EUV 없이 더 낮은 전압으로전원이 꺼져도 기억하는 메모리
Updated: 3 days ago
EUV 없이 더 낮은 전압으로전원이 꺼져도 기억하는 메모리
Kepler Computing은 AI 반도체의 공식을 바꿀 수 있을까
RyanLab | AI Memory and Future Technology
평면 미세화에서 3D 적층으로 반도체 발전의 방향을 바꾸려는 Kepler의 접근
최근 AI 반도체를 공부하면서 계속 같은 단어를 만나게 됩니다.
HBM, HBM4, HBF, HBS.
GPU의 계산 능력이 아무리 빨라져도 데이터를 제때 공급하지 못하면 비싼 GPU가 기다리게 됩니다. 그래서 이제 AI 반도체의 경쟁은 단순히 “누가 더 많은 연산을 할 수 있는가”를 넘어 “누가 더 많은 데이터를 더 빠르고 적은 전력으로 옮길 수 있는가”의 싸움으로 바뀌고 있습니다.
그런데 이 흐름을 조사하다가 Kepler Computing이라는 낯선 회사를 발견했습니다.
처음에는 또 하나의 HBM 스타트업인 줄 알았습니다. 하지만 조금 더 들여다보니 이 회사가 제시하는 방향은 기존 HBM을 더 높이 쌓거나 더 미세한 공정으로 만드는 것과 달랐습니다.
Kepler는 다음 세 가지를 동시에 이야기합니다.
· EUV 장비에 의존하지 않고 고성능 AI 메모리를 만들겠다.
· 새로운 강유전체 소재를 이용해 메모리의 동작 전압을 낮추겠다.
· 정보를 기억하는 강유전체 메모리를 3차원으로 쌓아 SRAM에 가까운 효율과 HBM보다 큰 용량을 구현하겠다.
핵심 변화 | Kepler가 제시하는 방향 | 왜 중요한가 |
EUV 의존 축소 | 미세화 대신 소재와 3D 적층으로 유효 집적도를 높인다 | 기존 팹 활용과 생산능력 확대 가능성 |
저전압 | 강유전체 기반 메모리의 읽기와 쓰기 전압을 낮춘다 | AI 추론의 전력과 냉각 부담 감소 가능성 |
기억하는 물질 | 분극 방향으로 0과 1을 보존한다 | 비휘발성과 새로운 메모리 계층 가능성 |
처음 이 내용을 보았을 때 가장 먼저 떠오른 질문은 이것이었습니다.
최첨단 반도체는 더 작은 공정과 더 비싼 EUV 장비로 만들어야 한다는 공식이 깨질 수도 있는 것일까?
Kepler Computing의 기술이 흥미로운 이유는 단순히 새로운 메모리 하나를 만드는 데 있지 않습니다.
이 회사는 반도체를 발전시키는 방법 자체를 바꾸려 하고 있습니다.
반도체는 지금까지 옆으로 작아졌다
🔬
반도체 산업은 오랫동안 트랜지스터를 더 작게 만드는 방식으로 발전했습니다.
같은 면적에 더 많은 트랜지스터를 넣으면 성능은 높아지고, 하나의 트랜지스터가 사용하는 전력과 비용은 낮아졌습니다. 이것이 우리가 흔히 말하는 무어의 법칙입니다.
하지만 트랜지스터가 7나노, 5나노, 3나노, 2나노로 작아질수록 회로를 그리는 과정은 급격히 어려워졌습니다.
이때 필요한 핵심 장비가 EUV, Extreme Ultraviolet Lithography, 즉 극자외선 노광장비입니다.
EUV는 파장이 매우 짧은 빛을 사용해 웨이퍼 위에 극도로 미세한 회로를 그립니다. 오늘날 최첨단 GPU와 CPU를 생산하려면 사실상 반드시 필요한 장비입니다.
문제는 이 장비가 너무 비싸고 복잡하다는 것입니다.
Kepler의 설명에 따르면 EUV 장비 한 대의 가격은 수억 달러에 이를 수 있고, 최첨단 반도체 공장 하나를 건설하려면 수백억 달러가 들어갑니다. 공장을 계획하고 완성해 실제 제품을 생산하기까지도 여러 해가 필요합니다.
그런데 AI 메모리 수요는 공장이 늘어나는 속도보다 훨씬 빠르게 증가하고 있습니다.
AI 모델은 커지고 있고, Agentic AI는 더 많은 사용자의 요청을 실시간으로 처리해야 합니다. 로봇과 자율주행차까지 AI를 사용하기 시작하면 데이터센터뿐 아니라 세상 곳곳에 더 많은 메모리가 필요해집니다.
그때 한 가지 의문이 생깁니다.
반도체 성능을 높이려면 반드시 더 비싼 장비로 더 작은 회로를 그려야 할까?
Kepler가 내놓은 대답은 “꼭 그렇지는 않다”입니다.
더 작게 만들 수 없다면 위로 쌓는다
🏗️
Kepler의 첫 번째 아이디어는 반도체를 평면에서만 작게 만들지 않는 것입니다.
지금까지 반도체는 주로 웨이퍼 표면 위에서 트랜지스터를 작게 만들고 더 촘촘하게 배치했습니다. 쉽게 말하면 한정된 땅 위에 더 작고 촘촘한 집을 짓는 방식이었습니다.
Kepler는 이 문제를 다른 방향에서 바라봅니다.
옆으로 더 작게 짓는 것이 너무 비싸다면, 위로 쌓으면 되지 않을까?
Kepler는 새로운 소재로 만든 메모리 소자를 기존 CMOS 회로 위에 쌓고, 메모리 칩과 연산 칩도 3차원으로 가깝게 연결하려 합니다.
이렇게 하면 반드시 최첨단 EUV 공정을 사용하지 않더라도 같은 바닥 면적에 더 많은 메모리를 넣을 수 있습니다.
고층 빌딩을 생각하면 이해하기 쉽습니다.
단층 건물만 허용된 도시에서 더 많은 사람을 수용하려면 각 방을 계속 작게 만들어야 합니다. 하지만 건물을 10층, 20층으로 올릴 수 있다면 방의 크기를 극단적으로 줄이지 않고도 훨씬 많은 사람을 수용할 수 있습니다.
Kepler는 반도체에서도 이와 비슷한 접근을 시도합니다.
회로를 더 미세하게 만드는 2D Scaling 대신, 메모리 소자와 칩을 위로 쌓는 3D Scaling을 적극적으로 이용하는 것입니다.
Kepler는 새로운 공정을 기존 반도체 공장에 추가할 수 있기 때문에 최첨단 팹을 처음부터 건설하는 것보다 훨씬 적은 자본과 짧은 시간으로 생산능력을 확보할 수 있다고 주장합니다.
회사의 표현을 그대로 받아들이기보다 신중하게 해석하면, Kepler가 말하는 “EUV 없이 만든다”는 뜻은 구식 기술만으로 최첨단 2나노 칩과 똑같은 트랜지스터를 만든다는 뜻은 아닙니다.
그보다는 다음과 같은 의미에 가깝습니다.
EUV를 이용해 모든 것을 옆으로 작게 만드는 대신, 기존 공정과 호환되는 새로운 소재와 3D 적층을 이용해 시스템 전체의 유효 집적도를 높인다.
이 차이가 중요합니다.
Kepler는 ASML의 EUV보다 더 정교한 노광장비를 만들려는 회사가 아닙니다. 아예 다른 방향으로 반도체의 밀도를 높이려는 회사입니다.
그런데 왜 하필 강유전체일까
🧲
여기서 두 번째 중요한 기술인 강유전체, Ferroelectric Material이 등장합니다.
이름에 ‘ferro’가 들어가기 때문에 철과 관계된 물질처럼 보이지만 반드시 철을 포함한다는 뜻은 아닙니다.
강유전체의 핵심은 물질 내부에 전기적 분극 방향이 존재한다는 것입니다.
작은 화살표가 위쪽 또는 아래쪽을 향하고 있다고 상상해 보겠습니다.
외부에서 전압을 가하면 이 화살표의 방향을 바꿀 수 있습니다. 그리고 전압을 제거한 뒤에도 그 방향이 유지됩니다.
· 한쪽 방향을 0
· 반대쪽 방향을 1
로 정하면, 전원이 꺼진 뒤에도 정보를 기억할 수 있습니다.
이 원리를 이용한 메모리가 FeRAM 또는 FRAM, Ferroelectric Random Access Memory입니다.
강유전체의 두 분극 방향은 전원이 사라진 뒤에도 유지되어 0과 1을 기억할 수 있다
DRAM은 작은 커패시터에 전하를 저장합니다. 시간이 지나면 전하가 빠져나가기 때문에 계속 refresh를 해줘야 하고, 전원이 꺼지면 정보도 사라집니다.
SRAM은 여러 개의 트랜지스터를 이용한 회로 상태로 정보를 유지합니다. 매우 빠르지만 셀 하나가 차지하는 면적이 크고, 전원이 꺼지면 정보가 사라집니다.
반면 FRAM은 강유전체의 분극 방향으로 정보를 저장하기 때문에 전원이 없어도 상태를 유지할 수 있습니다.
메모리 | 정보 저장 방식 | 전원 제거 후 기억 | 주요 장점 | 주요 한계 |
SRAM | 트랜지스터 회로 상태 | 아니오 | 매우 빠름 | 면적이 크고 비쌈 |
DRAM HBM | 커패시터의 전하 | 아니오 | 높은 집적도 | Refresh 필요 |
NAND | 절연층에 가둔 전하 | 예 | 매우 큰 용량 | 속도와 내구성 제한 |
FRAM | 강유전체의 분극 방향 | 예 | 저전력 빠른 쓰기 | 집적도와 공정 난도 |
강유전체 메모리 자체는 완전히 새로운 발명이 아닙니다.
FRAM은 이미 자동차, 산업용 장비, 스마트미터, 의료기기처럼 적은 전력과 높은 내구성이 필요한 분야에서 사용돼 왔습니다.
그렇다면 Kepler의 기술에서 새로운 것은 무엇일까요?
새로운 점은 강유전체의 존재가 아니라, 강유전체를 고밀도 AI 메모리로 확장하려는 소재·셀 구조·3D 집적 방식에 있습니다.
과거의 FRAM과 Kepler의 차이
기존 FRAM에는 좋은 점이 많았지만 AI용 대용량 메모리로 확대하기 어려웠습니다.
전통적인 FRAM에는 PZT와 같은 강유전체 소재가 사용됐는데, 이를 첨단 CMOS 공정에 통합하기가 쉽지 않았습니다. 셀 크기를 충분히 줄이기도 어려웠고, 읽기 과정에서 저장된 상태가 영향을 받을 수 있는 구조도 존재했습니다.
최근 상황이 바뀌기 시작한 것은 산화하프늄 계열의 강유전체가 등장하면서부터입니다.
산화하프늄은 이미 반도체 공정에서 익숙하게 사용하는 소재입니다. 여기에 지르코늄 등의 원소를 결합하거나 결정 구조를 조절하면 매우 얇은 두께에서도 강유전성이 나타날 수 있습니다.
대표적인 소재가 HZO로 불리는 Hafnium Zirconium Oxide입니다.
HZO 계열 강유전체가 주목받는 이유는 다음과 같습니다.
· 기존 CMOS 공정과 비교적 잘 호환된다.
· 10나노 이하의 얇은 막으로 만들 수 있다.
· 낮은 전압에서도 분극 상태를 바꿀 가능성이 있다.
· 메모리 셀 위에 추가로 적층하기 유리하다.
· 첨단 로직과 비휘발성 메모리를 결합할 수 있다.
세계적인 반도체 연구기관 imec도 HZO가 CMOS 공정 호환성과 10나노 이하 확장성을 갖고 있어 차세대 강유전체 메모리 후보로 주목받고 있다고 설명합니다.
자료 imec의 HZO 연구
Kepler가 정확히 어떤 조성의 소재를 양산 제품에 사용하는지는 공개하지 않았습니다. 다만 회사는 여러 물질을 결합한 독자적인 저전압 강유전체 소재를 개발했다고 밝히고 있습니다.
특허를 살펴보면 Kepler가 단순히 FRAM 셀 하나만 연구한 회사가 아니라는 사실도 확인할 수 있습니다.
Kepler는 다음과 관련된 특허를 다수 확보하고 있습니다.
· 고밀도 저전압 강유전체 메모리 셀
· 여러 커패시터를 쌓거나 접는 구조
· 강유전체 메모리 chiplet
· 메모리와 프로세서를 다차원 패키지로 연결하는 구조
· 3D 적층형 초고대역폭 메모리
· 읽기 및 쓰기 교란을 줄이는 회로
· 강유전체를 이용한 저전력 논리회로
특히 “Ferroelectric memory chiplet as unified memory in multi-dimensional packaging”이라는 특허는 Kepler가 강유전체 메모리를 단순한 저장장치가 아니라 프로세서와 밀접하게 연결된 AI 메모리로 설계하고 있음을 보여줍니다.
저전압은 왜 그렇게 중요한가
⚡
Kepler 기술에서 제가 가장 중요하게 보는 부분은 단순한 속도보다 저전압입니다.
반도체가 사용하는 동적 전력은 대략 다음 관계로 설명할 수 있습니다.
P ∝ C × V² × f
여기서 C는 회로의 정전용량, V는 전압, f는 동작 빈도입니다.
중요한 것은 전압이 제곱으로 들어간다는 점입니다.
예를 들어 동작 전압을 1.0V에서 0.7V로 낮출 수 있다면, 다른 조건이 같다는 단순한 가정 아래 전력은 약 49% 수준으로 줄어듭니다.
0.7² = 0.49
전압을 30% 낮췄는데 전력은 절반 가까이 줄어드는 것입니다.
AI 데이터센터에서는 이것이 엄청난 차이를 만듭니다.
AI 칩 하나만 보면 작은 차이처럼 보일 수 있지만, 수십만 개의 GPU와 메모리가 24시간 작동하는 데이터센터에서는 전력과 냉각 비용이 전체 경제성을 결정합니다.
더구나 AI 추론에서는 단순한 덧셈이나 곱셈보다 데이터를 메모리에서 꺼내 연산기로 이동시키는 데 더 많은 에너지가 들어갈 수 있습니다.
Kepler가 해결하려는 문제는 바로 이것입니다.
· 메모리를 연산 칩 가까이에 배치해 데이터 이동 거리를 줄이고
· 더 많은 연결 통로로 대역폭을 높이며
· 강유전체 소재를 이용해 읽기와 쓰기 전압을 낮추고
· 전원이 꺼져도 정보를 유지해 불필요한 데이터 이동과 초기화를 줄인다
이 네 가지가 동시에 실현된다면 AI 추론의 전력효율을 상당히 높일 수 있습니다.
Kepler는 자사의 메모리가 장기적으로 SRAM에 가까운 bandwidth-per-watt를 제공하면서 HBM보다 최대 10배 큰 용량까지 확장될 수 있다고 주장합니다.
하지만 여기에는 반드시 “목표”라는 단어를 붙여야 합니다.
현재 Kepler는 정확한 용량, 대역폭, 지연시간, 전력, 내구성, 원가를 공개하지 않았습니다. 따라서 SRAM과 HBM을 모두 뛰어넘었다고 결론 내릴 단계는 아닙니다.
SRAM과 HBM 사이의 빈 공간
🧠
Kepler의 기술을 이해하려면 현재 AI 메모리 구조를 봐야 합니다.
SRAM은 GPU 안에 있는 캐시로 사용됩니다. 매우 빠르지만 용량이 작습니다.
HBM은 GPU 옆에 배치되어 수백 GB의 데이터를 빠르게 공급합니다. 하지만 SRAM보다는 느리고, 생산과 패키징이 복잡하며 가격도 비쌉니다.
NAND는 훨씬 많은 데이터를 저렴하게 저장할 수 있지만 AI 연산에 직접 공급하기에는 느립니다.
즉, 현재 메모리 구조에는 이런 빈 공간이 있습니다.
SRAM처럼 효율적이면서 HBM처럼 크고, HBM보다 더 쉽게 생산할 수 있는 메모리는 없을까?
Kepler는 바로 이 공간을 노리고 있습니다.
AI 연산기 가까이에서 서로 다른 메모리 계층을 연결하는 차세대 강유전체 메모리의 가능성
Kepler가 성공한다면 이 메모리는 반드시 HBM을 완전히 대체할 필요도 없습니다.
· 초고속 캐시로 SRAM을 보완할 수도 있고
· GPU 옆에서 HBM의 일부 역할을 대신할 수도 있으며
· HBM과 NAND 사이의 새로운 메모리 계층이 될 수도 있습니다.
· 장기적으로는 AI 연산 칩 위에 직접 적층될 수도 있습니다.
따라서 Kepler를 단순히 “HBM 경쟁사”라고 부르는 것은 이 회사가 그리고 있는 그림을 너무 좁게 보는 것일 수 있습니다.
Kepler가 원하는 것은 HBM 시장의 일부를 가져오는 것이 아니라, AI 컴퓨터의 메모리 계층 자체를 다시 설계하는 것입니다.
GlobalFoundries가 중요한 이유
🏭
Kepler의 이야기가 단순한 연구실 아이디어로 끝나지 않을 가능성을 보여주는 부분은 GlobalFoundries와의 관계입니다.
GlobalFoundries는 Kepler의 투자자이자 생산 파트너로 알려져 있습니다.
Kepler는 GlobalFoundries의 싱가포르 생산시설에서 초기 테스트와 생산 준비를 진행하고 있으며, 2026년 말 첫 샘플을 제공하고 2027년 생산을 확대한다는 계획을 제시했습니다. 이후 2028년부터 미국 내 생산능력을 확대한다는 구상입니다.
미국 정부도 Kepler에 관심을 보였습니다.
2026년 7월 미국 상무부는 Kepler가 미국에서 새로운 고성능 AI 메모리를 연구·개발할 수 있도록 최대 2억4,500만 달러를 지원하는 의향서를 발표했습니다.
이 지원의 의미는 단순히 한 스타트업에 보조금을 준다는 것보다 큽니다.
미국은 최첨단 AI 칩 설계에서는 강하지만, HBM을 포함한 메모리 생산은 한국과 아시아 공급망에 크게 의존하고 있습니다.
Kepler의 기술이 기존 미국 팹에서도 생산될 수 있다면 미국 정부 입장에서는 다음 두 가지를 동시에 얻을 수 있습니다.
· AI 메모리 공급망의 자립
· 기존 반도체 공장의 재활용과 경쟁력 회복
즉, Kepler의 기술적 목표와 미국의 산업정책이 상당히 잘 맞아떨어집니다.
그렇다면 정말 미래 기술일까
🚀
저는 Kepler의 방향이 미래 기술의 가치를 가진다고 생각합니다.
그 이유는 세 가지입니다.
첫째, 이 기술은 무어의 법칙이 느려지는 문제를 새로운 방향으로 해결하려 합니다.
더 작은 회로를 만들기 위해 계속 더 비싼 노광장비와 공장을 건설하는 대신, 새로운 소재와 3D 적층으로 유효 집적도를 높이려 합니다.
둘째, AI 시대의 가장 큰 문제인 전력을 직접 겨냥합니다.
GPU의 계산 성능만 높이는 것이 아니라 저전압 메모리와 짧은 데이터 이동 거리를 통해 시스템 전체의 전력효율을 개선하려 합니다.
셋째, 강유전체가 가진 ‘기억’이라는 물리적 특성을 디지털 컴퓨팅 구조 안으로 가져옵니다.
기존 반도체는 정보를 유지하기 위해 계속 전력을 공급하거나 데이터를 반복적으로 새로 써야 했습니다. 강유전체는 물질 자체의 분극 방향으로 정보를 기억합니다.
이것은 단순한 회로 개선이 아니라 물질의 물리적 성질을 계산과 기억에 직접 이용하는 변화입니다.
하지만 미래 기술의 가치와 현재 사업의 성공 가능성은 같은 말이 아닙니다.
Kepler가 해결해야 할 문제도 많습니다.
· 새로운 강유전체 소재의 장기 신뢰성
· 수조 번에 이르는 읽기·쓰기 내구성
· 셀 간 편차
· 고온 환경에서의 데이터 유지
· 대량생산 수율
· 3D 적층에서 발생하는 열
· GPU 및 AI ASIC과의 인터페이스
· HBM 대비 실제 생산원가
· 고객사의 검증과 소프트웨어 최적화
특히 메모리는 몇 개의 시제품이 작동한다고 성공하는 산업이 아닙니다.
수십억 개, 수조 개의 메모리 셀이 거의 동일하게 작동해야 합니다. 작은 오류율도 대규모 AI 데이터센터에서는 심각한 문제가 될 수 있습니다.
Kepler가 공개해야 할 가장 중요한 것은 멋진 개념보다 실제 숫자입니다.
· 메모리 한 개의 용량은 얼마인가?
· 실제 대역폭은 몇 TB/s인가?
· 읽기와 쓰기 지연시간은 얼마인가?
· 전력효율은 HBM과 비교해 어느 정도인가?
· 반복 쓰기 내구성은 어느 수준인가?
· 생산 수율과 비트당 가격은 얼마인가?
· 실제 고객은 누구인가?
확인해야 할 지표 | 현재 공개 수준 | 검증 의미 |
용량과 대역폭 | 구체적 제품 수치 미공개 | SRAM급 효율과 HBM 초과 용량 주장 검증 |
지연시간과 전력 | 비교 가능한 실측치 미공개 | AI 추론의 실제 경제성 판단 |
내구성과 신뢰성 | 양산 등급 데이터 미공개 | 데이터센터 채택의 필수 조건 |
수율과 원가 | 대량생산 결과 미공개 | 기존 HBM과 가격 경쟁 가능성 |
고객과 양산 | 2026년 샘플 2027년 확대 계획 | 로드맵이 실제 매출로 전환되는지 확인 |
이 숫자들이 공개되기 전까지 Kepler는 매우 흥미로운 기술기업이지만, 아직 검증이 끝난 메모리 기업은 아닙니다.
HBM은 사라질까
Kepler가 주목받기 시작하자 Micron이나 SK하이닉스의 HBM을 위협할 수 있다는 이야기도 나옵니다.
하지만 저는 적어도 가까운 미래에는 그렇게 보지 않습니다.
HBM은 이미 NVIDIA, AMD, Google 등 주요 AI 가속기에 채택되어 대량생산되고 있습니다. 고객 검증과 패키징 생태계, 소프트웨어까지 모두 갖춰져 있습니다.
반면 Kepler는 2026년 말 첫 샘플을 목표로 하는 단계입니다.
반도체 산업에서 샘플 생산과 대규모 양산 사이에는 상당한 거리가 있습니다.
더 현실적인 미래는 하나의 메모리가 모든 것을 대체하는 것이 아닐 가능성이 큽니다.
· SRAM은 가장 빠른 연산용 캐시
· Kepler와 같은 강유전체 메모리는 저전력·대용량 중간 계층
· HBM은 GPU의 핵심 고대역폭 메모리
· HBF와 NAND는 훨씬 큰 모델과 데이터를 저장
이러한 여러 종류의 메모리가 AI 작업에 맞게 나누어 사용될 가능성이 큽니다.
따라서 Kepler의 등장은 HBM 시대가 끝났다는 신호라기보다, AI 메모리 시장이 더 크고 세분화된 구조로 발전하기 시작했다는 신호로 보는 편이 타당합니다.
결국 중요한 것은 더 작은 반도체가 아닐지도 모른다
💡
Kepler Computing을 조사하면서 제 생각은 다시 처음의 질문으로 돌아왔습니다.
우리는 오랫동안 미래 반도체를 더 작은 숫자로 설명했습니다.
7나노보다 5나노가 좋고, 5나노보다 3나노가 좋으며, 다음에는 2나노와 1나노가 올 것이라고 생각했습니다.
하지만 AI 시대의 반도체는 더 이상 공정 숫자 하나만으로 설명하기 어려워지고 있습니다.
앞으로 더 중요한 질문은 이런 것일 수 있습니다.
· 데이터를 어디에 저장하는가?
· 연산기와 메모리는 얼마나 가까운가?
· 데이터를 한 번 움직이는 데 얼마나 많은 전력을 사용하는가?
· 어떤 소재가 정보를 기억하는가?
· 칩을 평면에 배치하는가, 위로 쌓는가?
· 오래된 반도체 공장을 새로운 방식으로 활용할 수 있는가?
Kepler는 이 모든 질문을 하나의 기술 안에 담고 있습니다.
EUV 없이 기존 팹을 활용하고, 강유전체의 분극으로 정보를 기억하며, 낮은 전압으로 작동하고, 메모리와 연산 칩을 3차원으로 연결하려 합니다.
아직 성공했다고 말할 수는 없습니다.
그러나 만약 Kepler가 약속한 기술을 실제 제품과 수율로 증명한다면, 이 회사가 바꾸는 것은 HBM 시장의 점유율만이 아닐 것입니다.
반도체 발전의 공식 자체가 달라질 수 있습니다.
더 작게 만드는 것만이 발전이 아니라,새로운 물질을 이용하고, 더 낮은 전압으로 작동시키며, 위로 쌓고, 기억과 연산의 거리를 줄이는 것도 발전이다.
저는 Kepler Computing의 진짜 가치가 바로 이 생각에 있다고 봅니다.
이 회사는 아직 시장의 승자가 아닙니다.
하지만 AI 반도체의 다음 경쟁이 어디에서 시작될지를 보여주는 흥미로운 실험임에는 분명해 보입니다.
관련동영상을 보고 싶으신 분은 아래 링크를 클릭해 주세요^^
Comments