【와티비커뮤니티-WATVcommunity】 보증업체놀이터추천홍보 : 프로그램제작판매제작의뢰 : 스포츠분석 : 무료스포츠중계tv : 섹시bj움짤 : 스포츠뉴스 : 안구정화 놀이터홍보 놀이터후기공유 피해사례공유

로그인

채팅

글쓰기

[IT뉴스]삼성, AX 인재 영입도 결국엔 '수율'···TSMC 격차 왜 줄지 않나

온카뱅크관리자

2026-08-14 11:27:30

<div id="layerTranslateNotice" style="display:none;"></div> 비전AI 한보형·데이터 한태린 영입 설계보다 공정·결함 데이터 정조준 AI Ready Data로 원인 추적 고도화 미세공정 승부 결국 정상 다이 개수 
 <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
 <section dmcf-sid="GtzuwHx25M">
 <figure class="figure_frm origin_fig" contents-hash="63b3b27245fdd19cfbf857a2673382eebdef5a8b885f5f1bd0ffed70992cec3e" data-idxno="461915" data-type="photo" dmcf-pid="HFq7rXMV1x" dmcf-ptype="figure">
 <img alt="삼성전자와 TSMC의 파운드리 격차를 시각화한 이미지. /GPT-5.5" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202608/14/552814-8XPEppr/20260814111736243koid.png" data-org-width="1280" dmcf-mid="9CrD9nGhXA" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202608/14/552814-8XPEppr/20260814111736243koid.png" width="658">
 <figcaption class="txt_caption default_figure">
 삼성전자와 TSMC의 파운드리 격차를 시각화한 이미지. /GPT-5.5
 </figcaption>
 </figure>
 삼성전자가 딥러닝·비전 인공지능(AI) 전문가와 데이터 엔지니어링 전문가를 동시에 영입했다. 겉으로는 반도체 분야의 인공지능 전환(AX) 강화지만, 반도체 제조업의 언어로 바꾸면 목표는 훨씬 단순하다. 같은 웨이퍼와 장비에서 정상 제품을 얼마나 더 많이 뽑아낼 수 있느냐, 즉 수율이다.
 14일 전자업계에 따르면 삼성전자는 디바이스솔루션(DS)부문 AX·PI센터에 한보형 서울대 교수를 펠로우로, 한태린 상무를 데이터 전문가로 영입했다. 한 펠로우는 반도체 연구개발(R&amp;D)에 특화된 AI 모델을 개발하고, 한 상무는 AI가 곧바로 활용할 수 있도록 반도체 데이터를 정제·구조화하는 'AI Ready Data' 기반을 맡는다.
 두 사람의 업무는 서로 다르지만 생산라인에서는 하나의 목표로 만난다. 한태린 상무가 설계·공정·장비·검사 과정에서 쏟아지는 데이터를 AI가 읽을 수 있도록 정렬하면 한보형 펠로우가 이를 바탕으로 공정과 결함 패턴을 찾아내는 모델을 만든다. 결과는 다시 제조현장으로 돌아가 공정조건 수정과 불량 원인 추적, 개발기간 단축에 사용된다.
 반도체에서 AI가 필요한 이유도 여기에 있다. 첨단공정으로 갈수록 웨이퍼 위에 만들어지는 회로는 복잡해지고 공정 단계와 변수는 늘어난다. 특정 장비의 미세한 변화나 공정조건의 작은 편차가 최종 불량으로 이어질 수 있지만 원인을 사람이 일일이 역추적하기는 갈수록 어려워진다. 검사 이미지와 계측값, 장비 로그, 공정조건을 함께 분석해 불량의 공통 패턴을 빠르게 찾아내면 문제 공정을 조기에 수정할 수 있다.
 비전AI 권위자 데려온 이유 결국 불량 패턴 빨리 찾기
 결국 AI의 가치는 챗봇처럼 반도체에 새로운 기능을 붙이는 데 있지 않다. 불량 다이를 하나라도 줄이고 정상 다이를 더 많이 확보하는 데 있다. 웨이퍼 투입량을 늘리지 않고도 판매 가능한 칩이 늘어나면 생산능력이 사실상 확대되는 효과가 생긴다. 수율 몇 퍼센트포인트의 차이가 팹의 원가와 납품능력, 고객 확보까지 좌우하는 이유다.
 한보형 펠로우는 서울대 컴퓨터공학 학·석사와 미국 메릴랜드대 컴퓨터과학 박사를 거쳐 포항공대 교수로 근무했으며 2018년부터 서울대 전기·정보공학부 교수로 재직하고 있다. 딥러닝과 컴퓨터비전 분야를 중심으로 연구해왔으며 삼성에서는 반도체 R&amp;D에 특화된 AI 모델 개발을 주도한다.
 비전AI와 반도체 제조의 접점은 명확하다. 웨이퍼와 패키지 검사에서는 방대한 이미지가 발생하고 결함은 크기와 위치, 형태가 제각각이다. 사람이 육안으로 모든 이미지를 판독하거나 사전에 정의된 규칙만으로 이상을 잡아내는 방식에는 한계가 있다. AI가 정상 패턴과 미세한 차이를 학습하면 불량 후보를 빠르게 좁히고 공정 단계별 상관관계까지 추적할 수 있다.
 한 펠로우가 서울대 교수 신분을 유지하면서 삼성전자에서 근무하는 '50대50 겸직' 형태로 합류한 것도 이례적이다. 서울대가 현직 교수에게 이런 형태의 겸직을 허용한 것은 처음이며 삼성전자가 국내 대학 교수를 같은 방식으로 영입한 것도 처음이다. 삼성은 학계의 최신 AI 연구를 제조현장과 직접 연결하는 통로까지 확보한 셈이다.
 한태린 상무의 역할은 더 아래층에 있다. 아무리 좋은 AI 모델을 확보해도 입력되는 제조 데이터가 서로 다른 형식과 기준으로 흩어져 있다면 수율 개선에 활용하기 어렵다.
 반도체 팹에서는 설계 데이터와 장비 로그, 온도·압력·가스 유량 같은 공정값, 계측 결과, 웨이퍼 검사 이미지와 최종 수율 데이터가 동시에 발생한다. 같은 제품을 만드는 데이터라도 장비와 공정 단계에 따라 저장 형식과 시간축이 다를 수 있다. AI가 이를 함께 읽으려면 어떤 값이 어느 웨이퍼와 다이, 어떤 공정에서 발생했는지를 하나의 흐름으로 연결해야 한다.
 <div contents-hash="151f474b13242137e9190ac0d0448107a464ef1a45b699e83510799b632329c9" dmcf-pid="7VMQGBcnYB" dmcf-ptype="general">
 한 상무가 담당하는 AI Ready Data는 바로 이 기반이다. 서울대 기계항공우주공학과를 졸업하고 미국 매사추세츠공대(MIT)에서 기계공학 석사를 받은 뒤 2016년부터 지난해까지 메타에서 시니어 엔지니어링 매니저로 근무했다. 이후 디지털 신원인증 플랫폼 기업 페르소나를 거쳐 삼성전자에 합류했다.
 </div>
 <figure class="figure_frm origin_fig" contents-hash="48c897b0cf76936b3a19ada1948f5bf0ef4ea52111b2c8e625a4b3f5a7ba6b5a" data-idxno="461917" data-type="photo" dmcf-pid="zfRxHbkLYq" dmcf-ptype="figure">
 <img alt="인공지능이 웨이퍼별 수율과 결함 분포를 분석해 이상 공정과 불량 원인을 추적하는 모습. /여성경제신문DB" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202608/14/552814-8XPEppr/20260814111737539uylg.jpg" data-org-width="1080" dmcf-mid="VGMQGBcntN" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202608/14/552814-8XPEppr/20260814111737539uylg.jpg" width="658">
 <figcaption class="txt_caption default_figure">
 인공지능이 웨이퍼별 수율과 결함 분포를 분석해 이상 공정과 불량 원인을 추적하는 모습. /여성경제신문DB
 </figcaption>
 </figure>
 삼성 AI로 불량 잡으려는 동안 대만은 생태계 격차 생산한다
 삼성이 모델 전문가와 데이터 전문가를 동시에 배치한 이유도 이 구조에서 읽힌다. 공정 데이터가 먼저 정리돼야 AI가 불량 원인을 찾고, 그 결과를 다시 공정에 반영해 수율을 높일 수 있다.
 첨단 반도체 경쟁에서는 설계와 공정 이름보다 결국 양산 수율이 사업성을 결정한다. 미세공정 기술을 먼저 개발하더라도 정상 제품을 안정적으로 많이 생산하지 못하면 고객 물량을 확보하기 어렵다. HBM 역시 적층 단수가 높아지고 공정이 복잡해질수록 하나의 불량이 최종 제품 전체의 손실로 이어질 가능성이 커진다.
 삼성전자가 설계·공정·제조 전반에 AI 적용을 확대하겠다고 밝힌 이유도 개발 효율이라는 추상적 목표보다 생산현장의 경제성에 있다. 개발단계에서 실패 가능성이 높은 조건을 빨리 걸러내고 양산 과정에서 이상징후를 조기에 발견하면 시행착오와 웨이퍼 손실을 동시에 줄일 수 있다.
 AI가 반도체를 대신 만드는 것은 아니다. 최종 승부는 여전히 노광과 식각, 증착, 세정과 패키징 같은 물리적 공정에서 결정된다. AI는 그 생산라인에서 발생하는 수많은 데이터를 읽어 사람이 놓치던 상관관계를 찾아내는 새로운 생산도구다.
 <div contents-hash="a767373ffa4a5a174042963f4e495b22624c24c29b5f94471fc78d26ee41095d" dmcf-pid="2xLiF4sAY0" dmcf-ptype="general">
 삼성전자가 한보형·한태린 두 사람에게 거는 기대도 결국 한 문장으로 압축된다. 같은 팹에서 더 많은 정상 칩을 뽑아내는 것. AI 시대에도 반도체 제조업의 마지막 숫자는 여전히 수율이다.
 </div>
 <figure class="figure_frm origin_fig" contents-hash="9d2a4ef1c354f56d74f2fb7f00048dc34ed73a9946f894125dc36326ace64e81" data-idxno="461916" data-type="photo" dmcf-pid="VMon38Oc13" dmcf-ptype="figure">
 <img alt="반도체 웨이퍼 검사장비가 표면 결함과 오염 분포를 분석한 모습. 결함 데이터는 공정 이상을 추적하고 수율을 높이는 핵심 자료로 활용된다. /여성경제신문DB" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202608/14/552814-8XPEppr/20260814111738860ggwm.jpg" data-org-width="1080" dmcf-mid="YSXGnOB31R" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202608/14/552814-8XPEppr/20260814111738860ggwm.jpg" width="658">
 <figcaption class="txt_caption default_figure">
 반도체 웨이퍼 검사장비가 표면 결함과 오염 분포를 분석한 모습. 결함 데이터는 공정 이상을 추적하고 수율을 높이는 핵심 자료로 활용된다. /여성경제신문DB
 </figcaption>
 </figure>
 ☞TSMC 격차 좁혀질까? = 삼성전자가 AI까지 동원해 수율 개선에 나서는 것만으로 TSMC를 따라 잡을 수 있는 것은 아니다. 대만 생태계의 강점은 특정 공정의 순간적인 수율 숫자 하나가 아니라 수십 년 동안 축적된 고객 설계 데이터, 공정 레시피, 장비 조건, 결함 패턴, 패키징 경험이 하나의 학습체계로 누적돼 있다는 점에 있다. 
 엔비디아·AMD·애플·브로드컴을 비롯한 수많은 팹리스의 서로 다른 칩을 반복 생산하면서 어떤 설계가 어떤 공정에서 어떤 결함을 만드는지에 대한 데이터가 쌓였고, 이 경험이 다시 다음 고객의 초기 수율과 램프업 속도를 끌어올린다. 삼성은 AI 모델을 잘 만드는 것보다 먼저 이 데이터의 폭과 반복 생산 경험의 격차를 따라잡아야 한다.
 더 냉정하게 보면 파운드리 수율은 팹 내부 알고리즘만으로 결정되지 않는다. PDK와 EDA 연동, 고객 설계 지원, IP 생태계, 장비 최적화, 공정변경 관리, 첨단 패키징, 대량양산에서의 재현성까지 모두 맞물려야 한다. 삼성의 이번 AI 인재 영입은 분명 필요한 수율 전쟁의 한 수지만, TSMC를 따라잡으려면 AI를 팹 안에 넣는 것보다 팹리스·EDA·IP·공정·패키징 전체에서 더 많은 고객과 더 많은 실패를 반복하며 데이터를 축적하는 시간이 필요하다.
 여성경제신문 이상헌 기자 liberty@seoulmedia.co.kr
 *여성경제신문 기사는 기자 혹은 외부 필자가 작성 후 AI를 이용해 교정교열하고 문장을 다듬었음을 밝힙니다. 기사에 포함된 이미지 중 AI로 생성한 이미지는 사진 캡션에 밝혀두었습니다.
 </section> 
 </div>

이란 앞바다 美링컨함, 9개월간 무슨 일이…"투신시도 여러번"(종합) PBA 팀리그 브레이커스, 하나카드 꺾고 9연패 탈출

댓글 총 0개

업체홍보/구인 더보기

놀이터홍보 더보기

지식/노하우 더보기

판매의뢰 더보기

포토 더보기