800G와 1.6T 광링크는 한 회사가 완성하는 제품이 아닙니다. 스위치 ASIC과 NIC에서 시작해 DSP·SerDes, 레이저와 실리콘 포토닉스, 모듈 조립과 광섬유까지 여러 산업이 연결됩니다. 속도가 한 세대 올라갈 때마다 이 사슬의 모든 부품이 함께 진화해야 합니다.
이전 글: AI 네트워크⑤ — AI 네트워크 스위치: NVIDIA·Broadcom·Arista가 중요한 이유
스위치와 DSP
Broadcom 같은 스위치 실리콘 업체는 데이터를 어떤 포트로 보낼지 결정하고, 광 DSP는 고속 전기신호를 보정해 광소자가 다룰 수 있도록 만듭니다. Marvell Nova는 1.6T 모듈을 위한 200G급 광 출력 경로를 제시한 사례입니다.
빛을 만드는 부품
레이저는 광원을 만들고 변조기는 데이터를 빛에 싣습니다. 광검출기는 수신한 빛을 전기로 되돌립니다. Coherent와 Lumentum 같은 광부품 기업, Intel 같은 실리콘 포토닉스 업체는 재료·PIC·레이저 통합 방식에서 서로 다른 위치를 차지합니다.
모듈과 정밀 제조
OSFP·QSFP-DD 모듈 안에는 전자·광 부품과 열관리 구조가 밀집됩니다. 수 마이크로미터 수준의 광축 정렬, 접합, 패키징과 전수 검사가 필요해 Fabrinet 같은 정밀 제조·검사 역량도 중요합니다. 수율과 신뢰성이 원가를 좌우합니다.
1.6T 이후 무엇을 볼까?
200G/lane, 저전력 DSP, 실리콘 포토닉스, LPO와 CPO가 동시에 진화합니다. 특정 부품의 발표보다 실제 양산 수율, 전력/bit, 고객 인증과 공급능력을 함께 확인해야 합니다. AI 광통신의 병목은 한 부품에서 다음 부품으로 계속 이동합니다.
공급망은 어떤 순서로 연결될까?
데이터는 GPU 서버의 NIC에서 출발해 스위치 ASIC을 통과합니다. SerDes와 DSP가 고속 전기신호를 정리하면 드라이버, 레이저와 변조기가 이를 광신호로 바꿉니다. 빛은 렌즈와 커넥터, 광섬유를 지나 상대편 모듈의 광검출기와 TIA에 도착하고 다시 전기신호로 복원됩니다.
각 단계는 서로의 사양에 묶여 있습니다. 스위치가 200G SerDes를 지원해도 DSP와 광소자, 패키지가 같은 속도에서 신뢰성을 확보하지 못하면 1.6T 링크를 양산할 수 없습니다. 반대로 좋은 광부품이 있어도 모듈 업체의 열설계와 고객 인증이 늦어지면 실제 데이터센터 도입은 지연됩니다.
어떤 기업군이 참여할까?
Broadcom은 스위치 ASIC과 SerDes, 광 DSP와 CPO를 폭넓게 제공하고 Marvell은 광모듈용 PAM4 DSP와 데이터 인프라 반도체를 공급합니다. Coherent와 Lumentum 등은 레이저, 변조기와 광부품에서 중요한 위치를 차지하며 Intel은 대량 출하 경험을 가진 실리콘 포토닉스 플랫폼과 optical I/O를 개발합니다.
모듈 제조에서는 광소자와 전자부품을 조달해 OSFP·QSFP-DD 제품으로 통합하는 능력이 필요합니다. Fabrinet 같은 정밀 제조업체는 광축 정렬, 조립과 테스트를 담당할 수 있고 Corning 같은 광섬유·커넥터 업체는 CPO와 고밀도 연결 구조에 참여합니다. 최종 고객인 클라우드와 네트워크 장비업체의 인증이 공급망 전체의 출하 시점을 결정합니다.
투자자가 아니라 산업 관찰자는 무엇을 볼까?
첫째, 800G와 1.6T 매출 비중이 실제로 얼마나 빠르게 바뀌는지 봐야 합니다. 둘째, module당 전력과 pJ/bit가 낮아지는지 확인해야 합니다. 셋째, DSP 기반 pluggable, LPO와 CPO가 각각 어느 거리와 시스템에 채택되는지 살펴봐야 합니다.
넷째는 양산 수율과 고객 다변화입니다. 특정 초대형 고객의 인증 일정은 분기 실적을 크게 흔들 수 있고, 빠른 평균판매가격 하락은 출하량 증가와 매출 증가를 다르게 만들 수 있습니다. 다섯째는 레이저·PIC·DSP 같은 핵심 부품의 내재화와 외부 조달 사이에서 누가 품질과 비용을 안정적으로 관리하는가입니다.
세 개의 산업기술 시리즈가 만나는 지점
첫 번째 AI 반도체 시리즈는 GPU, HBM, 첨단 패키징과 CXL·NVLink를 통해 계산 장치 내부를 살펴봤습니다. 두 번째 AI 데이터센터 시리즈는 전력망, 냉각, UPS와 현장 발전을 통해 건물 인프라를 다뤘습니다. 이번 시리즈는 그 컴퓨팅 장치를 서로 묶는 데이터 이동을 설명했습니다.
세 영역은 분리돼 있지 않습니다. GPU 성능이 높아지면 더 많은 전력과 냉각이 필요하고, 더 많은 GPU를 묶을수록 스위치와 광링크가 늘어납니다. AI 인프라의 병목은 계산, 메모리, 전력, 냉각과 네트워크 사이를 이동합니다. 산업의 방향을 이해하려면 한 부품의 최고 성능보다 전체 시스템이 균형 있게 확장되는지를 봐야 합니다.
마지막으로 확인할 네 가지 질문
새로운 광통신 제품을 볼 때는 네 가지를 질문할 수 있습니다. 실제 양산 제품인가, 어느 거리와 토폴로지에서 사용되는가, 기존 세대보다 전력/bit와 신뢰성이 얼마나 개선됐는가, 고객의 인증과 반복 주문이 확인됐는가입니다. 이 질문은 화려한 최고 속도 발표와 실제 산업 수요를 구분하는 데 도움이 됩니다.
800G에서 1.6T로의 전환은 직선으로 진행되지 않습니다. 데이터센터마다 GPU 세대와 네트워크 구조, 전력 여건이 다르기 때문에 여러 속도와 연결 방식이 오랫동안 공존할 수 있습니다. 공급망을 볼 때는 한 기업의 단기 출하보다 세대 전환 과정에서 지속적으로 필요한 설계·제조·검사 역량이 무엇인지 살펴보는 것이 중요합니다.
핵심 정리
- 200G/lane은 AI 네트워크의 성능과 확장성을 판단하는 핵심 요소입니다.
- 저전력 DSP은 AI 네트워크의 성능과 확장성을 판단하는 핵심 요소입니다.
- 정밀 패키징은 AI 네트워크의 성능과 확장성을 판단하는 핵심 요소입니다.
- LPO·CPO은 AI 네트워크의 성능과 확장성을 판단하는 핵심 요소입니다.
AI 네트워크·광통신 시리즈 전체 보기
- AI 네트워크① — AI 데이터센터는 왜 일반 네트워크로 부족할까?
- AI 네트워크② — 광트랜시버: 서버 사이의 전기신호를 왜 빛으로 바꿀까?
- AI 네트워크③ — 실리콘 포토닉스: 반도체와 빛을 하나의 칩에 넣는 기술
- AI 네트워크④ — CPO: 광통신 장비를 스위치 칩 바로 옆에 붙이는 이유
- AI 네트워크⑤ — AI 네트워크 스위치: NVIDIA·Broadcom·Arista가 중요한 이유
- AI 네트워크⑥ — AI 광통신 공급망: 누가 800G·1.6T 시대를 만드는가?
광모듈 매출은 부품을 조립한다고 바로 늘지 않는다
800G·1.6T 광모듈은 DSP, 레이저, 변조기·검출기, 드라이버와 TIA, 광엔진, 기판·하우징과 커넥터가 결합된 시스템입니다. 부품 조달 뒤에도 정밀 광정렬, 열 보정, 펌웨어, 번인과 상호운용 시험이 필요합니다. 따라서 특정 레이저나 DSP 공급이 늘어도 최종 모듈 수율과 고객 인증이 병목이 될 수 있습니다.
공급망 기업을 볼 때는 데이터센터용 매출 비중과 세대별 양산 상태를 구분해야 합니다. 샘플 출하, 설계채택, 인증, 양산 출하는 서로 다른 단계입니다. 전송거리가 짧은 데이터센터 내부 링크와 장거리 통신망은 요구되는 레이저 출력·광학구조·신뢰성도 다릅니다.
기업 분석 체크리스트
- 부품·광엔진·완제품 중 가치사슬의 어느 단계인가
- 800G와 1.6T 매출이 샘플인지 양산인지
- 핵심 부품 내재화와 외부 공급 의존도
- 고객 인증 기간과 생산 수율
- 플러거블·실리콘 포토닉스·CPO 전환에 대응하는가
참고자료
※ 본 글은 산업 기술을 설명하기 위한 정보형 콘텐츠이며 특정 종목의 매수·매도 권유가 아닙니다.