오늘날 가장 까다로운 머신러닝 애플리케이션을 구동하는 딥 뉴럴 네트워크 모델은 점점 더 대형화·복잡화되며 기존 전자식 컴퓨팅 하드웨어의 한계에 도달하고 있다. 빛을 이용해 머신러닝 연산을 수행하는 포토닉 하드웨어는 더 빠르고 에너지 효율적인 대안을 제공한다. 그러나 최근까지도 일부 뉴럴 네트워크 연산은 포토닉 장치로 처리할 수 없어, 칩 외부 전자장치가 필요했고 이로 인해 속도와 효율성이 저하됐다.
2025년 4월, 인공지능 인프라의 미래를 재정의할 수 있는 혁신적 행보로, 라이트매터(Lightmatter)는 AI 워크로드 가속화와 에너지 소비 대폭 절감을 목표로 한 혁신적 포토닉 컴퓨팅 칩 'Envise'를 공개했다. 전자 대신 빛을 이용해 연산을 수행하는 Envise 칩은, AI 모델이 전례 없는 연산 성능을 요구하는 시점에서 기존 실리콘 칩의 비효율성을 해결할 솔루션으로 주목받고 있다. 8억 5천만 달러의 투자 유치 후 44억 달러의 기업가치를 인정받은 라이트매터는 새로운 컴퓨팅 패러다임의 선두주자로 자리매김하고 있다.
라이트매터의 포토닉 프로세서는 빛을 이용해 연산을 수행하며, 특히 딥러닝의 핵심인 텐서 연산에 강점을 보인다. 광도파로와 렌즈 등 광학 부품을 통해 빛을 조작함으로써, 이 칩들은 빛의 속도로 계산을 실행하면서도 전자식에 근접한 정밀도와 훨씬 낮은 전력 소모를 달성한다. 예를 들어, 이들의 포토닉 프로세서는 78와트의 전력만으로 초당 65.5조 회의 Adaptive Block Floating-Point 16비트 연산을 수행한다.
한편, Q.ANT는 2025년 6월 ISC에서 포토닉 네이티브 프로세싱 서버(NPS)를 시연했다. Q.ANT의 Light Empowered Native Arithmetic(LENA) 아키텍처를 기반으로 한 NPS는 기존 기술 대비 최대 30배의 에너지 효율을 제공하며, 16비트 부동소수점 연산에서 99.7%의 정확도, 동등한 결과 산출 시 연산 횟수 40~50% 절감, 별도의 액티브 쿨링 인프라 불필요 등 인상적인 사양을 자랑한다.
성능 향상을 넘어, 연구진은 소규모 양자컴퓨터조차 새로운 포토닉 양자 회로를 활용해 머신러닝 성능을 높일 수 있음을 입증했다. 이 연구 결과는 오늘날의 양자 기술이 단순 실험 단계를 넘어, 특정 작업에서 이미 고전적 시스템을 능가할 수 있음을 시사한다. 특히 이 포토닉 접근법은 에너지 소비를 획기적으로 줄일 수 있어, 머신러닝의 전력 수요가 급증하는 시대에 지속가능한 해법을 제시한다.
인공지능이 눈부신 발전을 거듭함에 따라, 특히 ChatGPT와 같은 생성형 AI 모델이 대표하는 고부하 추론 작업에서 컴퓨팅 파워에 대한 수요가 기존 전자식 시스템에 큰 도전이 되고 있다. 포토닉스 기술의 발전은 AI 컴퓨팅의 유망한 대안으로서 포토닉 컴퓨팅에 대한 관심을 불러일으켰다. AI와 포토닉스 기술의 융합을 통해, 지능형 포토닉스는 실용적 응용 분야를 혁신할 잠재력을 지닌 신흥 융합 학문 분야로 부상하고 있다.