[태그:] 광통신

아이온큐 양자 메모리는 왜 필요한가? 실제 광통신망 실험으로 보는 양자인터넷의 핵심

아이온큐(IonQ)가 양자 메모리를 실제 광통신망에 넣으려는 이유는 양자 정보를 장거리로 연결할 때 필요한 ‘기다림과 동기화’를 해결하기 위해서다.

일반 인터넷에서는 약해진 신호를 중간 장비가 받아 증폭하거나 복제해 다시 보내면 된다. 하지만 알려지지 않은 양자 상태는 마음대로 복제할 수 없다. 장거리 양자통신에서 기존 인터넷의 중계 방식을 그대로 사용할 수 없는 이유다.

미국 국립표준기술연구소(NIST)는 양자 메모리를 광자의 양자 상태를 저장했다가 필요할 때 높은 충실도로 꺼내는 장치로 설명한다. 양자 리피터에서는 서로 다른 구간에서 도착하는 광자를 잠시 저장하고 적절한 순간에 꺼내 얽힘 연결을 수행하는 역할을 할 수 있다.

이 기술이 다시 주목받은 계기는 2026년 8월 3일 아이온큐와 미국 테네시주 채터누가의 통신·에너지 사업자 EPB가 발표한 Tennessee Quantum Communications Research Center다. 아이온큐는 5년간 1,500만 달러를 투자하고 EPB의 실제 운영 광섬유망을 연구 환경으로 활용할 계획이다.

중요한 점은 이것을 곧바로 ‘양자인터넷 상용화’로 받아들이면 안 된다는 것이다. 현재 단계는 실제 통신 환경에서 양자 메모리와 양자 네트워크 기술을 검증하는 R&D에 가깝다.

아이온큐 양자 메모리, 무엇을 하는 장치인가

양자 메모리는 이름 때문에 양자컴퓨터의 RAM처럼 생각하기 쉽지만, 이번 프로젝트에서는 네트워크에서 전달되는 양자 상태를 필요한 시간 동안 보존하고 다시 활용할 수 있게 만드는 장치라는 설명이 더 적절하다.

NIST는 광학 양자 메모리를 광자의 양자 상태를 저장하고 필요할 때 다시 꺼낼 수 있는 장치로 정의한다. 장거리 양자통신을 위한 양자 리피터 구현의 중요한 구성요소이기도 하다.

왜 저장이 필요할까?

멀리 떨어진 두 지점을 한 번에 연결한다고 생각하기보다 A-B, B-C처럼 여러 짧은 구간에서 양자 얽힘을 만들고 이를 연결한다고 생각하면 이해하기 쉽다.

문제는 각 구간에서 성공하는 시점이 항상 같지 않다는 것이다.

A-B 연결이 먼저 성공했는데 B-C 연결이 아직 준비되지 않았다면 먼저 만들어진 양자 상태를 잠시 유지해야 한다. 양자 메모리는 이런 시간차를 맞추는 데 사용될 수 있다.

NIST 역시 양자 리피터에서 광자들이 정확히 같은 시점에 간섭하도록 만드는 것이 기술적으로 어렵기 때문에, 양자 메모리로 상태를 저장했다가 준비가 됐을 때 제어해서 방출하는 방식을 설명한다.

기존 광통신 중계기와 무엇이 다른가

차이는 ‘복사해서 다시 보내느냐’에 있다.

구분	일반 광통신 중계 방식	양자 메모리를 활용하는 방식
다루는 정보	고전 정보	양자 상태
중간 신호 처리	검출·재생·증폭 가능	임의의 양자 상태를 그대로 복제할 수 없음
저장 목적	데이터 버퍼링 등	양자 상태 보존·동기화
장거리 연결	기존 광중계 기술 활용	양자 리피터 등 별도 기술 필요
현재 성숙도	상용 인프라	연구·실증 단계

양자 네트워크에서는 알려지지 않은 양자 상태를 완벽하게 복제할 수 없다는 이른바 no-cloning 원리 때문에 기존 통신망처럼 단순한 ‘수신→복사→재전송’ 방식으로 문제를 해결할 수 없다.

장거리 광섬유에서 광자 손실이 누적되는 문제도 있다. 2026년 Nature에 발표된 양자 리피터 연구에서도 광섬유에서 거리에 따라 증가하는 광자 손실이 장거리 얽힘 분배의 핵심 난제로 지적됐다. 연구진은 양자 메모리를 이용한 얽힘 교환 등을 장거리 양자 네트워크 구현을 위한 주요 접근법으로 다뤘다.

그렇다면 양자 메모리가 곧 양자 리피터인가

둘을 같은 것으로 보면 안 된다.

양자 메모리는 양자 리피터를 구성할 수 있는 핵심 요소 가운데 하나다. NIST의 양자 네트워크 연구에서도 단일광자원, 검출기, 양자 메모리, 양자 인터페이스 등을 양자 리피터를 구성하기 위한 기술로 함께 다룬다.

다만 모든 양자 리피터 방식에 물질 기반의 장시간 양자 메모리가 반드시 필요한 것은 아니다.

예를 들어 전광자(all-photonic) 방식처럼 기존의 메모리 기반 구조와 다른 양자 리피터 연구도 존재한다. Nature Photonics에는 이미 양자 메모리를 사용하지 않는 전광자 방식의 실험 연구가 발표된 바 있다.

따라서 “양자인터넷을 만들려면 무조건 아이온큐 방식의 양자 메모리가 필요하다”라고 단정하는 것은 정확하지 않다.

현재는 여러 기술 경로가 경쟁하는 연구 단계다.

아이온큐와 EPB는 무엇을 하려는가

2026년 8월 3일 발표를 기준으로 아이온큐와 EPB의 계획을 정리하면 다음과 같다.

항목	발표 내용
프로젝트	Tennessee Quantum Communications Research Center
발표일	2026년 8월 3일
위치	미국 테네시주 채터누가
투자	아이온큐 5년간 1,500만 달러
연구 환경	EPB 실제 운영 광섬유 네트워크
핵심 기술	Quantum Memory 및 Quantum Networking
아이온큐 역할	연구 인력 및 양자 메모리 기술
EPB 역할	실제 네트워크 테스트 환경 및 상용화 파트너
현재 단계	연구·개발 및 실증

아이온큐는 해당 센터에 자사 표현으로 ‘상용 양자 메모리’를 실제 운영 중인 통신 네트워크에 배치한다고 밝혔다.

여기서 commercial quantum memory라는 표현과 ‘양자인터넷이 상용화됐다’는 말은 구분해야 한다.

아이온큐의 공식 발표 자체가 이 시설을 차세대 양자통신 R&D 혁신 연구소라고 설명하고 있다.

왜 연구실이 아니라 실제 광통신망에서 시험할까

이번 프로젝트에서 기술적으로 눈여겨볼 부분은 ‘양자 메모리를 만들었다’는 사실만이 아니다.

운영 중인 광섬유 네트워크에 연결해 연구한다는 점이 중요하다.

연구실에서 장비를 통제하는 것과 실제 통신망에서 안정적으로 작동시키는 것은 다른 문제이기 때문이다.

실제 네트워크에서는 장비 안정성, 광손실, 다른 장비와의 인터페이스, 동기화, 장시간 운용 등 여러 현실적인 조건을 고려해야 한다.

독립 기술매체 TechTimes도 이번 프로젝트를 연구실 환경을 벗어나 실제 광섬유 인프라에서 양자 메모리를 시험한다는 관점에서 다뤘다.

아이온큐 역시 EPB가 실제 네트워크 개발 테스트베드를 제공하고 연구 결과를 공공·민간 분야의 활용 사례로 연결하는 역할을 맡는다고 설명한다.

지금 확인해야 할 것은 ‘설치’보다 성능이다

이번 발표에서 특히 주의해서 볼 부분이 있다.

아이온큐는 양자 메모리와 실제 네트워크를 연결하는 계획, 투자 규모와 연구센터 역할을 공개했지만, 공식 발표에서 실제 장비의 상세 성능을 충분히 공개하지는 않았다.

양자 메모리를 기술적으로 평가하려면 적어도 다음과 같은 지표가 중요해진다.

양자 상태를 얼마나 오래 유지할 수 있는가
저장한 상태를 얼마나 정확하게 복원하는가
저장·회수 효율은 어느 정도인가
통신용 파장과 얼마나 효율적으로 연결되는가
실제 네트워크에서 어느 거리까지 안정적인가
다른 양자 노드와 연결했을 때 성능이 어떻게 변하는가

따라서 지금 단계에서는 “실제 광망에 들어갔다”는 사실만으로 장거리 양자인터넷 문제가 해결됐다고 판단하기 어렵다.

앞으로 아이온큐와 EPB가 저장시간, 충실도, 효율, 실제 전송거리와 같은 실증 데이터를 얼마나 공개하느냐가 더 중요하다.

양자 메모리에서 양자인터넷까지, 단계별로 보면

이번 프로젝트의 위치를 과장하지 않고 이해하려면 기술 발전 단계를 나눠보는 것이 편하다.

1단계: 양자 상태 저장

광자가 가진 양자 정보를 저장하고 다시 꺼내는 기술이 필요하다.

2단계: 네트워크 장비와 연결

양자 메모리를 광섬유와 광원, 검출기 등 다른 구성요소와 안정적으로 연결해야 한다.

3단계: 실제 광통신망 실증

통제된 연구실이 아닌 운영 중인 광망에서 성능과 안정성을 확인한다.

아이온큐와 EPB가 강조하는 부분이 여기에 해당한다.

4단계: 양자 리피터 구현

여러 구간의 양자 연결을 안정적으로 이어 더 먼 거리까지 얽힘을 분배할 수 있어야 한다.

5단계: 여러 양자 노드 연결

양자컴퓨터와 양자 네트워크 노드 등을 서로 연결하는 단계다.

6단계: 대규모 양자 네트워크

충분한 신뢰성과 경제성까지 확보돼야 우리가 흔히 말하는 ‘양자인터넷’에 가까워질 수 있다.

따라서 2026년 8월의 아이온큐 발표는 3단계에 가까운 실증 인프라 구축 움직임으로 보는 것이 안전하다.

아이온큐가 양자 네트워크까지 확장하는 이유

아이온큐는 양자컴퓨터만 개발하는 회사로 알려져 있지만 최근 사업 범위는 네트워킹과 보안 등으로 넓어지고 있다.

회사의 2026년 2분기 공식 자료에서도 Tennessee Quantum Communications Research Center와 실제 광섬유망에 설치되는 양자 메모리를 최근 사업 성과 가운데 하나로 제시했다. 같은 자료에는 양자 네트워킹과 양자 보안 관련 사업도 포함돼 있다.

이는 양자컴퓨터 한 대의 성능만 높이는 것과 별도로 여러 양자 시스템을 네트워크로 연결하는 기술을 사업 축으로 가져가려는 움직임으로 해석할 수 있다.

다만 이것 역시 기술적 방향에 대한 해석이지 미래의 상용화 성공이나 기업가치를 보장하는 근거는 아니다.

발표를 볼 때 구분해야 할 세 가지

아이온큐 양자 메모리 관련 소식을 접했다면 다음 세 가지를 구분하면 과장된 해석을 피하기 쉽다.

이미 확인된 것

아이온큐와 EPB가 2026년 8월 3일 연구센터 계획을 발표했다.
아이온큐는 5년 동안 1,500만 달러를 투자할 계획이다.
EPB의 운영 광섬유 네트워크를 연구 테스트베드로 사용한다.
양자 메모리와 양자 네트워킹이 주요 연구 대상이다.

앞으로 확인해야 할 것

실제 양자 메모리 성능
저장시간과 충실도
저장·회수 효율
실제 네트워크 실증 거리
양자 리피터로 확장되는 과정
여러 양자컴퓨터 또는 양자 노드 사이의 연결 결과

아직 단정하기 어려운 것

대규모 양자인터넷의 상용화 시점
이 기술이 최종적인 양자 리피터 표준이 될지 여부
실제 서비스의 가격과 경제성
경쟁 기술보다 우월한지 여부

이 구분이 중요한 이유는 양자기술 발표에서 ‘연구센터 구축’, ‘실증’, ‘상용 장비’, ‘상용 서비스’가 서로 다른 단계이기 때문이다.

핵심 요약

아이온큐 양자 메모리 프로젝트에서 주목할 부분은 양자 메모리가 존재한다는 것보다 실제 운영 광섬유망으로 연구 환경을 옮긴다는 점이다.

장거리 양자통신에서는 광자 손실과 양자 상태의 동기화 문제가 발생한다. 양자 메모리는 상태를 잠시 저장했다가 필요한 시점에 꺼냄으로써 메모리 기반 양자 리피터와 장거리 양자 네트워크를 구현하는 데 활용될 수 있다.

하지만 현재 발표만으로 양자인터넷이 상용화됐다고 판단해서는 안 된다.

2026년 8월 25일 기준으로 가장 정확한 표현은 아이온큐와 EPB가 실제 운영 광망을 활용해 양자 메모리와 차세대 양자 네트워크를 검증하는 연구·실증 단계에 들어가고 있다는 것이다.

다음에 확인할 뉴스는 새로운 투자 발표보다 실제 성능 데이터다. 저장시간·충실도·효율·실증 거리 같은 수치가 공개되기 시작하면 이번 프로젝트의 기술적 의미를 훨씬 구체적으로 평가할 수 있다.

FAQ

아이온큐 양자 메모리는 일반 컴퓨터 메모리와 같은 것인가?

아니다. 일반 RAM처럼 비트 데이터를 저장하는 장치가 아니라 양자 상태를 저장하고 필요할 때 다시 이용하기 위한 기술이다. NIST는 광학 양자 메모리를 광자의 양자 상태를 저장하고 높은 충실도로 다시 꺼낼 수 있는 장치로 설명한다.

양자 메모리가 있으면 바로 양자인터넷을 만들 수 있나?

아니다. 양자 메모리는 중요한 구성요소지만 광원, 검출기, 양자 인터페이스, 양자 리피터와 네트워크 제어 등 여러 기술이 함께 필요하다.

기존 인터넷 중계기를 양자인터넷에 사용하면 안 되나?

같은 방식으로 사용할 수 없다. 기존 통신에서는 신호를 읽고 재생하거나 복제할 수 있지만 알려지지 않은 양자 상태를 임의로 완벽하게 복제할 수 없기 때문이다. 장거리 양자통신에서는 이를 해결하기 위한 별도의 리피터 구조가 연구되고 있다.

아이온큐가 양자인터넷을 상용화한 것인가?

아니다. 2026년 8월 3일 발표는 실제 운영 광섬유망에 연결된 양자통신 R&D 센터를 구축하는 프로젝트다. 상용 양자 메모리라는 표현이 등장하지만 대규모 양자인터넷 서비스가 상용화됐다는 뜻은 아니다.

앞으로 어떤 발표를 확인해야 하나?

양자 메모리의 저장시간, 충실도, 저장·회수 효율, 실증 거리와 실제 양자 노드 연결 결과가 중요하다. 이런 수치가 공개돼야 연구센터 구축이라는 단계에서 실제 네트워크 성능 검증 단계로 얼마나 진전됐는지 평가할 수 있다.

출처 및 참고자료

2026년 08월 25일

AI 데이터센터 광통신이 중요한 이유, 800G·1.6T·CPO는 무엇이 다른가

AI 데이터센터 광통신을 이해할 때 가장 먼저 구분해야 할 것이 있습니다. 800G와 1.6T는 데이터 전송 속도를 가리키고, CPO(Co-Packaged Optics)는 광학 부품을 어디에 배치하느냐를 바꾸는 구조입니다.

따라서 800G → 1.6T → CPO를 하나의 세대 순서처럼 이해하면 정확하지 않습니다. 1.6T도 기존처럼 장비 앞쪽에 꽂는 플러거블 광트랜시버로 구현할 수 있고, CPO 역시 특정 속도 하나에만 묶인 기술이 아닙니다.

2026년 8월 13일 삼일PwC가 공개한 광통신 보고서가 주목한 것도 이 지점입니다. GPU와 AI 가속기의 수가 늘면서 이제는 연산 칩 자체뿐 아니라 수많은 가속기 사이에서 데이터를 얼마나 빠르고 효율적으로 이동시키느냐가 전체 시스템 성능을 좌우하는 문제로 커지고 있습니다.

왜 GPU가 빨라질수록 ‘연결’이 문제가 될까

대규모 AI 시스템은 GPU 한 개가 독립적으로 모든 계산을 처리하는 구조가 아닙니다. 수천 개 이상의 GPU와 AI 가속기가 데이터를 나누고 중간 결과를 계속 주고받으면서 하나의 거대한 병렬 컴퓨터처럼 움직입니다.

GPU가 계산을 끝냈더라도 다음 GPU가 필요한 데이터를 제때 받지 못하면 연산 장치는 기다려야 합니다. GPU 자체의 연산 성능을 높이는 것만으로 전체 AI 시스템이 같은 비율로 빨라지지 않는 이유입니다.

ETRI의 2026년 CPO 기술 동향 분석은 대규모 AI 데이터센터에서 GPU·AI ASIC을 수평 연결하는 스케일아웃 구조가 확대되며 노드 사이 트래픽이 급증하고 있다고 설명합니다. 해당 분석이 인용한 연구에서는 데이터센터 트래픽의 상당 부분이 외부 인터넷이 아니라 데이터센터 내부의 노드 간 통신에서 발생하는 것으로 봅니다.

문제는 연결 속도를 계속 높일수록 기존 전기 신호 방식의 부담도 커진다는 점입니다. PCB를 따라 이동하는 전기 신호는 속도가 올라갈수록 손실 보상이 까다로워지고, 이를 처리하기 위한 DSP와 관련 회로의 전력·발열 부담도 함께 증가합니다.

그래서 광통신이 통신사 백본이나 데이터센터 간 연결을 넘어 랙과 랙, 스위치와 스위치, 결국 반도체 패키지 가까이까지 내려오는 흐름이 만들어지고 있습니다. 삼일PwC도 AI 데이터센터에서 광통신 적용 영역이 랙 간 연결에서 스위치 패키지 내부 방향으로 확대되는 흐름을 짚었습니다.

800G·1.6T·CPO 차이를 먼저 구분하면 쉽다

구분	무엇을 뜻하나	2026년 현재 의미
800G	하나의 이더넷 연결에서 최대 800Gb/s급 데이터를 전송하는 속도 등급	AI·클라우드 데이터센터에서 실제 배치가 진행되는 고속 연결
1.6T	1.6Tb/s급 전송 속도	800G 다음 단계로 제품·표준·상호운용 생태계가 확대되는 단계
플러거블 광트랜시버	장비 전면 포트에 꽂아 전기 신호를 광신호로 바꾸는 모듈	유지보수와 교체가 쉽고 현재 광네트워크의 주류 구조
CPO	스위치 ASIC과 광학 엔진을 같은 패키지 또는 매우 가까운 위치에 배치하는 구조	전기 신호 이동 거리를 줄여 고대역폭·전력 효율 문제를 개선하려는 차세대 방식
실리콘 포토닉스	실리콘 기반 공정에 광도파로·변조기 등 광학 기능을 집적하는 기술	CPO를 구현하는 주요 기술 기반 중 하나

Ethernet Alliance의 2026 로드맵도 100G~800G 연결을 현재 AI 인프라의 핵심 속도 영역으로 두면서 1.6Tb/s Ethernet을 새롭게 부상하는 단계로 구분하고 있습니다.

즉, 800G와 1.6T는 도로의 차선 수 또는 처리 용량에 가까운 개념이고, 플러거블과 CPO는 그 도로에 데이터를 올려 보내는 장비의 배치 방식에 가깝습니다.

800G에서 1.6T로 간다고 자동으로 CPO가 되는 것은 아니다

이 부분은 관련 기사를 읽을 때 특히 혼동하기 쉽습니다.

1.6T 광통신은 이미 플러거블 방식으로도 개발되고 있습니다. Lumentum은 OFC 2026에서 1.6T DR4 OSFP 플러거블 트랜시버를 시연했습니다. 이 제품은 호스트 측에서 8개의 200Gb/s급 전기 인터페이스를 사용하고 광 측에서 총 1.6Tb/s급 연결을 구현하는 구조입니다.

이 사례 하나만 봐도 1.6T = CPO라는 등식은 성립하지 않습니다.

반대로 CPO의 핵심은 속도 숫자가 아니라 광학 엔진의 위치입니다.

기존 플러거블 구조는 대략 다음과 같습니다.

스위치 ASIC → PCB 전기 배선 → 장비 전면 광트랜시버 → 광섬유

CPO에서는 이를 다음처럼 바꾸려 합니다.

스위치 ASIC ↔ 가까이 집적된 광학 엔진 → 광섬유

ASIC에서 광학 엔진까지 전기 신호가 지나가는 거리를 짧게 만들어 고속 신호에서 커지는 손실과 전력 부담을 줄이는 것입니다.

CPO가 주목받는 핵심 이유는 ‘전기 구간’을 줄이는 데 있다

ETRI는 현재 데이터센터 광모듈 시장에서는 플러거블 광트랜시버가 주류이지만, 전송 대역폭이 커지면서 PCB 전기 배선에서 발생하는 RF 손실과 이를 보상하는 DSP의 전력 소모가 중요한 문제가 되고 있다고 분석합니다.

CPO는 스위치 ASIC과 광모듈을 같은 기판에 가깝게 집적해 이 전기 경로를 줄입니다. ETRI 분석에서는 특정 CPO 구성에서 플러거블 대비 광모듈 전력 소비를 크게 줄일 잠재력이 제시됐습니다. 다만 이런 수치는 설계 방식과 측정 범위에 따라 달라지므로 모든 데이터센터에서 동일하게 적용되는 고정값으로 받아들이면 안 됩니다.

NVIDIA가 추진하는 Spectrum-X Ethernet Photonics도 같은 방향입니다. NVIDIA 공식 제품 설명에 따르면 이 스위치는 CPO를 스위치 ASIC에 직접 통합하며 최대 409.6Tb/s급 스위칭 대역폭을 목표로 합니다. 현재 공식 페이지는 Spectrum-X Ethernet Photonics의 공급 시점을 2026년 하반기로 안내하고 있습니다.

중요한 점은 NVIDIA도 CPO를 GPU 자체가 아니라 우선 대규모 GPU 클러스터를 연결하는 네트워크 스위치 영역에 적용하고 있다는 것입니다.

‘곧 모든 GPU 사이의 구리선이 광통신으로 교체된다’고 확대해석하기에는 아직 이릅니다.

2026년 실제 산업 움직임을 시간순으로 보면

시점	확인된 움직임	의미
2026년 2월	ETRI, AI 데이터센터용 CPO 광통신 부품 기술 동향 발표	플러거블과 CPO의 구조·부품·패키징 기술을 체계적으로 분석
2026년 3월	Corning, OFC 2026에서 AI 데이터센터용 CPO 연결 시스템과 고밀도 광섬유 솔루션 공개	CPO가 반도체뿐 아니라 광섬유·커넥터·패키징 생태계로 확대
2026년 3월	Lumentum, 1.6T DR4 OSFP 플러거블과 CPO용 고출력 레이저 시연	1.6T 플러거블과 CPO가 동시에 발전하고 있음을 보여줌
2026년 하반기 목표	NVIDIA Spectrum-X Ethernet Photonics 공급 계획	대형 AI 네트워크용 CPO가 실제 시스템 제품 단계로 이동
2026년 8월 13일	삼일PwC, AI 인프라의 새로운 병목으로 ‘연결’을 분석한 보고서 공개	국내에서도 광통신이 AI 인프라 핵심 이슈로 본격 부각

Corning은 2026년 3월 AI 데이터센터용 멀티코어 광섬유, 고밀도 케이블, 커넥터와 함께 CPO용 광연결 시스템을 공개했습니다. CPO가 스위치 ASIC 하나만의 기술이 아니라 레이저·광학 엔진·광섬유·커넥터·패키징을 함께 바꿔야 하는 기술이라는 점을 보여주는 사례입니다.

그렇다면 구리는 곧 사라질까

그렇지는 않습니다.

구리는 짧은 거리에서 비용이 낮고 구조가 단순하며 유지보수가 쉽다는 강점이 있습니다. 굳이 광전 변환이 필요하지 않은 짧은 연결에서는 여전히 매우 효율적인 선택입니다.

광통신 역시 공짜 해결책이 아닙니다. 광학 엔진과 레이저를 고온의 스위치 ASIC 가까이에 배치해야 하고, 광섬유 정렬과 패키징 정밀도, 생산 수율, 커넥터 관리, 장애가 발생했을 때의 교체 방식까지 해결해야 합니다.

ETRI 역시 CPO와 2.5D·3D 패키징에서 열 방출, 전기·광학 정렬, 집적 난도와 신뢰성 확보 등을 남은 기술 과제로 지적합니다.

따라서 향후 데이터센터가 한 번에 ‘구리에서 광으로’ 바뀐다기보다 거리와 대역폭에 따라 구리와 여러 형태의 광연결이 공존하면서 광통신의 적용 범위가 점차 짧은 거리 쪽으로 이동하는 흐름으로 보는 편이 정확합니다.

핵심 요약

800G와 1.6T는 전송 속도이고, CPO는 광학 엔진을 배치하는 방식입니다.

AI 데이터센터가 커질수록 GPU와 GPU를 연결하는 네트워크에서 이동해야 하는 데이터가 늘어납니다. 고속 전기 연결의 손실과 전력 부담을 줄이기 위해 광통신의 적용 범위가 데이터센터 내부와 스위치 ASIC 가까이까지 확대되는 것이 현재의 큰 흐름입니다.

다만 2026년 현재 800G·1.6T 플러거블 광모듈과 CPO는 서로 대체 관계만 있는 것이 아니라 동시에 발전하는 기술 경로입니다. CPO 역시 모든 구리 연결을 당장 없애는 완성된 해답이라기보다 대규모 AI 네트워크에서 전력과 대역폭 문제를 풀기 위해 상용화가 진행되는 선택지로 보는 것이 적절합니다.

FAQ

800G와 1.6T의 가장 큰 차이는 무엇인가요?

둘 다 데이터 전송 속도를 나타냅니다. 1.6T는 1.6Tb/s로 800G보다 두 배 높은 총 전송률을 목표로 합니다. Ethernet Alliance의 2026 로드맵은 800G를 현재 고속 AI 연결 영역에, 1.6T를 부상하는 다음 단계로 제시하고 있습니다.

1.6T 광트랜시버는 모두 CPO인가요?

아닙니다. Lumentum이 OFC 2026에서 공개한 1.6T DR4 OSFP처럼 기존 장비 전면에 꽂는 플러거블 방식으로도 1.6T를 구현할 수 있습니다.

CPO와 실리콘 포토닉스는 같은 기술인가요?

같지 않습니다. CPO는 광학 엔진을 스위치 ASIC 가까이에 함께 패키징하는 시스템·패키징 구조이고, 실리콘 포토닉스는 광학 기능을 실리콘 기반으로 집적하는 구현 기술입니다. 실리콘 포토닉스는 CPO 구현에 자주 사용되는 핵심 기술 중 하나입니다.

AI 데이터센터는 왜 기존 데이터센터보다 광통신이 더 중요한가요?

많은 GPU가 병렬로 동작하면서 서버와 노드 사이의 내부 데이터 교환량이 크게 증가하기 때문입니다. 연산 성능만 높아지고 네트워크가 따라가지 못하면 GPU가 데이터를 기다리는 시간이 늘 수 있어 연결 성능과 전력 효율이 전체 시스템 성능에 더 큰 영향을 주게 됩니다.

CPO는 이미 상용화됐나요?

일부 CPO 스위치와 관련 부품은 제품 단계로 진입했지만 전체 데이터센터 네트워크가 CPO로 전환된 상태는 아닙니다. NVIDIA의 현재 공식 페이지는 Spectrum-X Ethernet Photonics를 2026년 하반기 공급 대상으로 표시하고 있습니다. 제품별 시제품·양산·실제 배치 상태를 구분해 확인할 필요가 있습니다.

출처 및 참고자료

2026년 08월 13일

CPO LPO 차이, AI 데이터센터 광통신이 1.6T 이후 바뀌는 이유

AI 데이터센터에서 CPO와 LPO의 차이는 단순히 광모듈 종류가 다르다는 정도가 아니다. 두 기술은 모두 전력 소모와 전기 신호 손실을 줄이려는 해법이지만 접근 방식부터 다르다.

LPO(Linear Pluggable Optics)는 기존 플러그형 광모듈 구조를 최대한 유지하면서 모듈 안의 DSP를 줄이는 방식이고, CPO(Co-Packaged Optics)는 광학 엔진을 스위치 ASIC 가까이 가져오는 방식이다.

따라서 1.6T 광통신 시대를 이해하려면 “CPO가 LPO를 대체한다”는 식으로 보기보다 기존 DSP 기반 플러그형, LPO, CPO가 각각 어디에서 유리한지를 비교하는 편이 정확하다.

2026년 8월 현재 이런 비교가 중요해진 이유도 분명하다. Cisco는 8월 12일 발표한 FY2026 4분기 실적에서 하이퍼스케일러 대상 AI 인프라 주문이 연간 93억달러에 달했다고 밝혔고, Lumentum 역시 8월 11일 실적 발표에서 AI 연산 속도와 대역폭 증가 때문에 데이터센터가 광연결을 핵심 연결 방식으로 확대하고 있으며 1.6T 도입이 진행되고 있다고 설명했다.

먼저 알아둘 것: 1.6T와 CPO는 같은 개념이 아니다

혼동하기 쉬운 부분부터 정리할 필요가 있다.

1.6T는 전송 용량을 나타내는 표현이고, CPO·LPO는 광신호를 구현하는 구조와 배치 방식에 관한 표현이다.

따라서 다음 조합이 모두 가능하다.

1.6T DSP 기반 플러그형 광모듈
1.6T LPO
CPO 기반 스위치
향후 더 높은 속도의 CPO 시스템

Lumentum은 2026년 8월 실적 발표에서 클라우드용 광모듈 사업에서 1.6T 도입을 진행 중이라고 밝혔다. 반면 NVIDIA는 광학 엔진을 스위치 ASIC과 결합하는 CPO 기반 Spectrum-X Ethernet Photonics를 별도로 개발하고 있다. 둘은 같은 기술 세대를 설명하는 서로 다른 축이다.

기존 플러그형 광모듈은 어떻게 작동하나

현재 데이터센터에서 널리 사용되는 방식은 스위치 앞쪽에 광트랜시버를 꽂는 플러그형 구조다.

스위치 ASIC에서 만들어진 고속 전기 신호가 PCB를 거쳐 광모듈까지 전달되고, 모듈 안에서 다시 광신호로 변환된다.

문제는 네트워크 속도가 올라갈수록 이 전기 신호가 지나가야 하는 경로가 부담이 된다는 점이다.

고속 신호는 PCB 구간을 이동하면서 감쇄와 왜곡이 커진다. 이를 보정하기 위해 플러그형 모듈에는 DSP가 쓰인다. DSP는 신호 품질을 안정시키는 데 효과적이지만 전력 소비와 지연, 발열이라는 비용도 함께 발생한다.

AI 데이터센터에서는 GPU 수와 네트워크 대역폭이 동시에 커지기 때문에 이 문제가 더 중요해졌다. OIF도 현재 224G급 전기 인터페이스를 기반으로 LPO와 CPO, NPO 등을 지원하는 차세대 저전력·저지연 연결 규격을 개발하고 있다.

LPO란? 플러그형을 유지하면서 DSP 부담을 줄인다

LPO는 Linear Pluggable Optics의 약자다.

핵심은 광모듈을 여전히 스위치 앞쪽에서 빼고 끼울 수 있도록 유지하면서, 기존 플러그형 모듈에 들어가던 DSP 기능을 크게 줄이거나 제거하는 것이다.

쉽게 표현하면 다음과 같다.

기존 플러그형의 유지보수 편의성은 살리고, DSP가 소비하던 전력은 줄여보자는 접근이다.

광모듈 자체가 단순해지기 때문에 전력 소비와 지연을 낮출 가능성이 있다. 하지만 그만큼 호스트 ASIC과 전기 채널의 신호 품질에 더 의존하게 된다.

OIF가 224G Full Linear Optical Module 관련 사양을 LPO뿐 아니라 CPO·NPO와 함께 개발하는 것도 이런 고속 선형 연결이 차세대 데이터센터에서 중요한 기술 과제가 됐기 때문이다.

LPO의 장점

가장 큰 장점은 플러그형 구조를 버리지 않아도 된다는 것이다.

광모듈에 장애가 생기면 해당 모듈을 교체할 수 있고, 기존 데이터센터 운영 방식과도 비교적 잘 맞는다.

DSP 부담을 줄이므로 전력 효율과 지연 시간 측면에서도 이점이 생길 수 있다.

LPO의 약점

반대로 신호 보정 능력이 DSP 기반 광모듈보다 제한적이므로 전기 채널 설계와 광부품 특성에 대한 요구가 더 까다롭다.

장거리 또는 복잡한 연결에서는 기존 DSP 방식이 갖는 안정성이 여전히 유리할 수 있다.

그래서 LPO는 모든 플러그형 광모듈을 한꺼번에 대체하는 기술이라기보다 전력 절감 효과가 크면서 신호 경로를 충분히 통제할 수 있는 구간부터 적용할 가능성이 높은 구조로 보는 것이 적절하다.

CPO란? 광학 엔진 자체를 스위치 칩 가까이 옮긴다

CPO는 Co-Packaged Optics의 약자다.

LPO보다 변화의 폭이 크다.

기존 구조에서는 스위치 ASIC에서 광모듈까지 전기 신호가 PCB를 따라 이동하지만, CPO는 광학 엔진을 ASIC과 같은 패키지 또는 매우 가까운 위치에 배치한다.

그 결과 고속 전기 신호가 이동해야 하는 거리를 대폭 줄이고, 비교적 먼 구간부터 광신호로 전송할 수 있게 된다.

NVIDIA는 Spectrum-X Ethernet Photonics에서 실리콘 포토닉스 엔진을 스위치 ASIC과 함께 배치하는 CPO 구조를 사용한다. 회사 설명에 따르면 최대 409.6Tb/s급 스위칭 대역폭을 제공하며 기존 플러그형 트랜시버 기반 네트워크보다 전력 효율을 높이는 것을 목표로 한다.

2026년 5월 NVIDIA는 Vera Rubin 플랫폼 발표에서 Spectrum-X Ethernet Photonics가 생산 단계에 들어갔다고 밝혔고, 제품 페이지에서는 Ethernet Photonics 시스템의 공급 시점을 2026년 하반기로 제시하고 있다. 즉 CPO는 연구 단계의 개념을 넘어 실제 상용 AI 네트워크에 진입하는 단계로 이동하고 있다.

CPO LPO 차이를 표로 보면

구분	기존 DSP 플러그형	LPO	CPO
광학 장치 위치	스위치 전면 플러그	스위치 전면 플러그	스위치 ASIC 인접·패키지
모듈 DSP	사용	축소·제거	구조 자체가 다름
전기 신호 이동 거리	상대적으로 김	상대적으로 김	매우 짧음
전력 효율	기준	개선 가능	개선 잠재력이 큼
핫스왑·교체 편의	높음	높음	상대적으로 불리
기존 운영 방식과 호환	높음	비교적 높음	시스템 구조 변경 필요
신호 보정 여유	높음	상대적으로 제한	짧은 전기 경로로 문제 완화
적용 난도	낮음	중간	높음
주요 가치	안정성과 범용성	전력 절감+플러그형 유지	초고대역폭·고밀도·전력 효율

이 표에서 가장 중요한 부분은 LPO와 CPO가 같은 방식으로 경쟁하는 기술이 아니라는 점이다.

LPO는 기존 플러그형 구조를 개선한다.

CPO는 시스템 구조 자체를 바꾼다.

그렇다면 왜 AI 데이터센터에서 CPO가 필요해질까

AI 서버 수가 늘어났다는 이유만으로 CPO가 필요한 것은 아니다.

더 직접적인 원인은 GPU 사이에서 이동하는 데이터량과 네트워크 속도가 빠르게 증가하고 있기 때문이다.

대규모 AI 학습에서는 GPU 한 대의 연산 성능만 높여서는 전체 성능을 끌어올릴 수 없다. 여러 GPU가 데이터를 빠르게 주고받아야 한다.

이 과정에서 네트워크가 병목이 되면 비싼 GPU가 데이터를 기다리는 시간이 늘어난다.

Cisco의 FY2026 실적도 이 변화를 간접적으로 보여준다. 회사가 하이퍼스케일러로부터 받은 AI 인프라 주문은 FY2026에 93억달러에 이르렀다. 이는 특정 광기술 하나의 수요를 뜻하지는 않지만, AI 연산 확대가 데이터센터 네트워크 투자 자체를 크게 끌어올리고 있다는 신호다.

Lumentum 역시 8월 11일 발표에서 AI 워크로드의 속도와 대역폭이 증가하면서 데이터센터 설계자들이 광연결을 핵심 연결 수단으로 채택하고 있다고 설명했다.

네트워크가 800G에서 1.6T, 이후 더 높은 속도로 올라갈수록 단순히 광모듈 속도만 높이는 것으로는 전력과 신호 품질 문제를 해결하기 어려워진다.

바로 이 지점에서 LPO와 CPO가 등장한다.

1.6T 시대에는 LPO가 먼저이고 CPO가 나중일까?

반드시 그렇게 움직이는 것은 아니다.

1.6T 플러그형과 LPO, CPO는 일정 기간 공존할 가능성이 높다.

데이터센터마다 요구 조건이 다르기 때문이다.

교체 편의성과 표준 호환성이 중요하다면 플러그형이 유리하다.

짧은 거리에서 전력을 최대한 줄이면서 기존 모듈 방식을 유지해야 한다면 LPO가 매력적이다.

초대형 AI 클러스터에서 높은 포트 밀도와 전력 효율이 더 중요한 경우에는 CPO의 가치가 커진다.

NVIDIA 역시 CPO를 도입하면서 플러그형 광트랜시버 생태계가 즉시 사라진다고 설명하지 않는다. 2025년 Spectrum-X Photonics 발표에서도 CPO와 함께 기존 플러그형 광트랜시버 기술을 지원하는 생태계를 별도로 언급했다.

따라서 시장을 “CPO 승자, 플러그형 패자”로 나누는 것은 지나치게 단순한 해석이다.

어떤 상황에서 LPO와 CPO가 유리할까

LPO를 먼저 검토하기 좋은 경우

기존 플러그형 운영 방식을 유지해야 할 때
광모듈 현장 교체가 중요할 때
DSP 전력 소비를 줄이는 것이 주요 목표일 때
비교적 통제된 짧은 링크를 구성할 때

CPO가 유리해질 가능성이 큰 경우

스위치 한 대가 처리해야 할 총대역폭이 매우 클 때
ASIC에서 광모듈까지의 전기 신호 손실이 병목이 될 때
네트워크 전력 소비를 크게 줄여야 할 때
초대형 GPU 클러스터의 포트 밀도가 빠르게 증가할 때

다만 CPO에도 대가가 있다.

광학 엔진이 ASIC 가까이 들어가기 때문에 열 관리, 패키징, 광섬유 연결, 유지보수 방식까지 다시 설계해야 한다. 전면 광모듈 하나만 교체하던 구조보다 서비스 복잡성이 높아질 수 있다.

그래서 CPO의 전력 효율만 보고 기존 광모듈이 곧 모두 사라진다고 판단해서는 안 된다.

2026년 광통신에서 봐야 할 세 가지

첫 번째는 1.6T 플러그형 광모듈의 실제 확산 속도다.

Lumentum이 2026년 8월 1.6T 채택 확대를 성장 동력 중 하나로 직접 언급했다. 1.6T가 본격 확대되면 기존 DSP 방식과 LPO의 전력·비용 차이를 실제 데이터센터에서 비교할 사례도 늘어난다.

두 번째는 CPO 제품의 실제 공급과 배치다.

NVIDIA Spectrum-X Ethernet Photonics는 2026년 하반기 공급 일정이 제시돼 있다. 발표된 성능보다 실제 고객 환경에서 얼마나 빠르게 도입되는지가 더 중요해지는 시점이다.

세 번째는 표준화다.

LPO와 CPO가 널리 쓰이려면 한 업체만의 제품으로 끝나서는 안 된다. OIF가 224G 선형 전기 인터페이스와 CPO·LPO 관련 기술 작업을 진행하는 이유도 상호 운용 가능한 생태계를 만들기 위해서다.

핵심 요약

CPO와 LPO를 가장 간단하게 구분하면 이렇다.

LPO는 광모듈을 그대로 꽂아 쓰면서 DSP 부담을 줄이는 기술이고, CPO는 광학 엔진을 ASIC 바로 옆으로 옮겨 전기 신호 경로 자체를 줄이는 기술이다.

1.6T는 둘 중 하나를 의미하지 않는다. 1.6T 플러그형도 존재하며 LPO와 CPO도 각각 발전한다.

AI 데이터센터가 커질수록 네트워크 대역폭뿐 아니라 비트당 전력 소비와 신호 손실이 더 중요한 문제가 된다. 그래서 2026년 광통신 시장을 볼 때는 속도 숫자만 확인하기보다 광학 장치가 어디에 있고, DSP를 어떻게 사용하며, 유지보수를 어떤 방식으로 하는지를 함께 봐야 한다.

FAQ

CPO와 LPO 중 어느 기술이 더 빠른가요?

두 용어는 단순 속도 규격이 아니므로 “CPO가 몇 배 더 빠르다”고 비교하기 어렵습니다. LPO는 플러그형 모듈의 신호 처리 구조를 바꾸는 방식이고 CPO는 광학 엔진 위치와 시스템 구조 자체를 바꾸는 방식입니다.

1.6T 광모듈은 모두 LPO인가요?

아닙니다. DSP를 사용하는 1.6T 플러그형 광모듈도 존재할 수 있습니다. 1.6T는 전송 용량이고 LPO는 구현 구조에 관한 용어입니다.

CPO가 나오면 기존 광트랜시버는 사라지나요?

단기간에 전부 대체될 가능성은 낮습니다. 플러그형 모듈은 교체와 운영이 쉽고 이미 거대한 표준 생태계를 갖고 있습니다. CPO는 전력과 대역폭 밀도가 특히 중요한 AI 네트워크부터 확대될 가능성이 큽니다.

LPO가 전력을 적게 쓰는 이유는 무엇인가요?

기존 광모듈 내부에서 많은 전력을 소비하는 DSP 기능을 축소하거나 제거하기 때문입니다. 대신 전기 채널과 광부품의 신호 품질 요구조건은 더 까다로워집니다.

CPO에서 실리콘 포토닉스가 중요한 이유는 무엇인가요?

스위치 ASIC 가까운 곳에 많은 수의 고속 광채널을 집적하려면 작고 전력 효율이 높은 광학 엔진이 필요합니다. 실리콘 포토닉스는 반도체 제조 기술을 활용해 이런 광기능을 집적할 수 있다는 점에서 CPO의 핵심 구현 기술 중 하나로 사용됩니다. NVIDIA도 Spectrum-X Ethernet Photonics에 실리콘 포토닉스 기반 CPO를 적용하고 있습니다.

출처 및 참고자료

NVIDIA — Silicon Photonics Networking for Agentic AI, 2026년 확인. Spectrum-X Ethernet Photonics의 CPO 구조와 2026년 하반기 공급 일정.
OIF — Current OIF Work, 2026년 확인. 224G Full Linear Optical Module 및 LPO·CPO·NPO 관련 표준화 작업.
Lumentum — Fourth Quarter and Full Fiscal Year 2026 Results, 2026-08-11. AI 데이터센터 광연결 수요와 1.6T 도입 현황.
NVIDIA — Vera Rubin Ramps Into Full Production, 2026-05-31. CPO 기반 Spectrum-X Ethernet Photonics 생산 현황.
Cisco — Q4 FY2026 Earnings / Reuters 교차 확인, 2026-08-12. FY2026 하이퍼스케일러 AI 인프라 주문 93억달러.
NVIDIA — Spectrum-X Photonics 발표, 2025-03-18. CPO와 기존 플러그형 광트랜시버 생태계의 병행 구조.

2026년 08월 13일

AI 데이터센터 광트랜시버 800G·1.6T 차이, GPU가 네트워크를 기다리는 이유

AI 데이터센터에서 800G에서 1.6T로 넘어간다는 말은 광트랜시버 숫자만 두 배가 된다는 뜻이 아닙니다. GPU 수가 늘고 여러 서버가 하나의 모델을 나눠 처리하면서 GPU 사이에서 이동해야 하는 데이터가 급증했고, 네트워크의 대역폭·지연시간·혼잡이 전체 AI 연산 시간을 좌우하는 요소가 됐다는 의미에 가깝습니다.

2026년 8월 현재 800G는 실제 AI 네트워크에 쓰이는 단계이고, 1.6T 제품과 상호운용 생태계도 빠르게 현실화되고 있습니다. 다만 한 가지는 구분해야 합니다. 1.6TbE 관련 IEEE P802.3dj는 2026년 7월에도 표준화 작업이 진행 중이었습니다. 따라서 “1.6T가 이미 모든 데이터센터에서 완성된 단일 표준으로 교체됐다”고 이해하면 지나칩니다.

800G와 1.6T, 가장 먼저 알아둘 차이

800G와 1.6T는 기본적으로 한 포트가 처리할 수 있는 명목상 데이터 전송률을 나타냅니다.

구분	800G	1.6T
명목 전송률	800Gb/s	1.6Tb/s(1,600Gb/s)
800G 대비 대역폭	기준	2배
대표적인 고속 레인 구성 예	8×100G 또는 4×200G	8×200G 등
2026년 위치	AI 네트워크에서 실제 활용	제품·상호운용·초기 도입 확대
주요 과제	전력, 발열, 광링크 비용	더 높은 전력·열 밀도, 신호 무결성, 표준·상호운용
함께 등장하는 기술	DSP, OSFP, 실리콘 포토닉스	200G/lane, LPO, CPO, 차세대 DSP

여기서 레인 수는 제품과 규격에 따라 달라질 수 있습니다. 예를 들어 Coherent가 공개한 1.6T-DR8 모듈은 200Gb/s 전기·광 레인 8개를 사용해 1.6Tb/s를 구성합니다. 반면 Broadcom은 2026년 400G/lane 광 DSP를 공개하면서 1.6T 모듈과 그 이후의 3.2T 구조까지 연결하고 있습니다. 그러므로 “800G는 무조건 8×100G, 1.6T는 무조건 8×200G”로 외우기보다 총 대역폭과 한 레인이 처리하는 속도가 함께 높아지고 있다고 이해하는 편이 정확합니다.

광트랜시버는 AI 서버에서 무슨 일을 하나

GPU와 스위치 내부에서는 데이터가 전기 신호 형태로 처리됩니다. 하지만 랙과 랙, 스위치와 스위치처럼 거리가 늘어나고 속도가 높아질수록 광섬유가 중요한 전송 수단이 됩니다.

플러거블 광트랜시버는 이 경계에서 전기 신호를 광 신호로 바꾸고, 반대편에서는 다시 전기 신호로 복원하는 모듈입니다.

흐름을 단순화하면 다음과 같습니다.

GPU → 네트워크 인터페이스 → 스위치 → 광트랜시버 → 광섬유 → 광트랜시버 → 스위치 → 다른 GPU

광트랜시버 하나가 GPU의 연산 속도를 높여주는 것은 아닙니다. 대신 수많은 GPU가 동시에 계산해야 하는 상황에서 GPU 사이 데이터가 지체되지 않도록 네트워크의 전송 용량을 확보하는 부품입니다.

NVIDIA도 현재 AI 네트워크용 제품군에서 800G 광 연결을 제공하고 있으며, 광트랜시버와 CPO를 AI 클러스터 확장에 필요한 인터커넥트 구성요소로 설명하고 있습니다.

GPU가 빠른데 왜 네트워크가 병목이 될까

AI 모델 하나를 GPU 한 개가 처음부터 끝까지 처리하는 경우만 생각하면 네트워크의 중요성을 놓치기 쉽습니다.

대규모 학습과 분산 추론에서는 모델이나 데이터를 여러 GPU·여러 서버에 나눕니다. 각 GPU가 계산을 끝낸 뒤 다음 단계로 진행하려면 서로 결과를 주고받아야 합니다.

대표적인 통신 형태가 다음과 같습니다.

AllReduce: 여러 GPU가 계산한 값을 모아 결합하고 다시 나눔
AllGather: 각 GPU가 가진 데이터를 전체 GPU에 모음
ReduceScatter: 데이터를 결합하면서 GPU별로 다시 분배
All-to-All: 여러 GPU가 서로 다른 GPU들과 대량의 데이터를 교환

NVIDIA의 NCCL도 이런 GPU 간 collective communication을 핵심 기능으로 제공합니다.

문제는 동기화입니다. 일부 GPU가 계산을 끝냈더라도 필요한 데이터가 아직 도착하지 않았다면 다음 작업을 시작하지 못할 수 있습니다.

그래서 AI 클러스터에서는 평균 속도뿐 아니라 대역폭, 지연시간, 혼잡, 패킷 손실, 가장 늦게 도착하는 트래픽의 지연(tail latency)이 중요합니다. Ultra Ethernet Consortium은 AI·HPC 네트워크가 기존 네트워크보다 높은 대역폭 밀도, 멀티패싱, 빠른 혼잡 대응과 tail latency 관리를 요구한다고 설명합니다.

NVIDIA의 2026년 AI Factory 문서 역시 여러 노드로 모델을 분산하면 작은 통신 지연도 누적되고, 느린 통신 구간이 전체 성능을 제한할 수 있다고 설명합니다.

그래서 1.6T면 병목이 사라질까?

아닙니다.

1.6T는 한 포트에서 제공할 수 있는 대역폭을 800G보다 높여주지만, 실제 AI 클러스터 성능에는 다음 요소가 모두 관여합니다.

GPU와 NIC의 처리 능력
스위치 대역폭
네트워크 토폴로지
광트랜시버와 케이블
혼잡 제어
패킷 분산 방식
NCCL 같은 통신 소프트웨어
애플리케이션의 병렬화 방식

결국 1.6T는 더 넓은 도로를 만드는 것에 가깝습니다. 교차로 설계와 교통 제어가 나쁘다면 차선만 두 배로 늘린다고 정체가 완전히 없어지지는 않습니다.

800G에서 1.6T로 갈 때 진짜 어려워지는 부분

1. 포트당 전송 용량

가장 분명한 변화입니다.

1.6T는 800G의 두 배인 1.6Tb/s를 처리합니다. 동일한 수의 포트를 가정하면 더 많은 데이터를 움직일 수 있고, 같은 총 네트워크 용량을 더 적은 포트로 구성할 여지도 생깁니다.

AI 클러스터처럼 동서 방향의 GPU 간 통신이 큰 환경에서는 이 대역폭 밀도가 특히 중요합니다. Ethernet Alliance는 2026년 OFC 상호운용 시연에서 100G부터 1.6T까지의 Ethernet 기술을 전시했고, AI 규모 확대가 800G와 1.6T 전환을 촉진하고 있다고 설명했습니다.

2. 한 레인이 처리해야 하는 속도

대역폭을 늘리는 방법은 단순히 선을 무한정 많이 추가하는 것이 아닙니다.

한 레인에서 전송하는 비트 수 자체도 빨라지고 있습니다. IEEE P802.3dj는 800Gb/s와 1.6Tb/s Ethernet을 포함하면서 200Gb/s급 전기·광 인터페이스를 핵심 축으로 다루고 있습니다. 2026년에도 해당 프로젝트는 계속 표준화 절차를 밟고 있습니다.

이렇게 레인당 속도가 높아질수록 신호 무결성과 오류 보정, DSP 설계 난도도 함께 올라갑니다.

3. 전력과 발열

속도를 두 배로 올렸다고 전력 문제가 저절로 해결되는 것은 아닙니다.

광 신호를 만들고 복원하는 레이저·드라이버·수신기와 신호를 보정하는 DSP에도 전력이 필요합니다. 포트 수와 대역폭이 급격히 증가하는 AI 데이터센터에서는 광학 장비의 절대 소비전력뿐 아니라 비트당 에너지 효율이 중요해집니다.

Ethernet Alliance의 2026 로드맵도 1.6T 이상으로 확장할수록 성능과 에너지 사용량의 균형이 핵심 과제가 된다고 명시하고 있습니다.

이 때문에 업계에서는 단순히 “더 빠른 광모듈”만 만드는 것이 아니라 DSP의 전력 효율을 높이거나 LPO, CPO 같은 새로운 구조를 함께 개발하고 있습니다. Marvell은 2026년 3월 1.6T 광 DSP 제품군을 확대했고, Broadcom 역시 같은 시기 차세대 1.6T용 광 DSP를 발표했습니다.

1.6T와 함께 CPO가 자꾸 나오는 이유

기존 플러거블 광트랜시버는 스위치 장비 앞쪽 포트에 꽂습니다.

스위치 ASIC과 광모듈 사이에는 전기 신호가 지나가는 구간이 있습니다. 속도가 계속 올라갈수록 이 전기 구간에서 발생하는 신호 손실과 전력 부담을 줄이는 일이 어려워집니다.

CPO(Co-Packaged Optics)는 광 엔진을 스위치 ASIC 가까이에 배치해 이 전기 구간을 줄이는 접근입니다.

구분	플러거블 광트랜시버	CPO
광학 장치 위치	장비 전면의 탈착식 포트	스위치 ASIC 가까이
교체	비교적 쉬움	시스템 설계에 따라 더 복잡
기존 운영 방식	성숙한 생태계	새 운영·정비 방식 필요
고속화 시 과제	전기 SerDes 구간의 손실·전력	패키징·냉각·서비스성
2026년 역할	800G·1.6T에서 계속 중요	차세대 초고밀도 AI 네트워크로 확대

NVIDIA는 CPO에서 광 엔진을 스위치 ASIC과 직접 가까이 통합해 전기 SerDes 손실을 줄이는 구조를 채택하고 있으며, 1.6Tb/s 이상 AI 인터커넥트를 확장하는 기술로 설명합니다.

하지만 이것이 “곧 플러거블 광트랜시버가 사라진다”는 뜻은 아닙니다.

2026년 OFC에서는 Coherent를 포함한 여러 업체가 OSFP 폼팩터의 1.6T 플러거블 트랜시버를 실제로 선보였습니다. 1.6T 플러거블과 CPO가 한동안 병행될 가능성을 보여주는 대목입니다.

2026년 현재 800G와 1.6T를 어떻게 봐야 하나

기술 단계를 세 구간으로 나누면 훨씬 명확합니다.

800G: 이미 쓰이는 고속 네트워크

NVIDIA Quantum-X800처럼 800Gb/s 네트워크를 전제로 하는 상용 AI 플랫폼이 존재합니다. 800G는 더 이상 연구실에서만 보는 미래 규격이 아닙니다.

1.6T: 제품과 생태계가 현실화되는 단계

Marvell, Broadcom, Coherent 등은 1.6T용 DSP나 트랜시버를 공개했고, Ethernet Alliance의 OFC 2026 행사에서도 1.6T 상호운용 기술이 등장했습니다.

따라서 “1.6T는 아직 존재하지 않는 미래 기술”이라고 보기도 어렵습니다.

IEEE 1.6TbE: 표준화 절차는 아직 진행 중

반대로 제품이 나왔다는 것과 IEEE 표준 절차가 완전히 끝났다는 것은 다른 문제입니다.

IEEE P802.3dj 공개 자료는 2026년 7월에도 200G·400G·800G·1.6Tb/s Ethernet Task Force 활동과 Draft 3.x 관련 검토가 계속되고 있음을 보여줍니다.

이 차이를 구분하면 “1.6T 양산 시작”, “1.6TbE 표준”, “1.6T 광모듈 공개” 같은 기사를 서로 모순된 내용으로 오해하지 않게 됩니다.

광통신이 갑자기 검색된 이유도 따로 봐야 한다

2026년 8월 초 광트랜시버가 다시 크게 주목받은 배경에는 기술 전환뿐 아니라 공급망 이슈도 겹쳤습니다.

Reuters는 8월 4일 미국 정부가 중국산 신규 데이터센터 부품, 특히 광트랜시버의 미국 반입을 제한하는 방안을 마련 중이라고 보도했습니다. 다만 8월 12일 기준 이 보도의 핵심은 어디까지나 추진 중인 방안이며 최종 확정된 전면 수입 금지 규정으로 단정해서는 안 됩니다. 8월 6일 FCC 위원장도 관련 보도에 대한 질문에서 세부 사항을 직접 확정하지 않았습니다.

따라서 현재 광통신 관심을 볼 때는 두 가지를 분리해야 합니다.

단기 이슈: 미국의 광트랜시버 공급망·규제 논의
장기 기술 변화: AI 클러스터가 800G에서 1.6T 이상으로 이동하는 네트워크 고속화

IT 관점에서 오래 남는 검색 질문은 두 번째입니다.

800G·1.6T 기사를 볼 때 확인할 체크리스트

새 제품 발표나 “차세대 AI 광통신” 뉴스를 접했다면 다음 순서로 확인하면 됩니다.

800G/1.6T가 포트 총속도인지 레인 속도인지 확인
전기 레인과 광 레인의 구성이 무엇인지 확인
플러거블인지 LPO·CPO인지 구분
연결 거리가 랙 내부인지, 랙 간인지, 데이터센터 건물 간인지 확인
Ethernet인지 InfiniBand인지 확인
IEEE 규격인지 MSA·업체 자체 구현인지 확인
시제품·데모인지 실제 출하 제품인지 구분
최대 속도만 보지 말고 전력·냉각·상호운용성까지 확인

특히 마지막에서 실수가 많습니다. AI 네트워크는 “가장 빠른 모듈 하나”로 구성되지 않습니다. NIC, 스위치, 케이블, 광모듈, 토폴로지와 소프트웨어가 맞물려야 실제 처리량이 나옵니다.

핵심 요약

800G와 1.6T의 가장 직접적인 차이는 포트당 명목 대역폭이 두 배가 된다는 점입니다. 하지만 AI 데이터센터에서 중요한 변화는 숫자보다 구조에 있습니다.

GPU가 수천 개, 수만 개 규모로 늘어나면 각 GPU가 계산한 데이터를 다른 GPU와 교환하는 시간이 커집니다. 네트워크 대역폭과 지연, 혼잡 제어가 부족하면 비싼 GPU가 데이터를 기다리는 시간이 생깁니다.

2026년 8월 기준으로 보면:

800G는 실제 AI 네트워크에서 사용되는 단계입니다.
1.6T용 광트랜시버와 DSP 제품도 이미 등장했습니다.
1.6T 다중업체 상호운용 생태계도 확대되고 있습니다.
IEEE P802.3dj의 1.6TbE 표준 작업은 아직 진행 중입니다.
플러거블 1.6T와 CPO는 당분간 병행해서 봐야 합니다.
대역폭만 두 배로 만든다고 AI 네트워크 병목이 모두 사라지는 것은 아닙니다.

결국 1.6T 전환의 핵심은 “광모듈이 두 배 빨라졌다”가 아니라, 더 많은 GPU를 하나의 컴퓨터처럼 움직이기 위해 네트워크도 GPU와 함께 고속화되고 있다는 것입니다.

FAQ

1. 1.6T 광트랜시버는 800G보다 정확히 두 배 빠른가요?

명목상 포트 대역폭은 800Gb/s에서 1.6Tb/s로 두 배입니다. 다만 실제 애플리케이션 처리량은 프로토콜 오버헤드, 네트워크 구조, 혼잡, NIC와 스위치 성능 등에 영향을 받으므로 AI 학습 속도가 그대로 두 배가 된다는 뜻은 아닙니다.

2. 800G 광트랜시버는 곧 없어지나요?

그렇게 볼 근거는 부족합니다. 800G는 현재 상용 AI 네트워크에 쓰이고 있고, 1.6T가 확대되더라도 모든 링크가 동시에 교체되지는 않습니다. 거리와 비용, 장비 세대에 따라 여러 속도가 공존합니다.

3. 1.6T 광트랜시버와 CPO는 같은 기술인가요?

아닙니다. 1.6T는 주로 전송 용량을 나타내고, CPO는 광 엔진을 스위치 ASIC 가까이에 배치하는 패키징·시스템 구조를 뜻합니다. 1.6T 플러거블 트랜시버도 존재합니다.

4. 광케이블만 1.6T용으로 바꾸면 되나요?

아닙니다. 스위치 ASIC, 포트, SerDes, 트랜시버, 광섬유 링크, 네트워크 인터페이스와 전체 설계가 해당 속도를 지원해야 합니다. 기존 케이블 인프라가 재사용 가능한지도 링크 방식과 거리별로 따져야 합니다.

5. 왜 AI 데이터센터에서 일반 데이터센터보다 네트워크가 중요한가요?

대규모 AI는 여러 GPU가 자주 데이터를 교환하고 동기화합니다. 일부 통신이 늦어지면 다른 GPU도 기다릴 수 있어 대역폭뿐 아니라 낮은 지연과 혼잡 제어가 전체 GPU 활용률과 처리 시간을 좌우합니다.

출처 및 참고자료

IEEE 802.3 — P802.3dj 200 Gb/s, 400 Gb/s, 800 Gb/s, 1.6 Tb/s Ethernet Task Force — 2026-07-24 최종 업데이트 확인
Ethernet Alliance — AI-Scale Ethernet at the Heart of OFC 2026 Demo — 2026-03-03
Ultra Ethernet Consortium — AI·HPC Ethernet 요구사항 — 2026-08-12 확인
NVIDIA — Optical Transceivers and Cables for AI Networking — 2026-08-12 확인
Broadcom — 400G/lane Optical DSP for Next-Generation AI Networks — 2026-03-11
Marvell — Expanded 1.6T Optical DSP Platform — 2026-03-12
Reuters — U.S. administration drafting restrictions on Chinese data-center optical transceivers — 2026-08-04

2026년 08월 12일

[태그:] 광통신

아이온큐 양자 메모리는 왜 필요한가? 실제 광통신망 실험으로 보는 양자인터넷의 핵심

아이온큐 양자 메모리, 무엇을 하는 장치인가

기존 광통신 중계기와 무엇이 다른가

그렇다면 양자 메모리가 곧 양자 리피터인가

아이온큐와 EPB는 무엇을 하려는가

왜 연구실이 아니라 실제 광통신망에서 시험할까

지금 확인해야 할 것은 ‘설치’보다 성능이다

양자 메모리에서 양자인터넷까지, 단계별로 보면

1단계: 양자 상태 저장

2단계: 네트워크 장비와 연결

3단계: 실제 광통신망 실증

4단계: 양자 리피터 구현

5단계: 여러 양자 노드 연결

6단계: 대규모 양자 네트워크

아이온큐가 양자 네트워크까지 확장하는 이유

발표를 볼 때 구분해야 할 세 가지

이미 확인된 것

앞으로 확인해야 할 것

아직 단정하기 어려운 것

핵심 요약

FAQ

아이온큐 양자 메모리는 일반 컴퓨터 메모리와 같은 것인가?

양자 메모리가 있으면 바로 양자인터넷을 만들 수 있나?

기존 인터넷 중계기를 양자인터넷에 사용하면 안 되나?

아이온큐가 양자인터넷을 상용화한 것인가?

앞으로 어떤 발표를 확인해야 하나?

출처 및 참고자료

AI 데이터센터 광통신이 중요한 이유, 800G·1.6T·CPO는 무엇이 다른가

왜 GPU가 빨라질수록 ‘연결’이 문제가 될까

800G·1.6T·CPO 차이를 먼저 구분하면 쉽다

800G에서 1.6T로 간다고 자동으로 CPO가 되는 것은 아니다

CPO가 주목받는 핵심 이유는 ‘전기 구간’을 줄이는 데 있다

2026년 실제 산업 움직임을 시간순으로 보면

그렇다면 구리는 곧 사라질까

관련 뉴스를 볼 때 이 5가지만 확인하면 된다

핵심 요약

FAQ

800G와 1.6T의 가장 큰 차이는 무엇인가요?

1.6T 광트랜시버는 모두 CPO인가요?

CPO와 실리콘 포토닉스는 같은 기술인가요?

AI 데이터센터는 왜 기존 데이터센터보다 광통신이 더 중요한가요?

CPO는 이미 상용화됐나요?

출처 및 참고자료

CPO LPO 차이, AI 데이터센터 광통신이 1.6T 이후 바뀌는 이유

먼저 알아둘 것: 1.6T와 CPO는 같은 개념이 아니다

기존 플러그형 광모듈은 어떻게 작동하나

LPO란? 플러그형을 유지하면서 DSP 부담을 줄인다

LPO의 장점

LPO의 약점

CPO란? 광학 엔진 자체를 스위치 칩 가까이 옮긴다

CPO LPO 차이를 표로 보면

그렇다면 왜 AI 데이터센터에서 CPO가 필요해질까

1.6T 시대에는 LPO가 먼저이고 CPO가 나중일까?

어떤 상황에서 LPO와 CPO가 유리할까

LPO를 먼저 검토하기 좋은 경우

CPO가 유리해질 가능성이 큰 경우

2026년 광통신에서 봐야 할 세 가지

핵심 요약

FAQ

CPO와 LPO 중 어느 기술이 더 빠른가요?

1.6T 광모듈은 모두 LPO인가요?

CPO가 나오면 기존 광트랜시버는 사라지나요?

LPO가 전력을 적게 쓰는 이유는 무엇인가요?

CPO에서 실리콘 포토닉스가 중요한 이유는 무엇인가요?

출처 및 참고자료

AI 데이터센터 광트랜시버 800G·1.6T 차이, GPU가 네트워크를 기다리는 이유

800G와 1.6T, 가장 먼저 알아둘 차이

광트랜시버는 AI 서버에서 무슨 일을 하나

GPU가 빠른데 왜 네트워크가 병목이 될까

그래서 1.6T면 병목이 사라질까?

800G에서 1.6T로 갈 때 진짜 어려워지는 부분

1. 포트당 전송 용량

2. 한 레인이 처리해야 하는 속도

3. 전력과 발열

1.6T와 함께 CPO가 자꾸 나오는 이유

2026년 현재 800G와 1.6T를 어떻게 봐야 하나

800G: 이미 쓰이는 고속 네트워크

1.6T: 제품과 생태계가 현실화되는 단계

IEEE 1.6TbE: 표준화 절차는 아직 진행 중