1. FPGA (Field-Programmable Gate Array) 개요
FPGA는 프로그램이 가능한 비메모리 반도체다. 중앙처리장치(CPU)나 GPU와 등 주문형반도체(ASIC)와 달리, 칩 내부의 하드웨어를 필요에 따라 재프로그래밍할 수 있다.
완성된 반도체 하드웨어를 변경시키지 않은 상태에서 기능을 업데이트 하는 것은 반도체 안의 프로그램을 업데이트 하는 것이라 볼 수 있다. FPGA는 프로그램인 소프트웨어뿐 아니라 하드웨어인 칩 자체를 업데이트 가능하게 하는 반도체이다.
그래서, FPGA는 고객 업체에 로직 설계가 이루어지지 않은 상태로 납품된다. FPGA 공급 업체는 고객사의 개발자들이 해당 솔루션을 활용할 수 있도록 프로그래밍을 위한 소프트웨어를 제공하며, 고객 업체들은 이를 받아 니즈에 맞게 설계한다.
이러한 특징으로 인해 성능 및 전력 소모 등에서 상위의 스펙을 지니고 있지만, 다른 ASIC 기반으로 대량생산된 프로세서들보다 수십 배 이상 비싼 가격으로 인해 범용적 용도로는 쓰이지는 못하고 있으며, 주로 항공, 우주, 방산 등 특수 영역이나 특정 전자 제품을 생산하기 전 테스트용으로 사용된다.
예를 들어 5G 기술 지원과 같은 첨단 기술로 작업할 경우 설계자는 기본 표준과 프로토콜이 계속해서 발전하고 있는지를 고려해야 한다. 즉, 설계자는 통제할 수 없는 사양 변화에 빠르고 효과적으로 대응할 수 있어야 한다.
마찬가지로 시스템을 현장에 배포한 이후에 발생할 미래의 표준 및 프로토콜 변화에 유연하게 대응해야 한다. 또한 시스템 기능의 예기치 못한 버그 또는 시스템 보안 허점에 대응하거나, 기존 기능을 수정하거나, 시스템 수명을 연장하기 위해 새로운 기능을 추가할 수 있어야 한다.
최근에는, 상황에 따라 여러 차례 회로 변경이 가능하다는 특징으로 인해 변화가 빠른 AI 컴퓨팅으로 인해 유발되는 수요에 대응하는 것이 유리할 수 있다는 평가다.
일례로 GPU와 다르게 병렬연산뿐만 아니라 기본 연산 성능을 높이게 설계해 훈련에서 추론 영역으로 확장할 수 있다.
전력 효율도 강점이다. GPU는 수천 개 코어가 집약돼 있다. 밀집돼있는 코어들은 병렬연산을 하는 동안 많은 열을 발생시킨다. 발생한 열을 냉각할 또 다른 시스템이 필요하다. 이 때문에 추가 비용과 전력이 증가한다. FPGA는 이러한 전력 문제에서 보다 자유로운 편이다. 하드웨어를 AI 모델에 맞게 조절할 수 있어 전력 효율을 높일 수 있다.
물론 단점도 있다. 비용이 높고 사용이 어렵다. FPGA는 다양한 기능을 구현할 수 있는 만큼 개별 비용이 비싸다. 이 때문에 업체들은 FPGA를 이용해 AI용 반도체를 개발하고 성과가 나오면 해당 설계를 바탕으로 ASIC을 대량 생산하는 편이다. FPGA 언어를 모르면 칩을 사용하기 어려운 점도 한계였다. 이 때문에 FPGA보다 마이크로컨트롤러유닛(MCU)에 더 익숙한 사용자가 많은 것이 사실이다.
FPGA 설계는 HDL(Hardware Description Language)이라는 특수한 하드웨어 기술 언어를 통해 Synthesis(합성)되고 업로드되어 하드웨어 내부의 논리 연산과 배선이 재조정된다. 현대에는 VHDL과 Verilog라는 하드웨어 기술 언어를 주로 쓴다.
주문형 반도체인 ASIC과 많이 비교되고 있는데 FPGA는 일반적으로 ASIC보다 느리고 복잡한 설계에 적용할 수 없으나, 개발 기간이 짧고 오류를 현장에서 재수정할 수 있으며 초기 개발비가 저렴하다고 할 수 있다.
인류 역사상 프로그래밍이 가능한 반도체 중 가장 신뢰성이 높다. 이는 프로그램이 올라가서 한줄 한줄 실행되는 게 아니라 하드웨어적으로 회로가 구성되기 때문인데, 기존 동작 및 기능을 간섭하지 않으면서도 새로운 기능을 완벽하게 병렬적으로 추가/수정 할 수 있는 특징 덕분이다. 게다가 발생 가능한 모든 경우의 에러 및 지연시간을, 실제 동작이 아닌 합성/시뮬레이션 단계에서부터 미리 파악할 수도 있다.
2. FPGA의 역사
FPGA가 있기 전에 1970년대에 GAL, PAL 라고 하는 여러개의 로직 소자를 엮어서 입출력 구성을 자기 마음대로 바꿀수 있는 소자가 있었다. 다만 시기가 시기인 만큼 프로그래밍 가능한 수준은 아니었고 외부 핀과 연결되어서 제어하는 방식이었다. 아직 반도체 공학이 발전하지 않은 시절이라 이때의 소자수는 수십개 정도였는데 FPGA의 역사는 이곳에서 시작한다고 볼 수 있다.
이후 PAL를 더 많이 사용해서 기능을 늘린 PLD가 탄생하고 이 PLD의 규모가 커진 CPLD(Complex Programmable Logic Device)가 나오게 되고 이후 더 발전한 개념인 FPGA가 나오게 된다.
field-programmable gate array라는 이름이 붙은 이유는 간단한데 기존에 PLC, CPLD 소자 같은 경우는 초창기의 ROM처럼 퓨즈 방식인 경우가 많아서 공장이 아니라면 프로그래밍이 불가능한 제품이 많았기 때문이다.
FPGA에서는 메모리를 통한 소자 수정을 통해서 더 간단하게 기록할 수 있게 되었고 이때부터 제조사가 아니어도 논리 소자를 프로그래밍 할 수 있게 되었다.
시장에 나온 첫 FPGA는 알테라의 EP300이다. EP300은 자외선을 이용한 EPROM 구조로 되어 있는 제품이었다.
3. FPGA 특징
3.1. 구조적 특징 및 프로그램 가능성
칩셋 내부에 로직 게이트를 자유자재로 구현할 수 있도록 진리표를 이용해 로직을 만들어 내는 RAM과 플립플롭이 빽빽히 박혀있고 내부 결선을 직접 변경할 수 있기 때문에 사용자의 용도에 맞게 온갖 칩을 설계 가능하다.
FPGA의 핵심은 (‘FPGA-dom’의 원래 정의로 볼 때) 프로그래밍이 가능한 논리 블록의 어레이로 표기되는 프로그래밍 가능 패브릭이라는 것이다.
이러한 각 논리 블록에는 대조표(LUT), 멀티플렉서, 레지스터를 비롯한 소자 모음이 포함되어 있으며, 모두 필요에 따라 작동하도록 구성(프로그래밍)될 수 있다(그림 2).
단순 MCU 대체 용도부터 시작해서 DSP나 아예 자기가 원하는 방식대로 새로운 논리 소자나 CPU를 만드는 것도 가능하며 이론상 한 클럭에 모든 작업을 수행할 수도 있다. (단, 두 플립플롭 사이의 논리회로가 크고 복잡해질수록 동작에 걸리는 시간이 늘어나기 때문에 클럭 주파수가 감소한다.)
주요 성능의 지표로는 동작 속도가 아닌 논리 블록의 수로 평가되는데, 이는 구현하는 회로의 특성에 따라 동작 속도가 달라지고 게이트 간 결선을 통해 동시에 수 만에서 수백 만의 명령을 단 한 번에 병렬적으로 실행할 수도 있기 때문이다.
따라서, 클럭 신호에 맞추어 명령어를 차례대로 수행하는 프로세서와는 근본적으로 동작 방법이 다르다고 할 수 있다. 그리고 이러한 이유 때문에 현실의 시간과 동기화해서 운용할 수 없어서, Real-Time 시스템과의 연계가 필수적이다.
프로그래밍이 가능한 주제에 비교 대상은 항상 ASIC이다. ASIC은 프로그래밍이 불가능한 양산형 집적 회로이고, 성능, 전력 소모, 칩 가격 모든 면에서 FPGA보다 뛰어나지만, 개발 비용이 어마무시하기 때문에 수요 규모가 크지 않으면 ASIC보다는 FPGA를 사용하는 게 일반적이다.
ASIC과 비교해서 FPGA는 기본적으로 해당 공간에 모든 용도로 활용 가능한 로직 블록을 우겨 넣은 형태이기 때문에 전력 소모가 많으며 ASIC보단 소형화된 설계를 할 수 없다. 저전력으로 설계된 FPGA칩도 존재하며 이들도 나름의 시장을 형성하고 있다. ASIC는 인쇄 회로 기판, FPGA는 만능기판에 비유할 수도 있다. 실제로도 과거에는 PCB 또한 커스텀 제작이 어려웠다. 하지만 기술의 발달로 커스텀 PCB를 취급하는 제조업체가 상당히 늘어 옛말이 되었다.
단순 프로그래머블 논리 소자 말고도 별도의 CPU를 탑재할 필요 없이 자체적인 CPU를 탑재한 제품도 나오고 있으며 이를 통해서 다양한 분야에 널리 사용되는 중이다. 실제 산업현장에서 일반적으로 FPGA 단독으로 쓰이는 경우는 거의 없기 때문이다.
보통은 피코/나노초 단위로 고속처리가 중요한 분야만 FPGA를 적용하고 이 FPGA를 다른 CPU가 제어하는 식으로 많이 쓰인다. 자일링스의 ZYNQ, 인텔의 어질렉스 SOC 등등 둘다 ARM 코어텍스-A 기반 코어 탑재한다. 이런 특성 때문에 다양한 분야에서 쓰이고 있으며 대표적으로 인공지능이나 기계 제어 등에서 많이 쓰이고 있다.
비휘발성 FPGA는 전원을 꺼도 프로그램이 보존되니 상관이 없지만, 휘발성 FPGA는 전원을 끄면 프로그램이 삭제되기 때문에 전원을 켤 때마다 재설치가 필요하다. 일부 기종은 MCU가 내장되어 있어서 전원을 켤 시 자동으로 프로그램이 설치되는 것도 있고, 전원을 켤 때마다 외부에서 프로그램을 설치해주어야 하는 기종도 있다. 보통 이 경우는 외부에 MCU를 따로 설치한다.
3.2. 소프트웨어적 병렬 연산
CPU도 여러가지 연산을 할 수 있다는 측면에서 유연성이 높다고 볼 수 있지만 FPGA는 하드웨어 영역이 아닌 소프트웨어 영역에서 유연성을 발휘한다는 점이 가장 큰 특징이다.
빅데이터 및 딥러닝(Deep Learning), 머신러닝(Machine Learning)에서의 핵심 기술은 바로 병렬 연산이다. 병렬 처리의 대표 프로세서인 GPU는 수백, 수천 개의 코어를 통해 단순 연산을 한 번에 진행하는 식으로 데이터를 병렬 처리한다. 하이엔드 그래픽 카드인 엔비디아 지포스 2080 Ti의 경우 4,352개의 쿠다(CUDA) 코어를 내장하여 병렬 연한을 수행한다.
반면 FPGA는 하드웨어가 아닌 소프트웨어적으로 구현된 하나의 코어만을 사용하여 알고리즘을 통한 병렬 설계만으로 높은 가속 성능을 발휘한다. 이는 설계 기술이 발전할수록 추가 리소스 없이도 더 높은 가속 성능이 가능함을 의미한다.
좀더 구체적으로 살펴보자.
FPGA는 지능형 인터페이스 기능, 모터 제어기, 알고리즘 가속화 및 고성능 컴퓨팅(HPC), 이미지 및 동영상 처리, 머신 비전, 인공 지능(AI), 머신 러닝(ML), 딥 러닝(DL), 레이더, 빔형성, 기지국 및 통신을 구현하는 데 특히 유용한다.
다른 인터페이스 표준 또는 통신 프로토콜을 사용하는 다른 디바이스 간에 지능형 인터페이스를 제공하는 간단한 예를 들 수 있다. 레거시 인터페이스를 사용하여 카메라 센서 및 디스플레이 디바이스에 연결하는 응용 프로세서가 포함된 기존의 시스템을 고려해 보자.
이제 시스템 작성자가 더 가볍고, 경제적이면서 적은 전력을 소비하는 최신 카메라 센서 및 디스플레이 디바이스로 업그레이드하려 한다고 가정한다. 한 가지 문제는 이 새로운 디바이스 중 하나 또는 모두가 원래 응용 프로세서(AP)에서 지원되지 않는 최신 인터페이스 표준을 사용할 수 있다는 것이다.
또한 MIPI와 같은 완전히 다른 통신 프로토콜을 지원할 수 있다. 이 경우 여러 I/O 표준을 지원할 수 있는 FPGA를 일부 소프트 MIPI IP 코어와 함께 사용하면 빠르고 경제적이며 위험 없는 업그레이드 경로를 제공한다.
다른 응용 분야의 예에서는 레이더 시스템을 구현하는 데 필요한 신호 처리 수행, 통신 기지국의 빔형성과 같은 일부 컴퓨팅 집약적인 작업을 고려한다. 폰 노이만 또는 하버드 아키텍처형 기존 프로세서는 특정 작업에 적합하지만 동일한 연산 시퀀스를 반복적으로 수행해야 하는 작업에는 적합하지 않다. 단일 스레드를 실행하는 단일 프로세서에서 명령어를 한 번에 하나만 실행할 수 있기 때문이다.
그에 비해 FPGA의 여러 기능에서는 동시에 실행하여 일련의 작업을 파이프라인으로 연결할 수 있다. 따라서 처리량이 크게 향상된다. 마찬가지로 프로세서에서 1,000쌍의 데이터 값에 대해 동일한 작업을 1,000회 수행하는 대신 프로그래밍 가능 패브릭에 1,000개의 누산기를 인스턴스화하여 FPGA의 단일 클록 주기에 동일한 계산을 대규모 병렬 방식으로 수행할 수 있다.
3.3. 저전력
CPU는 최근 저전력 제품군이 나오고는 있지만, 기본적으로는 성능을 중시하는 프로세서라서 소비 전력을 줄이는데 한계가 존재한다. 그리고 다중 코어 트렌드로 인해 전력 소모량을 줄이기 어려운 추세이다.
GPU는 병렬 연산을 위해 수천 개의 코어를 사용하기 때문에 다른 프로세서들보다 전력 소모량은 더 높은 편이다.
반면 FPGA는 위에서 설명한 것처럼 소프트웨어를 통해 병렬 구조를 설계하기 때문에 하나의 코어 안에서 모든 작업이 이루어져 소비 전력이 낮다. 오히려 알고리즘 개발을 통해 저전력 업그레이드도 가능 하다.
ASIC의 경우에도 저전력 솔루션이 가능하여 일반적으로 FPGA가 ASIC보다 소비 전력이 큰 편이나, ASIC은 전력 소모보다 성능을 중시하는 경우가 많아 단순 비교는 불가하다.
3.4. 소량 생산
항공, 국방, 우주 산업과 같은 특수 분야 및 니치 마켓은 범용이 아니기 때문에 소량의 프로세서만이 필요하다.
고객사 입장에서는 100개 내지 1,000여 개 이하의 제품 수요를 위해 ASIC 양산 공정을 이용하기 보다는 가격이 높더라도 FPGA를 개별로 구매해 자체 프로그래밍을 삽입하는 것이 비용적으로 훨씬 유리하다.
그러나 특정 제품이 수요가 증가하여 대량 생산이 필요해지기 시작하면 고객사는 결국 ASIC 또는 성능을 맞춘 범용 프로세서로 선택을 변경하는 것이 유리하게 된다.
ASIC은 초기 개발 비용이 많이 드나, 개발 및 스펙이 확장되어 몇 만개 이상의 생산에만 들어가더라도 가격은 FPGA 대비 낮은 편이다. 따라서 FPGA는 소량 생산에는 비용 효율이 높으나 범용적 사용에는 한계가 존재한다.
3.5. 이종 병렬
CPU, GPU 등 다른 종류의 로직 반도체와 병렬 구성한다. 이를 통해 메인 프로세서가 하지 못하는 기능이나 추가적 컴퓨팅 파워를 공급하여 연산을 돕는 특성이 있다.
인텔의 애질렉스(Agilex) FPGA는 서버용 프로세서인 제온(Xeon) CPU와 함께 가속기로 사용되어 시스템 처리 능력을 향상시키고 작업 부하를 줄여주고 있다.
4. FPGA 제조업체: 인텔 (Intel) & 자일링스 (Xilinx) 등
FPGA 제조 업체 자체는 많다. 마이크로컨트롤러로 유명한 업체도 자사 마이크로컨트롤러 라인업에 FPGA를 끼워 놓은 경우가 많으며 코어텍스-M 코어 중에는 아예 FPGA 코어도 있다.
시장 점유율은 자일링스(지금은 AMD)가 1위, 인텔이 2위로 경쟁하고 있으며 이 둘을 합하면 거의 90%에 가까운 시장 점유율을 보여준다. 시장점유율 원래는 알테라였지만 인텔이 인수한 뒤 아예 알테라 브랜드를 지우고 인텔 브랜드에 편입한 상태다.
현재는 AMD가 자일링스를 인수하면서 사실상 AMD와 인텔의 경쟁이 되었다. 이 두 회사는 몇 안되는 빅칩 FPGA를 제조하는 회사들이며(각각 버텍스, 킨텍스/스트라틱스, 애질렉스) 따라서 좀 규모가 큰 장비에 들어가는 FPGA는 십중팔구 이 두 회사의 제품이다.
이외에도 마이크로세미, Lattice Semiconductor등의 소규모 회사들이 있으며 이외의 회사들은 구색 갖추기 수준의 라인업만 갖춘 경우가 많다.
인텔은 지난 2015년 FPGA 글로벌 최대 점유율을 지닌 알테라(Altera)를 167억 달러에 인수하며 자일링스와 경쟁하고 있다.
인텔과 자일링스는 FPGA를 통한 가속기 시장을 선점하기 위해 데이터 센터 전용 가속기 제품을 개발했다. 제작년 말 인텔은 인텔 Stratix 10 SX FPGA를 탑재한 인텔 PAC(Programmable Acceleration Card)를, 자일링스는 울트라스케일 FPGA를 기반으로 한 가속기 카드 포트폴리오 Alveo를 출시했다.
또한 자일링스는 HBM(High-Bandwidth Memory, 고 대역폭 메모리)과 FPGA를 결합한 '버텍스(Virtex) 울트라스케일 HBM FPGA’ 제품군을 출시했다. 첨단 실리콘 스택 기술을 사용하여 HBM과 FPGA 로직을 하나의 패키지 안에 긴밀하게 결합, 지연 시간 및 전력 소모를 크게 줄이고 성능을 획기적으로 향상시켰다.
FPGA가 포함되어 있는 인텔의 PSG(Programmable Solutions Group) 사업 매출은 큰 변동 없는데, 자일링스의 연간 매출은 계속해서 증가 추세에 있다.
5. FPGA의 활용
- 프로토타입 -칩 양산 단계에서의- 테스트
- 로봇제어 / 인공지능 / 채굴기 / 데이터 센터 등을 위한 가속기 또는 그래픽 가속기
- 우주선 / 인공위성 / 대부분의 현대전 무기 / 전자전 무기 / 미사일와 같은 방위 산업 분야
- 통신 시스템 등 높은 처리 능력과 유연성이 동시에 요구되는 분야
- 기타 기존 시스템의 원칩화
- ATE(Automatic Test Equipment) 반도체 자동화 테스트 장비
- 데이터 수집 장치(DAQ,data acquisition)
위와 같이 빠르고 신뢰성 있는 하드웨어 프로그래밍을 요구로 하는 현장에서 주로 쓰인다. 일반적으로 ASIC(주문형 반도체) 설계용 테스트 용도나 DSP 개발용으로 쓰거나 일부에서 MCU 용도로 사용하기도 한다.
한때는 다른 저전력 MCU들에 밀리다가 최근에 들어서 가속기 용도로 활약하며 AI 분야(마이크로소프트나 인텔이 이 부분에 적극적이다.)나 암호화폐 채굴 등 막대한 연산력을 필요로 하는 분야에서 두각을 드러내고 있다. 암호화폐 채굴 분야에서는 사실 ASIC으로 넘어가기 전 단계에 해당된다. 채굴 로직을 개발해서 FPGA에 탑재해 성능 확인 후, 확인되면 ASIC으로 생산하는 것이다.
가속기 용도에서는 GPGPU와 경쟁 상대라고 할 수 있다. FPGA를 사용하면 하드웨어 레벨에서 애플리케이션의 병렬 처리를 최적화 할 수 있기 때문에 GPGPU보다 성능이나 전력 소모 등에서 훨씬 유리하다.
암호 화폐 채굴기 사례에서 알 수 있듯이 잘 설계된 하드웨어 가속기는 GPGPU를 전성비 측면에서 압도할수 있다. 그러나 하드웨어를 설계해 줘야 하는 FPGA의 특성상 설계 난이도가 매우 높다는 큰 단점이 있다.(그 어렵다는 GPGPU보다 훨씬 더!)
예를 들어 박사 학위를 가진 엔지니어 한 명이 2달동안 어떤 동영상 처리 알고리즘을 GPGPU로 구현했는데, 동일한 알고리즘과 기능을 FPGA로 구현할 때 박사 학위를 가진 엔지니어 두 명이 1년동안 작업해야 했다는 보고가 있다.
단순 계산하면 동일한 기능의 구현에 GPGPU 보다 12배의 노동력이 필요했던 것이다. C 등의 프로그래밍 언어로 알고리즘을 짜면 HDL로 변환해주는 HLS(High Level Synthesis)도 많이 보급되었지만, 그게 하드웨어를 몰라도 쉽게 사용할 수 있는 만능 도구라 생각하면 곤란하고, FPGA 설계는 하드웨어 설계에 대한 지식이 없는 일반적인 사람에게는 불가능에 가까운 진입 장벽을 가지고 있다. 즉, FPGA를 설계할 줄 안다는 것은, 단순한 코딩 지식 뿐 아니라 하드웨어적인 지식까지 전체적으로 알고 있다는 이야기가 된다.
마이크로소프트에서는 데이터 센터 서버에 알테라(Altera)의 FPGA를 도입해서 Bing 검색엔진의 성능 및 전력 소모를 개선했다고 한다.
일반인들이 체감할 수 있는 사용 사례를 꼽아보면 G-SYNC나 카메라 등이 있는데 엔비디아는 자사의 G-SYNC 컨트롤 보드에 인텔의 ARRIA FPGA를 사용하였다. 이외에도 엔비디아는 인텔제 FPGA를 많이 사용한다. Quadro Sync II에도 인텔제 FPGA가 들어가 있음을 확인할 수 있다.
영상 캠코더 분야에서 초 고해상도 영상의 무지막지한 처리량을 감당하기 위해 아예 대형 FPGA를 통째로 넣고 처리해버리는 제품들이 많다. 또한 캡쳐 보드 분야에서도 FPGA가 쓰이는 등 영상 분야에 광범위하게 쓰인다.
이외에도 현재는 판매되지 않는 구형 칩셋의 구현을 위해서 사용하기도 하는데 Analogue Pocket과 같은 레트로 게임기의 물리적 구현이 대표적인 예시이다.
6. FPGA 전망 및 한계
트랙티카(Tractica)의 2017년 보고서에 따르면, AI 성장으로 2025년 전체 딥러닝 칩 시장은 2016년보다 40배 가량 성장할 것으로 전망된다.
일부 반도체 전문가들은 이에 따라 FPGA가 AI 가속 프로세서 시장을 통해 사이즈가 더 커질 수는 있겠지만, 장기적으로는 ASIC이나 GPU의 성장률에 못 미칠 것으로 예상한다.
2016년부터 인공지능이 이슈가 되기 시작하면서 시장은 급격히 성장 및 변화하고 있어 현재로서는 FPGA가 적합한 솔루션이나, 현재 이미지 인식 성능이 거의 100%에 달한 것처럼 일부 AI 기술이 안정화에 접어들면 급한 알고리즘 변경 및 수정이 불필요해 FPGA의 쓰임새는 그만큼 줄어들 수 있다.
FPGA를 통해 잘 설계된 핵심 알고리즘이 범용 프로세서에 담겨 낮은 가격에 대량 생산되고, 이에 따라 FPGA는 다시 일부 니치 마켓을 담당하는 방향으로 회귀할 수도 있을 것으로 예상된다. 결국 잠깐의 성장세를 넘어 패러다임 변화 및 메인 프로세서의 자리까지 올라가기 위해 가장 중요한 요인은 바로 가격 경쟁력이다.
메모리 반도체의 경우도 SRAM이 기능적으로 디램(DRAM)보다 뛰어나지만 집적도 차이로 인해 디램의 가격이 훨씬 낮아 메인 메모리 자리는 디램이 차지하고 있으며, SRAM은 캐시 메모리와 같은 보조적 용도로 사용되고 있기 때문이다.
인텔의 옵테인 메모리 또한 비휘발성 기능을 강조하며 패러다임을 바꿀 메모리 제품으로 이슈 받고 있지만, 디램과 가격 차이가 심해 출시된 지 몇 년이 지난 지금도 아직 시범적 용도로 사용되고 있을 뿐. 반도체뿐만 아니라 대부분 산업에서의 메인의 자리는 결국 낮은 가격에 괜찮은 성능을 지닌 범용 제품이 차지한다.
이에 비춰봤을 때, FPGA 또한 AI 산업이 성숙되기 전까지 현재의 가격 차이를 좁히지 못하는 이상 결국 성장에는 한계가 있을 것으로 생각할 수 있다. 하지만 AI를 통해 FPGA의 시장이 커진 것은 사실이며 양적인 성장은 어느 정도 지속될 것으로 전망된다.
출처: 나무위키, Gadget Seoul, 귤향기 블로그, 반도체네트워크, Digi-key
뜨리스땅
'반도체, 소.부.장.' 카테고리의 다른 글
| 엔비디아 대항마? - 삼바노바(SambaNova) (0) | 2024.06.23 |
|---|---|
| 엔비디아 대항마? - 세레브라스(Cerebras) (5) | 2024.06.22 |
| AI 반도체에 대해 알아야할 주요 키워드 (1) | 2024.06.15 |
| 국내 AI 반도체 선도업체 '리벨리온 - 사피온'의 합병 발표 (1) | 2024.06.13 |
| 2024년 하반기 반도체 시황 전망 (1) | 2024.06.06 |
댓글