 대한 근본적 변화 가능성도 탐구할 수 있다.

공동설계 확산 … 산업 역학 변화
공동설계는 실제 자리를 잡아 나가기 시작했다. 클라우드와 엣지 컴퓨팅 선두주자들이 AI에 최적화된 새로운 아키텍처와 칩 설계 개발 경쟁을 본격화하면서 산업 역학이 변화하기 시작했다. 아마존, 애플, 페이스북, 구글, 마이크로소프트 등은 이제 내부 칩 설계팀을 갖추고 있을 정도다.

이들은 기존 제품에 만족하지 않고 무선 네트워킹, 고대역폭 메모리, 서버 상호연결 등 여러 분야에서 새로운 표준을 활발하게 만들고 있다. 이들은 소재와 제조 분야 동향 파악을 위해 국제반도체장비재료협회(SEMI) 행사에도 참가하고 있다. SEMI는 전자설계자동화(EDA) 기업들과 교류하며 제조와 설계 업계 간 유대를 강화하고 있다.

2018년과 2019년 어플라이드 머티어리얼즈는 ‘AI 디자인 포럼 - 소재부터 시스템에 이르는 컴퓨팅의 미래’라는 행사를 개최한 바 있다. 이 행사에서 어플라이드 머티어리얼즈는 새로운 플레이북에 대한 기회를 제시했다. 이를 통해 공동설계와 병렬 혁신을 사일로와 직렬 혁신과 비교하며 강조했다. AI 테마의 맥락에서는 이를 ‘뉴로모픽(Neuromorphic)’ 접근방식이라 부른다.

엔지니어링 팀원들은 새로운 것을 설계하려고 협력하는 과정에서 취사선택의 기로에 놓인다. 예를 들어 고성능과 낮은 전력 소비 중 하나에 가중치를 두고 다른 하나는 희생해야 한다. 공동설계 개념은 문제 해결을 위해 상호작용하는 영역을 소재 엔지니어부터 데이터센터 아키텍처까지 확대해준다. 공동설계는 유용한 기회를 늘리고, 더욱 창의적인 결과 도출을 이끌게 된다.

오늘날 AI와 머신러닝에 있어 공동설계는 모든 관련 이슈를 해결하기 위한 유일한 방법이다. 반도체 분야 종사자들은 PPAC에 대한 끊임없는 추구는 물론 다음과 같은 사항들도 고려해야 한다.

√ 트레이닝과 추론
- 교육 진행 시점
- 추론 정확도 요구사항

√ 엣지와 클라우드 최적화

√ ‘메모리 월’ 병목 해소 아키텍처 선택
- 디지털과 아날로그 컴퓨터
- 근거리 메모리와 인 메모리 컴퓨팅
- 도메인 특화와 일반용 아키텍처

√ 뉴로모픽 시스템에 대한 신소재 적합성

‘개념증명’ 거쳐 공동설계 실용화
여러 분야에 걸친 공동설계를 실용화하기 위한 특별한 주제 중 하나는 ‘개념증명’이다. 칩 소재와 구조의 혁신은 시스템,칩 아키텍처, 설계, 모델링의 추상적 세계와 동떨어져 있다. 신소재, 칩에 내장된 논리 또는 메모리 요소의 실용적 사용을 가속화하려면 물리적 모델과 시뮬레이션 모델을 동시에 개발해야 한다. 이런 모델은 혁신 주기 전체에 걸쳐 보정점을 제시하고 각 분야의 간극을 해소할 수 있다.

이 같은 모델링은 특정 애플리케이션과 새로운 아이디어에 대한 상업적 가능성이 하드웨어로 된 첫 시제품으로 나오기 전, 그리고 양산 전 첫 시제품을 테스트 공장에서 시범 운영하기 전에 평가하는 데에도 도움을 준다.

시뮬레이션과 제작은 동일한 결과를 목표로 하는 기술적으로 뚜렷이 구분된 과정이다. 개념의 시뮬레이션 증명은 물리적 증명에 비해 비용이 훨씬 낮다. 그러나 일정 부분에 있어 상용 제품을 원활하고 수익성 있게 양산하기 위해서는 예상 범위 밖의 특성을 파악하고 이를 개선하기 위한 시제품 제작이 필요하다.

칩 제조에 높은 비용이 드는 현 상황에서 공동 설계된 혁신에 대해 물리적으로 개념 증명을 할 수 있는 여력은 거의 없다. AI 시대를 맞아 관련 업계에서는 다양한 영역의 엔지니어들이 함께 협력하며 혁신을 가속할 수 있는 새로운 유형의 시설이 요구된다.