AI 가속기로 풀어본 반도체 공급망: EUV·HBM·첨단 패키징과 대체 불가능성의 진짜 기준

핵심 메시지

• 영상은 엔비디아 B200 패키지를 놓고 '누가 만들었나'를 묻는다. 설계는 엔비디아, 로직 다이 제조는 대만 TSMC, 노광 장비는 네덜란드 ASML, 메모리는 한국, 웨이퍼는 일본에서 왔고 완성 레시피를 통째로 가진 회사도 나라도 없다는 것이 결론이다.
• 설계 단계에서 EDA 소프트웨어는 지난해 약 7,700억 달러 규모 산업 매출의 2%에도 못 미치지만, 시놉시스와 케이던스 두 회사가 시장의 약 4분의 3을 쥐고 파운드리 공정 규칙까지 도구에 담아 둔 핵심 기반으로 소개된다.
• EUV 노광은 파장 13.5나노미터 빛을 쓰기 위해 진공과 반사경, 초당 수만 번 레이저로 때리는 주석 액적을 동원한다. 약 180톤짜리 장비를 상용 판매하는 곳은 ASML뿐이고, 니콘과 캐논은 개발비를 이유로 EUV를 포기했다.
• 연산 유닛이 데이터를 기다리며 노는 '메모리 장벽' 문제를 풀기 위해 메모리를 수직으로 쌓은 HBM이 등장했고, 현재 이를 양산하는 곳은 SK하이닉스·마이크론·삼성 셋뿐이다. 가속기별 인증 절차 때문에 일반 D램보다 가격 협상력이 강하다는 설명이 이어진다.
• 영상은 진짜 취약점이 독점 자체가 아니라 '대체에 걸리는 시간'이라고 정리한다. 아지노모토의 절연 필름처럼 값은 싸도 재검증에 수년이 걸리는 소재가 수만 달러짜리 제품의 병목이 될 수 있다는 것이다.

쉽게 이해하기

영상은 엔비디아 B200 패키지 하나를 손에 든 채 시작한다. 두 개의 로직 실리콘과 여덟 개의 메모리 스택이 들어 있고 이름은 엔비디아지만, 최선단 다이를 찍어 낸 곳은 대만의 TSMC이며 가장 미세한 회로를 인쇄한 장비는 네덜란드에서, 메모리는 한국에서, 웨이퍼는 일본에서 왔다. 진행자는 '누가 만들었나'라는 질문에 아무도 혼자 만들지 않았다고 답하며, 트랜지스터 한 개에서 출발해 랙 규모 AI 컴퓨터까지 직접 쌓아 올리는 방식으로 산업 전체를 설명하겠다고 예고한다.

출발점은 물리다. 계산을 하려면 움직이는 부품 없이 전기로만 여닫는 스위치가 필요하고, 그 답이 도체도 부도체도 아닌 실리콘에 미량의 다른 원소를 넣는 도핑이었다. 트랜지스터를 모아 논리 게이트를, 논리 게이트를 모아 곱셈과 덧셈에 특화된 연산 블록을 만든다. 여기서부터는 문제를 만날 때마다 부품을 하나씩 붙이는 방식이다. 한 번에 하나씩 계산하니 느려서 연산 블록을 수천 개로 늘렸더니 대부분이 데이터를 기다리며 놀았고, 그래서 가까이에 캐시를 두고 가장자리에 메모리 인터페이스를 붙였으며, 순서를 정리할 제어 로직과 여러 칩을 잇는 고속 링크를 더했다. 진행자는 캐시를 늘리면 연산이 줄고 링크를 빠르게 하면 전력과 열이 늘어난다는 점을 들어, 칩 설계는 어떤 절충을 감수할지 고르는 기술이라고 정리한다.

설계를 실제로 그리는 단계에서 규모가 드러난다. 이 가속기에는 두 조각의 실리콘에 약 2,080억 개의 트랜지스터가 들어가는데, 사람이 쉬지 않고 초당 하나씩 배치해도 6,600년이 걸린다. 그래서 전용 설계 소프트웨어가 필요하고, 그 시장은 시놉시스와 케이던스가 약 4분의 3을, 지멘스가 상당 부분을 차지한다. 이들의 강점은 소프트웨어 자체보다 파운드리와 함께 공정 규칙을 도구 안에 미리 넣어 둔 데 있다. 설계가 끝나면 층마다 필요한 패턴을 마스크로 옮기는 테이프아웃 단계가 오고, 이 시점 이후의 설계 오류는 파일 수정이 아니라 마스크 재제작과 수개월의 반복을 뜻한다.

제조 파트의 중심에는 EUV 노광이 있다. 파장 13.5나노미터의 빛은 거의 모든 물질에 흡수돼 공기도 유리도 통과하지 못하기 때문에, 장비 내부는 진공이고 렌즈는 전부 반사경으로 대체된다. 빛을 만드는 방법은 진공 챔버로 녹은 주석 액적을 쏘고 고출력 레이저로 초당 수만 번 정확히 때려 플라스마를 만드는 것이다. 이런 장비는 약 180톤에 화물기 여러 대로 나뉘어 운송되고 설치에만 몇 달이 걸린다. 영상은 25년 전 약 25개였던 최선단 제조사가 지금은 TSMC·삼성·인텔 셋만 남았다고 짚으면서, 노광 이후에도 증착·식각·이온 주입·연마·세정이 약 1,000단계 반복된다는 점을 이유로 든다. 제조사는 줄었지만 어플라이드 머티어리얼즈, 램리서치, 도쿄일렉트론, KLA 같은 장비사는 각자 다른 공정 구간을 맡아 살아남았다.

완성된 다이도 그 자체로는 동작하지 않는다. 외부 메모리가 데이터를 충분히 빨리 보내지 못하는 '메모리 장벽'을 넘기 위해 메모리를 수직으로 쌓고 실리콘을 관통하는 연결로 묶은 HBM이 도입되고, 수율과 대역폭을 동시에 잡기 위해 큰 칩을 여러 칩렛으로 쪼갠 뒤 인터포저 위에 메모리와 나란히 올린다. TSMC는 이 조립 기술을 CoWoS라 부르는데, AI 붐 기간에는 웨이퍼가 아니라 이 패키징 라인 자리가 병목이었다. 이후 테스트를 거쳐 성능별로 등급을 나누는 비닝, 호스트 CPU와 네트워킹, 전력 반도체와 액체 냉각까지 붙어야 비로소 랙이 완성된다. 영상은 마지막으로 지도를 지역별로 색칠하며, 미국은 설계와 설계 소프트웨어, 대만은 최선단 위탁생산과 패키징, 한국은 메모리, 네덜란드는 EUV, 일본은 소재에 몰려 있다고 정리한다.

주요 인사이트

• 이 해설의 뼈대는 '왜 이 부품이 필요했는가'를 문제 발생 순서대로 따라가는 것이다. 부품 목록을 먼저 나열하지 않고 병목을 만날 때마다 하나씩 추가하기 때문에, 캐시나 인터포저 같은 요소가 마케팅 용어가 아니라 해결책으로 읽힌다.
• 산업의 취약점을 독점 여부가 아니라 대체 소요 시간으로 재정의한 점이 핵심이다. EUV처럼 공급사가 하나뿐인 경우도 있지만, 소재나 패키징처럼 대안이 있어도 검증에 수년이 걸리면 실질적으로는 마찬가지라는 것이다.
• 설계 비용은 고정비, 제조는 변동비라는 구분이 산업 구조를 설명한다. 마스크와 설계에 든 돈은 판매량으로 나뉘기 때문에, 대량 판매되는 칩은 싸지고 좁은 시장을 겨냥한 뛰어난 칩은 최선단 공정에 올릴 명분을 잃는다.
• 팹리스 모델의 이면도 짚는다. 구글·아마존·마이크로소프트·메타가 브로드컴이나 마벨과 손잡고 자체 가속기를 설계하면서, 엔비디아의 최대 고객이 점점 경쟁자가 되고 있다는 지적이다.
• 가장 실용적인 대목은 최선단이 산업의 전부가 아니라는 경고다. 자동차 한 대에 들어가는 1,000개 넘는 칩은 대부분 성숙 공정 제품이며, 2021년 공급난은 몇 달러짜리 부품이 없어 수만 달러짜리 완성차가 멈춘 사례로 소개된다. 이쪽의 위험은 부족이 아니라 과잉 공급 쪽에 있다.

자주 묻는 질문

관련 AI 소식