스케일-어크로스 네트워킹: 광학 혁신으로 AI 팩토리 규모 확장

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

TL;DR

데이터센터 한 곳에 XPU를 집중하기 어려운 현실에서 'scale-across'는 여러 데이터센터의 XPU를 광역으로 결합해 대규모 분산 클러스터를 구성하는 전략이다. 이를 위해 업계는 800G ZR/ZR+와 같은 coherent pluggable로 고속·저전력 전송을 확보하고, Direct-Attach ROADM 또는 고정 필터 OLS로 파장 집적을 극대화하며, 멀티레일 ILA로 랙 단위의 다수 섬유 증폭을 실현하고, Hollow-core fiber로 전파 지연을 줄이는 식으로 전송·증폭·전송매체 전반을 개선하고 있다. 이러한 설계는 페타비트급 용량과 수백 킬로미터 범위에서의 저지연 연결을 가능하게 해 대규모 모델 학습의 시간과 비용을 낮출 잠재력이 있으나 초기 비용·장비 성숙도와 동기식 학습의 지연 민감성은 여전히 배포 범위의 제약으로 남는다.

빠른 이해

새로운 점

데이터센터 경계를 넘어 수백~수천 킬로미터 규모로 XPU 클러스터를 연결하는 'scale-across' 개념을 광학 요소별(플러거블·OLS·ILA·HCF)로 정합해 실제 구현 과제와 용량·지연 지표를 연결한 점

핵심 메커니즘

여러 데이터센터에 분산된 XPU들을 고밀도 섬유와 고용량 광학 장비로 물리적으로 연결(입력)한 뒤 coherent pluggables와 ROADM/OLS로 다중 파장을 집적하고 멀티레일 ILA로 중간 구간을 증폭하며 HCF 같은 전송매체로 전파 지연을 줄여(처리) 결국 페타비트급 용량과 낮은 지연으로 동기적 혹은 비동기적 분산 학습을 지원하는 슈퍼클러스터를 구성(출력)

핵심 수치

최대 섬유 쌍 수: 3,456 fiber pairs- 초고밀도 신규 섬유 구축 사례로 언급됨
단일 슬레드 전송 용량(예시): 50–75 Tb/s- 1830 GX RD66와 같은 고포트수 OLS 구성으로 달성 가능
멀티레일 ILA 증폭 밀도: 160 fiber pairs per rack- 레거시 대비 약 40배 밀도, 동급 첨단 대비 8배 향상으로 기술됨
HCF 전파 지연 개선: ≈30% less propagation delay- 단일모드 대비 실험·설계 기반 수치로 제시됨

섹션별 상세

스케일-어크로스 개념과 필요성

스케일-어크로스는 단일 데이터센터의 공간과 전력 한계를 넘어서기 위해 다수의 데이터센터에 분산된 XPU를 하나의 계산 집합처럼 연결하는 네트워크 전략이다. 대규모 언어모델 학습에서 동기식 분산학습은 노드 간 지연에 매우 민감해 단일 건물에 수백만 개의 XPU를 집적하는 것이 현실적 한계를 맞고 있다. 이 문제를 해결하려면 수백~수천 킬로미터 범위에서 페타비트급 용량과 낮은 지연을 동시에 제공하는 광학 인프라가 필요하다. 따라서 scale-across는 단순한 WAN 연결이 아니라 전송매체·증폭·트랜시버·스펙트럼 집적의 종합적 설계 과제로 규정된다.

성능 요구사항: 용량 집적과 지연 제한

스케일-어크로스 네트워크는 대역폭 측면에서 C·L 대역 전체를 수백 개 섬유쌍에 걸쳐 완전히 활용해 페타비트급 연결을 목표로 한다. 전송 거리와 지연 측면에서는 동기식 학습이 널리 사용되는 현재 구조에서 단일 노드 지연이 전체 집계 지연을 증가시키므로 데이터센터 간 거리는 수백 킬로미터 수준으로 제한될 수 있다. 비동기식 학습 기법의 확장으로 지연 민감도를 어느 정도 완화할 수 있으나 여전히 저지연 전송과 전송매체 개선이 핵심적인 요구로 남는다. 이와 함께 초고밀도 섬유 구축(예: 최대 3,456쌍)을 통한 물리적 용량 확대가 중요해지고 있다.

핵심 광학 기술과 구현 방식

고용량·저전력 소형 트랜시버인 800G ZR/ZR+ 계열의 coherent pluggable은 백엔드 스위치와 라우터에 직접 장착되어 높은 스펙트럼 효율을 제공하며 thin transponder가 대안으로 사용될 수 있다. 대규모 파장 집적을 위해 Direct-Attach ROADM나 고정 필터 기반 OLS가 사용되며, 예시로 1830 GX RD66는 한 슬레드로 50~75 Tb/s를 처리할 수 있고 OMD32는 25~38.4 Tb/s를 경제적으로 제공한다. 중간 구간 증폭은 멀티레일 ILA로 접근하는데, Nokia의 사례에서는 랙당 160개 섬유쌍을 증폭해 기존 ILA 대비 약 40배 밀도 개선과 동급 ILA 대비 8배 성능 향상을 이루었다고 기술되며 이는 동일 공간에서 다수의 파이버를 관리하는 구현 방식과 전력 효율 개선이 핵심 요인임이 드러난다. 전송매체 측면에서는 Hollow-core fiber가 기존 단일모드 섬유보다 전파 지연을 약 30% 줄여 데이터센터 간 실효 거리(실용적 연결 거리)를 40~50%까지 연장할 수 있다는 점이 주목된다.

근거

멀티레일 ILA는 랙당 160개 섬유쌍의 인라인 증폭을 가능하게 해 레거시 ILA 대비 40배, 현행 첨단 ILA 대비 8배의 밀도 향상을 제공한다고 기술되었다. — 섹션 'Key optical technologies for scale-across'의 멀티레일 ILA 문단
Hollow-core fiber는 기존 단일모드 광섬유보다 전파 지연이 약 30% 적어 데이터센터 간 실용 거리를 40–50% 연장할 수 있다고 언급되었다. — 섹션 'Key optical technologies for scale-across'의 Hollow-core fiber 문단

비즈니스·운영적 의미와 한계

스케일-어크로스는 대규모 모델 학습 시간을 단축하고 인프라 확장성을 높여 AI 공장(AI factory)의 경제성을 개선할 잠재력이 있다. 그러나 고밀도 섬유 구축, 대용량 광학 장비 도입, ILA 및 HCF 같은 신기술의 초기 비용과 상용화 성숙도는 운영적 제약으로 남는다. 또한 동기식 학습의 지연 민감성은 물리적 거리·전송매체의 개선에도 불구하고 여전히 설계상 트레이드오프를 요구하며, 비동기적 학습·분산 훈련 알고리즘의 채택 여부가 실제로 배포 가능한 거리 범위를 결정할 것이다. 따라서 기술적 이점이 분명하나 비용·운영·생태계 성숙도 측면에서 단계적 도입이 현실적이다.

용어 해설

Scale-across: — 서로 다른 물리적 데이터센터에 분산된 XPU 클러스터를 광역 네트워크로 연결해 하나의 동기적 혹은 비동기적 연산 단위처럼 동작하도록 만드는 인프라 패턴이다. 데이터센터 단일 건물의 전력·공간 한계를 극복하기 위해 수백~수천 킬로미터에 걸쳐 페타비트급 용량과 낮은 지연을 제공해야 하며, 이를 위해 고용량 광학 전송·증폭·전송매체 개선이 핵심이다.
Coherent pluggable: — 스위치나 라우터의 슬롯에 꽂아 사용하는 소형 광학 트랜시버로, 위상 정보를 보존하는 코히어런트 전송을 통해 높은 스펙트럼 효율과 장거리 전송 성능을 제공한다. 800G ZR/ZR+ 계열이 대표적이며, 작은 폼팩터와 낮은 전력으로 백엔드 및 DCI 연결에 활용되어 용량 확장에 유리하다.
ROADM: — 파장 다중화된 광 신호를 네트워크 경로에 따라 선택·재구성하는 광중계 장치로, 다중 파장 처리를 통해 한 가닥 섬유에 대용량 전송을 집적할 수 있다. 포트 수가 높은 Direct-Attach ROADM이나 고정 필터 솔루션은 페타비트급 집적을 가능하게 하여 scale-across 네트워크의 핵심 역할을 한다.
Inline amplifier (ILA): — 장거리 광전송에서 손실로 약해진 신호를 중간 구간에서 증폭해 전송 거리를 확보하는 장비로, 전통적 ILA 대비 레일을 분리해 다수의 섬유를 같은 랙 단위로 증폭하는 멀티레일 설계는 설치 밀도와 전력 효율을 동시에 개선한다. 멀티레일 ILA는 동일 공간에서 처리 가능한 섬유 수를 크게 늘려 대규모 섬유 팩트리 구축에 기여한다.
Synchronous training: — 분산 학습에서 모든 XPU가 동일한 단계에서 계산을 마친 뒤에만 파라미터 업데이트를 집계하는 방식으로, 각 노드의 지연이 전체 학습 시간에 직접적으로 영향을 미친다. 지연 민감도가 높아 데이터센터 간 거리와 네트워크 지연이 학습 속도와 비용을 제약하는 주요 요인이 된다.

언급된 리소스

문서원문 링크