“반도체 회사”라고 하면 왠지 거대한 공장(클린룸)부터 떠올리기 쉽죠. 그런데 요즘 반도체 산업을 움직이는 주인공 중에는 공장 없이도 세계를 뒤흔드는 회사들이 많습니다. 이들이 바로 팹리스(Fabless)입니다.
팹리스는 반도체를 설계할 능력은 있지만, 생산 라인(공장)은 직접 갖고 있지 않은 회사입니다.
이 글의 목표는 “팹리스”라는 단어가 정확히 무엇인지와 AI 시대에 왜 이 단어가 더 중요해졌는지 예시로 감 잡게 만드는 것입니다.
팹리스가 왜 생겼을까: 공장은 너무 비싸고, 세상은 너무 빨랐다
반도체 공장(팹, fab)을 짓고 최신 공정을 운영하는 건 상상 이상으로 어렵고 비쌉니다. 그래서 업계는 자연스럽게 역할 분담을 하기 시작했어요.
- 팹리스: 설계에 올인
- 파운드리(foundry): 생산(웨이퍼 제조)에 올인
- OSAT: 패키징/테스트에 올인
즉, “잘하는 것만 하자”의 끝판왕 분업 구조가 만들어진 겁니다. (회사도 결국 인간처럼 멀티가 안 됩니다.)
반도체 밸류체인 한눈에 보기: 팹리스·파운드리·IDM·OSAT
반도체 업계에서 헷갈리는 단어들이 보통 여기서 한꺼번에 튀어나옵니다. 표로 정리하면 훨씬 선명해져요.
| 구분 | 하는 일 | 대표 이미지 | 핵심 포인트 |
|---|---|---|---|
| 팹리스(Fabless) | 칩 설계, IP 보유, 제품 기획/검증 | “공장 없는 설계사” | 생산은 외주(파운드리) |
| 파운드리(Foundry) | 웨이퍼에 칩을 “찍어내는” 제조 | “초정밀 제조 공장” | 팹/파운드리는 IC 제조 시설 |
| IDM | 설계+제조+판매까지 수직 통합 | “올인원 반도체 기업” | 설계/제조/판매 전 과정 수행 |
| OSAT | 패키징(조립) + 테스트 | “포장+검수 전문가” | 조립/테스트를 아웃소싱 |
여기서 중요한 포인트 하나: 팹리스는 “칩을 안 만든다”가 아니라 “칩을 직접 생산하지 않는다”입니다. 설계 결과물(지식재산, IP)과 제품 경쟁력이 핵심 자산이죠.
팹리스는 실제로 어떻게 칩을 만들까: 설계부터 생산까지의 흐름
팹리스의 업무는 “도면(설계)”을 만들어서 “제조 파트너”가 실제 제품을 만들도록 하는 과정입니다. 보통 흐름은 이렇습니다.
- 제품 요구사항 정의(성능, 전력, 비용, 면적, 일정)
- 아키텍처 설계(예: CPU/GPU/NPU 구성, 메모리 구조)
- RTL 설계(디지털 회로를 코드처럼 기술)
- 검증(시뮬레이션, 포멀 검증 등)
- 물리 설계(PnR, 타이밍/전력 최적화)
- 테이프아웃(tape-out): 최종 설계 데이터 확정
- 파운드리 생산(웨이퍼 제조)
- OSAT 패키징/테스트
- 출하 및 양산 품질 관리
이걸 요리로 비유하면 이렇습니다.
팹리스는 “레시피 개발 + 맛 테스트 + 메뉴 기획”을 하고, 파운드리는 “대형 공장 주방에서 대량 생산”을 담당합니다. OSAT는 “포장하고 유통 전에 마지막 품질 검사”를 맡는 느낌이죠.
AI 시대 핵심 용어 사전: 팹리스 기사 읽을 때 꼭 나오는 단어들
여기부터가 진짜 실전입니다. 팹리스 관련 글에서 자주 등장하는 용어를 소개할게요!
EDA
반도체 설계용 소프트웨어 도구 모음입니다.
예시: 건축으로 치면 CAD(설계 도면 툴) 같은 존재. 설계, 검증, 물리 구현에 필수예요.
IP(지식재산 코어)
칩을 구성하는 “검증된 블록”입니다. 직접 만들 수도 있고, 사서 쓸 수도 있어요.
예시: 자동차를 만들 때 엔진을 직접 설계하기도 하지만, 검증된 엔진을 사서 차체 설계에 집중하기도 하죠.
PDK
파운드리가 제공하는 “이 공정에서 이렇게 설계하세요”라는 설계 키트입니다.
예시: 같은 레시피라도 오븐이 다르면 굽는 시간/온도가 달라지듯, 공정이 달라지면 설계 규칙도 달라집니다.
테이프아웃(tape-out)
설계를 “이대로 생산 들어가겠습니다” 하고 확정하는 단계입니다. 되돌리기 어렵고 비용이 커요.
예시: 인쇄소에 “최종 PDF 보냅니다”를 누르는 순간과 비슷합니다. 오타 발견하면 마음이 서늘해지죠.
NRE 비용
Non-Recurring Engineering. 한 번 만들 때 드는 일회성 개발/준비 비용입니다. 마스크 비용 같은 것도 여기에 포함되곤 합니다.
예시: 금형 뜨는 비용. 제품을 많이 팔수록 단가에 분산되지만, 첫 단추가 비쌉니다.
공정 노드(예: 7nm, 5nm 같은 표현)
대략 “얼마나 미세하게 만들 수 있느냐”를 나타내는 용어로 쓰입니다. 다만 회사/세대마다 의미가 완전히 동일하다고 보긴 어렵고, 마케팅 이름의 성격도 있습니다. 그래서 기사에서 노드 숫자만 보고 모든 성능을 단정하면 위험해요.
수율(yield)
“만든 것 중 정상 제품 비율”입니다.
예시: 쿠키 100판 구웠는데 90판이 멀쩡하면 수율 90% 느낌. 수율이 낮으면 단가가 튀고 일정이 흔들립니다.
패키징(Advanced Packaging)과 칩렛(Chiplet)
요즘은 “칩을 하나로 다 넣기”보다 “여러 조각(칩렛)을 묶어” 성능/비용/수율을 최적화하기도 합니다.
예시: 레고 블록처럼 기능별로 모듈을 만들어 조립하는 방식. AI 칩에서 특히 자주 이야기됩니다.
팹리스의 장점과 단점
장점
- 초기 투자 부담이 비교적 낮음: 공장 없이 시작 가능
- 설계/제품 경쟁력에 집중: 빠른 제품 기획과 시장 대응
- 파운드리 공정 발전을 “레버리지” 가능: 최신 제조 역량을 외부 파트너로 활용
단점
- 생산 캐파(물량)와 일정이 파운드리 상황에 영향을 받음
- 테이프아웃 이후 수정 비용이 큼: 설계 품질/검증이 생명
- 공급망 리스크: 지정학/물류/부품 수급 이슈에 취약
정리하면 이렇습니다.
팹리스는 “민첩함”을 얻는 대신 “제조 통제력” 일부를 내려놓는 모델입니다.
AI 시대에 팹리스가 더 중요해진 이유
AI가 커지면서 칩에 대한 요구가 더 까다로워졌습니다. “그냥 빠른 칩”이 아니라 “특정 AI 작업에 최적화된 칩”이 필요해졌거든요.
- 범용 CPU만으로는 효율이 떨어짐 → GPU/NPU/AI 가속기 같은 특화 칩 수요 증가
- 데이터센터/엣지/모바일 등 사용 환경이 다양해짐 → 맞춤형 SoC/ASIC가 중요해짐
- 성능뿐 아니라 전력, 발열, 패키징까지 경쟁 포인트가 됨 → 설계 역량의 가치 상승
이 변화의 중심에 “설계를 무기로 삼는 회사”인 팹리스가 서기 쉬운 구조가 만들어진 겁니다.
팹리스 관점으로 세상을 보면 뉴스가 쉬워진다: 자주 나오는 질문 5개
1) “애플은 팹리스야?”
애플은 자체 공장을 갖고 칩을 생산하는 회사는 아니지만, 자사 기기에 들어가는 칩을 설계하고 생산은 파운드리에 맡는 모델을 활용합니다. 그래서 “칩 설계 관점”에서 팹리스 모델로 자주 분류됩니다.
2) “파운드리랑 팹은 같은 말이야?”
문맥에 따라 섞여 쓰이지만, 보통 파운드리는 “위탁 생산(서비스) 비즈니스”를 강조하는 표현이고, 팹은 “제조 시설” 자체를 가리키는 말로 많이 씁니다. 팹(=fabrication plant)은 IC를 제조하는 공장이라는 뜻으로 설명됩니다.
3) “IDM은 왜 굳이 다 해?”
모든 걸 직접 하면 통제력은 커지지만 비용과 운영 난이도도 올라갑니다. IDM은 설계-제조-판매까지 자체적으로 가져가는 회사 모델로 설명됩니다.
4) “OSAT는 왜 필요해?”
웨이퍼에서 칩을 만든 다음에는 패키징(조립)과 테스트라는 ‘마지막 관문’이 있습니다. 이 공정을 전문 업체에 맡기는 게 OSAT 개념입니다.
5) “팹리스가 성공하려면 뭐가 제일 중요해?”
한 단어로는 “검증”입니다. 테이프아웃 이후 문제가 터지면 비용과 일정이 크게 흔들릴 수 있어서, 설계 품질과 검증 체계가 사업 성패를 좌우합니다.
팹리스 한 줄 요약과, 오늘부터 써먹는 관점
팹리스는 “공장 없는 반도체 설계 회사”이고, 파운드리·OSAT와 분업해서 칩을 시장에 내놓는 모델입니다.
이 관점을 장착하면, 앞으로 반도체 기사에서
“어떤 팹리스가 어떤 파운드리 공정을 쓰고, 어떤 패키징 전략을 택했는지”가 보이기 시작할 겁니다.
그 순간부터 뉴스가 어려운 글이 아니라, 제품 전략 문서처럼 읽히는 경험을 하게 될 가능성이 큽니다.
'IT' 카테고리의 다른 글
| 사전학습모델(Pretrained Model)이란 무엇인가? (3) | 2026.01.11 |
|---|---|
| 파운데이션 모델(Foundation Model)이란 무엇인가? (2) | 2026.01.10 |
| 지식 증류(knowledge distillation)란 무엇인가? (3) | 2026.01.09 |
| 지도학습(Supervised Learning)이란 무엇인가?(라벨이 있는 데이터로 똑똑해지는 가장 현실적인 머신러닝) (2) | 2026.01.09 |
| AI 리터러시란 무엇인가? (2) | 2026.01.08 |