EP 108. 칩과 칩을 빛으로 연결한다: 실리콘 포토닉스와 AI 데이터센터의 다음 병목

한 줄 핵심

AI 데이터센터의 다음 병목은 칩 내부 연산보다 칩·랙 간 데이터 이동이며, 실리콘 포토닉스와 AI 기반 inverse design이 이를 더 높은 대역폭과 더 낮은 전력으로 해결할 핵심 경로로 제시된다.

시간별 요약

1. 0:00
   AI 인프라의 병목이 compute-bound와 memory-bound를 거쳐 intercommunication으로 이동하고 있으며, 칩과 칩 사이까지 광 연결을 확장하는 실리콘 포토닉스가 중요한 다음 단계로 제시된다.
2. 4:00
   데이터센터 규모가 커질수록 scale up, scale out, scale across가 각각 랙 내부, 랙 간, 데이터센터 간 연결 문제를 뜻하며, 결국 대규모 모델을 위해서는 하드웨어 자체가 데이터 이동 병목을 전제로 설계돼야 한다.
3. 10:00
   구리선은 짧은 거리에서는 싸고 효율적이지만 거리와 주파수가 커질수록 손실과 발열이 급격히 늘어나 한계가 뚜렷하고, 광통신은 distance에 따라 에너지 효율이 크게 변하지 않아 데이터센터 인터커넥트의 대안이 된다.
4. 14:02
   pluggable optics에서 onboard optics, co-packaged optics, optical I/O로 갈수록 칩에 더 가깝게 집적되며 bandwidth와 energy per bit는 좋아지지만, 교체·수율·열 관리·제조 난도가 함께 악화된다.
5. 22:01
   실리콘 포토닉스는 전기 신호를 빛으로 바꾸고 다시 전기 신호로 복원하는 구조이며, 레이저를 항상 켜 둔 뒤 굴절률 변화를 이용해 phase를 바꾸는 EO modulation이 핵심 원리다.
6. 28:03
   실리콘은 레이저를 직접 만들기 어려워 InP 같은 III-V 재료를 붙이는 heterogeneous integration이 필요하고, 이 물리적 제약이 실리콘 포토닉스의 수율과 상용화 난도를 크게 높인다.
7. 40:00
   inverse design과 cVAE, Integrated Gradients를 결합해 mm 스케일의 MUX/DEMUX를 μm 스케일로 줄이고, 어떤 영역이 성능에 중요한지도 식별함으로써 더 작고 제조 친화적인 포토닉스 디바이스를 만들려는 연구가 진행된다.

실무 인사이트

• 실무적으로는 광으로 전환할지 여부보다 어떤 링크부터 포토닉스로 옮길지가 중요하며, 전력·열·대역폭·수율을 함께 보는 우선순위 설계가 필요하다.
• 포토닉스 디바이스 설계는 성능 최적화만이 아니라 manufacturability와 inspection 포인트까지 포함한 피드백 루프로 운영해야 반복 실패를 줄일 수 있다.
• 도메인 지식과 AI 방법론이 만나는 지점에서는 큰 모델보다도 좋은 문제 정의, 시뮬레이터, 해석 가능성 도구가 상업화 속도를 좌우한다.