엔비디아·브로드컴·TSMC가 칩 속에 광케이블을 심는 이유: AI 데이터센터 병목이 ‘GPU’에서 ‘연결’로 이동했다
AI 데이터센터 경쟁의 핵심이 GPU 확보전에서 끝나지 않고, 이제는 GPU와 GPU를 얼마나 빠르고 싸게 연결하느냐로 넘어가고 있습니다.
이번 흐름에서 중요한 포인트는 단순히 “광통신이 빠르다”가 아닙니다.
진짜 핵심은 구리선 기반 연결이 전력, 발열, 거리, 대역폭 한계에 부딪히면서 AI 인프라 투자 구조와 반도체 공급망의 주도권까지 바뀌고 있다는 점입니다.
엔비디아, 브로드컴, 마벨, TSMC가 왜 광통신과 CPO, 즉 Co-Packaged Optics에 집중하는지 이해하면 앞으로 AI 반도체 시장에서 돈이 어디로 이동할지 훨씬 선명하게 보입니다.
특히 이 변화는 중국 광모듈 기업이 장악한 현재 시장이 미국 칩 설계 기업과 대만 패키징 기업 중심으로 재편될 수 있는 중요한 분기점입니다.
1. 지금 AI 데이터센터의 새로운 병목은 ‘연결’입니다
AI 모델이 커질수록 더 많은 GPU가 필요합니다.
그런데 GPU를 많이 사는 것만으로는 AI 성능이 그대로 올라가지 않습니다.
수만 장의 GPU가 하나의 거대한 컴퓨터처럼 움직이려면 GPU끼리 계속 데이터를 주고받아야 합니다.
여기서 문제가 생깁니다.
GPU 연산 성능은 빠르게 올라가는데, GPU와 GPU, 서버와 서버, 랙과 랙을 연결하는 통로가 그 속도를 따라가지 못하고 있습니다.
과거에는 반도체 내부와 서버 간 연결에 주로 구리선을 썼습니다.
짧은 거리에서는 구리선이 싸고 단순했기 때문입니다.
그런데 AI 데이터센터에서는 연결해야 하는 GPU 수가 수십 개에서 수백 개, 수천 개, 수만 개로 늘어나고 있습니다.
이제 구리선은 더 이상 “싸고 편한 선택지”가 아니라, 전력과 발열을 키우는 병목으로 바뀌고 있습니다.
2. 광통신은 무엇이고, 왜 AI 인프라의 승부처가 됐나
광통신은 전기 신호가 아니라 빛을 이용해 데이터를 보내는 기술입니다.
빛을 허공에 쏘는 방식이 아니라, 머리카락처럼 가는 유리 섬유인 광섬유 안에 빛을 가둬 보내는 방식입니다.
가정용 광랜, 국가 간 해저 케이블, 통신사 백본망에 이미 쓰이고 있는 기술입니다.
원리는 단순합니다.
보내는 쪽에서 레이저를 켜고 끄면서 1과 0의 신호를 만들고, 받는 쪽에서는 센서가 빛을 읽어 다시 데이터로 해석합니다.
다만 GPU와 메모리, CPU는 빛을 직접 이해하지 못합니다.
반도체는 기본적으로 전기 신호로 작동합니다.
그래서 전기 신호를 빛으로 바꾸고, 다시 빛을 전기 신호로 바꿔주는 장치가 필요합니다.
이 장치가 바로 광트랜시버 또는 광모듈입니다.
3. 광통신의 진짜 장점은 ‘속도’보다 전력·거리·대역폭입니다
많은 사람들이 광통신을 “빛의 속도라서 빠르다”고 이해합니다.
하지만 AI 데이터센터 관점에서 핵심은 단순한 이동 속도가 아닙니다.
구리선과 광섬유 모두 신호 전달 속도 자체는 빛의 속도의 약 3분의 2 수준으로 큰 차이가 나지 않습니다.
중요한 차이는 신호가 얼마나 멀리, 얼마나 안정적으로, 얼마나 적은 전력으로 가느냐입니다.
-
첫째, 광섬유는 장거리에서도 신호 손실이 작습니다.
고속 전기 신호는 기판 위 구리 배선을 15cm만 지나도 신호가 크게 약해질 수 있습니다.
반면 광섬유는 훨씬 긴 거리에서도 신호 손실이 적습니다.
-
둘째, 발열과 전력 소모가 낮습니다.
구리선은 저항 때문에 열이 발생합니다.
약해진 신호를 다시 보정하는 칩도 추가 전력을 쓰고 열을 냅니다.
AI 데이터센터에서 전력 비용과 냉각 비용이 커지는 이유 중 하나입니다.
-
셋째, 한 가닥에 담을 수 있는 데이터 양이 큽니다.
광통신은 서로 다른 파장의 빛을 한 광섬유에 동시에 실을 수 있습니다.
도로로 비유하면 한 차선이 아니라 여러 차선을 동시에 쓰는 구조입니다.
결국 광통신은 AI 인프라에서 전력 효율, 냉각 효율, 데이터 처리량을 동시에 개선할 수 있는 기술입니다.
4. 왜 지금까지는 구리선이 쓰였나: 답은 비용입니다
광통신이 장점이 많다면 왜 처음부터 모든 구간에 쓰지 않았을까요.
이유는 비용입니다.
구리선은 그냥 꽂으면 됩니다.
반면 광통신은 전기 신호와 빛 신호를 바꿔주는 광모듈이 필요합니다.
광모듈은 비싸고, 구조도 더 복잡합니다.
그래서 기존 데이터센터에서는 먼 거리는 광통신, 짧은 거리는 구리선이라는 공식이 유지됐습니다.
하지만 AI 데이터센터가 이 공식을 깨고 있습니다.
GPU 수가 폭발적으로 늘어나고, 포트 하나가 처리해야 하는 데이터량이 400Gbps에서 800Gbps, 1.6Tbps급으로 올라가면서 짧은 거리에서도 구리선이 버티기 어려워졌습니다.
5. 엔비디아 시스템이 보여주는 변화: GPU 묶음 규모가 급격히 커진다
엔비디아의 AI 서버 구조를 보면 왜 연결이 중요해졌는지 바로 이해할 수 있습니다.
블랙웰 세대에서는 하나의 랙 단위에서 72개의 GPU를 묶는 구조가 등장했습니다.
향후 베라 루빈 계열에서는 더 많은 GPU를 하나의 시스템처럼 묶는 방향으로 확장될 예정입니다.
일부 로드맵에서는 144개, 더 나아가 576개 수준의 GPU 묶음까지 거론됩니다.
GPU가 많아질수록 서로 주고받는 데이터도 기하급수적으로 늘어납니다.
서버 내부 몇 cm 거리에서 끝나던 연결이 랙 전체 1~2m로 확장되고, 여러 랙을 묶으면 수십 m 이상으로 늘어납니다.
이 구간부터는 구리선이 점점 비효율적입니다.
그래서 AI 데이터센터에서는 광통신이 바깥 네트워크에서 점점 안쪽으로 들어오고 있습니다.
6. 광통신은 AI 데이터센터 안으로 3단계에 걸쳐 들어오고 있습니다
광통신이 한 번에 모든 구간을 대체하는 것은 아닙니다.
현재 흐름은 바깥 구간에서 시작해 점점 칩 가까이 들어오는 방식입니다.
6-1. 1단계: 랙과 랙 사이 연결
AI 데이터센터에는 GPU 서버가 빽빽하게 들어찬 랙이 있습니다.
각 랙 상단에는 서버들을 묶어주는 리프 스위치가 있고, 여러 리프 스위치를 다시 묶는 스파인 스위치가 있습니다.
이 구조를 통해 수만 개의 GPU가 하나의 거대한 클러스터처럼 움직입니다.
랙 내부의 짧은 연결은 아직 구리선을 많이 씁니다.
하지만 리프 스위치와 스파인 스위치 사이처럼 거리가 길어지는 구간은 광케이블과 광모듈로 바뀌고 있습니다.
현재 광모듈 시장 성장을 이끄는 가장 큰 수요가 바로 이 구간입니다.
6-2. 2단계: 스위치 내부로 들어가는 광통신, CPO
두 번째 단계는 스위치 내부입니다.
데이터센터 스위치에는 데이터를 어디로 보낼지 판단하는 스위치 칩이 있습니다.
그리고 장비 앞면에는 광모듈을 꽂는 포트가 여러 개 있습니다.
기존 구조에서는 스위치 칩에서 나온 전기 신호가 기판 위를 지나 앞면 포트까지 이동한 뒤, 광모듈에서 빛으로 변환됩니다.
문제는 포트당 데이터 처리량이 커지면서 이 짧은 구간에서도 신호 손실과 발열이 커지고 있다는 점입니다.
그래서 나온 해법이 CPO, 즉 Co-Packaged Optics입니다.
CPO는 광변환 부품을 스위치 앞면 포트에 꽂는 방식이 아니라, 스위치 칩 바로 옆 또는 같은 패키지 안에 붙이는 구조입니다.
전기 신호가 이동해야 하는 거리를 수십 cm에서 수 mm 수준으로 줄이는 것입니다.
원문 기준으로 800Gbps 포트에서 기존 플러그형 광모듈은 포트당 약 30W 전력을 쓰는 반면, CPO는 약 9W 수준까지 줄일 수 있는 것으로 설명됩니다.
신호 손실도 크게 줄어듭니다.
이 변화는 AI 데이터센터 전력 소비와 냉각 비용을 낮추는 데 매우 중요합니다.
6-3. 3단계: GPU 칩 바로 옆으로 들어가는 광 I/O
마지막 단계는 GPU 자체의 데이터 입출구를 바꾸는 것입니다.
반도체에서 I/O는 Input과 Output, 즉 데이터가 칩 안팎으로 드나드는 출입구를 뜻합니다.
현재 GPU의 I/O는 대부분 전기 신호 기반입니다.
GPU와 GPU를 직접 연결하는 엔비디아 NVLink도 기본적으로 전기 신호 기반 연결입니다.
하지만 장기적으로 GPU끼리 초당 수 테라비트급 데이터를 주고받아야 한다면, 칩의 출입구 자체가 바뀌어야 합니다.
이때 등장하는 개념이 광 I/O입니다.
GPU 바로 옆에 광통신 장치를 붙여 데이터 입출력을 빛으로 처리하는 방식입니다.
광 I/O는 아직 연구와 초기 개발 단계에 가깝습니다.
칩 설계, 패키징, 열 관리, 전력 공급 구조까지 바뀌어야 하기 때문입니다.
하지만 성공하면 GPU 배치 방식과 AI 클러스터 설계 방식 자체를 바꿀 수 있습니다.
7. 엔비디아가 공개한 Spectrum-X Photonics의 의미
엔비디아는 CPO 기반 네트워크 스위치인 Spectrum-X Photonics를 공개하며 AI 데이터센터 네트워크 병목 해결 방향을 보여줬습니다.
핵심은 스위치에서 광통신을 더 깊숙이 통합해 전력 효율을 높이는 것입니다.
엔비디아는 이 구조를 통해 전력 효율을 크게 높이고, 필요한 레이저 수를 줄일 수 있다고 설명했습니다.
이것은 단순한 네트워크 장비 개선이 아닙니다.
AI 반도체 성능 경쟁이 GPU 단품 성능에서 GPU 클러스터 전체 성능으로 이동하고 있다는 신호입니다.
앞으로 AI 인프라 투자에서는 GPU 가격뿐 아니라 스위치, 광모듈, 광섬유, 전력 효율, 냉각 설계까지 함께 봐야 합니다.
8. 광모듈 시장은 AI 데이터센터 시장 그 자체가 되고 있습니다
광통신 수요가 늘어난다는 것은 산업적으로 광모듈 시장이 커진다는 뜻입니다.
광모듈 아래에는 레이저 칩, 광섬유, 신호처리 칩, 패키징, 정밀 조립 생태계가 연결돼 있습니다.
시장조사업체 LightCounting에 따르면 광모듈 시장은 2025년 전년 대비 큰 폭으로 성장해 약 238억 달러 규모로 커질 것으로 전망됩니다.
원문에서 제시된 장기 전망 기준으로는 2031년 약 1,230억 달러, 원화 기준 약 157조 원 수준까지 확대될 가능성도 언급됩니다.
특히 이 시장의 90% 이상을 AI 데이터센터가 차지할 수 있다는 전망이 중요합니다.
즉 광모듈은 더 이상 통신사 장비 시장만의 부품이 아닙니다.
AI 인프라 시장의 핵심 부품으로 재평가되고 있습니다.
9. 현재 광모듈 완성품 시장은 중국이 강합니다
현재 완성형 광모듈 시장에서는 중국 기업의 영향력이 큽니다.
대표 기업은 이노라이트입니다.
원문에 따르면 2025년 엔비디아가 구매한 800Gbps급 광모듈의 상당 부분을 이노라이트가 공급했고, 구글향 광모듈에서도 높은 비중을 차지한 것으로 언급됩니다.
차세대 1.6Tbps 광모듈에서도 중국 기업들이 강한 점유율을 보이고 있습니다.
미국 빅테크가 짓는 AI 데이터센터의 혈관을 중국 기업들이 상당 부분 깔고 있는 셈입니다.
이유는 분명합니다.
광모듈은 핵심 부품을 사와서 정밀하게 조립하고 대량 생산하는 능력이 중요합니다.
이 구조는 스마트폰 조립 산업과 비슷합니다.
중국 제조업은 빠르고 싸게, 대량으로, 일정 품질 이상을 맞추는 데 강합니다.
AI 데이터센터가 광모듈을 수백만 개 단위로 빨아들이는 상황에서 중국 공급망을 당장 대체하기는 어렵습니다.
10. 미국은 핵심 기술을 쥐고 있습니다: 레이저·광섬유·칩 설계
중국이 완성품 조립에서 강하다면, 미국은 핵심 기술에서 강합니다.
광모듈 안에서 빛을 만드는 레이저는 미국 기업인 루멘텀과 코히런트가 중요한 위치를 차지하고 있습니다.
아무리 조립 능력이 좋아도 레이저가 없으면 광모듈은 작동할 수 없습니다.
엔비디아가 관련 기업에 투자한 배경도 여기에 있습니다.
광섬유에서는 코닝이 대표 기업입니다.
코닝은 스마트폰 강화유리인 고릴라 글래스로도 유명하지만, 광섬유 분야에서도 핵심 기업입니다.
메타는 코닝과 대규모 공급 계약을 맺었고, 엔비디아 역시 미국 내 생산 기반 확대를 추진하고 있습니다.
미국은 AI 데이터센터 공급망에서 중국 의존도를 줄이고 싶어 합니다.
하지만 미국 내 생산으로 전환하려면 단기간에 끝나지 않습니다.
설비와 인력, 부품 생태계까지 고려하면 수년에서 10년 가까운 시간이 걸릴 수 있습니다.
11. 판을 뒤집을 변수는 CPO입니다
현재 광모듈 시장에서는 중국의 대량 조립 능력이 강력합니다.
하지만 CPO가 본격화되면 산업의 주도권이 바뀔 수 있습니다.
기존 광모듈은 스위치 앞면에 꽂는 별도 부품입니다.
따라서 부품을 사와서 잘 조립하는 기업이 경쟁력을 가질 수 있었습니다.
하지만 CPO에서는 광부품이 칩 패키지 안으로 들어갑니다.
이제 광통신은 “꽂는 부품”이 아니라 “칩의 일부”가 됩니다.
그 순간 경쟁의 중심은 조립 능력에서 칩 설계와 첨단 패키징 능력으로 이동합니다.
그래서 엔비디아, 브로드컴, 마벨 같은 미국 칩 설계 기업이 중요해집니다.
동시에 TSMC처럼 첨단 패키징 역량을 가진 대만 기업도 핵심 플레이어가 됩니다.
반도체 공급망의 무게중심이 중국 조립에서 미국 설계와 대만 패키징으로 이동할 가능성이 생기는 것입니다.
12. 다만 중국의 자리가 당장 사라지지는 않습니다
CPO가 중요해진다고 해서 기존 광모듈 시장이 바로 사라지는 것은 아닙니다.
긴 거리 연결에서는 여전히 플러그형 광모듈이 필요합니다.
랙과 랙, 데이터센터 내부 장거리 구간에서는 기존 방식의 광모듈 수요가 계속 유지될 가능성이 큽니다.
또 CPO 시장은 아직 초기 단계입니다.
2030년 기준으로도 기존 광모듈 시장에 비하면 훨씬 작은 규모로 전망됩니다.
따라서 앞으로 몇 년간은 중국의 대량 생산 능력과 미국·대만의 핵심 기술력이 동시에 중요한 구조가 이어질 가능성이 높습니다.
쉽게 말하면 현재는 중국이 물량을 쥐고 있고, 미래 주도권은 미국과 대만이 가져가려는 줄다리기 국면입니다.
13. 다른 뉴스에서 덜 다루는 가장 중요한 포인트
이번 이슈의 본질은 “광통신 수요 증가”가 아니라 “AI 인프라 가치사슬의 재배치”입니다.
대부분의 뉴스는 엔비디아가 광통신을 쓴다거나, 광모듈 시장이 커진다는 데 초점을 맞춥니다.
하지만 더 중요한 변화는 광통신이 데이터센터 외부 장비에서 칩 패키지 내부로 들어가고 있다는 점입니다.
이 변화가 발생하면 수익을 가져가는 기업군이 달라집니다.
-
기존 구조: 광모듈 조립 기업, 중국 제조업체, 대량 생산 기업이 유리합니다.
-
CPO 구조: 칩 설계 기업, 광반도체 기업, 첨단 패키징 기업, AI 네트워크 플랫폼 기업이 유리합니다.
-
장기 구조: GPU와 네트워크, 메모리, 패키징, 냉각을 한 번에 설계하는 기업이 승자가 됩니다.
즉 앞으로 AI 반도체 시장은 “GPU를 누가 잘 만드느냐”에서 끝나지 않습니다.
GPU 수천 개를 하나의 칩처럼 묶는 시스템 설계 능력이 진짜 경쟁력이 됩니다.
이 관점에서 엔비디아의 강점은 GPU뿐 아니라 네트워크, 소프트웨어, 스위치, 광통신 로드맵까지 통합하고 있다는 데 있습니다.
브로드컴과 마벨은 고속 네트워크 칩과 맞춤형 AI 칩 영역에서 수혜를 볼 수 있습니다.
TSMC는 첨단 패키징 병목이 커질수록 더 중요한 위치에 서게 됩니다.
14. 투자 관점에서 봐야 할 핵심 체크포인트
이 흐름은 AI 인프라 투자와 글로벌 경제전망에도 직접 연결됩니다.
AI 데이터센터는 단순히 GPU를 사들이는 프로젝트가 아닙니다.
전력망, 냉각 장비, 네트워크 스위치, 광모듈, 광섬유, 첨단 패키징까지 모두 포함하는 거대한 자본 지출 사이클입니다.
-
첫째, 광모듈 수요 증가율을 봐야 합니다.
800Gbps에서 1.6Tbps로 넘어가는 속도가 빠를수록 광모듈 기업과 레이저 기업의 수요가 커집니다.
-
둘째, CPO 상용화 시점을 봐야 합니다.
CPO가 본격화되면 기존 광모듈 밸류체인의 일부가 재편될 수 있습니다.
-
셋째, 엔비디아의 네트워크 전략을 봐야 합니다.
AI 클러스터가 커질수록 GPU보다 네트워크 효율이 전체 성능을 좌우할 수 있습니다.
-
넷째, TSMC의 첨단 패키징 생산능력을 봐야 합니다.
광부품이 칩 패키지 안으로 들어갈수록 CoWoS 같은 첨단 패키징 병목이 더 중요해질 수 있습니다.
-
다섯째, 미중 기술 갈등을 봐야 합니다.
중국산 광트랜시버 의존도를 낮추려는 미국의 움직임은 공급망 재편 비용과 시간을 동시에 키울 수 있습니다.
15. AI 에이전트 확산은 광통신 수요를 더 키울 가능성이 큽니다
원문에서 언급된 2027년 AI 에이전트 흐름도 이 이슈와 연결됩니다.
AI 에이전트가 기업 업무에 본격적으로 들어오면 단순 챗봇보다 훨씬 많은 연산과 데이터 이동이 필요합니다.
사람이 질문할 때만 답하는 AI가 아니라, 여러 작업을 동시에 수행하고 다른 시스템과 계속 통신하는 AI가 늘어나기 때문입니다.
그 결과 AI 데이터센터의 부하는 더 커질 수 있습니다.
GPU 수요뿐 아니라 네트워크 대역폭, 메모리 대역폭, 스토리지, 전력 수요까지 함께 증가합니다.
결국 AI 에이전트 시대의 숨은 인프라는 광통신이 될 가능성이 높습니다.
16. 결론: AI 시대의 전략 자원은 GPU만이 아닙니다
AI 인프라의 병목은 계속 이동하고 있습니다.
처음에는 GPU가 부족했습니다.
그다음에는 HBM 같은 메모리가 병목이 됐습니다.
이후에는 전력과 냉각이 핵심 이슈로 떠올랐습니다.
이제는 연결이 새로운 병목으로 부상하고 있습니다.
수많은 GPU를 하나의 컴퓨터처럼 움직이게 하려면 구리선만으로는 한계가 있습니다.
그래서 빛을 이용한 광통신이 AI 데이터센터의 신경망으로 들어오고 있습니다.
앞으로 AI 반도체 시장을 볼 때는 엔비디아 GPU 가격만 볼 게 아닙니다.
광모듈, CPO, 광 I/O, 레이저, 광섬유, 첨단 패키징, 네트워크 스위치까지 함께 봐야 합니다.
AI 인프라 투자의 다음 전장은 바로 이 연결 기술입니다.
< Summary >
AI 데이터센터의 병목이 GPU에서 연결로 이동하고 있습니다.
구리선은 전력, 발열, 거리, 대역폭 한계에 부딪히고 있습니다.
광통신은 낮은 손실, 높은 대역폭, 낮은 전력 소모로 AI 인프라의 핵심 기술이 되고 있습니다.
현재 광모듈 완성품 시장은 중국이 강하지만, CPO가 확산되면 미국 칩 설계 기업과 대만 패키징 기업의 영향력이 커질 수 있습니다.
엔비디아, 브로드컴, 마벨, TSMC가 주목받는 이유는 광통신이 단순 부품이 아니라 칩 패키지 내부로 들어가는 구조적 변화가 시작됐기 때문입니다.
AI 에이전트 확산까지 고려하면 광통신은 향후 AI 데이터센터와 반도체 공급망의 핵심 투자 포인트가 될 가능성이 큽니다.
