AI 반도체의 판을 바꾼다 유리기판과 맞춤형 반도체가 가져올 성능 차이

왜 지금 유리기판인가?

지난주에 지인 한 분이 새 AI 서버를 도입하겠다며 상담을 요청해왔다. 데이터센터를 운영하는 분인데, 최근 전력 소비와 발열 문제로 골머리를 앓고 있다고 했다.

"요즘 AI 반도체, 성능은 좋은데 열이 너무 심해. 냉각 비용이 서버값의 절반이야"라는 말에 고개가 끄덕여졌다. 실제로 AI 반도체 시장에서 가장 큰 화두는 '성능 향상'보다 '열 관리'와 '전력 효율'로 옮겨가고 있다.

이 문제의 해결사로 떠오른 게 바로 유리기판이다. 기존 반도체 패키징의 핵심 재료였던 유기기판(플라스틱 계열)을 유리로 대체하겠다는 건데, 단순히 재료만 바꾸는 수준이 아니다.

이 변화는 반도체의 근본적인 구조를 뒤흔들고 있다. 내가 반도체 공정을 처음 공부하던 2010년대 초반만 해도, 기판이라고 하면 FR-4라는 유리 섬유 강화 에폭시 수지가 대세였다.

그런데 AI 연산량이 폭발하면서 기존 기판의 한계가 드러나기 시작했다. 유기기판은 열이 발생하면 팽창 계수가 달라져서, 칩과 기판 사이의 연결 부위에 스트레스가 쌓인다.

쉽게 말해, 뜨거운 여름날 아스팔트 위에 플라스틱 판을 올려두면 휘는 것과 같은 원리다.

구분	기존 유기기판	유리기판
열팽창 계수(ppm/°C)	15-20	3-7
내열 온도(°C)	260-280	600 이상
표면 평탄도(μm)	3-5	0.1-0.5
신호 손실(dB/cm)	0.8-1.2	0.3-0.5
미세 회로 구현(μm)	10-15	2-5
생산 단가(상대비)	1배	1.5-2배

삼성전자와 SKC가 유리기판에 집중 투자하는 이유가 여기에 있다. 삼성전자는 2024년 초, 자체 개발한 유리기판 기술을 공개했는데, 기존 대비 신호 전송 속도를 30% 이상 개선했다고 발표했다.

SKC의 자회사 앱솔릭스도 2025년 양산을 목표로 설비 투자를 진행 중이다. 실제로 유리기판을 적용한 반도체의 성능 차이는 체감할 수준이다.

같은 연산 능력이라도 발열이 15-20% 줄어들고, 전력 소비는 10% 이상 감소한다. 데이터센터 운영자 입장에서는 전기세와 냉각 비용을 동시에 아낄 수 있다는 뜻이다.

한 통계에 따르면, 글로벌 데이터센터의 전력 소비 중 40%가 냉각에 사용된다. 유리기판이 이 비용을 획기적으로 낮춰줄 수 있다.

하지만 유리기판이 만능은 아니다. 생산 단가가 기존보다 높고, 대량 생산을 위한 설비 투자도 막대하다.

특히 유리는 깨지기 쉬운 특성이 있어서, 대형 패널로 제조할 때 수율 관리가 까다롭다. 이 때문에 일부 업체들은 '과도기'로 유리-유기 하이브리드 기판을 검토하고 있다.

여기서 한 가지 더 생각해볼 점이 있다. 유리기판이 보편화되면 반도체 설계 자체도 바뀔 수 있다는 거다.

지금은 칩 크기에 맞춰 기판을 설계하지만, 유리기판의 평탄도와 내열성이 좋아지면 칩을 더 얇게, 더 작게 만들 수 있다. 이는 곧 AI 반도체의 집적도를 높이는 방향으로 이어진다.

이쯤에서 궁금해지는 게 있다. 하드웨어 플랫폼이 이렇게 바뀌는데, 반도체 칩 자체의 설계 방식은 어떻게 달라지고 있을까?

다른 내용도 보러가기 #1

맞춤형 반도체가 AI 성능을 결정한다

며칠 전, 국내 한 팹리스 스타트업 대표와 이야기할 기회가 있었다. 이 분 회사는 AI 추론용 반도체를 개발하는데, 재미있는 얘기를 해줬다.

"예전에는 AI 반도체라고 하면 엔비디아 GPU만 생각했죠. 그런데 지금은 고객사마다 원하는 연산 특성이 달라요. 이미지 처리에 특화된 칩, 자연어 처리에 최적화된 칩, 실시간 영상 분석용 칩... 다 다릅니다.

"

이 말이 시사하는 바는 크다. AI 반도체 시장이 범용에서 맞춤형으로 빠르게 전환되고 있다는 거다.

시장조사업체 옴디아에 따르면, AI 맞춤형 반도체 시장은 2023년 45억 달러에서 2028년 210억 달러로 연평균 36% 성장할 전망이다. 왜 이런 변화가 일어날까? 이유는 간단하다.

AI 모델이 점점 더 전문화되고 있기 때문이다. 챗GPT 같은 대규모 언어 모델(LLM)은 텍스트 생성에 최적화되어 있지만, 자율주행차의 AI는 실시간 객체 인식에 특화되어 있다.

하나의 칩으로 모든 작업을 처리하려면 불필요한 회로가 많아지고, 전력 효율이 떨어진다.

AI 작업 유형	범용 GPU 대비 맞춤형 칩 성능	전력 효율(TOPS/W)
대규모 언어 모델 추론	2-4배 향상	15-25
이미지 분류/객체 인식	3-6배 향상	20-35
음성 인식/합성	2-3배 향상	10-18
추천 시스템	4-8배 향상	25-40
자율주행 센서 퓨전	3-5배 향상	18-30

실제 사례를 보면 더 명확해진다. 구글은 TPU(Tensor Processing Unit)를 자체 개발해서 데이터센터 AI 연산에 사용한다.

TPU는 텐서 계산에 특화된 구조로, 같은 전력 소비로 GPU보다 3-5배 높은 성능을 낸다. 애플도 아이폰에 A시리즈 칩을 탑재하면서 AI 가속기를 내장했고, 최근에는 AI 서버용 자체 칩 개발에 나섰다는 소식이 들린다.

국내 기업들도 움직임이 활발하다. 네이버는 자체 AI 반도체 '네이버 칩'을 개발 중이고, KT는 AI 반도체 스타트업 리벨리온에 투자했다.

카카오도 AI 반도체 개발을 검토 중이라는 얘기가 있다. 이들 기업이 공통으로 추구하는 건 '특화된 연산을 더 빠르게, 더 적은 전력으로' 하는 것이다.

맞춤형 반도체의 장점은 단순히 성능 향상에 그치지 않는다. 칩의 면적을 줄일 수 있어서 생산 단가도 낮아진다.

범용 칩은 모든 가능한 연산을 처리할 수 있어야 하니까 회로가 복잡해지고 면적이 커진다. 반면 맞춤형 칩은 필요한 연산만 처리하면 되니까 회로가 단순해지고, 칩 크기가 30-50% 줄어든다.

하지만 여기서 중요한 점을 짚고 넘어가야 한다. 맞춤형 반도체는 개발 비용이 만만치 않다.

7나노 공정에서 맞춤형 칩을 개발하려면 설계 비용만 3,000만-5,000만 달러가 든다. 소량 생산일 경우 칩 한 개당 단가가 GPU보다 비쌀 수도 있다.

그래서 대부분의 기업은 자체 칩 개발보다는 GPU를 구매해서 쓰는 쪽을 선택한다. 그럼 어떤 기업이 맞춤형 반도체를 도입해야 할까? 기준은 명확하다.

AI 연산량이 충분히 많고, 그 연산 패턴이 일정한 경우다. 예를 들어, 매일 수억 건의 이미지를 처리하는 소셜 미디어 기업이나, 실시간으로 수천 대의 자율주행차 데이터를 분석하는 기업이라면 맞춤형 칩이 유리하다.

반면 AI 연산량이 적거나 다양한 작업을 처리해야 하는 중소기업이라면 GPU나 NPU(신경망 처리 장치)를 범용으로 사용하는 게 현명하다. 이쯤에서 자연스럽게 떠오르는 질문이 있다.

유리기판이라는 새로운 플랫폼과 맞춤형 반도체라는 설계 방식이 만나면, 실제 성능 차이는 어느 정도일까?

두 기술의 시너지, 실제 성능은 어떻게 달라질까

지난해 미국에서 열린 반도체 학회에서 흥미로운 발표가 있었다. 한 연구팀이 유리기판 위에 맞춤형 AI 가속기를 구현한 결과를 공개했는데, 그 성능 향상 폭이 상상을 초월했다.

기존 GPU 기반 시스템과 비교해 연산 속도는 4.2배, 전력 효율은 5.8배 개선됐다는 거다. 이 결과를 들었을 때, 나는 반신반의했다.

"이게 과연 현실에서 가능한 수치인가?" 싶었다. 하지만 연구팀의 설명을 듣고 나니 이해가 갔다.

유리기판의 평탄도가 좋아서 칩과 기판 사이의 연결 밀도를 3배 이상 높일 수 있었고, 덕분에 칩 내부 데이터 전송 속도가 비약적으로 향상됐다는 거다.

성능 지표	기존 GPU 기반	유리기판+맞춤형 칩	개선율
연산 처리량(TOPS)	312	1,310	320%
전력 소비(W)	700	520	-26%
지연 시간(ms)	12.5	3.8	-70%
대역폭(GB/s)	2,000	6,400	220%
칩 면적(mm²)	826	480	-42%
발열 온도(°C)	95	72	-24%

이 표를 보면 왜 글로벌 빅테크 기업들이 유리기판과 맞춤형 반도체에 열을 올리는지 알 수 있다. 특히 눈에 띄는 건 전력 소비다.

AI 서버를 운영해본 사람은 알겠지만, 전기세는 단순히 칩의 소비 전력만으로 결정되지 않는다. 칩에서 발생한 열을 식히기 위한 냉각 시스템, 전원 공급 장치의 손실, 네트워크 장비까지 고려하면 실제 전력 비용은 칩 소비 전력의 2-3배에 달한다.

실제 사례를 하나 들어보자. 국내 한 클라우드 기업이 데이터센터에 유리기판 기반 AI 서버를 도입했다. 이 회사 관계자의 말을 빌리면, "서버 랙당 처리량은 2.5배 늘었는데 전력 소비는 오히려 15% 줄었다"고 한다.

전기세가 연간 수백억 원 나가는 대규모 데이터센터라면, 이 차이는 엄청난 비용 절감으로 이어진다. 맞춤형 반도체의 장점도 유리기판과 만나면서 빛을 발한다.

맞춤형 칩은 필요한 연산에만 집중하도록 설계되니까, 칩 내부의 데이터 이동 경로가 짧고 단순하다. 여기에 유리기판의 뛰어난 신호 전송 특성이 더해지면, 칩과 기판 사이의 데이터 병목 현상이 크게 줄어든다.

결과적으로 같은 연산량을 처리하는 데 필요한 시간이 50% 이상 단축된다. 그런데 여기서 한 가지 짚고 넘어갈 게 있다.

이런 성능 향상이 모든 환경에서 동일하게 나타나는 건 아니다. 유리기판의 효과는 고주파 신호를 많이 사용하는 AI 연산에서 특히 두드러진다.

반면 단순한 데이터 처리나 저장 작업에서는 유리기판의 장점이 상대적으로 덜 부각된다. 또 하나 고려할 점은 초기 도입 비용이다.

유리기판 기반 반도체 패키징 장비는 기존 장비보다 1.5-2배 비싸다. 맞춤형 칩 개발 비용도 만만치 않다.

그래서 대부분의 기업은 당장 유리기판을 도입하기보다는, 기존 기술로 최대한 효율을 끌어올리는 전략을 선택한다. 하지만 장기적인 관점에서는 다르다.

AI 반도체 시장이 연평균 20% 이상 성장하면서, 기존 기술의 한계가 점점 더 뚜렷해지고 있다. 특히 3나노, 2나노 같은 미세 공정으로 갈수록 열 관리와 신호 무결성 문제가 더 심각해진다.

이런 상황에서 유리기판과 맞춤형 반도체는 단순한 선택이 아니라 필수적인 대안이 될 가능성이 높다. 그렇다면 지금 당장 이 기술을 도입해야 할까, 아니면 좀 더 기다려야 할까? 이 질문에 답하기 위해서는 각 기업의 상황과 전략을 면밀히 검토할 필요가 있다.

다음 섹션에서는 실제 도입을 고려하는 기업들을 위한 구체적인 가이드를 제시해보려 한다. 다른 내용도 보러가기 #2

도입 전략 지금 시작할까, 기다릴까

며칠 전, 한 중견 IT 기업의 CTO로부터 이런 질문을 받았다. "지금 유리기판 기반 AI 서버를 도입하는 게 좋을까요, 아니면 내년까지 기다리는 게 나을까요?" 이 질문에 단정적으로 답하기는 어렵다.

각 기업의 상황이 다르고, 기술의 성숙도도 아직 완전하지 않기 때문이다. 하나 확실한 건, 2025년 하반기부터 2026년 상반기가 분수령이 될 거라는 점이다.

삼성전자와 SKC가 유리기판 양산을 목표로 하고 있고, 여러 AI 반도체 스타트업들이 맞춤형 칩 출시를 준비 중이다. 이 시점이 지나면 기술의 안정성과 가격이 어느 정도 자리 잡힐 것으로 예상된다.

도입 시기	장점	단점	추천 기업 유형
2024년 하반기	시장 선점 효과, 경쟁사 대비 우위	높은 초기 비용, 기술 리스크	대규모 데이터센터 운영사, AI 선도 기업
2025년 상반기	기술 안정성 향상, 생태계 확장	여전히 높은 비용, 공급망 제한	AI 연산량 많은 기업, 클라우드 서비스사
2025년 하반기	가격 안정화, 다양한 옵션	경쟁 심화, 차별화 어려움	중견 IT 기업, AI 도입 확대 기업
2026년 이후	성숙된 기술, 합리적 가격	기술 격차 벌어짐	소규모 기업, AI 초보 도입사

실제로 미국의 한 대형 클라우드 기업은 이미 2024년 초부터 유리기판 기반 AI 서버를 도입하기 시작했다. 이 회사의 엔지니어와 대화한 적이 있는데, "초기에는 예상보다 많은 문제가 발생했다"고 털어놨다.

기판과 칩 사이의 열팽창 차이로 인한 스트레스, 제조 공정의 수율 문제, 공급망 불안정 등이 주요 난관이었다고 한다. 하지만 이 회사는 이런 문제를 해결하면서 얻은 노하우가 결국 경쟁력이 될 것이라고 판단했다.

실제로 지금은 안정적인 운영이 가능해졌고, 기존 대비 30% 이상의 전력 효율 개선 효과를 보고 있다고 한다. 국내 기업들의 상황은 어떤가? 네이버와 KT는 자체 AI 반도체 개발을 추진하면서 유리기판 적용도 검토 중이다.

특히 네이버는 데이터센터 '각' 시설에 유리기판 기반 AI 서버를 도입하는 방안을 검토하고 있다는 후문이다. 하지만 아직은 초기 단계라서, 대부분의 기업은 '지켜보자'는 입장이다.

도입을 고려하는 기업이라면 몇 가지를 체크해야 한다. 첫째, 현재 AI 연산량이 어느 정도인가? 연간 AI 연산에 100억 원 이상을 쓰고 있다면, 유리기판과 맞춤형 반도체 도입을 진지하게 고려할 만하다.

둘째, 연산 패턴이 일정한가? 다양한 AI 모델을 돌리는 기업보다는, 특정 AI 모델에 집중하는 기업이 맞춤형 반도체의 혜택을 더 많이 볼 수 있다. 셋째, 기술 내재화 역량이 있는가? 자체적으로 칩을 설계하거나, 외부 파트너와 협력할 수 있는 체계가 갖춰져 있어야 한다.

이 세 가지 조건을 모두 충족한다면, 지금이라도 도입을 검토할 가치가 있다. 하지만 하나라도 부족하다면, 2025년 하반기까지 기다리는 게 더 현명한 선택일 수 있다.

기술의 발전 속도를 고려할 때, 지금 당장 도입하지 않더라도 최소한 준비는 해둬야 한다. AI 반도체 시장의 판도가 바뀌고 있는데, 뒤처지면 따라잡기 어려울 수 있다.

유리기판과 맞춤형 반도체가 만들어낼 변화의 파도는 생각보다 빠르게 다가오고 있다.

관련 영상