중국, 미국의 AI 칩 규제를 우회하기 위한 광학 연구소 설립

중국은 미국의 칩 규제를 우회하고 전자가 아닌 빛을 사용하여 에너지 효율적인 AI 컴퓨팅을 개발하기 위해 광학(photonics) 연구소를 설립했습니다.

상하이(Shanghai)는 수요일에 통합 광학 컴퓨팅 칩 및 시스템 핵심 실험실(Key Laboratory of Integrated Photonic Computing Chips and Systems)을 설립했습니다. 이는 미국의 칩 수출 규제를 우회하는 것을 목표로 하는 중국 최초의 광학 컴퓨팅 전용 산학 협력 플랫폼입니다.

주요 사실

• 실험실은 2026년 12월 수요일에 설립되었습니다.
• 중국 최초의 광학 컴퓨팅 산학 협력 플랫폼입니다.
• 소장인 Zou Weiwen은 상하이 교통 대학교(Shanghai Jiao Tong University)의 광학 교수입니다.
• 광자(Photons)는 전자(electrons)보다 더 빠르게 이동하며 열을 덜 발생시킵니다.
• 실험실은 실리콘 광학(silicon-photonics) 통합 및 광학 부품을 목표로 합니다.

수요일에 설립된 상하이 통합 광학 컴퓨팅 칩 및 시스템 핵심 실험실은 SCMP에 따르면 해당 분야를 위한 중국 최초의 산학 협력 플랫폼입니다. 새 실험실의 소장이자 상하이 교통 대학교의 광학 교수인 Zou Weiwen은 광학(photonic) 또는 광(optical) 컴퓨팅이 "대역폭(bandwidth), 지연 시간(latency), 에너지 효율성 측면에서 이점을 제공하며, 컴퓨팅 성능의 돌파구를 마련하기 위한 중요한 경로"라고 말했습니다.

이 실험실은 데이터 전송 및 연산을 위해 전자 대신 광자를 사용하는 칩을 개발하는 것을 목표로 합니다. 광자는 전자보다 훨씬 빠르게 이동하고 열을 적게 발생시키기 때문에, 광학 칩은 아주 적은 전력만을 소비하면서도 더 높은 성능을 제공할 수 있습니다. 이는 AI 붐을 뒷받침하는 전력 소모가 큰 데이터 센터에 사용되는 기존 반도체의 잠재적인 대안이 될 수 있습니다. 상하이 실험실은 광학 칩 아키텍처, 실리콘 광학(silicon-photonics) 통합, 광학 부품, 그리고 이를 실용화하는 데 필요한 알고리즘 및 상업적 응용 분야에 대한 연구에 집중할 것입니다.

왜 지금 광학인가

이번 연구소 설립은 전 세계 기술 기업들이 점점 더 정교해지는 AI 모델을 학습시키고 실행하는 데 필요한 막대한 컴퓨팅 파워 (Computing Power)를 확보하기 위해 경쟁하는 가운데 이루어졌습니다. 모델들의 급증하는 에너지 소비와 성능 요구 사항은 기존의 실리콘 반도체 (Silicon Semiconductors)를 물리적 한계로 몰아넣고 있습니다. 중국의 경우, Nvidia 등의 첨단 칩에 대한 접근을 제한하는 미국의 수출 통제 (Export Controls)로 인해 상황이 더욱 시급해졌으며, 이로 인해 광자 컴퓨팅 (Photonic Computing)과 같은 국내 대안을 확보하는 것이 전략적 우선순위가 되었습니다.

이 연구소가 실리콘-광학 통합 (Silicon-photonics integration)에 집중한다는 점은 주목할 만합니다. 이는 광학 부품을 기존의 실리콘 제조 공정과 결합하는 것을 목표로 하며, 잠재적으로 더 빠른 상업적 배포를 가능하게 할 수 있습니다. 그러나 Zou는 광자 칩이 이론적 성능에 도달하기 전까지는 근본적인 과학적 과제들이 남아 있음을 인정했습니다. 연구소는 상하이 교통 대학교 (Shanghai Jiao Tong University)에 기반을 두고 기존의 연구 인프라를 활용합니다.

앞으로의 험난한 여정

광학 (Photonics)은 수십 년 동안 연구 주제였지만, 상업용 광자 AI 가속기 (Photonic AI Accelerators)는 여전히 드뭅니다. Lightmatter 및 Celestial AI와 같은 기업들이 광학 상호 연결 (Optical Interconnects) 및 컴퓨팅을 위해 벤처 자금을 조달했지만, 아직 MLPerf와 같은 표준 AI 벤치마크에서 Nvidia의 H100 또는 B200에 필적하는 성능을 보여준 광자 칩은 없습니다. 상하이 연구소의 성과가 대규모 AI 학습에 실용적으로 쓰이기 위해서는 광학 부품 통합, 신호 손실 (Signal Loss), 그리고 알고리즘 매핑 (Algorithm Mapping) 문제를 극복해야 할 것입니다.

주목해야 할 점

향후 12개월 이내에 상하이 연구소에서 발표되는 벤치마크 결과, 특히 표준 AI 추론 (Inference) 작업에서 Nvidia의 최신 GPU와 비교한 결과를 주목하십시오. 또한, 광학 부품에 대한 제한을 확대하거나 축소할 수 있는 미국의 수출 통제 업데이트도 모니터링해야 합니다.

출처: scmp.com

원래 게재된 곳: gentic.news