무어의 법칙과 반도체 미세화의 한계

집적도 증가가 만든 반도체 산업의 기준선

무어의 법칙은 집적회로에 담기는 트랜지스터 수가 약 2년마다 2배로 늘어난다는 경험적 관찰이다. 같은 면적에 더 많은 스위칭 소자를 넣을 수 있게 되면서 성능 향상과 비용 절감이 함께 나타났고, 이 관찰은 반도체 산업의 로드맵처럼 작동했다.

고든 무어는 1965년 Electronics Magazine 기고에서 초기에는 매년 2배 증가를 예측했다. 당시 트랜지스터 기반 집적회로는 초기 단계였고, 칩당 트랜지스터는 수십 개 수준이었다. 그는 1975년까지 65,000개에 이를 것으로 예측했으며, 1975년에는 증가 주기를 매 2년으로 수정했다. 이후에는 18~24개월마다 2배라는 표현이 업계 표준으로 자리 잡았다.

2010년대 이후에는 공정 미세화의 제약으로 주기가 3~4년으로 늘어나고, 집적도 향상만으로 성능을 끌어올리는 방식 외의 접근이 함께 모색되고 있다.

미세화가 집적도와 성능으로 이어지는 과정

트랜지스터는 디지털 회로에서 0과 1의 논리 연산을 처리하는 기본 스위칭 소자다. 더 많은 트랜지스터를 집적하면 더 많은 연산을 수행할 여지가 생긴다. 집적도 증가는 다음과 같이 확인할 수 있다.

1971 Intel 4004: 2,300개
1978 Intel 8086: 29,000개
1989 Intel 486: 1,200,000개
2000 Pentium 4: 42,000,000개
2020 AMD Ryzen 9: 3,900,000,000개

공정 노드는 트랜지스터 게이트의 최소 선폭을 나타내며 나노미터(nm) 단위로 표현한다. 1990년대에는 500nm, 350nm, 250nm 공정이 쓰였고, 2000년대에는 130nm, 90nm, 65nm, 45nm로 이동했다. 2010년대에는 32nm, 22nm, 14nm, 10nm, 7nm가 뒤를 이었으며, 2020년대에는 5nm와 3nm, 개발 중인 2nm 공정이 언급된다.

공정 미세화는 동일 면적의 트랜지스터 수를 늘리고 전력 소비를 낮추며 동작 속도를 높이는 방향으로 작용했다. 클럭 속도는 1980년대 수 MHz에서 1990년대 수십~수백 MHz로, 2000년대에는 GHz를 넘었다. 다만 2010년대 이후에는 클럭 증가가 둔화했다.

프로세서와 메모리, 저장장치에서 나타난 변화

CPU는 집적도 증가를 가장 직접적으로 보여 주는 사례다.

1971 4004: 2,300 트랜지스터, 740 KHz
1978 8086: 29,000 트랜지스터, 5~10 MHz
1993 Pentium: 3,100,000 트랜지스터, 60~300 MHz
2006 Core 2 Duo: 291,000,000 트랜지스터, 1.8~3.0 GHz
2020 Core i9: 수십억 트랜지스터, 최대 5.3 GHz

AMD Ryzen 9는 39억 트랜지스터(7nm), Apple M1은 160억 트랜지스터(5nm)를 사용한다. ARM Cortex 계열 역시 모바일 프로세서 발전과 연결돼 있다.

메모리도 세대별 집적도 변화가 뚜렷하다. DRAM은 1970년대 1 Kbit에서 1980년대 64 Kbit, 256 Kbit로, 1990년대 1 Mbit와 16 Mbit로 증가했다. 2000년대에는 256 Mbit와 1 Gbit, 2020년대에는 16 Gbit 이상에 이르렀다. NAND 플래시 메모리는 1990년대 수 MB, 2000년대 수 GB, 2010년대 수십~수백 GB, 2020년대 TB 단위로 확장됐다.

HDD는 1990년대 수십 MB에서 2000년대 수십~수백 GB, 2010년대 TB 단위로 발전해 현재 20TB 이상에 이른다. SSD는 2000년대 후반 수십 GB에서 2010년대 수백 GB, 2020년대 수 TB로 커졌다.

모바일 AP에서도 같은 흐름을 볼 수 있다.

2008 iPhone 3G: ARM11, 412 MHz
2013 iPhone 5S: Apple A7, 1.3 GHz (64비트)
2020 iPhone 12: Apple A14, 3.1 GHz, 5nm
2023 iPhone 15: Apple A17 Pro, 3nm

집적도 향상을 떠받친 제조와 설계 기술

포토리소그래피는 빛을 이용해 실리콘 웨이퍼에 회로 패턴을 전사하는 기술이다. 마스크를 통과한 빛으로 미세 패턴을 만들며, 광원은 1980년대 G-line(436nm), 1990년대 I-line(365nm), 2000년대 ArF(193nm), 2010년대 EUV(극자외선, 13.5nm)로 발전했다. EUV는 더 미세한 패턴을 가능하게 해 5nm와 3nm 공정의 핵심 기술로 쓰인다.

트랜지스터 구조도 바뀌었다. FinFET은 22nm 이하 공정에서 채택됐으며, 3차원 구조로 누설 전류를 줄이고 전력 효율을 높인다. GAA는 3nm 이하 공정에 적용되는 차세대 트랜지스터 구조다. High-K Metal Gate는 게이트 절연막을 개선해 누설 전류를 줄이는 방식이다.

설계 측면에서는 EDA(Electronic Design Automation)를 통한 자동화된 설계와 검증, 검증된 회로 블록을 다시 쓰는 IP 재사용이 설계 시간 단축에 기여했다. 최신 팹 구축에는 수조 원이 필요하며, TSMC, Samsung, Intel 같은 기업의 경쟁과 ASML, Applied Materials를 포함한 장비 회사, 화학·가스 소재 회사의 협력이 이 흐름을 뒷받침했다.

미세화만으로는 넘기 어려운 제약

실리콘 원자 크기는 약 0.2nm이고, 현재 공정은 3~~5nm에 이른다. 트랜지스터 폭이 수 개~~수십 개 원자 수준으로 접근하면 양자 터널링이 발생해 소자의 제어가 어려워진다. 게이트 산화막이 지나치게 얇아지면 전자가 터널링으로 누설되고, 트랜지스터의 ON/OFF 구분도 어려워진다. High-K 절연체와 FinFET, GAA 구조는 이에 대응하는 수단이다.

제조 비용도 제약으로 작용한다. 5nm 팹은 수조~수십조 원이 들고, 3nm 이하에서는 비용 대비 효과가 감소한다. TSMC, Samsung, Intel처럼 이를 감당할 수 있는 기업은 소수다. 미세화가 진행될수록 불량률과 제조 난이도도 높아져 수율 문제가 커진다.

전력 밀도와 발열 역시 클럭 속도의 확장을 제한한다. 다이내믹 파워 소모는 다음과 같이 표현한다.

P = C × V² × f

P: 전력, C: 정전용량, V: 전압, f: 클럭 주파수

클럭이 증가하면 전력도 급증하며, 2000년대 중반 이후 클럭 증가가 둔화한 배경이 됐다.

성능 향상의 중심이 옮겨간 방식

2000년대 중반 이후 클럭 증가가 정체되자 프로세서 설계는 코어 수를 늘리는 방향으로 이동했다. 듀얼코어는 2005년, 쿼드코어는 2007년에 등장했고 이후 옥타코어와 16코어 이상 구성이 확산됐다. 멀티코어의 성능을 활용하려면 멀티스레딩, 병렬 알고리즘, 소프트웨어 최적화가 필요하다. 서버 CPU는 최대 64코어 이상을 제공한다.

이종 컴퓨팅은 CPU만으로 처리하지 않고 GPU와 전용 가속기를 함께 활용하는 방식이다. GPU는 병렬 연산에 특화돼 CUDA, OpenCL과 함께 AI 및 딥러닝 학습에 쓰인다. TPU(Tensor Processing Unit)는 AI 가속, NPU(Neural Processing Unit)는 모바일 AI, FPGA는 재프로그램 가능한 하드웨어로 분류된다. SoC는 CPU, GPU, NPU, ISP 등을 통합하며 Apple M1과 Qualcomm Snapdragon이 사례로 제시된다.

메모리와 칩을 수직으로 쌓는 방식도 중요해졌다. 3D NAND는 셀을 수직 적층해 100단 이상 적층과 용량 증대를 가능하게 한다. 3D 칩 적층에는 HBM(High Bandwidth Memory), TSV(Through-Silicon Via)가 포함된다.

탄소 나노튜브(CNT)는 실리콘보다 빠른 전자 이동을 목표로 연구 단계에 있으며, 그래핀은 전도성과 열전도성이 우수하지만 상용화 과제가 남아 있다. 양자 컴퓨터는 큐비트 기반으로 특정 문제를 초고속 처리하지만 범용 컴퓨터는 아니다.

컴퓨팅 비용과 산업 구조에 남긴 영향

가격 대비 성능의 변화는 컴퓨팅 접근성을 넓혔다. 1970년대에는 메인프레임이 수억 원이었고, 1980년대 PC는 수백만 원, 2000년대 PC는 수십만 원으로 내려왔다. 2020년대 스마트폰은 수십만 원으로 PC급 성능을 제공한다. 저렴한 컴퓨팅 자원과 종량제 모델을 기반으로 한 클라우드 컴퓨팅은 중소기업의 고성능 컴퓨팅 접근에도 영향을 줬다.

이 과정은 1980~1990년대 PC 보급과 업무 생산성 변화, 1990년대 웹 브라우저와 2000년대 브로드밴드, 2007년 iPhone 이후 스마트폰 보편화와 앱 경제로 이어졌다. 2010년대에는 딥러닝, 클라우드, 빅데이터가 결합하면서 자율주행과 음성인식 같은 분야가 부상했다.

하드웨어가 상품화되면서 차별화의 중심은 소프트웨어와 서비스로 옮겨갔다. Google, Facebook, Amazon 같은 플랫폼은 네트워크 효과를 기반으로 성장했고, SaaS(Software as a Service), Netflix, Spotify 같은 구독 경제도 확산됐다.

함께 언급되는 성능·효율 법칙

쿰베의 법칙(Koomey's Law)은 동일 연산량에 필요한 전력이 약 1.5년마다 절반으로 감소한다는 내용으로, 모바일 기기와 IoT, 배터리 수명 향상과 관련된다.

황의 법칙(Huang's Law)은 GPU 성능이 매년 2배 이상 증가한다는 내용이다. NVIDIA CEO 젠슨 황과 연결되며, AI와 딥러닝 수요, 병렬 연산 중심의 변화가 배경으로 제시된다.

크라이더의 법칙(Kryder's Law)은 하드 디스크 저장 밀도가 약 13개월마다 2배 증가한다는 관찰이다. HDD는 물리적 한계로 둔화했고 SSD가 이를 대체하고 있다.