무어의 법칙을 넘어선 황의 법칙 — 파인만 아키텍처가 여는 빛의 시대

젠슨 황은 늘 무대 위에서 로드맵을 한 장 더 넘긴다. GTC 2026 키노트도 예외가 아니었다. 블랙웰 울트라 출하, 베라 루빈 양산 일정 확정, 그리고 마지막 슬라이드에 등장한 이름 하나. 파인만. 업계에서는 젠슨 황이 매년 GTC마다 전 세대 대비 2배 이상의 성능 도약을 발표하는 패턴을 '황의 법칙'이라 부른다. 18~24개월 주기로 트랜지스터 집적도가 2배가 되는 무어의 법칙보다 빠른 속도다. 2028년에 도착할 파인만은 그 법칙의 가장 극적인 장(章)이 될 수 있다. 데이터를 전기가 아닌 빛으로 옮기겠다는 선언이다. 구리 배선의 물리적 한계를 인정하고, 광(光) 인터커넥트로 넘어가겠다는 것. 반도체 역사에서 전송 매체 자체를 바꾸는 전환은 흔치 않다.

블랙웰에서 파인만까지, 2년 단위로 찍는 이정표

"우리는 1년 주기로 새로운 AI 인프라를 내놓는다. 무어의 법칙보다 빠른 황의 법칙이다." — 젠슨 황, GTC 2026

엔비디아의 GPU 로드맵은 이제 시계처럼 돌아간다. 현재 데이터센터를 지배하는 블랙웰, 2026년 말에서 2027년에 걸쳐 양산에 들어갈 베라 루빈, 그리고 2028년에 도착할 파인만. 각 아키텍처 이름은 물리학과 천문학의 거인에게서 빌려왔다. 리처드 파인만은 양자전기역학의 창시자이자 노벨 물리학상 수상자다. 이름만으로도 엔비디아가 이 아키텍처에 거는 무게감이 드러난다.

빛이 구리를 대체하는 순간

파인만 아키텍처의 핵심은 실리콘 포토닉스다. 현재 칩 사이, 보드 사이, 랙 사이의 데이터 전송은 모두 구리 배선을 통한 전기 신호에 의존한다. 문제는 구리가 물리적 한계에 도달했다는 것이다. 대역폭을 올리려면 선을 더 많이 깔아야 하고, 선이 늘어나면 발열과 전력 소비가 폭증한다. AI 모델의 크기가 기하급수적으로 커지는 상황에서, 데이터를 옮기는 데 쓰는 에너지가 연산 자체보다 많아지는 역설이 발생하고 있다.

실리콘 포토닉스는 전기 신호 대신 광신호를 사용한다. 빛은 구리보다 대역폭이 압도적으로 넓고, 전송 거리에 따른 손실이 극히 적으며, 발열이 거의 없다. 엔비디아가 파인만에 실리콘 포토닉스를 탑재한다는 것은, 데이터센터 내부의 인터커넥트를 근본적으로 재설계하겠다는 뜻이다. 업계 최초로 상용 AI 칩에 광 인터커넥트를 적용하는 시도다.

구리 배선의 한계는 더 이상 공학적 문제가 아니라 물리적 벽이다. 실리콘 포토닉스는 그 벽을 우회하는 것이 아니라, 벽 자체를 없앤다.

TSMC A16 공정이 여는 앙스트롬 시대

파인만은 TSMC의 A16 공정으로 제조된다. 현재 블랙웰이 사용하는 3나노미터(nm) 공정에서 앙스트롬(Å) 단위로의 도약이다. 1 앙스트롬은 0.1 나노미터. 트랜지스터 크기가 원자 몇 개 수준에 근접한다는 의미다. TSMC A16은 백사이드 전력 공급 기술을 적용해 트랜지스터 밀도를 극한까지 끌어올리면서도 전력 효율을 유지한다.

나노미터에서 앙스트롬으로의 전환은 단순한 숫자 변화가 아니다. 공정 미세화가 물리적 한계에 가까워지면서, 전통적인 방식으로는 더 이상 성능을 올리기 어려워졌다. TSMC A16은 트랜지스터를 더 작게 만드는 것과 동시에, 전력을 뒤에서 공급하는 새로운 구조로 이 난제를 돌파한다. 파인만이 블랙웰 대비 14배 성능을 약속할 수 있는 물리적 기반이 바로 여기에 있다.

14배 성능의 비밀은 칩 하나가 아니다

블랙웰 대비 14배라는 수치가 GPU 한 장의 성능 비교는 아니다. 엔비디아는 파인만 세대에서 시스템 전체를 새로 설계한다. 새로운 GPU에 LPU(LP40), CPU(Rosa), 네트워크 칩(BlueField-5)을 통합하고, 이를 Kyber 랙 아키텍처로 묶는다. Kyber는 구리와 CPO(Co-Packaged Optics) 하이브리드 방식으로 스케일업과 스케일아웃을 동시에 달성한다.

핵심은 칩 하나의 성능이 아니라, 칩과 칩 사이의 연결이다. 아무리 빠른 GPU를 만들어도 데이터 전송이 병목이면 전체 시스템 성능은 정체된다. 파인만이 실리콘 포토닉스와 Kyber 아키텍처를 동시에 도입하는 이유가 여기에 있다. 연산 성능과 전송 성능을 함께 끌어올려야 14배라는 숫자가 현실이 된다.

전력이라는 보이지 않는 벽

AI 인프라 확장의 최대 병목은 GPU 수가 아니다. 전력이다. 대규모 언어 모델 하나를 학습하는 데 소규모 도시 하나가 쓰는 전력이 소모된다. 모델은 계속 커지고, 에이전틱 AI의 부상으로 추론 수요까지 폭증하고 있다. 데이터센터 사업자들은 이미 전력 확보 전쟁에 돌입한 상태다.

파인만의 실리콘 포토닉스는 이 전력 문제의 핵심을 관통한다. 광 인터커넥트는 구리 대비 데이터 전송 시 에너지 소비를 대폭 줄인다. 같은 양의 데이터를 옮기면서 전력은 적게 쓰고, 발열도 적다. 파워 월(Power Wall)이라 불리는 전력 한계를 물리적 수준에서 돌파하는 것이다. 2028년에 이 기술이 상용화되면, 같은 전력으로 더 많은 AI 연산을 수행할 수 있게 된다. AI 서비스의 비용 구조 자체가 달라질 수 있다.

경쟁자들의 시계는 같은 속도로 돌아가지 않는다

엔비디아가 2028년 로드맵을 지금 공개하는 것 자체가 메시지다. AMD는 MI400 시리즈로 AI 가속기 시장 점유율 확대를 노리고 있고, 인텔은 가우디 시리즈로 AI 학습 시장 진입을 시도 중이다. 하지만 두 회사 모두 2028년 로드맵을 구체적으로 공개하지 못한 상태다. 엔비디아의 2년 선행 로드맵 공개는 고객사와 투자자에게 보내는 확실한 신호다.

메모리 업계도 대비가 필요하다. 현재 AI 가속기의 핵심 부품인 HBM(High Bandwidth Memory) 시장을 SK하이닉스와 삼성전자가 양분하고 있지만, 실리콘 포토닉스 시대에는 메모리와 프로세서 간 인터페이스가 근본적으로 달라진다. 광 인터커넥트에 최적화된 새로운 메모리 기술이 요구될 수 있다. 파인만은 칩 제조사뿐 아니라 메모리 공급망 전체에 파장을 일으킬 전환점이다.

2028년이 바꿀 것들

파인만이 약속대로 실현되면, AI 인프라의 경제학이 달라진다. 전력 효율이 올라가면 데이터센터 운영 비용이 줄고, 그 절감분은 AI 서비스 가격에 반영된다. 현재 대형 언어 모델의 API 호출 비용이 비싸서 사용하지 못하는 중소기업과 스타트업에게 새로운 기회가 열린다. 에이전틱 AI가 에이전트 수천 개를 동시에 돌리는 시대에, 비용과 전력의 벽이 낮아지는 것은 단순한 기술 개선이 아니라 시장 구조의 변화다.

물론 2년 뒤의 로드맵에는 불확실성이 따른다. 실리콘 포토닉스의 대량 양산은 아직 검증되지 않았고, TSMC A16 공정의 수율도 변수다. 하지만 엔비디아가 GTC 무대에서 구체적인 아키텍처명과 기술 스택을 공개했다는 것은, 내부적으로는 이미 설계가 상당히 진행됐다는 신호다. 구리의 시대가 저물고 빛의 시대가 오고 있다. 파인만이 그 전환의 첫 번째 상용 칩이 될 수 있을지, 2028년의 GTC가 답을 줄 것이다.