라이트인텔리전스 WAIC 2026 시연, 광 컴퓨팅의 ‘제품화’를 시험하다

라이트인텔리전스가 WAIC 2026에서 내놓은 메시지는 ‘빛으로 행렬곱을 할 수 있다’는 기술 시연보다 한 단계 현실적이었다. PACE 2 기반 **톈수 라이트 큐브(Tianshu Light Cube)**는 출입통제와 시각 인식이라는 실제 사용 환경을 겨냥했고, 차세대 PACE 3는 더 큰 모델의 추론을 목표로 제시됐다. 이는 광 컴퓨팅의 논점이 광자 행렬 연산의 가능성에서, 광·전자 혼합 시스템을 실제로 배치·운영·통합할 수 있는지로 이동하고 있음을 시사한다. 192027

핵심 신호는 ‘칩’이 아니라 제품 경로다

톈수 라이트 큐브는 PACE 2 광전자 가속기를 중심으로 CPU, 메모리, 냉각, 외부 인터페이스를 통합한 장비형 시스템이다. 보도에 따르면 출입통제 등 고빈도 시각 인식 업무를 지원하며, 독립된 연구실용 부품에 머물지 않는 활용 사례를 제시했다. 1926

AI 가속기의 현장 경쟁력은 연산 처리량만으로 정해지지 않는다. 추론 소프트웨어, 인터페이스, 열 설계, 모니터링, 신뢰성, 유지보수까지 설치 전체가 작동해야 한다. 완제품 시스템은 사용자가 광자 칩, 호스트 전자장치, 냉각 장치, 드라이버, 애플리케이션 파이프라인을 각각 조립하지 않고도 엔드투엔드 워크로드를 평가할 수 있게 한다.

PACE 3는 이 제품 경로를 대규모 모델 추론 쪽으로 확장한다. 라이트인텔리전스는 2026년 6월 PACE 3 광자 칩이 제조 공정에서 나온 뒤, 최대 256×256 행렬 규모의 저지연·고처리량 대규모 모델 추론을 지원하도록 설계됐다고 밝혔다. 이후 보도에서는 광집적회로(PIC)와 전자집적회로(EIC)가 모두 테이프아웃을 마쳤고, 시스템 검증은 앞으로 진행될 단계라고 전했다. 1927

이 단서는 중요하다. 테이프아웃과 제조된 칩의 확보는 의미 있는 개발 이정표지만, 실제 대규모 모델 추론에서 양산급 성능이 독립적으로 입증됐다는 뜻은 아니다.

왜 광·전자 하이브리드 구조가 현실적인가

광자 프로세서는 많은 AI 모델의 중심에 있는 고밀도 선형 연산에 적합하다. 광자 행렬 컴퓨팅 관련 연구 검토에서는 여러 접근법이 매우 낮은 지연시간과 낮은 MAC(곱셈·누산)당 에너지 사용량을 보였다고 보고한다. 다만 결과는 아키텍처와 측정 범위에 크게 좌우된다. 33

하지만 유용한 AI 시스템 전체가 광학적으로만 작동하는 것은 아니다. 라이트인텔리전스의 접근은 광전자 하이브리드 방식이다. 광자 부품이 고밀도 행렬 연산을 맡고, 전자 칩이 저장과 제어를 담당한다. 11 이는 추론에 데이터 이동, 아날로그·디지털 변환, 비선형 연산, 오케스트레이션, 메모리 관리, 오류 처리도 필요하다는 현실을 반영한다.

따라서 상용화의 관건은 광학 코어의 이론적 효율이 아니라 시스템 전체 효율이다. 2026년 한 연구는 변환 비중이 큰 광자 AI 전력 예산에서 ADC와 DAC가 80% 이상을 차지할 수 있으며, 정밀도와 변환 설계가 에너지·정확도 절충의 핵심이라고 분석했다. 45

라이트 큐브가 겨냥하는 상용화 장벽

배치와 통합

바로 쓸 수 있는 컴퓨팅 박스는 초기 도입자의 통합 부담을 낮춘다. 기업이 자체 서버에 광자 하드웨어를 넣도록 요구하는 대신, 라이트인텔리전스는 연산, 메모리, 냉각, 인터페이스를 포함한 제한된 범위의 애플리케이션 시스템을 제시할 수 있다. 1926

특히 엣지·비전 업무에서는 최고 처리량만큼 응답성과 운영 안정성도 중요하다. 지속적으로 작동하는 출입통제 사례는 설치 과정, 가동률, 반복적 실사용 환경에서의 동작을 확인할 기회를 제공한다.

소프트웨어 채택

광자 하드웨어에는 양자화, 보정, 소자 편차, 광·전자 혼합 실행, 여러 행렬 코어 간 워크로드 매핑을 고려한 소프트웨어와 모델이 필요하다. 라이트인텔리전스는 광자 컴퓨팅 시뮬레이터 LTSimulator와 평가 보드 Gazelle을 대학·연구기관과 협력해 강의실과 연구실에 공급해 온 것으로 알려졌다. 20

이는 장기적인 생태계 전략이다. 특수 하드웨어가 널리 보급되기 전부터 개발자가 하드웨어 인지형 모델 매핑과 알고리즘 설계를 익히게 함으로써, 소프트웨어 생태계의 ‘콜드 스타트’ 문제를 줄이려는 시도다.

공급망과 제조 가능성

상용 광 컴퓨팅은 연산 칩 하나로 완성되지 않는다. 레이저, 변조기, 검출기, 전자 제어 회로, 패키징, 테스트, 보정, 시스템 인터페이스가 함께 맞물려야 한다. 라이트인텔리전스는 WAIC에서 광 컴퓨팅뿐 아니라 광 인터커넥트와 광 스위칭도 선보이며, 단일 가속기보다 넓은 AI 인프라 스택을 겨냥했다. 2327

이 전략이 공급망 위험 자체를 없애지는 않는다. 다만 반복 가능한 시스템 구성 요소를 중심으로 엔지니어링을 집중해 제품화 난도를 낮출 수 있다.

정확도·보정·유지보수

광학 하드웨어는 이상적이지 않은 물리적 특성에 민감하다. 연구에서는 손실 불균형, 광 부품 편차, 변환 오차, 비선형 응답, 파장별 특성 차이 등이 문제로 지목되며, 보정과 보상은 시스템의 핵심 기능이 된다. 323637

그래서 상용 광자 제품은 이상화된 행렬 연산 결과만으로 평가할 수 없다. 시간 경과에 따른 정확도 안정성, 감당 가능한 재보정 수준, 제조된 장치 간 예측 가능한 동작이 필요하다.

256×256은 왜 ‘무조건 클수록 좋은’ 숫자가 아닌가

256×256 행렬에는 6만5536개 요소가 있어, 타일링된 신경망 연산에 상당한 병렬 처리 역량을 제공한다. 그러나 256×256이 보편적인 물리적 최적점이라는 근거는 없다. 이는 서로 충돌하는 조건 사이에서 선택한 실용적 공학 지점으로 보는 편이 정확하다.

라이트인텔리전스의 창업자 겸 회장은 이 원칙을 직접 설명했다. 행렬이 더 크다고 해서 곧바로 더 유용한 연산 능력이 되는 것은 아니며, 핵심은 다양한 모델에 유연하게 맞추는 것이라는 취지다. 28

배열이 커질수록 배선과 광 전력 분배는 더 복잡해지고, 삽입 손실, 아날로그 입출력 수, 열 조정, 보정 부담, 패키징 난도, 수율 리스크도 커진다. 광학 크로스바 연구 역시 결합기, 분배기, 교차부, 도파로 전반에서 발생하는 여러 손실 요인을 제시한다. 38

따라서 하나의 거대한 단일 행렬을 만드는 것보다, 관리 가능한 크기의 코어에 모델을 타일링하는 편이 더 나을 수 있다. 최적 구성은 행렬 치수만이 아니라 모델 형태, 요구 정밀도, 변환 오버헤드, 패키징, 실사용 수율, 총에너지에 따라 달라진다.

정밀도도 같은 절충의 일부다. 광자·전자 실험 연구에서는 저비트 광자 곱셈에서 높은 정확도를 보고했고, 디지털 누산 등으로 내적 결과를 개선하는 기법도 사용됐다. 35 광자 배열의 가치는 결국 완성된 하이브리드 워크플로에서 판단해야 한다는 점을 뒷받침한다.

GPU를 대체한다기보다, 생태계를 만드는 전략

WAIC 2026 프로그램을 가장 신중하게 해석하면 ‘보완적 특화’ 전략이다. 광자 엔진은 선택된 고밀도 선형 연산과, 향후에는 데이터 이동 비중이 큰 인프라 작업을 가속할 수 있다. 반면 GPU와 CPU는 프로그래밍 유연성, 학습, 메모리, 제어 흐름, 비선형 연산, 광자 하드웨어에 잘 매핑되지 않는 작업에서 여전히 중요하다.

전략의 각 요소는 서로를 뒷받침한다.

• 실제 배치는 구매자가 참고할 워크로드와 운영 근거를 만든다.
• 패키지형 시스템은 초기 사용자에게 필요한 통합 문턱을 낮춘다.
• 시뮬레이터와 교육 도구는 하이브리드 하드웨어에 맞는 개발자와 알고리즘을 키운다. 20
• 광 인터커넥트·스위칭 개발은 기회를 단일 연산 칩에서 AI 시스템 인프라로 넓힌다. 2327

이 과정은 선순환을 만들 수 있다. 신뢰할 수 있는 애플리케이션이 배치의 근거가 되고, 배치는 소프트웨어와 부품 투자를 촉진하며, 더 나은 도구와 공급망은 다음 배치의 비용을 낮춘다.

전환점을 확인하려면 무엇이 필요한가

WAIC 2026은 광 컴퓨팅이 더 상업적인 단계로 들어가고 있다는 근거를 제공한다. 논의의 초점이 배치 가능한 제품, 반복적으로 발생하는 워크로드, 시스템 검증, 개발자 생태계로 옮겨갔기 때문이다. 192021

다만 이것이 기존 AI 가속기를 광범위하게 대체한다는 증거는 아니다. 결정적인 검증은 시스템 수준의 지연시간, 에너지 사용량, 정확도, 신뢰성, 도입 비용, 소프트웨어 이식성, 유지보수 성능을 워크로드별로 반복 가능하게 제시하는 데서 나온다. 현시점에서 가장 타당한 결론은 절제돼 있다. 라이트인텔리전스는 광 컴퓨팅을 실제 제품으로 평가하기 쉽게 만들었지만, 완전한 상업성은 현장 운영을 통해 입증해야 한다.