유의사항
본 글은 2026년 8월 17일 기준 공개된 Open Compute Project(OCP), Lightmatter, 삼성전자, 오이솔루션 등 관련 기업 자료와 보도를 바탕으로 작성되었습니다. DANA NOTES의 분석이 함께 포함되어 있습니다.
이 글에서 다루는 내용
핵심 용어
광인터커넥트(Optical Interconnect)
서버나 반도체 사이에서 데이터를 빛으로 전달하는 연결 기술입니다.
실리콘 포토닉스(Silicon Photonics)
실리콘 기반 반도체 기술을 이용해 빛을 전달·변조·검출하는 광학 기술입니다.
광엔진(Optical Engine)
전기 신호와 광신호를 서로 변환해 데이터를 주고받도록 하는 핵심 부품입니다.
CPO(Co-Packaged Optics)
스위치 ASIC이나 XPU 같은 주요 반도체 가까이에 광엔진을 함께 배치하는 구조입니다.
PAM4
하나의 신호 구간에 4단계 값을 사용해 더 많은 데이터를 전송하는 신호 방식입니다.
AI 서버의 연결 방식까지 바꾸려는 19개 기업
AI 데이터센터의 경쟁이 GPU의 계산 성능을 넘어 GPU와 GPU를 연결하는 방식으로 확대되고 있다.
Data Center Dynamics는 2026년 8월 13일 Lightmatter를 중심으로 Dell Technologies, Qualcomm Technologies, Corning, Foxconn Interconnect Technology, Quanta Cloud Technology 등을 포함한 총 19개 기업이 ‘Open Silicon Photonics for AI Systems’ 프로젝트에 참여하고 있다고 보도했다.
이 프로젝트는 Open Compute Project(OCP)에서 진행되는 실리콘 포토닉스 관련 작업으로, 여러 기업이 함께 사용할 수 있는 개방형 광인터커넥트 아키텍처를 만드는 것이 목적이다.
Lightmatter가 2026년 3월 처음 공개한 CPO 협력에는 Celestica, Corning, Dell Technologies, Flex, Foxconn Interconnect Technology, Hyve Solutions, Keysight, Qualcomm Technologies, Quanta Cloud Technology 등이 참여했다. 당시 목표는 차세대 AI 시스템에서 서로 다른 업체의 CPO(Co-Packaged Optics)를 함께 사용할 수 도록 공통 참조 구조와 상호운용성 기준을 만드는 것이었다.
이후 관련 작업은 OCP Server Project에서 계속 진행됐고, 7월에는 ‘Open Silicon Photonics for AI Systems’ 비전이 OCP Server Workgroup에 제출됐다.
2026년 8월 OCP APAC Summit에서 Lightmatter는 이 구조를 72개의 XPU를 연결하는 수준에서 1,024개 이상으로 확장할 수 있도록 설계하는 목표를 제시했다. 현재는 1,024개 이상의 XPU를 지원할 수 있는 개방형 시스템 구조와 인터페이스를 구체화하는 단계다.
AI 데이터센터는 왜 더 빠른 연결이 필요할까?
GPU 한 개의 성능이 높아질수록 대규모 AI 시스템에서는 여러 GPU가 데이터를 빠르게 주고받는 능력도 함께 중요해진다.
대규모 AI 모델을 학습할 때는 수십 개, 수백 개, 많게는 수천 개의 AI 가속기가 작업을 나눠 처리한다. 각 가속기가 필요한 데이터를 빠르게 주고받을수록 전체 시스템도 높은 연산 성능을 활용할 수 있다.
기존 서버와 반도체에서는 주로 구리 기반 전기 신호를 이용해 데이터를 전달해 왔다. 데이터 전송 속도가 높아지면서 전기 신호의 손실을 관리하고 높은 신호 품질을 유지하기 위한 전력과 설계 기술의 중요성도 함께 커지고 있다.
Lightmatter가 OCP APAC Summit에서 제시한 자료에 따르면 전송 속도가 112G일 때 약 2m였던 구리 연결 거리는 448G PAM4에서는 25cm 미만으로 짧아진다. 이 수치는 Lightmatter가 제시한 특정 조건을 기준으로 한 것으로, 고속 데이터 전송에서 연결 거리와 전력 효율을 함께 고려해야 한다는 방향을 보여준다.
AI 서버의 규모가 커질수록 연산 장치의 성능과 함께 데이터를 이동시키는 연결 기술도 시스템 전체 성능을 결정하는 핵심 요소가 되는 것이다.
실리콘 포토닉스는 무엇을 바꾸는가?
실리콘 포토닉스(Silicon Photonics)는 반도체 제조 기술을 활용해 빛을 이용한 데이터 전송 기능을 칩에 집적하는 기술이다.
기존 전기 신호가 구리 배선을 따라 이동한다면 광통신에서는 데이터를 빛으로 바꿔 광섬유를 통해 전달한다. 빛을 활용하면 높은 대역폭의 데이터를 전달하면서 거리와 전력 효율 측면에서 선택지를 넓힐 수 있다.
CPO(Co-Packaged Optics)는 광통신 기능을 스위치 ASIC이나 AI 가속기 가까이에 배치하는 구조다.
현재 데이터센터에서 널리 사용하는 플러그형 광트랜시버는 장비 전면에 광모듈이 배치되고, 스위치 ASIC에서 광트랜시버까지 전기 신호가 이동한다.
CPO는 광엔진을 주요 반도체 가까이에 배치해 전기 신호가 이동해야 하는 거리를 짧게 만든다. 이를 통해 높은 대역폭과 전력 효율을 확보할 수 있는 구조를 만든다.
따라서 CPO의 핵심은 고속 데이터 전송이 필요한 구간에서 광통신 기능을 칩 가까이 가져오는 것이다.
삼성 Foundry도 CPO를 광 인터페이스를 스위치 ASIC에 직접 통합해 대역폭 밀도와 전력 효율, 신호 무결성을 높이는 구조로 설명하고 있다. 삼성전자는 스위치 ASIC과 광엔진을 함께 배치하는 CPO Switch뿐 아니라 XPU·GPU와 광엔진을 함께 패키징하는 CPO XPU 구조도 제시하고 있다.
왜 기업들은 ‘표준화’를 함께 추진할까?
AI 데이터센터에는 반도체 기업부터 광통신과 서버 제조기업까지 다양한 공급업체가 참여한다.
스위치 ASIC, 광소자, 레이저, 광섬유, 커넥터, 패키징, 서버 제조, 테스트와 시스템 통합까지 여러 기술과 부품이 하나의 시스템 안에서 연결된다.
여러 회사가 공통 구조와 인터페이스를 사용하면 각 공급업체가 자신의 전문 영역에 집중하면서도 다른 기업의 부품과 연결하기 쉬워진다.
Lightmatter는 프로젝트 발표에서 CPO 산업 확대를 위해 통합, 상호운용성, 신뢰성과 다양한 공급망에서의 확장성을 주요 과제로 제시했다. Corning도 대규모 CPO 적용에는 광소재, 광섬유, 고밀도 연결, 첨단 패키징과 시스템 설계가 함께 맞물려야 한다고 설명했다.
공통 아키텍처가 만들어지면 광부품 기업은 정해진 인터페이스에 맞춰 제품을 개발할 수 있고, 서버 기업은 여러 공급업체의 부품을 조합할 수 있다. 데이터센터 운영기업 역시 더 다양한 공급업체를 선택할 수 있는 기반을 확보하게 된다.
표준화의 가치는 여기에서 나온다.
개별 기업이 보유한 기술을 여러 기업이 생산하고 구매하며 연결할 수 있는 산업 구조로 확장하는 기반을 만드는 것이다.
GPU 경쟁이 광부품 공급망으로 확대된다
AI 반도체 시장에서는 GPU의 계산 성능이 가장 먼저 큰 관심을 받았다.
AI 모델의 규모가 커지면서 GPU에 데이터를 빠르게 공급하는 HBM의 중요성이 높아졌고, 이제 여러 GPU 사이에서 데이터를 이동시키는 네트워크와 인터커넥트 성능의 중요성도 함께 커지고 있다.
AI 인프라의 경쟁 영역은 다음과 같이 확대되고 있다.
- GPU와 AI 가속기의 연산 성능
- HBM을 중심으로 한 메모리 대역폭
- GPU와 GPU를 연결하는 네트워크
- 고속 데이터 이동을 위한 광인터커넥트
- 광엔진과 반도체를 결합하는 첨단 패키징
이 변화는 AI 인프라 시장에 참여할 수 있는 기업의 범위도 넓힌다.
GPU를 설계하는 기업뿐 아니라 광소자, 레이저, 광트랜시버, 광섬유, 커넥터, 패키징, 테스트 장비와 서버 제조기업도 AI 인프라 공급망에서 역할을 가질 수 있다.
특히 공통 규격이 마련되면 여러 시스템에 적용할 수 있는 부품을 설계하고 안정적으로 대량 생산하는 능력의 가치가 커질 수 있다.
CPO 표준화가 반도체 산업과 함께 광통신과 제조 산업에도 중요한 이유다.
한국에는 이미 연결할 수 있는 기업들이 있다
이 변화는 한국 산업에도 새로운 기회를 제공할 수 있다.
한국은 메모리, 반도체 제조, 패키징과 광통신 부품 분야에 오랜 산업 기반을 갖추고 있다. CPO와 광인터커넥트 시장이 확대되면 기존 제조 역량을 새로운 AI 데이터센터 공급망으로 연결할 수 있는 기업들도 있다.
가장 규모가 큰 기업은 삼성전자다.
삼성 Foundry는 HPC·AI 사업에서 Pluggable Optics와 CPO 솔루션을 공식적으로 제시하고 있으며, CPO Switch와 CPO XPU를 첨단 패키징 구조와 함께 제공하고 있다.
삼성종합기술원(SAIT) 역시 AI 인프라 확장을 위한 실리콘 포토닉스 기반 차세대 광인터커넥트와 고집적 광연결 기술을 연구하고 있다.
광통신 전문기업인 오이솔루션(OE Solutions)도 CPO와 직접 연결되는 제품을 개발하고 있다.
오이솔루션은 2026년 3월 차세대 AI 환경의 CPO에 광원을 공급하는 23dBm급 ELSFP(External Laser Small Form-Factor Pluggable)를 공개했으며, 2026년 3분기부터 고객 샘플 공급을 시작한다고 밝혔다.
이 회사는 이동통신과 유선망용 광트랜시버에서 축적한 기술과 사업 경험을 AI 데이터센터용 광부품으로 확장하고 있다.
옵티코어도 400G·800G급 AI 데이터센터용 광트랜시버 시장으로 사업을 확대하고 있다. 2026년 5월에는 AI 데이터센터용 400G·800G 광트랜시버 공급계약을 공시했다.
이들 기업의 움직임은 한국에 반도체 제조부터 광통신 부품까지 연결할 수 있는 산업 기반이 형성돼 있다는 점을 보여준다.
AI 데이터센터의 성능 경쟁이 연산에서 메모리와 연결로 확대될수록 한국이 강점을 가진 부품과 제조 분야의 참여 영역도 함께 넓어질 수 있다.
한국의 제조 경쟁력을 글로벌 시장으로 연결할 수 있다
한국은 LTE와 5G 통신망을 구축하는 과정에서도 광통신 기술을 적극적으로 활용해 왔다.
스마트폰과 기지국 사이는 무선으로 연결되고, 기지국 뒤의 프런트홀과 백홀에는 광통신이 중요한 역할을 한다.
한국의 높은 인구밀도와 비교적 좁은 국토는 촘촘한 통신 인프라를 구축하는 데 유리한 환경을 제공했고, 국내 광통신 기업들은 이 과정에서 제품과 기술 경험을 축적했다. 오이솔루션도 한국의 5G 구축 과정에서 다수의 광트랜시버를 공급한 경험을 공개하고 있다.
AI 데이터센터용 광인터커넥트 시장에서는 이러한 기술의 활용 범위를 글로벌 시장으로 넓힐 수 있다.
주요 연결 대상은 하나의 데이터센터와 AI 클러스터 안에 있는 서버, 스위치와 AI 가속기다. 따라서 공급기업의 경쟁력은 전국 단위의 통신망 구축 능력보다 고속 광부품의 설계와 생산, 글로벌 규격 대응, 패키징과 양산 능력에 더 직접적으로 연결된다.
미국이나 유럽의 데이터센터에서도 동일한 규격의 광부품을 사용할 수 있다면 한국 기업은 국내 통신망 구축 경험을 글로벌 AI 데이터센터용 부품 공급으로 확장할 수 있다.
한국의 제조 기반이 가진 강점을 국제적인 AI 인프라 공급망으로 연결할 수 있는 시장인 셈이다.
CPO와 기존 광통신은 함께 발전할 가능성이 크다
광인터커넥트 시장이 확대되면서 CPO와 기존 플러그형 광통신은 각자의 장점을 바탕으로 활용 영역을 넓혀갈 가능성이 있다.
CPO는 광엔진을 고성능 스위치나 AI 가속기 가까이에 배치해 높은 대역폭과 전력 효율을 확보하는 데 유리하다.
플러그형 광트랜시버는 장비에서 모듈을 분리하고 교체하기 쉬워 운영과 유지보수 측면에서 강점을 갖는다. 삼성전자도 현재 데이터센터에서 사용하는 Pluggable Optics와 CPO를 각각의 솔루션으로 제시하고 있다.
CPO에서는 광엔진과 고성능 반도체가 가까이 배치되면서 열 관리, 패키징, 제조 수율과 유지보수 기술의 중요성도 커진다.
이러한 조건에 따라 구리 기반 전기 연결, 플러그형 광모듈, NPO(Near-Packaged Optics), CPO가 시스템의 거리와 성능, 비용에 맞춰 서로 다른 영역에서 활용될 수 있다.
현재 OCP 프로젝트 역시 다양한 광학 기술과 공급업체가 참여할 수 있는 개방형 시스템 구조를 만드는 방향으로 진행되고 있다.
기술 간 경쟁과 함께 각 기술이 가장 효율적인 위치를 찾아가는 과정이 앞으로의 AI 데이터센터 구조를 결정하게 된다.
DANA NOTES 해설
이번 CPO 표준화에서 주목할 부분은 AI 인프라에서 가치가 만들어지는 영역이 계속 확대되고 있다는 점이다.
AI 가속기의 계산 성능이 높아지면서 메모리가 데이터를 빠르게 공급하는 능력이 중요해졌고, HBM 시장이 성장했다. 이제 수백 개 이상의 AI 가속기를 하나의 거대한 시스템처럼 사용하면서 가속기 사이에서 데이터를 이동시키는 능력의 가치도 커지고 있다.
연산 성능의 발전이 더 빠른 데이터 이동에 대한 수요를 만들고, 그 수요가 다시 광통신과 첨단 패키징이라는 새로운 시장을 확대하는 구조다.
여기에 표준화가 더해지면 공급망의 참여 범위도 넓어진다.
여러 기업이 공통 구조를 사용하면 광소자, 레이저, 광섬유, 광트랜시버, 패키징, 서버와 테스트 기술을 보유한 기업들이 각각의 전문 영역에서 하나의 AI 시스템 공급망에 참여할 수 있다.
이 지점은 한국 산업에도 중요하다.
한국에는 메모리, 반도체 제조, 패키징과 광통신 부품처럼 이미 상당한 기술과 제조 경험을 축적한 산업이 있다. 삼성전자, 오이솔루션, 옵티코어처럼 실제 AI 광인터커넥트와 연결되는 사업을 추진하는 기업들도 존재한다.
CPO 시장이 성장하면 한국에는 AI 가속기 자체뿐 아니라 AI 시스템의 성능을 높이는 핵심 부품과 제조 공급망에서 경쟁력을 확대할 수 있는 새로운 시장이 열린다.
AI 시대에도 높은 성능의 시스템을 만들기 위해서는 실제 반도체와 부품을 설계하고 생산하며 연결하는 제조 역량이 필요하다. 한국이 오랫동안 축적해 온 제조 경쟁력을 AI 인프라라는 새로운 시장에 어떻게 연결하는지가 중요한 산업 경쟁 기준이 될 수 있다.
앞으로 확인해야 할 변수
첫 번째는 OCP의 공통 아키텍처가 실제 규격으로 구체화되는 과정이다.
현재 관련 프로젝트와 워크그룹 활동이 진행되고 있으며, 향후 상호운용성 규격과 테스트 기준이 구체화되면 어떤 기업과 기술이 실제 표준 생태계에 참여하는지 확인할 수 있다.
두 번째는 대형 AI 시스템 기업과 데이터센터 운영기업의 실제 채택 규모다.
GPU·스위치 기업과 하이퍼스케일러가 CPO를 대규모 시스템에 적용할수록 광부품과 패키징 공급망의 시장도 함께 커질 수 있다.
세 번째는 비용과 신뢰성, 전력 효율이다.
CPO가 높은 대역폭과 전력 효율을 제공하면서 제조 수율, 패키징 비용과 유지보수까지 경쟁력 있는 수준에 도달하면 적용 범위가 더욱 넓어질 수 있다.
네 번째는 한국 기업의 실제 공급 확대다.
삼성전자의 CPO와 실리콘 포토닉스 사업이 글로벌 고객으로 확대되는지, 오이솔루션의 CPO용 외부 광원이 샘플 공급에서 양산으로 이어지는지, 옵티코어의 AI 데이터센터용 고속 광트랜시버 공급이 지속적인 사업으로 성장하는지는 국내 산업의 기회를 판단할 수 있는 구체적인 기준이 될 것이다.
