KOSEN 한인과학기술자네트워크

1. 서론

인공지능(artificial intelligence, AI) 시대를 맞아 AI 반도체 산업이 급부상하고 있다. Gartner에 따르면 AI 반도체 시장은 2030년 시스템 반도체 시장의 약 31.3%를 점유하여 135조원의 규모를 형성할 것으로 예측되고 있으며, 한국？미국？중국？대만 등은 원천기술 선점을 위한 정부 주도의 육성 전략 및 투자를 진행하고 있다^[1,2]. 글로벌 기업들도 서버？스마트폰？자동차 등 AI 반도체 핵심시장 선점을 위해 집중 투자에 나섰으며, 특히 구글, 테슬라 등 비반도체기업과 스타트업들까지 경쟁에 뛰어든 상태다^[1,2].

AI 반도체는 학습？추론 등 AI 연산을 실행하는데 최적화된 시스템 반도체로서, 직렬처리 방식에 특화된 기존 반도체(CPU)의 한계를 극복하여 고성능？저전력 중심의 데이터 연산처리를 수행한다^[3,4]. AI 반도체는 아키텍쳐 구조 및 활용 범위에 따라 GPU(graphic processing unit), FPGA(field programmable gate arrays), ASIC(application specific integrated circuits), 뉴로모픽(neuromorphic) 칩으로 분류할 수 있다^[3,4]. Gartner 사의 ‘Hype Cycle’에 따르면 현재 GPU 가속기(accelerator)는 기술이 시장의 주류로 자리잡아 성과를 거두기 시작하는 ‘생산성 안정 단계(Plateau of Productivity)’에 있으며, 그 뒤를 FPGA, ASIC, 뉴로모픽 하드웨어가 따르고 있다(그림 1).        

 AI 반도체는 활용 목적에 따라 방대한 데이터를 통해 ‘학습(training)’하는 단계와 학습한 내용을 바탕으로 적합한 결과를 ‘추론(inference)’하는 단계로 구분되며^[3,4], 학습？추론 과정을 통해 자연언어처리, AI 음성인식, AI 로보틱스, AI 영상분석 등의 분야에서 활용되고 있다(그림 2). AI 반도체는 사용환경에 따라 대부분의 학습？추론이 실행되는 클라우드/서버용 및 스마트폰 및 IoT 등의 디바이스/엣지용으로 구분되며, 점차 디바이스 중심의 AI 추론을 위한 소형화？저전력？고성능 중심의 AI 반도체 기술 개발이 가속화되고 있다^[3,4].