Corning이 클러스터 내 및 클러스터 간 AI 인프라를 위해 Meta, Amazon, NVIDIA와 주요 광 네트워킹 및 광섬유 계약을 체결함

Corning의 역사는 1851년 뉴욕 서부의 작은 마을에서 유리 제조를 시작했을 때부터 거슬러 올라간다. 오늘날 175년 이상이 지난 지금, Corning은 AI 붐을 이끌고 있는 광대한 광학 기반 시설을 확보하기 위한 수십억 달러 규모의 경쟁의 중심에 서 있다.

최근의 거래들은 AI 경제에서 Corning의 증가하는 중요성을 보여준다. Meta는 2030년까지 광학 섬유, 케이블 및 연결 제품에 최대 60억 달러를 구매하기로 합의했다. Amazon은 확장되는 미국 데이터 센터 공간을 지원하기 위한 다년간의 수십억 달러 규모 공급 계약으로 뒤를 이었다. Nvidia는 Corning과 협력하여 국내 광학 제조 용량을 확대하기로 약속했으며, 3개의 새로운 제조 시설과 3,000개 이상의 일자리 창출 계획이 포함되어 있다. 이러한 협약들은 함께 세계 최대의 AI 구축자들이 광학 기반 시설을 수년 전에 확보할 가치가 있는 전략적 용량으로 보고 있음을 시사한다.

이러한 수요는 이미 Corning의 재무 현황에 명백히 드러나 있다. Corning의 광통신 부문은 2026년 1분기에 전년 동기 대비 36% 성장했으며, Corning은 AI 클러스터가 계속 확대됨에 따라 2030년까지 100억 달러 규모의 포토닉스 사업을 구축할 것으로 예상하고 있다.

수년간 광학 섬유는 기술 논의에서 거의 주목받지 못했다. 인터넷 트래픽을 전송하고 데이터 센터를 연결하며 통신 네트워크의 backbone을 형성했지만, 서버, 반도체 또는 소프트웨어로 향한 관심을 거의 끌지 못했다. 이것이 AI로 인해 변했다. 대규모 언어 모델을 훈련하고 운영하려면 점점 더 커지는 클러스터에서 함께 작동하는 수천 개의 가속기가 필요하다. 이러한 시스템이 성장함에 따라 랙, 행, 건물 및 캠퍼스 전반에 걸쳐 방대한 양의 데이터를 이동해야 할 필요성도 증가한다.

Corning Optical Communications의 데이터 센터 담당 부사장 겸 일반 관리자인 Sean Kelly는 그 범위를 설명했다: "스위치 랙을 보면, 이러한 새로운 AI 네트워크에서 서버 랙 밀도의 광섬유는 기업용, 전통적인 클라우드, 일종의 front-end 네트워크에서 볼 수 있는 것의 약 10배 정도다. 이제 칩의 각 세대마다 증가했을 뿐이다." 그는 AI 네트워크가 전통적인 환경보다 훨씬 더 많은 연결성을 필요로 하며, 그가 복합 효과라고 부르는 것을 만들어낸다고 지적했다: 더 큰 GPU 클러스터, 증가하는 캠퍼스 공간, 증가하는 대역폭 요구사항, 그리고 추가 스위칭 계층 모두가 더 많은 광섬유 및 연결성에 대한 수요를 증가시킨다.

배포의 엄청난 규모는 고객 행동의 근본적인 변화를 주도하고 있다. 역사적으로 고객들은 기존의 조달 주기를 통해 네트워킹 인프라를 구입했다. 오늘날 hyperscaler들은 상품 구매가 아니라 광학 인프라를 중요한 의존성으로 점점 더 보고 있으며, 혁신 파트너십과 장기 제조 약정을 모두 추구하고 있다. Kelly는 핵심 도전 과제를 다음과 같이 설명했다: "우리 고객들이 해결하려고 노력하는 두 가지 근본적인 과제가 있다. 첫째, 혁신 도전이 있다. 새로운 제품군, 새로운 제품 기능이 필요하다. 두 번째 도전 과제는 제조 규모에 관한 것이다."

Corning의 역할은 제품 공급을 넘어선다. 회사는 고객과 협력하여 더 밀도 높은 연결 시스템을 개발하면서 동시에 향후 수요를 지원하기 위해 제조 용량을 확대하고 있다. 가장 큰 변화는 고객들이 얼마나 먼 미래를 계획하고 있다는 것이다. 한때 주로 제품과 근기간 수요에 초점을 맞추었던 대화는 이제 제조 로드맵, 용량 확장 및 장기 예측을 중심으로 진행된다. Kelly가 관찰한 바와 같이, "오늘날 대화에서 가장 큰 변화는 시간 지평이다."

Megaport의 최고 기술 담당자(CTO) Cameron Daniel은 계획의 개념이 AI 인프라 수요와 함께 진화했다고 말했다. "\"미리 계획하기\"의 정의가 \"더 빠르게 적응\"에 더 가깝게 변했습니다."라고 Daniel은 말했다. "기업들은 또한 갑작스러운 수요가 있을 때 용량을 얻기 위해 어디로 가야 할지 알 수 있도록 빠른 대응 계획을 준비해야 합니다."

Hyperscaler들이 광섬유, 케이블 및 커넥터 제조 용량을 추가하는 복잡성을 더 잘 이해함에 따라, 그들은 더 일찍 공급업체와 관계를 맺고 더 긴 기간의 예측을 공유하고 있다. Daniel은 서비스 제공자 계층에서 특히 이 변화가 눈에 띈다고 지적했다. "이전에는 고객들이 회로와 파장으로 구매했다. 이제 그들은 광섬유 쌍으로 구매하고 있으며 단 하나가 아니다. 우리는 이러한 모델을 훈련, 개선 및 배포하기 위해 데이터 센터 간에 수백 테라비트의 용량이 있는 사례를 보고 있다."

이러한 역학 관계는 공급업체와 고객 간의 다른 관계를 만들어내고 있다. Kelly는 다음과 같이 반영했다: "우리가 당신의 문제를 해결하기 위한 최선의 경로는 우리가 함께 협력하여 당신을 위한 공급 솔루션을 개발하는 것이다." 고객들은 필요에 따라 제품을 구매하기보다는 배포 수년 전에 제조 투자와 용량 확장의 위험을 줄이고 있다. 최고 재무 담당자(CFO) Ed Schlesinger는 Corning이 "우리의 장기 고객 계약을 통해 우리 투자의 위험을 적절히 공유"할 계획이라고 말했으며, 이는 광학 인프라가 AI 구축에서 하는 전략적 역할을 반영하는 모델이다.

Corning의 재무 전망은 계획 지평이 현재 배포를 훨씬 넘어선다는 것을 시사한다. 5월에 회사는 2030년까지 400억 달러의 연간 판매 실행 속도로의 경로를 개략적으로 설명하면서 Springboard 성장 계획을 업그레이드했으며 100억 달러 규모의 포토닉스 사업을 목표로 하고 있다. 임원진은 그 성장의 대부분을 확장되는 AI 클러스터, 광학 확장 아키텍처 및 장기 고객 계약과 연결했다.

AI 인프라 승자로서 Corning의 등장은 더 광범위한 산업 변화를 반영한다. Nvidia가 AI 지출의 가장 눈에 띄는 수혜자로 남아있는 동안, 수십억 달러가 가속 컴퓨팅을 지원하는 데 필요한 물리적 시스템으로 흘러가고 있다. 전력 장비, 냉각 시스템, 전기 인프라, 네트워킹 하드웨어 및 연결 제품을 공급하는 회사들이 모두 이득을 보고 있다. HyperFRAME Research의 네트워킹 및 인프라 담당 부사장 겸 실무 리드인 Ron Westfall은 다음과 같이 관찰했다: "전력 관리 기업인 Eaton과 Vertiv은 밀집된 컴퓨팅 클러스터를 지원하기 위해 필요한 맞춤형 변압기, 개폐기 및 액체 냉각 기술에 대한 미처리 주문을 축적함으로써 주요 AI 수혜자로 떠올랐다."

업계 분석가들은 더 광범위한 교훈을 강조한다: AI는 몇 년 전만 해도 거의 아무도 예상하지 못한 규모의 물리적 인프라를 필요로 한다. Westfall이 언급했듯이, "이러한 대규모 거래들은 AI 경쟁이 칩 구매에 대한 최우선 초점에서 물리적 네트워크 재건으로 이동했음을 증명한다."

Kelly는 업계가 여전히 AI 붐의 제조 의미를 과소평가하고 있다고 주장한다. "나는 대부분의 대화가 이것이 매우 놀라운 기술 플레이라는 것을 중심으로 했다고 생각합니다."라고 그는 말했다. "하지만 나는 이것이 놀라운 제조 기회이기도 하다고 생각합니다." Corning은 최근 North Carolina에서 광학 제조 용량을 확대할 계획을 발표했으며, 이는 AI 인프라 구축자들의 증가하는 수요를 지원하기 위한 광범위한 노력의 일부이다. Kelly에게 도전 과제는 혁신을 넘어 점점 더 야심찬 배포 계획을 지원하기 위해 필요한 공장, 공급망 및 생산 용량을 구축하는 것까지 확장된다. "내가 생각하기로는 그들이 배우고 있는 것은 여기서 정말 큰 제조 기회가 있다는 것이고, 국내 공급의 제조 기반을 확대할 정말 큰 기회입니다."라고 그는 결론지었다.