원문 보기
IBM은 반도체 업계의 많은 사람들이 아직 몇 년은 더 걸릴 거라고 생각했던 일을 해냈습니다. 그들은 0.7나노미터 노드라고 부르는 공정으로 작동하는 칩을 제작했습니다 . 7옹스트롬. 만약 지금 당장 그 숫자가 당신에게 아무 의미도 없더라도 걱정하지 마세요. 이 영상을 끝까지 보시면 엔지니어들이 왜 그 숫자에 열광하는지, 그리고 왜 그것이 이번 10년 동안 컴퓨터 산업에 일어날 가장 중요한 일 중 하나일 수 있는지 정확히 이해하게 될 테니까요 . 이번 영상은 정말 흥미진진하니 끝까지 시청해 주세요. 단순히 헤드라인만 나열하는 게 아니라 기술이 어떻게 작동하는지 자세히 파헤치는 분석을 좋아하신다면 지금 바로 구독 버튼을 눌러 다음 영상을 받아보세요.
제 말을 믿으세요, 앞으로 이야기가 어떻게 전개될지 꼭 보고 싶어지실 거예요. 좋습니다, 그럼 시작해 볼까요? 2026년 6월 25일, IBM은 세계 최초의 1나노미터 미만 칩 기술을 발표했는데, 그 핵심 수치는 상상하기조차 어려울 정도입니다. 그들은 손톱 크기만 한 칩 하나에 거의 1000억 개의 트랜지스터를 집어넣었습니다 . 이는 IBM이 2021년에 공개했던 2나노미터 칩보다 밀도가 대략 두 배 높은 수치입니다. 불과 4년 만에 두 배가 된 셈이죠. 자, 이제 이름에 대해 솔직하게 말씀드리고 싶어요. 이름이 중요하다고 생각하거든요.
0.7나노미터는 칩 상의 어떤 부분의 실제 너비가 아닙니다. IBM은 노드 이름이 실제 물리적 측정값을 나타내는 것을 더 이상 의미하지 않는다고 수년 전에 직접 밝혔습니다. 요즘에는 업계의 하나의 명칭이자 세대를 나타내는 표식 , 일종의 브랜딩 수단으로 여겨집니다. 그러니까, 누구도 실리콘에 0.7나노미터 너비의 작은 구멍을 냈다고 주장하는 사람은 없습니다. 그들이 실제로 한 일은 단 하나의 숫자보다 훨씬 더 멋지다. 약 60년 동안 반도체 산업 전체는 아주 단순한 한 가지 아이디어에 기반하여 돌아갔습니다. 트랜지스터의 크기를 줄이고, 더 많은 트랜지스터를 집어넣어 속도를 높이고 전력 소모를 줄인 다음, 이 과정을 반복하는 것입니다.
그게 바로 무어의 법칙을 한마디로 요약한 것이고 , 수십 년 동안 놀랍도록 잘 작동했죠. 바로 그 덕분에 지금 주머니 속 휴대폰이 1990년대 슈퍼컴퓨터를 무색하게 만드는 겁니다. 하지만, 여기 벽이 있어요. 현재 우리는 트랜지스터 하나 내부의 채널이 약 15개의 실리콘 원자로 이루어진 규모에서 작업하고 있습니다. 15. 영원히 계속 줄어들 수는 없습니다. 결국에는 원자가 모두 소진되기 때문입니다. 전자들이 가야 할 곳이 아닌 곳으로 새어나가기 시작합니다. 폭염은 악몽으로 변한다. 물리 법칙이 더 이상 협조하지 않아요. 업계 관계자들은 모두 수년간 이러한 장벽이 세워지는 것을 지켜봐 왔고 , 항상 제기되어 온 질문은 바로 이것이었습니다.
더 이상 줄일 수 없을 때는 어떻게 해야 할까요 ? IBM의 답변은 대체로 괜찮습니다. 우리는 더 이상 규모를 축소하지 않을 것입니다. 우리는 올라갈 거예요 . 자, 이제 제가 가장 좋아하는 부분입니다. 여기서 진정한 혁신은 규모에 있는 것이 전혀 아닙니다. 이것은 아키텍처 이며, IBM은 이를 나노스택(NanoStack)이라고 부릅니다. 기존처럼 트랜지스터를 평평한 표면에 나란히 놓는 대신 , 나노스택은 두 개의 트랜지스터를 완전히 수직으로 쌓아 올려 하나가 다른 하나 바로 위에 놓이도록 합니다. 그중 하나는 N형이고, 다른 하나는 P형입니다.
논리를 구축하는 데 필요한 두 가지 기본 요소가 바로 그것입니다 . IBM은 이 블록들을 3D로 쌓고 엇갈리게 배치하는데, 여기에 교묘하고 영리한 부분이 있습니다. 이제 트랜지스터들이 서로 다른 층에 존재하기 때문에 엔지니어들은 각각 다른 재료를 사용하여 상단 트랜지스터 와 하단 트랜지스터를 독립적으로 조정할 수 있으며, 하나는 순수 성능을 위해, 다른 하나는 전력 효율을 위해 조정할 수 있습니다. 그러한 유연성은 정말 중요한 요소이며, 모든 것이 하나의 평면에 갇혀 있을 때는 불가능한 것입니다 . 자, 이제 여러분은 "좋아, 쌓기, 멋지다.
그런데 그게 왜 어려운 거지?"라고 생각하실지도 모르겠습니다. 이미 완성된 트랜지스터 위에 두 번째 트랜지스터를 만드는 것은 간단해 보이지만, 실제 칩 제조 과정을 살펴보면 이야기가 달라집니다. 트랜지스터를 제작하는 데는 수백 단계가 걸리며, 그중 상당 부분은 엄청나게 높은 온도에서 진행됩니다. 따라서 두 번째 트랜지스터를 첫 번째 트랜지스터 바로 위에 만들려고 하면, 발생하는 모든 열이 아래쪽 소자를 과열시켜 파괴해 버립니다. 그것이 바로 이 아이디어가 수년간 정체되었던 함정입니다 . IBM의 해결책이야말로 정말 영리한 부분입니다.
같은 웨이퍼에 두 개의 트랜지스터를 만들고 첫 번째 트랜지스터를 태워 없애는 대신, 완전히 분리된 두 개의 웨이퍼에 각각 완벽하게 완성된 트랜지스터를 만든 다음 두 웨이퍼를 접합했습니다. 그리고 실제로 유대감이 형성되는 방식은 솔직히 믿기 어려울 정도입니다. 믿을 수 없을 정도로 깨끗하고 원자적으로 매끄러운 두 표면을 서로 접촉시키면 , 저절로 서로 달라붙기 시작합니다 . 그것들은 반 데르 발스 힘, 즉 희미한 원자 간 인력에 의해 붙어 있는데, 이는 도마뱀붙이가 유리판을 똑바로 기어오를 수 있게 하는 것과 같은 기본적인 원리입니다 .
그런 다음 전체를 가열하면 그 부드러운 결합이 영구적인 화학 결합으로 바뀝니다. 두 개의 분리된 웨이퍼가 사실상 하나의 견고한 덩어리가 됩니다. IBM은 트랜지스터 사이에 초박형 유전체 층을 끼워 넣어 이 문제를 해결합니다. 이 접합 산화막의 두께를 30nm 미만으로 유지함으로써, 트랜지스터 두 개가 전기적 동작에 영향을 주지 않으면서 최대한 가까이 위치할 수 있도록 합니다. 하지만, 만약 당신이 이 시스템을 운영하는 엔지니어라면 무서운 부분이 바로 여기에 있습니다. 이 과정은 조금의 예외도 허용하지 않습니다. 표면은 완벽하게 깨끗해야 하며, 아주 작은 먼지 한 톨 , 작은 입자 하나라도 있으면 전체 접착이 실패합니다.
게다가 위쪽의 트랜지스터가 아래쪽의 트랜지스터와 정확히 일렬로 정렬되어야 하기 때문에 두 웨이퍼는 나노미터 정밀도로 정렬되어야 하며 , 단 한 번의 기회밖에 없습니다. 다시 뜯어볼 방법이 없어요 . 허용 오차가 얼마나 엄격한지 읽고 나서 솔직히 처음 든 생각은 ' 이게 어떻게 한 번이라도 제대로 작동할 수 있지?'였습니다. 좋아요, 이제 숫자에 대해 이야기해 봅시다 . 바로 이 부분에서 진가가 드러나니까요. IBM은 자사의 2 나노미터 칩과 비교했을 때 나노 스택이 최대 50% 더 높은 성능 또는 최대 70% 더 나은 에너지 효율을 제공할 수 있다고 밝혔습니다.
어떤 레버를 당길지 선택하세요. 저건 작고 보잘것없는 혹이 아닙니다. 이는 단 한 번의 움직임으로 세대를 뛰어넘는 도약이며, 트랜지스터 개수보다 더 업계를 들뜨게 만든 통계가 하나 더 있습니다. 스램. 칩의 로직 바로 옆에 위치한 고속 메모리가 바로 SRAM인데, SRAM은 악명 높을 정도로 다루기 까다롭기로 유명합니다. 크기가 더 이상 줄어들지 않아요. 10년 넘게 모두가 불평했지만 아무도 해결할 수 없었던 병목 현상이었습니다. IBM은 나노 스택을 통해 SRAM 스케일링 성능이 40% 향상되었다고 밝혔는데, 이는 10년 만에 처음으로 실질적인 성능 향상을 이룬 것이다 .
그리고 이 분야를 꾸준히 지켜봐 오셨다면, 그 한 줄의 의미 자체가 얼마나 큰지 아실 겁니다. 하지만 대부분의 사람들이 간과하는 점이 있습니다. 이건 사실 노트북 부팅 속도를 몇 초 정도 빠르게 하는 것에 관한 이야기가 아닙니다. 인공지능에 관한 이야기입니다. 대규모 AI 모델을 실행할 때, 놀라 울 정도로 많은 에너지가 실제 계산에는 전혀 사용되지 않습니다. 그 비용은 논리 회로와 메모리 사이에서 데이터를 주고받는 데만 소모됩니다. 그 짧은 여정은 수십억 번 반복되는데 , 바로 그 과정에서 에너지가 조용히 빠져나가는 것입니다. 음식값보다 배달비를 더 많이 내는 것과 마찬가지예요.
쌓기는 그 원리를 뒤집습니다. 수직적으로 설계하면 메모리를 메모리 사용량이 많은 로직 영역에 물리적으로 훨씬 더 가깝게 배치할 수 있습니다 . 이동 시간 단축, 에너지 낭비 감소, 업무량 증가, 그 목적은 무엇인가? 인공지능 데이터 센터가 엄청난 양의 전기를 소비하는 세상에서 , 그 비용을 절감하는 것은 엄청난 의미를 지닙니다. 이것이야말로 인공지능 시대에 절실히 필요한 칩이며 , IBM이 인공지능 분야에 그토록 집중하는 큰 이유 중 하나라고 생각합니다. 덧붙여서 간단히 말씀드리자면, 이 쌓기 아이디어는 완전히 새로운 것은 아닙니다.
이미 카메라 센서, 고대역폭 메모리, 플래시 저장 장치에 적용되고 있습니다. 진정으로 새로운 것은 IBM이 그 기능을 트랜지스터 자체 내부에 집어넣었다는 점입니다. 그건 이전에는 아무도 해내지 못했던 도약이었어. 좋아요 , 솔직히 말씀드릴게요. 너무 과대 광고하고 싶진 않거든요. 이것은 아직 연구 시연 단계입니다. IBM은 실험실에서 그 효과가 입증되었음을 확인했습니다. 그들은 작동 하는 인버터를 만들었고, 접합 성능도 검증했으며, 증거도 가지고 있습니다. 하지만 실험실에서 무언가를 증명하는 것과 이러한 칩을 수백만 개씩 안정적으로 생산하는 것은 완전히 다른 세상이며, 바로 그 간극 때문에 많은 훌륭한 아이디어들이 조용히 사라지는 것입니다.
솔직히 말해서, 이 프로젝트의 성공 여부는 IBM보다는 장비 제조업체에 더 달려 있을지도 모릅니다. 이처럼 정밀한 웨이퍼 접합에는 매우 특수한 장비가 필요하며 , EV 그룹이나 도쿄 일렉트론과 같은 장비 제조업체들이 나노스택이 실제로 대량 생산될 수 있을지 여부를 결정하는 데 핵심적인 역할을 할 것입니다. IBM은 도쿄 일렉트론, 램 리서치, 스크린 등과 같은 파트너들과 함께 뉴욕주 올버니에 있는 연구소에서 이 작업을 수행했습니다. 또한 ASML의 고해상도 EUV 장비 중 하나를 도입할 예정인데, 이는 이처럼 극도로 정밀한 패턴을 인쇄하는 데 사용되는 최첨단 장비입니다 .
IBM은 5년 안에 양산이 가능할 것으로 예상한다고 밝혔는데 , 칩 개발 속도로 5년이라는 시간은 어쩐지 굉장히 빠르면서도 굉장히 먼 미래의 일처럼 느껴집니다 . 지금부터 그때까지 많은 일들이 순조롭게 진행되어야 합니다 . 그렇다면 이 모든 상황에서 내 최종 입장은 무엇일까 ? 제 생각에 이건 모두 겉치레에 불과한 과장된 홍보가 아니라 진정으로 흥미로운 일입니다. 수년 동안 사람들은 무어의 법칙에 대한 사망 기사를 써왔으며, 우리가 벽에 부딪혔고 컴퓨터 발전이 영원히 멈출 것이라고 주장해 왔습니다. 그리고 제가 나노스택을 좋아하는 이유는 나노스택이 질문 자체를 조용히 재구성한다는 점입니다.
트랜지스터를 얼마나 작게 만들 수 있는지 묻는 것에서 벗어나, 트랜지스터를 얼마나 많이 쌓아 올릴 수 있는지 묻기 시작합니다 . 그건 완전히 다른 게임이고, 앞으로 10년 동안은 그 안에서 폭주하는 상황이 계속될 수도 있는데, IBM이 예상하는 바가 대략 그 정도입니다. 확실한 건가요? 아니요, 절대 아닙니다. 제조 과정은 악몽으로 변할 수 있으며, TSMC, 삼성, 인텔, IMEC와 같은 경쟁업체들은 모두 각자 독자적으로 적층 트랜지스터 기술 개발에 나서고 있습니다. 따라서 IBM은 이러한 경쟁에서 결코 혼자가 아닙니다. 하지만 1나노미터 미만의 칩을 실제로 구현해낸 것은 진정한 이정표이며, 여기서 나온 아이디어들이 10년 후 우리 기기 내부를 형성하는 데 큰 영향을 미칠 것이라고 확신합니다 .
이 영상이 도움이 되셨다면, 좋아요 버튼 꾹 눌러주세요. 채널 운영에 생각보다 훨씬 큰 도움이 됩니다 . 칩 과 AI 세계에 대한 더 많은 심층 분석 영상이 곧 공개될 예정이니, 더 많은 영상을 원하시면 구독 버튼을 눌러주세요. 그럼, 댓글로 여러분의 생각을 알려주세요. 이 모든 상황에 대해 낙관적이신가요, 아니면 이제 한계에 도달했다고 생각하시나요? 저는 모든 댓글을 다 읽었습니다. 함께해 주셔서 감사하고 다음 영상에서 뵙겠습니다.
Comments 0