전기 대신 빛으로 계산한다|포토닉 AI 컴퓨팅 쉽게 알아보기
왜 지금 포토닉 AI 컴퓨팅을 알아봐야 할까?
챗GPT 같은 생성형 AI가 빠르게 발전하면서 AI가 처리해야 하는 계산량도 함께 커지고 있습니다.
AI 서버에는 수많은 GPU와 AI 가속기가 들어가는데, 문제는 성능만 높이면 끝나는 것이 아니라는 점입니다. 전력도 더 필요하고 열도 많이 발생하며, GPU와 메모리 사이에서 엄청난 양의 데이터를 계속 옮겨야 합니다.
국제에너지기구(IEA)는 전 세계 데이터센터 전력 소비가 2025년 약 485TWh에서 2030년 약 950TWh로 거의 두 배가 될 것으로 전망하고 있으며, 특히 AI 중심 데이터센터의 전력 소비는 더 빠르게 증가할 것으로 보고 있습니다. IEA
그래서 연구자들은 이런 질문을 던지고 있습니다.
“지금처럼 모든 계산을 전자식 반도체에만 맡기지 않고, 일부 계산을 빛에게 맡기면 어떨까?”
여기에서 포토닉 컴퓨팅이 등장합니다.
포토닉 컴퓨팅이란 무엇일까?
우리가 사용하는 CPU와 GPU에서는 기본적으로 트랜지스터가 전기 신호를 조절하면서 계산합니다.
포토닉 컴퓨팅(Photonic Computing) 또는 광컴퓨팅(Optical Computing)은 이와 달리 빛의 세기, 위상, 파장 같은 특성을 이용해 특정 계산을 수행하는 기술입니다.
여기서 중요한 것은 ‘컴퓨터 전체가 빛으로 바뀐다’는 뜻이 아니라는 것입니다.
현재 개발되는 시스템 상당수는 광학 장치가 특정 연산이나 데이터 전송을 담당하고, 메모리·제어·입출력 등은 기존 전자회로가 맡는 광전자 하이브리드 구조입니다. 2026년 Nature Photonics의 최신 분석 역시 포토닉 AI 가속기를 기존 디지털 컴퓨팅 생태계와 결합하는 방향을 현실적인 발전 경로로 설명합니다. Nature
빛으로 어떻게 계산할 수 있을까?
빛을 자동차라고 생각해 보겠습니다.
하나의 도로에 자동차 한 대만 다니는 것이 아니라 서로 다른 색깔의 빛을 동시에 보내거나, 여러 광경로를 동시에 사용할 수 있습니다.
칩 안에서는 아주 작은 ‘빛의 길’인 광도파로(Waveguide)를 만들 수 있습니다. 빛을 나누고 합치면서 서로 간섭하도록 만들면 입력된 값에 따라 출력되는 빛의 세기가 달라집니다.
이 특성을 잘 설계하면 덧셈이나 곱셈을 조합한 행렬 연산을 광학적으로 구현할 수 있습니다.
AI에서 행렬 곱셈이 중요한 이유는 간단합니다. 이미지 인식부터 대규모 언어 모델까지 신경망에서는 수많은 숫자를 서로 곱하고 더하는 작업이 반복되기 때문입니다.
2026년 Nature Photonics에는 하나의 광 전파 과정으로 병렬적인 행렬-행렬 연산을 수행하는 방식이 보고됐고, Nature Communications에서도 재구성 가능한 광학 행렬 연산 프로세서가 연구 단계에서 시연됐습니다. Nature
기존 GPU와 무엇이 다를까?
| 구분 | 기존 전자식 AI 반도체 | 포토닉 AI 컴퓨팅 |
|---|---|---|
| 주요 신호 | 전기 신호 | 빛을 연산에 활용 |
| 계산 기반 | 트랜지스터 | 간섭·파장·세기·위상 등 광학 특성 |
| 병렬 처리 | 이미 매우 뛰어남 | 특정 연산에서 높은 병렬성 가능 |
| AI 행렬 연산 | 광범위하게 활용 | 핵심 연구 분야 |
| 메모리·제어 | 전자식 시스템이 매우 성숙 | 상당 부분 전자회로에 의존 |
| 상용화 수준 | 대규모 상용화 | 연구·실증·초기 제품화 단계가 혼재 |
| 당면 과제 | 전력·발열·데이터 이동 | 정밀도·변환 비용·집적·소프트웨어 등 |
따라서 포토닉 컴퓨팅을 단순히 ‘GPU보다 빠른 새로운 칩’이라고 이해하면 정확하지 않습니다.
GPU는 범용성이 높고 소프트웨어 생태계가 이미 매우 잘 구축돼 있습니다. 반면 광컴퓨팅은 빛의 물리적 특성이 유리한 특정 작업을 빠르고 효율적으로 처리하는 방향에서 강점을 찾고 있습니다.
왜 AI 분야에서 특히 주목받을까?
빛은 여러 파장과 경로를 동시에 활용할 수 있어 자연스럽게 병렬 처리가 가능합니다.
특히 신경망에서 반복되는 선형대수와 행렬 연산은 광학 장치가 잘 활용될 수 있는 영역으로 연구되고 있습니다.
2026년 Nature Nanotechnology 리뷰는 광컴퓨팅의 주요 잠재력으로 높은 대역폭, 대규모 병렬성, 에너지 효율 가능성을 꼽으면서 동시에 재료, 제조, 집적과 시스템 확장 문제가 함께 해결돼야 한다고 설명합니다. Nature
포토닉 AI 컴퓨팅의 장점은?
첫째, 여러 빛의 신호를 동시에 처리하기 때문에 특정 AI 연산에서 높은 병렬성을 얻을 가능성이 있습니다.
둘째, 일부 선형 연산에서는 트랜지스터를 계속 스위칭하는 방식과 다른 물리적 계산 과정을 활용하므로 에너지 효율을 개선할 가능성이 있습니다.
셋째, 광통신 기술과 결합하면 칩과 칩, GPU와 GPU 사이의 데이터 이동 문제를 줄이는 데도 도움이 될 수 있습니다.
실제로 현재 산업계에서는 ‘빛으로 직접 계산하는 칩’뿐 아니라 AI 칩 사이를 광학적으로 연결하는 포토닉 인터커넥트가 빠르게 개발되고 있습니다. 미국 NIST도 광자 기술과 전자식 연산을 결합하는 하이브리드 컴퓨팅을 연구하고 있습니다. NIST
국내에서도 ETRI가 2025년 CPU·메모리·GPU 같은 데이터센터 자원을 광스위치로 연결하는 Optical Disaggregation 기술을 공개했습니다. 다만 이것은 빛으로 AI 행렬 계산을 수행하는 ‘광컴퓨팅’ 자체라기보다 광통신·광인터커넥트 기술에 더 가깝다는 점을 구분해서 볼 필요가 있습니다. ETRI
아직 해결해야 할 문제도 많다
빛을 사용한다고 자동으로 모든 문제가 해결되는 것은 아닙니다.
광학 장치는 매우 정밀하게 제어해야 하고 온도 변화나 제조 오차도 영향을 줄 수 있습니다.
또 전자 데이터를 빛으로 바꾸고 다시 빛을 전기 신호로 바꾸는 과정에는 변조기, 광검출기, 데이터 변환 회로 등이 필요합니다. 이 과정에서 전력과 시간이 사용됩니다.
메모리도 큰 과제입니다. AI 시스템에서는 계산만큼이나 데이터를 어디에 저장하고 얼마나 빠르게 가져오느냐가 중요하기 때문입니다.
2026년 Nature Photonics 분석은 대규모 포토닉 AI 시스템에서 광손실과 전기-광 변환 인터페이스가 전력과 처리량에 큰 영향을 줄 수 있으며, 이것이 광학 텐서 코어의 대규모 상용화를 어렵게 만드는 요소라고 지적합니다. Nature
연산 정확도, 제조 비용, 프로그래밍 환경, 전자 반도체와의 패키징, 대규모 확장성 역시 해결해야 할 문제입니다.
현재 어디까지 왔을까?
기술 수준을 세 단계로 나누면 이해하기 쉽습니다.
| 단계 | 현재 상황 |
|---|---|
| 실제 상용화 | GPU·CPU와 광통신, 데이터센터용 광인터커넥트는 이미 널리 활용 |
| 연구·초기 제품화 | 광학 행렬 연산, 포토닉 신경망, 광 AI 가속기 등이 활발히 개발 |
| 미래 가능성 | 대규모 생성형 AI 학습·추론을 포함한 광전자 하이브리드 컴퓨팅 확대 |
2026년에는 칩 내부에서 역전파 학습까지 구현하려는 포토닉 신경망 연구도 Nature에 발표됐습니다. 하지만 이런 성과는 첨단 연구 결과이지, 현재 데이터센터의 GPU를 광컴퓨터가 이미 대체했다는 뜻은 아닙니다. Nature
기업들도 포토닉 기술을 AI 인프라에 적용하고 있습니다. 예를 들어 Lightmatter는 현재 AI 시스템용 포토닉 인터커넥트 제품을 개발해 평가·초기 공급 단계로 확장하고 있습니다. 다만 기업이 제시하는 대역폭이나 효율 수치는 해당 제품의 조건에서 측정한 값이므로 전체 포토닉 컴퓨팅 기술의 보편적인 성능으로 해석해서는 안 됩니다. Lightmatter®
그렇다면 GPU가 사라질까?
현재로서는 그렇게 보기 어렵습니다.
GPU에는 계산 장치뿐 아니라 메모리 시스템, 소프트웨어, 개발 도구, 네트워크와 수십 년 동안 축적된 반도체 기술이 결합돼 있습니다.
포토닉 AI 컴퓨팅은 이 모든 기능을 한 번에 대체하기보다 행렬 계산이나 데이터 이동처럼 빛이 잘할 수 있는 부분을 맡고, 나머지는 기존 전자식 반도체가 담당하는 방향이 현실적입니다.
즉 앞으로는
GPU 대 포토닉 컴퓨터
라는 경쟁보다는
GPU + 전자식 메모리 + 포토닉 연산 또는 광인터커넥트
같은 형태가 더 중요해질 가능성이 있습니다.
앞으로 어디에 활용될 수 있을까?
현재 연구 흐름을 보면 포토닉 기술은 AI 데이터센터, 생성형 AI 추론, 일부 학습 연산, 고성능 컴퓨팅, 칩 간 초고속 연결, 머신비전, 엣지 AI 등의 분야에서 활용 가능성이 연구되고 있습니다. Nature
특히 단순히 ‘빛으로 계산한다’는 것보다 연산과 통신을 어디까지 광학적으로 결합할 수 있느냐가 앞으로 중요한 경쟁 포인트가 될 가능성이 큽니다.
포토닉 AI 컴퓨팅을 한마디로 정리하면
포토닉 AI 컴퓨팅은 컴퓨터의 모든 전자회로를 빛으로 바꾸는 기술이라기보다, AI가 많이 사용하는 특정 계산과 데이터 이동에 빛의 높은 병렬성과 대역폭을 활용하려는 차세대 컴퓨팅 기술이라고 이해하면 쉽습니다.
현재는 기존 GPU를 밀어내는 완성형 광컴퓨터의 시대라기보다 전자 반도체와 포토닉 기술이 서로 잘하는 일을 나눠 맡는 하이브리드 컴퓨팅으로 가는 과정에 더 가깝습니다.
자주 묻는 질문
Q. 포토닉 컴퓨팅은 전기를 전혀 사용하지 않나요?
아닙니다. 레이저 구동, 제어회로, 메모리, 신호 변환, 데이터 입출력 등에 전력이 필요합니다. 현재 대부분의 현실적인 시스템은 광학과 전자 기술을 함께 사용합니다.
Q. 포토닉 AI 컴퓨팅이 GPU를 대체할 수 있나요?
특정 AI 연산을 보조하거나 가속하는 역할은 확대될 수 있지만, 현재 기준으로 GPU 전체를 단기간에 대체할 기술로 보기는 어렵습니다. 광전자 하이브리드 방식이 중요한 발전 방향입니다. Nature
Q. 이미 상용화된 기술인가요?
광통신과 광인터커넥트는 이미 실제 산업에서 널리 이용되고 있습니다. 반면 빛으로 AI 핵심 연산을 직접 수행하는 포토닉 가속기는 연구·실증·초기 제품화가 함께 진행되는 단계입니다.
Q. 광컴퓨팅과 광통신은 같은 기술인가요?
관련 기술을 공유하지만 목적은 다릅니다. 광통신은 주로 데이터를 빠르게 전달하는 것이 목적이고, 광컴퓨팅은 빛을 이용해 실제 계산 과정까지 수행하려는 기술입니다.
Q. 스마트폰에도 포토닉 AI가 들어갈 수 있을까요?
장기적으로 엣지 AI와 센서 처리 분야에서 가능성이 연구되고 있지만, 비용·크기·집적도·전력·소프트웨어 문제를 해결해야 하므로 현재 일반 스마트폰에 광 AI 가속기가 보편화된 단계는 아닙니다.