Hans Hasselby-Andersen, Lotus Microsystems 최고경영자 – 인터뷰 시리즈

Hans Hasselby-Andersen은 반도체 업계에서 창업자, 경영진, 이사회 구성원, 투자자로 20년 넘게 경험을 쌓은 Lotus Microsystems의 최고경영자입니다. 그는 Merus Audio를 창업해 2018년 Infineon에 인수될 때까지 회사를 이끌었으며, Texas Instruments, Infineon, Toccata Technology, Nokia에서 요직을 맡았습니다. 그의 경력은 에너지 효율이 높은 반도체 기술을 시장에 선보이는 데 집중되어 왔습니다.

Lotus Microsystems는 코펜하겐에 본사를 둔 팹리스 반도체 기업으로, 첨단 전자기기용 통합 전력 변환기와 전력 공급 솔루션을 개발합니다. 이 회사의 실리콘 기반 Power Interposer Technology는 전력 변환과 열 관리를 결합하며, AI와 고성능 컴퓨팅용 수직 전력 공급 플랫폼인 vStrata도 포함합니다. 이번 인터뷰에서 Hasselby-Andersen은 서버 수준의 에너지 손실과 기존 전력 아키텍처의 한계, 그리고 전력 공급과 냉각, 반도체 패키징을 점점 더 긴밀히 연계해 설계해야 하는 이유를 이야기합니다.

노키아의 무선 시스템, 텍사스 인스트루먼트의 반도체 개발, Merus Audio 창업과 Infineon에 인수되기까지의 경영, 그리고 현재 Lotus Microsystems를 이끄는 일에 이르기까지 경력의 폭이 넓습니다. 이러한 경험은 오늘날 AI 인프라에서 대두되는 전력 및 열 문제를 바라보는 관점에 어떤 영향을 주었나요?

저는 거의 우연히 반도체 업계에 발을 들였습니다. 제가 함께 일하던 스타트업이 Texas Instruments에 인수되면서 칩을 설계하고 제조해 시장에 내놓는 과정이 어떤 것인지 처음 알게 됐습니다. 저는 직접 칩을 설계한 것은 아니지만, 업계에 관해 정말 많은 것을 배웠습니다.

이후 Merus Audio를 창업할 때는 시장의 분명한 공백을 발견한 것이 계기가 됐습니다. 무선 스피커의 전력 손실을 줄이고 배터리 수명을 늘려야 한다는 점이었습니다. 그다음에는 이 문제를 해결하는 데 필요한 적임자와 기술을 확보하는 데 집중했습니다.

Merus가 Infineon에 인수된 뒤 반도체 업계 밖에서 얼마간 시간을 보냈지만, 결국 제가 있고 싶은 곳은 반도체 업계라는 사실을 깨달았습니다. Lotus Microsystems에 끌린 이유는 창업팀이 첨단 전력 공급 기술의 세 가지 핵심 요소, 즉 에너지 효율, 크기, 열 성능에 집중했기 때문입니다. 이러한 문제는 적용 분야와 관계없이 전력 공급에서 늘 따라다니지만, AI의 등장으로 특히 시급해졌습니다.

프로세서 기술은 놀라운 속도로 발전하고 있지만, 그 모든 컴퓨팅 성능에는 현실적인 물리적 제약이 따릅니다. 제가 경험을 통해 배운 점은, 눈에 잘 띄지 않는 문제를 해결하는 일도 모두가 주목하는 기술을 개발하는 것만큼 가치 있을 수 있다는 것입니다.

AI 인프라에 관한 논의에서는 GPU 성능과 네트워킹, 냉각에 큰 비중을 두는 경향이 있습니다. AI 시스템을 계속 확장하는 데 전력 공급 자체가 가장 중요한 제약 요인 중 하나가 되고 있다고 보시는 이유는 무엇인가요?

GPU가 얼마나 많은 컴퓨팅 성능을 제공할 수 있는지에 관해서는 많은 시간을 들여 이야기하지만, GPU에 충분한 전력을 효율적으로 공급하는 방법에 관해서는 훨씬 적게 이야기합니다. 최신 AI 가속기에는 매우 낮은 전압에서 수천 암페어의 전류가 필요하며, 작업 부하에 따라 전력 수요가 거의 순간적으로 바뀔 수 있습니다. 기존 전력 공급 시스템은 이처럼 높은 강도의 요구에 맞춰 설계되지 않았습니다. 세계에서 가장 발전된 프로세서를 갖추고 있어도 필요한 순간에 안정적으로 전력을 공급하지 못하면 그 성능을 온전히 끌어낼 수 없습니다. 그래서 전력 공급은 AI 확장을 가로막는 중요한 과제로 떠오르고 있습니다.

데이터센터 운영자들이 에너지 효율을 이야기할 때는 냉각 시스템과 시설 수준의 지표에 관심이 집중되는 경우가 많습니다. 프로세서에 전력이 도달하기 전에 서버 내부에서 실제로 얼마나 많은 전력이 손실되며, 이 문제가 상대적으로 주목받지 못한 이유는 무엇인가요?

모든 서버에 적용되는 단일 수치는 없지만, 손실은 상당할 수 있습니다. 전류가 큰 일부 아키텍처에서는 프로세서에 전력을 공급하는 마지막 단계에서 전력의 약 7~10%가 손실될 수 있다고 추산했습니다. 이 에너지는 유용한 연산에 쓰이지 않고 열로 바뀌므로, 그 열을 다시 제거해야 합니다. 수천 개의 프로세서를 24시간 내내 가동하면 비교적 작은 비효율도 비용을 크게 늘립니다.

이 문제가 간과된 이유 중 하나는 데이터센터 효율을 전통적으로 측정해 온 방식에 있습니다. 전력 사용 효율(Power Usage Effectiveness, PUE)은 업계 표준으로 자리 잡았으며, 냉각과 전력 분배를 포함한 시설의 추가 전력 소비를 파악하는 데 유용합니다. 그러나 서버 내부에서 전기가 얼마나 효율적으로 변환되고 공급되는지는 보여주지 않습니다.

냉각 효율이 중요하지 않다고 말하는 것은 아닙니다. 냉각 효율은 분명 중요합니다. 하지만 불필요한 열이 어디서 발생하는지 충분히 살피지 않은 채 그 열을 제거하는 데 막대한 비용을 쓰는 것은 다소 앞뒤가 바뀐 일입니다. 애초에 그런 손실이 발생하지 않도록 해야 합니다.

GPU와 다른 AI 가속기의 전력 소비량이 계속 늘어나면서 기존 기판 수준 전력 공급 아키텍처에는 어떤 한계가 나타나고 있나요?

GPU에 실제로 전력이 어떻게 전달되는지 살펴보면 문제가 더 분명해집니다. 기존 설계에서는 전력 변환기가 프로세서 옆에 배치되고, 전기는 회로 기판을 따라 수평으로 이동해 프로세서에 도달합니다. 이 거리는 대수롭지 않아 보일 수 있지만, 수천 암페어의 전류가 흐르면 아주 작은 저항도 문제가 됩니다. 저항 손실은 전류의 제곱에 비례해 증가합니다. 즉, 같은 저항에서 전류를 두 배로 늘리면 손실은 네 배가 될 수 있습니다.

안정적인 전압을 유지하면서 전력 수요의 급격한 변화에 대응하는 것도 과제입니다. 엔지니어들은 커패시터와 기타 부품을 추가해 이를 보완할 수 있지만, 이런 방법은 귀중한 공간을 차지합니다. 기존 설계에 계속 부품을 더하기보다는 결국 아키텍처를 재검토하는 편이 더 합리적입니다.

지속 불가능한 열 문제나 효율 문제를 일으키지 않으면서 연산 밀도를 계속 높이려면, 서버 랙에서 프로세서로 전력을 공급하는 방식을 어떻게 바꿔야 할까요?

이미 랙 수준에서는 고전압 전력 분배로의 전환을 비롯해 많은 혁신이 진행되고 있습니다. 고전압을 사용하면 더 적은 전류로 전기를 전송할 수 있어 장거리 전송에서 손실을 줄일 수 있으므로 중요한 변화입니다. 하지만 결국 프로세서가 필요로 하는 매우 낮은 전압으로 전기를 변환해야 하며, 바로 이 과정에 가장 까다로운 과제가 남아 있습니다.

가장 유망한 발전 가운데 하나는 수직 전력 공급입니다. 전력 변환기를 프로세서 옆에 두는 대신 바로 아래에 배치하는 방식입니다. 전기 경로를 짧게 하면 손실을 줄이고 응답 속도를 높이는 데 도움이 됩니다. 하지만 열을 발생시키는 부품들이 훨씬 더 가까이 배치된다는 새로운 과제도 생깁니다. 이러한 아키텍처를 대규모로 구현하려면 전력 공급, 열 관리, 패키징을 서로 별개의 엔지니어링 과제로 다루는 관행을 바꿔야 합니다. 처음부터 이 세 가지를 함께 설계해야 합니다.

Lotus Microsystems는 최근 수직 전력 공급 플랫폼 vStrata를 선보였습니다. 수직 전력 공급은 어떤 문제를 해결하기 위한 것이며, 오늘날 AI 서버에서 사용하는 기존 전력 아키텍처와는 어떻게 다른가요?

수직 전력 공급의 기본 개념은 비교적 단순합니다. 막대한 전류를 회로 기판 위로 수평 이동시키는 대신, 전원을 프로세서 바로 아래에 배치합니다. 이렇게 하면 전기 경로가 크게 짧아져 손실이 줄고 전력 요구량이 변할 때 시스템이 더 빠르게 대응할 수 있습니다.

하지만 전력을 프로세서 가까이 가져오는 것과 문제 전체를 해결하는 것은 다릅니다. 상당한 열 부담을 안고 작동하는 부품 바로 옆의 좁은 공간에 열이 집중되기 때문입니다. 이 문제를 해결하지 않으면 기존 병목을 해소하는 동시에 새로운 병목을 만들 위험이 있습니다.

저희가 vStrata를 개발하며 해결하고자 한 문제가 바로 이것입니다. 독자적인 실리콘 Power Interposer Technology를 통해 전력을 수직으로 공급하면서 열 관리 기능을 같은 아키텍처에 통합할 수 있습니다. 첫 번째 모듈인 LSC0580은 부하점 효율을 최대 96%까지 구현하도록 설계됐으며, 최적화된 구성에서는 온도를 최대 25°C 낮출 수 있습니다. 목표는 단순히 더 많은 전류를 공급하는 것이 아니라, 데이터센터가 같은 물리적 공간에서 더 많은 유용한 연산을 수행하도록 돕고 이를 뒷받침하는 데 필요한 전력 및 냉각 부담을 줄이는 것입니다.

AI 업계에서는 미래의 성능 향상이 더 나은 칩이나 더욱 발전된 반도체 공정에서 비롯될 것이라고 흔히 생각합니다. 전력 아키텍처의 개선도 궁극적으로 프로세서 자체의 발전만큼 AI 성능에 중요해질 수 있을까요?

물론입니다. 프로세서의 이론적 성능은 주변 시스템이 그 수준으로 작동할 수 있게 해줄 때만 의미가 있습니다. 전력 공급이 수요를 따라가지 못하거나 과도한 열 때문에 시스템이 성능을 낮춰야 한다면, 투자한 만큼의 성능을 모두 얻지 못하는 셈입니다. 흥미로운 점은 전력 아키텍처를 개선하면 프로세서 자체를 바꾸지 않고도 기존 하드웨어에서 지속적으로 발휘되는 성능을 더 끌어낼 수 있다는 것입니다. 더 나은 칩과 더 나은 인프라 중 하나를 택하는 문제로 보지는 않습니다. 둘 다 필요하며, 둘 사이의 연관성은 앞으로 점점 더 중요해질 것으로 봅니다.

AI 데이터 센터는 이미 전 세계 전력망에 상당한 부담을 주고 있습니다. 서버 수준의 전력 변환과 공급을 개선하면 대규모 AI 인프라의 전체 에너지 발자국을 얼마나 줄일 수 있을까요?

잠재적인 효과는 상당하지만, 시설의 아키텍처와 규모에 따라 영향이 달라지기 때문에 하나의 수치로 제시하기는 어렵습니다. 한 변환 단계에서 효율이 1%포인트 개선된다고 해서 데이터센터 전체의 전력 소비량도 같은 비율로 줄어드는 것은 아닙니다.

하지만 지속적으로 작동하는 수천 개의 프로세서에서 효율이 조금씩만 개선돼도 그 효과가 어떻게 커지는지 생각해 보세요. 낭비되는 에너지와 운영비, 자본 지출은 물론 냉각 시스템이 처리해야 하는 열도 크게 줄어들 수 있습니다. 전력망 용량이 이미 신규 데이터센터의 입지와 건설 속도를 제한하는 상황에서는 특히 큰 가치가 있습니다.

다르게 말하면, 가장 친환경적인 에너지는 애초에 사용하지 않는 에너지입니다. AI 확장을 뒷받침할 전력을 더 확보하는 데 엄청난 관심이 쏠려 왔고, 이는 이해할 만한 일입니다. 하지만 이미 사용할 수 있는 전기를 더 효율적으로 활용하는 데에도 그만큼 관심을 기울여야 합니다.

AI 하드웨어가 고전력 GPU와 맞춤형 가속기, 그리고 점점 더 집적도가 높아지는 컴퓨팅 시스템으로 발전하면서, 앞으로 몇 년간 전력 엔지니어들이 어떤 기술적 병목에 부딪힐 것으로 보십니까?

전류 요구량은 계속 증가할 것이며, 그로 인해 생기는 문제를 우리는 이미 목격하고 있습니다. 일부 AI 프로세서에는 수천 암페어가 필요하고, 향후 설계에서는 그 수치가 6,000암페어, 심지어 8,000암페어에 이를 가능성도 있습니다. 그만큼 큰 전류를 효율적으로 공급하는 것만으로도 쉽지 않은데, 작업 부하가 빠르게 바뀌는 동안 전압까지 안정적으로 유지해야 하므로 복잡성이 한층 더해집니다.

업계에서는 전류 밀도를 발전의 주요 지표로 보는 경향도 있습니다. 더 작은 전력 변환기에서 더 많은 전류를 공급하는 것은 인상적이지만, 더 좁은 공간에서 같은 양의 열을 발생시킨다면 시스템 전체가 반드시 개선된 것은 아닙니다. 오히려 열 문제를 악화시켰을 수도 있습니다. 효율과 열 성능, 동적 응답, 신뢰성 사이에서 균형을 잡을 수 있는 엔지니어들이 가장 큰 발전을 이룰 것이라고 생각합니다.

차세대 AI 인프라를 내다볼 때, AI 컴퓨팅 용량을 다시 크게 늘리려면 전력 공급, 냉각, 반도체 패키징, 시스템 아키텍처 전반에 어떤 변화가 필요할까요?

전력 공급과 프로세서 자체가 훨씬 긴밀하게 통합될 것으로 예상합니다. 수직 전력 공급은 중요한 단계지만, 그 진화가 거기서 멈추지는 않을 것이라고 봅니다. 회로 기판에 내장할 수 있는 더 얇은 전력 모듈을 이미 검토하고 있으며, 궁극적으로는 전력 공급 기능의 더 많은 부분을 xPU 패키지에 직접 통합하는 아키텍처도 고려하고 있습니다. 단계가 거듭될수록 전력은 실제로 소비되는 곳에 더 가까워집니다.

이러한 변화에 발맞춰 냉각 기술도 발전해야 합니다. 액체 냉각은 고밀도 컴퓨팅에서 점점 더 중요해지고 있지만, 열을 제거하는 방법을 개선하는 것은 전체 방정식의 일부일 뿐입니다. 불필요한 열이 발생하는 양을 줄이고, 열원 가까이에서 이를 더 효과적으로 관리하는 방법도 찾아야 합니다.

아마 가장 큰 변화는 시스템 개발 방식에서 나타날 것입니다. 전통적으로 하드웨어 스택의 각 부분은 어느 정도 독립적으로 최적화되는 경우가 많았습니다. 우리가 향하는 전력 수준에서는 그런 방식이 점점 더 어려워집니다. 칩 제조업체와 전력 전자 전문가, 패키징 엔지니어, 시스템 설계자는 훨씬 긴밀하게 협력해야 합니다. 우리는 수년 동안 개별 프로세서의 한계를 밀어붙여 왔지만, AI 인프라의 다음 단계에서는 시스템 전체가 해당 프로세서의 성능을 뒷받침할 수 있도록 하는 것이 중요해질 것입니다.

훌륭한 인터뷰 감사합니다. AI 인프라를 위한 수직 전력 공급과 열 관리에 대해 더 알아보고 싶은 독자라면 Lotus Microsystems를 방문해 보시기 바랍니다.