AI가 특화된 워크로드에서 주류 인프라로 자리 잡아가면서, 백엔드 테스트는 조용하지만 결정적인 변화를 겪고 있습니다. 고객이 테스트에 대해 제기하는 질문이 바뀌고 있으며, 더 넓은 제조 흐름에서 테스트가 수행하는 역할도 변화하고 있습니다.
수십 년 동안 이 업계는 “정상 칩(KGD)”이 정의되어 있는가라는 간단한 질문을 지침 삼아 운영되어 왔다.
웨이퍼 선별 단계부터 최종 테스트에 이르기까지, 자동화 테스트 장비(ATE)는 이 문제에 효과적으로 해답을 제시해 왔으며, 실리콘 검증의 중추적인 역할을 수행함으로써 구조적 무결성, 파라미터 준수 및 기능적 정확성을 보장해 왔습니다. 그러나 AI 시스템은 이러한 모델의 한계를 드러내고 있습니다.
“정상 작동이 확인된 다이(Known Good Die)”의 한계
GPU, AI 가속기, 이종 HPC 모듈과 같은 최신 컴퓨팅 장치는 더 이상 통제된 환경에서 작동하지 않습니다. 이러한 장치들은 지속적인 고전력 워크로드를 처리하는 시스템에 배포되며, 종종 열적 및 전기적 한계치에 근접한 상태에서 작동합니다.
ATE 테스트를 통과한다고 해서 현장에서의 성공이 보장되는 것은 아닙니다. 이러한 변화로 인해 더 중요한 질문이 제기됩니다. 즉, 해당 장치가 설계된 시스템 내에서 실제 환경에서 대규모로 운영될 때 안정적으로 작동할 수 있을까요?
그림 1: ATE와 SLT의 비교. 출처: Teradyne.
지금 시스템 수준 테스트가 중요한 이유
시스템 수준 테스트(SLT)는 ATE를 대체하는 것이 아니라 보완하는 역할을 합니다. ATE가 정밀성과 속도를 제공하는 반면, SLT는 맥락을 제공합니다. SLT는 실제 워크로드, 시스템 상호작용 및 환경적 스트레스를 도입하여 칩이나 패키지 수준에서는 파악하기 어려운 고장 모드를 드러내며, 여기에는 다음이 포함됩니다:
- 전력 공급 불안정
- 열에 의한 분해
- HBM, TSV 및 첨단 패키징 전반에 걸친 상호 연결 취약점
- 펌웨어 및 소프트웨어 통합 문제
- 생애 초기(영아 사망)의 실패 사례
이는 더 이상 드문 사례가 아닙니다. AI 인프라 분야에서 이러한 사례들은 점점 더 주요한 장애 원인으로 대두되고 있습니다.
그림 2: 각 SLT 노출로 인한 고장 모드가 스택의 어느 부분에서 나타나는지. 출처: Teradyne.
포장 과정의 복잡성이 체계적인 관점을 요구한다
2.5D, 3D, HBM 기반 아키텍처와 같은 첨단 패키징 기술로 향하는 업계의 흐름은 소자의 동작 방식을 근본적으로 변화시켰습니다. 이러한 소자들은 열 밀도가 더 높고, 상호 연결이 더 복잡하며, 공정 변동에 더 민감하고, 시스템 수준의 통합에 더 크게 의존합니다. ATE는 설계상 이러한 복잡성의 상당 부분을 추상화하여 숨겨두지만, SLT는 이를 다시 드러나게 합니다.
SLT는 대체 수단이 아닌 보완 수단
SLT로의 진화는 ‘Known Good Die(정상 확인된 다이)’의 정의 방식에 있어 더 광범위한 변화를 반영합니다. 실리콘의 정확성은 여전히 필수적이지만, 더 이상 그것만으로는 충분하지 않습니다. AI 시대에는 현실적인 운영 조건 하에서 시스템 수준에서 신뢰성을 검증해야 합니다. SLT는 테스트 통과와 실제 배포 환경에서의 생존 사이의 격차를 해소하며, 그동안 부족했던 검증 단계를 보완해 줍니다.
바로 이 부분이 테라다인(Teradyne)의 테라다인 테스트 오토메이션( Titan )HP 플랫폼이 가 그 가치를 발휘하는 부분입니다. Titan (HP )은 시스템 수준 테스트를 위해 특별히 설계되었으며, 제조업체가 AI 가속기 및 HPC 장치가 고객의 데이터 센터에 도착하기 전에 현장에서 직면하게 될 것과 동일한 지속적인 전력, 열, 워크로드 부하 조건 하에서 해당 장치를 검증할 수 있는 실용적인 방법을 제공합니다.
그림 3: 결함을 놓쳤을 때 발생하는 비용은 발견 시기가 늦어질수록 급격히 증가한다. 출처: 테라다인.
이 점이 중요한 이유는, 테스트 실패의 대가가 더 이상 단순한 테스트 불합격에 그치지 않기 때문입니다. 장치가 대규모로 배포되면 가동 중단, 보증 책임, 신뢰 하락으로 이어지기 때문입니다. Titan HP 는 전원 공급 불안정성, 열에 의한 성능 저하, 상호 연결 취약점을 조기에 파악함으로써, 제조업체들이 장치가 버텨주기를 ‘기대’하는 단계에서 ‘확신’하는 단계로 나아갈 수 있도록 돕습니다. 신뢰성을 희생하지 않으면서 AI 인프라를 대규모로 확장하기 위해 분주히 움직이는 업계에서, 이러한 확신은 단순히 테스트를 통과한 칩과 중요한 순간에 확실한 성능을 발휘하는 시스템을 구분 짓는 핵심 요소입니다.
그림 4: Titan HP SLT 시스템. 출처: Teradyne.
지속적인 피드백 메커니즘으로서의 시험
시스템 수준 테스트(SLT)는 더 이상 특정 제품에만 적용되는 틈새 단계가 아닙니다. AI 인프라가 확장됨에 따라 SLT는 백엔드 테스트 전략의 핵심 요소로 자리 잡고 있습니다.
이제 문제는 기기가 테스트를 통과하는지 여부가 아니라, 가장 중요한 시스템에서 시간이 지나도 안정적으로 작동하는지 여부입니다. SLT는 업계가 이 질문에 답하기 시작한 방식입니다.
멜빈 리는 테라다인(Teradyne)의 시스템 레벨 테스트 부문 공장 적용 담당 이사로서, 다음 업무를 담당하고 있습니다. 팀과 업계 내 다수의 선도적인 반도체 기업들 간의 협력 관계를 확대하는 일을 담당하고 있습니다. 멜빈은 반도체 업계에서 25년 이상의 경력을 쌓았으며, 실적을 쌓아왔습니다 을 보유하고 있습니다. 가장 최근에는 온토 이노베이션(Onto Innovation)에서 전 세계 현장 애플리케이션 부문 이사로서 미국과 아시아 전역의 글로벌 팀을 이끌었으며, 그 이전에는 글로벌파운드리(GlobalFoundries)에서 여러 리더십 직책을 역임했습니다. 멜빈은 기계공학 학사 학위를 취득했으며, 이 학위에서는 2등급 우등를 취득했습니다.