随着人工智能(AI)时代存储半导体的重要性凸显,韩国半导体产业迎来了新的机遇。尤其是2022年11月发布的ChatGPT的成功,加速了人工智能技术的大众化,也为半导体产业打开了新的增长可能。在此过程中最受关注的企业之一是制造人工智能半导体——图形处理器(GPU)的英伟达。此外,成功开发人工智能用存储器HBM(High Bandwidth Memory)的SK海力士也在稳步增长。
HBM是一种大幅提升数据传输速度的存储半导体,对ChatGPT等人工智能技术的运行速度提升有很大影响。在ChatGPT出现之前的人工智能技术中,相比存储半导体,GPU等系统半导体的性能才是提升速度的重要因素。
这类人工智能技术被称为“计算密集型(compute-bound)”模型。相反,像ChatGPT这样存储半导体对运行速度影响很大的情况,这类技术被称为“数据密集型(data-bound)”或“输入输出密集型(io-bound)”模型。由于未来“数据密集型”人工智能模型有望成为主流,存储半导体的重要性也在持续扩大。
系统半导体方面,从个人电脑(PC)用半导体中央处理器(CPU)发展到移动用的应用处理器(AP),最近又发展到人工智能用的GPU,不断演进为新种类的半导体。
相反,存储半导体的种类几乎没有变化,而是朝着提升速度和容量的方向发展。因此存储半导体企业无需苦思开发何种半导体,只需朝着性能提升这一理所当然的目标进行开发即可。
但进入人工智能时代后,存储半导体也出现了新的种类,其代表性例子正是HBM半导体。HBM的结构是将DRAM半导体堆叠起来,并将上下垂直连接,从而提升速度的新型存储器。
如今半导体业界的关注点正转向HBM之后哪种存储半导体将受到瞩目。目前各企业正在开发PIM、VCS或CXL存储器等多种下一代技术。然而同时开发多种半导体可能会成为企业研发能力的沉重负担。
此外,要提高下一代存储器的成功可能性,理解目标应用程序的特性十分重要。以HBM为例,正是通过把握ChatGPT等目标人工智能模型属于“数据密集型”模型这一特性,才能预测HBM的成功可能性。因此半导体企业不仅承受同时开发多种下一代存储技术的负担,还额外承担了必须同步研究目标应用程序特性的负担。
能够减轻这种负担的有效方案之一是产学合作。学界已发表研究指出,由于ChatGPT这类人工智能属于“数据密集型”模型,存储半导体的速度提升十分重要。同时,关于推荐系统、增强检索等可利用下一代存储器的各种“数据密集型”人工智能的研究也在活跃展开。产业界可以在这些学界研究成果的基础上,确定下一代存储器开发的优先顺序并制定集中资源的战略。
激活产学合作的现实而高效的方案是专业人才的交流。特别是,如果在企业工作的专家转职到大学共同研究,产学合作的效果将增强,也能减少大学开展与产业界需求脱节的研究的情况。
要引导产业界专家转职到大学,需要制度性支持,使他们能像大学教授那样稳定工作10年以上。例如,如果政府通过长期的产学合作课题支持产业界人力,许多产业专家就能在大学参与研究。而且在下一代存储器开发至关重要的当下,若能强化这种产学合作,预计将为韩国半导体产业的发展作出重大贡献。






