시에나 글로벌 R&D 선임 부사장 디노 디페르나 인터뷰
시에나(Ciena)는 증가하는 용량 수요를 충족할 수 있도록 설계된 광학 혁신 신기술의 개발을 주도하고 있다. 글로벌 R&D 선임 부사장 디노 디페르나(Dino DiPerna)는 차세대 연결성을 형성하는 기술과 구조적 변화를 주제로 인공지능(AI) 시대를 위한 네트어크 확장에 대해 이야기를 나눴다.
다음은 일문일답
－AI가 예상치 못한 속도로 네트워크 수요를 재편하고 있다. 지난 한 해 동안 어떤 근본적 변화가 있었기에 현재의 상황이 달라진 것인가?
▲가장 큰 변화는 학습이 더 이상 단일 데이터 센터 시설로 국한되지 않는다는 점이다.
머신 러닝 모델이 확장되고 더 많은 데이터를 처리하게 되면서 광대역 네트워크(WAN) 전반의 용량 수요는 이미 증가 추세에 있었다. 하지만 지난 18개월 사이에 크게 바뀐 것은 공간과 전력의 제약으로 인해 AI 학습 클러스터가 단일 시설을 넘어서 확장됐다는 점이다.
이러한 상황에서 네트워크는 분산된 학습을 연결해 주는 중요한 패브릭으로 자리 잡았다. 이러한 변화만으로도 네트워크 용량 수요는 수십, 수백 배로 뛰어오른다.
고객이 컴퓨팅 투자를 온전히 수익화하려면 이러한 변화를 이해해야 하며 네트워크도 이에 따라 확장해야 한다. 그렇지 않으면 네트워크는 AI 인프라의 가치를 제한하는 병목 지점이 될 것이다. 지금의 수요 변화로 인해 AI 네트워크 자체가 설계되는 방식도 달라지고 있다.
－AI 트래픽과 기존 클라우드 트래픽과의 차이점은 무엇이며, 어째서 그런 차이점 때문에 네트워크 아키텍처를 재고해야 하나?
▲아키텍처 측면에서 우리가 마주한 가장 큰 변화 중 하나는 일명 스케일 어크로스다. 처음으로 조직들이 AI 백엔드 인프라를 위한 전용 네트워크를 구축하고 있다. 이러한 환경에서 분산된 AI 학습을 지원하려면 엄청난 용량이 필요하다. 네트워크가 기존의 클라우드 트래픽 패턴과는 상당히 다른 방식으로 설계되어야 한다는 것이다.
우리는 하이퍼스케일러와 매우 긴밀하게 협력해 그들에게 필요한 용량, 효율성, 신뢰성을 제공할 수 있도록 아키텍처를 최적화하고 있다.
동시에 배포 속도도 엄청나다. AI 인프라는 연결성이 갖춰져야 가치를 발휘하는 관계로, 네트워크를 매우 빠른 속도로 구축해서 가동하고 있다. 이로 인해, 제품 자체뿐만 아니라 자동 서비스 활성화 및 고급 네트워크 원격 측정부터 솔루션 검증 및 스테이징에 이르는 배포 프로세스 전반에서 혁신을 이뤄야 한다. 그래야 고객이 출시 시간을 점점 단축하고 이러한 네트워크를 최대한 신속히 가동하도록 지원할 수 있다.
AI 클러스터가 단일 데이터 센터를 넘어 확장됨에 따라 이러한 네트워크를 지원하는 물리적 전송 인프라도 진화해야 한다.
－오늘날 하이퍼스케일러와 네트워크 사업자가 직면한 어떤 과제가 이런 혁신을 이끌어냈을가?
▲이러한 스케일 어크로스 네트워크가 100~150㎞ 범위 너머로 확장됨에 따라 광 회선 증폭 작업이 필수가 됐다.
문제는 그러한 네트워크를 지원하는 시설, 즉 기존의 회선 증폭기 시설은 공간과 전력 측면에서 실질적인 제약이 존재한다는 점이다. 동시에 도매 공급업체와 하이퍼스케일러는 장거리에 걸쳐 수백 개의 광케이블 쌍으로 구성되는 링크를 구축하고 있다. 대부분의 경우 사업자는 시설 인프라에 이를 지원할 공간이나 전력이 부족하므로 광케이블의 극히 일부만 연결할 수 있다.
이 지점에서 밀도와 에너지 효율성의 중요성이 더욱 커진다. EDFA 기술은 30년 이상 광 네트워크의 핵심 기술이었지만, 본질적으로 기술적 측면에서는 거의 변화가 없었다. AI 워크로드를 지원하기 위해 네트워크가 확장됨에 따라 이 부분에 중대한 혁신이 필요하다.
우리는 하이퍼레일을 통해 회선 증폭기 설계를 하드웨어 및 소프트웨어 측면에서 완전히 재구상하여 공간 및 전력 효율성을 대폭 향상시켰다. 예를 들어, RLS 하이퍼레일을 이용하면 랙당 밀도를 기존 접근 방식보다 최대 32배나 높일 수 있다.
이것은 시작에 불과하다. AI 인프라가 지속적으로 확장됨에 따라 고객들이 향후 요구하게 될 규모와 효율성을 지원할 수 있도록 이 부분의 네트워크를 지속적으로 혁신해 나가야 한다. 물론 AI 네트워크 확장은 포토닉 회선 인프라에 대한 것만이 아니다. 코히어런트 광학 측면에서도 지속적인 혁신이 필요하다.
－AI는 유례없는 대역폭 증가를 유발하지만, 네트워크를 운영하는 데에도 사용되고 있다. 자동화와 AI는 네트워크 운영을 어떻게 변화시키고 있나?
▲AI 인프라를 지원하기 위해 네트워크가 확장됨에 따라 운영 효율성이 초기 용량만큼이나 중요해지고 있다. 단순히 더 큰 규모의 네트워크를 구축하는 것이 중요한 게 아니라 이러한 네트워크를 더 빠르고 안정적으로 구축, 최적화, 관리할 수 있는 능력이 중요하다.
이 부분에서 소프트웨어는 매우 중요한 역할을 한다. Ciena에서는 수년에 걸쳐 네트워크 장비에 고급 계측 및 자동화 기술을 탑재해 왔다. 예를 들어, 자동화된 배열 최적화(Automated Deployment Optimize)와 같은 내비게이터 네트워크 컨트롤 스위트(Navigator Network Control Suite) 애플리케이션은 이제 수주가 아닌 몇 시간 안에 장거리 및 해저 파장을 최적화해서 가동할 수 있다.
그렇다면 다음 진화 단계는 네트워크 운영에 AI 기법을 적용하는 것이다. 사업자는 풍부한 원격 측정 데이터와 디지털 트윈 검증으로 품질 보증 및 라우팅 최적화 등의 작업을 자동화해 증가하는 복잡성에 맞춰 네트워크를 더욱 효율적으로 확장할 수 있다.
－앞으로 5년이 지나면 무엇이 광학 네트워킹의 혁신이 일어날가?
▲AI 기반 수요로 인해 업계는 네트워킹의 거의 모든 측면을 재고해야 하므로, 지금은 이 분야에 몸담기에 특히 흥미진진한 시기라 할 수 있다.
앞으로도 전기-광학 통합 및 포토닉스 소형화 분야에서 주요한 발전이 꾸준히 이루어지며 공간 및 전력 효율성이 더욱 향상될 것이다. 더 막대한 용량을 지원할 수 있도록 네트워크가 확장됨에 따라 새로운 광케이블 기술도 중요한 역할을 하게 될 것이다.
또한 높은 수준의 성능을 지원하면서 신뢰성과 효율성을 더욱 개선할 수 있도록 열 관리 및 액체 냉각 등의 영역에서도 혁신 기술 개발을 모색하고 있다.
결국 성공은 고객과 파트너와 긴밀하게 협업하면서 새로운 기술을 배포 가능한 대규모 솔루션으로 전환할 수 있는지가 관건이 될 것이다.
이경민 기자 kmlee@etnews.com
