바로 오늘, 이 소식이 인터넷 전체를 뒤덮었습니다. 엔비디아는 칩 설계에 AI를 사용해 GPU를 개발했는데, 원래 8명의 선임 엔지니어가 10개월 동안 작업해야 했던 작업을 하룻밤 사이에 완료했습니다. 최근 열린 NVIDIA GTC에서 수석 과학자 빌 댈리와 구글 수석 과학자 제프 딘의 최고위급 대화에서 이 충격적인 사실이 공개되었습니다.
현재 이 유튜브 강연은 이미 수만 명이 시청했으며 온라인에서 뜨거운 찬사를 받고 있습니다. 반도체 산업의 오랜 역사에서 무어의 법칙은 한때는 깨지지 않는 진리였습니다. 하지만 물리적 한계에 가까워지면서 플래그십 GPU 개발의 복잡성은 기하급수적으로 증가했습니다. 이제 칩 설계에 AI가 도입되면서 인간 엔지니어는 거의 한 발짝 물러서게 되었을까요?
칩 설계의 AI: “80명의 인력”에서 “하룻밤에 하나의 GPU”로”
기존 칩 설계 워크플로에서 표준 셀 라이브러리를 마이그레이션하는 것은 매우 지루하고 노동 집약적인 작업입니다. TSMC나 삼성이 새로운 반도체 공정을 도입할 때마다(예: 5nm에서 3nm로 전환) NVIDIA는 약 2,500~3,000개의 셀로 구성된 기본 라이브러리를 새로운 공정에 맞게 다시 조정해야 합니다.
빌 달리는 과거에는 이 작업을 위해 8명의 선임 엔지니어로 구성된 팀이 10개월 동안 지속적으로 작업해야 했고, 총 80명의 인력이 투입되었다고 밝혔습니다. 하지만 AI가 투입된 후 모든 것이 뒤집어졌습니다.
이제 NVIDIA는 강화 학습 기반 도구인 NB-Cell을 개발했습니다. 시스템에 요구 사항을 입력하기만 하면 GPU가 하룻밤 사이에 전체 마이그레이션을 완료할 수 있습니다. 이 과정에서 NB-Cell은 시행착오와 자체 최적화를 통해 수억 개의 설계 조합을 매우 짧은 시간 내에 지속적으로 탐색합니다.
놀라운 점은 면적, 전력 및 지연과 같은 주요 지표에서 AI로 생성된 셀이 인간 수준의 성능에 도달할 뿐만 아니라 일부 경우 사람이 직접 설계한 것을 능가한다는 것입니다. 이러한 “오버나이트 딜리버리” 기능은 NVIDIA가 경쟁사보다 더 빨리 새로운 프로세스를 검증하여 하드웨어 경쟁에서 선도적인 위치를 유지할 수 있음을 의미합니다.
칩 설계의 AI: 접두사 RL과 “비인간적 직관”
접두사 RL로 로직 설계를 혁신하는 칩 설계의 AI
NB-Cell이 반복적인 노동을 해결했다면 접두사 RL은 복잡한 로직 설계에서 AI의 창의성을 보여줍니다. 칩의 산술 논리 유닛(ALU)에서 캐리 룩헤드 체인의 배치는 수십 년 동안 연구되어 온 고전적인 문제입니다.
인간 엔지니어는 경험과 직관에 의존해 레이아웃을 제작하기 때문에 종종 성능의 한계에 부딪힙니다. 하지만 Prefix RL 시스템은 완전히 다른 해답을 제시했습니다.
Dally는 AI가 생성한 레이아웃을 “인간이라면 절대 생각할 수 없는 이상한 디자인”이라고 설명했습니다. 이러한 디자인은 전통적인 전자 공학 미학에 반하는 것이지만, 성능은 인간이 만든 최고의 디자인에 비해 약 20%에서 30%까지 향상됩니다.
이는 전환점입니다: 칩 설계의 AI는 더 이상 인간을 보조하는 데 그치지 않고 인간의 인지적 한계를 뛰어넘어 수백만 차원에 숨겨진 “최적의 솔루션'을 찾아내고 있습니다.
칩 설계의 AI: 실리콘 멘토로서의 칩 네모
NVIDIA 내부에서는 인적 자원의 불일치가 큰 골칫거리였습니다. 시니어 디자이너는 종종 특정 하드웨어 모듈(RTL)의 작동 방식을 설명하면서 후배들을 지도하는 데 많은 시간을 할애했습니다.
핵심 생산성을 확보하기 위해 NVIDIA는 내부의 대규모 언어 모델인 Chip Nemo와 Bug Nemo를 개발했습니다.
시중의 범용 LLM과 달리 이 모델은 수십 년 동안 축적된 NVIDIA의 독점 아키텍처 문서, RTL 코드 및 하드웨어 사양을 기반으로 미세 조정됩니다. 개인 교육을 받은 후에는 “NVIDIA GPU를 가장 잘 이해하는 전문가”가 됩니다.”
주니어 엔지니어는 복잡한 모듈 설계에 직면했을 때 더 이상 바쁜 선임 엔지니어를 방해할 필요 없이 Chip Nemo에게 직접 물어볼 수 있습니다. 칩 네모는 GPU 작동 원리를 단계별로 설명하는 매우 인내심 있는 멘토 역할을 합니다.
반면, 버그 네모는 오류 보고서를 취합하고 가장 적합한 엔지니어 또는 모듈에 버그를 자동으로 할당하여 칩 검증 단계인 “장거리 레이스” 단계를 크게 단축합니다.
칩 설계의 AI: AI가 스스로 칩을 완벽하게 설계할 수 있을까요?
효율성이 100배나 증가했음에도 불구하고 빌 달리는 토론에서 매우 냉정하고 절제된 태도를 유지했습니다. 그는 “새 GPU를 설계해줘”라고 말하면 AI가 완전한 청사진을 출력하는 완전 엔드투엔드 자동화된 칩 설계는 아직 “먼 이야기”라고 분명히 지적했습니다.”
현재 칩 설계에서 AI는 자율적인 칩 생성보다는 “증강 설계” 역할을 더 많이 담당하고 있습니다.
세 가지 주요 제한 사항이 있습니다:
칩 설계의 AI, 여전히 인간의 아키텍처 결정이 필요함
높은 수준의 아키텍처 결정은 여전히 사람의 전문 지식에 의존합니다.
칩 설계의 AI에는 여전히 창의적인 회로가 필요합니다.
창의적인 회로 설계와 복잡한 논리 구조는 여전히 사람이 주도합니다.
여전히 검증의 한계에 직면한 칩 설계의 AI
설계 검증은 여전히 프로세스에서 가장 긴 “극'입니다. AI는 가속화를 지원할 수 있지만, 루프를 완전히 닫을 수는 없습니다.
즉, 최상위 아키텍처, 모듈 간 조정, 주요 결정과 같은 프레임워크 설정 작업은 여전히 사람의 손에 달려 있습니다. 또한 AI가 검증 속도를 높일 수는 있지만, 칩이 실제 현실에서 완벽하게 작동하려면 최종 시뮬레이션과 실제 테스트가 여전히 필요합니다.
칩 설계의 AI: 인간 + AI 워크플로
NVIDIA의 사례는 AI가 엔지니어를 대체하는 것이 아니라 엔지니어의 업무 방식을 재편하고 있음을 보여줍니다.
주니어 엔지니어는 Chip Nemo를 사용하여 복잡한 모듈을 독립적으로 학습할 수 있으므로 선임 엔지니어의 업무를 방해하는 요소를 줄일 수 있습니다. 시니어 엔지니어는 반복적인 업무에서 벗어나 더 가치 있는 혁신과 의사 결정에 집중할 수 있습니다.
워크플로 전반에서 AI는 대규모 검색, 최적화, 검증을 처리하고 사람은 목표, 제약 조건, 크리에이티브 방향을 정의합니다.
이는 본질적으로 “인간이 프레임워크를 설정하고 AI가 빠른 속도로 실행하는” 협업 모델입니다.”
Dally는 서로 다른 전문 AI 시스템이 서로 다른 디자인 단계를 처리하며 오늘날의 기능 팀처럼 협업하는 “멀티 에이전트” 모델의 미래를 상상합니다.
장기적인 목표는 여전히 엔드투엔드 자동화 설계이지만 검증, 인터페이스 협상, 동적 조정과 같은 과제는 여전히 해결해야 할 과제입니다.
현재의 발전은 이미 NVIDIA가 차세대 하드웨어를 더 빠르게 반복하여 무어의 법칙을 유지하는 데 중요한 뒷받침이 되고 있습니다.
칩 설계의 AI: 엔지니어는 아직 대체되지 않을 것입니다.
8명의 엔지니어가 10개월 동안 작업한 것이 하룻밤의 GPU 작업으로 대체될 때, 우리는 평범하고 노동 집약적인 엔지니어링 작업의 가치가 급격히 하락하는 가혹한 현실을 마주해야 합니다.
엔비디아는 AI 기반 기술 장벽을 구축하고 있습니다. 경쟁사들이 여전히 인력을 충원하며 추격을 시도하고 있지만, 엔비디아는 이미 “AI를 설계하는 AI, AI를 최적화하는 AI”라는 자체 강화 체제에 돌입한 상태입니다.”
이러한 효율성 이점이 바로 매년 새로운 플래그십 그래픽 카드를 출시할 수 있는 이유입니다.
칩 엔지니어에게 이는 위기이자 기회입니다. 인간은 지루한 배선과 셀 이동에서 해방되어 더 높은 수준의 아키텍처적 사고와 더 복잡한 창의적 의사 결정으로 진화해야 합니다.
칩 설계의 AI: 실리콘 창조의 새로운 시대
실리콘 기반 칩 설계의 새로운 시대에서 계산은 더 이상 칩의 목적이 아니라 칩이 만들어지는 방식 자체의 근원이 되었습니다.
