이번 컨퍼런스에서는 AI와 반도체가 현재 디지털 경제의 미래를 이끄는 기둥이라는 의견이 모아졌습니다. 특히 'AI'와 '반도체'라는 두 요소는 서로 밀접하게 연관돼 있다. 가장 눈에 띄는 점은 AI가 반도체 제조를 자동화하고, 제품 결함을 예측 및 감지하고, 제조 품질과 효율성을 개선하는 데 도움이 된다는 것입니다.

Aitomatic의 CEO인 크리스토퍼 응우옌 씨는 예를 들어, 2030년까지 일부 공장, 특히 첨단 제조 시설은 더욱 엄격한 표준을 요구하게 될 것이라고 말했습니다. 예를 들어, 플라즈마 처리에서는 연료 직경, 압력, 온도 및 기타 수십 가지 요소와 같은 매개변수가 거의 절대적인 정밀도를 보장하는 데 필요합니다. AI는 이러한 정확성을 보장하는 데 도움이 될 것입니다.

"AI는 반도체 없이는 발전할 수 없습니다. 반대로 반도체 산업은 AI의 발전 덕분에 빠르게 변화하고 있습니다. 서로가 서로를 밀어주는 공생 관계입니다."라고 그는 말했습니다.

Aitomatic의 CEO인 크리스토퍼 응우옌 씨가 워크숍에서 연설했습니다.

크리스토퍼 응우옌 씨는 전반적인 기술 상황에 대해 무어의 법칙을 인용하며 AI와 반도체의 개발 속도가 매우 빠르다고 단언했습니다. 18개월마다 마이크로프로세서 기술이 크게 향상됩니다.

시장 측면에서 볼 때, 세계는 괄목할 만한 성장을 보이고 있으며, AI 처리 칩에 대한 수요는 앞으로도 꾸준히 증가할 것으로 예상됩니다. 미국, 중국, 일본, 한국 등의 국가들이 이 분야에 대한 투자를 늘리고 있습니다. 기술 분야에서 선두를 달리는 나라들 사이의 경쟁은 매우 치열합니다.

칩 제조 분야에서 구글의 과학 연구 부문 수석 전문가인 안나 골디 여사는 AI의 컴퓨팅 요구가 기하급수적으로 증가하고 있지만 하드웨어 용량은 따라가지 못해 격차가 커지고 있다고 언급했습니다. 이 문제를 해결하기 위해 AlphaChip(AI 기반 칩 설계 방법)과 같은 새로운 AI 기술이 도입되었습니다. 그녀는 AI를 적용하면 칩 설계 프로세스가 엄청나게 가속화되고, 비용이 절감되고 성능이 최적화될 것이라고 믿습니다.

"AI의 잠재력을 최대한 활용하려면 칩 설계 주기를 단축하고, 알고리즘을 개선하고, 데이터를 최대한 활용해야 합니다. 앞으로 AI는 하드웨어 개선뿐만 아니라 의료, 금융, 산업 제조 등 여러 분야에서 획기적인 발전을 이루는 데 기여할 것입니다."라고 안나 골디 씨는 말했습니다.

구체적으로, 안나 골디 여사는 AI를 사용하여 칩의 구성 요소 레이아웃을 최적화하는 AlphaChip 방법을 소개했습니다. 이를 통해 지연 시간을 줄이고, 전력을 절약하고, 생산 영역을 최적화하는 데 도움이 됩니다. AI는 리드타임을 줄이고 제품 성능을 향상시켜 칩 설계 프로세스를 개선할 수 있습니다. AlphaChip은 최신 세대의 Google TPU에 적용되어 기존 설계 방식에 비해 상당한 효율성을 제공합니다.

한편, 워릭 대학교의 Tran Thanh Long 교수는 AI와 반도체 기술의 힘을 키우기 위해 전 세계적으로 진행되고 있는 노력에 대해 더 자세히 설명했습니다. 예를 들어, 그는 메모리 저장소와 베이지안 이론을 사용하여 인공지능(AI)의 성능과 확장성을 개선하는 방법에 대해 논의합니다. 메모리 저장은 AI가 정보를 장기적으로 기억하고 과거 데이터를 사용하여 의사 결정을 최적화하는 데 도움이 됩니다.

롱 씨는 "베이지안 이론은 AI가 새로운 데이터를 기반으로 예측 확률을 조정하여 시스템이 더 빠르고 효율적으로 학습하도록 돕습니다. 이러한 조합은 높은 정확도를 유지하면서도 계산 리소스 요구 사항을 줄입니다."라고 말했습니다.

또한, 이러한 접근 방식은 AI가 의료, 산업 제조, 자동화 등의 분야에서 더 원활하게 작동하는 데 도움이 됩니다. 특히 AI는 대규모 데이터 센터에 지나치게 의존하지 않고도 데이터를 더 잘 처리할 수 있어 비용과 리소스를 절감할 수 있습니다. 이를 통해 대량의 데이터가 필요 없이도 시스템이 더욱 스마트하고 효율적이며 자체 적응하게 됩니다.

Google DeepMind의 Ngan Vu 씨는 회로 신경망을 사용하여 효율적인 논리 회로 설계를 만드는 연구 방향을 소개합니다. 그녀의 전문가 팀은 시뮬레이트된 어닐링과 기타 최적화 기술을 적용하여 개념에서 실제 제품까지의 회로 설계 주기를 단축하는 것을 목표로 하고 있습니다.

가장 큰 과제 중 하나는 회로 정확도와 성능의 균형을 맞춰 설계가 정확하게 작동할 뿐만 아니라 리소스도 절약할 수 있도록 하는 것입니다. 하지만 AI 소프트웨어와 하드웨어 간의 격차가 해소된다면 반도체 산업에 많은 새로운 기회가 열릴 것입니다. Ngan Vu 씨는 "AI를 회로 설계에 적용하면 반도체 산업의 운영 방식이 바뀌어 개발 프로세스가 가속화되고 더욱 최적의 설계가 제공될 것"이라고 말했습니다.