1부시민을 위한 반도체 이야기

1.1 반도체란 무엇인가? (도체와 절연체 사이의 마법)

세상의 모든 물질은 전기가 통하는 정도에 따라 크게 세 부류로 나뉩니다. 구리나 금처럼 전기가 술술 흐르는 '도체', 고무나 유리처럼 전기를 철저히 막는 '절연체', 그리고 그 중간 어디쯤에 걸쳐 있는 '반도체'입니다. 흥미로운 점은 반도체가 단순히 '전기가 어중간하게 통하는 물질'이 아니라는 사실입니다. 반도체의 진짜 매력은 평소에는 절연체처럼 얌전히 있다가, 특정한 조건—열을 가하거나, 빛을 쬐거나, 불순물을 미량 섞거나, 전압을 걸어주면—순식간에 도체처럼 전기를 통하게 만들 수 있다는 데 있습니다. 즉 반도체는 '전기를 흘릴지 말지를 인간이 마음대로 결정할 수 있는' 유일한 부류의 물질입니다.

이 성질이 왜 그렇게 중요할까요? 전기가 흐르거나(1) 흐르지 않는(0) 두 가지 상태를 자유자재로 만들어낼 수 있다면, 그것으로 세상의 모든 정보를 이진법으로 표현하고 계산할 수 있기 때문입니다. 오늘날 우리가 쓰는 스마트폰, 컴퓨터, 자동차, 인공지능 서버는 모두 이 '스위치'를 수십억 개, 수백억 개씩 촘촘히 박아 넣어 만든 초정밀 회로 덩어리입니다. 반도체가 없었다면 디지털 문명 자체가 존재할 수 없었다는 뜻입니다.

반도체가 '전류를 통제하는 물질'로 쓰이는 방식은 크게 세 갈래로 나눌 수 있습니다. 첫째는 이 책 전체를 관통하는 '스위치'로서의 쓰임입니다. 전압을 걸었다 끊었다 하는 것만으로 켜짐(1)과 꺼짐(0)을 만들어내는 트랜지스터가 여기에 해당하며, 이 스위치들을 논리적으로 조합하면 덧셈, 비교, 저장 같은 모든 연산이 가능해집니다. 둘째는 '증폭기'로서의 쓰임으로, 아주 작은 전기 신호를 훨씬 큰 신호로 키워주는 역할입니다. 보청기나 마이크 앰프가 이 원리로 작동합니다. 셋째는 '변환기'로서의 쓰임입니다. 빛을 전기로 바꾸는 태양전지나 이미지 센서, 반대로 전기를 빛으로 바꾸는 LED, 온도에 따라 저항이 민감하게 바뀌는 서미스터(온도 센서)처럼, 반도체는 서로 다른 형태의 에너지와 정보를 넘나드는 '번역가' 역할도 합니다. 우리가 흔히 '반도체'라 하면 컴퓨터 칩만 떠올리기 쉽지만, 사실 이 세 가지 기능이야말로 오늘날 거의 모든 전자기기의 근간을 이루고 있습니다.

화학적으로 보면 반도체를 만드는 대표 원소는 규소(실리콘, Si)입니다. 규소는 지구 지각에서 산소 다음으로 흔한 원소로, 우리가 밟고 다니는 모래와 돌의 주성분이기도 합니다. 흔하디흔한 모래에서 초정밀 반도체가 태어난다는 사실이야말로 이 산업이 종종 '현대의 연금술'이라 불리는 이유입니다. 그런데 흥미롭게도 인류가 반도체라는 물질군의 존재를 눈치챈 것은 트랜지스터가 발명되기 무려 한 세기도 더 전의 일이었습니다. 다음 절에서 살펴볼 트랜지스터 발명 이전에도, 과학자들은 이미 '전기가 이상하게 흐르는 물질'의 존재를 알고 있었습니다.

1.2 진공관에서 트랜지스터로: 세상을 바꾼 위대한 전환

반도체 이전, 20세기 초반의 전자 기기들은 '진공관'이라는 부품으로 스위치 역할을 했습니다. 진공관은 유리로 된 전구처럼 생긴 부품 안에서 전자의 흐름을 제어하는 장치였는데, 문제는 크기가 크고, 뜨겁게 달아오르며, 전력을 많이 먹고, 걸핏하면 필라멘트가 끊어져 고장 났다는 점입니다. 세계 최초의 범용 전자식 컴퓨터 애니악(ENIAC, 1946년)은 진공관을 약 1만 8천 개나 사용했는데, 방 하나를 가득 채우는 크기에 무게는 30톤에 달했고, 진공관이 자주 타버려 유지보수만으로도 골머리를 앓았습니다. 실제로 애니악은 하루 평균 진공관 한두 개가 고장 나 정지하는 일이 흔했고, 엔지니어들은 늘 예비 진공관을 손에 쥐고 대기해야 했습니다.

이 문제를 해결한 것이 1947년 12월 미국 벨연구소에서 존 바딘, 월터 브래튼, 윌리엄 쇼클리가 발명한 '트랜지스터'였습니다. 이들은 게르마늄 결정에 두 개의 가느다란 금속 탐침을 아주 가깝게 접촉시켜 신호를 증폭시키는 '점접촉 트랜지스터'를 처음 만들었고, 이후 쇼클리가 이를 더 안정적인 구조인 '접합 트랜지스터'로 발전시켰습니다. 트랜지스터는 반도체 물질을 이용해 진공관과 똑같은 스위칭·증폭 기능을 훨씬 작은 크기, 훨씬 적은 전력, 훨씬 높은 신뢰성으로 구현한 부품이었습니다. 이 발명으로 세 사람은 1956년 노벨 물리학상을 받았고, 인류는 '전자시대'에서 '반도체 시대'로 넘어가는 결정적 전환점을 맞이했습니다. 흥미롭게도 벨연구소는 처음에는 이 발명의 상업적 가치를 크게 주목하지 않았고, 언론에 발표할 때도 '트랜지스터'라는 이름조차 사내 공모를 통해 뒤늦게 정해졌다고 전해집니다.

트랜지스터의 등장은 단순히 부품 하나가 바뀐 사건이 아니었습니다. 1954년 텍사스 인스트루먼트가 최초의 상업용 트랜지스터 라디오 '리전시 TR-1'을 선보이며 트랜지스터가 대중 소비재로 확산되는 신호탄을 쏘아 올렸고, 라디오와 보청기 같은 소형 가전을 시작으로 그 활용 범위가 빠르게 넓어졌습니다. 이후 여러 개의 트랜지스터를 하나의 작은 칩 위에 모아놓은 '집적회로(IC)'가 1958~1959년 잭 킬비와 로버트 노이스에 의해 각각 독립적으로 발명되면서, 인류는 손톱만 한 칩 위에 수천, 수백만, 이제는 수백억 개의 트랜지스터를 새겨 넣는 여정을 시작하게 됩니다. 이것이 바로 20세기 후반을 규정한 '제3차 산업혁명'(정보혁명)의 물리적 토대였습니다. 진공관이 개별 부품을 손으로 배선해 조립해야 했던 것과 달리, 집적회로는 하나의 웨이퍼 위에서 회로 전체를 한꺼번에 '찍어낼' 수 있었고, 이는 이후 반도체 산업 특유의 '대량생산을 통한 원가 절감' 구조를 낳은 결정적 계기가 되었습니다.

1.3 실리콘밸리의 탄생과 무어의 법칙의 역사적 의미

트랜지스터를 발명한 윌리엄 쇼클리는 1956년 고향인 캘리포니아로 돌아와 '쇼클리 반도체 연구소'를 세웁니다. 그는 노벨상 수상자다운 천재적 통찰력을 지녔지만, 동시에 직원들을 의심하고 감시하는 편집증적이고 독선적인 경영 스타일로 악명이 높았습니다. 결국 이듬해인 1957년, 로버트 노이스와 고든 무어를 포함한 8명의 젊은 과학자가 집단으로 퇴사해 '페어차일드 반도체'를 설립하는 사건이 벌어집니다. 격노한 쇼클리는 이들을 '배신자 8인(Traitorous Eight)'이라 부르며 비난했지만, 정작 이 사건이 바로 오늘날 '실리콘밸리'라 불리는 첨단기술 생태계의 씨앗이 되었습니다. 페어차일드 반도체는 이후 세계 최초로 상업적으로 실용 가능한 실리콘 기반 집적회로를 양산하며 큰 성공을 거뒀고, 여기서 훈련받은 인재들은 이후 인텔, AMD를 비롯해 수십 개의 반도체 기업을 연쇄적으로 창업했습니다. 이런 창업의 연쇄 반응 때문에 페어차일드는 흔히 '반도체 산업의 아담과 이브'라 불리며, 캘리포니아 산타클라라 밸리는 불과 한 세대 만에 과수원 지대에서 세계 최고의 기술 혁신 지역으로 탈바꿈했습니다.

이 시기 반도체 산업의 방향을 가장 극적으로 예견한 것이 1965년 페어차일드 반도체 연구소장이었던(이후 인텔을 공동창업하는) 고든 무어가 전자공학 전문지 『일렉트로닉스』에 기고한 글에서 내놓은 '무어의 법칙'입니다. 그는 "반도체 집적회로에 들어가는 트랜지스터의 수가 약 1년마다 두 배로 증가한다"고 관찰했고, 이후 1975년 이 주기를 약 2년으로 수정했습니다(업계에서는 흔히 18개월이라는 절충된 수치로도 인용됩니다). 이는 엄밀한 물리법칙이 아니라 산업의 경험적 추세를 정리한 예측이었지만, 이후 반세기 넘게 실제로 들어맞으면서 반도체 업계 전체의 '자기실현적 목표'이자 '채찍'으로 작동했습니다. 기업들은 무어의 법칙에 맞춰 신제품 로드맵을 짰고, 경쟁사보다 뒤처지면 시장에서 도태된다는 위기감 속에 막대한 연구개발비를 쏟아부었습니다. 실제로 인텔을 비롯한 주요 기업들은 무어의 법칙을 '따라야 할 예측'이 아니라 '반드시 지켜내야 할 산업 표준'처럼 취급하며, 신제품 출시 주기 자체를 이 리듬에 맞춰 설계해왔습니다.

무어의 법칙이 지닌 진짜 의미는 단순한 성능 향상이 아니라 '비용의 극적인 하락'에 있습니다. 트랜지스터 하나의 가격이 기하급수적으로 떨어지면서, 컴퓨터는 정부와 대기업의 전유물에서 개인용 PC, 스마트폰, 그리고 오늘날 누구나 손에 쥔 인공지능 도구로까지 확산될 수 있었습니다. 1970년대 인텔의 4004 프로세서에는 약 2,300개의 트랜지스터가 들어갔지만, 오늘날 최신 AI 반도체 하나에는 수백억에서 1,000억 개가 넘는 트랜지스터가 집적되어 있습니다. 반세기 만에 트랜지스터 집적 밀도가 수천만 배 이상 늘어난 셈입니다. 반도체의 역사를 이해한다는 것은 결국 '지능의 가격이 얼마나 빠르게 저렴해졌는가'의 역사를 이해하는 일이기도 합니다. 다만 최근 들어서는 트랜지스터의 물리적 크기가 원자 몇 개 수준까지 좁아지면서, 순수한 미세화만으로 성능을 끌어올리던 전통적인 무어의 법칙은 점차 한계에 다다르고 있다는 평가도 나옵니다. 이는 6장에서 다룰 첨단 패키징과 차세대 반도체 기술이 왜 그토록 중요해졌는지를 이해하는 실마리이기도 합니다.

2.1 원소 주기율표와 규소(Silicon): 왜 하필 실리콘인가?

반도체 산업의 주인공인 규소는 원소 주기율표 14족(탄소족)에 속하는 원소로, 원자번호 14번입니다. 14족 원소들은 가장 바깥 전자껍질에 전자 4개를 가지고 있다는 공통점이 있는데, 이 '4개의 손'이 반도체 물성의 핵심 열쇠입니다. 규소 원자 하나는 이웃한 규소 원자 4개와 손을 맞잡듯 전자를 공유하며 매우 안정적인 결정 구조(다이아몬드 구조)를 이룹니다. 이렇게 손을 다 맞잡은 상태에서는 전자가 자유롭게 돌아다니지 못해 전기가 잘 통하지 않지만, 온도를 높이거나 특정 불순물을 첨가하면 일부 전자가 손을 놓고 자유롭게 움직이면서 전기가 흐르기 시작합니다.

같은 14족 원소인 탄소(C)도 흥미로운 비교 대상입니다. 탄소 원자 역시 전자 4개를 갖고 있지만, 원자 크기가 작고 전자를 훨씬 단단히 붙잡고 있어 다이아몬드 형태에서는 사실상 절연체에 가깝게 행동합니다. 반면 규소는 원자핵이 탄소보다 크고 바깥 전자를 상대적으로 느슨하게 붙잡고 있어, 적당한 에너지만 가해져도 전자가 결합에서 풀려나기 쉬운, 말 그대로 도체와 절연체의 '중간 성격'을 갖게 됩니다. 이는 같은 족 원소라도 원자 크기와 전자 배치의 미묘한 차이가 물질의 전기적 성질을 완전히 다르게 만든다는 것을 잘 보여주는 사례입니다.

그렇다면 왜 하필 규소일까요? 사실 반도체 성질을 가진 원소나 화합물은 게르마늄(Ge), 갈륨비소(GaAs) 등 여러 가지가 있습니다. 앞 장에서 살펴본 것처럼 초기 트랜지스터는 오히려 게르마늄으로 만들어졌습니다. 그러나 규소가 산업의 표준으로 자리 잡은 데는 몇 가지 결정적인 이유가 있습니다. 첫째, 지구 지각에서 산소 다음으로 흔해 원료 확보가 압도적으로 유리합니다. 둘째, 규소는 산소와 반응해 이산화규소(SiO₂)라는 매우 안정적이고 우수한 절연막을 자연스럽게 만들어내는데, 이는 반도체 회로에서 전기 신호가 새어나가지 않도록 막는 '벽'을 만드는 데 결정적으로 유리합니다. 게르마늄산화물은 물에 잘 녹고 불안정해 이런 절연막 용도로 쓰기 어렵다는 점이 대조적입니다. 셋째, 규소는 게르마늄보다 밴드갭이 넓어 열에 강하고, 훨씬 높은 온도에서도 안정적으로 동작합니다.

물론 최근에는 특수한 용도(고주파 통신, 전력 반도체 등)에 갈륨비소, 실리콘카바이드(SiC), 질화갈륨(GaN) 같은 화합물 반도체도 널리 쓰이고 있으며, 이는 6장에서 자세히 다룹니다. 하지만 여전히 디지털 논리회로와 메모리의 절대다수는 규소 기반이며, 이 때문에 반도체 산업 자체를 흔히 '실리콘 문명'이라 부르기도 합니다.

2.2 에너지 밴드 이론과 전자·정공의 춤사위

그림 2-1. 도체·반도체·절연체의 에너지 밴드 비교 — 밴드갭의 크기가 전기 전도성을 결정한다.

반도체의 동작 원리를 제대로 이해하려면 '에너지 밴드'라는 개념을 알아야 합니다. 물질 속 전자는 아무 에너지값이나 가질 수 있는 것이 아니라, 마치 건물의 각 층처럼 정해진 '에너지 층(밴드)'에만 존재할 수 있습니다. 이는 양자역학의 기본 원리로, 원자 하나에서는 전자가 특정한 궤도(에너지 준위)에만 머물 수 있는데, 수많은 원자가 규칙적으로 모여 결정을 이루면 이 개별 준위들이 서로 겹치고 뭉쳐 넓은 '띠(밴드)' 형태로 변합니다. 전자가 원자에 묶여 있는 낮은 층을 '가전자대(價電子帶)', 전자가 자유롭게 돌아다니며 전류를 만들 수 있는 높은 층을 '전도대(傳導帶)'라 부릅니다. 그리고 이 두 층 사이에는 전자가 존재할 수 없는 '금지대(밴드갭)'라는 빈 공간이 있습니다.

도체는 가전자대와 전도대가 거의 붙어 있거나 겹쳐 있어 전자가 손쉽게 위층으로 올라가 자유롭게 흐릅니다. 절연체는 이 밴드갭이 너무 넓어서(약 5eV 이상) 어지간한 에너지로는 전자가 절대 뛰어넘지 못합니다. 반도체는 그 중간, 규소의 경우 약 1.1eV 정도의 적당한 밴드갭을 가지고 있어서, 열이나 빛 같은 적당한 에너지만 주어져도 전자가 가전자대에서 전도대로 '점프'할 수 있습니다. 참고로 1eV(전자볼트)는 전자 하나가 1볼트의 전위차를 통과할 때 얻는 에너지로, 매우 작은 단위지만 원자 하나 크기의 세계에서는 결코 무시할 수 없는 값입니다.

여기서 흥미로운 점이 하나 더 있습니다. 전자가 가전자대를 떠나 전도대로 올라가면, 원래 있던 자리에는 전자 하나가 빠진 '빈자리'가 생깁니다. 이 빈자리는 마치 양(+)전하를 띤 입자처럼 행동하며 물질 속을 이동하는데, 이를 '정공(正孔, hole)'이라 부릅니다. 신기하게도 정공은 실제 입자가 아니라 '전자가 빠진 자리'일 뿐이지만, 옆에 있던 다른 전자가 그 빈자리를 채우러 오면서 마치 빈자리 자체가 반대 방향으로 이동하는 것처럼 보입니다. 결국 반도체 속에서는 음(-)전하를 가진 자유전자와 양(+)전하처럼 행동하는 정공, 이 두 종류의 '전하 운반자(캐리어)'가 함께 춤을 추듯 움직이며 전류를 만들어냅니다. 이렇게 전자와 정공이 함께 전류 형성에 기여한다는 사실은, 반도체가 도체와 근본적으로 다른 방식으로 전기를 나른다는 점을 보여주는 핵심적인 특징입니다.

온도가 오를수록 더 많은 전자가 가전자대에서 전도대로 튀어 오르기 때문에, 반도체는 금속과 정반대의 온도 특성을 보입니다. 금속은 온도가 오르면 원자의 열진동이 심해져 전자의 흐름을 방해하므로 저항이 커지는 반면, 반도체는 온도가 오를수록 오히려 전하 운반자 수가 늘어나 저항이 낮아집니다. 이 성질은 온도를 감지하는 센서(서미스터)에 실제로 응용되며, 1.1절 부록에서 소개한 패러데이의 1833년 관찰이 바로 이 현상의 최초 목격담이었던 셈입니다.

2.3 P형과 N형 반도체, 그리고 PN 접합의 정류 작용

순수한 규소 결정만으로는 전기가 아주 조금밖에 흐르지 않습니다. 반도체를 쓸모 있게 만드는 진짜 비결은 '도핑(doping)'이라는 과정, 즉 규소에 아주 미량의 다른 원소를 의도적으로 섞는 데 있습니다. 도핑 농도는 보통 규소 원자 100만~1억 개당 불순물 원자 1개 수준으로, 극도로 정밀하게 통제됩니다. 규소(4족, 전자 4개)에 전자를 5개 가진 인(P)이나 비소(As) 같은 5족 원소를 섞으면, 결합에 쓰이지 않는 전자 1개가 남아 자유롭게 돌아다니게 됩니다. 이렇게 자유전자(음전하)가 많아진 반도체를 'N형 반도체(negative)'라 부릅니다. 반대로 전자를 3개만 가진 붕소(B) 같은 3족 원소를 섞으면 결합에 전자 하나가 모자라 빈자리, 즉 정공(양전하처럼 행동)이 많아지는데 이를 'P형 반도체(positive)'라 부릅니다. 흥미로운 점은 N형이든 P형이든 반도체 결정 전체는 여전히 전기적으로 중성이라는 사실입니다. 자유전자나 정공이 많아졌을 뿐, 원자핵의 양전하와 전체 전자의 음전하는 여전히 균형을 이루고 있습니다.

반도체 소자의 가장 기본적인 구조는 이 N형과 P형을 한 결정 안에서 맞붙여 놓은 'PN 접합'입니다. 두 영역이 만나는 경계면에서는 N형의 남는 전자들이 P형 쪽으로, P형의 남는 정공들이 N형 쪽으로 서로 확산해 들어가 결합하면서, 경계 부근에 전하 운반자가 거의 없는 '공핍층'이 형성됩니다. 이 공핍층은 마치 얇은 장벽처럼 작용해 평소에는 전류가 거의 흐르지 못하게 막습니다. 이 확산과 재결합 과정에서 접합 경계에는 아주 작은 내부 전위차(built-in potential)까지 자연스럽게 형성되는데, 실리콘의 경우 대략 0.6~0.7볼트 수준입니다.

그런데 여기에 외부 전압을 어느 방향으로 거느냐에 따라 완전히 다른 결과가 나타납니다. P형에 (+), N형에 (-) 전압을 걸면(순방향 바이어스) 공핍층이 얇아지며 전류가 잘 흐르고, 반대로 걸면(역방향 바이어스) 공핍층이 더 두꺼워지며 전류가 거의 흐르지 않습니다. 이렇게 한쪽 방향으로만 전류를 흐르게 하는 성질을 '정류 작용'이라 하며, 이 원리로 만든 가장 단순한 소자가 '다이오드'입니다. 그리고 PN 접합을 N-P-N 또는 P-N-P 세 겹으로 쌓아 만든 것이 바로 트랜지스터입니다. 트랜지스터에서는 가운데 얇은 층('베이스')에 아주 작은 전류나 전압을 걸어주는 것만으로, 양쪽 두꺼운 층('이미터'와 '컬렉터') 사이로 흐르는 훨씬 큰 전류를 정교하게 제어할 수 있는데, 이 '작은 신호로 큰 흐름을 조절하는' 원리가 바로 증폭과 스위칭의 핵심입니다. 즉 오늘날 모든 반도체 칩 속 수백억 개의 트랜지스터는, 결국 이 P형과 N형 반도체를 정교하게 배치하고 조합한 결과물인 셈입니다.

2.4 반도체 제조의 뼈대: 웨이퍼(Wafer)의 탄생과 고순도 정제 공정

모든 반도체 칩은 '웨이퍼'라 불리는 얇은 원판 위에서 태어납니다. 이 웨이퍼를 만드는 첫걸음은 모래(규사) 속의 이산화규소를 화학적으로 환원시켜 순도 약 98~99%의 '금속급 실리콘(MGS)'을 얻는 것에서 시작합니다. 이 단계의 실리콘은 태양전지용 패널이나 합금 재료로는 쓸 수 있지만, 반도체용으로 쓰기에는 이 정도 순도로는 턱없이 부족합니다. 반도체 등급 실리콘은 순도가 99.999999999%(소위 '일레븐 나인')에 달해야 하는데, 이는 지구 전체 인구 중 단 한 사람만 불순물이어야 할 정도의 극한의 순도입니다. 이를 위해 실리콘을 염소와 반응시켜 액체 화합물(삼염화실란)로 만든 뒤 증류와 환원을 반복하는 '지멘스 공정' 등을 거쳐 초고순도 다결정 실리콘(폴리실리콘)을 얻습니다. 이 정제 과정에서 실리콘은 액체와 기체 상태를 오가며 여러 차례 증류를 반복하는데, 이는 마치 술을 증류해 알코올 순도를 높이는 과정과 원리적으로 비슷합니다.

이렇게 얻은 초고순도 폴리실리콘 덩어리를 녹여 하나의 완벽한 결정 구조를 가진 원기둥(잉곳, ingot)으로 다시 성장시키는 과정이 이어집니다. 대표적인 방법이 '초크랄스키(Czochralski) 공법'으로, 1916년 폴란드 화학자 얀 초크랄스키가 금속 결정 성장 연구 중 우연히 발견한 방법을 반도체용으로 정교하게 발전시킨 것입니다. 도가니에 녹인 실리콘 용액(섭씨 약 1,420도)에 아주 작은 '씨결정(seed crystal)'을 담근 뒤, 이를 회전시키면서 아주 천천히(시간당 수 밀리미터 속도로) 끌어올려 지름 300mm(12인치)에 달하는 거대한 단결정 원기둥을 키워냅니다. 이 잉곳은 원자 배열이 흐트러짐 없이 처음부터 끝까지 하나의 결정으로 이어져 있어야 하며, 이 정밀함이 이후 모든 공정 수율을 좌우합니다. 성장 과정에서 온도가 조금만 흔들려도 결정에 결함이 생기기 때문에, 이 공정은 며칠에 걸쳐 극도로 안정된 환경에서 진행됩니다.

완성된 잉곳은 다이아몬드 톱으로 종잇장처럼 얇게(약 0.7~1mm) 잘려 원판, 즉 웨이퍼가 됩니다. 이후 표면을 매끄럽게 연마(폴리싱)하고 세척하는 과정을 거쳐야 비로소 회로를 새길 수 있는 '거울처럼 매끈한 캔버스'가 완성되는데, 완성된 웨이퍼 표면의 굴곡은 원자 몇 개 수준으로만 허용될 만큼 엄격하게 관리됩니다. 웨이퍼는 크기가 클수록(1990년대 200mm에서 2000년대 이후 300mm로) 한 번에 더 많은 칩을 찍어낼 수 있어 생산성이 높아지기 때문에, 웨이퍼 대형화는 곧 반도체 원가 절감의 역사이기도 합니다. 최근에는 차세대 450mm 웨이퍼 전환 논의도 있었지만, 막대한 설비 전환 비용 탓에 아직 300mm가 업계 표준으로 유지되고 있습니다. 이렇게 만들어진 웨이퍼가 다음 장에서 다룰 '반도체 8대 공정'이라는 수백 단계의 정밀 조각 과정을 거치며 비로소 살아있는 칩으로 완성됩니다.

그림 3-1. 웨이퍼 준비부터 테스트·패키징까지, 반도체 8대 공정 한눈에 보기.

3.1 회화의 예술, 포토(Photo) 공정과 EUV 리소그래피

웨이퍼라는 캔버스가 준비되면, 그 위에 회로 설계도를 옮기는 첫 단추가 바로 '포토(포토리소그래피, 사진식각)' 공정입니다. 원리는 사진 인화와 놀랍도록 비슷합니다. 먼저 웨이퍼 표면에 빛에 민감한 화학물질인 '감광액(포토레지스트)'을 얇게 도포합니다. 그 위에 회로 패턴이 새겨진 유리판, 즉 '포토마스크(레티클)'를 놓고 강한 빛을 투과시키면, 마스크의 패턴대로 빛이 웨이퍼에 노광됩니다. 빛을 받은 부분과 받지 않은 부분은 화학적 성질이 달라지고, 이를 현상액으로 씻어내면 마치 사진을 인화하듯 회로 패턴이 웨이퍼 위에 그대로 새겨집니다. 이 노광-현상 과정은 웨이퍼 한 장 위에서 수백 번 반복되는데, 매번 아주 미세하게 위치를 옮겨가며 마스크의 패턴을 웨이퍼 전면에 촘촘히 '도장 찍듯' 복제해 나갑니다.

여기서 반도체 미세화 경쟁의 핵심 변수가 등장합니다. 바로 '빛의 파장'입니다. 빛은 파장이 짧을수록 더 가늘고 정교한 선을 그릴 수 있는데, 이는 마치 두꺼운 붓으로는 세밀화를 그릴 수 없는 것과 같은 이치입니다. 과거에는 파장 193nm의 불화아르곤(ArF) 레이저를 사용했으며, 물과 렌즈 사이에 매질을 채워 빛의 굴절률을 높이는 '액침(immersion)' 기술까지 총동원해 그 한계를 최대한 밀어붙였습니다. 하지만 회로 선폭이 10nm 이하로 좁아지면서 이 빛만으로는 물리적 한계에 부딪혔습니다. 이를 돌파한 것이 파장 13.5nm의 극자외선을 사용하는 'EUV(Extreme Ultraviolet) 리소그래피'입니다. EUV는 공기 중에서 거의 모든 물질에 흡수되어버리기 때문에, 장비 내부를 완전한 진공으로 만들고 렌즈 대신 특수 코팅된 반사거울만으로 빛의 경로를 설계해야 하는, 인류 정밀 광학 기술의 정점이라 할 수 있습니다. EUV 광원 자체를 만드는 과정도 놀랍습니다. 초당 수만 번씩 미세한 주석(Sn) 방울에 강력한 레이저를 두 차례 쏘아 플라즈마 상태로 만들어야 비로소 13.5nm 파장의 빛이 발생하는데, 이 광원 하나를 안정적으로 유지하는 것 자체가 독자적인 첨단 기술 영역입니다. 이 극한의 장비를 세계에서 유일하게 양산 공급하는 기업이 네덜란드의 ASML이며, 화물기 여러 대에 나눠 실어야 운송이 가능할 정도로 거대합니다. 표준 EUV 장비는 대당 약 1,500억~2,000억 원 수준이며, 2026년 들어 본격 양산에 들어간 차세대 High-NA EUV(TWINSCAN EXE:5200)는 대당 3억~4억 달러(약 4,000억~5,500억 원)에 달합니다(출처: TechPowerUp·FinancialContent, 2026년 1~2월 보도 · 부록 출처 5-1 참고).

2026년 현재 파운드리 최선단 기업들은 EUV(및 노광 정밀도를 더욱 끌어올린 High-NA EUV)를 활용해 2nm급 공정의 양산을 본격화하고 있습니다. TSMC는 2026년 말까지 월 10만 장 규모의 2nm 웨이퍼 생산능력을 갖출 것으로 알려졌으며(출처: WccfTech, 2026년 보도 기준 · 부록 출처 5-2), 그다음 세대인 1.4nm급(A14) 공정은 2027년 리스크 생산 개시, 2028년 상반기 양산 개시가 목표로 제시되고 있습니다(출처: TrendForce, 2026년 7월 30일 보도 · 부록 출처 5-2). 다만 여기서 말하는 'nm(나노미터)' 수치는 실제 트랜지스터의 물리적 크기를 그대로 가리키는 것이 아니라, 세대별 성능·밀도 개선을 나타내는 업계 통용 명칭에 가깝다는 점도 알아둘 필요가 있습니다. 회로 선폭이 원자 수십 개 굵기 수준으로 좁아진 지금, 포토 공정은 그야말로 빛으로 원자 단위를 조각하는 예술의 경지에 이르렀다고 할 수 있습니다.

3.2 정밀한 조각, 식각(Etching) 공정

포토 공정으로 감광액에 회로 패턴을 새겼다면, 이제 그 패턴대로 실제 물질(실리콘이나 그 위에 쌓인 박막)을 깎아내야 합니다. 이 과정이 바로 '식각(Etching)'입니다. 감광액이 덮여 있지 않은 부분, 즉 빛에 노출되어 씻겨나간 부분만 화학적으로 녹이거나 물리적으로 깎아내고, 감광액이 남아있는 부분은 마스크처럼 보호되어 원래 형태를 유지합니다. 이 과정을 마치면 감광액을 제거하고, 웨이퍼 위에는 설계도 그대로의 입체적인 회로 구조물이 남게 됩니다.

식각에는 크게 두 가지 방식이 있습니다. 화학 약품(주로 산 용액)에 웨이퍼를 담가 원하는 부분을 녹여내는 '습식 식각(wet etching)'과, 반응성 가스를 플라즈마 상태로 만들어 이온과 라디칼을 웨이퍼 표면에 충돌시켜 깎아내는 '건식 식각(dry etching)'입니다. 습식 식각은 공정이 간단하고 처리 속도가 빠르며 웨이퍼를 손상시키지 않아, 초기 반도체 공정이나 세정 단계에서 여전히 폭넓게 쓰입니다. 하지만 화학반응이 모든 방향으로 고르게 일어나는 '등방성' 특성 때문에 원하는 방향 외에도 옆으로 파고들어 미세한 패턴을 만들기 어렵습니다. 반면 건식 식각은 플라즈마 이온을 원하는 방향(주로 수직 아래)으로만 강하게 때려 넣을 수 있어, 옆으로는 거의 깎이지 않고 수직으로만 깊게 파고드는 '이방성' 식각이 가능합니다. 오늘날 나노미터 단위의 초미세 회로를 만드는 데는 이 건식 식각, 그중에서도 이온의 물리적 충격과 화학반응을 동시에 이용하는 '반응성 이온 식각(RIE)' 기술이 핵심적으로 쓰입니다.

최근에는 회로가 평면에서 수직으로 수백 층씩 쌓아 올리는 3차원 구조(낸드플래시의 적층 구조 등)로 진화하면서, 식각 공정의 난이도는 더욱 극단적으로 높아지고 있습니다. 지름 수십 나노미터의 구멍을 종횡비(깊이 대 너비의 비율) 수십 대 일에 달하도록 수직으로 곧게 뚫어야 하는데, 이는 마치 실 한 가닥 굵기의 구멍을 63빌딩 높이만큼 휘지 않고 곧게 뚫는 것과 같은 초정밀 작업입니다. 이런 고종횡비 식각에서는 가스와 이온을 짧은 시간 동안 번갈아 주입하며 측벽을 보호막으로 코팅하고 바닥만 계속 파 내려가는 '보시(Bosch) 공정' 같은 정교한 기법이 활용되기도 합니다.

3.3 물질을 입히는 증착(Deposition)과 이온 주입(Ion Implantation) 공정

반도체 칩은 단순히 실리콘을 깎아서만 만들어지지 않습니다. 트랜지스터와 배선을 완성하려면 절연막, 금속막, 반도체 박막 등 다양한 물질을 웨이퍼 위에 원자 또는 분자 단위의 얇은 막으로 '입히는' 과정이 필수적인데, 이를 '증착(Deposition)'이라 부릅니다. 대표적인 방식으로는 화학반응을 이용해 가스 상태의 물질을 웨이퍼 표면에 화학적으로 반응시켜 막을 입히는 '화학 기상 증착(CVD)', 그리고 고체 재료를 물리적으로 증발시키거나 스퍼터링(플라즈마로 가속된 입자를 표적 물질에 때려 원자를 튕겨내는 방식)해 막을 입히는 '물리 기상 증착(PVD)'이 있습니다. 최근 회로가 원자 수 개 두께 수준으로 미세해지면서는, 화학반응을 한 층씩 순차적으로 일으켜 원자층 단위로 정밀하게 막을 쌓아 올리는 '원자층 증착(ALD)' 기술의 중요성이 크게 커지고 있습니다. ALD는 CVD보다 속도는 느리지만, 두께를 원자 한 층 단위로 조절할 수 있어 최선단 공정의 핵심 절연막·장벽막 형성에 필수적입니다.

한편 '이온 주입(Ion Implantation)'은 앞서 2장에서 설명한 도핑, 즉 웨이퍼에 불순물 원소를 넣어 P형·N형 반도체 영역을 만드는 실제 산업 공정입니다. 붕소나 인, 비소 같은 불순물 원자를 이온화한 뒤, 강한 전기장(수만~수십만 볼트)으로 가속시켜 마치 총알처럼 웨이퍼 표면에 쏘아 박아 넣습니다. 이온의 가속 에너지를 조절하면 불순물이 웨이퍼 표면에서 얼마나 깊이 박히는지를, 그리고 주입량(도즈, dose)을 조절하면 그 농도를 원자 단위로 정밀하게 제어할 수 있습니다. 이온을 쏘아 넣는 과정에서 실리콘 결정 격자에 물리적 충격이 가해져 결정 구조가 흐트러지는데, 이를 그대로 두면 전기적 특성이 나빠지기 때문에 이후 고온(섭씨 900~1,100도 수준)에서 짧게 열처리(어닐링)해 원자 배열을 다시 가지런히 정돈하는 동시에 주입된 불순물 원자를 결정 자리에 안착시켜 줍니다.

증착과 이온 주입은 포토·식각 공정과 수십, 수백 차례 번갈아 반복되면서 웨이퍼 위에 트랜지스터와 배선층을 층층이 쌓아 올립니다. 최신 로직 칩 하나를 완성하는 데는 이런 세부 공정이 수백에서 천 단계 가까이 반복되며, 전체 제조 기간은 웨이퍼 투입부터 완성까지 통상 두세 달가량 걸립니다. 이 모든 단계가 티끌 하나 없는 '클린룸'이라는 극도로 통제된 환경에서 이루어져야 하는데, 최선단 클린룸은 1세제곱피트 공기 중에 0.1마이크로미터보다 큰 입자가 1개 이하로 관리될 만큼 일반 수술실보다도 수백 배 청정한 환경입니다.

3.4 금속선 연결(Metallization)과 반도체 테스트·패키징

트랜지스터라는 '스위치'들을 아무리 정교하게 만들어도, 이들을 원하는 순서와 방식으로 서로 연결해주지 않으면 아무 쓸모가 없습니다. 이 연결 작업이 '금속 배선(Metallization)' 공정입니다. 과거에는 배선 재료로 알루미늄을 주로 썼지만, 1990년대 후반 IBM이 상용화에 성공한 이후로는 회로가 미세해지고 신호 속도가 중요해지면서 전기 저항이 더 낮은 구리(Cu)로 대체되었습니다. 구리는 알루미늄보다 저항은 낮지만 실리콘 속으로 쉽게 확산해 소자를 오염시키는 특성이 있어, 구리 배선 주위에는 이를 막는 얇은 장벽막(barrier layer)을 반드시 함께 증착해야 합니다. 최신 고성능 칩은 이런 금속 배선층을 무려 10층 이상, 많게는 15층 안팎까지 겹겹이 쌓아 올리는데, 이는 마치 도시의 지하에 여러 층으로 얽힌 지하철 노선도처럼, 수백억 개 트랜지스터 사이를 미로처럼 연결하는 초고밀도 배선망입니다. 배선의 총 길이를 다 합치면 손톱만 한 칩 하나 안에 수 킬로미터에 달하는 경우도 있습니다.

이렇게 웨이퍼 한 장 위에서 수백 개, 많게는 수천 개의 동일한 칩(다이, die)이 동시에 완성되면, 각 칩이 설계대로 제대로 동작하는지 확인하는 '테스트(Test)' 공정이 이어집니다. 웨이퍼 상태에서 머리카락보다 가는 미세한 탐침(프로브)을 칩의 전극에 접촉시켜 전기적 특성을 검사하는 'EDS(전기적 다이 소팅)' 테스트를 거쳐, 불량 칩에는 미리 표시(잉크 마킹 또는 전자 지도 기록)를 남겨 걸러냅니다. 이 단계에서의 '수율(양품 비율)'이 곧 반도체 기업의 수익성을 좌우하는 핵심 지표로, 최선단 공정 초기에는 수율이 절반에도 못 미치다가 공정이 안정화되며 점차 개선되는 것이 일반적입니다.

양품으로 판정된 칩은 웨이퍼에서 낱개로 잘라낸(다이싱) 뒤, 외부 충격과 습기, 산소로부터 보호하고 외부 회로와 연결할 수 있도록 포장하는 '패키징(Packaging)' 공정을 거칩니다. 과거의 패키징은 단순히 칩을 플라스틱이나 세라믹으로 감싸고 가느다란 금속선(와이어 본딩)으로 외부 단자와 연결하는 수준이었지만, 오늘날에는 여러 개의 칩을 하나의 패키지 안에 수직·수평으로 정교하게 결합하는 '첨단 패키징'이 반도체 성능을 좌우하는 새로운 전장으로 떠올랐습니다. 이는 4장에서 더 자세히 다루겠습니다. 패키징까지 완료된 칩은 마지막으로 완제품 상태에서 다시 한번 최종 테스트(번인 테스트 등 실사용 조건 시뮬레이션 포함)를 거친 뒤에야 비로소 스마트폰, PC, 서버로 출하됩니다.

4.1 IDM(종합반도체기업) vs Fabless(설계 전문) vs Foundry(위탁 생산)

반도체 산업의 사업 구조를 이해하는 첫걸음은 '누가 설계하고, 누가 만드는가'를 구분하는 일입니다. 반도체 사업 모델은 크게 세 가지로 나뉩니다. 첫째, 'IDM(Integrated Device Manufacturer, 종합반도체기업)'은 설계부터 생산(파운드리), 패키징, 판매까지 모든 과정을 한 회사가 직접 수행하는 전통적인 모델입니다. 삼성전자와 인텔이 대표적인 IDM으로, 막대한 설비 투자가 필요하지만 설계와 제조를 유기적으로 통합해 최적화할 수 있다는 장점이 있습니다. 1980~90년대까지만 해도 반도체 기업 대부분이 이 IDM 형태였는데, 공정 미세화 경쟁이 격화되며 최첨단 공장 하나를 짓는 데 필요한 투자액이 기하급수적으로 불어나자, 이를 감당하지 못하는 기업들이 하나둘 설계 또는 제조 어느 한쪽으로 특화하기 시작하며 오늘날의 분업 구조가 자리 잡았습니다.

둘째, 'Fabless(팹리스)'는 자체 생산 설비(fab, 팹) 없이(less) 오직 칩 설계에만 집중하고, 실제 제조는 외부 위탁 생산업체에 맡기는 모델입니다. 엔비디아, 퀄컴, AMD, 애플이 대표적인 팹리스 기업입니다. 이들은 공장을 짓는 데 드는 천문학적 비용(최첨단 파운드리 공장 하나에 수십조 원이 들어갑니다) 없이, 설계 역량과 소프트웨어 생태계에만 자원을 집중할 수 있어 훨씬 민첩하게 시장 변화에 대응할 수 있습니다. 실제로 애플은 스마트폰 AP를 자체 설계하지만 단 한 개의 공장도 소유하지 않으며, 전량 TSMC에 위탁 생산합니다.

셋째, 'Foundry(파운드리)'는 자체 설계 제품 없이, 팹리스 기업들이 설계한 칩을 위탁받아 대신 생산해주는 전문 제조업체입니다. 대만의 TSMC가 압도적 1위이며, 삼성전자 파운드리 사업부, 미국 글로벌파운드리스, 대만 UMC 등이 그 뒤를 잇습니다. 파운드리는 "고객과 경쟁하지 않는다"는 원칙 아래, 여러 팹리스 고객사의 설계도를 비밀리에 생산해주는 신뢰 기반 사업입니다. 이 원칙은 단순한 구호가 아니라 사업의 존립 근거 그 자체입니다. 만약 파운드리가 고객사의 설계 정보를 활용해 경쟁 제품을 몰래 만든다면, 그 순간 모든 팹리스 고객사의 신뢰를 잃고 사업 자체가 무너지기 때문입니다.

이 세 모델은 서로 경쟁하기보다 촘촘한 분업 생태계를 이루고 있습니다. 팹리스가 아이디어와 설계를, 파운드리가 첨단 제조 역량을, 그리고 후공정 전문업체(OSAT)가 패키징과 테스트를 각각 전담하는 구조 덕분에, 막대한 자본 없이도 혁신적인 아이디어만 있으면 누구나 반도체 시장에 진입할 수 있는 길이 열렸습니다. 이것이 지난 20여 년간 수많은 AI 반도체 스타트업이 폭발적으로 등장할 수 있었던 산업적 배경입니다. 다만 이 분업 구조는 동시에 하나의 취약점도 함께 드러냅니다. 설계 역량이 아무리 뛰어나도 최첨단 제조 능력을 가진 파운드리는 전 세계에서 손에 꼽히기 때문에, 이 소수의 제조 거점에 문제가 생기면 전체 산업 생태계가 동시에 흔들릴 수 있다는 점입니다. 이는 5장에서 다룰 공급망 지정학 문제와도 직결됩니다.

4.2 메모리 반도체(DRAM·NAND)와 시스템 반도체(CPU·GPU·NPU)의 차이

반도체는 기능에 따라 크게 '메모리 반도체'와 '시스템(비메모리) 반도체'로 나뉩니다. 메모리 반도체는 정보를 저장하는 역할을 하며, 대표적으로 'DRAM'과 '낸드플래시(NAND)'가 있습니다. DRAM은 전원이 꺼지면 저장된 정보가 사라지는 '휘발성' 메모리로, 컴퓨터가 지금 이 순간 처리 중인 데이터를 빠르게 임시 저장하는 '작업대' 역할을 합니다. DRAM이라는 이름의 'D(Dynamic)'는 저장된 정보가 시간이 지나면 자연히 사라지기 때문에 수 밀리초마다 정보를 다시 써넣는 '리프레시' 동작이 끊임없이 필요하다는 특성에서 붙여졌습니다. 반면 낸드플래시는 전원이 꺼져도 정보가 유지되는 '비휘발성' 메모리로, SSD나 스마트폰 저장공간처럼 데이터를 장기 보관하는 '서랍장' 역할을 합니다. 메모리 반도체는 표준화된 규격 제품을 대량 생산하는 특성이 강해, 삼성전자와 SK하이닉스, 미국 마이크론 등 소수 기업이 세계 시장을 과점하는 구조이며, 가격이 수요와 공급에 따라 등락하는 '사이클' 산업이라는 특징도 갖고 있습니다.

시스템 반도체(비메모리 반도체)는 정보를 저장하는 대신 '연산과 제어'를 담당하는 반도체로, 그 종류가 훨씬 다양합니다. 컴퓨터의 두뇌 역할을 하는 CPU(중앙처리장치)는 복잡한 명령을 순차적으로 정교하게 처리하는 데 특화되어 있으며, 보통 수 개에서 수십 개의 강력한 '코어'로 구성됩니다. 반면 GPU(그래픽처리장치)는 원래 화면의 수많은 픽셀을 동시에 그려내기 위해 개발된 칩으로, 복잡한 명령 하나를 정교하게 처리하기보다 단순한 계산을 동시에 대량으로 처리하는 '병렬 연산'에 특화되어 있습니다. GPU 한 개에는 수천에서 수만 개에 이르는 단순 연산 코어가 들어가는데, 이 병렬 연산 구조가 공교롭게도 인공신경망 학습에 필요한 행렬 연산과 궁합이 아주 잘 맞아떨어지면서, GPU는 오늘날 생성형 AI 시대의 핵심 엔진으로 떠올랐습니다.

여기에 더해 최근에는 인공지능 연산만을 위해 처음부터 맞춤 설계된 NPU(신경망처리장치)나 구글의 TPU 같은 전용 반도체(ASIC)가 빠르게 부상하고 있습니다. 범용성을 일부 포기하는 대신, 특정 연산(신경망 추론·학습)만큼은 전력 효율과 속도 면에서 CPU·GPU보다 훨씬 뛰어난 성능을 내도록 설계된 것이 특징입니다. 이는 마치 '무엇이든 조금씩 다 할 줄 아는 사람'보다 '한 가지 일만큼은 세계 최고 수준으로 잘하는 전문가'가 특정 업무에서는 훨씬 뛰어난 성과를 내는 것과 비슷한 이치입니다. 결국 오늘날의 컴퓨팅 시스템은 CPU(범용 제어), GPU(병렬 연산), NPU/ASIC(특화 가속), 그리고 DRAM·낸드(저장) 등 서로 다른 역할의 반도체들이 유기적으로 협업하는 '이종 시스템'으로 진화하고 있으며, 이 여러 종류의 칩을 얼마나 효율적으로 하나의 시스템에 통합하느냐가 다음 절에서 다룰 첨단 패키징 경쟁의 핵심 동기가 되고 있습니다.

4.3 첨단 패키징(2.5D, 3D)과 이종 집적(Heterogeneous Integration) 시대

무어의 법칙에 따라 트랜지스터를 더 작게, 더 촘촘히 만드는 미세공정 경쟁은 물리적 한계(원자 크기, 양자역학적 누설전류 등)에 점점 가까워지고 있습니다. 회로 선폭이 원자 수십 개 굵기까지 좁아지면서 공정 하나를 한 세대 미세화하는 데 드는 연구개발비와 시간은 갈수록 늘어나는 반면, 그로부터 얻는 성능 향상 폭은 점차 줄어드는 '수확체감'의 국면에 접어들고 있습니다. 이제 업계는 '칩을 더 작게 만드는' 방식 대신, '여러 개의 칩을 하나처럼 정교하게 묶는' 새로운 돌파구, 즉 '첨단 패키징'에서 성능 향상의 다음 무대를 찾고 있습니다.

대표적인 방식이 '2.5D 패키징'입니다. 이는 여러 개의 칩(예: GPU 다이와 메모리 다이)을 나란히 배치하되, 그 아래에 미세 배선이 새겨진 '실리콘 인터포저'라는 중간 기판을 깔아 마치 하나의 칩처럼 초고속으로 신호를 주고받게 하는 방식입니다. 기존에 회로기판(PCB)을 통해 칩과 칩을 연결하던 방식보다 배선 간격을 수십~수백 배 촘촘하게 만들 수 있어, 데이터 이동 거리가 짧아지고 대역폭은 비약적으로 늘어납니다. 오늘날 AI 서버의 핵심 부품인 GPU와 고대역폭 메모리(HBM)를 하나의 패키지로 묶는 데 바로 이 2.5D 기술이 사용됩니다. 한 단계 더 나아간 '3D 패키징'은 칩과 칩을 옆으로 나열하는 대신, 여러 층의 칩을 아파트처럼 수직으로 쌓아 올리고 그 사이를 '실리콘 관통 전극(TSV)'이라는 미세한 수직 통로로 뚫어 층간을 직접 연결하는 방식입니다. HBM 자체가 바로 이 3D TSV 기술로 D램을 8층, 12층, 많게는 16층까지 쌓아 만든 결과물입니다.

이렇게 서로 다른 공정, 다른 기능의 칩들—로직 칩, 메모리 칩, 아날로그 칩 등—을 하나의 패키지 안에 유기적으로 결합하는 흐름을 '이종 집적(Heterogeneous Integration)'이라 부릅니다. 각 기능에 가장 적합한 공정으로 별도 제작된 작은 칩들('칩렛', chiplet)을 레고 블록처럼 조합해 하나의 고성능 시스템을 완성하는 방식으로, 이는 단일 거대 칩을 통째로 만드는 것보다 수율과 비용 면에서 유리할 뿐 아니라, 설계의 유연성도 크게 높여줍니다. 거대한 단일 칩은 회로 어딘가에 결함 하나만 생겨도 칩 전체가 폐기되지만, 작은 칩렛으로 나누면 결함이 생긴 조각 하나만 버리면 되므로 전체 수율이 크게 개선됩니다. 2026년 6월 1일 대만 GTC에서 엔비디아 CEO 젠슨 황은 SK하이닉스·삼성전자·마이크론 3사를 자사 차세대 플랫폼 '베라 루빈(Vera Rubin)'의 HBM4 공급사로 공식 확인했습니다. 공급 비중은 SK하이닉스가 60~70%로 가장 크고, 삼성전자가 25~30%, 마이크론이 나머지를 차지할 것으로 추정되며, 2026년 여름부터 초기 고객 출하가 시작돼 하반기 본격 확산이 목표로 제시되었습니다(출처: TechTimes, 2026년 6월 2일 보도 · 부록 출처 4-1). TSMC 역시 자사의 CoWoS 등 패키징 기술을 앞세워 엔비디아를 비롯한 AI 반도체 고객사들의 물량을 소화하는 데 총력을 기울이고 있습니다. 업계에서는 이제 반도체 성능 경쟁의 무게중심이 '얼마나 작게 만드느냐'에서 '얼마나 똑똑하게 조합하느냐'로 옮겨가고 있다는 평가가 나옵니다.

그림 5-1. 설계(미국)→장비(네덜란드·독일)→소재·부품(일본)→제조(대만·한국)→패키징(대만·동남아)→완제품으로 이어지는 글로벌 공급망.

5.1 미·중 기술 패권 전쟁과 글로벌 공급망 블록화

반도체는 이제 단순한 산업재를 넘어 국가 안보와 직결된 '전략 자산'으로 취급받고 있습니다. 세계반도체무역통계기구(WSTS)는 AI발 수요 폭증에 힘입어 2025년 세계 반도체 시장 규모가 전년 대비 22% 성장한 7,720억 달러에 이르렀고, 2026년에는 25% 이상 성장해 9,750억 달러(약 1,300조 원)에 육박할 것으로 전망했습니다(출처: WSTS, 2025년 11월 Autumn 2025 Forecast · 부록 출처 5-3). 이런 초고속 성장의 이면에는 지난 몇 년간 격화된 미국과 중국 간의 기술 패권 경쟁이 있습니다. 미국은 첨단 반도체 제조 장비(특히 ASML의 EUV 노광장비)와 최첨단 로직·AI 반도체가 중국의 군사력 및 인공지능 굴기에 활용되는 것을 막기 위해, 동맹국들과 함께 대중국 수출 통제를 지속적으로 강화해 왔습니다. 이 통제는 단순히 완제품 칩 수출을 막는 데 그치지 않고, 첨단 장비, 설계 소프트웨어(EDA), 심지어 미국인 기술 인력의 중국 반도체 기업 근무까지 광범위하게 규제 대상으로 삼아왔다는 점에서, 산업 규제라기보다 국가 전략 경쟁에 가깝다는 평가를 받습니다. 이에 맞서 중국은 '반도체 자립'을 국가적 최우선 과제로 삼아 막대한 국가 보조금을 자국 파운드리(SMIC 등)와 장비·소재 기업에 쏟아붓고 있으며, 구형 공정 위주로나마 자립 생태계를 구축하려는 노력을 이어가고 있습니다.

이러한 갈등은 지난 수십 년간 전 세계에 걸쳐 최적의 효율로 짜여 있던 반도체 공급망을 뒤흔들고 있습니다. 설계는 미국에서, 첨단 제조는 대만·한국에서, 장비는 네덜란드·미국·일본에서, 조립은 동남아시아에서 이루어지던 촘촘한 글로벌 분업 체계 대신, 각국은 자국(또는 동맹국) 영토 안에서 핵심 공급망을 완결하려는 '프렌드쇼어링·리쇼어링' 전략을 앞다투어 추진하고 있습니다. 미국의 반도체 지원법(CHIPS Act)에 따른 자국 내 팹 유치, 유럽연합의 유럽 반도체법(European Chips Act), 일본의 반도체 산업 부활 프로젝트(라피더스 등)가 모두 이러한 흐름 속에서 나온 정책들입니다. 특히 미국은 2025년 9월 CHIPS Act 보조금 지급 방식을 정부의 지분 참여로 전환하는 '투자 펀드 경로(Investment Fund Path)'를 새로 도입했으며, 그 결과 2025년 인텔 지분 약 89억 달러어치를 정부가 확보한 데 이어, 2026년 7~8월에는 7개 AI·첨단컴퓨팅 기업에 8억 7,400만 달러 규모의 추가 지분 참여를 발표하는 등 반도체·AI 정책이 보조금 지원을 넘어 국가 자본주의적 성격까지 띠고 있다는 평가가 나옵니다(출처: Moneywise 등 보도, 2026년 7~8월 기준 · 부록 출처 5-4). 이런 움직임은 지난 수십 년간 세계화가 추구해온 '효율 최우선' 원칙에서, '위기 대응 능력'을 함께 고려하는 방향으로 산업 정책의 무게중심이 옮겨가고 있음을 보여줍니다.

이 지정학적 재편의 핵심 무대가 바로 대만입니다. 세계 최첨단 로직 반도체 생산의 압도적 비중을 담당하는 TSMC가 대만에 있다는 사실 자체가, 역설적으로 대만을 지키려는 국제적 이해관계('실리콘 방패' 이론)를 만들어내는 동시에, 지정학적 긴장이 고조될 때마다 전 세계 반도체 공급망 전체가 출렁이는 근본 원인이 되고 있습니다. 만약 대만해협에서 심각한 무력 충돌이 벌어져 TSMC의 생산이 멈춘다면, 스마트폰과 자동차부터 데이터센터에 이르기까지 전 세계 산업 전반이 동시에 마비될 수 있다는 우려가 나오는 이유입니다. 결국 오늘날 반도체 지도를 읽는다는 것은 곧 21세기 국제 정치·경제 질서의 최전선을 읽는 일과 다르지 않습니다.

5.2 대만(TSMC)과 한국(삼성·SK)이 지탱하는 제조 벨트

동아시아, 특히 대만과 한국은 오늘날 전 세계 첨단 반도체 제조의 심장부입니다. 대만의 TSMC는 세계 파운드리 시장에서 압도적인 점유율을 차지하며, 애플, 엔비디아, AMD, 퀄컴 등 세계 유수의 팹리스 기업들이 설계한 최첨단 칩 대부분을 생산합니다. 시장조사업체 카운터포인트리서치에 따르면 2026년 1분기 기준 TSMC의 전 세계 순수 파운드리 시장 점유율은 73%(2025년 4분기 72%에서 상승)에 달하는 반면, 2위 삼성전자 파운드리는 7%에 그쳐 양사의 격차가 오히려 갈수록 벌어지고 있습니다(출처: Counterpoint Research, 「Foundry Market Supply Tracker, Q1 2026」, 2026년 6월 4일 발표 · 부록 출처 5-5). TSMC의 성공 비결은 앞서 언급한 '고객과 경쟁하지 않는다'는 파운드리 순수주의 철학과 더불어, 신뢰를 바탕으로 축적한 공정 기술력, 그리고 무엇보다 대만 정부와 사회 전체가 반도체 산업을 국가 생존 전략으로 삼아 인재와 자원을 총동원해온 결과입니다. 대만의 우수한 이공계 대학들은 매년 수많은 반도체 전문 인력을 배출하고, 이들 상당수가 TSMC를 비롯한 신주과학단지의 기업들로 향하는 사회적 구조 자체가 이 산업의 경쟁력을 뒷받침하고 있습니다.

한국은 메모리 반도체 분야에서 세계를 선도하고 있습니다. 삼성전자와 SK하이닉스는 DRAM과 낸드플래시 시장에서 오랫동안 세계 1, 2위를 다투어 왔으며, 최근 생성형 AI 붐과 함께 폭발적으로 수요가 늘어난 고대역폭 메모리(HBM) 시장에서도 앞서거니 뒤서거니 치열한 선두 경쟁을 벌이고 있습니다. 특히 SK하이닉스는 세계 최초로 HBM 양산에 성공하며 AI 반도체 공급망의 핵심 축으로 떠올랐고, 삼성전자 역시 메모리와 파운드리를 동시에 보유한 유일한 종합반도체기업으로서 독자적인 경쟁력을 다지고 있습니다. 실제로 2025년 2분기 기준 HBM 시장 점유율은 SK하이닉스 62%, 마이크론 21%, 삼성전자 17% 순으로, 마이크론이 삼성전자를 제치고 2위로 올라선 것이 최근 메모리 업계의 주요 이슈로 떠올랐습니다(출처: 조선비즈 집계 인용, Astute Group 2026년 보도 기준 · 부록 출처 5-6). 4.3절에서 살펴본 것처럼 2026년 들어서는 HBM4 세대로 경쟁 축이 옮겨가며 SK하이닉스가 공급 비중 60~70%로 여전히 앞서는 가운데, 삼성전자와 마이크론이 그 뒤를 바짝 쫓고 있습니다. 한국 반도체 산업의 역사는 1980년대 초 정부와 대기업이 당시로서는 무모해 보이는 대규모 투자를 결단하며 D램 생산에 뛰어든 데서 출발했는데, 이 '선제적 대규모 투자'라는 원형적 경험은 이후 한국 메모리 기업들이 불황기에도 오히려 투자를 늘려 경쟁사를 따돌리는 전략으로 이어져 왔습니다.

대만과 한국이 이처럼 첨단 제조의 중심지로 자리 잡은 배경에는 공통점이 있습니다. 두 나라 모두 부존자원이 부족한 대신 우수한 이공계 인재를 반도체 산업에 집중적으로 육성했고, 정부가 장기적 관점에서 세제 혜택과 연구개발 지원을 아끼지 않았으며, 무엇보다 '규모의 경제'가 결정적인 이 산업에서 과감하고 선제적인 대규모 설비 투자를 반복해 왔습니다. 이 '제조 벨트'는 이제 단순한 산업 클러스터를 넘어, 전 세계 디지털 경제 전체가 의존하는 필수 인프라로 자리매김했습니다.

5.3 미국(NVIDIA·Intel·Qualcomm)의 설계 및 원천 기술 패권

제조 공정에서는 동아시아가 강세를 보이지만, 반도체 설계와 핵심 원천 기술에서는 여전히 미국이 압도적인 우위를 지키고 있습니다. 반도체 설계의 근간이 되는 소프트웨어(EDA 툴)와 코어 아키텍처(ARM, x86) 원천 기술 대부분이 미국(및 영국) 기업의 손에 있으며, 무엇보다 세계 팹리스 매출 상위 기업들의 절대다수가 미국 기업입니다. 이는 미국이 20세기 중반 트랜지스터와 집적회로를 발명한 이래, 반세기 넘게 축적해온 설계 인재와 소프트웨어 생태계의 저력이기도 합니다.

엔비디아는 원래 PC 게임용 그래픽카드 제조사였지만, GPU의 병렬 연산 구조가 인공지능 학습에 최적이라는 사실이 밝혀지면서 전 세계 AI 반도체 시장을 사실상 장악하는 위치에 올라섰습니다. 엔비디아의 진짜 힘은 하드웨어 자체보다, 자사 GPU에서만 최적으로 동작하는 소프트웨어 개발 플랫폼 'CUDA' 생태계를 오랫동안 선점해온 데 있습니다(4.2절 부록 참고). 전 세계 AI 연구자와 개발자들이 이미 CUDA에 익숙해져 있다는 사실 자체가, 경쟁사가 넘기 힘든 강력한 진입장벽으로 작용합니다. 아무리 뛰어난 경쟁 하드웨어가 나와도, 그 위에서 기존 소프트웨어와 코드를 그대로 돌릴 수 없다면 개발자들은 쉽게 갈아타지 않기 때문입니다. 2024년 컴퓨텍스에서 처음 예고되고 2026년 1월 CES에서 정식 공개된 차세대 '루빈(Rubin)' 아키텍처는 TSMC 3나노 공정과 HBM4를 채택해 FP4(4비트 부동소수점) 연산 성능을 블랙웰의 20페타플롭스에서 50페타플롭스로 약 2.5배 끌어올렸으며, 2026년 6월 대만 GTC에서 '베라 루빈' 플랫폼이 전면 양산 단계에 들어섰다고 공식 발표되었습니다(출처: NVIDIA 공식 발표·ServeTheHome·TechTimes, 2026년 1월·6월 보도 · 부록 출처 5-7). 이는 GPU·고대역폭 메모리·네트워킹 칩을 하나의 시스템으로 통합해 성능을 끌어올리는 방향으로 진화하고 있으며, 2027년에는 성능을 다시 두 배로 끌어올린 '루빈 울트라'가 예고되어 있습니다.

인텔은 한때 CPU 시장의 절대 강자이자 대표적인 IDM으로 군림했지만, 최근에는 미세공정 전환 지연과 모바일·AI 시대 대응 지체로 어려움을 겪으며 파운드리 사업 강화를 통한 재도약을 모색하고 있습니다. 한때 반도체 산업 전체의 기술 로드맵을 이끌었던 기업이 겪는 이런 어려움은, 이 산업이 한 번의 기술 전환 지연만으로도 얼마나 큰 위기에 처할 수 있는지를 잘 보여줍니다. 이 과정에서 2025년 미국 정부가 CHIPS Act 보조금을 지분으로 전환해 인텔 지분 약 89억 달러어치를 확보하는 이례적 조치를 취하기도 했으며(5.1절 참고), 2026년 들어 인텔의 최신 공정인 18A는 수율 개선과 함께 외부 고객 유치 문의가 늘고 있다는 평가를 받고 있습니다(출처: Moneywise, 2026년 8월 보도 · Tom's Hardware, 2026년 보도 기준 · 부록 출처 5-8). 퀄컴은 스마트폰의 두뇌인 애플리케이션 프로세서(AP)와 통신칩(모뎀) 분야에서, 무선통신 표준 원천기술 라이선스를 기반으로 확고한 입지를 다지고 있습니다. 이 밖에도 AMD(CPU·GPU), 애플(자체 설계 AP), 브로드컴(네트워크·AI 맞춤칩) 등 수많은 미국 팹리스 기업들이 세계 반도체 설계 지형도의 최전선을 형성하고 있습니다.

5.4 유럽(ASML)의 슈퍼 을(乙) 장비 생태계와 일본의 소재 부품 경쟁력

반도체 공급망의 가장 상류, 즉 '장비'와 '소재·부품' 영역으로 눈을 돌리면 유럽과 일본이라는 또 다른 축이 등장합니다. 네덜란드의 ASML은 EUV 리소그래피 장비를 세계에서 유일하게 양산 공급하는 독점적 지위를 갖고 있습니다. TSMC든 삼성전자든 인텔이든, 최첨단 미세공정으로 칩을 만들려는 기업이라면 예외 없이 ASML의 장비를 구매해야만 합니다. 이 때문에 ASML은 흔히 '슈퍼 을(乙)'이라 불립니다. 겉보기엔 장비를 파는 '을'의 위치에 있지만, 실제로는 전 세계 반도체 기업들의 생산 계획 자체를 좌우할 만큼 강력한 협상력을 가진 존재이기 때문입니다. ASML의 EUV 장비 한 대는 10만 개가 넘는 부품으로 구성되며, 렌즈는 독일 자이스(Zeiss)가, 정밀 부품은 유럽 전역의 협력사들이 공급하는 범유럽 협업의 결정체이기도 합니다. 흥미롭게도 ASML은 처음부터 모든 기술을 독자 개발하기보다, 유럽 각지에 흩어진 최고의 정밀 부품·광학 기업들과 긴밀히 협력하는 개방형 혁신 전략을 택했는데, 이것이 오히려 후발주자였던 ASML이 일본의 니콘, 캐논 같은 선발 경쟁자들을 따돌리고 독점적 지위에 오를 수 있었던 배경으로 꼽힙니다. ASML은 2025년 연간 매출 약 327억 유로, 순이익 약 96억 유로(전년 대비 매출 +16%)를 기록했으며, EUV 장비 출하량도 전년 대비 약 30% 늘어나는 등 AI發 설비투자 훈풍을 고스란히 누리고 있습니다(출처: ASML 2025년 연간 실적 발표, 2026년 1월 기준 · 부록 출처 5-9).

일본은 완제품 반도체 시장의 주도권은 1990년대 이후 한국과 대만에 내주었지만, 그 상류에 해당하는 소재와 부품 분야에서는 여전히 세계 최고 수준의 경쟁력을 지키고 있습니다. 포토레지스트(감광액), 실리콘 웨이퍼 원재료, 반도체 제조에 필수적인 특수 가스와 화학약품, 그리고 반도체 검사·세정 장비 등에서 신에츠화학, 도쿄일렉트론, JSR 같은 일본 기업들이 세계 시장의 상당 부분을 장악하고 있습니다. 이는 1980년대 세계 반도체 시장을 석권했던 일본이 완제품 경쟁에서는 밀려났지만, 그 과정에서 축적한 정밀 화학·정밀 기계 기술력만큼은 고스란히 상류 공급망의 경쟁력으로 이어졌다는 것을 보여줍니다. 이는 반도체 산업이 단순히 '누가 최종 칩을 만드는가'만으로는 설명할 수 없는, 훨씬 깊고 복잡한 다단계 공급망 위에 서 있다는 사실을 잘 보여줍니다.

결국 오늘날의 반도체 산업 지도는 어느 한 나라가 모든 것을 독점할 수 없는 촘촘한 상호의존의 그물망입니다. 설계는 미국, 제조는 대만·한국, 노광장비는 네덜란드, 정밀 렌즈는 독일, 소재·부품·장비는 일본이 나누어 맡는 구조 속에서, 이 사슬의 어느 한 곳만 끊어져도 전 세계 반도체 생산이 멈춰설 수 있다는 것이 최근 몇 년간의 공급망 위기가 우리에게 준 뼈아픈 교훈입니다.

6.1 양자 컴퓨터와 양자 반도체의 패러다임

지금까지 살펴본 모든 반도체는 정보를 0과 1, 두 가지 상태로만 표현하는 '고전적 비트(bit)'에 기반합니다. 그런데 3장에서 살펴본 것처럼 회로 선폭이 원자 몇 개 수준까지 좁아지면서, 전자가 있어야 할 자리에 없거나 없어야 할 자리에 나타나는 '양자터널링' 같은 양자역학적 효과가 무시할 수 없는 수준으로 나타나기 시작했습니다. 트랜지스터가 꺼져 있어야 할 때도 전자가 절연막을 '뚫고' 새어나가는 이런 누설전류는 미세화가 계속될수록 반도체 설계자들을 괴롭히는 골칫거리입니다. 이는 기존 방식의 미세화가 조만간 물리적 한계에 부딪힐 것임을 시사하는 동시에, 역설적으로 이 양자적 성질 자체를 '활용'하는 완전히 새로운 컴퓨팅 패러다임의 문을 열어주었습니다. 바로 '양자 컴퓨터'입니다.

양자 컴퓨터는 정보의 최소 단위로 '큐비트(qubit)'를 사용합니다. 고전적 비트가 0 또는 1 둘 중 하나의 상태만 가지는 반면, 큐비트는 양자역학의 '중첩(superposition)' 원리에 따라 0과 1의 상태를 동시에 가질 수 있습니다. 또한 여러 큐비트를 서로 얽히게 만드는 '얽힘(entanglement)' 현상을 이용하면, 큐비트 수가 늘어날수록 처리할 수 있는 정보의 경우의 수가 기하급수적으로 폭증합니다. 예를 들어 큐비트 50개만 완벽하게 얽히게 만들 수 있어도, 그 정보량은 기존 슈퍼컴퓨터가 표현하기에도 벅찬 수준에 이릅니다. 이 덕분에 신약 개발을 위한 분자 구조 시뮬레이션, 초정밀 암호 해독, 복잡한 물류 최적화처럼 기존 슈퍼컴퓨터로는 사실상 불가능에 가까운 특정 유형의 계산을, 이론적으로는 훨씬 빠르게 해결할 잠재력을 갖고 있습니다.

다만 큐비트는 극도로 예민해서, 아주 미세한 온도 변화나 진동, 전자기파 간섭만으로도 양자 상태가 쉽게 깨지는 '결어긋남(decoherence)' 문제를 안고 있습니다. 이 때문에 현재의 양자 컴퓨터는 절대영도(섭씨 영하 273.15도)에 가까운 극저온 환경이나 극도로 안정된 실험실 조건에서만 제한적으로 동작합니다. IBM, 구글 등 글로벌 기업들이 초전도 회로, 이온트랩, 위상 큐비트 등 다양한 방식으로 큐비트의 안정성과 확장성을 높이는 경쟁을 벌이고 있지만, 상용 컴퓨터를 완전히 대체할 만한 '범용 양자 컴퓨터' 시대는 아직 여러 단계의 기술적 도약을 더 필요로 합니다. 특히 계산 오류를 스스로 감지하고 정정하는 '양자 오류 정정' 기술을 실용적인 규모로 구현하는 것이 업계 전체가 씨름하고 있는 가장 큰 과제로 꼽힙니다. 그럼에도 양자 반도체는 무어의 법칙 이후를 준비하는 인류의 가장 야심 찬 도전 중 하나로 꼽히며, 완전한 상용화 이전이라도 특정 분야(신약 후보물질 탐색, 신소재 설계 등)에서는 이미 제한적인 실용적 가치를 입증해가고 있습니다.

6.2 뉴로모픽(Neuromorphic) 반도체: 인간의 뇌를 모방하다

오늘날 인공지능을 구동하는 GPU와 NPU는 놀라운 성능을 보여주지만, 동시에 엄청난 전력을 소모한다는 근본적인 한계를 안고 있습니다. 대형 AI 데이터센터 하나가 소비하는 전력은 웬만한 도시 전체의 전력 수요에 맞먹을 정도이며, 이는 최근 각국이 원자력과 재생에너지 발전 확대를 서두르는 배경 중 하나이기도 합니다. 반면 인간의 뇌는 약 860억 개의 뉴런과 그보다 훨씬 많은 시냅스로 이루어진, 지금까지 알려진 것 중 가장 효율적인 '연산 장치'이면서도, 소비 전력은 백열전구 하나에도 못 미치는 약 20와트에 불과합니다. 이 압도적인 에너지 효율의 격차에 주목한 것이 바로 '뉴로모픽(신경모방) 반도체' 연구입니다.

기존의 컴퓨터는 1945년 수학자 존 폰 노이만이 제안한 구조를 따라, 연산을 담당하는 처리장치와 정보를 저장하는 메모리가 물리적으로 분리되어 있습니다. 이 구조는 지난 80년간 컴퓨팅의 표준으로 군림해 왔지만, 연산할 때마다 데이터를 메모리와 처리장치 사이로 끊임없이 실어 날라야 하는데, 이 데이터 이동 자체가 시간과 에너지를 크게 잡아먹는 병목현상('메모리 벽')을 유발합니다. 실제로 대규모 AI 연산에서는 순수한 계산 자체보다 데이터를 나르는 데 소모되는 에너지가 더 큰 비중을 차지하는 경우도 드물지 않습니다. 뉴로모픽 반도체는 이와 정반대로, 인간 뇌의 뉴런과 시냅스 구조를 하드웨어 자체에 구현해, 저장과 연산이 같은 장소에서 동시에 이루어지도록(In-Memory Computing) 설계됩니다. 또한 기존 반도체가 매 순간 규칙적인 클럭 신호에 맞춰 모든 데이터를 처리하는 것과 달리, 뉴로모픽 칩은 실제 뉴런처럼 의미 있는 자극(스파이크)이 발생했을 때만 선택적으로 반응하는 '이벤트 기반' 방식으로 동작해 불필요한 에너지 소모를 크게 줄입니다.

IBM의 트루노스(TrueNorth), 인텔의 로이히(Loihi) 등이 대표적인 연구용 뉴로모픽 칩으로 꼽히며, 아직은 범용 컴퓨팅을 대체하기보다 초저전력이 필수적인 센서 데이터 처리, 로봇의 실시간 감각 처리 등 특정 분야에서 시범적으로 활용되는 초기 단계에 머물러 있습니다. 학계에서는 뉴런 하나하나의 연결(시냅스)을 실제로 하드웨어 소자 하나로 구현하려는 시도(멤리스터 등 신소자 연구)도 활발히 이루어지고 있는데, 이는 소프트웨어로 신경망을 흉내 내는 현재의 AI 방식과 달리, 하드웨어 자체가 곧 신경망인 완전히 새로운 접근입니다. 그러나 만약 뉴로모픽 반도체가 실용화 단계에 이른다면, 이는 단순한 성능 개선을 넘어 컴퓨팅의 근본 구조 자체를 '인간 뇌를 닮은 방식'으로 재편하는 문명사적 전환점이 될 수 있습니다.

6.3 전력 반도체(SiC, GaN)와 친환경 모빌리티 혁명

지금까지 다룬 반도체 대부분은 정보를 '연산'하고 '저장'하는 데 초점을 맞췄다면, '전력 반도체'는 전기 에너지 자체를 얼마나 효율적으로 변환하고 제어할 것인가에 초점을 맞춘 분야입니다. 전기차의 배터리에서 나오는 직류 전기를 모터 구동에 필요한 교류로 바꾸거나, 태양광 발전소에서 생산된 전기의 전압을 송전에 알맞게 변환하는 등, 전력 반도체는 '전기가 흐르는 모든 곳'에 반드시 필요한 숨은 조연입니다. 흔히 반도체라 하면 정보를 처리하는 로직·메모리 칩만 떠올리기 쉽지만, 사실 우리 주변의 거의 모든 전자기기와 전력 설비 속에는 이런 전력 반도체가 함께 들어 있습니다.

전통적으로 전력 반도체에도 실리콘이 사용되어 왔지만, 고전압·고온·고속 스위칭이 요구되는 전기차나 신재생에너지 분야에서는 실리콘의 물성적 한계가 뚜렷하게 드러납니다. 실리콘 소자는 높은 전압을 견디게 하려면 소자 자체의 두께를 두껍게 만들어야 하는데, 이는 곧 전류가 흐를 때 저항이 커져 에너지 손실(발열)이 늘어난다는 뜻입니다. 이 한계를 돌파하기 위해 최근 주목받는 것이 '와이드 밴드갭(Wide Bandgap)' 화합물 반도체인 실리콘카바이드(SiC)와 질화갈륨(GaN)입니다. 이 두 물질은 앞서 2장에서 설명한 '밴드갭'이 실리콘보다 훨씬 넓어서(SiC는 약 3.3eV, GaN은 약 3.4eV로 실리콘의 세 배 수준), 더 높은 전압과 온도를 견디면서도 에너지 손실은 훨씬 적게, 그리고 훨씬 빠른 속도로 전력을 변환할 수 있습니다.

특히 SiC는 고전압·고전류 환경에 강해 전기차의 인버터(배터리 직류를 모터 구동용 교류로 바꾸는 핵심 부품)에 주로 채택되고 있으며, SiC 인버터를 탑재한 전기차는 기존 실리콘 대비 에너지 손실을 크게 줄여 한 번 충전으로 더 먼 거리를 주행할 수 있게 해줍니다. GaN은 상대적으로 저전압·고주파 스위칭에 강점을 보여, 스마트폰 초고속 충전기나 데이터센터의 전력 공급 장치처럼 작고 가벼우면서도 빠르게 전력을 변환해야 하는 기기에 빠르게 확산되고 있습니다. 실제로 최근 몇 년 사이 손바닥만 한 크기에 노트북까지 충전할 수 있는 초소형 고속 충전기들이 쏟아져 나온 배경에도 바로 이 GaN 전력 반도체의 대중화가 자리하고 있습니다. 전기차 보급 확대, 재생에너지 발전 증가, 그리고 AI 데이터센터의 폭증하는 전력 수요라는 세 가지 거대한 흐름이 맞물리며, 전력 반도체 시장은 중장기적으로 반도체 산업 전체에서 빠르게 성장할 분야로 꼽힙니다. 다만 시장조사업체 욜 그룹(Yole Group)에 따르면 SiC 시장은 최근 전기차 수요 둔화의 여파로 2027~2028년까지 일시적인 조정기를 거친 뒤 2030년경 약 100억 달러 규모로 회복·성장할 것으로 전망되는 반면, GaN 시장은 데이터센터 전력망과 고속 충전기 수요에 힘입어 2030년까지 연평균 약 42%의 훨씬 가파른 성장률로 30억 달러 규모에 이를 것으로 예상되는 등, SiC와 GaN 두 시장의 성장 곡선이 서로 다른 국면에 놓여 있다는 점에 유의할 필요가 있습니다(출처: Yole Group 전력 반도체 시장 보고서, 2025~2026년 발표 기준 · 부록 출처 6-1).

6.4 인문학적 성찰: 반도체 인류세(Anthropocene)의 명과 암

이 책의 마지막 페이지에서는 잠시 기술의 세부 사항에서 한 걸음 물러나, 반도체 문명이 인류와 지구에 던지는 더 근본적인 질문을 함께 생각해보고자 합니다. 반도체는 분명 인류에게 눈부신 혜택을 안겨주었습니다. 의료 영상 진단 기술의 발전으로 더 많은 생명을 구할 수 있게 되었고, 전 세계 어디서든 실시간으로 정보를 주고받으며, 이제는 인공지능이라는 새로운 지적 동반자까지 얻었습니다. 이 책의 1장에서 살펴본 것처럼, 모래알 같은 흔한 물질에서 시작된 이 여정은 불과 80년 만에 인류의 지적 능력 자체를 확장하는 수준에까지 이르렀습니다. 이런 의미에서 반도체는 인류의 지능과 가능성을 물리적으로 확장해준 문명의 도구입니다.

그러나 이 화려한 성취의 이면에는 결코 가볍지 않은 그림자도 함께 존재합니다. 첫째는 자원과 환경의 문제입니다. 2장에서 살펴본 초고순도 실리콘 정제와 3장의 초정밀 공정에는 막대한 물과 전력, 그리고 각종 화학약품이 소모되며, 반도체 하나를 만드는 과정에서 발생하는 환경 부담은 결코 작지 않습니다. 특히 최선단 팹 하나가 하루에 소비하는 초순수(超純水)의 양은 웬만한 중소도시 하나의 물 사용량에 맞먹을 정도이며, 공정에서 발생하는 온실가스 처리 문제 또한 업계가 함께 풀어야 할 과제로 남아 있습니다. 둘째는 불평등의 문제입니다. 5장에서 살펴본 것처럼, 반도체 산업은 소수의 국가와 기업에 극도로 집중된 구조를 갖고 있어, 이 기술의 혜택과 그로부터 발생하는 부가 세계적으로 고르게 분배되지 못하고 있다는 비판이 꾸준히 제기됩니다. 셋째는 통제와 감시의 문제입니다. 반도체가 인공지능, 안면 인식, 대규모 데이터 수집의 물리적 토대가 되면서, 이 기술이 개인의 자유와 프라이버시를 어떻게 위협할 수 있는지에 대한 사회적 논의도 그 어느 때보다 절실해졌습니다.

일부 학자들은 인류가 화석연료와 플라스틱으로 지구의 지질학적 기록을 바꾸어놓은 시대를 '인류세(Anthropocene)'라 부르듯, 이제는 실리콘 칩과 데이터센터가 지구 생태계와 인간 사회 전반을 근본적으로 재편하고 있다는 의미에서 '반도체 인류세'라는 표현을 쓰기도 합니다. 이 표현이 던지는 질문은 단순히 반도체 산업을 비판하려는 것이 아니라, 우리가 이 강력한 도구를 앞으로 어떻게 다뤄나갈 것인지를 함께 고민해보자는 초대에 가깝습니다. 결국 우리가 이 책을 통해 반도체의 원리와 산업, 역사를 이해하려는 진짜 이유는, 단순히 기술적 교양을 쌓는 데 그치지 않습니다. 시민 한 사람 한 사람이 이 거대한 기술 문명이 어디로 향해야 하는지에 대해 스스로 판단하고 목소리를 낼 수 있는 힘을 갖추는 것, 그것이야말로 '시민을 위한 반도체 이야기'가 궁극적으로 지향하는 목표입니다.

그림 7-1. 트랜지스터 발명(1947)부터 HBM4·루빈 아키텍처(2026)까지, 반도체 신화 80년 연표.

7.1 윌셔 블러바드의 이단아들과 실리콘밸리의 태동

1955년, 트랜지스터의 공동발명자 윌리엄 쇼클리는 노벨상 수상(1956년)을 앞두고 로스앤젤레스 윌셔 블러바드의 벨연구소를 떠나 고향인 캘리포니아로 향합니다. 그는 자신의 명성을 발판 삼아 미국 전역에서 가장 뛰어난 젊은 물리학자와 공학자들을 끌어모아 '쇼클리 반도체 연구소'를 설립했습니다. 실리콘 트랜지스터 상용화라는 야심 찬 목표 아래 로버트 노이스, 고든 무어, 진 회르니를 비롯한 당대 최고의 인재들이 이 연구소로 몰려들었습니다. 그러나 문제는 다른 곳에 있었습니다. 쇼클리는 뛰어난 과학자였지만 지독한 의심증과 권위주의적 관리 방식으로 악명이 높았습니다. 그는 직원들에게 거짓말 탐지기 검사를 강요하고, 연구 성과를 부풀려 신문에 공개하는가 하면, 자신의 판단에 반하는 의견을 낸 직원을 공개적으로 망신 주는 일도 서슴지 않았습니다.

결국 1957년, 로버트 노이스를 중심으로 한 8명의 젊은 연구원들이 집단으로 사표를 던지는 초유의 사건이 벌어집니다. 이들은 처음에는 다른 대기업에 팀 전체로 이직하는 방안을 모색했지만, 결국 투자자 아서 록의 주선으로 동부의 카메라 회사 페어차일드 카메라 앤드 인스트루먼트로부터 자금을 지원받아 독립 법인 '페어차일드 반도체'를 캘리포니아 마운틴뷰에 설립하기에 이릅니다. 격분한 쇼클리는 이들을 '배신자 8인(Traitorous Eight)'이라 낙인찍었지만, 아이러니하게도 이 사건이야말로 이후 반세기 동안 세계 기술 산업의 판도를 바꿔놓을 실리콘밸리 창업 문화의 원형이 되었습니다. 흥미롭게도 '실리콘밸리'라는 이름 자체는 이보다 한참 뒤인 1971년, 저널리스트 돈 회플러가 전자 산업 전문지 『일렉트로닉 뉴스』에 "실리콘밸리 USA"라는 제목의 연재 기사를 쓰면서 처음 대중화되었습니다.

페어차일드 반도체는 곧 실리콘 기반 트랜지스터와 집적회로 상용화에 잇달아 성공하며 눈부신 성장을 거두었지만, 정작 이 회사의 진짜 유산은 제품이 아니라 '사람'이었습니다. 1960년대와 70년대에 걸쳐 페어차일드 출신 인재들은 저마다 독립해 새로운 회사를 세우는 연쇄 창업의 물결을 일으켰습니다. 1968년에는 로버트 노이스와 고든 무어가 인텔을, 1969년에는 제리 샌더스가 AMD를, 그밖에도 내셔널 세미컨덕터를 비롯한 수십 개의 반도체 기업이 이런 식으로 '페어차일드의 자손들(Fairchildren)'로 탄생했습니다. 캘리포니아의 조용한 과수원 지대였던 산타클라라 밸리는 이렇게 불과 20년 만에 세계 최고의 기술 창업 생태계로 탈바꿈했으며, 이 시기에 확립된 '뛰어난 인재에게는 언제든 독립해 새로운 도전을 할 수 있는 자유를 허용한다'는 문화적 유전자는 오늘날까지도 실리콘밸리 전체를 규정하는 핵심 가치로 남아 있습니다.

7.2 무어의 예언과 인텔(Intel)의 창업 신화

1968년, 페어차일드를 떠난 로버트 노이스와 고든 무어는 '통합 전자공학(Integrated Electronics)'을 줄인 이름의 새 회사, 인텔을 설립합니다. 초기 인텔의 주력 사업은 오늘날 우리가 떠올리는 CPU가 아니라 반도체 메모리, 그중에서도 D램이었습니다. 인텔은 1970년 세계 최초의 상업용 D램 칩 '1103'을 출시하며 메모리 반도체 시장을 개척하는 선구자로 자리매김했습니다. 그런데 이듬해인 1971년, 인텔에 예상치 못한 역사적 전환점이 찾아옵니다. 일본의 계산기 제조사 비지컴이 자사 계산기용 맞춤 칩 개발을 의뢰했는데, 인텔 엔지니어 테드 호프와 페더리코 파긴, 시마 마사토시가 여러 개의 전용 칩을 따로 만드는 대신 하나의 범용 연산 칩으로 다양한 기능을 프로그래밍할 수 있게 만들자는 아이디어를 냈습니다. 그렇게 탄생한 것이 세계 최초의 상업용 마이크로프로세서 '인텔 4004'였습니다. 이 발명이 처음부터 컴퓨터 산업 전체를 뒤바꿀 것이라고 예견한 사람은 많지 않았지만, 4004는 이후 개인용 컴퓨터 시대를 여는 결정적 씨앗이 되었습니다.

1965년 고든 무어가 발표한 '무어의 법칙'(1장에서 자세히 다룬 바 있습니다)은 바로 이 인텔이라는 회사의 존재 이유이자 로드맵 그 자체가 되었습니다. 인텔은 자사가 스스로 내놓은 이 예측을 반드시 지켜내야 할 목표로 삼아 신제품 개발 주기를 설계했고, 이후 수십 년간 마이크로프로세서 시장의 절대 강자로 군림했습니다. 그러나 1980년대 들어 인텔은 뜻밖의 위기를 맞습니다. 일본 기업들이 정부의 전폭적인 지원 아래 뛰어난 품질과 낮은 가격의 D램을 앞세워 미국 메모리 시장을 잠식해오면서, 인텔의 주력 사업이었던 메모리 부문이 극심한 적자에 시달리게 된 것입니다.

이때 결정적인 리더십을 발휘한 인물이 당시 사장이었던 앤디 그로브였습니다. 그는 공동창업자 고든 무어에게 "만약 이사회가 우리 둘을 해고하고 새로운 CEO를 앉힌다면, 그 사람은 무엇을 할 것 같습니까?"라고 물었고, 무어가 "아마 메모리 사업을 접겠지요"라고 답하자, 그로브는 "그렇다면 우리가 직접 문을 걸어 나가서, 다시 걸어 들어와 그 일을 합시다"라고 제안했습니다. 이 결단에 따라 인텔은 1985년 창업 이래 주력 사업이었던 D램 사업을 과감히 포기하고, 마이크로프로세서 회사로의 전면적인 전환을 단행합니다. "오직 편집증적으로 위기를 경계하는 자만이 살아남는다(Only the paranoid survive)"는 그로브의 경영 철학은 이후 인텔뿐 아니라 실리콘밸리 전체의 위기 대응 문화에 큰 영향을 미쳤으며, 이 과감한 전환이 없었다면 오늘날 우리가 아는 PC 시대의 '윈텔(Wintel)' 동맹(마이크로소프트 윈도우와 인텔 프로세서의 결합)도 존재하지 않았을 것입니다.

7.3 지형도를 바꾼 혁신가들: 파운드리의 아버지 모리스 창과 위탁 생산의 혁명

모리스 창(장중머우)의 이야기는 반도체 산업 지형 전체를 뒤바꾼 한 개인의 결단이 얼마나 큰 파급력을 가질 수 있는지를 보여주는 대표적인 사례입니다. 중국 저장성에서 태어나 청소년기에 전쟁을 피해 여러 도시를 전전했던 그는, 미국으로 건너가 MIT와 스탠퍼드에서 공학을 공부한 뒤 텍사스 인스트루먼트에 입사해 25년간 근무하며 반도체 제조 분야의 최고 전문가로 성장했습니다. 그러나 1983년, 회사 내 최고경영자 승진 경쟁에서 고배를 마신 그는 텍사스 인스트루먼트를 떠나게 됩니다.

바로 이 시기, 대만 정부는 반도체 산업을 국가의 미래 성장 동력으로 육성하기 위해 해외의 최고 전문가를 영입하려는 시도를 이어가고 있었습니다. 대만 경제 정책의 설계자로 불리던 리궈딩(K.T. 리)의 초청을 받은 모리스 창은 1985년 대만으로 건너가 국책 연구기관인 공업기술연구원(ITRI) 원장을 맡게 됩니다. 그리고 1987년, 그는 자신의 반평생 경험에서 얻은 통찰을 바탕으로 이제까지 존재하지 않았던 완전히 새로운 사업 모델의 회사를 창업합니다. 바로 설계는 전혀 하지 않고 오직 위탁 제조만을 전담하는 '순수 파운드리' 기업, TSMC(대만적체전로제조공사)였습니다.

당시 반도체 업계의 상식으로는 설계와 제조를 한 회사가 모두 담당하는 IDM 모델이 당연했기에, 모리스 창의 아이디어는 처음에는 회의적인 시선을 받았습니다. 그러나 그는 "우리는 고객과 절대 경쟁하지 않는다"는 단순하지만 강력한 원칙을 내세우며, 자체 설계 제품을 갖지 않는 대신 오직 고객사의 신뢰만을 사업의 근간으로 삼았습니다. 이 원칙 덕분에 세계 각지의 신생 팹리스 기업들은 안심하고 자신의 소중한 설계도를 TSMC에 맡길 수 있었고, 이는 4장에서 살펴본 팹리스-파운드리 분업 생태계 전체가 폭발적으로 성장하는 결정적 계기가 되었습니다. 모리스 창의 결단이 없었다면, 오늘날 엔비디아나 퀄컴 같은 팹리스 거인들도, 그리고 무수한 반도체 스타트업들의 혁신도 지금과는 완전히 다른 모습이었을 것입니다.

7.4 AI라는 거대한 파도: GPU의 부활과 엔비디아의 시대

1993년, 실리콘밸리의 한 데니스 레스토랑에서 젠슨 황과 두 명의 동료 엔지니어 크리스 말라초스키, 커티스 프리엠이 머리를 맞대고 새로운 회사를 구상합니다. 이렇게 탄생한 엔비디아의 초기 목표는 지금 기준으로 보면 소박했습니다. PC 게임의 3차원 그래픽을 더 빠르고 화려하게 그려내는 전용 그래픽 처리 칩, 즉 GPU를 만드는 것이었습니다. 창업 초기 엔비디아는 여러 차례 도산 위기에 몰렸습니다. 초기 제품이었던 NV1은 시장에서 외면받았고, 자금이 바닥나 몇 달치 급여조차 지급하기 어려운 상황도 있었습니다. 그러나 1999년 출시한 '지포스(GeForce) 256'이 시장에서 크게 성공하면서, 엔비디아는 GPU 시장의 선두주자로 자리매김하기 시작했습니다.

여기서 엔비디아를 다른 게임 그래픽카드 회사들과 근본적으로 다른 길로 이끈 결정적 전환점이 등장합니다. 2000년대 중반, 젠슨 황과 엔비디아 연구진은 GPU의 대규모 병렬 연산 구조가 게임 그래픽뿐 아니라 과학 계산 전반에 활용될 잠재력이 있다는 사실에 주목했습니다. 이에 따라 2006년, 엔비디아는 일반 개발자들이 GPU를 범용 병렬 연산에 활용할 수 있도록 돕는 소프트웨어 플랫폼 'CUDA'를 발표합니다. 당시로서는 상당히 이례적인 투자였습니다. 게임용 그래픽카드를 팔아 이윤을 남기는 회사가, 당장 수익이 나지 않는 소프트웨어 생태계 구축에 막대한 자원을 쏟아붓는 결정이었기 때문입니다. 이 CUDA 생태계는 무려 6년 가까이 이렇다 할 '킬러 애플리케이션'을 찾지 못한 채 조용히 성장했습니다.

전환점은 2012년에 찾아왔습니다. 토론토대학교의 제프리 힌턴 교수 연구팀(알렉스 크리제프스키, 일리야 수츠케버 포함)이 이미지 인식 경진대회 ImageNet에서 '알렉스넷(AlexNet)'이라는 딥러닝 모델을 GPU 두 장으로 학습시켜 압도적인 성능으로 우승을 차지한 것입니다. 이 사건은 딥러닝 연구자 사회 전체에 GPU가 신경망 학습의 최적 하드웨어라는 사실을 각인시켰고, 이후 딥러닝 연구가 폭발적으로 성장하면서 엔비디아의 CUDA 생태계 역시 함께 폭발적으로 확장되었습니다. 그리고 2020년대 들어 챗GPT를 비롯한 거대 언어 모델의 등장으로 AI 훈련·추론 수요가 걷잡을 수 없이 커지면서, 한때 게임 마니아들의 취미용 부품 제조사로 여겨졌던 엔비디아는 전 세계 AI 인프라의 심장부를 장악한 기업으로 완전히 탈바꿈했습니다. 5.3절에서 살펴본 것처럼, 2026년 현재 엔비디아는 루빈(Rubin) 아키텍처를 앞세워 데이터센터 전체를 하나의 거대한 컴퓨터처럼 설계하는 방향으로 그 야망을 더욱 확장해가고 있습니다.

8.1 초거대 AI의 도래와 컴퓨팅 패러다임의 지각변동

2017년, 구글 연구진이 발표한 논문 「Attention Is All You Need」는 '트랜스포머(Transformer)'라는 새로운 인공신경망 구조를 제안하며 이후 인공지능 역사의 흐름을 완전히 바꿔놓았습니다. 이 구조는 문장 속 단어들 사이의 관계를 한꺼번에 병렬적으로 파악할 수 있게 해주었고, 이는 앞서 4.2절에서 살펴본 GPU의 병렬 연산 구조와 절묘하게 맞아떨어졌습니다. 이후 오픈AI, 구글, 앤스로픽을 비롯한 기업들이 이 트랜스포머 구조를 기반으로 모델의 파라미터 수를 기하급수적으로 늘려나가면서, 이른바 '초거대 언어 모델(LLM)'의 시대가 열렸습니다. 챗GPT로 대표되는 이런 생성형 AI는 텍스트를 넘어 이미지, 음성, 영상까지 아우르는 '멀티모달' 인공지능으로 빠르게 진화하며, 인류의 지적 노동 방식 자체를 근본적으로 재편하고 있습니다.

이 폭발적인 성장의 이면에는 감당하기 벅찬 연산 수요라는 그림자가 함께 드리워져 있습니다. 최신 AI 모델 하나를 학습시키는 데는 수천 개에서 수만 개의 GPU가 수개월간 쉬지 않고 가동되어야 하며, 여기에 소요되는 전력과 비용은 웬만한 국가의 연구개발 예산에 맞먹는 수준으로 불어났습니다. 이런 폭증하는 연산 수요는 6.2절에서 살펴본 '폰 노이만 구조의 한계'를 그 어느 때보다 첨예하게 드러내고 있습니다. 데이터를 메모리와 연산장치 사이로 끊임없이 실어 날라야 하는 이 구조적 병목현상은, 모델이 커질수록 더욱 심각한 걸림돌이 되고 있습니다. 결국 오늘날 반도체 업계 전체는 단순히 '더 빠른 칩'을 만드는 것을 넘어, '데이터를 나르는 병목 자체를 어떻게 근본적으로 허물 것인가'라는 훨씬 어려운 질문과 씨름하고 있는 셈입니다. 이 질문에 대한 업계의 답이 바로 다음 절부터 살펴볼 맞춤형 반도체와 첨단 패키징 혁신입니다.

8.2 AI의 진화를 지탱하는 맞춤형 반도체(ASIC)와 NPU의 시대

GPU가 AI 연산의 만능 해결사처럼 여겨지지만, 사실 GPU 역시 원래는 그래픽 처리를 위해 설계된 범용에 가까운 병렬 연산 칩입니다. AI 연산, 그중에서도 신경망의 핵심인 '행렬 곱셈' 연산만을 극한까지 최적화한다면 GPU보다 훨씬 뛰어난 전력 효율을 낼 수 있다는 통찰에서 등장한 것이 바로 주문형 반도체, ASIC(Application-Specific Integrated Circuit)입니다. 구글은 이미 2015년부터 자사 데이터센터 내부에서만 사용할 목적으로 AI 연산 전용 칩 'TPU(Tensor Processing Unit)'를 개발해 은밀히 활용해왔으며, 이후 이를 클라우드 서비스로 외부에 개방하며 업계의 큰 주목을 받았습니다. TPU는 신경망 연산에 필요한 곱셈과 덧셈을 하드웨어 배열 안에서 물 흐르듯 연속적으로 처리하는 '시스톨릭 어레이(systolic array)' 구조를 채택해, 범용 GPU 대비 특정 AI 연산에서 훨씬 높은 전력 효율을 달성했습니다.

이런 흐름은 구글에 그치지 않았습니다. 아마존은 자사 클라우드 서비스를 위한 트레이니엄(학습용)과 인퍼렌시아(추론용) 칩을, 마이크로소프트는 마이아(Maia) 칩을, 메타는 MTIA 칩을 각각 독자 개발하며 거대 클라우드 기업들이 앞다투어 '자체 설계 AI 반도체' 경쟁에 뛰어들고 있습니다. 이는 4.1절에서 살펴본 팹리스 모델이 이제 반도체 전문 기업의 전유물을 넘어, AI 서비스를 직접 운영하는 빅테크 기업들에게까지 확산되고 있다는 뜻이기도 합니다. 데이터센터라는 거대한 규모에서만이 아니라, 우리 손안의 스마트폰에도 이런 흐름은 그대로 이어집니다. 오늘날 대부분의 스마트폰 애플리케이션 프로세서에는 사진 보정, 음성 인식, 실시간 번역 같은 작업을 전력 소모 없이 즉시 처리하는 전용 NPU가 함께 내장되어 있으며, 이는 클라우드 서버로 데이터를 보내지 않고도 기기 안에서 곧바로 AI 연산을 수행하는 '온디바이스 AI' 시대를 앞당기고 있습니다.

이처럼 범용성을 다소 희생하는 대신 특정 연산에서 압도적인 효율을 추구하는 ASIC·NPU 진영과, 유연성과 소프트웨어 생태계(CUDA)의 힘으로 여전히 시장을 주도하는 GPU 진영 사이의 경쟁은, 앞으로 수년간 AI 반도체 산업 전체의 판도를 좌우할 핵심 변수로 꼽힙니다. 특정 기업이 자사의 특수한 워크로드에 맞춰 처음부터 끝까지 최적화한 맞춤형 칩을 스스로 설계하는 흐름이 강해질수록, 반도체 설계 지형도는 소수의 범용 칩 제조사가 시장을 주도하던 과거 방식에서, 훨씬 다양하고 파편화된 '맞춤 설계의 시대'로 옮겨가고 있습니다.

8.3 병목을 뚫는 연금술: 고대역폭 메모리(HBM)와 첨단 패키징 혁명

아무리 뛰어난 GPU나 NPU라도, 연산에 필요한 데이터를 충분히 빠르게 공급받지 못하면 제 성능을 낼 수 없습니다. 이 '메모리 벽' 문제를 해결하기 위해 2013년 SK하이닉스와 AMD가 공동으로 개발해 국제반도체표준협의기구(JEDEC)의 표준으로 채택시킨 기술이 바로 고대역폭 메모리, HBM입니다. 4.3절에서 살펴본 것처럼 HBM은 여러 개의 D램 칩을 실리콘 관통 전극(TSV)으로 수직으로 연결해 쌓아 올린 뒤, 이를 GPU 옆에 나란히 배치해 실리콘 인터포저로 초고속 연결하는 방식으로 작동합니다. 기존에 회로기판을 통해 GPU와 메모리를 연결하던 방식과 비교하면, HBM은 데이터가 오가는 통로(대역폭) 자체를 극적으로 넓혀, 마치 좁은 골목길을 다차선 고속도로로 확장한 것과 같은 효과를 냅니다.

HBM의 진화 속도는 눈부십니다. 2015년 HBM1이 처음 상용화된 이후, HBM2, HBM2E, HBM3, HBM3E를 거쳐 2026년 현재 5세대 규격인 HBM4가 본격적인 양산 체제에 들어섰습니다. 세대를 거듭할수록 D램을 쌓아 올리는 층수가 늘어나고(8층에서 12층, 16층으로), 데이터 전송 속도와 용량도 함께 비약적으로 커지고 있습니다. 흥미로운 점은 HBM이 처음 등장했을 때는 그래픽 카드용 틈새 기술로 여겨졌지만, 생성형 AI 붐과 함께 GPU 서버의 필수 부품으로 위상이 완전히 바뀌었다는 사실입니다. 오늘날 AI 반도체의 실질적인 성능은 연산 코어의 속도 못지않게, 그 코어에 데이터를 얼마나 빨리 먹여줄 수 있는지에 따라 좌우되며, 이 때문에 삼성전자, SK하이닉스, 마이크론 등 메모리 3사의 HBM 경쟁력이 곧 전 세계 AI 산업의 병목을 좌우하는 전략적 요충지가 되었습니다.

이와 함께 TSMC의 CoWoS(Chip-on-Wafer-on-Substrate)를 비롯한 첨단 패키징 기술 또한 HBM과 GPU를 하나의 시스템으로 정교하게 결합하는 핵심 인프라로 떠올랐습니다. 오늘날 최선단 AI 반도체는 로직 칩 하나만 잘 만든다고 완성되는 것이 아니라, 로직·메모리·네트워킹 칩을 얼마나 정교하게 하나의 패키지 안에 통합하느냐가 최종 성능을 좌우하는 시대에 접어들었습니다. 이 때문에 최근 몇 년간 첨단 패키징 생산 능력 자체가 GPU 공급 속도를 제한하는 새로운 병목으로 떠오르기도 했으며, 이는 반도체 산업의 경쟁 무대가 '누가 더 작은 트랜지스터를 만드는가'에서 '누가 더 많은 부품을 정교하게 통합하는가'로 옮겨가고 있다는 4장의 논의를 다시 한번 확인시켜 줍니다.

8.4 자율주행·로보틱스·엣지 AI: 사물 지능의 최전선과 전력 반도체

지금까지 살펴본 초거대 AI 반도체 경쟁이 주로 거대한 데이터센터를 무대로 벌어졌다면, 이제 그 지능은 클라우드를 벗어나 우리 주변의 물리적 사물들 속으로 빠르게 스며들고 있습니다. 자율주행 자동차는 카메라, 레이더, 라이다로부터 초당 수 기가바이트에 달하는 데이터를 실시간으로 처리해 밀리초 단위의 주행 판단을 내려야 하는데, 이는 클라우드 서버까지 데이터를 보내 응답받기에는 지연 시간이 너무 길어, 반드시 차량 내부에 탑재된 전용 칩이 즉석에서 처리해야만 하는 영역입니다. 이런 요구에 맞춰 엔비디아의 드라이브(DRIVE) 플랫폼, 모빌아이의 아이Q 칩, 테슬라가 자체 설계한 FSD 칩 등 자율주행 전용 반도체들이 빠르게 발전하고 있습니다.

로봇공학 분야 역시 비슷한 흐름을 보이고 있습니다. 물류창고의 자동화 로봇, 산업용 협동로봇, 그리고 최근 빠르게 발전하고 있는 휴머노이드 로봇에 이르기까지, 이들 모두는 주변 환경을 실시간으로 인식하고 판단해야 하는데, 이 모든 연산을 로봇 몸체 안에 탑재된 제한된 전력의 칩만으로 처리해야 합니다. 이 때문에 로봇용 반도체는 단순히 연산 속도만이 아니라, 배터리 한 번 충전으로 얼마나 오래 작동할 수 있는지, 즉 '와트당 성능'이 훨씬 중요한 설계 기준이 됩니다. 스마트폰, 웨어러블 기기, 각종 가전에 이르기까지 이런 저전력·고효율 엣지 AI 반도체의 수요는 데이터센터용 반도체 못지않게 빠르게 성장하고 있으며, 이는 소수의 초거대 칩보다 훨씬 다양하고 세분화된 반도체 생태계를 만들어내고 있습니다.

이 모든 엣지 디바이스가 실제로 움직이려면, 배터리의 전기를 모터와 센서에 맞게 정교하게 변환해주는 6.3절의 전력 반도체 역시 함께 발전해야 합니다. 특히 전기차와 로봇처럼 배터리로 구동되는 기기가 늘어날수록, SiC·GaN 같은 와이드 밴드갭 전력 반도체의 중요성은 더욱 커지고 있습니다. 결국 AI가 클라우드를 넘어 물리적 세계 곳곳으로 확산되는 이 흐름은, 연산 반도체(NPU)와 전력 반도체(SiC·GaN)가 함께 손잡고 발전해야만 완성될 수 있는 이중주라 할 수 있습니다.

8.5 에필로그: 실리콘 문명의 다음 장 — 양자와 생체 융합의 혼돈

이 책의 6장에서 우리는 양자 반도체와 뉴로모픽 반도체라는 두 갈래의 미래 기술을 각각 살펴보았습니다. 이 마지막 절에서는 이 두 흐름이 AI라는 거대한 물결과 어떻게 서로 얽혀 다음 시대를 준비하고 있는지를 조금 다른 각도에서 조망해보려 합니다. 오늘날 AI 모델의 크기는 물리적 반도체 미세화 속도보다 훨씬 빠르게 커지고 있으며, 이 격차는 결국 실리콘 기반 컴퓨팅의 근본적인 재설계를 요구하고 있습니다. 양자 컴퓨터가 특정 최적화 문제와 신약 개발 시뮬레이션에서 AI 연구를 가속할 잠재력을 지녔다면, 뉴로모픽 반도체는 AI를 지금보다 훨씬 적은 전력으로, 훨씬 가까운 곳(우리 몸에 지니는 기기)에서 구동할 수 있는 가능성을 열어줍니다. 흥미롭게도 최근에는 AI 스스로가 다음 세대 반도체를 설계하는 데 활용되는 역설적인 순환 구조도 나타나고 있습니다. 반도체 설계 소프트웨어 기업들은 이미 생성형 AI를 활용해 칩 배치와 배선을 최적화하는 도구를 상용화하고 있으며, 이는 '인간이 만든 AI가 다음 세대 반도체 설계를 돕고, 그 반도체가 다시 더 뛰어난 AI를 가능케 하는' 자기 강화적 발전 고리를 예고합니다.

이런 순환 구조의 끝에서 일부 연구자들은 훨씬 대담한 상상까지 하고 있습니다. 실리콘 기반 신경모방 칩과 살아있는 생체 뉴런 세포를 결합하는 '생체 융합(bio-hybrid)' 컴퓨팅 연구가 그 예입니다. 아직은 실험실 수준의 초기 연구에 머물러 있지만, 만약 이런 융합이 실용화 단계에 이른다면, 우리는 실리콘과 생물학적 신경 조직의 경계가 흐려지는 완전히 새로운 컴퓨팅 문명을 마주하게 될지도 모릅니다. 물론 이런 미래 기술 대부분은 아직 상용화까지 넘어야 할 산이 많고, 그 발전 속도를 정확히 예측하기도 어렵습니다. 그러나 분명한 것은, 지난 80년간 실리콘이라는 하나의 물질을 중심으로 발전해온 반도체 문명이 이제 양자역학, 신경과학, 그리고 어쩌면 생물학까지 아우르는 훨씬 넓은 지식의 지평 위에서 다음 장을 써 내려가고 있다는 사실입니다. 이 책의 1장에서 모래 한 알로 시작했던 이야기가, 이제 인류 지능의 미래 그 자체를 함께 써 내려가는 지점까지 이르렀습니다.