AI 데이터센터의 병목은 더 이상 GPU만의 문제가 아니다. GPU 서버가 늘어나면 서버와 랙, 랙과 클러스터를 잇는 광통신 인프라도 함께 늘어난다. 연산 능력을 확보해도 데이터를 충분히 빠르게 주고받지 못하면 전체 성능은 제한된다.
여기서 말하는 광통신 공급망은 레이저, 광트랜시버, 광섬유, 커넥터, 기판 같은 핵심 부품을 포함한다. AI 클러스터는 일반 데이터센터보다 서버 간 통신량이 훨씬 많기 때문에, 이 부품들의 수요가 동시에 커지고 있다.
부족의 출발점은 더 촘촘한 연결이다
AI용 데이터센터는 일반 CPU 서버 기반 설계보다 약 36배 많은 광섬유가 필요하다는 분석이 있다.1 같은 규모의 시설을 짓더라도 내부 연결망이 훨씬 더 촘촘해진다는 뜻이다.
수요가 빠르게 늘면서 중국 주요 광섬유 업체들의 주문은 2027년 초까지 밀려 있다. 헝퉁과 파이버홈은 생산라인이 풀가동 중이라고 밝혔고, 일부 광섬유 제품의 납기는 기존의 몇 주 단위에서 몇 달 단위로 늘어났다.1
이 부족이 단기간에 풀리기 어려운 이유는 공급 확대 속도에 있다. 광섬유의 핵심 소재인 프리폼은 유리 막대 형태의 원재료인데, 생산능력을 늘리는 데 보통 18~24개월이 걸린다.1 가격이 오른다고 해서 즉시 물량이 늘어나는 구조가 아니다.
병목은 광섬유에만 머물지 않는다
광섬유가 눈에 띄는 병목이라면, 광트랜시버와 레이저는 그다음으로 봐야 할 핵심 축이다. TrendForce는 AI용 광트랜시버 시장이 2025년 165억 달러에서 2026년 260억 달러로 57% 이상 성장할 것으로 전망했다.2
특히 800G 이상 고속 트랜시버 수요가 늘면서 레이저와 정밀 조립 공정의 부담도 커지고 있다. EML과 CW 레이저가 대표적이다. EML은 빛을 만들고 데이터를 실어 보내는 기능을 한 칩에 결합한 고속 레이저다. CW 레이저는 일정한 빛을 내고, 실리콘 포토닉스 칩이 별도로 변조를 맡는 방식이다.
두 방식 모두 AI 클러스터 확장에 중요하지만, 생산 난도와 장비 리드타임 때문에 공급을 빠르게 늘리기 어렵다.2 결국 AI 데이터센터 확장은 GPU, 네트워크 장비, 광부품이 함께 맞물려야 가능한 문제가 된다.
이제 기준은 가격보다 확보 가능성이다
이번 광통신 공급망 부족은 단순한 재고 부족이라기보다 AI 인프라 구조 변화의 결과에 가깝다. AI 클러스터가 커질수록 연산장치뿐 아니라 연결 인프라의 중요성도 함께 커진다.
따라서 구매와 투자 판단의 기준도 달라져야 한다. 최저가만 보는 방식으로는 충분하지 않다. 납기, 대체 공급처, 장기 계약, 사양 유연성이 더 중요해진다. 대형 클라우드 기업들이 장기 계약으로 물량을 먼저 확보하려는 이유도 여기에 있다.
AI 인프라를 평가할 때 GPU 수량만 보면 핵심을 놓칠 수 있다. 실제 구축 속도를 가르는 것은 필요한 광통신 부품을 제때 확보할 수 있는지다. 앞으로 AI 데이터센터 경쟁력은 연산 능력뿐 아니라 광통신 공급망을 얼마나 안정적으로 관리하느냐에 달려 있다.
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.