GPU 다음은 광통신…AI 데이터센터 연결망 국산화가 중요한 이유

AI를 활용하여 생성한 이미지입니다.

AI 데이터센터 경쟁이 GPU를 얼마나 많이 확보했는지에서 끝나지 않아요. 수만 개의 GPU가 동시에 데이터를 주고받으려면 서버와 서버 사이를 연결하는 네트워크가 따라와야 해요. 9월 13일 보도된 국내 광통신 기술 개발 계획은 이 부분을 정면으로 다뤘습니다.[1]

GPU를 늘리면 연결망도 같이 커져야 해요

AI 학습은 한 장의 GPU가 혼자 계산하는 작업이 아니에요. 여러 GPU가 같은 데이터를 나눠 처리하고 결과를 다시 모으는 과정이 반복됩니다. 이때 연산 장치가 빨라도 연결망의 전송량이나 지연 시간이 부족하면 전체 작업이 느려질 수 있어요. 그래서 AI 데이터센터의 성능은 GPU 모델명만으로 결정되지 않고, 서버 간 통신 구조와 광모듈, 스위치, 케이블의 조합에 좌우됩니다.

서울경제가 전한 계획은 수만 개 GPU를 연결하는 AI 데이터센터용 광통신 기술 개발에 2031년까지 모두 36억 원을 지원하는 내용이에요.[1] 큰 숫자의 GPU를 한꺼번에 묶는 환경을 염두에 둔 만큼, 일반 기업용 네트워크 장비보다 데이터센터 내부 연결 기술에 초점이 맞춰져 있습니다.

다중코어 광섬유가 주목받는 까닭

핵심 기술로 언급된 것은 다중코어 광섬유(MCF) 기반 공간분할다중화예요. 한 가닥의 광섬유 안에 여러 코어를 넣고 각 코어를 통신 경로로 활용하는 방식입니다. 같은 외형의 광섬유에서 더 많은 데이터를 보내려는 접근이죠.[1]

이 방식이 상용 환경에서 바로 모든 문제를 해결하는 것은 아니에요. 광섬유 자체뿐 아니라 송수신 모듈, 커넥터, 신호 처리 장비가 함께 맞아야 하고, 기존 데이터센터에 어떻게 연결할지도 풀어야 합니다. 즉, 연구 과제 하나의 성공보다 소재·부품·장비 생태계가 같이 움직이는지가 더 중요해요.

한국 기업과 이용자에게 어떤 변화가 있을까

광통신 기술이 국내에서 충분히 개발되면 AI 데이터센터를 짓는 기업은 장비 선택 폭을 넓힐 수 있어요. 국내 소재와 부품 업체에는 새로운 공급 기회가 생길 수 있고, 데이터센터 운영사는 해외 특정 공급망에만 의존할 때 생기는 조달 위험을 줄일 여지도 있습니다. 다만 지원 계획이 곧바로 국산 장비의 상용화나 가격 경쟁력을 뜻하는 것은 아니에요.

이 이슈는 일반 이용자에게도 간접적으로 이어집니다. 생성형 AI 서비스의 응답 속도와 처리 가능한 요청량은 모델뿐 아니라 데이터센터의 네트워크 비용과 운영 안정성에도 영향을 받아요. 기업용 AI, 영상 생성, 자율주행처럼 대규모 데이터를 반복해서 처리하는 서비스가 늘수록 연결망 투자가 서비스 품질의 바닥을 받치게 됩니다.

아직 확인해야 할 부분

현재 공개된 내용만으로는 어떤 기업이 어떤 시제품을 만들고, 목표 전송량과 지연 시간은 얼마인지까지 확인되지 않았어요. 2031년까지의 지원 계획이 실제 장비 양산과 데이터센터 적용으로 이어지는지도 지켜봐야 합니다. 독자는 ‘국산화’라는 표현만 보고 즉시 상용 제품이 나왔다고 받아들이기보다, 실증 결과와 적용 장비, 국제 표준 호환 여부를 따로 확인하는 편이 안전해요.

AI 인프라를 도입하는 기업이라면 GPU 수량표만 보지 말고 네트워크 대역폭, 광모듈 교체 주기, 케이블 경로, 장애 시 우회 구성까지 함께 점검해야 해요. 이번 발표의 의미도 바로 여기에 있습니다. AI 데이터센터의 다음 병목은 연산 칩 바깥에서 생길 수 있다는 점을 보여줬어요.

출처

1. [1] 서울경제, GPU 확보 다음은 연결…韓, AIDC 광통신 기술 키운다