마벨 테크놀로지 COMPUTEX 2026 Keynote

COMPUTEX 첫째 날을 시작하기 위해 이 자리에 서게 되어 매우 기쁘고, 다시 대만에 오게 되어 반갑습니다. 제가 처음 이곳에 온 것은 거의 30년 전이었습니다. 제 첫 아시아 출장였고, 당시 이곳의 주요 기술 기업 몇 곳을 방문했던 것이 기억납니다. 그중 많은 기업들이 당시에는 아직 젊고 작은 신생 기업이었는데, 오늘날에는 바로 그 기업들이 세계에서 가장 중요한 기술 리더로 성장했습니다. 이후에도 여러 차례 다시 올 기회가 있었고, 대만이 세계를 선도하는 기술 중심지 중 하나로서 중요성이 계속 커지는 모습을 지켜봐 왔습니다. 오늘날 AI 인프라의 미래 상당 부분이 바로 이곳에서 구축되고 있습니다. 여러분 모두께 질문 하나 드리겠습니다. AI 인프라의 성능은 무엇이 결정할까요?

아마 프로세서, GPU, XPU를 떠올리시거나, 이를 제작하는 데 사용되는 공정 노드—3나노, 2나노, 또는 곧 A14, A16—를 생각하고 계실지도 모르겠습니다. 훌륭한 지표들입니다. 연산의 속도, 효율, 그리고 집적도에 대해 많은 것을 알려주니까요. AI 워크로드가 분명 연산 집약적이기는 하지만, 그것이 전부는 아닙니다. 또는 "그럼 메모리는요?"라고 말씀하실 수도 있겠습니다. AI 워크로드는 메모리 측면에서도 엄청나게 집약적입니다. 더 많은 메모리, 더 높은 대역폭—이 모든 것이 중요합니다. 의심의 여지 없이 모두 핵심 요소입니다. 하지만 그것만으로는 시스템을 규정하는 결정적 특성이 되지는 않습니다. 아무리 빠른 프로세서라도, 아무리 많은 메모리를 붙이더라도, 오늘날의 AI 워크로드를 처리하기에는 단 하나의 프로세서만으로는 턱없이 부족하기 때문입니다. 수만 개, 그리고 궁극적으로는 수백만 개의 프로세서가 하나의 거대한 연산 엔진처럼 함께 작동해야 합니다.

그래서 이런 규모에서의 컴퓨팅은 본질적으로 연결성의 과제입니다. 점점 더, 연결성의 아키텍처와 특성이 시스템의 성능을 좌우하게 됩니다. 자, 보십시오. 우리는 가속 컴퓨팅 분야에서 놀라운 돌파구들을 보아 왔고, AI 과제에 대응하기 위해 고대역폭 메모리(HBM)가 등장하는 것도 목격했습니다. 제가 말씀드리고자 하는 것은, 다음번 큰 혁신과 규모 확장의 물결은 바로 이러한 시스템의 근본적인 연결성에서 나올 것이라는 점입니다. 그 연결이 구리에서 광으로 옮겨가면서 새로운 아키텍처적 가능성이 열리게 될 것입니다. 오늘 저는 왜 연결성이 AI 시대를 규정하는 핵심 특성과 과제 중 하나가 되어가고 있는지, 그리고 이 기술 전환이 광학에 왜 중요한지 설명드리겠습니다. 그리고 이것은 아주 먼 미래의 이야기가 아닙니다. 지금 이 순간, 올해, 그리고 내년에 바로 일어나고 있습니다. 우리는 지금 램프업 구간에 있습니다. 마벨에서는 이 순간을 거의 10년 동안 준비해 왔습니다.