Salience Labs, AI 데이터센터용 광 스위칭 확대 위해 1억 2,500만 달러 규모 시리즈 B 투자 유치

GPU를 추가한다고 해서 AI 시스템이 자동으로 더 빨라지는 것은 아니다. 수천 개의 프로세서가 데이터를 주고받아야 하는 경우, 네트워크 성능에 따라 값비싼 칩들이 실제로 처리하는 유용한 작업량이 달라질 수 있다. Salience Labs는 연결 지점 사이로 데이터가 이동할 때 광 영역을 유지하는 스위치로 이러한 병목을 해결하려 한다.

옥스퍼드에 기반을 둔 이 회사는 Bullhound Capital이 주도한 1억 2,500만 달러 규모의 시리즈 B 투자를 유치했으며, 투자액은 당초 목표를 초과했다. 기존 주주와 함께 AMD Ventures, Intel Capital, SBI Group, Hudson River Trading, British Business Bank가 투자에 참여했다. Bullhound의 책임자인 Callum Stewart는 이사회에 합류한다.

이번 자금은 광 회로 스위칭 기술의 도입, 대량 생산 확대, 실리콘밸리 사업 기반 확장을 뒷받침할 예정이다. 이번 발표에 앞서 2026년 ECOC에서 64포트 실리콘 포토닉스 스위치를 시연했으며, 향후 출시할 128포트 및 256포트 제품도 로드맵에 포함돼 있다.

AI 인프라에 더 빠른 프로세서만으로는 부족한 이유

대규모 AI 작업은 여러 가속기에 연산을 분산한다. 가속기들은 정보를 주고받아야 하며, 통신 지연이 발생하면 연산 자원이 대기 상태에 놓일 수 있다. 따라서 데이터 이동 문제를 해결하지 않은 채 프로세서 성능만 높이면 시스템 전체의 성능 향상 폭은 점차 줄어들 수 있다.

광 링크는 이미 많은 데이터센터 네트워크에서 데이터를 전송하고 있다. 그러나 광 링크와 광 스위치는 서로 다른 문제를 해결한다. 링크는 신호를 전송하고, 스위치는 신호가 이동할 연결 경로를 결정한다. 기존의 전기식 스위칭에서는 스위칭 단계에서 광 신호를 전기 신호로 변환한 뒤, 광 신호로 다시 변환해 다음 구간으로 전송해야 한다.

광 회로 스위칭은 빛 신호 자체가 지나갈 경로를 설정한다. 이를 통해 변환 과정에서 발생하는 오버헤드를 줄이고 종단 간 저지연 연결을 제공하는 것이 목표다. 이는 네트워킹 기술이며, GPU를 대체하거나 모델의 연산을 수행하지는 않는다.

이러한 차이는 AI 성능을 제한하는 요인으로서 네트워킹에 대한 관심이 커지는 이유를 설명하는 데 도움이 된다. 실제 성능 향상은 단일 구성 요소의 사양보다 연산, 메모리, 상호 연결이 함께 작동하는 방식에 달려 있다.

Salience의 실리콘 포토닉스 접근법이 더하는 것

Salience는 자사 설계를 여러 랙에 걸쳐 GPU를 연결하기 위한 완전 통합형 전광 스위치 아키텍처라고 설명한다. 이 기술은 University of Oxford와 University of Münster에서 진행된 10년 이상의 실리콘 포토닉스 연구를 기반으로 한다.

실리콘 포토닉스는 광 기능을 반도체 칩에 구현한다. Salience는 스위칭과 증폭을 통합하면 광 성능과 일관된 대량 생산으로 이어질 수 있는 경로를 함께 확보할 수 있다고 설명한다. 이 설계를 양산 하드웨어로 구현하는 것이 이번 시리즈 B 투자의 핵심 목적이다.

회사의 제품 문서는 OC-32M 모듈을 구체적인 참고 사례로 제시한다. 이 모듈은 32개 입력과 32개 출력을 갖춘 논블로킹 광 스위치로, 스위칭 및 증폭용 포토닉 칩과 구동 전자 장치, 펌웨어, 광섬유 커넥터를 통합한다. 또한 고객의 개발을 지원하는 랙 장착형 평가 플랫폼도 설명한다.

Salience가 해당 모듈에 대해 제시한 사양은 입력에서 출력까지의 지연 시간 10나노초, 재구성 시간 300마이크로초 미만, 삽입 손실 2dB 미만, 포트당 소비 전력 1와트 미만이다. 이는 문서에 소개된 제품에 대한 회사 측 사양이며, 새로 시연한 64포트 시스템을 독립적으로 검증해 측정한 결과는 아니다.

스위칭 지연 시간과 재구성 시간은 서로 다르다

두 시간 수치는 서로 다른 상황을 나타낸다. 지연 시간은 신호가 이미 설정된 연결을 통과하는 데 걸리는 시간이다. 재구성 시간은 연결된 종단점을 변경하는 데 걸리는 시간이다.

광 경로가 매우 빠르다고 해서 네트워크가 같은 시간 척도로 연결을 재구성할 수 있다는 뜻은 아니다. 연결 패턴과 스케줄링이 회로를 효과적으로 활용하고 변경에 필요한 시간까지 고려할 때 애플리케이션의 성능을 높일 수 있다.

삽입 손실은 또 다른 이유로 중요하다. 광 신호는 구성 요소와 연결 지점을 통과하면서 전력을 잃는다. 스위치는 네트워크의 광 전력 예산 안에 들어야 한다. Salience는 대규모 환경에서 광 스위칭을 실용화하기 위한 접근법의 하나로 통합 증폭 기능을 내세운다.

회사의 기술 페이지는 낮은 전력 소비와 고체 소자 기반의 신뢰성도 강조한다. 이러한 장점은 적절한 수준에서 평가해야 한다. 포트당 전력 수치는 AI 클러스터 전체의 에너지 소비량과 같지 않으며, 스위치 지연 시간이 짧다고 해서 학습이나 추론이 더 빨라진다고 단정할 수는 없다.

64포트에서 더 큰 네트워크로

이번 ECOC 시연은 Salience 웹사이트에 소개된 32포트 제품에서 한 단계 나아간 성과다. 회사는 이번 64포트 시연을 실리콘 포토닉스 기반 광 회로 스위칭 분야에서 업계 최초라고 설명한다.

이번 자금은 포트 수 128개 및 256개를 목표로 하는 개발을 지원하는 데 사용될 예정입니다. 포트 수가 늘어나면 스위치 하나에서 더 많은 연결 옵션을 제공할 수 있지만, 발표에서 언급된 이러한 대형 제품은 아직 향후 솔루션에 해당합니다. 시연, 인증, 대량 공급은 각각 별개의 이정표입니다.

Salience는 스케일업과 스케일아웃 환경을 모두 겨냥하고 있습니다. 스케일업 네트워크는 가속기를 긴밀하게 조율되는 컴퓨팅 시스템으로 연결하고, 스케일아웃 네트워크는 더 큰 클러스터 전반에 걸쳐 시스템을 연결합니다. 두 환경 모두 고성능 통신이 필요하지만, 토폴로지와 워크로드 요구 사항은 서로 다릅니다.

수천 개의 GPU를 연결하겠다는 회사의 목표는 구상 중인 네트워크의 범위를 설명하는 것으로, 개별 스위치의 포트 수와 혼동해서는 안 됩니다. 이 네트워크를 구축하려면 토폴로지와 제어, 호환성, 스위치를 결합하는 방식에 관한 결정을 내려야 합니다.

제조와 통합, 다음 시험대에 오르다

CEO 겸 공동 창업자인 Vaysh Kewada는 CTO 겸 공동 창업자인 Johannes Feldmann과 함께 Salience를 이끌고 있습니다. 2021년에 설립된 이 회사는 이제 제조 규모 확대와 미국 내 사업 기반 확장에 신규 자금을 투입하고 있으며, 여기에는 서부 해안의 두 번째 거점도 포함됩니다.

발표문은 배치와 대량 운영을 지원하기 위한 계획의 일환으로 Keysight Technologies 및 Tower Semiconductor와 계속 협력하고 있다고 밝혔습니다. 이는 포토닉 칩을 넘어서는 작업의 중요성을 보여줍니다. 테스트, 패키징, 제어 전자 장치, 시스템 통합, 안정적인 생산은 모두 새로운 스위치가 실제 인프라로 활용될 수 있는지에 영향을 미칩니다.

AMD Ventures와 Intel Capital의 참여는 컴퓨팅 생태계와 밀접한 투자자들의 관심을 더해 줍니다. 그러나 이 사실만으로 어느 한 칩 제조업체의 제품 통합, 고객 주문 또는 배치 약속이 성립하는 것은 아닙니다.

이번 시리즈 B 투자로 Salience는 광 스위칭 시연 단계에서 대규모 생산 단계로 전환하는 데 필요한 자원을 확보했습니다. 향후 성과는 인증을 마친 하드웨어와 일관된 제조 역량, 그리고 광 회로가 AI 인프라의 비용 효율성과 성능을 어떤 지점에서 개선하는지를 보여 주는 워크로드 수준의 결과를 통해 평가될 것입니다.