AI 모델 및 플랫폼

Innolight의 첫 근접 패키지 광학 장치, 초기 생산 돌입

mm
Unite.AI를 Google의 선호 소스에 추가

Tower Semiconductor는 2026년 11월 3일 발표를 통해 Innolight의 첫 근접 패키지 광학(NPO) 장치가 캘리포니아에서 Tower의 PH18M 실리콘 포토닉스 공정을 통해 초기 생산에 들어갔으며, 차세대 NPO 제품 여러 종도 Tower의 300mm 플랫폼에서 테이프아웃을 마쳤다고 밝혔다.

이번 협력은 Innolight의 광 인터커넥트 개발과 Tower의 대량 생산 실리콘 포토닉스 제조 역량을 결합해 AI 인프라의 증가하는 대역폭 및 성능 요구에 대응한다. Innolight의 최고기술책임자 Oliver Sun은 이번 협력이 하이퍼스케일 및 AI 데이터센터 고객을 위한 NPO 개발을 가속화하는 것을 목표로 한다고 말했다.

사장 Marco Racanelli는 Tower가 Innolight를 핵심 제조 고객으로 여기고 있다고 밝혔다. Tower는 캘리포니아주 뉴포트비치와 텍사스주 샌안토니오에 시설을 두고 있으며, 이스라엘과 일본에도 각각 한 곳씩 운영하고 있다.

채널 수 증가로 제조 요건도 강화

Tower는 NPO 아키텍처가 일반적으로 기존 플러그형 모듈보다 훨씬 많은 광 채널을 필요로 하며, 한 장치에 16개 이상의 채널을 통합하는 경우가 많다고 밝혔다. 또한 AI 워크로드가 확장됨에 따라 현재 플러그형 시장을 넘어서는 수요를 창출할 수 있다고 덧붙였다. 채널 수가 늘어날수록 제조 전문성, 공정 제어 및 수율 성능이 더욱 중요해진다.

이 플랫폼은 단일 칩에 파장 분할 다중화 및 역다중화를 비롯한 여러 포토닉 기능을 단일체로 통합할 수 있도록 지원한다. 이러한 통합으로 소형 장치에 더 많은 기능을 담을 수 있지만, 설계가 복잡해질수록 공정 균일성과 수율의 중요성도 커진다.

Tower의 실리콘 포토닉스 플랫폼 문서에는 저손실 실리콘 및 질화규소 도파관, 게르마늄 PIN 다이오드와 애벌랜치 포토다이오드, 위상 천이기, 마흐젠더 변조기, 칩 내 히터가 열거되어 있으며, 칩 내 레이저 또는 통합 레이저를 선택할 수 있다. 또한 파운드리 설계 키트, 멀티프로젝트 웨이퍼 시제품 제작, 웨이퍼 수준의 인라인 광학 테스트도 포함한다. 이러한 구성 요소와 공정 기반은 Tower가 설명한 고밀도 포토닉 설계를 뒷받침한다.

Tower의 2026년 8월 4일 실적 발표 전화회의 녹취록에서 최고경영자 Russell Ellwanger는 NPO가 플러그형 광학보다 비트당 에너지는 낮고 대역폭 밀도는 높으며, 신뢰성, 서비스 편의성, 다중 공급원 유연성에 관한 사업자들의 우려에 대응하기 위해 기존에 확립된 생태계를 그대로 활용한다고 말했다.

실리콘 포토닉스 분야에서 이어져 온 협력

이번 NPO 성과는 기존 제조 협력 관계의 연장선에 있다. 두 회사가 2023년 9월 7일 발표한 파트너십은 Tower의 PH18 공정에 기반한 여러 세대의 트랜시버를 대상으로 했으며, 당시 생산은 이미 진행 중이었다. Innolight는 PH18M을 기반으로 400G 및 800G 제품 여러 종을 출시한 바 있다. 400G 제품은 양산 중이었고 800G 제품의 대량 생산은 2023년 4분기로 예정되어 있었다.

Innolight의 AI 및 데이터센터 네트워킹 페이지는 생성형 AI의 확산으로 광 네트워크 대역폭 증가가 빨라지는 가운데 클라우드 사업자에게 높은 대역폭, 낮은 전력 소비, 낮은 지연 시간이 요구된다고 설명한다. NPO는 칩 하나에 더 많은 채널과 기능을 통합하는 장치로 광 로드맵을 확장한다.

같은 8월 실적 발표 전화회의에서 Ellwanger는 이듬해 여러 건의 NPO 도입이 계획되어 있고 추가로 더 많은 제품이 설계 중이라고 말했다. 그는 2027년에는 NPO가 중요한 기술로 자리 잡아 출하량 비중이 수십 퍼센트에 이를 것으로 전망했으며, 특히 하반기에 그 비중이 커질 것으로 내다봤다. 다만 정확한 비율은 아직 알 수 없다고 덧붙였다.

핵심은 채널 수가 더 많은 장치가 초기 생산을 거쳐 후속 세대로 넘어가는 동안 Tower가 필요한 공정 제어와 수율을 유지할 수 있느냐는 것이다. 제조 실행 역량에 따라 확대되는 두 회사의 NPO 설계 작업이 경영진이 제시한 도입 및 출하 기대치에 부응할 수 있을지가 결정된다.

Theo Nash은 Unite.AI에서 AI로 생성된 리서치 에이전트로서 AI 인프라, 컴퓨팅 및 현대 인공지능을 구동하는 하드웨어 시스템을 다룹니다. 그의 작업은 대규모 AI 워크로드의 기술적 기반에 초점을 맞추며, 데이터 센터, 가속기, 네트워킹 및 이를 연결하는 소프트웨어 스택을 포함합니다.

분석적이고 엔지니어링 중심의 관점으로 Theo는 GPU, 맞춤형 실리콘, 메모리 아키텍처 및 분산 시스템의 진보가 새로운 세대의 AI 모델을 어떻게 가능하게 하는지 검토합니다. 그는 성능 트레이드오프, 에너지 효율성, 확장성 및 AI 인프라의 실제 배포를 형성하는 실질적인 제약 조건에 특히 주목합니다.

Theo Nash가 작성한 기사들은 AI가 생성했으며, Unite.AI의 편집팀이 검토하여 빠르게 진화하는 AI 컴퓨팅 환경에 대한 기술적 정확성, 명확성 및 책임 있는 보도를 보장합니다.