포토닉스 공급망

기초부터 기회까지, 하나의 이름씩 짚어보기

이 글은 포토닉스 섹터와 그 투자 기회에 대한 완전하고 포괄적인 개요입니다. 포토닉스는 AI 데이터센터를 재편하고 그 잠재력을 한 단계 더 끌어올릴 것으로 기대되는 복잡한 섹터입니다.

먼저 기술 자체의 필요성부터 시작하겠습니다 — 포토닉스가 무엇인지, 왜 데이터센터를 업그레이드해야 하는지를 살펴본 뒤, 전체 공급망을 훑어보며 이 신기술에 관여하는 기업들, 공급망 내 역할, 그리고 기업 간 상호작용에 대한 글로벌 조감도를 그려보겠습니다.

이 섹터에는 이미 상당한 유동성이 유입되었고, 주가는 이미 수백 퍼센트의 수익률을 기록했습니다. 하지만 이 기술이 추론 스케일링의 차세대 기반이 될 수 있다는 점을 고려하면, 기회는 이러한 수익 이후에도 끝나지 않을 것이며, 조정이 올 때를 대비해야 합니다 — '만약'이 아니라 '언제'의 문제입니다.

기회는 명확합니다. 이 기술은 진지한 자본과 인재들의 뒷받침을 받고 있습니다. 투자에서 가장 투기적인 부분 — 즉, 기술이 채택될 것인가에 대한 베팅 — 은 이미 지나갔고, 앞으로 남은 것은 스케일링입니다. 수주잔고와 매출 성장이 함께할 것입니다. 애널리스트들은 아직 무엇을 기대해야 할지 전혀 감을 잡지 못하고 있으며, 바로 이 시점이 리스크 대비 보상 비율이 가장 좋은 때입니다 — 펀더멘털이 확인된 이후이지만, 첫 번째 재무적 확인이 나오기 전의 조정 구간에서 말입니다.

이것이 바로 지금 이 기회가 매력적인 이유입니다. 이제 막 시작되는 단계이고, 애널리스트들은 무엇이 다가오는지 모르며, 이 기업들 대부분은 아직 규모가 작고 대형 플레이어들에게 무시당하고 있기 때문입니다.

너무 늦지도 않아 모든 리스크를 피할 수 있고, 충분히 일러서 넉넉한 수익을 거둘 수 있는 타이밍.

물리학과 병목현상

포토닉스 자체를 다루기 전에, 이전에 이미 살펴본 몇 가지 개념을 복습해야 합니다 — 데이터센터나 GPU 같은 것들을 간략히 다시 짚어보겠습니다.

데이터센터는 수천 개의 하드웨어를 상호 연결한 것이며, 각 하드웨어는 고유한 전문 기능을 가지고 있습니다. 하나의 하드웨어는 수백 개의 반도체를 상호 연결한 것입니다. 데이터는 데이터센터 내에서 전기적 또는 광학적 "케이블"을 통해 하드웨어 간에 전송되며, 하드웨어 내부에서는 전도성 금속 — 스케일링에 가장 저렴한 전도체인 구리 — 을 통해 전송됩니다.

인공지능은 데이터와 컴퓨팅에서 태어난 유명한 신기술입니다. 수십억 번의 반복 학습을 통해 다음 토큰을 추측하도록 학습하는 모델이죠 — 토큰은 글자일 수도 있고, 픽셀일 수도 있으며, 행동일 수도 있습니다. 매번의 실수는 학습 과정에서 모델이 파라미터를 업데이트하도록 강제합니다. 다음 토큰 추측 방식의 가중치를 조정하면서, 만족할 만한 수준에 도달할 때까지 반복하는 것이죠. AI도 여러분과 똑같이 배웁니다 — 과제를 반복하고 실수가 가르쳐주는 대로 적응하면서, 제대로 해낼 때까지, 최소한 스스로 만족할 때까지 말입니다.

수십 년간 AI의 병목은 컴퓨팅이었습니다. 핵심 질문은 이것이었죠 — 이렇게 방대한 데이터를 어떻게 처리할 것인가? 한 줄짜리 텍스트를 쓰는 단순한 작업이 몇 주씩 걸리지 않도록, 다음 토큰을 충분히 빠르게 추측하려면 어떻게 해야 하는가?

이 문제를 해결한 것이 GPU입니다. 병렬 컴퓨팅을 수행하고 하나의 군집처럼 동작하도록 설계된 반도체죠. 수천 개의 GPU가 하나의 작업에 할당되어, 각각은 문제의 일부분만 처리하고, 이를 풀기 위해 필요한 데이터를 공급받은 뒤 결과를 군집과 공유합니다. CPU의 순차 처리 대신 GPU의 병렬 컴퓨팅이라는 새로운 방식이 인간이 체감할 수 있는 시간 내에 모델 학습을 가능하게 만들었습니다.

GPU는 최적화되고 소형화된 특수 반도체로 만들어집니다. AI가 대중화되면서 그 잠재력이 매우 명확해졌고, 컴퓨팅 수요는 기하급수적으로 증가하여 물리적 한계가 배포를 제약하는 지점에 도달했습니다. 이것이 하나의 생태계 전체를 만들어냈고 — 누군가는 이를 순환경제라 부를 수도 있겠죠 — 여러분 모두 이미 알다시피 주식시장에서 수많은 대형 수혜주가 탄생했습니다.

그리고 추론이 등장했습니다. 학습된 모델의 실제 활용이죠. 음악가들은 초기에 음악 이론을 배우지만, 결국에는 악기를 들어야 합니다. 여러분이 평생 훈련해왔고, 최종 시험은 누군가가 — 예를 들어 저라고 하죠, 여러분에게 곡을 하나 주는 것이라고 상상해보세요. 어떤 곡이든, 악보와 함께요. 그리고 제가 만족할 만큼 잘 연주해야 합니다. 이것이 추론입니다 — 모델은 이미 알고 있고, 이제 학습된 목적에 맞게 사용되어야 합니다. 운전이든, 이미지 생성이든 말이죠.

추론의 문제는, 한계가 있다는 것입니다. 모델 자체와 그 능력에는 한계가 없습니다 — 완벽하게 학습되었다면 여러분의 요구에 완벽히 응답할 수 있죠. 여러분이 기타를 들고 악보를 주면 Sweet Home Alabama를 연주할 수 있는 것처럼요. 하지만 1천만 명이 동시에 각각 다른 악보를 주고 모든 곡을 동시에 연주해달라고 한다면? 불가능합니다.

모델이 실서비스에 투입되면, 사용량이 기하급수적으로 늘어날 때 해당 모델에 할당된 자원도 함께 늘어야 합니다. 마치 하루에 1,254시간의 작업량이 주어진다면 더 많은 일꾼을 고용해야 하는 것처럼요. 하지만 더 많은 일꾼만이 물류적으로 필요한 전부는 아닙니다. 자재가 일꾼들에게 도달할 수 있도록 충분히 넓은 도로도 필요하고, 자재를 하역할 수 있을 만큼 큰 주차장도 필요하며, 모두를 위한 식사도 필요합니다.

AI는 단순히 GPU를 쌓아놓는 것이 아니라, 데이터 컴퓨팅에 관한 것입니다. 일꾼(GPU)이 필요하고, 데이터(자재)가 필요하며, 주차장(메모리)이 필요하고, 자재가 통과할 수 있는 넓고 큰 도로(대역폭)가 필요합니다. 또한 모두가 제시간에 도착해야 일을 할 수 있죠(레이턴시). 하나라도 빠지면… 작업은 지연될 것이고, 일꾼 중 일부는 게을러서가 아니라 단순히 일을 할 수 없기 때문에 하루 종일 카드놀이만 할 것입니다. 일꾼들이 놀면서 급여를 받는 건 원하지 않으시겠죠?

이 모든 서론이 오늘 AI의 실제 병목현상으로 이어집니다. 추론은 기하급수적인 실세계 수요 성장에 도달하고 있으며, 우리는 더 많은 일꾼이 더 이상 해결책이 아님을 깨닫고 있습니다 — 물론 더 필요하지만 그것만으로는 문제가 풀리지 않습니다. 아닙니다, 오늘날 가장 큰 문제는 주차장, 정시 도착, 그리고 고속도로입니다.

오늘은, 그 빌어먹을 고속도로에 대해서만 이야기하겠습니다.

포토닉스란 무엇인가?

포토닉스는 빛의 생성과 조작에 관한 과학입니다. 기술에 초점을 맞춘 이 글에서는 포토닉스를 광학 반도체로 간주하겠습니다 — 하드웨어 내부의 광학 연결을 위해 설계된 칩으로, 이제 물리적으로 우리의 필요에 한계에 도달한 구리를 대체해야 하는 것입니다. 세부사항에 들어가지 않더라도, 구리 고속도로는 우리 자재가 제시간에 순환하기에 충분히 크지 않으며, 빛에 비해 에너지 소비도 훨씬 큽니다. 이 고속도로에는 해결책이 없습니다. 그냥 바꿔야 합니다.

광학, 빛, 광자의 등장입니다. 이것들이 대역폭과 레이턴시 측면에서 우리의 필요에 답을 줄 것입니다. 단순히 빛은 무엇보다 빠르게 이동하면서도 전도성 구리보다 적은 열을 발생시키기 때문입니다 — 또는 구리를 한계까지 밀어붙여 오늘날 우리가 필요로 하는 대역폭과 레이턴시를 제공하는 데 필요한 하드웨어의 양과 비교했을 때 그렇습니다. 이것은 선호의 문제가 아니라 물리학의 문제입니다.

하지만 광자를 사용하는 것은 쉽지도, 저렴하지도 않습니다. 구리보다 훨씬 더 많은 요구사항과 복잡성을 수반하며, 광자가 제대로 작동하기 위해 — 우리가 원하는 곳으로, 원하는 방식으로 광자를 생성하고 전달하기 위해 — 두 가지 매우 큰 수직 영역을 만들어냅니다. 두 개의 수직 영역, 그리고 훨씬 더 많은 기회.

1. 광자 생성기 — 레이저. 빛을 인도하려면… 먼저 빛이 필요합니다.

2. 빛을 인도하는 반도체, SiPho — 실리콘 포토닉스의 약자입니다.

최종 형태에서 — 앞으로 몇 분기 후에, 수백 개의 레이저와 SiPho가 결합되어 하드웨어 내에서 빛을 통해 데이터를 전송하는 최종 사용 가능 제품이 됩니다: Co-Packaged Optics(CPO, 공동 패키징 광학).

오늘 우리는 AI 데이터센터의 차세대 스케일링을 담당할 이 새로운 하드웨어를 살펴볼 것입니다 — 현재 부족한 고속도로를 개선함으로써 말이죠. 이것이 무엇인지, 어떻게 작동하는지, 공급망, 제조 공정, 그리고 각 수직 영역의 핵심 기업들을 다루어, 왜 이것이 중요한지 그리고 왜 이 기회가 실재하며 — 거대한지를 이해하겠습니다.

다음은 우리가 앞으로 다룰 내용의 개요입니다.

SiPho(실리콘 포토닉스): 실리콘 추출 → SOI 웨이퍼(Soitec) → EDA 시뮬레이션(Synopsys) → SiPho 설계(Broadcom, Marvell) → 파운드리 식각(GlobalFoundries, Tower Semi, TSM) → 테스트 및 검증(Aehr Test Systems, Teradyne, FormFactor).

레이저: 인듐/인 추출 → InP 기판(AXT, Sumitomo) → 에피택시(IQE, Coherent, Lumentum) → 레이저 칩 제조(Coherent, Lumentum, Sivers) → 테스트 및 검증(Aehr Test Systems).

CPO: 최종 조립(Fabrinet).

기회

글로벌 물리학과 병목현상을 이해했으니, 세부사항으로 들어가기 전에 먼저 기회에 대해 이야기하겠습니다. 그리고 왜 며칠 전 잠재적 약세장에 대한 글을 보내드린 직후에 이 모든 것을 쓰고 있는지도요.

하지만 제가 항상 말하듯: 어딘가에는 항상 불마켓이 있습니다.

약세장에서도 기업들은 사업을 계속합니다. 현금흐름은 여전히 만들어지고 쓰여집니다. AI 하이퍼스케일러와 컴퓨팅 제공자들은 향후 약 5년간 수백 GW 규모의 신규 데이터센터에 대한 투자 약속을 보유하고 있습니다. 건설이 둔화될 수 있고 일부는 취소될 수도 있지만, 오늘부터 2030년까지 총 가용 GW의 순증가분은 여전히 막대할 것이며, 포토닉스는 내년까지 하드웨어 내에 탑재될 준비를 마치고 이러한 신규 ...