[비즈톡톡] 낸드플래시도 D램처럼 ‘AI 맞춤형’ 진화… SK하이닉스-엔비디아 ‘공동 개발’ 공식화 작성일 12-16 28 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">SK하이닉스, HBM 이어 SSD서도 엔비디아와 협력<br>HBM처럼 낸드 쌓는 ‘HBF’, 샌디스크와 표준 마련<br>AI 학습 담당한 HBM, 추론 영역서 ‘한계’… 대안 떠오른 낸드</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="66shMUrNNt"> <figure class="figure_frm origin_fig" contents-hash="1178dfaef0a5e385c412a49dbc67c92154a6c99d38a6314ca5b9e51bce9f4a2b" dmcf-pid="PoG5j4WIa1" dmcf-ptype="figure"> <p class="link_figure"><img alt="SK하이닉스 직원이 생산 라인에서 업무를 보고 있다./SK하이닉스" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202512/16/chosunbiz/20251216060159332hggd.jpg" data-org-width="658" dmcf-mid="VcdlRumjop" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202512/16/chosunbiz/20251216060159332hggd.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> SK하이닉스 직원이 생산 라인에서 업무를 보고 있다./SK하이닉스 </figcaption> </figure> <p contents-hash="3ea3f743e242d4ad6d63c4d870c160e6f8780405166cf0ec00216d58024ef6b4" dmcf-pid="QgH1A8YCk5" dmcf-ptype="general">SK하이닉스가 엔비디아와 차세대 솔리드스테이트드라이브(SSD) 개발을 공식화했습니다. SK하이닉스는 엔비디아에 고대역폭메모리(HBM)를 공급하면서 막대한 실적을 올렸는데, 고객·서비스 맞춤형 제품 개발이 낸드플래시 분야로 확대되는 모습입니다.</p> <p contents-hash="bc8c62fe1da41a3c5fe28c2c57e005111c5569f7f450ec479f2201dc3d181d23" dmcf-pid="xaXtc6GhkZ" dmcf-ptype="general">SK하이닉스는 낸드플래시가 사용되는 고대역폭플래시(HBF) 분야에서는 샌디스크와 ‘표준 마련’ 등을 위해 협력 중입니다. 인공지능(AI) 서비스가 학습에서 추론으로 전환되면서 휘발성 저장장치인 HBM은 기술적 한계를 마주하고 있습니다. 이를 비휘발성 저장장치인 낸드의 혁신을 통해 해결, 글로벌 빅테크 요구에 맞는 제품을 공급하겠다는 취지입니다.</p> <p contents-hash="30c90c79473cd832498622c708689ca027fa336fdf8e59920e0d5aff4f88f335" dmcf-pid="y3JouSe4cX" dmcf-ptype="general"><strong>◇ D램 이어 낸드도 ‘AI 맞춤형’ 개발 속도 </strong></p> <p contents-hash="824b5e9ac99f564a53edc3b972694fde208112785a87dd8bbe4dc97bf726a006" dmcf-pid="W0ig7vd8cH" dmcf-ptype="general">16일 반도체 업계에 따르면 김천성 SK하이닉스 부사장은 최근 ‘2025 인공지능반도체 미래기술 컨퍼런스’(AISFC)에 참석해 엔비디아와 기존 대비 성능이 10배 향상된 SSD를 개발하고 있다고 밝혔습니다. 엔비디아는 ‘스토리지 넥스트’라는 이름으로, SK하이닉스는 ‘AI-N P’(AI 낸드 퍼포먼스)라는 명칭으로 사전 실험(PoC)을 진행 중으로, 시제품 출시는 내년 말이 목표입니다. 양사는 초당 정보 입출력 수행 능력을 뜻하는 IOPS가 2027년에는 1억에 도달할 수 있다고 내다봤습니다.</p> <p contents-hash="684e6f4ef3d5aa98c4c83597768043e0c3bed5e73c43476972514986de636f0d" dmcf-pid="YpnazTJ6AG" dmcf-ptype="general">SK하이닉스는 이와 함께 지난 8월부터 샌디스크와 ‘HBF 표준’ 마련 절차를 진행 중입니다. HBF는 D램을 여러 장 쌓아 올려 대역폭을 높이고 일종의 데이터 통로를 크게 넓힌 HBM과 비슷한 구조를 가집니다. 낸드를 적층 구조로 쌓아 AI 서비스에 적합한 형태로 만들겠다는 것입니다. SK하이닉스는 HBF의 알파 버전을 내년 1월 말쯤 출시하고, 2027년엔 시제품을 고객사에 보내 성능 평가를 진행하는 중장기 전략을 세운 상태입니다. 신영증권은 HBF 상용화가 이뤄지는 2027년에는 시장 규모가 10억달러(약 1조4000억원)에서 시작해 2030년에는 120억달러(약 17조원)까지 성장할 수 있다고 전망했습니다.</p> <p contents-hash="516d846ffdf8763e8dcfc67af1938c8f1317b56c49230a1783219e8be3047195" dmcf-pid="GULNqyiPNY" dmcf-ptype="general">SK하이닉스가 상용화 전 단계부터 다양한 기업과 협업 관계를 구축하는 건 앞서 나온 제품 개발 과정에서는 찾아보기 힘든 방식입니다. SK하이닉스와 같은 메모리 기업들은 범용 제품을 공급하고, 이를 받아 쓰는 빅테크가 각자 목적에 맞춰 최적화를 진행하는 식으로 칩 개발이 진행돼 왔습니다. 그러나 AI 서비스에서는 각 사에 맞는 메모리 칩이 성능을 좌우하는 요인으로 부상하면서 맞춤형 개발이 요구되고 있습니다.</p> <figure class="figure_frm origin_fig" contents-hash="e60c7016418af030cb84db2e031b4619527e64656e1ddd838616e08ad3ae8540" dmcf-pid="HuojBWnQoW" dmcf-ptype="figure"> <p class="link_figure"><img alt="지난 11월 서울 강남구 코엑스에서 열린 ‘SK AI서밋 2025’에서 관람객들이 엔비디아 AI 가속기 GB300에 도입되는 SK하이닉스 메모리를 살펴보고 있다./뉴스1" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202512/16/chosunbiz/20251216060200678ufny.jpg" data-org-width="4896" dmcf-mid="f4dlRumjc0" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202512/16/chosunbiz/20251216060200678ufny.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 지난 11월 서울 강남구 코엑스에서 열린 ‘SK AI서밋 2025’에서 관람객들이 엔비디아 AI 가속기 GB300에 도입되는 SK하이닉스 메모리를 살펴보고 있다./뉴스1 </figcaption> </figure> <p contents-hash="49297d065c3e9b06277075432534ac4516ae41d8e57c246d6e03b0775b25f4e7" dmcf-pid="X7gAbYLxNy" dmcf-ptype="general"><strong>◇ D램 먼저 ‘맞춤형 개발’ 이뤄진 까닭</strong></p> <p contents-hash="6910a8983aeb7949c306e19e5bb379ef1e5702c38cb6259f2375baeefcb40486" dmcf-pid="ZzacKGoMAT" dmcf-ptype="general">SK하이닉스·엔비디아·샌디스크 등 반도체 기업들이 고객·서비스 맞춤형 개발 전략을 낸드까지 확대한 배경을 이해하려면 먼저 HBM이 왜 시장에서 부상했는지를 짚어야 합니다. 현재 낸드 기반의 기술 혁신이 ‘HBM의 한계’를 극복하기 위한 대안으로 여겨지고 있기 때문입니다.</p> <p contents-hash="2e412e138ca7bdc8f041cf728ab5617925b3ce2d54d23ab708e46385735c0e44" dmcf-pid="5qNk9HgRcv" dmcf-ptype="general">AI 등장 전까지는 직렬 처리 방식인 중앙처리장치(CPU)가 컴퓨터 운영체제 동작에 필요한 연산을 담당해 왔습니다. 이 구조에서 메모리는 CPU가 필요로 하는 데이터를 제공하는 역할을 해 큰 용량이 필요하지 않았습니다. 그러나 방대한 매개변수(파라미터)를 기반으로 연산이 이뤄지는 AI를 직렬로 처리하려면 시간이 너무 오래 소요되는 문제가 발생했습니다. 대규모 행렬 곱과 벡터 연산을 기반으로 하는 AI는 병렬 연산에 특화된 그래픽처리장치(GPU)가 더 적합했던 것이죠. 실제로 머신러닝을 위한 오픈소스 플랫폼 텐서플로에서 같은 학습 모델을 CPU로 작동하면 연산에 17분 55초가 소요됐지만, GPU를 쓰면 5분 43초로 단축된다는 연구 결과도 있습니다.</p> <p contents-hash="98e937b9d24aeb57ff14ca0c1b9c71042aef1eed62989a92c3b611282980e027" dmcf-pid="1QISe7sAkS" dmcf-ptype="general">그러나 GPU가 AI에 널리 쓰이게 되면서 새로운 문제가 발생합니다. GPU 연산을 최대로 활용하려면 방대한 데이터를 끊임없이 제공받아야 하는 구조가 필요합니다. 그런데 CPU 성능에 맞춰진 기존 D램은 순차 전송 구조와 낮은 대역폭을 지녀 GPU가 일을 기다리며 쉬는 ‘메모리 유휴 시간’이 발생했습니다. 이는 GPU 전체 연산 속도가 감소하는 ‘메모리 병목 현상’으로 이어졌습니다. D램을 적층해 대역폭을 높여 한 번에 많은 데이터를 GPU에 보낼 수 있는 HBM이 부상한 이유입니다.</p> <p contents-hash="655e70f486435e7c3809a73cce770a0a944896ce52187f46877fccddb7e9458a" dmcf-pid="txCvdzOckl" dmcf-ptype="general"><strong>◇ AI 추론서 HBM 한계 등장… 낸드에 쏠린 눈</strong></p> <p contents-hash="dd2d477ed6300b2a3e1151c068094cfd2224569f23d95fbfe1b4a79999e50578" dmcf-pid="FMhTJqIkah" dmcf-ptype="general">HBM을 탑재한 GPU는 올해까지 AI 시장에서 많은 문제를 해결하며 꽤 잘 작동했다는 평가를 받습니다. 주요 빅테크가 그간 AI를 연구·개발(학습)하는 단계를 진행해 왔기 때문입니다. 그러나 이제 AI 서비스가 상용 단계에 접어들면서 실제 성능에 영향을 미치는 ‘추론’ 기능이 중요해지고 있습니다.</p> <p contents-hash="fe0b3679390b8e3b2e126c693954472d112cb01b8908cdab83219401a65dfc1c" dmcf-pid="3RlyiBCEAC" dmcf-ptype="general">추론을 기반으로 사용자 질의에 대답하는 AI는 지연 시간 최소화가 중요한 과제입니다. 업계에 따르면 챗GPT에 탑재된 GPT-4 모델의 경우 추론에 3.6테라바이트(TB)가 필요한데, 현재 HBM3E(5세대)가 GPU에 제공하는 용량은 약 192기가바이트(GB)에 그칩니다. 추론 요청에 GPU 6~7개를 묶어서 사용해야 하고, 이는 서비스 제공에 필요한 비용 상승으로 이어졌습니다.</p> <p contents-hash="d7345700dc8fadd326be5ad07604c8d9fb50bf1ec0eecdf305f31d09eb903998" dmcf-pid="0eSWnbhDaI" dmcf-ptype="general">개인화된 AI 서비스도 HBM 용량이 한계에 다다르게 하는 요인으로 꼽힙니다. AI가 사용자의 행동·대화를 기억해 맥락에 맞는 답변을 하기 위해선 더 많은 데이터를 저장하고 있어야 합니다. 휘발성 저장장치인 HBM으로는 개인화·추론 단계에 접어든 AI에 대응이 어려운 셈입니다.</p> <figure class="figure_frm origin_fig" contents-hash="f15eb13a30b24a56b976d1ce27437e1da9db8da529ab02192ad36db1320c3310" dmcf-pid="pdvYLKlwAO" dmcf-ptype="figure"> <p class="link_figure"><img alt="HBF 구조./그로쓰리서치" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202512/16/chosunbiz/20251216060203042hyej.jpg" data-org-width="1062" dmcf-mid="4NH1A8YCA3" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202512/16/chosunbiz/20251216060203042hyej.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> HBF 구조./그로쓰리서치 </figcaption> </figure> <p contents-hash="2af9b4e2a67af5ebf4665af1e2907674eceb4c09a90f093284559b753562de4e" dmcf-pid="UJTGo9Sros" dmcf-ptype="general"><strong>◇ SK하이닉스, 세 영역 나눠 ‘낸드 고도화’ 개발 진행</strong></p> <p contents-hash="dc12b75b26b1477bb80c839a002500f12043822874d00af3d14127173d929632" dmcf-pid="uiyHg2vmNm" dmcf-ptype="general">이런 한계를 극복하기 위한 대안 기술로 부상한 게 비휘발성 저장장치인 낸드입니다. 개인별 데이터를 오래 보관하면서도 추론에서 필요로 하는 ‘긴 문장’ 기억에도 적합합니다.</p> <p contents-hash="d8a27b7e1cb61b531257465ee83e9b0ba65af65d071c2791ac710642d49e883f" dmcf-pid="7nWXaVTsgr" dmcf-ptype="general">SK하이닉스는 이런 시장 변화에 대응해 AI 시대에 맞는 낸드 개발을 크게 3개 분류로 나눠 진행하고 있습니다. ▲엔비디아와 기존 SSD 성능을 AI에 맞춰 개발하는 ‘AI-N P’ ▲샌디스크와 협력 중인 ‘AI-N B’(HBF) ▲초고용량(테라바이트에서 페타바이트로 상향)을 구현하고 SSD의 속도와 HDD의 경제성을 동시에 구현한 중간 계층 스토리지인 ‘AI-N D’ 등을 통해 AI 시대에 맞는 낸드 성능을 구현하겠다는 것입니다.</p> <p contents-hash="63c4061ef8844fa71ad5257911ac8e22532210d4b03ddc294f77b0cb8e2c99cd" dmcf-pid="zLYZNfyOow" dmcf-ptype="general">SK하이닉스는 ‘AI-N P’ 개발 프로젝트를 통해 대규모 AI 추론 환경에서 발생하는 방대한 데이터 입출력을 효율적으로 처리하는 핵심 기술을 확보하려 합니다. AI 연산과 스토리지 간 병목 현상을 최소화해 처리 속도와 에너지 효율을 대폭 높이겠다는 것입니다. 이를 위해 회사는 낸드와 컨트롤러를 새로운 구조로 설계 중입니다.</p> <figure class="figure_frm origin_fig" contents-hash="cbacc3a4bfd1f8835086556f97eea479cee8ac615a11db5e11e54a8e6a37c3d5" dmcf-pid="qoG5j4WIgD" dmcf-ptype="figure"> <p class="link_figure"><img alt="SK하이닉스 VFO 기술 설명 자료./그로쓰리서치" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202512/16/chosunbiz/20251216060204477dabn.jpg" data-org-width="1051" dmcf-mid="8CDs6FkLaF" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202512/16/chosunbiz/20251216060204477dabn.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> SK하이닉스 VFO 기술 설명 자료./그로쓰리서치 </figcaption> </figure> <p contents-hash="446e109e12f5802894f014a4401ecb01a9820961d56dbda09167dc8acae68013" dmcf-pid="BgH1A8YCoE" dmcf-ptype="general">HBF 영역에서는 HBM 시장 점유율 1위를 만든 패키징 역량을 낸드에도 고스란히 접목해 개발 속도를 높이려는 전략을 진행하고 있습니다. 한용희 그로쓰리서치 연구원은 “SK하이닉스의 대표 기술인 VFO(칩과 회로를 연결하는 와이어를 곡선에서 수직으로 바꾼 반도체 패키징 기술)는 기존의 TSV(구멍을 뚫어 여러 개의 반도체 칩을 수직으로 쌓아 연결하는 기술)로 관통시키는 방식 대신 칩 외곽을 따라 수직으로 연결하는 새로운 패키징 구조”라며 “3D(차원) 낸드의 복잡한 구조 위에 다시 TSV를 추가했을 때 발생하는 수율 저하 문제를 피할 수 있는 기술”이라고 분석했습니다.</p> <p contents-hash="f3d56210b119e951f8b1c42a0e8bc23d8631d8b9d73f9d075a7d588f5f7e5981" dmcf-pid="baXtc6Ghak" dmcf-ptype="general">SK하이닉스는 샌디스크와 HBF 협업 구조에서 이런 패키징 역량을 담당합니다. 샌디스크는 플래시 설계와 대용량 낸드 기반 기술을 제공하는 식으로 협업하고 있습니다. 한 연구원은 “엔비디아 등 주요 GPU 업체가 HBF 표준을 채택할 경우 HBM·HBF 양축 메모리의 중심 기업으로 부상할 가능성이 높다”고 했습니다.</p> <p contents-hash="f90b605dae47460b58e40439ab3c2875d46a39d7f349e1ea6058159314e8cad4" dmcf-pid="KNZFkPHlNc" dmcf-ptype="general">반도체 업계 관계자는 “그간 AI 시장에서 소외된 낸드가 추론 AI 구현에 필수적인 요인으로 부상하면서 본격적인 맞춤형 개발이 이뤄지고 있는 것”이라며 “HBM만큼이나 혁신적인 기술이 등장하면 AI 추론 비용의 감소와 성능 향상이 이뤄질 수 있다”고 말했습니다.</p> <p contents-hash="33f0d1b7b19320c496498c5cdcd25b6b657738944214a08048e1bdc072594d61" dmcf-pid="9j53EQXSNA" dmcf-ptype="general">- Copyright ⓒ 조선비즈 & Chosun.com -</p> </section> </div> <p class="" data-translation="true">Copyright © 조선비즈. 무단전재 및 재배포 금지.</p> 관련자료 이전 '꼬끼오~' 닭 울음소리로 질병 판단…말레이가 먼저 찜한 토종 AI 12-16 다음 국방 CAIO 신설한다···98개 국가 AI 프로젝트 가동 12-16 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
