브로드컴 CEO 혹 탄 작심 발언 ㅡ "네트워크가 GPU보다 더 중요"

브로드컴 CEO 혹 탄 작심 발언 ㅡ "네트워크가 GPU보다 더 중요"

---

⁠
□ 칩에서 네트워크로 무게 중심 이동


브로드컴 CEO 혹 탄(Hock Tan)은 “칩 자체보다 칩들을 연결하는 방식이 AI의 성패를 좌우한다”고 단언했습니다.


GPU 한두 개로는 더 이상 초거대 AI 모델을 학습할 수 없습니다. 수만 개 GPU가 동시에 움직여야 합니다.


문제는 이들을 묶는 순간 ‘데이터 통로’가 병목이 되고, 속도가 떨어지면 전체 시스템이 마비된다는 점입니다.


즉, 네트워크 효율성이 곧 AI 훈련의 상한선을 결정한다는 사실이 분명해지고 있습니다.


□ ‘네트워크가 곧 컴퓨터’라는 선언


“Network is the Computer”라는 말은 단순한 슬로건이 아닙니다.


이제 개별 칩의 성능 합보다 중요한 것은 얼마나 균일하고 안정적으로 연결되느냐입니다.


초거대 AI는 사실상 하나의 ‘분산 슈퍼컴퓨터’이고, 그 기반을 제공하는 것이 네트워크입니다.


네트워크는 단순한 보조 장치가 아니라 AI 자체의 정의로 자리 잡아가고 있습니다.


□ AI 모델 규모의 폭발적 성장


GPT-5, Gemini, LLaMA 4 등 차세대 모델은 파라미터가 수십조~수백조 단위에 이릅니다.


이를 훈련하려면 GPU 수십만 개를 동시에 돌려야만 합니다.


네트워크가 이를 뒷받침하지 못하면 GPU는 멈춰 서서 전력만 낭비합니다.


결국 네트워크 효율은 학습 속도, 비용, 에너지 절감을 동시에 결정하는 핵심 요소가 됩니다.


□ 엔비디아 독점의 틈새, 네트워크에서 열린다


GPU는 엔비디아의 독점적 지위가 확고하지만, 네트워크는 다릅니다.


브로드컴은 데이터센터 스위치·ASIC 시장 1위, 마벨은 클라우드 맞춤형 솔루션, 아리스타는 초대형 클라우드 고객 기반이 강합니다.


시스코, 주니퍼, 화웨이 등도 치열하게 경쟁하고 있습니다.


투자자분들 입장에서는 “GPU는 비싸고 리스크가 크다 → 네트워크는 기회와 분산 효과를 준다”는 전략적 판단이 가능합니다.


□ 광학 네트워크(Optical Interconnect)의 부상


기존 전기 기반 신호 전송은 속도와 전력 소모에 한계가 있었습니다.


그래서 광학 네트워크로의 전환이 빠르게 진행되며, CPO(Co-Packaged Optics), 실리콘 포토닉스 같은 기술이 AI 데이터센터 표준으로 자리잡고 있습니다.


이 기술은 단순한 성능 향상을 넘어 전력 효율, 집적도, 안정성을 동시에 제공합니다.


인텔, 브로드컴, 코히어런트, 아카시아 같은 광학 기업들이 새로운 ‘숨은 승자’로 떠오르고 있습니다.


□ 클라우드 기업들의 CAPEX 방향성


GPU 구매에 집중하던 클라우드 기업들의 CAPEX가 이제는 네트워크 강화로 이동하고 있습니다.


MS, 구글, 아마존은 네트워크 최적화 없이는 GPU 투자 효과를 낼 수 없음을 깨닫고 있습니다.


메타는 “앞으로 CAPEX의 절반 이상을 네트워크에 투입하겠다”고 밝히기도 했습니다.


이는 곧 네트워크 인프라 기업들에게 구조적 성장 모멘텀을 제공한다는 뜻입니다.


□ 비용과 전력 문제 — 경제성의 핵심


네트워크 병목으로 GPU가 멈추면 전력만 낭비되고 학습 시간은 늘어납니다.


AI 학습 비용이 수조 원대에 달하는 이유 중 절반 이상이 네트워크 효율 문제와 연결되어 있습니다.


따라서 네트워크 최적화는 단순한 속도 개선이 아니라, 경제성과 지속 가능성을 위한 필수 투자입니다.


ESG 자금이 네트워크 효율화 프로젝트에 긍정적인 이유도 여기에 있습니다.


□ AI 워크로드 다변화와 새로운 요구


지금은 LLM 훈련이 중심이지만, 앞으로는 추론(Inference), 멀티모달, 엣지 AI 등으로 확산될 것입니다.


추론은 저지연(Low Latency), 엣지는 분산 네트워크, 멀티모달은 대역폭이 핵심입니다.


따라서 네트워크는 이 모든 요구를 충족해야 하며 복합적 혁신이 요구됩니다.


□ 메모리-네트워크 융합


HBM, CXL, 네트워크 인터커넥트의 경계가 점점 사라지고 있습니다.


GPU 성능보다 중요한 것은 데이터를 얼마나 빠르게 이동시키느냐입니다.


결국 메모리와 네트워크의 융합은 차세대 데이터센터의 최전선 기술이 되고 있습니다.


□ 소프트웨어 정의 네트워크(SDN)와 생태계 잠금 효과


네트워크는 하드웨어만으로 최적화가 불가능합니다.


SDN(소프트웨어 정의 네트워크), NFV(네트워크 기능 가상화) 기술을 통해 클러스터 전체를 지능적으로 제어해야 합니다.


엔비디아가 CUDA로 GPU 생태계를 장악했듯, 네트워크에서도 소프트웨어 잠금 효과(Lock-in)가 나타날 수 있습니다.


□ 보안과 국가 전략 인프라


AI 클러스터는 국가 안보와 직결됩니다.


네트워크 보안이 뚫리면 학습 데이터 유출이나 모델 자체 위협으로 이어질 수 있습니다.


미국은 Mellanox 인피니밴드까지 수출 통제에 포함했고, 중국은 자체 AI 네트워크 칩 개발에 집중하고 있습니다.


점점 더 많은 국가들이 AI 네트워크를 전략 자산으로 바라보고 있습니다.


□ 친환경·ESG 관점


네트워크 효율은 전력·탄소 배출과 직결됩니다.


광학 네트워크는 전력 소모를 줄이고, ESG 성과까지 동시에 개선합니다.


글로벌 연기금과 ESG 자금이 네트워크 효율화 프로젝트에 관심을 보이는 이유가 바로 이것입니다.


□ 한국 기업과의 연결


삼성전기: 네트워크 장비용 MLCC·전력 솔루션


SK하이닉스: HBM+CXL 인터페이스, 데이터 전송 효율 개선


LS전선: 글로벌 광케이블 공급망 확대


KT·통신 3사: 데이터센터 네트워크 구축 경험


한국 투자자분들께서는 글로벌 네트워크 기업뿐 아니라, 국내 밸류체인까지도 포트폴리오 확장 기회로 주목할 수 있습니다.


□ 장기 사이클과 교훈


IT 인프라의 역사에서 “연결”은 늘 다음 승자를 만들었습니다.


인터넷 시대의 시스코, 모바일 시대의 퀄컴, 클라우드 시대의 아리스타가 대표적입니다.


AI 시대에는 브로드컴·마벨 같은 네트워크 기업이 그 자리를 차지할 가능성이 높습니다.


즉, 네트워크는 조연이 아니라 새로운 주연 후보입니다.


□ 위험 요소 — 균형 잡힌 시각


네트워크 장비는 GPU보다 진입장벽이 낮아 경쟁 심화 가능성이 있습니다.


클라우드 CAPEX 사이클 둔화 시, 네트워크 기업들이 직격탄을 맞을 수 있습니다.


또한 엔비디아가 네트워크까지 통합할 경우, 독립 네트워크 업체들의 입지가 좁아질 수 있습니다.


투자자분들께서는 기회와 리스크를 동시에 고려하는 균형 잡힌 시각을 가지셔야 합니다.


□ 마무리하며 — 보이지 않는 엔진에 주목하라


언론과 대중은 GPU에 열광하지만, 실제 AI 데이터센터의 엔진은 네트워크입니다.


네트워크가 막히면 GPU는 무용지물이 됩니다.


AI 시대를 준비하는 투자자라면 GPU 못지않게 네트워크 섹터를 보셔야 합니다.


혹 탄의 말처럼, 이제는 “네트워크가 곧 컴퓨터”인 시대가 열린 것입니다.