핵심 내용
반도체 스타트업 Volantis는 10월 1일 8,800만 달러 Series A 투자를 유치했다고 발표했다. 회사는 GPU와 메모리 사이의 짧은 전기 배선 대신 VCSEL(vertical-cavity surface-emitting laser) 기반 광링크를 사용해 AI inference의 메모리 용량과 대역폭 병목을 줄이겠다는 구상이다.
Reuters에 따르면 현재 고성능 GPU는 전기적 연결거리와 패키징 제약 때문에 GPU 주변에 배치할 수 있는 HBM 수가 제한된다. Volantis는 광링크를 사용하면 하나의 GPU 주변에 최대 220개의 메모리 칩을 연결할 수 있다고 주장한다. VCSEL은 스마트폰 얼굴인식 등에서 이미 대량 사용되는 부품이라 기존 공급망을 활용할 수 있다는 것이 회사의 전략이다.
회사 발표 기준 첫 시스템 A-1은 20조 파라미터를 넘는 모델과 사용자당 최대 10,000 tokens/s를 목표로 하며, 첫 integrated inference engine은 2027년 고객 제공을 목표로 한다. 이 성능 수치는 아직 상용 시스템에서 독립 검증된 결과가 아니라 회사가 제시한 설계 목표다.
배경
AI inference에서는 모델 weight와 KV cache를 메모리에서 연산장치로 계속 전달해야 하기 때문에 compute FLOPS만 늘려도 memory bandwidth가 따라오지 않으면 속도가 제한된다. HBM은 이 문제를 해결하지만 용량·가격·패키징 면적이 제한적이다.
산업·시장에 미치는 영향
Volantis 방식이 실제 제조수율과 전력효율을 확보하면 AI inference architecture가 현재의 GPU+근접 HBM 구성에서 compute와 대용량 memory pool을 더 유연하게 연결하는 구조로 이동할 가능성이 있다.
반대로 광학부품·advanced packaging·thermal·control logic을 모두 통합해야 하므로 실제 양산 난도가 높다. 2027년 customer deployment에서 end-to-end system cost와 실제 model throughput이 핵심 검증지표가 된다.
실무에서 바로 활용할 수 있는 시사점
차세대 inference 하드웨어를 평가할 때 peak FLOPS보다 memory capacity, effective bandwidth, energy/bit, context 증가 시 throughput 저하를 함께 봐야 한다. 광자 메모리 연결은 당장 구매대상이라기보다 2027~2028년 inference architecture 변화 가능성을 보여주는 기술축으로 추적할 가치가 있다.
출처
Volantis — $88M Series A to Demolish the AI Memory Wall With Photonics
Reuters — Volantis raises $88 million for tech to connect AI, memory chips