"검증"
기업
용어
뉴스
인텔 14A PDK 0.9 공개, 2028년 양산 목표 공정 검증 단계 진입
인텔 파운드리가 차세대 공정 14A의 설계키트(PDK) 0.9 버전을 공개했다. 이번 PDK는 이론적 모델이 아닌 실제 실리콘 측정 데이터를 기반으로 하며, 고객사가 더 높은 신뢰도로 제품 설계를 진행할 수 있게 한다. 인텔은 2027년 1분기에 양산 준비 완료를 검증하는 PDK 1.0을 공개할 계획이며, 2027년 하반기 자사 제품의 리스크 생산에 이어 2028년 양산을 시작할 예정이다. 14A는 18A 공정을 기반으로 2세대 리본펫2 게이트올어라운드 트랜지스터, 파워다이렉트 후면 전력 공급, 터보셀 등을 새롭게 적용했다. 인텔은 장비·소재 공급사를 개발 초기 단계부터 참여시키는 방식으로 협력 모델도 개편했다고 밝혔다.
시프트레프트 검증, 시스템 레벨로 확장 — AI는 보조 역할 그쳐
시놉시스, 하이브웨어, 실바코, 액시오마이즈 등 EDA·검증 업계 전문가들이 세미컨덕터 엔지니어링과의 대화에서 시프트레프트 전략이 검증을 넘어 시스템 레벨 검증으로 확장되고 있다고 밝혔다. 참석자들은 아키텍처·설계·소프트웨어·검증 조직이 분절된 워크플로우와 모델을 사용해 개별 컴포넌트는 검증됐음에도 버그가 빠져나가는 사례가 발생한다고 지적했다. 액시오마이즈의 애쉬시 다르바리는 소프트웨어를 개발 사이클에 통합해야 한다고 말했고, 시놉시스의 프랭크 쉬르마이스터는 전자기·열·기계 등 멀티피직스 요소도 함께 통합돼야 한다고 설명했다. 참석자들은 에이전틱 AI가 여러 분야 간 협업을 개선하고 병목을 찾아내며 툴 사용을 최적화할 수 있지만, 시뮬레이션과 에뮬레이션 같은 근본적인 공정을 대체할 수는 없다고 밝혔다.
AI RTL 검증 실험, Arm 연구원이 밝힌 결함 탐지 한계
Arm의 시니어 검증 아키텍트 비카시 쿠마르는 AI 모델이 생성한 테스트벤치의 결함 탐지 능력을 독립적으로 검증했다. 그는 25개의 수작업 설계에 806개의 결함을 의도적으로 삽입한 뒤, Claude Opus 5·GPT-5.4·GLM-5.2 세 모델에게 스펙과 RTL을 주고 검증과 사인오프를 맡겼다. 그 결과 Claude Opus 5는 79.2%, GPT-5.4는 76.2%, GLM-5.2는 62.8%의 결함을 탐지했으며, 세 모델 모두 결함이 남은 상태에서도 자체적으로 검증 완료를 선언했다. ECC 메모리, GPIO, AXI DMA 설계에서 특히 높은 미탐지율이 나타났고, 동일 모델을 세 번 실행해도 결과가 매번 달랐다. 쿠마르는 검증 작업은 자동화할 수 있지만 그 책임은 자동화할 수 없다고 말했다.
KT·삼성전자, AI 셀 트윈으로 무선망 자율운용 기술 검증
KT와 삼성전자는 11월2일 수원 KT위즈파크에서 디지털 트윈 플랫폼 'AI 셀 트윈'을 활용한 무선망 자율 운용 기술을 검증했다고 밝혔다. AI 셀 트윈은 가상의 통신 환경에 무선망을 구현해 모바일 사용 패턴과 트래픽 변화를 임의로 설정, 다양한 네트워크 운용 방안을 시험할 수 있는 KT의 디지털 트윈 플랫폼이다. 양사는 이 플랫폼을 기반으로 AI가 최적의 네트워크 운용 방안을 도출하고 사전에 검증한 뒤 실제 무선망에 적용하는 '무선망 자율 운용 기술'을 공동 개발했다.
국내 반도체 생태계디에스앤지, 고려대 해커톤에 B300 서버 후원 — AI 추론 성능 검증
디에스앤지는 10월 31일부터 11월 1일까지 고려대학교 정보대학이 주최하는 '2026 InThon' 해커톤·데이터톤에 엔비디아 HGX B300 8-GPU 서버 2대를 원격 접속 방식으로 후원한다. 이번 대회는 SW·AI 전공 학생 약 150명이 참가하며, 해커톤 팀은 24시간 안에 동작하는 앱이나 웹 서비스를 만들어 제출한다. AI 인프라 소프트웨어 기업 래블업은 해커톤 트랙을 후원하며 참가팀에 LLM API 공급 서비스 '토큰팩토리' 바우처를 제공한다. 두 회사는 대회 기간 코딩 에이전트 요청을 익명 트레이스로 수집해 B300 환경에서 서빙 설정별 처리량과 응답 지연을 비교하고, 분석 결과를 래블업 기술 블로그에 공개할 계획이다.
AI 속성 생성, 불완전한 명세서가 검증 자동화의 걸림돌
Semiconductor Engineering은 AI가 SystemVerilog 어서션 등 검증 속성(property)을 자연어 명세서로부터 자동 생성하는 접근을 다뤘다. Axiomise의 Ashish Darbari, Synopsys의 Ravindra Aneja, 사우스햄튼대 Simon Davidmann, Cadence의 Paul Graykowski, Normal Computing의 Arvind Srinivasan 등은 반도체 업계가 그동안 명세서 작성 자체를 부실하게 해왔다는 점을 공통적으로 지적했다. AI는 수 초 내에 어서션을 생성할 수 있지만, 그 의미는 원본 명세서가 얼마나 명확한지에 달려 있다고 밝혔다. 일부는 포멀 검증이 가능하려면 명세서 자체를 처음부터 기계가 읽을 수 있는 형식으로 작성해야 한다고 주장했다.
대학 공학교육, AI 시대 엔지니어 검증역량 강조
미국 대학들이 생성형·에이전틱 AI 도구를 교육에 도입하면서도 물리학·수학 등 기초 지식 교육을 강화하고 있다고 보도됐다. 코넬대, Keysight, ChipAgents, Arteris, Axiomise 관계자들은 AI가 그럴듯하지만 틀린 답을 내놓을 수 있어 학생들이 결과와 가정을 직접 검증하는 능력이 더 중요해졌다고 밝혔다. 일부 학교는 구술시험, 수업 중 퀴즈, 실습, 프로젝트 등 AI 활용을 허용하면서도 실제 이해도를 평가하는 방식으로 평가 체계를 바꾸고 있다. 익명의 한 교수는 AI 의존도가 높아지면서 같은 교과과정에서도 학생 이해도와 집중력이 떨어지는 경향을 관찰했다고 전했다.
Axiomise, 생물학적 유추로 반도체 검증 방법론 제시
Axiomise의 비디야 찬드란 다르바리와 아시시 다르바리는 생물학적 시스템의 복잡성에서 얻은 통찰을 반도체 검증에 적용하는 글을 기고했다. 이들은 신호 간 연결 관계만으로는 동작을 설명할 수 없으며, 어떤 조건에서 그 연결이 유효한지를 검증 요구사항에 명시해야 한다고 주장했다. 특히 센서 데이터 결합이나 리셋·링크 재훈련·전력 전환 상황에서는 타임스탬프, 신선도, 허용 지연 등 시간 관계도 검증 대상이 되어야 한다고 설명했다. 예시로 든 칩렛 시스템에서는 클럭 게이팅과 웨이크 요청이 서로를 기다리는 순환 의존성 때문에 트랜잭션 타임아웃이 발생할 수 있다며, 증상이 아닌 메커니즘을 구분하는 검증 전략이 필요하다고 강조했다.