최초 실리콘 성공을 위한 시프트 레프트(Shift Left) 및 스트레치 라이트(Stretch Right) 전략

시프트 레프트와 스트레치 라이트를 도입해야 하는 이유

반도체 개발에서 최초 실리콘 성공은 단순한 기술적 이정표를 달성하는 것에 그치지 않고, 비즈니스 성과를 거두는 것을 의미합니다. 이를 위해서는 적합한 제품을 적절한 시점과 비용으로 시장에 출시하고, 대규모 설계 채택(Design-In)을 확보하며, 제품 라이프사이클 전반에 걸쳐 고객을 효과적으로 지원해야 합니다. 오늘날 반도체 고객들은 공급업체에 더 많은 것을 기대합니다. 고객들은 시뮬레이션을 더욱 적극적으로 활용하고 가상 개발 방식을 도입하고 있으며, 위험을 줄이고 개발 속도를 높이기 위해 컴포넌트 모델, 참조 예제, 가상 설계 툴링, 그리고 프로덕션 수준의 소프트웨어까지 제공받기를 점점 더 기대하고 있습니다.

시프트 레프트 및 스트레치 라이트 전략을 사용하면 이러한 과제의 두 측면을 모두 해결할 수 있습니다. 시프트 레프트는 모델링과 시뮬레이션을 활용해 확인(Validation)을 앞당김으로써 팀이 최초부터 올바른 실리콘을 구현하도록 돕고, 모델과 같은 엔지니어링 자산을 개발 전 과정에서 재사용할 수 있게 합니다. 스트레치 라이트는 이러한 자산을 고객에게까지 확장하여 고객이 제품을 더 효율적으로 평가하고 통합하며 발전시켜 나갈 수 있도록 지원합니다. 이러한 접근 방식은 고객이 자체적으로 시프트 레프트를 실현하는 데에도 도움이 됩니다.

최초 실리콘 성공의 도전 과제: 높아지는 복잡성, 분절된 개발 환경, 그리고 고객 요구

많은 반도체 조직은 여전히 분절된 워크플로를 기반으로 개발을 진행하고 있습니다. 사양, 아키텍처, 구현 및 검증이 서로 다른 팀과 툴에 분산되어 있어 개념 설계부터 최종 승인 단계까지 설계 의도를 일관되게 유지하기가 쉽지 않습니다. 이러한 분절로 인해 발생하는 비용은 상당할 수 있습니다. 개발 과정에서 발생하는 설계 결함과 프로젝트 중 요구사항 변경의 영향은 ASIC 개발 지연과 리스핀(respin)의 주요 원인으로 작용합니다.

모델 기반 워크플로는 모델을 아키텍처 참조, 검증용 입력, 구현 소스로 재사용하는 통합된 접근 방식을 제공함으로써 이러한 분절 문제를 해결합니다. 이를 통해 아날로그 및 디지털 설계와 검증 전반에서 동일한 모델을 활용할 수 있습니다. 팀은 서로 다른 언어와 환경에서 설계 의도를 반복적으로 구현하는 대신, 공유된 기술 자산을 활용해 일관성을 높이고 개발 반복 주기를 단축할 수 있습니다. 이러한 접근 방식을 통해 중복 작업을 줄이고, 모든 팀이 동일한 ‘진실 공급원’을 기반으로 작업할 수 있습니다.

그 결과 얻을 수 있는 이점은 단순한 엔지니어링 효율성 개선에 그치지 않습니다. 이렇게 하면 고객 주도 변경 사항에 보다 효과적이고 민첩하게 대응할 수 있습니다. 팀이 모델을 업데이트하고, 현실적인 테스트를 다시 실행하며, 다운스트림 워크플로 전반에서 변경 사항을 더 빠르게 전파할 수 있다면 뒤늦게 예상치 못한 문제가 발생하는 것을 방지하면서 최신 요구사항을 충족하기에 유리한 위치에 있게 됩니다.

시프트 레프트: 더 이르고, 더 실질적인 검증

시프트 레프트는 흔히 검증을 앞당기는 것으로 설명되지만, 가장 효과적인 구현 방식은 그보다 한 단계 더 나아갑니다. 목표는 설계 주기 전반에 걸쳐 지속적으로 활용할 수 있는 모델과 테스트 케이스 등의 자산을 사용하여, 적절한 시나리오에서 올바른 동작을 확인하는 것입니다.

반도체 개발팀에게 이는 추상적인 테스트 패턴이 아니라 실제 동작 조건에서 얻은 입력을 사용하면서, 고객에게 중요한 지표를 기준으로 설계를 평가하는 것을 의미합니다. 이러한 모델과 테스트 케이스는 한 번 구축하면 시스템 설계와 구현은 물론 포스트 실리콘 검증에도 활용할 수 있습니다.

고객 사례: 시프트 레프트의 실제 적용 

시프트 레프트 실제 적용 사례는 NXP의 자동차 레이다 작업에서 찾아볼 수 있으며, 이는 “자동차 레이다 IC 설계의 Environment-in-the-Loop 검증”이라는 기술 칼럼에 소개되어 있습니다. 팀은 내부 검증을 SNR(신호 대 잡음비) 및 THD(총 고조파 왜곡)와 같은 고객에게 중요한 메트릭에 맞추는 방법론을 개발했습니다. NXP는 추상적인 저수준 테스트 패턴에만 의존하는 대신 현실적인 Euro NCAP 주행 시나리오에서 검증용 입력을 생성하고 이를 초기 시스템 수준 확인에 사용했습니다. 이러한 접근 방식을 통해 최초 실리콘이 나오기 약 1년 전에 가상 현장 시험을 수행할 수 있었으며, 동시에 시스템 설계, RTL, 포스트 실리콘 단계 전반에 걸쳐 자산을 재사용할 수 있었습니다.

여기서 얻을 수 있는 교훈은 시프트 레프트가 내부 엔지니어링 승인 기준과 실제 고객 사용 환경 간의 간극을 줄일 때 가장 큰 가치를 창출한다는 점입니다. 조기 검증도 유용하지만, 고객과 관련성이 높은 검증을 더 이른 단계에서 수행하는 것은 더욱 큰 효과를 제공합니다. 실제 운용 환경을 반영한 조건에서 설계를 조기에 확인함으로써, 개발 후반에 발생할 수 있는 요구사항 불일치 위험을 줄이고 비즈니스적으로 중요한 문제에 집중할 수 있습니다.

다른 공개 사례들 역시 이러한 원칙을 뒷받침합니다. STMicroelectronics는 Simulink^® 및 HDL Verifier™를 활용해 시스템 수준 모델을 칩 수준 검증에 재사용했으며, 그 결과 Simulink 기반 설계의 RTL 검증 시간이 절반으로 단축되었습니다. 또한 검증 아티팩트가 다양한 설계 단계에서 재사용되었기 때문에 시스템 수준 검증과 RTL 수준 검증 간의 중복 작업을 크게 줄일 수 있었습니다.

Nokia는 동일한 아이디어를 다른 방향으로 발전시켜, 5G 디지털 프론트엔드 설계 흐름 전반에 Simulink를 활용한 모델 기반 설계를 도입했습니다. Nokia의 Sami Repo는 이러한 접근 방식이 전체 워크플로에 걸쳐 "유연성, 가시성, 그리고 대응 역량"을 제공했으며, 이를 통해 더 빠른 개발 수행, 향상된 아키텍처 탐색, 강화된 팀 간 협업, 그리고 품질 개선을 실현할 수 있었다고 설명했습니다.

이러한 사례들은 시프트 레프트의 성공이 단순히 작업 시점을 앞당기는 데서 비롯되는 것이 아니라, 중복 작업을 줄이고 팀 간에 공통된 기술 언어를 구축하는 데 달려 있음을 보여 줍니다.

고객 사례

이러한 사례들은 고객과의 관련성이 높고 재사용 가능한 검증을 조기에 수행할 때 시프트 레프트가 가장 큰 가치를 제공한다는 점을 보여 줍니다.

스트레치 라이트: 엔지니어링 자산을 고객의 경쟁력으로 전환

시프트 레프트가 내부 개발의 효율성을 높인다면, 스트레치 라이트는 동일한 엔지니어링 투자를 고객이 재사용할 수 있는 자산으로 확장합니다. 실질적으로 이는 컴포넌트 모델, 가상 프로세서 플랫폼, 구성 및 설계 툴, 프로덕션 수준 소프트웨어 컴포넌트, 주요 응용 사례에 사용되는 참조 모델 등 재사용 가능한 자산을 제공하는 것을 의미합니다.

이는 고객 역시 자체 개발 프로세스에서 시프트 레프트를 추진하고 있기 때문에 중요합니다. 소프트웨어 정의 차량 프로그램 및 기타 소프트웨어 집약적 시스템에서 고객은 하드웨어가 준비되기 전에 개발을 시작하고 배포 후에도 시스템을 지속적으로 개선하기를 원합니다. 더 우수한 가상 자산과 지원 인프라를 제공하는 반도체 기업은 고객이 시작 시점을 더 앞당기고, 보다 빠르게 통합하고, 프로젝트 리스크를 줄일 수 있도록 지원합니다.

고객 사례: 스트레치 라이트의 실제 적용 

최근 BMS(배터리 관리 시스템) 분야에서 MathWorks와 NXP 간에 이루어진 협업은 명확한 스트레치 라이트 실제 적용 사례라고 할 수 있습니다. BMS 전용 Model-Based Design Toolbox가 도입됨에 따라 엔지니어는 MATLAB^® 및 Simulink에서 제어 알고리즘을 개발하고 검증하고, NXP 프로세서에 직접 자동으로 배포할 수 있게 되었으며, 이를 통해 시스템 수준 설계와 프로덕션 구현 간의 격차를 해소할 수 있습니다. 이 접근 방식은 최적화된 코드 생성, 온칩 주변기기 액세스, Processor-in-the-Loop 테스트를 비롯한 타겟 하드웨어로의 배포를 지원합니다. 이러한 기능을 통해 고객은 모델링 및 시뮬레이션에서 실제 테스트와 구현으로 보다 효율적으로 전환할 수 있으며, 수작업 재코딩 없이 알고리즘을 재사용하고 실제 운용 환경을 반영한 시나리오에서 이를 확인할 수 있습니다. 그 결과 통합 과정의 마찰이 줄어들고, 시장 출시 시간이 단축되며, 개념에서 배포에 이르는 장벽이 낮아지는 동시에 전체적인 기기 생태계가 강화되고, 반도체 플랫폼의 가치를 실리콘 자체를 넘어 확장할 수 있습니다. NXP의 경영진은 이러한 효과를 비즈니스 측면에서 설명합니다. CTO인 Lars Reger는 “엔지니어가 조기에 문제를 식별하고 해결할 수 있도록 하는 보다 빠른 설계 반복”과 함께 NXP 실리콘을 기반으로 제품을 개발하는 고객의 시장 출시 시간 단축을 그 효과로 꼽았습니다.

Infineon은 또 하나의 명확한 스트레치 라이트 적용 사례를 보여줍니다. Infineon은 MATLAB 및 Simulink를 활용해 단 2주라는 촉박한 일정 안에 고객을 위한 완전한 IBIS-AMI 모델을 개발하고 검증했습니다. 고객이 요구한 까다로운 일정을 충족했을 뿐만 아니라, 내부 역량 확보 기간도 단축했으며 향후 프로젝트에서도 재사용할 수 있는 사내 전문 역량을 구축할 수 있었습니다.

반도체 기업의 관점에서 이는 단순한 모델링 이야기가 아닙니다. 정확한 고객용 모델은 내부 IP를 공개하지 않으면서도 고객의 평가 과정을 단축하고 기술 협업의 부담을 줄여 주기 때문에, 이는 곧 설계 채택을 확대하는 이야기이기도 합니다. 스트레치 라이트는 단순한 포스트 실리콘 지원을 넘어 비즈니스 성장을 촉진하는 수단으로 작용합니다. 재사용 가능한 자산이 우수할수록 고객은 플랫폼을 더 쉽게 채택하고, 여러 제품 프로그램으로 확장 적용하며, 장기간에 걸쳐 지속적으로 활용하게 됩니다.

고객 사례

이들 사례는 스트레치 라이트가 내부 엔지니어링 자산을 고객의 개발 속도를 높이고 플랫폼 충성도를 강화하는 툴로 전환함으로써 성장 동력으로 작용할 수 있음을 보여 줍니다.

AI 기반 워크플로를 통한 생산성의 극대화

반도체 개발에서 AI는 시프트 레프트와 스트레치 라이트 전략을 강화할 때 가장 큰 가치를 창출합니다. 이를 통해 모델링 및 시뮬레이션 워크플로를 보강하여 엔지니어링 팀이 수작업 설정을 줄이고, 시뮬레이션 주기를 단축하며, 설계 및 검증 과정 전반에서 시행착오를 줄일 수 있도록 지원합니다. 실제로 이러한 활용 방식에는 엔지니어를 지원하는 코파일럿, 반복적인 엔지니어링 루프를 지원하는 에이전트 기반 워크플로, 에뮬레이션 및 최적화를 수행하는 머신러닝 모델, 그리고 AI 알고리즘을 하드웨어 가속기에 배포하는 워크플로가 포함됩니다.

고객 사례: AI를 통한 생산성의 극대화

AI의 실질적인 활용 사례 가운데 하나는 자율형 엔지니어링 워크플로입니다. Intel은 포스트 레이아웃 PCIe 배선에 대한 신호 무결성 사인오프 전체를 수행하는 다중 에이전트 AI 워크플로를 소개하고 있습니다. 이 설계는 의도적으로 에이전트 중심 구조를 채택하고 있습니다. 상위 에이전트인 Taskmaster Agent가 목표를 해석하고, 추출, 규정 준수, 리포팅을 담당하는 전문 작업 에이전트들을 조율합니다. 또한 승인된 엔지니어링 흐름을 결정론적 상태 머신으로 실행해 즉흥적인 결과 대신 재현 가능한 결과를 제공합니다. 이러한 환경에서 엔지니어의 역할은 솔버를 실행하고 보고서를 작성하는 작업에서 벗어나, 목표와 제약 조건, 성공 지표를 정의하고 결과를 검증하는 역할로 변화합니다. 엔지니어의 역할이 솔버를 실행하고 리포트를 작성하는 것에서 목표, 제약 조건 및 성공 지표를 정의하고 결과를 검증하는 것으로 변하며, AI는 반복적인 엔지니어링 실행을 담당함으로써 시프트 레프트 및 스트레치 라이트 전략을 가속화한다는 의미입니다.

또 다른 활용 사례로는 AI를 활용한 검증 효율성 향상이 있습니다. Nokia는 MATLAB을 사용해 머신러닝 기반 접근 방식을 개발했으며, 이를 통해 커버리지 달성에 필요한 테스트 수를 최대 2배까지 줄이는 동시에 중복 테스트 케이스를 줄여 검증 품질을 향상시켰습니다. 이는 AI가 더 적은 테스트와 더 적은 중복 시뮬레이션으로 커버리지 목표 달성을 지원했기 때문에 시프트 레프트의 강력한 사례라고 할 수 있습니다.

세 번째 활용 사례는 최종 제품의 일부로 구현된 AI입니다. NXP는 MATLAB에서 ADC 오류를 사후 보정하는 신경망을 훈련시킨 다음 해당 HDL 구현을 생성하고 검증했습니다. ASIC에 구현한 신경망은 ADC 면적의 15%만 사용했으며, 정상 동작 조건에서 약 16배 적은 전력을 소비했습니다. 이 사례는 AI가 단순히 엔지니어링 생산성을 높이는 데 그치지 않고, 하드웨어 아키텍처 자체에 직접 기여할 수 있음을 보여 줍니다. 

고객 사례

이러한 사례는 검증 효율성에서 재현 가능한 사인오프, AI를 칩에 탑재한 실리콘에 이르기까지 AI가 시프트 레프트와 스트레치 라이트 전략을 강화할 수 있음을 보여줍니다.

결론: 반도체 팀이 시작하는 방법

실질적인 출발점은 시프트 레프트와 스트레치 라이트를 독립적인 이니셔티브가 아니라 엔지니어링 운영 모델의 전략적 진화로 바라보는 것입니다. 경영진은 조기 검증을 통해 위험을 실질적으로 줄이거나 개발을 가속화할 수 있는 부분을 파악하는 동시에, 내부 개발을 넘어 고객 가치를 창출하기 위해 확장할 수 있는 모델, 워크플로 및 엔지니어링 자산을 평가해야 합니다. 일반적으로 가장 큰 효과를 얻을 수 있는 기회는 엔지니어링 성과를 비즈니스 성과로 연결하는 영역에서 나타납니다. 즉, 개발 후반의 위험을 줄이고, 고객의 평가 과정을 가속화하며, 설계 채택(Design-In) 주기를 단축하고, 제품 지원과 제품 진화를 간소화하는 것입니다. 여기서 던져야 할 질문은 명확합니다. 어떤 위험을 더 이른 단계에서 해결할 수 있는가? 어떤 내부 자산을 고객 지원 역량으로 확장할 수 있는가? 어떤 파일럿 워크플로가 측정 가능한 비즈니스 가치를 입증하고 더 폭넓은 도입을 위한 추진력을 만들 수 있는가?

최초 실리콘 성공을 확보하려면 두 가지 상호 연결된 역량이 필요합니다. 하나는 내부 엔지니어링 성과를 더 이른 단계에서 개선하는 것이고, 다른 하나는 고객 성과를 더 오랫동안 지속적으로 개선하는 것입니다. 시프트 레프트는 아키텍처에 대한 신뢰를 높이고, 반복 개발을 가속하며, 검증의 관련성을 높여 줍니다. 스트레치 라이트는 동일한 엔지니어링 자산을 고객용 도구로 전환하여 설계 채택을 가속화하고 제품 라이프사이클 전반의 마찰을 줄여 줍니다.

복잡성이 증가하고 개발 일정은 더욱 촉박해지는 상황에서, 이는 반도체 기업이 현실적으로 적용할 수 있으면서도 확장 가능한 전략입니다. 조기 모델링, 현실적인 확인, 재사용 가능한 검증 자산, 고객에게 바로 제공할 수 있는 시뮬레이션 모델, 지원되는 타겟 워크플로는 모두 강력한 경쟁력 확보에 기여합니다. 이러한 접근 방식을 실천하는 기업은 실리콘 개발 자체를 개선할 뿐만 아니라, 고객이 해당 실리콘을 기반으로 제품을 개발하는 전 과정의 경험까지 향상시킬 수 있습니다.