실리콘을 보완하는 새로운 계산 기술 관련 기업 10곳

실리콘에서 새로운 계산 방식으로

계산의 역사는 사람이 하던 산술을 기계가 수행하면서 발전했습니다. 이후 진공관과 트랜지스터가 전자식 컴퓨터의 발전을 이끌었습니다.

실리콘 집적회로는 더 많은 트랜지스터를 집적해 성능을 높였습니다. 그러나 성능은 집적도뿐 아니라 구조와 소프트웨어에도 좌우됩니다.

출처: Mobile First

2024년 당시 업계는 5nm와 2nm 등으로 불리는 공정을 개발하고 있었습니다. 공정명은 모든 트랜지스터의 실제 길이를 뜻하지 않습니다. 미세화는 물리적·제조상 한계에 직면합니다.

원자 규모에서는 양자 효과, 누설전류, 열, 제조 편차가 중요해집니다. 트랜지스터가 실리콘 원자 하나가 되기 훨씬 전부터 실용적 제약이 나타납니다.

그렇다고 계산 성능의 발전이 끝나는 것은 아닙니다.

새로운 구조와 물리적 원리를 활용할 수 있으며, 모든 접근이 실리콘을 완전히 버리는 것은 아닙니다. 다음은 연구가 진행 중인 주요 방향입니다.

실리콘 이외의 반도체

반도체는 전도도를 제어할 수 있는 물질입니다. 트랜지스터에서는 전기적 수준으로 논리 상태를 표현합니다. 단순히 도체와 절연체를 오가는 물질이라는 설명만으로 정의할 수는 없습니다.

실리콘을 대체하거나 보완할 재료가 연구되고 있습니다. 밴드갭뿐 아니라 전하 이동도, 안정성, 제조 호환성도 중요하므로 밴드갭이 있다고 모두 적합한 것은 아닙니다.

출처: Energy Education

이산화바나듐

이산화바나듐은 절연체–금속 전이로 주목받습니다. 일부 조건에서는 1조분의 1초, 즉 피코초 정도의 시간 규모에서 전이가 관찰됩니다.

빠른 재료 전이는 새로운 소자에 도움이 될 수 있지만, 회로 전체가 같은 속도로 작동하거나 모든 실리콘 소자보다 우수하다는 뜻은 아닙니다.

이산화티타늄 기판 위에 형성한 이산화바나듐 연구도 진행되고 있습니다.

이산화티타늄이 반도체라는 사실 자체는 새로운 발견이 아닙니다. 기판과 활성층의 상호작용을 이용해 뉴런과 비슷한 발진 동작을 구현하는 연구가 중요합니다.

이산화바나듐의 전이와 기판 효과는 모트 뉴런형 스파이킹 발진기에 활용될 수 있습니다. 생물학적 뉴런의 일부 동작을 모사하는 것이며, 뇌 전체 기능을 재현했다는 뜻은 아닙니다.

그래핀

그래핀은 전기적 특성이 뛰어난 이차원 탄소 재료입니다. 일부 특수 구조의 초전도성은 극저온에서 관찰되며, 일반적인 상온 초전도체로 검증된 것은 아닙니다.

관련 연구는 「그래핀 반도체는 실현되었을까?」에서 소개합니다. 그래핀 자체와 밴드갭을 갖도록 변형한 구조는 구분해야 합니다.

유기 재료

일부 유기 재료를 이차원 구조로 배열하면 유용한 전하 수송과 반도체 특성을 얻을 수 있습니다. 모든 유기 재료가 그래핀만큼 전도성이 높아진다는 의미는 아닙니다.

자세한 내용은 「유기 반도체가 그래핀과 실리콘의 장점을 결합할 수 있을까?」를 참고하세요.

반도체의 전력 사용 개선

더 많은 소자를 높은 속도로 작동시키면 전력 밀도와 열 관리가 중요한 제약이 됩니다. 작은 트랜지스터가 언제나 더 많은 전력을 쓰는 것은 아닙니다.

산화환원 게이팅은 산화·환원 반응으로 소자 상태를 제어하는 연구 방향입니다. 특정 소자의 에너지 사용을 줄일 가능성이 있지만 속도와 내구성 등의 조건도 평가해야 합니다.

연구의 의미는 「산화환원 게이팅과 소형 전자기기의 효율」에서 다룹니다. 실험 결과가 즉시 범용 칩의 비용 절감으로 이어지는 것은 아닙니다.

포토닉스: 빛을 이용한 기술

광학 기술은 정보를 전달하거나 일부 계산을 빛으로 처리합니다. 실제 시스템에서는 전자회로와 반도체가 함께 쓰이는 경우가 많습니다.

광학 계산은 광신호의 간섭과 변조 등을 활용해 특정 연산을 수행할 수 있습니다.

빛의 전파 속도만으로 컴퓨터 전체가 수천 배 빨라진다고 결론낼 수는 없습니다. 변환, 메모리, 통신, 제어와 알고리즘의 병목도 중요합니다.

구현에는 실리콘 포토닉스를 사용할 수도 있고, 다른 결정 재료를 이용할 수도 있습니다.

광학 소자는 도파관과 간섭 등 파동 특성을 고려해 설계합니다. 데이터 전송은 이미 상용화된 반면 일부 광학 계산 방식은 연구 단계입니다.

출처: Synopsys

양자컴퓨팅

양자컴퓨팅은 제어 가능한 양자 상태와 연산을 이용합니다. 계산 과정은 상태 조작과 마지막 측정을 포함합니다.

큐비트는 0과 1 상태의 중첩으로 표현할 수 있습니다. 그러나 측정하면 특정 결과가 나오므로 모든 가능한 답을 동시에 읽을 수 있다는 뜻은 아닙니다.

양자컴퓨터는 일반 컴퓨터를 모두 대체하기보다 특정 문제에서 보완할 가능성이 있습니다.

고전 계산이 모두 선형인 것은 아닙니다. 양자 알고리즘은 일부 암호 분석과 양자계 시뮬레이션 등에 잠재적 이점이 있지만 모든 복잡한 기후·단백질 문제에서 우월성이 입증된 것은 아닙니다.

실용적 이점에는 충분한 정확도와 규모, 오류 제어가 필요합니다. 모든 어려운 계산을 자동으로 해결하는 기술은 아닙니다.

관련 현황은 「양자컴퓨팅의 현재」에서 소개합니다.

생물학적 오가노이드

뇌는 패턴 인식과 언어 처리에 매우 효율적이며 대사 에너지 소비는 수십 와트 수준입니다. 이는 특정 칩과 같은 조건에서 측정한 전력 비교가 아닙니다.

스위스의 FinalSpark는 인간 뉴런 오가노이드 연구 플랫폼을 개발했습니다. 약 0.5mm와 1만 뉴런이라는 규모는 연구 모델의 설명이며 완성된 범용 컴퓨터의 성능을 뜻하지 않습니다.

장기적 활용 범위는 아직 불확실합니다. 살아 있는 조직의 유지, 학습, 신뢰성 문제를 해결해야 하며 자율주행 칩을 곧 대체한다는 증거는 없습니다.

새로운 계산 기술에 관련된 10개 기업

1. International Business Machines Corporation

IBM (IBM )은 메인프레임과 기업용 컴퓨팅의 발전에 크게 기여했습니다. Apple (AAPL ), TSMC, NVIDIA (NVDA )와는 사업 구조가 달라 생산량만으로 기술력을 비교하기 어렵습니다.

IBM은 양자 프로세서 Eagle(127큐비트), Osprey(433큐비트) 등을 개발했습니다. 이들은 완성된 오류 내성 범용 양자컴퓨터와 구별됩니다.

2023년에는 1,121큐비트의 Condor 프로세서와 Heron을 발표했습니다. 큐비트 수, 연결 구조, 게이트 정확도는 각각 별도의 평가 요소입니다.

IBM은 전도성 유기 재료, 뉴로모픽 컴퓨팅, 포토닉스 등도 연구합니다.

연구와 지식재산 라이선스는 IBM 사업의 일부지만, 회사 전체를 단순한 특허 보유 회사로 설명하는 것은 부정확합니다.

새로운 기술의 특허는 경쟁력에 기여할 수 있습니다. 과거 반도체 산업의 성공이 모든 차세대 계산 기술의 지배적 위치를 보장하지는 않습니다.

2. Microsoft Corporation

Microsoft (MSFT )는 Azure Quantum을 통해 양자 관련 클라우드 도구와 하드웨어 접근을 제공합니다.

클라우드는 여러 연구자가 고가 장비를 공동 이용하는 방법이 될 수 있습니다. 향후 모든 양자 계산이 반드시 이 방식으로 제공된다는 뜻은 아닙니다.

화학·재료 등 응용 분야 전문가도 양자 알고리즘과 도구를 사용하려면 관련 지식과 협업이 필요합니다.

전문 하드웨어 운영을 공급자에게 맡기는 방식은 유용할 수 있습니다. 그렇더라도 사용자가 문제 정의와 알고리즘 이해를 생략할 수는 없습니다.

Azure Quantum은 양자와 고전 계산을 결합하는 하이브리드 접근을 지원합니다.

출처: Microsoft

Microsoft는 자체 연구와 함께 여러 기업과 협력해 왔습니다. 예로 IonQ (IONQ), Pasqal, Quantinuum, Quantum Circuits, Inc.와 Rigetti (RGTI)가 있습니다. Quantum Circuits의 QCI는 상장사 Quantum Computing Inc.의 QUBT와 다른 기업입니다.

출처: Microsoft

2023년 말에는 협력 관계를 발표한 Photonic과 함께 양자 기술 개발을 추진했습니다.

또한 금융 최적화 등을 위한 아날로그 광학 계산을 연구합니다. 이는 상용 금융업무 전체를 대체했다는 의미가 아닙니다.

양자 기술은 Microsoft 전체 매출의 중심이 아닙니다. 사업 다각화는 특정 기술 의존도를 낮출 수 있지만, 그 주식을 자동으로 더 안전한 투자라고 규정할 수는 없습니다.

3. Alphabet Inc.

Google은 Quantum AI 연구소 등을 통해 양자컴퓨팅을 연구합니다.

Google은 2019년 Sycamore로 특정 표본추출 과제를 200초에 수행했다고 보고했습니다. 고전 슈퍼컴퓨터에 1만 년이 걸린다는 당시 추정에는 IBM 등이 이의를 제기했습니다. 모든 계산에서 같은 우위를 의미하지 않습니다.

Google은 Cirq 등 양자 알고리즘 개발 도구를 제공합니다. 소프트웨어의 성과가 향후 시장 지배나 하드웨어의 성공을 보장하지는 않습니다.

Alphabet의 투자 조직은 Lightmatter 같은 광학 기술 기업에 투자해 왔습니다. 투자 관계와 기술 성능은 구분해야 합니다.

Google은 연구와 소프트웨어 생태계에 영향을 줄 수 있습니다. 모든 비실리콘 계산 방식에서 유리한 위치를 차지할 것이라는 예측은 확정된 사실이 아닙니다.

4. Intel

Intel (INTC )은 실리콘 제조 역량을 활용해 스핀 큐비트를 연구합니다.

2023년 발표한 Tunnel Falls는 12큐비트 연구용 칩입니다. 웨이퍼 수율 95%는 제조 관련 지표이지 오류 없는 양자 연산 정확도가 아닙니다. 완성된 상용 양자컴퓨터도 아닙니다.

출처: Intel

Intel은 Intel Quantum SDK 등 개발 도구도 제공합니다. 이러한 도구가 미래의 수익성이나 독점적 지위를 보장하지는 않습니다.

출처: Intel

규모를 늘릴 수 있는 제조 기술은 비용과 접근성에 도움이 될 수 있습니다. 그러나 오류 제어와 시스템 통합은 별도로 해결해야 합니다.

2023년에는 플러거블 광통신 송수신기 사업을 매각하기로 했습니다. 인수자는 Jabil (JBL)이며, Intel이 모든 포토닉스 연구에서 철수했다는 뜻은 아닙니다.

Intel의 양자 연구와 광학 기술 활동은 각각 평가해야 합니다. 일부 사업 매각만으로 다른 기술을 전부 포기했다고 결론낼 수 없습니다.

5. Nvidia

NVIDIA는 GPU와 AI 가속기, 네트워크 기술을 공급합니다. 제품과 고객 구성이 다양해 하나의 시장만으로 사업을 설명하기 어렵습니다.

NVIDIA의 DGX Quantum은 고전 가속 계산과 양자 제어를 연결하는 구성입니다. CUDA-Q는 관련 소프트웨어이며 GPU 자체가 큐비트라는 뜻은 아닙니다.

출처: Nvidia

또한 Quantum-X800 InfiniBand 네트워킹을 발표했습니다. 제품명의 Quantum은 여기서 양자컴퓨터를 의미하지 않습니다.

포토닉스 분야에서는 TSMC·Broadcom과의 공동 패키징 광학 기술 관련 협력이 보도됐습니다. CPO는 전자칩과 광연결을 통합하는 접근이지 모든 계산을 빛으로 바꾸는 것은 아닙니다.

AI 수요는 NVIDIA의 중요한 동력입니다. 양자와 광학 분야는 추가 기회일 수 있지만 시장 성장만으로 각 제품의 수익이 보장되지는 않습니다.

6. Quantinuum / Honeywell

Quantinuum은 2021년 Honeywell Quantum Solutions와 Cambridge Quantum의 결합으로 출범했습니다. Honeywell 주식은 별도 사업이 많은 기업에 대한 투자이며 Quantinuum 주식과 동일하지 않습니다.

2023년 9월 발표한 Quantum Monte Carlo Integration(QMCI)은 수치 적분 문제를 위한 도구입니다. 금융과 다른 분야의 연구에 활용될 수 있지만 모든 문제에서 양자 우위가 확인된 것은 아닙니다.

QMCI는 금융 파생상품 평가나 물리 실험 시뮬레이션 같은 적분 문제를 다룹니다. 실제 이점은 문제, 알고리즘, 하드웨어와 오차 수준에 따라 달라집니다.

Honeywell의 주력 사업에는 항공우주와 자동화 등이 있습니다. 양자 계산은 전체 사업의 일부이므로 간접 노출의 규모를 확인해야 합니다.

양자 기술이 일부 사업에 도움이 될 수 있지만, 응용 가능성과 실제 상업 성과는 구분해야 합니다.

Honeywell은 관련 기술의 공급과 잠재적 사용 양쪽에 이해관계가 있습니다. 이것이 모든 경쟁사보다 빠른 상업화를 보장하지는 않습니다.

7. Synopsys

전자회로와 광학 부품을 함께 설계하는 작업에는 소프트웨어가 중요합니다. Synopsys는 관련 도구를 제공합니다.

동사는 반도체 설계·검증 소프트웨어를 제공하며 5nm급 이하 공정의 설계도 지원합니다. 공정명은 모든 구조의 실제 치수가 아닙니다.

광학 분야에는 광소자·시스템·집적회로의 설계 흐름을 지원하는 도구가 있습니다. 이를 통해 설계와 시뮬레이션을 수행합니다. «유일한» 솔루션이라는 표현은 공급자의 주장과 구분해야 합니다.

출처: Synopsys

Synopsys와 Juniper Networks는 OpenLight에 투자했습니다. 이 회사는 실리콘 포토닉스에 인듐인화물 기반 기능을 통합하는 기술을 개발합니다.

8. Juniper Networks

Juniper는 Mist 플랫폼의 AI 기반 무선 네트워크 기능을 강조합니다. 확장성·유연성·이상 탐지의 우수성은 특정 비교와 시험 조건에 따른 주장이지 모든 Cisco 제품보다 우수하다는 보편적 사실은 아닙니다.

Marvis AI는 네트워크 운영과 문제 해결을 지원합니다. 모든 수준의 작업이 완전히 자동화된다는 뜻은 아닙니다.

출처: Juniper

방화벽과 보안 기능의 비교는 시험 조건과 제품에 따라 달라집니다. Fortinet (FTNT ) 등 모든 경쟁사보다 언제나 우수하다고 일반화할 수 없습니다.

Juniper는 광집적회로(PIC)를 포함한 광통신 기술을 다룹니다. 데이터 전송과 센서의 활용과 범용 광학컴퓨터 구현은 다른 단계입니다.

출처: Synopsys

9. Rigetti Computing, Inc.

Rigetti는 다중 칩 프로세서와 하이브리드 양자·고전 구조에 관한 지식재산을 보유한다고 설명합니다. 자체 홍보 표현이 전체 산업의 우위를 증명하지는 않습니다.

회사는 칩 설계, 제조, 제어와 클라우드 접근 등 여러 단계를 통합합니다.

출처: Rigetti

큐비트 수뿐 아니라 게이트 정확도, 연결, 속도가 중요합니다. Intel도 연구용 소규모 칩을 개발하므로 경쟁사들이 수만 늘린다는 비교는 부정확합니다.

2024년 당시 계획에는 84큐비트 Ankaa-3와 장기적인 더 큰 시스템이 포함돼 있었습니다. Ankaa-3는 2024년 12월 출시됐으며, 초기 로드맵을 현재의 확정 실적으로 해석하면 안 됩니다.

출처: Rigetti

2023년 12월 발표한 9큐비트 Novera는 연구용 프로세서 제품입니다. 90만 달러와 배송 기간은 당시 제시된 조건이며, 모든 보조 장비를 갖춘 완전한 범용 컴퓨터 가격과 같지 않습니다.

고객으로는 Fermilab SQMS, 미 공군연구소, Horizon Quantum (HQ ) Computing 등이 언급됐습니다. 현재 표시되는 시세는 해당 기업의 2024년 상장 여부를 뜻하지 않습니다.

Rigetti는 2024년 봄 Russell 3000 지수 편입을 발표했습니다. 지수 편입은 기술 성능이나 투자수익의 보증이 아닙니다.

10. IPG Photonics

IPG Photonics는 파이버 레이저 등을 공급합니다. 직원 6,200명과 연간 42,000대라는 수치는 특정 자료의 시점에 해당하며 현재 값으로 단정하면 안 됩니다.

일부 초단펄스 레이저는 펨토초 단위의 펄스를 만듭니다. 1펨토초는 10의 15제곱분의 1초이지만, 펨토초급이라는 말이 정확히 1펨토초 펄스를 뜻하지는 않습니다.

레이저의 활용 분야는 다음과 같습니다.

• 첨단 과학 응용: 분광학, 현미경, 간섭계, 광학 포획 등.
• 전기차 배터리 및 전동기 제조.
• 재료 가공: 금속 절단, 표면 가공, 세정, 레이저 적층 제조 등.
• 레이저 미세 가공: 작은 구조를 형성하는 작업.

많은 광학 시스템은 레이저 광원을 사용합니다. 다만 광학 연결과 광학 계산에 필요한 레이저의 종류·규모는 설계에 따라 다릅니다.

안정적인 광원 수요는 레이저 업체에 기회가 될 수 있습니다. 그렇다고 광학 계산의 성장이 IPG의 수익으로 그대로 이어진다고 단정할 수는 없습니다.

짧은 광펄스는 특정 처리에 유용하지만, 펄스 폭만으로 전체 컴퓨터의 계산 속도를 결정할 수는 없습니다.