Volantis가 가속기 패키지 안에서 빛으로 컴퓨팅과 훨씬 큰 메모리 풀을 연결하는 야심 찬 추론 아키텍처에 8,800만 달러를 확보했다. 계획 중인 A-1 시스템은 20조 개가 넘는 파라미터의 모델과 사용자당 초당 최대 10,000토큰을 목표로 한다. 어느 쪽도 독립적으로 입증된 양산 시스템의 결과는 아니다.
이번 자금은 서버 간 광케이블 하나를 추가하는 부품이 아니라 완전한 시스템을 뒷받침한다. Volantis는 빠른 메모리는 프로세서 가까이, 큰 메모리는 멀리 배치하게 만드는 물리적 한계를 바꾸려 한다. 성공한다면 대규모 모델을 저장하는 데 필요한 가속기 수가 달라질 수 있지만, 투자 유치 자체가 경제성을 증명하지는 않는다.
아직 구체화되는 시스템을 위한 자금
회사는 2026년 10월 1일 시리즈 A를 발표했다. 발표문에 따르면 Lachy Groom과 Abstract Ventures가 공동 주도했고 John Doerr, VXI Capital, Triatomic, Susa Ventures가 참여했다. 공개된 엔젤 투자자는 Dwarkesh Patel, Naveen Rao, Sholto Douglas다. Volantis는 누적 투자금이 9,700만 달러가 됐다고 밝혔다.
Rao는 이전에 Intel의 AI 제품 조직을 이끌었고 Doerr는 여러 세대의 컴퓨팅 기업을 지원했다. 이들의 참여는 기존 추론 하드웨어의 대안에 대한 관심을 보여 주지만 독립적인 기술 검증은 아니다. 창업팀에는 Nvidia, AMD, Broadcom, Ayar Labs 출신이 포함된다. 회사는 팀원들이 상용 CoWoS 패키징과 실리콘 포토닉스 시스템에 기여했다고 설명한다. CoWoS는 여러 칩과 고대역폭 메모리를 가깝게 배치하는 기술이다.
A-1은 학습보다 대화형 추론을 겨냥한다. 공개 자료에는 최근의 20조 개 초과 설명과 함께 이전의 10조 개 초과 파라미터 기준도 있다. 이는 사양의 변화를 반영할 수 있지만 고정된 출하 구성으로 해석할 수는 없다. 발표에는 표준화된 벤치마크, 고객 배포 증거, 충분히 상세한 양산 일정이 없다.
연산기를 늘려도 메모리 월이 사라지지 않는 이유
추론은 모델의 수치 가중치와 작업 데이터를 반복적으로 프로세서에 전달한다. 메모리 공급이 느리면 추가 연산기도 기다릴 수 있다. HBM은 적층 메모리를 가속기 옆에 두고 넓은 인터페이스로 연결하지만 패키지 면적이 스택 수를 제한한다. 더 길고 빠른 전기 연결은 신호 품질과 에너지 측면의 부담도 키운다.
대화형 서비스는 항상 많은 사용자를 묶어 배치 처리할 수 없어 이런 절충이 두드러진다. 토큰 하나를 더 생성할 때마다 가중치와 활성 컨텍스트를 다시 옮겨야 할 수 있다. 모델이 같아도 대화가 길어지면 키-값 캐시가 커진다. 저장소, 명령 출력, 문서, 긴 행동 이력을 처리하는 코딩 에이전트는 연산 속도만 높여서는 응답이 빨라지지 않을 수 있는 이유를 보여 준다.
가속기 간 모델 분할, 양자화, 캐싱, 느린 메모리 계층은 이미 압박을 줄이지만 정확도, 지연, 프로그래밍 복잡성, 활용률의 대가가 따른다. 스케줄링과 압축 개선도 기준선을 계속 높인다. 2025년 포토닉스 리뷰는 광 I/O와 인터포저를 성숙한 HBM 및 전자 네트워킹과 함께 신흥 방식으로 설명하며, A-1을 검증한 문서는 아니다.
광학 도달 거리와 병렬 레인, 집적 레이저
Volantis는 패키지 내 칩을 연결하는 기판인 인터포저를 가로지르는 광 도파관을 제안한다. 광학 ‘와이어’는 미세한 집적 경로를 뜻하며 부품 사이에 기존 광섬유를 하나씩 배선한다는 의미가 아니다. 경로를 늘리면 모든 칩렛을 컴퓨팅 다이 옆에 몰아넣지 않고 넓은 패키지 면적에 메모리를 배치할 수 있다.
회사의 기술 사양은 레인당 24Gb/s, 5나노초 미만의 링크 지연, 비트당 1피코줄 미만의 에너지를 주장한다. 수만 개 레인으로 총 200TB/s 이상을 제공하려 한다. 주장하는 도달 거리는 200밀리미터를 넘으며, 이 상황에서 유효한 전기 연결 거리는 약 2~5밀리미터라고 비교한다.
이 거리는 220개가 넘는 메모리 칩렛을 일관된 접근 특성으로 연결하는 풀 구상을 뒷받침한다. 빠르고 느린 계층이 뚜렷하게 분리되는 방식이 아니다. Volantis는 큰 용량과 SRAM 수준의 속도를 결합할 수 있다고 한다. SRAM은 보통 프로세서에 직접 위치한 빠른 메모리지만 밀도가 용량을 제한한다. 큰 풀 전체에서 비슷한 실효 성능을 얻는 것은 여전히 어려운 시스템 차원의 주장이다.
빛은 집적형 마이크로 VCSEL 어레이에서 나온다. 수직 공진기 표면 발광 레이저는 표면에 수직으로 빛을 내며 센싱과 통신에 이미 쓰이지만, 이 패키지 구현은 특수하다. Volantis는 다른 화합물 반도체 재료 기반 레이저 대신 갈륨비소 VCSEL을 강조한다. 회사는 집적 광원으로 외부 레이저 조립체를 없애고 도파관이 광섬유보다 훨씬 적은 공간을 차지한다고 설명한다.
전략은 ‘넓고 느리게’다. 소수 링크를 극단적인 속도로 밀어붙이기보다 중간 속도의 많은 레인을 병렬로 쓴다. 레인별 전자회로와 신호 처리 부담을 줄일 수 있지만 수천 개의 안정적인 경로를 제조하고 시험해야 한다. Volantis는 웨이퍼 규모 링크에서 전송 비트 1조 개당 오류가 1건 미만이고 95°C 이상에서 동작한다고 보고한다. 이는 회사가 보고한 링크 특성이며 완전한 출하 A-1의 확인이 아니다.
포토닉스 경쟁에서 다른 위치
Nvidia의 광 네트워킹 시스템은 플러그형 광 부품과 공동 패키징 광 스위치를 결합한다. 상용 포토닉스의 상당 부분은 스위치, 랙, 가속기 패키지를 연결한다. Volantis는 데이터 이동이 응답 시간에 영향을 주는 패키지 내부 메모리 경로에 광학을 직접 넣으려 한다.
Ayar Labs는 프로세서 근처에 광 I/O 칩렛을 두고 외부 레이저를 사용한다. Lightmatter의 Passage는 프로그래밍 가능한 광 네트워크로 패키지와 보드 사이의 프로세서를 연결한다. Celestial AI는 패키지, 시스템, 랙을 아우르는 패브릭을 개발했으며 Marvell은 2026년 2월 인수를 마쳤다. 관련된 접근이지만 서로 바꿔 쓸 수 있는 동일 제품은 아니다.
Volantis의 기회는 용량과 대역폭을 함께 개선하는 데 있다. 운영자는 메모리를 확보하려고 가속기를 더 산 뒤 분산 모델의 통신 부담을 감수할 수 있다. 접근 가능한 큰 풀이 있으면 더 적은 연산 엔진을 효율적으로 쓸 가능성이 있다. 희소 혼합 전문가 모델은 토큰마다 일부 구성 요소만 활성화하지만 모든 가용 파라미터를 저장해야 한다. 긴 컨텍스트 에이전트도 잠재적 용도다.
기존 대안도 발전한다. HBM 제조사는 용량과 대역폭을 늘리고 AMD와 Nvidia는 프로세서, 랙, 연결, 캐시, 소프트웨어를 조율한다. 성숙한 배포 경로와 인터페이스, 지원 체계는 전문 스타트업이 넘어야 할 강점이다.
전체 시스템 통합에서 확인해야 할 것
최대 총대역폭은 애플리케이션이 지속적으로 사용하는 대역폭이 아니다. 경합, 프로토콜 부담, 데이터 배치, 메모리 컨트롤러가 실제 값을 낮출 수 있다. 마찬가지로 5나노초 미만의 링크가 애플리케이션 접근까지 5나노초라는 뜻은 아니다. 스위칭, 중재, 메모리 동작이 지연을 더한다. 일관된 풀은 칩렛 간 주소 지정과 장애, 경합을 관리하면서 광학 이점을 유지해야 한다.
큰 인터포저는 비용과 수율 문제를 낳는다. 수천 레인과 수백 칩렛에 이중화, 시험, 복구가 필요하며 집적 발광기는 온도와 생산 편차를 견뎌야 한다. 95°C 이상 동작 보고는 관련성이 있지만 지속적인 열 안정성, 냉각, 패키지 신뢰성을 해결하지 않는다. 레이저 재료를 바꿔도 제조 위험은 사라지지 않는다.
소프트웨어와 제공 형태도 중요한 미지수다. 기존 서빙 환경은 특정 메모리 동작, 라이브러리, 가속기 인터페이스를 기대한다. 고객은 스케줄링, 프로파일링, 모델 배치, 장애 복구 도구가 필요하다. 공개 자료는 호환성, 초기 시장, 파트너나 제품이 어플라이언스·가속기·랙·라이선스 아키텍처·파트너 통합 부품 중 무엇인지 충분히 설명하지 않는다. 작은 모델이 기존 장비에 들어가는 기업은 최첨단 연구소나 하이퍼스케일러와 동기가 다르다.
의미 있는 시연은 모델 이름, 정밀도, 컨텍스트와 출력 길이, 배치 크기, 지연, 지속 처리량, 전력을 공개해야 한다. 독립 고객의 활용률, 오류, 가용성, 완료 작업당 비용 측정은 부품 주장을 운영 경제성과 연결할 것이다. 제조 파트너와 신뢰할 수 있는 패키징 계획도 증거가 된다. 8,800만 달러는 그 작업을 가능하게 하지만 시스템 결과가 나올 때까지 큰 성능 목표는 제안으로 남는다.