800G 및 1.6T 광학 기술이 데이터 센터의 속도와 효율성을 향상해 AI의 진화를 혁신으로 이끄는 데 어떻게 기여하는지 살펴보세요. 헨켈이 AI 적용 분야에 대한 증가하는 수요를 충족하기 위해 어떻게 혁신을 주도하는지 알아보세요.
Market Strategy Manager Growth
인공 지능(AI)이 계속해서 화제로 대두되는 가운데, AI가 업무 방식에 미칠 수 있는 영향에 대해 예측해 보고, AI 업계의 최신 동향을 살펴보며, 현재에 이르게 된 과정과 AI의 향후 전망에 대해 되돌아볼 시점입니다.
이 블로그에서는 중요한 질문은 전문가들과 미래학자들에게 맡기고, 대신 AI의 정의, 발전 과정, 폭발적인 AI 수요에 대응하기 위한 데이터 센터 기술 혁신과 관련된 실질적인 부분을 중점적으로 살펴봅니다.
특히 데이터 센터 네트워크가 AI 성능을 발휘하는 데 필요한 속도와 대역폭을 제공하는 데 있어 800G/1.6T 광학 기술의 역할을 살펴봅니다. AI 혁명이 아무리 정교해지더라도 네트워크가 없다면 아무런 진전을 이룰 수 없기 때문입니다.
영화 '2001 스페이스 오디세이'를 본 사람이라면 AI라는 개념이 적어도 56년 전, 우주비행사들의 일진을 사납게 만들었던 HAL 9000 컴퓨터까지 거슬러 올라간다는 것을 알고 있을 것입니다.
작가 Arthur C Clark는 HAL이라는 약어가 사람들의 얘기처럼 'IBM'의 알파벳을 한 글자씩 앞으로 옮겨 지은 것이 아닌 'Heuristically Programmed Algorithmic Computer'의 약어라고 설명했는데, 이는 AI 기계를 정의하는 데 있어 꽤 적절한 출발점이 됩니다.
기존의 컴퓨터는 고정된 알고리즘과 명령어를 통해 프로그래밍됩니다. AI는 이들을 휴리스틱, 즉 스스로 학습하고 학습한 내용을 바탕으로 결정을 내리거나 콘텐츠를 생성하는 능력과 결합하여 인간의 지능을 모방한다는 점에서 차이가 있습니다.
인공지능의 역사는 가상의 HAL 9000보다 훨씬 이전으로 거슬러 올라갑니다.
- 오토마타는 자신의 의지대로 움직이는 것처럼 보이는 인간 같은 인형 기계였는데, 17세기까지 존재했던 이 기계는 CNET1 기사 'Before they were robots'에서 다뤄진 바 있습니다.
- 1955년 여름, 수학 교수이자 인공 지능 분야의 선구자였던 John McCarthy는 다트머스 대학교에서 열렸던 워크숍에서 이 용어를 처음 사용했고, 이는 1950년대까지 유행했습니다.
- 1966년, Joseph Weizenbaum은 피그말리온의 Eliza Doolittle에서 영감을 받아 최초의 챗봇인 ELIZA를 개발했습니다. ELIZA는 자연어 처리(NLP)를 사용하여 인간과 대화를 나누는 모의 심리 치료사였습니다.
- 1980년대에는 일본에서 5세대 컴퓨터 프로젝트(FGCP)를 통해 추론 기반 처리와 AI 기능을 중점으로 한 5세대 컴퓨터 개발이 시작되었습니다. 지금은 거의 논의되지 않지만 이는 잠재적으로 변화되는 AI의 역할에 대한 초기 인식을 보여주는 사례입니다.
- 체스의 거장 Gary Kasparov는 1997년 IBM의 Deep Blue 컴퓨터에게 그 유명한 충격적인 패배를 당한 바 있습니다.
- 몇 년이 지나 NASA의 화성 탐사선 Spirit과 Opportunity가 자율적인 화성 탐사를 시작했습니다. 현재 화성에는 Curiosity와 Perseverance라는 2대의 화성 탐사선이 활동하고 있습니다. 이 두 탐사선에는 지질학적 목표물을 조사할 수 있도록 딥 러닝, 컴퓨터 비전, 신경망을 활용하는 AEGIS AI 시스템이 탑재되어 있습니다.
- 2011년에 출시된 Apple Siri와 2014년에 출시된 Amazon Alexa는 지금에 이르러 금요일 밤에 가장 맛있는 테이크아웃 음식을 고르는 데 도움을 주고 있습니다.
이러한 사례들은 주로 AI의 진화적인 발전을 보여줍니다. 그러나 2022년 11월 30일, ChatGPT가 출시되고 첫 번째 광범위한 생성형 AI 기능이 등장하면서 AI 혁명의 시작으로 보이는 변화를 예고했습니다.
이러한 혁명이 사회에 어떤 의미를 갖든, 컴퓨팅 및 데이터 센터 산업에 큰 영향을 미칠 것은 분명하며 800G/1.6T 광학 기술과 같은 혁신은 이러한 과제에 대응하는 데 도움이 되고 있습니다.
생성형 AI와 딥 러닝 학습 모듈은 매우 많은 데이터를 소모합니다. AI는 반복적인 학습 과정을 거쳐 방대한 데이터 세트를 거듭 검토하여 이해도를 높입니다. 이때 상당한 컴퓨팅 및 저장 공간 자원이 필요합니다. 2023년 datacentral.com 기사에 따르면 ChatGPT-4는 텍스트 기반 생성형 AI에 대해 1조 8,000억 개의 매개변수와 1페타바이트가 넘는 데이터 세트를 가지고 있으며, 이는 학습이 계속될수록 반복 작업마다 증가합니다.
AI 서버의 그래픽 처리 장치(GPU)는 특히 800G 클러스터에서 방대한 연산량이 필요한 AI 학습 및 추론 모듈 작업을 처리하는 데 매우 적합합니다. Nvidia와 같은 기업들이 훌륭한 성과를 거두는 이유는 바로 GPU와 기타 제품들이 AI 발전에 매우 핵심적인 역할을 수행하고 있기 때문입니다.
생성형 AI 학습 모듈과 데이터 세트는 AI 데이터 센터 네트워크의 대규모 데이터 처리와 저지연 요구 사항 측면에서 상당한 어려움을 야기합니다. Juniper Networks2와 Network World3 의 기사에서는 두 주요 데이터 센터 네트워크 공급업체가 이러한 어려움을 어떻게 해결하는지에 대해 상세히 짚어보며, 2023년 Keysight 블로그에서는 AI 등의 신기술에서 1.6T 네트워크 구축의 중요한 역할에 대해 설명합니다.
AI 데이터 센터 네트워크 구축 시 증가하는 대역폭과 속도 요구 사항을 충족시키기 위해서는 800G 이더넷과 800G/1.6T 광학 장치가 모두 필요하며, 현재 800G 이더넷이 개발되는 중입니다. 기존의 선형 드라이브 플러그형 광학 장치(LPO) 송수신기부터 공동 패키지 광학 장치(CPO)까지 다양한 기술을 선택할 수 있습니다. 기술마다 장단점이 있지만, 모두 800G/1.6T로의 전체적인 전환에 나름의 역할을 합니다.
이더넷 얼라이언스(Ethernet Alliance)의 회원사인 시높시스(Synopsys)의 Priyank Shukla는 AI 데이터 센터 네트워크가 800G 이더넷을 가장 먼저 채택할 것이며 2025년까지 800G 이더넷을, 2027년까지 1.6T 이더넷을 도입할 가능성이 높다고 예측했습니다. 많은 공급업체가 800G 광학 송수신기를 출시했으며, 1.6T 송수신기 역시 선보인 바 있습니다. 2024년 1월 이더넷 얼라이언스 블로그4 에서는 이러한 송수신기를 비롯한 여러 발전 현황에 대해 자세히 다루었습니다.
장비 공급업체들은 AI 데이터 센터 네트워크를 지원하기 위해 AI 서버 연결을 지원하는 800G 호환 51.2Tbps 스위치를 출시하고 있습니다. 이들 스위치는 32개의 OSFP800, QSFP-DD800 포트를 지원하므로 800G/1.6T 광학 장치를 사용할 수 있습니다. 800G/1.6T 광학 송수신기는 향상된 대역폭과 속도를 제공하여 AI 적용 분야에서 데이터를 더욱 효율적으로 처리하고 지연 시간을 단축함으로써 AI 데이터 센터의 어려움을 해결합니다.
재료 기술 분야의 시장 선도 기업이자 데이터 센터 응용 분야를 위한 재료 솔루션 전문 기업인 헨켈은 AI 데이터 센터를 위한 800G/1.6T 성능을 구축하는 데 핵심적인 역할을 하고 있습니다.
구체적으로 보면, 데이터 센터는 전 세계 에너지의 1~2%를 소비하며 AI는 에너지 집약적인 응용 분야입니다. 800G/1.6T 광학 송수신기 설계업체와 제조업체는 저전력 제품 설계에 박차를 가해야 하며 헨켈은 광학 송수신기 제조업체와 저전력 모듈 설계에서 긴밀히 협력하고 있습니다.
- 기사
- 브로셔
- 사례 연구
- 인포그래픽
- 백서
고객의 요구 사항을 자세히 파악하기 위해 당사의 전문가들이 함께합니다.
헨켈의 지원 센터와 전문가는 고객이 비즈니스 요구 사항에 맞는 솔루션을 찾을 수 있도록 지원할 준비가 되어 있습니다.