IBM 리서치, 상변화 메모리(PCM) 아날로그 중첩 기술로 AI 연산 효율의 새 지평 열다

최근 IBM 리서치 유럽(IBM Research Europe)이 발표한 ‘뉴럴 네트워크 벡터 저장을 위한 중첩형 아날로그 메모리(Superposed analog memory)’ 기술은 차세대 인공지능(AI) 하드웨어 설계에 있어 중대한 변곡점이 될 것으로 평가된다. 이번 연구의 핵심은 상변화 메모리(PCM) 소자의 물리적 특성을 활용해 여러 개의 AI 벡터를 단일 메모리 셀에 중첩 저장함으로써, 기존 디지털 방식 대비 비약적인 저장 밀도 향상을 달성했다는 점이다. 통상적으로 AI 모델은 방대한 파라미터를 처리하기 위해 높은 비트 정밀도를 요구하며, 이는 메모리 대역폭과 전력 소모 측면에서 심각한 병목 현상을 야기해왔다. 그러나 IBM의 이번 접근 방식은 아날로그 수준에서 데이터를 겹쳐 쓰고 이를 수학적으로 분리해내는 방식을 통해, 데이터 이동 없이 메모리 내에서 직접 연산(In-Memory Computing)을 수행할 수 있는 최적의 토대를 마련했다. 이 기술의 산업적 파급력은 매우 강력하다. 우선, AI 가속기 시장에서 가장 큰 비용 요소인 고대역폭 메모리(HBM) 의존도를 낮추고 전력 효율을 획기적으로 개선할 수 있다. 데이터 센터 운영 비용의 핵심인 전력 소비를 줄이려는 하이퍼스케일러 기업들에게 매우 매력적인 대안이 될 것이다. 특히 엣지 컴퓨팅 환경처럼 메모리 용량과 에너지원이 제한적인 환경에서 고성능 AI 추론을 가능하게 함으로써 차세대 온디바이스 AI 시장의 경쟁 구도를 재편할 가능성이 크다. 공급망 측면에서는 기존 반도체 제조 공정과의 호환성이 핵심이다. PCM은 비휘발성 메모리 기술로서 이미 상용화된 공정을 일부 활용할 수 있다는 점에서 신규 팹(Fab) 투자 부담이 적다. 다만, 아날로그 신호의 정밀도 제어와 장기적인 데이터 신뢰성 확보는 여전히 해결해야 할 과제로 남아 있다. 향후 파운드리 업체들은 AI 전용 로직과 고밀도 아날로그 메모리가 결합된 이종 집적(Heterogeneous Integration) 패키징 기술을 중심으로 차세대 플랫폼 개발에 주력할 것으로 보인다. 결론적으로 이번 IBM의 연구는 AI 모델의 크기가 거대해짐에 따라 발생하는 폰 노이만 구조의 한계를 돌파하기 위한 실질적인 기술적 진보이며, 향후 메모리 반도체 산업의 비메모리화 및 AI 맞춤형 아키텍처 도입을 가속화하는 기폭제가 될 것이다.