실리콘 포토닉스란? 빛으로 데이터를 나르는 AI 데이터센터의 미래
AI 모델이 커지면서 GPU 한 대로는 부족해졌다. 수천, 수만 개의 가속기를 한데 묶어 거대한 컴퓨터처럼 쓴다. 그런데 칩의 연산 속도가 빨라질수록, 정작 칩과 칩 사이로 데이터를 옮기는 일이 새로운 병목이 됐다. 그 해법으로 떠오른 것이 **실리콘 포토닉스(Silicon Photonics)**다.
전기 배선의 한계
지금까지 데이터는 구리 배선을 통해 전기 신호로 이동했다. 하지만 거리가 길어지고 속도가 빨라지면 전기 신호는 손실이 커지고 발열도 심해진다. AI 데이터센터처럼 수많은 칩이 빽빽이 연결된 환경에서는 이 '데이터 이동 비용'이 전체 전력의 상당 부분을 차지한다.
빛으로 보내면 무엇이 달라지나
**광 인터커넥트(optical interconnect)**는 전기 대신 **빛(광신호)**으로 데이터를 전송한다. 빛은 손실이 적고, 멀리, 그리고 대량으로 보낼 수 있다. 실리콘 포토닉스는 이 광통신 부품을 별도의 비싼 소재가 아니라 기존 반도체 공정(실리콘) 위에 만들어내는 기술이다. 즉 광통신을 칩처럼 대량 생산할 수 있게 해준다.
| 구분 | 전기 인터커넥트 | 광(실리콘 포토닉스) |
|---|---|---|
| 매체 | 구리 배선·전기 | 도파로·빛 |
| 장거리 손실 | 큼 | 작음 |
| 대역폭 | 한계 도달 | 매우 높음 |
| 전력 효율 | 거리 길수록 악화 | 유리 |
CPO: 칩 옆에 광 엔진을 붙이다
최근 화두는 **CPO(Co-Packaged Optics, 공동 패키징 광학)**다. 광신호 변환 부품을 스위치·가속기 칩 바로 옆에 함께 패키징해 전기 신호가 이동하는 거리를 극단적으로 줄이는 방식이다. 이렇게 하면 전력 소모를 줄이고 대역폭을 크게 끌어올릴 수 있어, AI 인프라 기업과 네트워크 장비 업체들이 적극 도입을 추진하고 있다.
남은 과제
빛과 전기를 변환하는 부품의 신뢰성, 온도 변화에 따른 안정성, 그리고 제조 수율이 관건이다. 광 부품은 미세한 정렬 오차에도 성능이 흔들리기 때문에, 대량 생산 품질을 확보하는 것이 상용화의 핵심이다.
핵심 요약
- AI 데이터센터에서는 연산보다 **데이터 이동(인터커넥트)**이 새로운 병목이 됐다.
- 실리콘 포토닉스는 빛으로 데이터를 보내는 부품을 실리콘 공정으로 대량 생산하는 기술이다.
- 빛은 전기보다 장거리·고대역폭·저전력에 유리하다.
- CPO는 광 부품을 칩 옆에 붙여 전력과 지연을 더욱 줄이는 차세대 방식이다.
한 줄 정리: AI 시대의 진짜 경쟁은 '얼마나 빨리 계산하나'를 넘어 '얼마나 효율적으로 데이터를 나르나'로 옮겨가고 있다.
함께 보면 좋은 글
온디바이스 AI 칩이란? 스마트폰·노트북에 들어온 NPU의 모든 것
클라우드 없이 기기 안에서 AI를 돌리는 온디바이스 AI(On-device AI)가 스마트폰과 PC의 핵심 경쟁력이 됐다. 왜 데이터센터 GPU 대신 작은 NPU가 필요한지, 전력·지연·프라이버시 관점에서 정리했다.
CPU vs GPU vs NPU 완전정복: AI 시대, 왜 하필 GPU인가
AI 연산이 GPU로 몰리는 이유를 병렬 구조로 풀어낸다. CPU의 똑똑한 소수 코어, GPU의 단순한 수천 코어, 텐서코어와 TOPS, INT8 정밀도까지 비전공자도 한 번에 이해하는 가이드.
AI 학습용 칩과 추론용 칩은 왜 다를까
AI 칩 시장은 '학습(training)'과 '추론(inference)'으로 갈린다. 무엇이 다르고, 왜 추론 시장이 더 커질 거라는 전망이 나오는지 입문자 눈높이로 정리한다.