생성적 AI의 탄생은 칩 설계의 또 다른 길을 열었습니다. 이제 엔비디아 등 기술 기업과 학계는 완전히 독립적으로 칩을 설계할 수 있는 AI 시스템을 개발하려고 노력하고 있다. 생산 기반 AI를 사용하여 칩 설계를 가속화하는 것은 반도체 산업의 초석이 될 것입니다. 지난 한 해 동안 컴퓨팅 거대 기업인 NVIDIA, 칩 설계 회사인 Synopsys, Cadence Design Systems 및 학계 개발자들이 많은 시도를 했습니다.
그들은 각각 AI 도구를 개발했습니다.
하드웨어 코드와 검증 코드를 자동화하여 엔지니어의 작업 속도를 높이고, 메모와 상태 업데이트를 요약하여 대규모 설계 팀이 협력할 수 있도록 설계되었습니다.
AI가 칩 설계에 참여하게 된 것은 모두 2023년 인공지능 붐 덕분이고, AI 전용 칩 공급은 타이트한 상태다.
동시에, 칩의 트랜지스터 수가 약 2년마다 두 배로 늘어날 것이라고 예측하는 무어의 법칙이 종식됨에 따라 많은 기업에서는 보다 전문화된 칩을 생산하기 위해 새로운 칩 아키텍처를 모색하게 되었습니다.
전문가들은 미국에는 수요가 증가하고 있는 AI와 자율주행차, 드론과 같은 특정 애플리케이션을 위한 첨단 칩을 설계할 수 있는 엔지니어가 충분하지 않다고 말합니다.
AI 칩 설계 전용 NVIDIA ChipNeMo
NVIDIA의 응용 딥 러닝 연구 부사장인 Bryan Catanzaro는 다음과 같이 말했습니다.
GPU는 수천 가지 작업을 동시에 처리할 수 있기 때문에 GPU를 만드는 데 거의 천 명의 인력이 필요하며 모든 사람은 지속적으로 개선하면서 디자인의 다양한 부분이 어떻게 함께 작동하는지 이해해야 합니다.
이에 대응하여 NVIDIA 팀은 GPU 아키텍처에 대한 질문에 답하거나 칩 설계 언어 코드 생성과 같은 작업을 수행할 수 있는 새로운 맞춤형 대형 모델인 ChipNeMo를 개발했습니다.
연구원들은 오픈 소스 Llama2 모델을 기반으로 이 AI 시스템을 훈련했습니다.
동시에 AI 시스템은 Synopsys와 같은 기존 설계 자동화 도구와도 작동하도록 설계되었습니다.
NVIDIA의 내부 엔지니어들은 ChipNeMo를 1년 동안 사용해 왔으며 Catanzaro는 이 시스템이 주니어 엔지니어 교육, 100개 팀의 메모 요약 및 상태 업데이트 제공에 매우 유용하다는 것을 알게 되었다고 말했습니다.
구글, 칩 설계 AI 기업들 참전
Google DeepMind의 경우 논리 합성을 개선하기 위한 AI 시스템도 개발했습니다.
이는 회로 동작에 대한 설명을 실제 회로로 변환하는 칩 설계 단계입니다. 구글은 이러한 기술이 "텐서 처리 장치(TPU)"로 알려진 자체 맞춤형 인공 지능 칩을 개선하는 데 사용될 수 있다고 밝혔습니다.
또한 칩 설계 회사인 Synopsys는 작년에 Synopsys.aiCopilot이라는 AI 도구를 출시했습니다.
엔지니어의 협업을 돕기 위해 Microsoft와 협력하여 OpenAI의 대규모 모델을 통해 개발된 도구입니다.
마이크로소프트의 내부 실리콘 팀은 엔지니어링 요구를 지원하기 위해 이 도구를 사용하고 있다고 회사는 말했습니다.
이 AI 도구는 회사의 디자인 도구를 사용하고 워크플로우 스크립트를 작성하는 방법에 대한 질문에 답할 수 있습니다.
간단한 영어 대화만으로도 RTL(칩 아키텍처를 표준화하는 데 사용되는 칩 설계 언어)을 생성할 수도 있습니다.
학계의 연구 폭발
학계에서도 이 방향으로 많은 연구가 진행되고 있습니다.
뉴욕대학교를 포함한 여러 대학의 연구에서는 생성적 AI 가속 칩 설계를 식별하는 다른 방법을 찾는 데 전념하고 있습니다.
일부 연구는 Synopsys 및 거대 칩 기업인 Qualcomm과 같은 회사의 자금 지원을 받았습니다.
NYU 연구원들이 ChatGPT와의 대화를 통해 명명하고 설계한 칩, QTcore-C1
NYU Tandon School of Engineering 팀은 ChatGPT와 대화하여 약 한 달 만에 칩을 설계했습니다.
이 기술을 'ChipChat'이라고 하며, 연구원들은 ChatGPT와 대화하기만 하면 칩의 기능을 설명하는 칩 설계 언어 Verilog를 자동으로 작성할 수 있습니다.
뉴욕대학교 탠던 공과대학 전기컴퓨터공학연구소 부교수인 싯다르스 가르그(Siddharth Garg)는 “연구원들은 ChatGPT와 연계된 AI 시스템을 활용해 하드웨어 설계 시간을 1개월 이하로 단축할 수 있을 것으로 기대하고 있다”고 말했다.
일반적으로 가장 복잡한 마이크로칩을 설계하는 데는 최대 반년 또는 그 이상이 걸릴 수 있습니다.
그러나 이러한 AI 도구는 전능하지 않습니다.
텍사스 대학교 오스틴 캠퍼스의 전기 및 컴퓨터 공학 교수인 데이비드 팬(David Pan)은 현재 이러한 도구는 주로 젊은 칩 설계자를 교육하고 하드웨어 언어를 작성하며 오류를 보고하는 데 사용된다고 말했습니다.
현재 도구에는 다른 제한 사항이 있습니다.
엔지니어는 AI가 생성한 출력을 신중하게 검증해야 하며, 설계부터 검증, 설계의 트랜지스터 구현, 설계의 전기적 특성 확인까지 전체 칩 설계 프로세스를 자동화할 수 있는 솔루션은 현재 없습니다.
Synopsys의 Krishnamoorthy는 생성 AI를 사용하여 기능성 칩을 자율적으로 생성하는 능력이 약 5년 정도 걸릴 것으로 추정합니다.
참고자료:
https://www.businessinsider.com/nvidia-uses-ai-to-produce-its-ai-chips-faster-2024-2
https://www.wsj.com/articles/designing-chips-is-getting-harder-these-engineers-say-chatbots-and-ai-can-help-092b4c4