2025 반도체 지정학 II - I

 

 

 

A.I.는 잠재적인 패턴을 인간보다 더 잘 찾아낸다 

 

→ A.I.는 데이터를 이용해 스스로 학습(Machine Learning: Scikit-learn, XGBoost)하며, 
→ A.I.는 인공신경망을 사용한 학습(Deep Learning: TensorFlow, PyTorch)을 하고, 
→ A.I.는 보상을 통해 학습(Reinforcement Learning: AlphaGo)을 하며, 
→ A.I.는 언어 이해 및 생성(NLP: ChatGPT, BERT, GPT-4)을 하고, 
→ A.I.는 이미지와 영상을 인식(YOLO, OpenCV)하며, 
→ A.I.는 음성 텍스트 변환 또는 생성(Whisper, Alexa, Siri)을 한다. 

→ 대화형A.I.로는 ChatGPT, Bing Chat, Claude, Gemini, 
→ 이미지 생성 A.I.로는 DALL·E, Midjourney, Stable Diffusion,
→ 음성 A.I.로는 Siri, Google Assistant, Alexa, ElevenLabs,
→ 자율주행 A.I.로는 Tesla Autopilot, Waymo, 
→ 의료 A.I.로는 IBM Watson Health, DeepMind의 AlphaFold(고분자 단백질이 접힌 모양 추측, 예: FoldIt),
→ 금융 A.I.로는 주가 예측 모델, 리스크 평가 AI가 있다. 

 

개인 개발이나 연구를 하기위해 필요한 GPU

→ 간단한 모델 학습(MNIST, 작은 CNN 등)을 위해선 1개 정도의 NVIDIA RTX 3060, 4090이 필요하고,
→ 중간 규모 모델 훈련 (LLaMA 13B, Mistral 등)을 위해선 1~2개 정도의 A100 1~2장이 필요하며, 
→ 미세조정 (Fine-tuning, LoRA 등)을 위해선 1~4개 정도의 A100 또는 H100, VRAM 24~80GB가 필요하다.

스타트업 또는 기업용 모델 훈련위해 필요한 GPU

→ 중간 규모 모델 훈련(LLaMA 13B, Mistral 등)을 위해선 1~4개 정도의 A100 또는 H100, VRAM 24~80GB가 필요하고, 
→ 대용량 파인튜닝을 위해선 16~64개 정도가 필요하다.

초대형 A.I. 모델 훈련 (OpenAI, Google, Meta 등)

→ GPT-3는 약 10,000의 GPU가 필요하고, 
→ GPT-4는 약 수만~수십만 개의 GPU가 필요하고, 
→ Google PaLM은 약 6,000개의 GPU가 필요하며, 
→ 실시간 API용 서버를 위해서 1~8개의 GPU가 필요하고,
→ 대형 서비스 (ChatGPT, Gemini 등)을 위해서는 수천~수만 개가 필요하다.  

 

활용 사례

→ 스마트 공장 (Smart Factory): A.I.가 생산 라인 자동 제어 및 유지보수 예측 (예: Siemens, GE)
→ 품질 검사: 자동화 카메라와 컴퓨터 비전으로 결함 제품 식별
→ 로봇팔 최적 제어: A.I.가 작업 순서 및 경로 자동 결정
→ 질병 진단: A.I.가 CT/MRI/X-ray 분석 (예: IBM Watson, DeepMind의 AlphaFold)
→ 신약 개발: A.I.가 약물 조합 시뮬레이션 및 후보 물질 도출
→ 의료 기록 분석: 환자 기록을 분석해 질병 예측, 개인 맞춤 치료 제공
→ 부정 거래 탐지: A.I.가 비정상 거래 패턴 실시간 탐지 (예: 카드사, 은행)
→ 자동 투자 (로보어드바이저): A.I.가 포트폴리오 구성 및 매매 결정
→ 신용 평가: 전통적 신용 점수 외에 A.I.가 다양한 행동 패턴 분석
→ 상품 추천: 시스템 고객 구매 이력과 선호도 기반 추천 (예: Amazon, 쿠팡)
→ 재고 및 수요 예측: A.I.가 판매량 예측해 재고 최적화
→ 챗봇: 고객 지원 고객 상담을 자동화 (예: 카카오 i, ChatGPT API)
→ 자율주행 자동차: A.I.가 센서 데이터를 분석해 주행 판단 (예: Tesla, Waymo)
→ A.I. 내비게이션: 실시간 교통 분석 및 최적 경로 제공
→ 운전자 모니터링: 시스템 졸음운전 감지, 안면 인식 기반 보안 기능
→ 맞춤형 학습: 추천 학습자 수준에 맞는 콘텐츠 제공
→ 자동 채점 및 에세이 분석: A.I.가 문법, 논리 분석 (예: Grammarly, Turnitin)
→ A.I. 튜터: 대화형 A.I.가 과외처럼 설명 (예: Khanmigo by Khan Academy)
→ A.I. 음성: 합성 더빙, 내레이션 자동 생성 (예: ElevenLabs)
→ 이미지/영상 생성: Midjourney, DALL·E, Sora 등으로 광고나 예술 창작
→ 콘텐츠 추천: 유튜브, 넷플릭스의 알고리즘 추천
→ 침입 탐지 및 대응: 네트워크 이상 징후 실시간 분석
→ 얼굴 인식 출입 통제: A.I.가 실시간 인식 및 인증 수행
→ 사이버 위협 예측: 로그/행동 기반 위협 탐지
→ 경로 최적화 배송: 경로 자동 계산 (예: 로지스틱스 AI)
→ 수요 예측 기반 재고 이전: 유통 센터 간 물류 최적화
→ 드론 배송/자율 로봇: Amazon, Starship의 A.I. 로봇

 

대학에서 사용하는 이유

→  이미지, 음성, 그리고 자연어 처리를 위해 대규모 데이터를 학습하고, 
→  유체역학, 천체물리학, 그리고 생명과학 모델링을 위해 과학적 시뮬레이션을 하고, 
→  컴퓨터 그래픽스, 영상처리 연구를 위해 렌더링 및 시각화를 하고, 
→  수치해석, 최적화 문제를 풀기위해 병렬 연산을 요하는 계산을 한다. 

 

 

출처: 동아출판

 

현재 GPU 관련 선두 주자

→ 🇺🇸 미국: NVIDIA, AMD, Intel 등 글로벌 GPU 설계 기업이 존재
→ 🇨🇳 중국: Loongson, Biren, Moore Threads 등 자국 GPU 개발 중 
→ 🇰🇷 한국: 삼성 SK하이닉스는 GPU 자체 설계는 없지만, 메모리/파운드리 제조 강국
→ 🇯🇵 일본: 소니(PlayStation GPU 공동 설계), 후지쯔 등이 일부 GPU 또는 병렬 컴퓨팅 칩 설계
→ 🇹🇼 대만: TSMC이 GPU 칩(특히 NVIDIA, AMD 등)의 주된 제조국가, 설계는 안 함
→ 🇪🇺 유럽: (🇫🇷프랑스, 🇩🇪독일), SiPearl, Graphcore (영국) 등 AI/HPC용 칩 설계 기업 존재 
→ 🇮🇳 인도: 최근 AI 반도체 자립 프로젝트 진행 중, 아직 상용 GPU는 없음

 

 총 GPU 보유량 추정

 

🇺🇸 Microsoft: H100 150,000개 이상 보유 예정 [현재 🇺🇸 350,000개]
🇺🇸 Google: TPU 외에도 A100 수십만 개 운용 [현재 🇺🇸 350,000개]
🇺🇸 Meta: 2024년 말까지 H100 350,000개 보유 목표 발표 [현재 🇺🇸 350,000개]

🇺🇸 Apple: 총 18,000개의 H100 GPU 이상 보유

🇪🇺 EU: SiPearl 중심으로 자체 AI 칩 개발 중 (GPU 아님) Rhea1, Rhea2 등  [현재 30,000개 이상]

🇩🇪 독일 등 EU: AI 규제는 엄격하지만, AI 데이터센터 투자 늘고 있음 (SiPearl 등 유럽 반도체 전략 포함
🇨🇳 중국: 자체 GPU 개발 중 (Biren, Moore Threads, Huawei Ascend 등), [현재 10,000~20,000개]
🇰🇷 한국: NAVER, 카카오, 삼성 등이 자체 AI 클러스터 구축 중, 정부 지원 늘어나는 중 [현재 10,000개]

🇸🇬 싱가포르: Singtel, SIT 등 NVIDIA H100 기반 AI 센터 구축 중 (AI 허브로 부상 중) , [현재 5,000 ~ 7,000개]

🇯🇵 일본: NTT, RIKEN 등 연구소와 기업이 대규모 슈퍼컴퓨터 운영 (Fugaku 등), [현재 1,000 ~ 5,000개]

NVIDIA H100: 약 $30,000~$40,000
NVIDIA A100: 약 $10,000~$15,000

 

세계 반도체 기업의 분야별 점유율, 출처: 2020년 기업 및 업계 데이터

 

출처: 삼성 자산 운영

 

반도체
├── 메모리 반도체 (Memory: 데이터를 저장하는 반도체)
│   ├── DRAM
│   │   └── 삼성전자 🇰🇷, SK하이닉스 🇰🇷, 마이크론 🇺🇸
│   └── NAND (플래시)
│       └── 삼성전자 🇰🇷, 키옥시아(전 도시바) 🇯🇵, 웨스턴디지털 🇺🇸, SK하이닉스 🇰🇷
│
└── 비메모리 반도체 (Non-Memory: 데이터를 저장하지 않고, 처리하거나 제어하는 역할을 하는 반도체)
    ├── 시스템 반도체 (Logic: 데이터를 계산하고 처리하는 반도체)
    │   ├── CPU
    │   │   └── 인텔 🇺🇸, AMD 🇺🇸, 애플 🇺🇸, ARM 🇬🇧 (설계), TSMC 🇹🇼 (제조)
    │   ├── GPU  ← A.I.에서 가장 중요한 반도체
    │   │   └── NVIDIA 🇺🇸, AMD 🇺🇸, 인텔 🇺🇸 (Xe 시리즈), TSMC 🇹🇼 (제조)
    │   ├── NPU ←  A.I. 칩
    │   │   └── 구글 🇺🇸 (TPU), 애플 🇺🇸 (Neural Engine), 화웨이 🇨🇳 (Ascend), 삼성 🇰🇷 (Exynos NPU)
    │   ├── 통신칩 (5G 모뎀 등)
    │   └── SoC (AP 등)
    │       └── 퀄컴 🇺🇸 (Snapdragon), 애플 🇺🇸 (M시리즈, A시리즈), 삼성 🇰🇷 (Exynos), 미디어텍 🇹🇼
    │
    └── 아날로그 반도체 (Analog: 센싱, 변환, 증폭, 제어), 전원 공급 스마트폰, 자동차, 배터리, 센서, 의료기기, 통신장비
    │   ├── 전력관리칩 (PMIC)
    │   │   └── TI (Texas Instruments) 
    │   │   └── 🇺🇸, Qualcomm 🇺🇸 (스마트폰용 PMIC)
    │   │   └── ON Semiconductor 🇺🇸
    │   │   └── 삼성전자 🇰🇷 (모바일용 일부)
    │   │   └── Infineon 🇩🇪 (자동차·산업용)
    │   ├── 센서칩 (온도, 자이로, 압력)
    │   │   └── Bosch Sensortec 🇩🇪 (세계 1위 MEMS 센서 기업)
    │   │   └── STMicroelectronics 🇫🇷🇮🇹 (스마트폰·자동차용)
    │   │   └── TDK-InvenSense 🇯🇵 (자이로·모션 센서 전문)
    │   │   └── Sony 🇯🇵 (이미지 센서 세계 1위)
    │   │   └── Analog Devices 🇺🇸
    │   ├── ADC/DAC (신호 변환)
    │   │   └── Analog Devices (ADI) 🇺🇸 (고정밀 변환칩의 절대 강자)
    │   │   └── TI (Texas Instruments) 🇺🇸
    │   │   └── Maxim Integrated 🇺🇸 (현재 ADI에 인수됨)
    │   │   └── Microchip Technology 🇺🇸
    │   │   └── Cirrus Logic 🇺🇸 (오디오용 ADC/DAC)
    │   └── 오디오/비디오 인터페이스
    │   │   └── Cirrus Logic 🇺🇸 (애플 오디오칩 공급)
    │   │   └── Realtek 🇹🇼 (사운드카드, 오디오코덱)
    │   │   └── ESS Technology 🇺🇸 (Hi-Fi DAC 전문)
    │   │   └── NXP 🇳🇱 (차량용 AV 시스템)
    └──  └── Qualcomm 🇺🇸 (Snapdragon 내 통합 AV 기능)

 

 

GPU 과정 

1. 설계 (Design) – NVIDIA, AMD, Intel 등이 고성능 GPU 아키텍처를 설계
2. 반도체 제조 (Fabrication) – 설계된 칩은 TSMC, Samsung, Intel Foundry 같은 파운드리에서 실제 실리콘 칩으로 제조
3. 패키징 및 테스트 (Packaging & Testing) – 제조된 칩은 ASE, Amkor 등에서 패키징된 후 테스트
4. 조립 및 유통 (Assembly & Distribution) – ASUS, MSI, Gigabyte 같은 회사들이 GPU를 그래픽 카드에 장착하고, 최종 소비자에게 유통

요약:  NVIDIA, AMD → TSMC, Samsung, Intel Foundry → ASE, Amkor → ASUS, MSI, Gigabyte 

 

광물 및 금속 GPU 내 주요 용도 대략적인 비율 (%) 주요 생산국가

 

알루미늄 (Al)	히트싱크, 방열판 등 냉각 부품	20~30%	중국, 인도, 러시아
구리 (Cu)	전도체 (전력 및 데이터 전송 회로)	10~20%	칠레, 페루, 중국, 미국
금 (Au)	고성능 회로의 접점 및 도금	<1% (고가 금속)	중국, 러시아, 호주
은 (Ag)	전기 전도성 향상을 위한 도금 등	<1%	멕시코, 페루, 중국
팔라듐 (Pd)	솔더(납땜), 회로 내 접촉 소재	<0.1%	러시아, 남아프리카공화국
주석 (Sn)	솔더(납땜) 합금	1~2%	중국, 인도네시아, 미얀마
탄탈럼 (Ta)	콘덴서 (고성능 전기 저장소자)	<0.1%	콩고민주공화국(DRC), 르완다, 브라질
코발트 (Co)	일부 전원관리 회로용 부품	<0.1%	콩고민주공화국(DRC), 인도네시아, 러시아
니켈 (Ni)	합금 및 회로 부품	<0.5%	인도네시아, 필리핀, 러시아
실리콘 (Si)	GPU 칩의 핵심 반도체 재료	10~15%	중국, 미국, 브라질
희토류 원소 (REEs)	자성 부품(팬 모터 등), 고성능 회로	<0.1%	중국(90% 이상 점유), 미얀마

 

 

100만 명이 1시간 AI 사용 시 전기요금 약 $444,444 (400,000kWh)

 

→ 태양에너지 (1시간 생산량: 0.2~0.3 MWh / 1MW)

→ 풍력에너지 (1시간 생산량: 0.3~0.5 MWh / 1MW)

→ 수력에너지 (1시간 생산량: 0.4~0.9 MWh / 1MW)

→ 지열에너지 (1시간 생산량: 0.9~1.0 MWh / 1MW)

→ 바이오에너지 (1시간 생산량: 0.8~1.0 MWh / 1MW)

→ 석탄 (1시간 생산량: 0.85~1.0 MWh / 1MW)

→ 석유 (1시간 생산량: 0.9~1.0 MWh / 1MW)

→ 천연가스 (1시간 생산량: 0.9~1.1 MWh / 1MW)

→ 원자력 (1시간 생산량: 0.95~1.0 MWh / 1MW)

 

참고 및 인용: ChatGPT

 

 

 

 

 

2023년 반도체 지정학 보기 https://dissertations.tistory.com/26