AI 데이터센터 붐 뒤에 숨은 광섬유 병목

Google News는 칩 중심의 AI 전망에서 자주 놓치는 충돌 지점을 포착했다. 데이터센터에는 기존 공급망이 제공하도록 설계된 수준을 훨씬 웃도는 광 연결이 필요하다.

제약은 유리 광섬유에만 국한되지 않는다. 광학 엔진, 실리콘 포토닉스, 커넥터, 레이저, 특수 패키징, 숙련된 설치 인력이 모두 컴퓨팅 클러스터의 확장 속도에 영향을 미친다.

이는 핵심 인프라 질문을 바꾼다. 가속기를 더 많이 구매한다고 해서 운영자가 이를 효율적으로 연결하고, 주변 네트워크에 전력을 공급하며, 예정대로 시설을 구축할 수 있다는 보장은 없다.

Google, NVIDIA, Amazon, Meta를 비롯한 대형 운영업체들은 이제 같은 물리적 현실에 직면해 있다. 실질적인 AI 용량은 프로세서, 랙, 건물, 지역 사이에서 허용하기 어려운 지연이나 전력 비용 없이 데이터를 이동시키는 능력에 달려 있다.

따라서 경쟁은 칩 확보에서 완전한 시스템 확보로 옮겨가고 있다. 최근의 공급 계약과 공장 증설은 광 연결이 조달 세부 항목에서 전략 자산으로 얼마나 빠르게 변모했는지를 보여준다.

Google News가 GPU 부족 너머를 가리키는 이유

AI 인프라 경쟁에는 두 번째 하드웨어 제약이 등장했으며, 그 제약은 프로세서 내부가 아니라 프로세서 사이에 놓여 있다.

그래픽 프로세서는 고가이고 희소하며 대규모 모델 학습에 필수적이었기 때문에 초기 공급 부족 논의를 주도했다. 기업들이 충분한 가속기 확보에 어려움을 겪던 시기에는 이러한 초점이 타당했다.

하지만 수천 개의 프로세서가 하나의 컴퓨팅 클러스터에 투입되면 상황이 달라진다. 이들은 각 워크로드 전반에서 모델 파라미터, 중간 결과, 동기화 메시지를 교환해야 한다.

데이터를 기다리는 프로세서는 명시된 성능을 낼 수 없다. 따라서 모든 칩이 정상 작동하더라도 네트워크는 고가의 컴퓨팅 장비를 충분히 활용하지 못하게 할 수 있다.

기존 엔터프라이즈 데이터센터는 주로 통신 패턴 요구가 덜한 CPU 워크로드를 중심으로 구축됐다. 많은 연결은 짧은 전기적 연결로 유지되며 개별 랙 내부에 머물 수 있었다.

대규모 AI 시스템은 더 조밀한 클러스터를 사용하고 하나의 워크로드를 다수의 가속기에 분산한다. 이 토폴로지는 스위치를 서버에서 더 멀리 배치하게 하고 링크 수와 전송 거리를 모두 늘린다.

NVIDIA는 이러한 설계로 인해 네트워크 인터페이스에서 스위치까지, 그리고 스위치 간 연결에 광학 기술이 필요해진다고 설명한다. NVIDIA의 AI factory networking 개요 역시 기존 구성요소와 연관된 전력 및 신뢰성 비용을 지적한다.

이 구분은 “광섬유 병목”이 여러 연관된 공급 부족을 뜻할 수 있기 때문에 중요하다. 운영업체에는 원재료 광섬유, 완성 케이블, 커넥터, 트랜시버, 광학 엔진, 스위치, 패키징 역량, 그리고 모든 장비를 설치할 인력이 필요하다.

한 계층의 용량을 늘린다고 해서 다른 계층의 문제가 자동으로 해소되지는 않는다. 케이블 공급이 있어도 레이저를 확보할 수 없거나, 광학 엔진 수율이 낮거나, 반도체 패키징이 지연되면 이를 보완할 수 없다.

시설 외부의 물리적 경로도 또 다른 계층을 만든다. AI 워크로드는 점점 분리된 건물, 지역 캠퍼스, 멀리 떨어진 데이터센터 간에 정보를 이동시킨다.

이러한 경로에는 관로, 통행권, 건설 인력, 증폭기, 네트워크 장비가 필요하다. 클라우드 제공업체는 통신사업자가 언제나 새로운 도시 간 경로를 구축할 수 있는 것보다 빠르게 서버를 조달할 수 있다.

이것이 Google News 보도의 핵심적인 전환점이다. AI 붐은 컴퓨팅 수요를 중심으로 가격이 형성됐지만, 유용한 컴퓨팅은 훨씬 더 광범위한 산업 사슬에 의존한다.

이 사슬에는 칩 제조보다 적은 주목을 받았던 소재 제조 및 정밀 조립 기업도 포함된다. 이들의 생산 주기는 소프트웨어 출시 일정보다 훨씬 길어질 수 있다.

병목은 운영업체마다 서로 다른 시점에 나타나기도 한다. 장기 계약을 맺은 하이퍼스케일러는 공급을 확보할 수 있지만, 소규모 구축업체는 더 긴 리드타임이나 제한된 구성 선택지에 직면할 수 있다.

이러한 불균등한 접근성은 경쟁 구도를 재편할 수 있다. 가장 큰 구매 약정을 가진 기업은 조달 위험 감소 이상의 이점을 얻는다. 이들은 새로운 컴퓨팅 용량을 가동하는 데 필요한 물리적 투입 요소를 선점할 수 있다.

데이터센터 내부와 사이에서 늘어나는 광섬유 수요

AI 클러스터는 여러 계층에서 광 연결을 소비하며, 모든 확장은 컴퓨팅 프로젝트이자 네트워크 구축 프로젝트가 된다.

데이터센터 내부에서 가속기는 스케일업 및 스케일아웃 네트워크를 통해 통신한다. 스케일업 연결은 긴밀하게 조정된 컴퓨팅 도메인을 만들고, 스케일아웃 네트워크는 더 큰 서버 및 스위치 그룹을 연결한다.

구리는 짧은 거리에서 여전히 유용하다. 하지만 속도가 높아지고 연결이 더 큰 시스템 전반으로 확장될수록 전기 신호를 효율적으로 이동시키기는 더 어려워진다.

신호 손실은 추가 처리, 냉각, 전력 요구량을 만든다. 수천 개 링크가 한 시설 안에서 동시에 작동하면 압박은 더욱 심각해진다.

광학 기술은 광섬유를 통한 전송을 위해 전기 데이터를 빛으로 변환한다. 이 방식은 장거리와 고대역폭을 더 효율적으로 처리하지만, 레이저, 변조기, 검출기, 커넥터, 제조 단계를 추가한다.

AI 인프라는 더 높은 연결 밀도도 요구한다. 시설은 제한된 랙 공간에 더 많은 광섬유와 포트를 수용하면서 굽힘 반경, 공기 흐름, 접근성, 신호 품질을 보호해야 한다.

연결 수는 클러스터와 함께 증가한다. 더 큰 시스템에는 더 많은 통신 경로가 필요하며, 구성요소 장애 중에도 워크로드를 계속 실행하기 위한 이중화는 추가 링크를 더한다.

Lumen과 Corning은 2024년 8월 초기 지표를 제시했다. 양사의 fiber supply agreement는 2년 동안 Corning의 글로벌 광섬유 생산 능력 중 10%를 Lumen에 배정했다.

양사는 생성형 AI가 데이터센터 내부에서 최소 10배 더 많은 광섬유 연결을 요구한다고 밝혔다. 또한 Lumen의 미국 도시 간 네트워크 마일을 두 배 이상 늘릴 계획이었다.

이 계약은 서로 다른 두 가지 요구를 다뤘다. 조밀한 클러스터에는 광범위한 내부 케이블링이 필요하고, 분산된 시설에는 사이트 간 고용량 경로가 필요하다.

Corning은 자사의 신형 케이블이 기존 관로에 두 배에서 네 배 더 많은 광섬유를 넣을 수 있다고 밝혔다. 새로운 관로를 설치하는 일은 일반적으로 사용 가능한 경로에 개선된 케이블을 포설하는 것보다 느리기 때문에, 이 밀도는 중요하다.

더 조밀한 케이블이 모든 건설 제약을 없애지는 않는다. 운영업체에는 여전히 접근 가능한 경로, 적합한 건물, 허가, 접속 역량, 호환 가능한 단말 장비가 필요하다.

그럼에도 이는 광섬유 혁신이 구축 속도에 영향을 미치는 이유를 설명하는 데 도움이 된다. 소재와 케이블 설계의 개선은 이미 구축된 물리 인프라에서 더 많은 용량을 끌어낼 수 있다.

같은 논리는 시설 내부에도 적용된다. 더 높은 밀도의 시스템은 모든 경로를 확장하지 않고도 더 많은 장비를 연결하게 하지만, 정밀한 설치와 신중한 열 계획을 요구한다.

따라서 데이터센터 설계팀은 광학 관련 결정을 더 일찍 내려야 한다. 서버가 도착할 때까지 기다리면 호환되지 않는 레이아웃, 누락된 구성요소, 가동을 지연시키는 설치 일정이 드러날 수 있다.

이는 네트워킹을 보조 구매 항목에서 용량 계획의 투입 요소로 바꾼다. 클러스터의 유용한 규모는 실제 워크로드에서 통신 패브릭이 감당할 수 있는 수준에 달려 있다.

고객에게 그 결과가 반드시 눈에 띄는 광섬유 부족으로 나타나는 것은 아니다. 지연된 클라우드 리전, 제한된 가속기 가용성, 전용 용량을 위한 더 긴 대기 시간으로 나타날 수 있다.

최종 사용자는 더 적은 컴퓨팅 선택지를 보게 된다. 근본 원인은 클라우드 서비스 자체에서 여러 공급업체 계층 떨어진 곳에 있을 수 있다.

하이퍼스케일러의 공급망 선점

장기 구매 계약은 주요 AI 구축업체들이 더 이상 광학 용량을 상호 대체 가능한 범용재로 취급하지 않음을 보여준다.

NVIDIA와 Corning은 2026년 5월 AI 인프라용 첨단 광 연결을 포괄하는 다년간의 파트너십을 발표했다. Corning은 미국 내 광섬유 생산을 50% 이상 확대할 계획이다.

또한 미국 내 광 연결 제조 역량을 10배 늘릴 계획이다. 해당 manufacturing expansion에는 노스캐롤라이나와 텍사스의 신규 시설 3곳이 포함된다.

이 수치는 예상되는 수요 변화의 규모를 드러낸다. 동시에 현재 건설 단계에 들어가는 인프라 계획을 기존 생산량이 감당하도록 설계되지 않았음을 보여준다.

이 파트너십은 원재료 유리 이상을 다룬다. 광 연결에는 광섬유를 배포 가능한 네트워크로 전환하는 데 필요한 케이블, 어셈블리, 커넥터, 관리 시스템이 포함된다.

Amazon은 Corning의 광섬유, 케이블, 연결 제품을 대상으로 한 다년간 수십억 달러 규모 계약을 뒤따랐다. 이 협약은 Amazon이 미국에서 확대하는 데이터센터 거점을 지원한다.

Amazon fiber deal은 노스캐롤라이나에서 제조 일자리 1,000개와 추가 건설 작업도 지원한다.

Meta는 Corning과 또 다른 대규모 다년간 공급 관계를 추진해 왔다. Corning은 최대 60억 달러 규모의 agreement with Meta가 노스캐롤라이나의 광케이블 제조 확장을 지원한다고 밝혔다. 이러한 약정들을 종합하면 하이퍼스케일러들이 단기 현물 구매보다 보장된 접근성을 선호한다는 점을 시사한다.

이러한 행태는 첨단 칩과 고대역폭 메모리를 둘러싼 이전 경쟁과 유사하다. 용량 확장에는 공장, 특수 장비, 인증 작업, 숙련 인력이 필요하기 때문에 대형 구매자들은 일찍 약정한다.

이 전략은 소규모 운영업체에 두 가지 방식으로 압박을 준다. 먼저 대형 계약은 신규 생산이 완전한 규모에 이르기 전에 미래 생산량을 흡수할 수 있다.

둘째, 공급업체는 자연스럽게 핵심 고객 중심으로 제품을 최적화한다. 소규모 구매자는 선택지가 줄어들거나, 더 늦은 납품 일정, 또는 다른 운영업체의 아키텍처에 맞춰 설계된 시스템을 받게 될 수 있다.

Google은 광학 스택 일부를 내부 개발하더라도 같은 경제적 압박에 직면한다. 수직 통합은 외부 구성요소 공급업체 의존도를 낮출 수 있지만 제조 제약을 없애지는 못한다.

내부 설계한 광학 구성요소에도 소재, 제조, 패키징, 테스트, 배포가 필요하다. 설계 소유권은 통제권을 바꾸지만 생산의 법칙까지 바꾸지는 않는다.

TrendForce는 Google이 광학 구성요소를 내부적으로 개발하는 한편 다른 공급업체들은 외부 공급을 확보하고 있다고 보도했다. 서로 다른 전략은 같은 목표, 즉 핵심 네트워킹 기술에 대한 예측 가능한 접근성을 추구한다.

이 지점에서 Google의 광 네트워킹은 전략적으로 중요해진다. Google은 오랫동안 글로벌 사설 네트워크를 운영해 왔으며 컴퓨팅 서비스를 위한 맞춤형 인프라를 설계한다.

AI는 이러한 경험의 가치를 높이지만 동시에 필요한 규모도 키운다. 검색, 동영상, 클라우드 트래픽을 위해 구축된 네트워크는 이제 긴밀하게 동기화된 가속기 워크로드를 지원해야 한다.

구매 경쟁은 단순히 Google 대 NVIDIA 또는 Amazon의 대결이 아니다. 핵심 충돌은 확정된 수요와 제조 현실 사이에서 벌어진다.

하이퍼스케일러는 계약을 체결하고 공장에 자금을 댈 수 있다. 그러나 공급업체는 여전히 시설을 구축하고, 공정을 검증하며, 수율을 개선하고, 신뢰할 수 있는 제품을 대량으로 공급해야 한다.

이러한 시차는 수요를 정확히 예측하는 사업자에게 우위를 제공한다. 반면 AI 계획이 인프라 예약 물량보다 빠르게 커지는 기업에는 위험이 된다.

시장은 결국 충분한 생산능력을 확보할 수 있다. 그때까지 장기 계약은 업계를 공급을 확보한 구매자와 납품 위험에 노출된 구매자로 나눌 것이다.

Co-Packaged Optics, 병목을 칩에 더 가깝게 옮기다

네트워킹 한계에 대한 업계의 해법은 첨단 AI 프로세서에 사용되는 것과 일부 동일한 제약된 제조 시스템에 의존한다.

현재 대부분의 광 링크는 플러거블 트랜시버를 사용한다. 이 교체형 모듈은 스위치 전면 패널에 장착돼 전기 신호를 광 신호로 변환한다.

플러거블 설계는 익숙하고 정비가 용이하다. 기술자는 메인 스위치 패키지 전체를 폐기하지 않고도 고장 난 모듈을 교체할 수 있다.

하지만 더 빠른 전기 신호는 스위칭 칩에서 회로기판을 가로질러 이동하는 동안 더 많은 에너지를 잃는다. 이 손실은 전력 소비, 발열, 신호 처리 요구사항을 높인다.

일반적으로 CPO라고 부르는 Co-Packaged Optics는 광 엔진을 스위치 칩 바로 옆으로 옮긴다. 더 짧아진 전기 경로는 데이터가 광섬유로 들어가기 전 손실을 줄인다.

NVIDIA는 기존 초당 200기가비트 채널에서 전기적 손실이 최대 22데시벨에 이를 수 있다고 말한다. 회사의 CPO 설계는 이 경로 손실을 약 4데시벨로 낮춘다고 알려졌다.

NVIDIA는 인터페이스 전력도 약 30와트에서 최저 9와트까지 줄일 수 있다고 말한다. 다만 이는 NVIDIA의 아키텍처와 운용 가정에 연계된 공급업체 측 주장이다.

NVIDIA의 Spectrum-X Photonics announcement에 따르면, 이 시스템은 초당 409.6테라비트의 스위칭 용량에 도달하도록 설계됐다. 목록상 최대 구성은 초당 800기가비트로 작동하는 512개 포트를 지원한다.

이 수치는 CPO가 주목받는 이유를 보여준다. 클러스터에 수천 개의 고속 링크가 포함되면 네트워크 전력은 주요 비용이 된다.

그러나 CPO는 제조 문제를 없애기보다 이전한다. 광 엔진은 레이저, 변조기, 광검출기, 결합 부품을 소형 어셈블리에 통합한다.

각 부품은 전력 소모와 발열이 큰 실리콘 가까이에서 안정적으로 작동해야 한다. 하나의 결함 요소가 고가의 통합 패키지에 영향을 미칠 수 있으므로 제조업체에는 높은 수율이 필요하다.

실리콘 포토닉스는 또 다른 의존성을 더한다. 이 기술은 반도체 제조 방식을 이용해 광학 기능을 구현하며, 광 처리 기능을 기존 칩 생산에 더 가깝게 가져온다.

이후 첨단 패키징은 포토닉스 소자, 전자부품, 보조 구조물을 결합한다. 이 공정은 높은 정밀도를 요구하며 고성능 프로세서에도 사용되는 일부 자원을 놓고 경쟁한다.

TrendForce의 CPO production analysis는 광 엔진 수율, 실리콘 포토닉스 생산능력, 첨단 패키징을 세 가지 핵심 제약 요인으로 지목한다.

TrendForce는 NVIDIA가 일부 파트너에 Spectrum-X CPO 스위치 출하를 시작했다고 보도했다. Broadcom도 51.2테라비트 Bailly 스위치를 제한적으로 계속 출하하고 있었다.

TrendForce에 따르면 TSMC와 함께 개발한 NVIDIA의 시스템은 초당 최대 400테라비트를 제공한다. 생산은 2026년 하반기에 확대될 것으로 예상됐다.

Broadcom의 시스템은 기존 플러거블 광학 장비 대비 전력 소비를 최대 70% 줄이는 것으로 알려졌다. TrendForce에 따르면 Meta는 배포 검증을 완료했다.

이러한 움직임은 실험실 시연에서 초기 상업 생산으로의 전환을 의미한다. 그렇다고 공급업체가 계획된 모든 AI 배포 수요를 충족할 수 있다는 뜻은 아니다.

CPO는 정비성 문제도 제기한다. 교체 가능한 트랜시버는 일부 장애를 분리하지만, 긴밀하게 통합된 광학 장비는 수리를 더 복잡하고 비용이 많이 들게 만들 수 있다.

엔지니어는 효율성이 모듈성보다 중요한 지점을 판단해야 한다. 일부 배포 환경은 적절한 거리에서 개선된 플러거블 광학 장비, linear-drive optics 또는 구리를 계속 사용할 수 있다.

가장 가능성 높은 미래는 획일적이기보다 혼합형이다. 각 링크는 도달 거리, 대역폭, 전력, 신뢰성, 유지보수 요건에 따라 서로 다른 기술을 사용할 수 있다.

이 불확실성은 현재의 조달에도 영향을 미친다. 사업자는 데이터센터 전 영역에서 하나의 아키텍처가 분명한 승자가 되기 전에 부품을 확보해야 한다.

Google AI 인프라 이야기가 증명하지 못하는 것

눈에 보이는 투자는 강한 수요를 확인해 주지만, 광섬유가 무기한 업계의 지배적인 제약 요인으로 남을 것임을 증명하지는 않는다.

공급 부족에는 흔히 타이밍 문제가 있다. 고객의 전망이 불확실한 미래 수요에 의존하는 상황에서 제조업체는 과도한 생산능력 구축을 주저한다.

AI 기업들은 더 큰 모델, 더 고밀도인 클러스터, 증가하는 추론 물량을 전망한다. 이러한 전망은 공장 건설을 뒷받침하지만, 기술 개선은 각 워크로드에 필요한 인프라 규모를 바꿀 수 있다.

더 작은 모델이 더 많은 작업을 처리할 수 있다. 더 나은 스케줄링은 가속기 활용도를 높일 수 있고, 개선된 압축 및 네트워킹 알고리즘은 일부 통신 오버헤드를 줄일 수 있다.

기업들은 워크로드를 다르게 분산할 수도 있다. 학습 클러스터는 많은 추론 시스템보다 더 엄격한 조정 요건을 갖는데, 추론 시스템은 요청을 더 독립적인 서버들에 걸쳐 처리할 수 있다.

따라서 “광섬유 병목”이라는 표현은 지나치게 포괄적일 수 있다. 원재료 광섬유, 완성 케이블, 광 엔진, 레이저, 패키징, 설치 인력은 서로 다른 공급 곡선을 갖는다.

Corning의 증설은 여러 연결 계층을 다루지만, 모든 포토닉스 부족을 독자적으로 해결할 수는 없다. TSMC, 부품 공급업체, 장비 제조업체, 데이터센터 시공업체도 여전히 공급망의 일부다.

현재의 증거는 또한 최대 사업자들에게 유리하다. NVIDIA, Amazon, Meta, Google은 모든 기업 배포를 대표하지 않는 규모로 구축하고 있다.

클라우드 용량을 임대하는 일반 기업은 광 패브릭을 설치하지 않는다. 이들의 노출은 서비스 가용성, 지역 선택지, 계약 조건을 통해 나타난다.

현재 공급 계약은 대체로 미국의 제조와 데이터센터 건설을 설명한다. 유럽, 아시아 및 다른 지역에서는 여건이 달라질 수 있다.

특정 시장에서는 현지 인허가, 전력 접근성, 통신 정책, 건설 역량이 광섬유 가용성보다 더 큰 영향을 줄 수 있다. 인프라 병목에는 보편적인 우선순위가 없다.

전력은 여전히 중요한 경쟁 제약 요인이다. 전력회사가 시설에 전기를 공급하거나 충분한 발전 및 송전 용량을 제공하지 못한다면, 완성된 네트워크도 도움이 되지 않는다.

냉각도 또 다른 한계를 만든다. 고밀도 가속기와 광학 패키지는 신뢰성을 떨어뜨리지 않으면서 사업자가 제거해야 하는 열을 발생시킨다.

CPO 생산이 늘어나면 첨단 패키징이 더 빡빡한 제약 요인이 될 수 있다. TrendForce는 포토닉스 제품이 제한된 패키징 자원을 놓고 AI 칩과 경쟁할 수 있다고 지적한다.

이는 순환적인 문제를 만든다. 더 많은 가속기를 가능하게 하려는 네트워킹 기술이 이미 그 가속기를 제한하고 있는 제조 용량에 의존할 수 있기 때문이다.

CPO가 주장하는 신뢰성 개선도 장기간의 현장 운용을 통한 증거가 필요하다. 실험실 테스트와 일부 파트너 배포만으로는 수천 개 현장의 모든 유지보수 조건을 재현할 수 없다.

통합은 고장에 취약한 전기 인터페이스와 플러거블 모듈을 없앨 수 있다. 동시에 교체하기 어려운 패키지 안에 더 많은 가치를 집중시킬 수도 있다.

개방형 표준은 또 다른 위험을 줄일 수 있다. AMD, Broadcom, Meta, Microsoft, NVIDIA, OpenAI는 2026년 광학 스케일업 컨소시엄 설립을 도왔다.

이 그룹의 optical specification은 플러거블, 온보드, Co-Packaged Optics를 포함한 여러 구현 방식을 대상으로 한다. 로드맵은 광섬유당 초당 3.2테라비트 이상까지 확장된다.

공유 물리 계층은 부품 선택지를 늘리고 독점적 파편화를 줄일 수 있다. 그러나 사양이 있다고 해서 제품 간 호환성, 높은 제조 수율, 적기 배포가 보장되는 것은 아니다.

Google AI 인프라는 자체 구현 경로를 따르는 동시에 다른 곳에서 호환 가능한 업계 접근 방식을 지원할 수 있다. 이러한 유연성은 Google에 도움이 되지만, 단순한 시장점유율 예측을 복잡하게 만든다.

가장 안전한 결론은 더 제한적이다. 광 연결성은 실질적인 계획 제약 요인이 됐고, 최대 구매자들은 그에 맞춰 지출하고 있다.

어떤 부품이 가장 긴 지연을 초래할지는 여전히 불분명하다. 공장이 가동되고, 설계가 성숙하며, AI 워크로드가 진화함에 따라 답은 바뀔 것이다.

병목 완화 여부를 보여줄 세 가지 신호

공장 생산량, 현장 신뢰성, 배포 시점이 광학 공급이 약속된 AI 구축을 뒷받침하는지 결정할 것이다.

첫 번째 신호는 Corning의 제조 증산이다. 발표된 생산능력은 검증된 광섬유, 케이블, 커넥터, 어셈블리가 신뢰할 수 있는 물량으로 공장을 떠날 때에만 의미가 있다.

Corning의 second-quarter 2026 results는 초기 기준점을 제공한다. Optical Communications 매출은 20억7000만달러로 전년 동기 대비 32% 증가했다.

Enterprise Networks 매출은 65% 늘었다. Corning은 생성형 AI 제품 매출이 훨씬 빠르게 증가했다고 밝혔지만, 해당 부문의 별도 수치는 제공하지 않았다.

회사는 미국 내 광섬유 생산을 50% 이상 늘릴 계획이다. 또한 국내 광 연결 제조능력을 10배로 확대할 것으로 예상한다.

독자들은 향후 실적에서 생산량, 마진, 고객 집중도, 건설 진행 상황을 지켜봐야 한다. 원활한 증산은 공급이 수요를 따라잡을 수 있다는 견해를 강화할 것이다.

지연이나 늘어나는 수주 잔고는 반대 결론을 뒷받침할 것이다. 이는 상업적 약속이 실행 가능한 생산보다 앞서가고 있음을 보여줄 것이다.

두 번째 신호는 초기 CPO 배포의 성과다. NVIDIA와 Broadcom은 통합 광학 장비가 제한적인 검증 프로그램 밖에서도 안정적으로 작동한다는 점을 입증해야 한다.

유용한 지표에는 제조 수율, 시스템 가용성, 수리 절차, 에너지 소비, 생산 시스템을 배포하는 고객 수가 포함된다.

스위치가 대역폭 목표를 충족하더라도 운영상 문제를 일으킬 수 있다. 데이터센터 사업자는 최고 사양뿐 아니라 예측 가능한 유지보수와 전체 시스템 가동 시간을 중시한다.

광범위한 고객 채택은 CPO가 전기 신호 손실에 대한 실용적 해법임을 검증할 것이다. 반복되는 지연이나 정비성 문제는 플러거블 대안의 역할을 더 크게 유지시킬 것이다.

세 번째 신호는 하이퍼스케일러의 신규 AI 용량 가동 시점이다. 발표된 시설은 활성화된 클러스터, 이용 가능한 클라우드 서비스, 더 큰 지역별 용량으로 이어져야 한다.

Google News 독자는 인프라 약속과 실제 제공 일정을 비교해야 한다. 일정 지연은 기업들이 공개 발표에서 분리해 설명하지 않는 제약 요인을 드러낼 수 있다.

프로젝트 지연이 자동으로 광섬유 부족을 증명하는 것은 아니다. 전력 연결, 허가, 냉각 시스템, 칩, 건설 또는 자금 조달도 일정을 바꿀 수 있다.

여러 프로젝트에 걸친 패턴은 더 많은 정보를 제공할 것이다. 연결성이 차별화 요인이라면 광학 공급을 확보한 시설은 더 예측 가능하게 가동될 것이다.

Google 광 네트워킹에도 같은 비교가 적용된다. 수직 통합이 외부 의존도를 줄인다면 Google의 내부 부품 개발은 측정 가능한 배포상의 이점을 가져와야 한다.

그 증거로는 더 빠른 클러스터 확장, 새로운 광 시스템, 더 낮은 네트워크 전력 소비, 또는 공급 경고 감소 등이 있을 수 있다. 침묵이 진전을 반증하는 것은 아니지만, 구체적인 배포 사례는 이를 뒷받침하는 근거를 강화할 것이다.

이로써 이야기는 다시 핵심 긴장으로 돌아온다. AI 산업은 더 많은 컴퓨팅을 통해 확장 가능한 지능을 약속했지만, 그 컴퓨팅은 점점 더 정밀 광학 제조에 의존하고 있다.

Google News는 병목을 부각했지만, 조달 발표만으로는 이를 단정할 수 없다. 결정적인 증거는 공장, 운영 중인 네트워크, 그리고 완공된 데이터센터에서 나올 것이다.

광학 장비 생산량이 일정에 맞춰 고객에게 도달하는지 지켜봐야 한다. 이어서 CPO 시스템이 유지보수성을 희생하지 않고 실제 운영 워크로드를 견뎌내는지도 확인해야 한다.

마지막으로, 하이퍼스케일러의 건설 약속과 실제로 가동된 용량을 비교해야 한다. 이 세 가지 점검은 광섬유가 일시적인 부족이었는지, 아니면 AI 붐의 지속적인 제약이었는지를 보여줄 것이다.