Since previous columns mainly discussed the past and present of semiconductor design.
This time, let’s talk about the future.
It is a story about AI and semiconductor design.
Although semiconductors appear to be a cutting-edge industry, they actually involve many pre-modern tasks, manual processes.
A significant portion of the work relies on repetitive human tasks, which leads to relatively low productivity.
Consequently, many entry-level semiconductor design engineers frequently experience what is commonly referred to as a “reality check.”
This is because, despite having undergone incredibly difficult studies to enter the field, the actual work often involves simple, repetitive tasks.
However, just because these tasks appear simple does not mean they are any less important.
Since semiconductors are extremely difficult to modify once produced, even the smallest error during the design phase is unacceptable.
Therefore, to accurately realize the design intent, numerous iterative verification and validation processes are required.
Ultimately, if these tasks are not resolved, the semiconductor design cannot be completed.
It is possible to create a working chip by improving algorithms or applying new ideas.
However, producing a mass-producible chip is a matter of an entirely different challenge.
For mass production, it is not enough for the chip to function only once; it must operate stably under any circumstances, meaning every element of the chip must fit together perfectly.
As chips become increasingly complex, the workforce required to complete them inevitably increases as well.
Under these circumstances, the global demand for semiconductor personnel continues to rise.
More and more countries want to manufacture semiconductors, and Big Tech companies, which previously purchased chips, have also begun making them in-house.
Consequently, the demand for semiconductor engineers and chips is increasing explosively.
However, reality is failing to keep pace with this speed.
In Korea as well, there are persistent warnings that we could lose our competitiveness in the semiconductor industry due to a labor shortage.
Ultimately, this issue boils down to a single question:
How can we improve the productivity of semiconductor design?
Until now, this problem has been addressed through automation.
This is also the background behind the growth of EDA companies such as Synopsys, Cadednce, and Siemens.
However, as shown in the figure above,
the increase in EDA efficiency is quite low compared to the increase in semiconductor complexity.
To ensure that productivity keeps pace with increasingly complex designs, a new approach beyond conventional automation is required.
And naturally, many people arrive at the same question:
How can AI transform semiconductor design?
지금까지의 컬럼은 주로 반도체 설계의 과거와 현재에 대해서 얘기했으니,
이번에는 미래에 대해 얘기해보도록 하겠습니다.
AI와 반도체 설계에 대한 이야기입니다.
반도체는 최첨단 산업처럼 보이지만, 실제로는 전근대적인 작업을 많이 포함하고 있습니다.
여전히 사람이 반복적으로 수행해야 해야 하는 일이 많기 때문에 생산성이 낮은 분야라고 생각합니다.
그래서 반도체 설계 신입 엔지니어들 중에 소위 말하는 ‘현타’를 많이 느끼는 경우도 많습니다.
엄청나게 어려운 공부를 하고 들어왔는데, 막상 하는 일은 단순 반복 작업인 경우가 많기 때문입니다.
하지만 이런 작업들이 단순해 보인다고 해서 덜 중요한 것은 아닙니다.
반도체는 한 번 생산되면 수정이 매우 어렵기 때문에, 설계 단계에서 작은 오류 하나도 허용되기 어렵습니다.
그래서 설계의 의도를 정확하게 구현하기 위해서는 수많은 반복적인 검증과 확인 과정이 필요합니다.
결국 이 작업들이 해결되지 않으면 반도체 설계는 완성될 수 없습니다.
알고리즘을 개선하거나, 새로운 아이디어를 적용해서 동작하는 칩을 만들 수는 있습니다.
하지만, 양산 가능한 칩을 만든다는 것은 전혀 다른 차원의 문제입니다.
양산을 위해서는 한번 동작하는 것으로 끝나는 것이 아니라 어떤 상황에서도 항상 안정적으로 동작해야 하기 때문에,
칩의 모든 요소가 완벽하게 맞아야합니다.
칩이 점점 더 복잡해질수록 이를 완성하기 위해 필요한 인력 역시 함께 증가할 수 밖에 없습니다.
이런 상황에서 전 세계적으로 반도체 인력에 대한 수요는 계속해서 증가하고 있습니다.
점점 더 많은 나라들이 반도체를 만들고 싶어하고, 기존에는 칩을 사서 쓰던 빅테크들도 직접 칩을 만들기 시작했습니다.
그러다 보니 반도체 엔지니어에 대한 수요, 그리고 칩에 대한 수요는 폭발적으로 증가하고 있습니다.
하지만 현실은 그 속도를 따라가지 못하고 있습니다.
우리나라에서도 인력 부족으로 반도체의 경쟁력을 잃어버릴 수도 있다는 경고가 지속적으로 나오고 있습니다.
결국 이 문제는 하나의 질문으로 수렴됩니다.
반도체 설계의 생산성을 어떻게 향상시킬 것인가?
그동안 이문제는 자동화를 통해 해결되어 왔습니다.
Synopsys, Cadednce, Siemens 같은 EDA 기업들이 성장해온 배경이기도 합니다.
하지만, 아래 그림을 보시면,
반도체의 복잡도 증가에 비해서, EDA의 효율성 증가는 꽤나 낮은 편입니다.
점점 더 복잡해지는 설계를 생산성이 따라잡기 위해서는 기존의 자동화를 벗어난 새로운 접근법이 필요합니다.
그리고 많은 사람들이 자연스럽게 같은 질문에 도달하게 됩니다.
AI는 반도체 설계를 어떻게 바꿀 수 있을까요?