인공지능
새로운 AWS AI 하드웨어 회사, AI에게 물리학적 사고를 가르치다
AI 붐으로 인해 투자자들의 컴퓨팅 하드웨어에 대한 모든 관심이 초고성능 칩, GPU 및 메모리에 집중되었습니다.
하지만 세탁기부터 자동차, 산업용 로봇에 이르는 기계와 소비재에서 이러한 부품들을 연결하려면 인쇄 회로 기판(PCB)이 필요합니다. PCB는 전자 부품을 물리적으로 지지하고 전기적으로 연결하는 평평한 보드입니다.
출처: Quilter AI
PCB를 생산하는 일은 간단하지 않지만, 잘 이해되고 대규모로 확장된 성숙한 공급망이 존재하며 실제 제조는 점점 완전 자동화되고 있습니다. 그러나 새로운 PCB를 설계하는 일은 결코 간단하지 않으며, 실제로 전자 개발 단계에서 마지막 수작업 단계 중 하나입니다.
전문가는 손으로 설계도를 그리고 수백에서 수천 개의 부품을 배치하며, 여러 층에 걸쳐 부품을 연결하는 구리 트레이스를 라우팅합니다. 중간 복잡도의 보드라면 레이아웃에 4~8주가 소요됩니다. 자동차 전자 장치나 컴퓨터와 같은 정교한 시스템은 3개월 이상이 걸릴 수 있습니다.
이러한 과정이 매우 빠르게 변하고 있을 수 있습니다. 새로운 스타트업 Quilter AI가 AI를 활용해 이 프로세스를 자동화하고 있기 때문입니다. 일주일 또는 한 달이 걸리던 작업을 며칠 안에 완료할 수 있게 하여 PCB 설계자의 작업 시간을 크게 절감합니다.
PCB 설계가 왜 어려운가?
PCBs는 여러 제약을 동시에 만족시켜야 하는 복잡한 3D 물리 시스템입니다:
- 공간/기계적 제한: 부품을 단순히 배치하는 것뿐만 아니라 매우 제한된 공간에 맞춰야 합니다.
- 전기적 노이즈: 전류가 흐르면 전력 누설, 의도치 않은 신호 전달, 전자기 간섭(EMI) 등이 발생할 수 있어 원치 않는 전기적 영향을 사전에 고려해야 합니다.
- 열 관리: 고전력 부품이 과도한 핫스팟을 만들지 않도록 해야 하며, 이를 위해 구리 히트싱크를 추가해 열을 방출하고 팬의 공기 흐름이 방해받지 않도록 해야 합니다.
- 제조 제한: 제조 공정의 화학물질 및 도구 작동 방식에 대한 제약으로 인해 급각으로 만나는 구리 트레이스나 너무 얇은 솔더 마스크와 같은 설계는 피해야 하며, 실현 가능한 구멍 직경 등을 고려해야 합니다.
이러한 문제들을 해결하려다 보면 다른 문제가 악화되는 경우가 많아, PCB 설계는 모든 기술 목표를 충족하면서도 비용, 전력 소비, 성능 및 크기 요구 사항을 만족시켜야 하는 균형 잡기 작업입니다.
그 결과, 지금까지 대부분의 PCB 설계 자동화 도구는 유용했지만 최종적인 문제를 감지하기 위해서는 인간의 손길이 크게 필요했습니다. 또한 민감한 회로는 특수하고 비표준적인 레이아웃을 요구합니다.
출처: Cadence
Quilter AI 개요
Quilter 역사
Quilter는 SpaceX에서 5년간 Sr. Radiation Effects Engineer로 근무하며 Falcon 9 및 Falcon Heavy용 전자 장치를 개발한 Sergiy Nesterenko에 의해 설립되었습니다. 그 이전에는 캘리포니아에서 연구원으로 활동했습니다.
“버클리에서 수학, 물리, 화학을 동시에 전공한 이유는 전문성을 위해서가 아니라 기본을 마스터하고 싶었기 때문입니다. 그 덕분에 다른 모든 것을 배우기가 쉬워졌습니다.”
이 회사 팀은 SpaceX, Apple (AAPL ) , NASA, Johns Hopkins APL, 그리고 MIT 출신 엔지니어들로 구성되어 있습니다. 또한 Cadence와 Synopsys 같은 PCB 자동화 회사에서 전자 설계 자동화(EDA) 구축자를 영입했습니다.
회사는 2023년 시리즈 A 라운드에서 1,000만 달러를, 2025년에는 오픈 베타 출시 1년 뒤 추가로 2,500만 달러를 모금했습니다. 2025년 8월에는 무료 티어를 출시했으며, 솔루션 비용을 사용량 기반으로 책정해 업계 전통적인 고가 구독 모델에서 탈피했습니다.
“보드를 Quilter에 업로드하면 업로드 시점에 라우팅되지 않은 핀 수가 설계 핀 수가 됩니다. Quilter가 컴파일해야 하는 부분에 대해서만 비용을 지불합니다. 보드를 업로드하기 전에 일부(예: RF 네트, 팬아웃, 고전압 구역)를 미리 라우팅하면 해당 핀은 카운트되지 않습니다. Quilter는 기존 작업을 건너뛰고 필요한 핀에 대해서만 요금을 부과합니다.”
Quilter는 독점 포맷이나 락인 방식을 제공하지 않아 PCB 설계자들의 온보딩과 기존 워크플로 및 제조 도구와의 통합을 돕습니다.
출처: Quilter AI
AI에 물리학을 도입하기
지금까지 AI는 주로 텍스트와 이미지 생성, 그리고 컴퓨터 코드를 위한 용도로 사용되어 왔습니다. 하지만 실제 물리학을 다루는 데는 어려움을 겪고 있어, 최근에는 로봇 분야에 특히 적용되는 물리 AI에 초점이 맞춰지고 있습니다 (전체 보고서는 링크를 참고하세요).
Quilter는 강화 학습, 머신 러닝, 그리고 신경망을 혼합한 접근 방식을 채택해 AI가 실제 물리학이 PCB 설계에 어떤 제약을 만드는지 더 잘 이해하도록 만들었습니다.
출처: Quilter AI
그 결과, Quilter의 AI는 기존 보드를 모방해 “왜 그렇게 설계되었는지”를 이해하지 못하고 인간으로부터 학습하는 방식이 아닙니다. 대부분의 LLM이 기본적으로 작동하는 방식과 유사한 이 접근법은 여러 제약이 동시에 작용할 때 심각한 문제를 일으킬 수 있습니다.
“Quilter는 실제 물리학 및 제조 제약을 기반으로 AI를 학습시켜 완전한 레이아웃을 생성합니다. 이는 인간 직관이 차단한 설계 공간을 탐색하게 해 물리‑우선 계산 없이는 발견되지 않았을 솔루션을 도출합니다.”
대신 AI는 전류, 전자기학, 그리고 부품이 차지하는 물리적 공간을 이해하고 이를 토대로 PCB를 설계해야 합니다.
Quilter AI의 각 하위 컴포넌트 에이전트는 부품을 배치하고, 트레이스를 라우팅하며, 물리적 결과를 평가하고, 어떤 선택이 더 나은 결과를 만드는지 학습합니다. 수백만 번의 반복을 통해 배치와 라우팅 전략을 정제하고, 인간 편향 없이 제약을 균형 있게 맞추어 기존과는 다른 라우팅 및 배치 방식을 만들어냅니다.
“우리는 인간을 모방하려는 것이 아니라, 인간의 제약을 완전히 피함으로써 그들을 능가하려 합니다.”
이 과정에서 수십 개의 레이아웃이 동시에 생성되고, 각각은 제조 가능성과 제약 충족 정도에 따라 순위가 매겨집니다. 설계 팀은 이 도구를 사용해 지연이나 타협 없이 100배 이상의 설계 변형을 탐색할 수 있습니다. 또한 여러 변형을 병렬로 업로드해 보드가 실제로 얼마나 작고 밀집될 수 있는지도 빠르게 테스트할 수 있습니다.
“Quilter는 최초의 자율 PCB 설계 엔진을 만들고 있습니다. 이는 자동 라우터도, 코파일럿도, LLM도 아닙니다. 물리‑우선 AI 시스템으로, 인간의 지름길이 아니라 자연 법칙 자체에서 학습합니다.”
인간 의사결정 강화
Quilter AI는 간단한 보드 설계를 최소 15분 안에 완료할 수 있습니다. 하지만 수천 개의 핀이 있는 복잡한 설계의 경우 시스템이 밤새 작업을 수행합니다.
각 제출물에 대해 Quilter는 다양한 스택업에서 여러 배치 및 라우팅 후보를 병렬로 탐색해 엔지니어에게 평가할 옵션을 제공합니다. 엔지니어는 결과를 자체 ECAD 도구로 다운로드해 검토·수정하고 필요 시 재제출할 수 있습니다.
Quilter는 상업 플랫폼 “app.quilter.ai”를 AWS 미국 서부 리전에서 운영하며, 향후 미국 동부와 유럽으로 확장할 계획입니다. 이를 통해 Amazon (AMZN ) 클라우드 컴퓨팅 용량을 활용해 운영을 간단하고 강력하게 확장할 수 있습니다. 또한 민감한 데이터가 기업 인프라를 떠나지 않도록 자체 호스팅 AWS 환경을 운영하는 것도 가능합니다.
Quilter가 고객 데이터나 기존 보드 데이터를 학습에 사용하지 않는다는 점도 항공우주·방위와 같이 IP 보호가 매우 중요한 분야에서 큰 장점입니다.
이 워크플로는 엔지니어를 수동 트레이스 그리기에서 여러 보드 변형을 병렬로 실행할 수 있는 오케스트레이터로 변모시켜, 분기별 설계 사이클을 주간 실험·학습 루프로 전환합니다.
“Quilter가 있는 세상은 보드가 소프트웨어 빌드만큼 풍부하고 반복 가능해지는 세계이며, 이를 ‘Hardware‑Rich Development™’라 부릅니다. Quilter는 최고 PCB 설계자에게 주를 일로 바꾸는 초능력을 제공합니다. 이는 완전한 패러다임 전환이며, 더 빠르게 반복하면 경쟁자를 앞설 수 있습니다.”
이 프로세스는 PCB와 관련된 모든 전문가에게 빠른 결과 도출, 새로운 설계, 기존 CAD 툴과의 쉬운 통합이라는 이점을 제공합니다.
출처: Quilter AI
최근 Quilter는 가장 야심찬 프로젝트인 Project Speedrun을 수행했습니다. 843개 부품으로 구성된 Linux 컴퓨터(두 개 보드, 5,141 핀, 고속 DDR4, eMMC, PCIe, CSI/DSI, GigE)를 설계했으며, 이는 일반적으로 400~450시간의 수동 레이아웃 작업이 필요합니다. Quilter는 이를 인간 노동 38.5시간으로 줄였고, 나머지는 자동으로 처리했습니다.
“Quilter는 반복적인 설계 작업을 담당하고 엔지니어는 제어권을 유지했습니다. 자동화는 배치, 라우팅, 물리 검사를 처리해 엔지니어가 펌웨어 준비, 문서화, 제약 정제에 집중할 수 있게 했습니다.”
물리 AI에 투자하기
NVIDIA
비디오 게임 및 기타 그래픽 렌더링 작업을 위한 GPU 하드웨어 제조업체로 시작한 NVIDIA (NVDA ) 는 거대한 AI 하드웨어 기업으로 성장했으며, 그 주식은 세계 최대 시가총액을 자랑합니다.
NVDA 가격 차트
NVIDIA는 AI의 잠재력을 일찍이 인식했으며, 당시 거의 존재하지 않던 분야에 위험을 감수하고 투자했습니다. Jensen Huang이 말했듯이:
“우리는 수십억 달러 규모의 시장에 투자하고 있습니다.”
2016년과 2017년에 NVIDIA는 Pascal 및 Volta 아키텍처를 출시했으며, 이는 최초의 GPU 기반 AI 가속기였고 Volta는 Tensor Core를 도입해 2024년까지 딥러닝 작업을 최대 12배 가속했습니다.
투자자들은 NVIDIA가 높은 밸류에이션을 정당화할 새로운 시장이 곧 고갈될까 우려해 왔습니다. 2026년 CES(Consumer Electronics Show)에서 NVIDIA는 물리 AI에 새로운 초점을 맞춘다고 발표했습니다.
이를 위해 NVIDIA는 물리 AI 개발을 가속화하는 플랫폼인 Cosmos , 인간형 로봇 전용 비전‑언어‑액션 모델 Isaac GR00T N1.6, 그리고 물리 AI 전용 “오케스트레이터” 소프트웨어 OSMO를 출시했습니다.
로봇, 자율주행차 및 기타 자율 시스템에 AI를 물리적으로 적용하면 NVIDIA는 하드웨어를 판매할 새로운 시장을 많이 확보하게 됩니다. 또한 AI가 물리 하드웨어 설계에도 촉진제가 되어 AI 컴퓨팅 수요 증가 잠재력을 더욱 강화할 것으로 보입니다.
최신 NVIDIA (NVDA) 주식 뉴스 및 개발
