하락장에 투자 아이디어를 새로 찾기보다는, 오히려 산업 구조를 다시 공부하는 시간이 더 중요해지는 듯하다. 최근 AI 인프라 투자 흐름을 보면서 그동안 시장의 관심은 주로 scale-up과 scale-out에 집중돼 있었다. 나 역시 GPU 간 연결, 데이터센터 내부 패브릭, AI Ethernet, NVLink, InfiniBand 같은 영역에 더 많은 시간을 썼고, 상대적으로 scale-across 시장에 대한 스터디는 깊지 못했다.

그런데 마침 어젯밤 Marvell과 Lumen Technologies의 어닝콜에서 scale-across 시장 전망과 관련해 중요한 단서들이 확인됐다. 특히 AI 클러스터가 단일 데이터센터 안에 머무는 것이 아니라, 여러 데이터센터와 리전으로 분산되면서 이를 하나의 컴퓨팅 자원처럼 연결하려는 수요가 본격화되고 있다는 점이 인상적이었다.

이번 글에서는 이 흐름을 계기로, NVIDIA 주도의 AI 애플리케이션 확산이 왜 scale-across 네트워킹 시장을 키울 수밖에 없는지, 그리고 이 과정에서 네트워크 장비·광학·반도체 밸류체인이 어떻게 확장될 수 있는지를 리서치 기록으로 정리해보고자 한다.

NVIDIA 주도 AI 애플리케이션 확산과 scale-across 네트워킹 시장 성장

1. 핵심 결론

앞으로 AI 인프라 병목은 GPU 개수 부족 → 랙 내부 연결 → 데이터센터 내부 패브릭 → 데이터센터 간 scale-across 네트워크 순서로 확장될 가능성이 높다.

NVIDIA가 주도하는 AI Factory, Physical AI, Edge AI, World Foundation Model, NVLink Fusion 생태계는 공통적으로 AI 워크로드가 더 많은 산업 현장으로 퍼지고, 더 많은 데이터를 만들고, 더 많은 GPU 클러스터를 연결해야 하는 구조를 만든다.

이 과정에서 핵심은 단순히 GPU가 더 많이 팔리는 것이 아니다. GPU가 여러 지역, 여러 데이터센터, 여러 클라우드, 여러 산업 현장에 분산될수록 컴퓨팅 자원 간 데이터 이동량이 비선형적으로 증가한다. 따라서 AI 인프라 투자는 GPU와 HBM에서 끝나지 않고, 스위치 ASIC, NIC, DPU, 광모듈, optical DSP, coherent optics, DCI 장비, 라우터, 광전송 장비, NaaS, 네트워크 오케스트레이션까지 확산될 수밖에 없다.

따라서 scale-across 시장의 본질은 단순한 데이터센터 간 전용회선 증설이 아니라, AI Factory가 산업 전반으로 확산되는 과정에서 필요한 차세대 네트워킹 인프라 사이클이다.

2. NVIDIA의 AI endmarket 확산이 scale-across 수요를 키우는 이유

2-1. AI Factory가 여러 지역으로 분산된다

AI Factory는 데이터를 투입해 토큰, 추론 결과, 시뮬레이션 결과, 로봇 정책 모델을 생산하는 산업 설비에 가깝다. 초기 AI Factory는 하이퍼스케일러 중심의 대형 GPU 클러스터에 집중됐지만, 앞으로는 제조, 통신, 로봇, 자율주행, 헬스케어, 금융, 국방, 리테일 등으로 확산될 가능성이 높다.

이때 모든 AI Factory가 한 지역에만 존재하기는 어렵다. 전력, 냉각, 토지, 규제, 데이터 주권, 고객 데이터 위치 때문에 AI 컴퓨팅 자원은 여러 지역에 나뉘어 배치된다. 그 결과 AI 인프라는 단일 데이터센터 증설에서 다중 데이터센터 연결로 진화한다.

이 구조가 바로 scale-across다. 여러 데이터센터와 GPU 클러스터를 하나의 거대한 컴퓨팅 자원처럼 묶는 네트워크다. Ciena가 말한 scale-across, Lumen이 말한 동서 트래픽 증가, Cisco가 말한 AI 인프라 네트워킹 주문 급증은 모두 같은 방향을 가리킨다.

2-2. Physical AI와 World Model은 데이터 종류를 무겁게 만든다

Physical AI, World Foundation Model, 로보틱스, 자율주행, 스마트팩토리, 디지털트윈은 텍스트 중심 LLM보다 훨씬 무거운 비디오, 센서, 3D, 시뮬레이션 데이터를 다룬다.

텍스트 데이터는 상대적으로 가볍지만, 로봇·자율주행·스마트팩토리 데이터는 지속적으로 생성되고, 학습되고, 검증되고, 다시 현장에 배포된다. 즉 Physical AI는 다음과 같은 데이터 루프를 만든다.

이 루프가 반복될수록 scale-across는 선택 인프라에서 AI 애플리케이션 운영의 필수 레이어로 바뀐다.

2-3. Edge AI와 agentic AI는 데이터 접근 경로를 복잡하게 만든다

Edge AI는 모든 데이터를 중앙 클라우드로 보낸 뒤 처리하는 방식에서 벗어나, 공장·매장·차량·병원·통신망 엣지에서 추론을 수행하는 구조다. 표면적으로는 중앙 데이터센터 트래픽을 줄이는 것처럼 보일 수 있지만, 실제로는 엣지 노드가 늘어나면서 엣지-클라우드 동기화, 모델 업데이트, 실시간 모니터링, 보안 정책, 데이터 회수 트래픽이 새로 증가한다.

Agentic AI도 마찬가지다. AI 에이전트는 하나의 모델 안에서 답을 끝내는 구조보다 여러 데이터베이스, API, 애플리케이션, 클라우드, 사내 시스템을 반복적으로 호출하는 구조에 가깝다. 이 경우 AI 성능은 모델 파라미터 수뿐 아니라 데이터가 어디에 있고, 얼마나 빠르게 접근 가능하며, 네트워크 경로가 얼마나 안정적인지에 의해 결정된다.

결국 NVIDIA가 주도하는 AI endmarket 다변화는 GPU 수요만 키우는 것이 아니라, AI가 지나가는 네트워크 전체의 집약도를 높인다.

3. 최근 관련 기업 어닝콜은 scale-across 수요의 외부 검증이다

scale-across 네트워킹 시장의 성장성을 판단할 때 중요한 점은, 이 논리가 특정 반도체 업체 한 곳의 주장에 머물지 않는다는 것이다. 최근 Lumen, Cisco, Ciena, Marvell의 어닝콜을 보면 네트워크 사업자, 장비업체, 광전송 업체, 반도체 업체의 발언이 같은 방향으로 맞물리고 있다.

Lumen은 데이터센터 성장에 따른 동서 트래픽 증가를 핵심 기회로 보고 있다. Cisco는 하이퍼스케일러 AI 인프라 주문 급증과 엔터프라이즈 네트워크 업그레이드를 동시에 확인했다. Ciena는 scale-across, DCI, 800G pluggables, 백로그 급증, 공급 부족을 강조했다. Marvell은 이 모든 인프라 안에 들어가는 고속 연결 칩과 스위칭 반도체 수요가 확대되고 있다고 설명했다.

https://research-hub.nlr.gov/en/publications/data-center-infrastructure-in-the-united-states-november-2025/

이 흐름을 종합하면, AI 네트워킹 수요는 단순히 특정 고객의 단기 주문 사이클이 아니라 AI 데이터 이동량 증가, GPU 클러스터 분산, 데이터센터 간 백엔드 네트워크 확장, 엔터프라이즈 네트워크 현대화가 결합된 구조적 테마로 해석할 수 있다.

3-1. 4개 기업에서 반복되는 핵심 문구

이 표에서 중요한 것은 각 기업의 포지션이 다르다는 점이다. Lumen은 네트워크 인프라와 프라이빗 연결, Cisco는 네트워크 장비와 스위칭 플랫폼, Ciena는 광전송·DCI·coherent optics, Marvell은 네트워크 반도체와 광학 칩에 위치한다. 서로 다른 레이어의 기업들이 같은 방향의 수요를 말하고 있다는 점에서 scale-across는 산업 전반의 구조적 성장축으로 볼 수 있다.

4. scale-up, scale-out, scale-across의 구분

앞으로 AI 네트워킹 투자는 세 층으로 나눠 봐야 한다.

지금까지 시장의 관심은 scale-up과 scale-out에 집중됐다. 그러나 AI 애플리케이션이 산업 현장으로 확산되면 다음 병목은 scale-across로 이동한다.

이는 단순한 거리의 문제가 아니다. scale-across는 여러 지역의 GPU 클러스터, 데이터센터, 클라우드, 엣지 노드, 기업 데이터를 연결해 AI 워크로드를 하나의 통합된 컴퓨팅 자원처럼 운영하는 구조다. 따라서 이 시장은 네트워크 장비와 칩, 광학 부품, 오케스트레이션 소프트웨어가 함께 성장하는 복합 시장이다.

5. scale-across가 키우는 장비·칩 시장

5-1. 광인터커넥트와 DCI 시장

scale-across의 가장 직접적인 수혜는 데이터센터 간 광연결이다. AI 클러스터가 여러 데이터센터로 나뉘면, 이들을 묶는 DCI 대역폭이 급증한다.

DCI에 필요한 대부분의 중요 네트워크 칩은 Marvell, Broadcom 양사가 대부분 설계하고 있는걸로 추정되며, 특히 NVIDIA의 지분투자를 받은 Marvell의 약진이 눈에 띈다.

2026.04.01 Marvell

2026.05.28 Marvell

Ciena가 강조한 scale-across, RLS, Hyper-Rail, 800G pluggables, Vesta optical engine은 이 영역의 산업 성장을 보여주는 사례다. 기존 DCI가 웹 트래픽, 스토리지 복제, 일반 클라우드 연결 중심이었다면, 앞으로는 AI 백엔드 네트워크가 데이터센터 간으로 확장되는 DCI가 커질 가능성이 높다.

Ciena

이 변화는 광모듈 업체, optical DSP 업체, coherent optics 업체, 광전송 장비 업체 모두에 긍정적이다. 특히 scale-across의 대역폭 요구량이 기존 프론트엔드 DCI보다 훨씬 크다면, DCI 시장은 단순한 트래픽 성장 이상의 TAM 확장을 경험할 수 있다.

5-2. AI Ethernet switch와 NIC 시장

scale-across는 데이터센터 간 연결만의 문제가 아니다. 여러 데이터센터를 하나의 AI 클러스터처럼 쓰려면 각 데이터센터 내부 네트워크도 고도화되어야 한다.

이에 따라 수요가 커지는 제품은 다음과 같다.

Cisco의 AI 인프라 주문 증가와 Silicon One, Acacia 수요는 이 흐름과 연결된다. AI 네트워크는 더 빠른 스위치를 구매하는 수준을 넘어, 패킷 손실, 지연시간, 혼잡, 장애 복구를 AI 학습 성능에 맞춰 제어하는 문제로 바뀌고 있다.

따라서 AI Ethernet, InfiniBand, NIC, DPU, switch ASIC 시장은 scale-out뿐 아니라 scale-across 확산의 간접 수혜도 받을 수 있다. 데이터센터 간 연결이 커질수록 각 데이터센터 내부에서도 더 큰 east-west traffic을 받아낼 수 있는 패브릭이 필요해지기 때문이다.

5-3. 라우터와 광전송 장비 시장

scale-across는 데이터센터 내부 스위치만으로 해결되지 않는다. 리전 간, 도시 간, 국가 간 AI Factory를 연결하려면 대형 라우터와 광전송 장비가 필요하다.

이 구간에서는 다음 수요가 증가한다.

Lumen의 PCF 계약과 동서 트래픽 논리는 이 구간의 수요를 보여준다. 다만 PCF 자체보다 더 중요한 것은, 데이터센터가 늘어나면서 AI 데이터 이동을 위한 private backbone과 programmable network 수요가 커진다는 점이다.

Lumen Technologies

이 구간에서 고객의 구매 기준도 달라지고 있다. 과거에는 회선 단가와 계약 조건이 중요했다면, AI Factory 시대에는 GPU 유휴 시간, 데이터 이동 시간, 지연시간, 네트워크 복원력, 보안성이 더 중요해진다. 네트워크 비용을 아끼는 것보다 비싼 GPU 클러스터를 멈추지 않는 것이 더 큰 경제적 가치를 만들기 때문이다.

5-4. 네트워크 소프트웨어와 오케스트레이션 시장

scale-across는 물리 장비만으로 끝나지 않는다. 여러 클라우드, 데이터센터, GPU 클러스터, 엣지를 연결하려면 네트워크를 소프트웨어처럼 제어해야 한다.

Lumen이 Alkira를 인수한 이유도 이 지점에 있다. 사용자가 하나의 화면에서 클라우드·데이터센터·네트워크 간 데이터 이동 경로를 설정하고 실행하는 구조는 향후 AI 워크로드 운영에 중요해진다.

성장하는 소프트웨어 영역은 다음과 같다.

AI 시대에는 네트워크가 고정 회선에서 워크로드에 따라 움직이는 자원으로 바뀐다. 이 변화는 장비 시장에 더해 소프트웨어·서비스 매출까지 키울 수 있다.

6. NVIDIA 주도 endmarket 확산별 수혜 레이어

이 표에서 핵심은 NVIDIA 생태계 확산이 단일 반도체 시장만 키우는 것이 아니라는 점이다. AI 애플리케이션이 산업별로 확산될수록 데이터 생성 위치와 처리 위치가 달라지고, 이 간극을 메우는 scale-across 네트워크가 필요해진다.

7. 산업 성장의 핵심 메커니즘

첫째, AI 애플리케이션이 늘어날수록 데이터 이동량은 비선형적으로 증가한다

AI 애플리케이션이 단순 챗봇에 머물 때는 데이터 이동이 상대적으로 단순했다. 그러나 로봇, 스마트팩토리, 자율주행, 디지털트윈, AI 에이전트로 확산되면 데이터는 계속 이동한다.

현장 → 엣지 → 클라우드 → AI Factory → 시뮬레이션 → 재학습 → 현장 배포라는 순환 구조가 만들어진다. 이 구조에서는 컴퓨팅보다 네트워크가 먼저 막히는 구간이 많아진다.

둘째, GPU 활용률 방어가 네트워크 투자를 정당화한다

AI Factory에서 가장 비싼 자산은 GPU와 HBM이다. 네트워크가 느리면 GPU가 대기하고, GPU가 대기하면 전체 투자수익률이 떨어진다. 따라서 고객은 네트워크 장비와 칩에 더 많은 비용을 지불하더라도 GPU 유휴 시간을 줄이려 한다.

이 논리는 장비·칩 업체에 매우 중요하다. 네트워크는 비용 절감 대상이 아니라 AI Factory 효율을 결정하는 핵심 설비가 된다.

셋째, 전력·부지 제약이 scale-across를 필연화한다

대형 GPU 클러스터를 한 장소에 무한정 증설하기 어렵다. 전력 수급, 냉각, 지연시간, 규제, 데이터 주권, 고객 위치 때문에 AI 컴퓨팅은 분산될 수밖에 없다. 분산된 AI 컴퓨팅을 하나의 자원처럼 쓰려면 scale-across 네트워크가 필요하다.

이 때문에 scale-across는 단기적인 클라우드 CapEx 사이클을 넘어 전력 병목 시대의 AI 인프라 아키텍처 변화로 봐야 한다.

넷째, 데이터센터 내부 광화와 데이터센터 간 광화가 동시에 진행된다

기존에는 광연결이 주로 장거리·데이터센터 간 영역에서 중요했다. 앞으로는 랙 간, 클러스터 간, 데이터센터 간 모두에서 광연결 비중이 올라갈 가능성이 높다.

Ciena가 말한 scale-out, scale-up, scale-across 확장은 이 방향을 보여준다. 즉 광부품·DSP·coherent optics·line system 업체의 TAM은 WAN에서 데이터센터 안쪽과 주변부로 넓어진다.

8. 산업 밸류체인별 수혜 구도

이 중에서 가장 주목할 영역은 네트워크 반도체와 광전송 장비의 동시 성장이다. AI 클러스터 내부에서는 switch ASIC, NIC, DPU가 중요해지고, 데이터센터 간 연결에서는 optical DSP, coherent optics, DCI 장비, line system이 중요해진다.

Cisco

여기에 Lumen과 같은 네트워크 사업자의 private backbone, NaaS, programmable network가 결합되면 scale-across는 하나의 독립적인 산업 성장축으로 부상할 수 있다.

9. 투자 관점의 산업 요약

scale-across 네트워킹 시장은 앞으로 다음 순서로 성장할 가능성이 높다.

하이퍼스케일러 AI Factory 대형화
800G/1.6T optical, AI Ethernet switch, NIC, DPU 수요 증가
여러 데이터센터를 묶는 AI 백엔드 네트워크 확대
DCI, coherent optics, optical transport, private fiber 수요 증가
Physical AI와 Edge AI 확산
공장·로봇·차량·병원·리테일 엣지 네트워크 업그레이드
AI 워크로드 오케스트레이션 필요성 증가
NaaS, multi-cloud gateway, programmable network 수요 증가
GPU·ASIC 혼합 인프라 확산
NVLink Fusion, UALink, scale-up switch, high-speed SerDes 시장 확대

이 흐름에서 핵심은 AI 컴퓨팅의 분산화다. GPU가 많아지는 것만으로 끝나지 않고, GPU가 여러 장소에 흩어질수록 네트워크 투자는 더 커진다.

10. 압축 결론

NVIDIA가 주도하는 AI endmarket 다변화는 scale-across 네트워킹 시장을 구조적으로 키운다. AI Factory는 여러 지역으로 분산되고, Physical AI와 World Model은 비디오·센서·3D 데이터를 폭증시키며, Edge AI는 현장과 클라우드 간 동기화 트래픽을 만든다. 이 과정에서 AI 인프라의 병목은 GPU 자체에서 GPU 간 연결, 데이터센터 내부 패브릭, 데이터센터 간 광연결, 멀티클라우드 오케스트레이션으로 확장된다.

최근 Lumen, Cisco, Ciena, Marvell의 어닝콜 발언은 이 구조적 변화를 교차 검증한다. Lumen은 동서 트래픽과 programmable network 수요를, Cisco는 하이퍼스케일러 AI 인프라 주문과 엔터프라이즈 네트워크 업그레이드를, Ciena는 scale-across와 DCI·800G 광연결 수요를, Marvell은 네트워킹·인터커넥트·스위칭 병목 확산을 강조했다.

따라서 scale-across는 단순한 통신망 증설 테마가 아니라, AI Factory가 산업 전반으로 확산될 때 필요한 차세대 네트워킹 인프라 사이클이다. 이 사이클에서는 switch ASIC, NIC/DPU, optical DSP, 800G/1.6T 광모듈, coherent optics, DCI 장비, core router, optical transport, NaaS, network observability까지 동반 성장할 가능성이 높다.

결국 AI 인프라 투자에서 다음으로 중요한 질문은 GPU를 얼마나 더 살 것인가에 그치지 않는다. 더 중요한 질문은 분산된 GPU와 AI Factory를 어떤 네트워크로 하나의 컴퓨팅 자원처럼 묶을 것인가이다. 이 질문이 커질수록 scale-across 네트워킹 장비·칩 시장의 전략적 중요성도 함께 높아질 것이다.

=끝

나만의 투자이야기

2026년 5월 27일 수요일

생각정리 267 (* Scale-Across, optical networking )