지난 글에서는 Agentic AI 시대의 AI Factory와 광통신 인프라 재평가에 대해 정리했다. 핵심은 단순했다. AI 데이터센터는 더 이상 서버와 GPU가 모여 있는 건물이 아니라, 전력·GPU·HBM·광통신망·산업 데이터를 투입해 토큰을 생산하는 산업형 factory에 가까워진다는 내용이었다.
AI Factory가 토큰을 생산하는 두뇌라면, 광통신 백본·메트로망·엣지망·RAN은 그 토큰과 산업 데이터가 오가는 신경망이다. 이 관점에서 보면 광섬유, preform, 특수광섬유, 광모듈, coherent optics, CPO, 실리콘포토닉스는 단순 통신 부품이 아니라 AI 인프라의 하부 병목으로 다시 봐야 한다.
그런데 이번에 이 관점을 한 단계 더 밀어주는 뉴스가 나왔다. SK그룹과 NTT, 중화전신, 일본정책투자은행이 차세대 광통신 기술 IOWN 상용화를 위한 대규모 펀드를 조성한다는 보도다.
 |
| https://www.yna.co.kr/view/AKR20260608176900073 |
처음에는 단순히 일본 통신사의 광통신 투자처럼 보일 수 있다. 하지만 이 사건은 앞서 정리했던 Optical AI Backbone 논리와 정확히 맞닿아 있다.
SK-NVIDIA 협력이 AI Factory의 연산 스택에 대한 투자라면, SK-NTT IOWN 투자는 그 AI Factory들을 연결할 광자 기반 신경망에 대한 선제 투자로 볼 수 있다.
IOWN은 단순 광케이블 투자가 아니다
IOWN은 Innovative Optical and Wireless Network의 약자다. NTT가 주도하는 차세대 네트워크 구상이며, 핵심은 데이터를 처리하고 이동시키는 방식을 전기 중심에서 빛 중심으로 바꾸는 것이다.
이미 통신망에는 광섬유가 많이 쓰이고 있다. 그래서 “이미 광통신을 쓰고 있는데 무엇이 새롭나”라는 질문이 나올 수 있다. 중요한 차이는 광섬유를 쓰느냐가 아니라, 어디까지 빛으로 처리하느냐에 있다.
기존 통신망에서는 장거리 전송 구간에서는 빛을 쓰지만, 라우터·스위치·서버·칩 주변에서는 여전히 전기 신호로 바꿔 처리하는 구간이 많다.
즉, 데이터는 계속 이런 과정을 거친다.
빛 → 전기 → 처리·스위칭 → 다시 빛
이 전환 과정에서 전력 소모, 발열, 지연시간이 발생한다. AI 데이터센터에서는 이 문제가 더 커진다. GPU와 GPU가 데이터를 주고받고, 데이터센터와 데이터센터가 학습 데이터와 추론 결과를 주고받고, 엣지 서버와 산업 현장이 실시간으로 연결되면 데이터 이동량은 기하급수적으로 늘어난다.
결국 AI 시대의 병목은 GPU 연산 성능만이 아니다. 데이터를 얼마나 낮은 전력으로, 얼마나 빠르게, 얼마나 안정적으로 이동시키는가가 핵심 병목으로 올라온다.
IOWN은 바로 이 지점을 겨냥한다.
지난 글의 광통신 신경망 논리와 IOWN의 연결
지난 글에서 정리한 핵심 문장은 이것이었다.
AI Factory가 토큰을 생산하는 두뇌라면, 광섬유·광케이블은 그 토큰과 데이터를 이동시키는 신경망이다.
IOWN은 이 문장을 더 근본적인 기술 레이어로 확장한다. 기존 글이 광통신 백본·DCI·엣지망·특수광섬유·preform 수요를 봤다면, IOWN은 그 광통신망 자체를 전광 네트워크와 광전융합 반도체 생태계로 재설계하려는 시도다.
다시 말하면, 기존 글의 논리는 다음과 같았다.
AI Factory 확대 → DCI·scale-across 확대 → 광통신 백본·특수광섬유·preform 병목 부각
이번 IOWN 투자가 추가하는 논리는 이렇다.
AI Factory 확대 → 데이터 이동 전력 병목 확대 → 전기적 변환 구간 축소 필요 → APN·광전융합·실리콘포토닉스·CPO 부각
따라서 IOWN은 기존 광섬유 투자 논리를 대체하는 것이 아니다. 오히려 preform과 특수광섬유에서 시작한 Optical AI Backbone 논리를 광전융합 반도체까지 확장시키는 사건이다.
APN: 데이터센터와 데이터센터를 빛으로 묶는 구조
IOWN의 가장 중요한 축은 APN, All-Photonics Network다.
APN은 말 그대로 가능한 한 많은 구간을 광신호 기반으로 연결하는 네트워크다. 기존 네트워크가 중간중간 전기 신호로 변환하면서 데이터를 처리했다면, APN은 그 변환을 줄여 저전력·초저지연·대용량 전송을 구현하려는 방향이다.
이것은 AI Factory 시대에 매우 중요하다.
AI 데이터센터는 앞으로 한 곳에만 모이지 않는다. 전력, 부지, 냉각, 규제, 지리적 제약 때문에 여러 지역으로 분산될 수밖에 없다. 그런데 Agentic AI와 Edge AI가 현실화되려면 분산된 AI 데이터센터가 따로 노는 것이 아니라, 하나의 연산 풀처럼 연결돼야 한다.
이것이 지난 글에서 말한 scale-across다.
scale-up은 하나의 서버나 랙 안에서 연산 밀도를 높이는 것이다.
scale-out은 여러 서버와 랙을 묶는 것이다.
scale-across는 여러 데이터센터, 통신망, 엣지 인프라까지 하나의 연산 구조로 묶는 것이다.
APN은 이 scale-across의 물리적 기반에 가깝다. 데이터센터가 물리적으로 떨어져 있어도, 광통신망이 충분히 빠르고 안정적이며 전력 효율적이면 여러 AI Factory를 하나의 거대한 compute fabric처럼 활용할 수 있다.
결국 APN은 AI Factory 간 신경망을 고도화하는 기술이다.
광전융합: 진짜 중요한 변화는 반도체 패키지 안에서 일어난다
이번 IOWN 펀드에서 더 중요하게 봐야 할 단어는 광전융합이다.
광전융합은 말 그대로 광자 기술과 전자 기술을 하나로 결합하는 것이다. 영어로는 Photonics-Electronics Convergence라고 부른다. 기존에는 광통신과 전자반도체가 비교적 분리돼 있었다. 장거리 전송은 광섬유와 광모듈이 담당하고, 서버 내부와 칩 주변의 처리는 전자회로가 담당했다.
하지만 AI 데이터센터에서는 이 경계가 점점 무너지고 있다.
GPU 클러스터가 커질수록 서버 내부, 랙 간, 클러스터 간, 데이터센터 간 데이터 이동량이 폭증한다. 전기 배선만으로 이 데이터를 처리하면 전력과 발열 부담이 커진다. 그래서 광기술은 장거리 백본망에서 데이터센터 내부로, 다시 서버와 패키지 가까이로 들어오게 된다.
이 흐름의 끝에 있는 기술이 CPO, Co-Packaged Optics와 실리콘포토닉스다.
CPO는 스위치 ASIC이나 연산칩 가까이에 광모듈을 붙이는 구조다. 실리콘포토닉스는 실리콘 기판 위에 광회로를 구현하는 기술이다. 두 기술의 방향은 같다. 데이터가 전기 신호로 이동해야 하는 거리를 줄이고, 가능한 한 빨리 빛으로 바꿔 전송하는 것이다.
따라서 광전융합은 단순 광통신 부품 이야기가 아니다. 이것은 AI 반도체 패키징, 데이터센터 네트워크, 광소자, 파운드리, 소재, 장비가 만나는 새로운 생태계다.
SK가 이 투자에 관심을 가질 수밖에 없는 이유
SK그룹 입장에서 보면 IOWN은 통신 기술에만 머물지 않는다. SK는 이미 AI 인프라 밸류체인의 여러 축을 동시에 갖고 있다.
SK하이닉스는 HBM과 차세대 메모리의 핵심 공급자다.
SK텔레콤은 AI 데이터센터, GPUaaS, 통신망, 엣지 인프라를 연결할 수 있는 사업자다.
여기에 NVIDIA와의 협력을 통해 AI Factory 연산 스택을 확보하고 있다.
그런데 AI Factory가 커질수록 다음 병목은 연산 장비만이 아니라 데이터 이동으로 넘어간다. HBM이 GPU 옆에서 데이터를 빠르게 공급하는 역할을 한다면, 광통신망과 광전융합 기술은 AI Factory와 AI Factory, AI Factory와 산업 현장, AI Factory와 엣지를 연결하는 역할을 한다.
이 관점에서 SK의 전략은 다음과 같이 이어진다.
HBM → GPU cluster → AI Factory → 통신 백본망 → Edge AI → 산업 현장
여기에 IOWN이 들어오면 구조는 더 명확해진다.
HBM과 GPU가 토큰을 생산하고, APN과 광전융합 네트워크가 그 토큰을 이동시킨다.
즉, SK-NVIDIA 협력과 SK-NTT IOWN 투자는 별개의 사건이 아니다. 하나는 AI Factory의 연산 축이고, 다른 하나는 AI Factory의 광통신 축이다. 두 축이 결합될 때 통신사는 단순 회선 사업자가 아니라 AI workload를 배포하고 산업 데이터의 이동 경로를 최적화하는 인프라 사업자로 재정의될 수 있다.
광섬유와 preform 논리는 더 강해진다
IOWN이나 광전융합 이야기가 나오면, 투자 포인트가 광섬유와 preform에서 반도체 쪽으로만 옮겨가는 것처럼 보일 수 있다. 하지만 실제로는 그렇게 단절적으로 볼 필요가 없다.
광전융합 반도체가 확산될수록 데이터센터 내부와 데이터센터 간 연결에서 더 많은 광경로가 필요해진다. 칩 가까이까지 빛을 끌어오면, 그 빛이 이동할 광섬유, 커넥터, 광모듈, AOC, 고성능 케이블 수요도 같이 늘어난다.
즉, 밸류체인은 이렇게 이어진다.
AI Factory 확대 → GPU·HBM 집적도 상승 → 데이터 이동량 증가 → 광전변환 병목 확대 → CPO·실리콘포토닉스 부각 → 특수광섬유·preform·광커넥터·광모듈 수요 확대
이 구조에서는 preform이 단순 원재료가 아니다. AI 데이터센터와 백본망에 필요한 특수광섬유를 안정적으로 만들 수 있는 상류 병목이다. G.654.E, G.657, 다심 광섬유, 공심 광섬유 같은 고부가 제품 수요가 커질수록 preform과 고순도 석영, 도핑 소재, 특수 공정 역량의 전략적 가치는 더 커진다.
 |
| https://www.reuters.com/technology/amazon-corning-sign-multi-billion-dollar-deal-boost-fiber-optics-manufacturing-2026-06-08/ |
 |
| Corning도 핵심수혜 기업군. |
지난 글에서 Hengtong, ZTT, YOFC, Sumitomo Electric, Fujikura를 정리했던 이유도 여기에 있다. 이들은 단순 전선·케이블 업체가 아니라, AI 데이터센터 시대에 광통신 소재·부품·인터커넥트 업체로 재평가될 수 있는 기업들이다.
IOWN은 이 재평가의 기술적 근거를 더 강하게 만들어준다.
한국은 고밀도 AI Factory 실험장이다
한국의 포지션도 다시 봐야 한다.
미국은 모델과 하이퍼스케일 클라우드의 본진이다. 중국은 제조 내수와 국가 주도 인프라가 강하다. 유럽은 소버린 AI와 산업 규제 시장에서 중요하다. 반면 한국은 다른 강점을 가진다.
한국은 HBM, 제조 현장, 통신망, 클라우드 사업자, 로봇·모빌리티 실증 수요가 좁은 국토 안에 밀집된 국가다. AI Factory에서 생산한 토큰을 반도체 공장, 자동차 생산라인, 배터리 공장, 조선소, 가전 제조, 로봇, 통신망, 클라우드 서비스로 빠르게 연결해볼 수 있다.
이것은 초대형 내수 시장과는 다른 경쟁력이다. 한국은 고밀도 산업형 AI Factory 실험장에 가깝다.
따라서 한국 AI Factory 전략의 본질은 단순 데이터센터 증설이 아니다. HBM 공급망, 제조 현장, 통신망, 엣지 인프라, 클라우드 사업자를 하나의 산업형 token factory로 묶는 전략이다.
여기에 IOWN과 광전융합 기술이 붙으면 한국의 역할은 더 확장된다. 한국은 AI Factory를 짓는 시장을 넘어, AI Factory에서 생산된 토큰을 산업 현장으로 낮은 지연시간에 흘려보내는 광통신·광전융합 실증 시장이 될 수 있다.
투자 관점에서 봐야 할 변화
이번 IOWN 투자의 의미는 단순히 NTT가 새로운 통신 기술을 밀고 있다는 정도에 그치지 않는다. 더 중요한 것은 AI 인프라 투자의 범위가 GPU와 HBM에서 광통신망과 광전융합 반도체로 넓어지고 있다는 점이다.
지금까지 시장은 AI 인프라를 볼 때 주로 GPU, HBM, 전력기기, 냉각, 데이터센터 REITs에 집중했다. 하지만 Agentic AI와 Edge AI가 확산될수록 투자 범위는 더 넓어진다.
앞으로 봐야 할 축은 다음과 같다.
첫째, AI Factory 내부 인터커넥트다.
GPU 클러스터가 커질수록 랙 내부, 랙 간, 서버 간 연결 병목이 커진다. 이 구간에서는 AOC, 광모듈, 고속 커넥터, CPO, 실리콘포토닉스가 중요해진다.
둘째, 데이터센터 간 연결, 즉 DCI다.
전력과 부지 제약으로 AI 데이터센터가 분산되면, 여러 데이터센터를 하나의 연산 풀처럼 묶는 scale-across가 필요하다. 이 구간에서는 coherent optics, G.654.E 초저손실 광섬유, 장거리 백본망이 중요해진다.
셋째, 메트로망·엣지망·RAN이다.
Agentic AI는 데이터센터 안에서만 작동하지 않는다. 공장, 로봇, 차량, 카메라, 기지국, 엣지 서버와 계속 연결된다. 이 구간에서는 저지연 광통신망, 엣지 데이터센터, AI-RAN, 분산 추론 인프라가 중요해진다.
넷째, 광전융합 반도체 생태계다.
광통신이 네트워크 장비 밖에서만 쓰이는 것이 아니라, 서버와 반도체 패키지 안으로 들어오면 실리콘포토닉스, CPO, 광전변환 칩, DSP, 광패키징, 파운드리 공정이 하나의 생태계로 묶인다.
결국 AI 인프라 밸류체인은 이렇게 확장된다.
GPU·HBM → AI 데이터센터 → 광통신 백본 → 특수광섬유·preform → 광모듈·coherent optics → CPO·실리콘포토닉스 → 광전융합 반도체
결론: IOWN은 Optical AI Backbone의 다음 장이다
이번 SK그룹과 NTT의 IOWN 투자는 지난 글에서 정리한 Optical AI Backbone 논리의 연장선상에 있다.
지난 글의 핵심은 AI Factory 시대에는 광섬유와 광통신 백본이 토큰 이동의 신경망으로 재평가될 수 있다는 것이었다. 이번 IOWN 투자는 그 신경망을 단순히 더 많이 까는 단계를 넘어, 네트워크·서버·반도체 패키지 안의 전기적 병목을 빛으로 대체하려는 움직임이다.
즉, AI 데이터센터가 커지고, scale-across가 확산되고, Edge AI와 Agentic AI가 산업 현장으로 들어갈수록 데이터 이동량은 더 커진다. 이때 필요한 것은 더 많은 GPU만이 아니다. 더 낮은 전력으로, 더 빠르게, 더 멀리, 더 안정적으로 데이터를 이동시키는 광자 기반 인프라다.
결국 AI 인프라의 경쟁력은 연산 장비의 규모만으로 결정되지 않는다.
토큰을 낮은 원가로 생산하고, 그 토큰을 산업 현장까지 지연 없이 전달할 수 있는가가 핵심이다.
SK-NVIDIA 협력이 토큰 생산 공장에 대한 투자라면, SK-NTT IOWN 투자는 그 토큰이 이동할 광자 기반 신경망에 대한 선제 투자다.
이 관점에서 보면 IOWN은 단순한 일본 통신사의 차세대 광통신 프로젝트으로 해석하기보다는
AI Factory, 광통신 백본, 특수광섬유, preform, CPO, 실리콘포토닉스, 광전융합 반도체 생태계를 하나로 묶는 Optical AI Backbone의 다음 장으로 해석하는게 맞지않을까 한다.
=끝
댓글 없음:
댓글 쓰기