Siemens는 고객이 전 세계 사람들에게 더 나은 제품을 제공할 수 있도록 수십 년 전부터 컴퓨터 칩 설계 및 제조에 대규모로 AI를 도입했습니다. 이 백서에서는 몇 가지 솔루션 사례를 통해 인공 지능과 기계 학습이 적용된 EDA 소프트웨어 개발에 대해 간략하게 살펴봅니다
AI는 반도체 엔지니어링 격차를 해소하는 데 필수
사회는 더 작고, 더 효율적이며, 더 빠른 기술을 요구하고 있으며, 그에 따라 반도체 기반 제품 및 시스템의 용량도 점점 더 늘어나고 있습니다. 또한 이러한 수요를 충족시키기 위해 새로운 IC 프로세스 노드와 패키징 기술이 도입됨에 따라, 집적 회로(IC), 고급 IC 패키징 및 인쇄 회로 기판(PCB) 기반 시스템을 설계, 제조 및 구현하는 과정의 복잡성이 기하급수적으로 증가하고 있습니다. 지속적인 혁신과 성장을 위해서는 소프트웨어 정의 및 실리콘 기반 시스템이 필요합니다. 기존의 확장 방식은 이를 따라가지 못하고 있으며, 업계에서는 이제 그 차이가 리소스 격차로 드러나고 있습니다.
AI는 반도체 엔지니어링 격차를 해소하는 데 필수
제조업체들이 기계 및 전기, 하드웨어 및 소프트웨어 등, 기존에 분리되어 있던 영역들을 하나로 통합하는 동시에 운영, 네트워킹, 전력 관리, 보안, 모니터링, 학습, 검증, 유효성 검증 및 테스트와 같은 시스템 기능을 전반적으로 통합하기 위한 노력을 기울이다 보니 반도체가 활용되는 시스템의 범위도 확장되고 있습니다.
이렇게 반도체 설계 활동이 늘어나고 있는 반면, 대학에서는 미래의 기술을 위한 칩을 개발할 반도체 엔지니어를 충분히 배출하지 못하고 있습니다. 기존 엔지니어들은 은퇴하거나 다른 직업을 찾고 있습니다. 이러한 교육, 기술 및 인재의 격차로 인해, 시장의 수요를 충족하려면 몇 퍼센트 수준이 아닌, 몇 배의 개선을 제공하는 솔루션이 필요합니다.