AI 데이터센터의 다음 병목은 GPU 연산력이 아니라, 칩과 칩 사이에서 데이터를 얼마나 싸고 빠르게 옮기느냐다.
• 대규모 AI 모델은 이제 단일 GPU 성능보다 scale up, scale out, scale across에서 생기는 인터커넥트 병목에 더 크게 좌우된다. NVL72, NVL144처럼 한 랙 안에 GPU를 더 많이 넣는 전략도 결국 구리 배선의 손실과 발열 한계에 부딪히기 때문에, 광 연결은 선택지가 아니라 다음 인프라 경쟁의 핵심 축이 된다.
• 구리선은 짧은 거리에서는 싸고 효율적이지만 미터 단위로 길어지고 대역폭을 높일수록 손실, retimer, DSP, 발열 비용이 급증한다. 반면 광통신은 거리 증가에 따른 에너지 비용이 거의 일정하고 광섬유 대역폭이 구리보다 약 2~3개 자릿수 높아, AI 데이터센터의 전력 문제를 완화할 현실적 수단으로 부상한다.
• 실리콘 포토닉스의 승부처는 pluggable optics에서 onboard optics, co-packaged optics, optical I/O로 얼마나 깊게 칩에 붙이느냐에 있다. 칩 가까이 갈수록 pJ/bit는 낮아지고 shoreline density는 높아지지만, 고장 시 교체 불가, 열 민감도, 이종 집적, 낮은 수율이라는 제조 리스크가 커져서 ‘언제 전부 바뀌나’보다 어느 구간부터 광으로 바뀌나가 더 중요한 질문이 된다.
AI 인프라 경쟁은 더 많은 GPU를 사는 싸움에서, 전력·대역폭·수율을 함께 푸는 광학 기반 시스템 설계 경쟁으로 이동하고 있다.
AI의 최신 흐름과 다양한 큐레이션 된 정보를 제공합니다.
__Good Vibe AI