[CPU] 반도체 시장의 새로운 바람, FPGA와 전망
딥러닝서버https://www.ehostidc.co.kr/ (192)https://www.aiocp.co.kr/ (200)
컴퓨터에는 저장이 아닌 연산을 담당하는 비메모리 반도체가 있습니다.
대표적으로 우리 컴퓨터의 CPU, 스마트폰의 AP이 이에 속한다고 볼 수 있습니다.
이것들은 전자기기 안에서 정해진 논리 회로에 따라 데이터 연산을 수행하는 반도체인데 ,
이러한 반도체를 로직 반도체라고 합니다.
이러한 로직 반도체를 3가지로 나누면 ASSP, ASIC,FPGA로 나눌 수 있습니다.
이와 같은 3가지 분류를 의류사업에 비유하여 설명을 해보면,
1. ASSP
먼저, ASSP는 범용에 해당되며 일반 체형에 맞춰
사이즈 별로 다양하게 나오는 기성복이라고 보면 되는 것입니다.
적당한 가격에 적당한 품질 ,디자인을 바꿀 수는 없지만 구입한 뒤 자유롭게 코디할 수 있다는 것이 특징입니다.
이처럼 반도체 역시 일반적인 기업들이 요구하는 수준에 맞춰 생산된 반도체라고 생각하면 되며, CPU GPU가 ASSP에 속합니다.
2. ASIC
다음으로 ASIC은 주문 제작형이 되는데요. 맞춤복으로서 사용자의 취향에 맞춰 만들어지는 것입니다.
대신 한 사람을 위해 만들어지는 것이니만큼 비싼 가격이 특징이 될 수 있습니다.
ASIC 반도체 역시 고객이 원하는 특정작업에 특화된 반도체를 주문 제작하는 방식입니다.
고성능이지만 설계부터 생산까지 맞춤형이기 때문에 가격이 비쌉니다.
첫 설계 연구비용이 매우 비싸지만 이후 대량생산에 접어들면 가격이 좀 낮아지는 특징도 있습니다.
따라서 이 비싼 설계 비용을 감당할 수 있는 기업이거나, 그 비용을 감당하고서라도 꼭 필요한 작업이 있을 때 사용되는 것이라고 할 수 있습니다.
예로 들자면 대표적으로 구글이 인공지능 연구를 위해 개발한 TPU가 해당합니다.
3. FPGA
마지막으로 FPGA는 최고급 원단으로 구성된 DIY키트라고 볼 수 있습니다.
즉, 도저히 소화할 수 없는 주문을 받아 고객에게 재료를 주고 직접 만들 수 있게 하는 방식입니다.
반도체 역시 반도체를 구매한 뒤 회로를 직접 새겨 넣을 수 있습니다. 즉 설계가 가능하다는 것입니다.
이러한 FPGA에 관하여 더욱 자세히 보면, 3가지 특성을 볼 수 있습니다..jpg?type=w966)
1. FPGA는 커스터마이징이 가능하다.
원하는 성능의 반도체를 맘대로 설계할 수 있습니다.
즉 범용 반도체보다는 높은 수준의 능력이 필요하고 맞춤형은 부담될 때 많이 사용하는 것입니다.
수요가 제한되어 있지만 고성능의 반도체가 필요한 분야나
현장에서 논리구조 재수정이 가능하고 초기 개발비용이 낮기 때문에
이것저것 실험해보기 좋지만
기술이 완성단계가 되면 대량생산을 위해 ASSP와 ASIC로 바뀌는 경우가 많다는 특징이 있습니다.
2. 재프로그래밍
반도체 회로를 얼마든 수정할 수 있어 빠른 속도로 발전중인 데이터 센터나 자율주행시장에서 적극 활용되고 있습니다.
CPU나 GPU로 이뤄진 데이터센터는 처리용량을 늘리려면 칩을 이어야 합니다.
그러면 발열, 전력소모도 늘어나는데 FPGA로 만들어진 곳은 성능을 개선하려면 프로그래밍만 다시하면 되는 것입니다.
즉, 공간 전력 발열 비용 모두 유리하다는 의미입니다.
자율주행도 마찬가지로, 더 좋은 소프트웨어가 나오면 그를 소화하기 위해 칩을 바꿔야 하는데
FPGA는 그냥 재프로그래밍 하면된다는 것입니다. 즉 부품을 갈 필요가 없습니다.
3. 이종별렬성
FPGA는 CPU GPU 같은 다른 이종 반도체들과 호환이 가능합니다.
그리고 GPU처럼 여러 연산을 동시에 할 수 있는 병렬성도 있습니다.
이 부분은 인공지능 연구자들이 선호하는데, 기존에 사용하던 CPU GPU에 결합하기만 해도
연구속도를 비약적으로 늘릴 수 있기 때문입니다.
인공지능 기계 학습을 위해 많은 양의 데이터처리가 필요한데 이에 큰 도움이 됩니다.
이 때문에 FPGA 또 다른 이름을 AI 가속기라고도 합니다.
이러한 FPGA를 주력으로 하며 FPGA를 세계최초로 개발한 업체인 자일링스를
2020년 10월 27일, AMD가 350억달러에 한화로 39조원에 인수한다고 발표했습니다.
이러한 인수가 왜 반도체 시장에 큰 관심을 받는걸까요?
그 이유는 바로 앞으로 불어올 반도체의 새로운 바람에 발맞춰 대표 3사가 모두 대비를 마쳤다는 의미이기 때문인데.
그렇다면 그 3사의 대비전략이 어떻게 되는지 살펴보면
엔비디아+ARM
ASIC 생산역량 확보
GPU 매출 감소 대비
AMD+자일링스
자일링스 FPGA 점유율 사수
인공지능용 반도체 시장 공세
인텔+ 알테라
알테라 FPGA 점유율 확대
인공지능용 반도체 시장 사수
GPU의 시대 이후 맞춤형 반도체가 새로운 반도체 시장의 바람을 불러일으킬 미래를 대비하여
알테라를 품은 인텔, 자일링스를 품은 AMD, ARM을 품은 엔비디아
모두 이 시기를 준비하는 것이며,
3사 모두 자사기술을 기반으로 ASIC반도체를 생산해 테크기업에 공급하여
반도체 전쟁에서 승리하겠다는 전략을 실행하고 있는 것을 알 수 있습니다.
앞으로 더욱 많은 변화와 기술 개발이 이루어질 반도체 시장에 많은 기대와 관심을 걸어봐도 좋을 것 같습니다.
본 포스팅은 AIOCP를 운영하는 이호스트ICT의 원문 발췌를 하였으며, 더 좋은 IT 관련 칼럼 글을 읽어보고 싶은 분께서는 아래 링크를 통해 <이호스트ICT 블로그>에 접속해보세요.
▼
https://blog.naver.com/ehostidc2004
근데 알테라는 올인원 보드 제어용으로 들어가지 이걸로 FPGA를 만들어서 인공지능 반도체를 생산한다고 보긴 어려울 듯 합니다.
이거 한번 만지려다 개발툴 라이센스 값만 200만원 넘게 달라고 해서 포기했던 기억이..
FPGA가 재프로그래밍 가능한 건 거기서 속도의 장점을 얻고자 함이 아니라 ASIC같은 고정기능 반도체의 단점을 커버하는 것이죠. FPGA안에 여러가지 빌딩블럭을 가지고 있고 그걸 어떻게 연결하느냐에 따라서 칩의 능력이 달라지니까요. 연산구조를 바꿀 수 있는 병렬연산기라고나 할까요? 구조 자체가 GPU와 비슷한 면이 많아서 AI가속기라고 불리는 것 같은데.... 그냥 특정 기능을 매우 빠르게 수행할 수 있는 프로그래밍 가능한 논리프로세서죠.
SW 적으로 처리하는 부분이 많을수록 수정이 비교적 용이 하기에 위험성이 줄어 드는 반면 성능이 떨어지는 문제를 고려해야 하고
HW 적으로 처리하는 부분이 많을 수록 디자인 수정/변경이 어려워 위험성과 비용이 증가 하게 됩니다.
개발 업체는 위에 언급 드린 여러 개발 변수에 기업 이윤 , 타임투마켓 , 양산성/단가 까지 고려하여 가장 최적의 solution 을 선택하게 됩니다.
CPU core 를 기반으로 다양한 ASSP 를 생산/판매 하였던 인텔이나 AMD 가 FPGA 업체를 사들인 이유도 이러한 디자인 설계상의 다변화 대응과 특히 나 근래 대두 되고 있고 고속의 데이터 처리 ( AI 도 그중 한 분야 겠지요) 를 위한 solution 을 확보가 강한 측면이 있습니다.