1. 비메모리
우리가 사용하는 컴퓨터와 스마트폰 등 여러 전자기기에는 반도체 집적회로(IC: Intergrated Circuit)라는 칩이 들어간다. 칩 속에는 수개 이상의 트랜지스터와 커패시터, 저항 등의 복잡한 회로를 구성한다. 반도체의 칩은 각각 역할에 따라서 메모리 반도체와 비메모리 반도체인 두가지로 구분된다. 메모리 반도체는 데이터를 기억 및 저장하는 장치이다. 전원을 끄면 데이터가 사라지는지에 따라서 D램, 그리고 플래시 메모리가 있다. 시스템반도체는 비메모리 반도체다. 시스템 반도체는 데이터를 처리하는데 종류로는 약8000개 이상이 있다. 예를 들어 컴퓨터에 포함된 중앙처리 장치인 CPU, 스마트폰에 중앙처리 장치인 애플리케이션 프로세서인 AP는 데이터를 계산 및 연산을 하고 처리하는 기능을 하는데 해외에서는 논리적 연산을 수행한다고 해서 시스템반도체라 안하고 로직칩(Logic Chip)이라고 한다. 또한 모뎀은 데이터를 서로 주고받는 통신 역할을 하고 카메라에 있는 이미지 센서는 데이터를 모으는 기능을 한다.
시스템 반도체는 제조과정이 명확하게 분업되어 있는데 메모리 반도체는 인텔이나 삼성전자 등이 종합반도체기업(IDM)이 설계, 조립, 가공, 마케팅을 하고 있으며 시스템반도체는 설계전문기업 팹리스(Fabless)에서 설계를 하며 생산전문기업 파운드리에서 위탁 생산을 한다. 대표적으로 미국의 퀄컴(Qualcomm)과 엔비디아(Nvidia) 등이 팹리스 회사이다. 그리고 한국의 삼성전자와 대만의 TSMC는 파운드리 회사이다.
2. 뉴로모픽(Neuromorphic)
시스템 반도체가 미래에는 뉴로모픽 반도체(Neuromorphic Chips)로 바뀔 전망이다. 기존 반도체 구조가 아닌 뉴로모픽 반도체는 사람의 뇌를 모방한 물리적 구조 반도체이다. 메모리에 프로그램을 저장하고나서 차례대로 프로그램을 읽어 실행하는 현재의 컴퓨터의 반도체 방식은 정보의 문제점은 병목 현상과 무어의 법칙(반도체의 저장공간이 1년6개월마다 두배씩 증가한다는 이론으로 미래에는 미세화의 한계가 온다는 내용)이 거론된다.
뉴로모픽 반도체는 이를 해결하기 위해 사람의 뇌신경망처럼 뉴런과 시냅스 구조로 반도체를 만들어서 한개의 반도체가 저장 및 계산, 통신의 기능을 동시에 하게하는 것이다. 뉴로모픽 반도체의 대표로는 2014년에 IBM이 개발한 트루노스(TrueNorth)이다. 트루노스(TrueNorth)는 54억개의 트랜지스터로 100만개 이상의 뉴런과 2억개 이상의 시냅스로 사람의 뇌를 모방하였다. 트루노스(TrueNorth)는 현재의 시스템보다 1/10000의 전력인 25~275mW로 작동시켰다. 이러한 결과로 사이언스 국제학술지에 선정되었지만 아직은 자가 학습능력은 없다.
2017년 인텔은 학습 기능을 추가한 뉴로모픽 반도체 로이히(Loihi)를 만들었다. 로이히(Loihi)는 데이터를 사람이 직접 입력하며 정답을 주입하는 학습방법이 아닌 실시간으로 들어온 정보를 자가 학습하는 기능이 있다. 로이히(Loihi)는 13만개 이상의 뉴런과 1억3000만개 이상의 시냅스를 14nm(나노미터)로 만들었다. 현재까지 만들어진 뉴로모픽(Neuromorphic) 반도체 중에서 저장 집적도가 제일 높다.
2016년에 한국에서는 SK하이닉스와 미국 스탠퍼드대 연구팀과 공동진행한 연구에서 유기물질인 강유전체(Feffoelectrics)를 사용하여 인공신경망 반도체 소자를 개발중이다. 강유전체(Feffoelectrics)는 전기장을 가하지 않고도 양극,음극의 분극이 일어나 전기장을 가하면 분극으로 바뀐다. 전압에 따라서 분극 상태를 조절가능하다. 데이터를 0과 1 이외에도 다양한 상태로 가능하다는 것이다.
3. 인공지능
메모리 반도체에 비해 지금 시스템반도체 시장규모는 1.5배 크다. 이런 커다란 시장규모의 성장세는 시스템 반도체가 4차 산업혁명의 핵심 기술인 인공지능(AI) 때문이다. 자율주행자동차나 사물인터넷(IoT) 등 시스템 반도체 없이는 만들 수 없다. 인공지능의 핵심기술은 학습과 추론이다. 학습과 추론과정을 반복적으로 실행하며 합리적(?) 또는 최적의 답을 찾아나간다. 현재는 인공지능 시스템은 데이터센터 서버에서 대량의 연산처리를 실행했지만 최근에는 자동차, 스마트폰, 드론 등 자체에서 인공지능 연산을 수행하도록 연구중이다. 그래서 크기가 작고 전력을 적게 사용하는 반도체 개발이 반드시 필요하다.
2017년에 구글은 알파고 제로에 4개의 TPU(인공지능 전용 반도체)칩을 적용하였다. 이세돌과 바둑대결을 했던 '알파고 리'와 비교하면 칩 개수는 1/12, 전련소모는 1/10 수준이다.
또한 현재 고성능 시스템 반도체중 하나인 그래픽 처리장치(GPU)에 인공지능 가속기를 설계하는 연구가 진행중이다. CPU만 갖춘 반도체는 대규모 데이터 처리 능력이 부족하다. CPU가 중앙의 데이터를 순차적으로 처리하고 제어하기에 연산하는 양이 많아질수록 CPU와 메모리 사이의 병목현상이 발생해서 속도가 떨어지고 전력 소모가 커진다. 하지만 GPU는 수많은 데이터를 동시에 처리할 수 있는 병렬 처리 구조(원래는 게임에서 3D 그래픽을 처리하기 위해 개발됨)다. 그래서 GPU는 다양한 데이터를 통계처리하여 학습하는 딥러닝 기능을 향상할 수 있다.
엔비디아(Nvidia)는 현재 CPU와 GPU를 합친 자비에(Xavier) 반도체를 개발중이고 이것을 자율주행 자동차에 탑재할 계획이다. 자비에(Xavier)칩에는 500개 이상의 코어로 구성된 GPU와 8개 코어로 구성된 CPU, 컴퓨터 비전 액셀러레이터(CVA) 등이 포함되어 있다.