AI, 서버용 SSD 시장도 바꾼다…'SLC' 존재감 부각

 

인공지능(AI) 산업이 데이터센터용 SSD 시장 판도를 바꿀 것으로 예상된다. 기존 데이터센터용 SSD는 고용량 구현에 초점을 맞춰 왔으나, 최근 주요 메모리 기업들은 데이터 처리 성능을 극대화하기 위한 SLC(싱글레벨셀) 기반의 차세대 SSD 개발에 집중하고 있다. 글로벌 빅테크인 엔비디아 역시 AI용 고성능 SLC SSD에 주목하고 있는 것으로 알려졌다.

26일 업계에 따르면 주요 메모리 기업들은 AI 데이터센터용 차세대 낸드로 SLC에 주목하고 있다.

TLC·QLC가 주도 중인 서버용 SSD 시장

SLC는 데이터를 저장하는 최소 단위인 셀 하나에 1비트(Bit)를 저장하는 방식을 뜻한다. 2비트를 저장하면 MLC(멀티레벨셀), 3비트는 TLC(트리플레벨셀), 4비트는 QLC(쿼드레벨셀)로 불린다. 각 방식에 따라 SSD(낸드 기반 저장장치)의 주 적용처가 달라진다.

기존 데이터센터용 SSD 시장은 TLC, 혹은 QLC가 주류를 차지해 왔다. 각 셀에 더 많은 비트를 저장하므로, 단위면적 당 더 많은 데이터를 저장할 수 있기 때문이다. 특히 방대한 양의 데이터 처리가 필요한 AI 데이터센터에서는 수요가 더 늘어나는 추세다.

SLC는 데이터 처리 속도가 빠르고 안정성이 높지만, 저장 용량이 적고 가격이 비싸 대규모 투자가 필요한 데이터센터 구축에는 적합하지 않다는 평가가 지배적이었다.

AI가 바꾸는 패러다임…1억 IOPS SSD·HBF는 'SLC' 기반

그러나 최근 주요 메모리 기업들이 개발 중인 차세대 낸드에서는 SLC의 존재감이 커지고 있다. 대표적으로, SK하이닉스는 AI 데이터센터 시장을 겨냥해 AI-N P(성능)·AI-N B(대역폭)·AI-N D(용량) 등 세 가지 측면을 각각 강화한 'AIN 패밀리' 라인업을 개발 중이다.
이 중 AI-N P는 대규모 AI 추론 환경에서 발생하는 방대한 데이터 입출력을 효율적으로 처리하는 솔루션이다. AI 연산과 스토리지 간 병목 현상을 최소화해 처리 속도와 에너지 효율을 대폭 향상시킨다.
1세대 제품의 IOPS(1초당 처리할 수 있는 입출력 횟수)는 2천500만으로, 현존하는 고성능 SSD(최대 300만 수준) 대비 8~10배에 달한다. 2027년 말 양산 준비 완료를 목표로 한 2세대 제품은 1억 IOPS를 지원할 전망이다.
이를 위해 SK하이닉스는 낸드와 컨트롤러를 새로운 구조로 설계하고 있으며, 핵심 고객사인 엔비디아와 협업해 내년 말 첫 샘플을 선보일 계획이다.
회사에 따르면, AI-N P는 SLC 낸드를 기반으로 개발되고 있다. AI-N P가 데이터 처리 성능을 극대화하는 제품인 만큼, 용량은 후순위로 미루려는 전략으로 풀이된다.

일본 키오시아도 올 3분기 개최한 기술설명회에서 "엔비디아와 협력해 1억 IOPS 성능의 차세대 SSD를 오는 2027년 상용화할 것"이라고 밝힌 바 있다. SK하이닉스와 동일한 개념의 제품인 만큼, 키오시아도 SLC 낸드를 기반으로 할 것으로 관측된다.
업계에서 HBF(고대역폭플래시)라 불리는 AI-N B 역시 SLC 낸드 기반으로 개발되고 있다. HBF는 D램을 적층해 만든 HBM과 유사하게 낸드를 적층해, 데이터를 송수신하는 대역폭을 크게 확장한 제품이다.

현재 SK하이닉스는 미국 샌디스크와 협력해 HBF에 대한 표준화 작업을 진행하고 있다. 오는 2027년 PoC(개념증명) 단계의 샘플이 개발돼 본격적인 평가를 거칠 것으로 예상된다.

엔비디아, GPU와 SSD 직접 연결 구상

AI 산업을 주도하고 있는 엔비디아도 SLC 낸드의 필요성에 공감하고 있다는 분석이다. 현재 엔비디아는 주요 메모리 기업들과 AI 낸드 협력망을 구축함과 동시에, 이를 활용하기 위한 소프트웨어 'SCADA(SCaled Accelerated Data Access)'를 개발하고 있다.

SCADA는 AI 데이터 처리의 핵심 요소인 GPU가 CPU를 거치지 않고 스토리지(SSD)에 직접 접근해 데이터를 읽고 쓸 수 있도록 하는 기술이다. CPU가 SSD에서 데이터를 읽고 GPU로 전송하는 기존 구조 대비 데이터 처리 과정을 줄여, 학습 및 추론 속도와 효율성을 높일 수 있다.

 

 

참고사항1 : AIN 패밀리 

 

SK하이닉스의 'AIN(AI-NAND) 패밀리'는 2025년 OCP(Open Compute Project) 글로벌 서밋에서 공개된 차세대 AI 최적화 낸드 스토리지 라인업입니다. AI 모델이 거대해짐에 따라 발생하는 메모리와 스토리지 사이의 병목 현상을 해결하기 위해 성능(P), 대역폭(B), 용량(D) 세 가지 핵심 요소를 극대화한 것이 특징입니다.

 

각 라인업의 상세 특징과 프로토콜 정보는 다음과 같습니다.

 

1. AIN 패밀리 라인업 상세 설명구분명칭핵심 특징 및 기술주요 용도P

구분	명칭	핵심 특징 및 기술
P (Performance)	AI-N P	초고속 입출력(IOPS) 지원. 기존 대비 10배~30배 빠른 성능 목표 (최대 1억 IOPS).
B (Bandwidth)	AI-N B	HBF(High Bandwidth Flash) 기술 적용. 낸드를 HBM처럼 수직 적층하여 대역폭 확장.
D (Density)	AI-N D	PB(페타바이트)급 초고용량 구현. QLC 기술 기반으로 HDD의 경제성과 SSD의 속도 결합. AI 학습용 빅데이터 아카이빙, 대규모 데이터센터 저장소

 

2. 프로토콜 및 커맨드 (Interface & Command)

이 제품들은 기본적으로 NVMe 커맨드 셋을 사용하며, 차세대 고속 인터페이스인 PCIe와 CXL을 프로토콜로 채택하고 있습니다.

• 프로토콜 (Protocol): PCIe Gen6 및 CXL
  • AI-N P: 특히 성능을 극대화하기 위해 차세대 PCIe 6.0 인터페이스를 기반으로 설계되고 있습니다. 이를 통해 초당 1억 회 이상의 입출력(IOPS)을 구현하려 합니다.
  • AI-N B (HBF): 이 라인업은 메모리와 스토리지의 경계에 위치하므로, 단순히 저장 장치용 PCIe를 넘어 시스템 메모리 확장을 위한 CXL(Compute Express Link) 프로토콜과의 연동이 강조됩니다. GPU와 더 직접적으로 데이터를 주고받기 위한 최적화가 이루어져 있습니다.
• 커맨드 (Command): NVMe (Non-Volatile Memory express)
  • NVMe 커맨드가 사용됩니다.  NVMe는 PCIe 인터페이스를 사용하는 저장 장치를 위해 최적화된 표준 통신 규격입니다.SK하이닉스는 기존 NVMe 컨트롤러 구조를 AI 연산에 최적화된 형태로 재설계하여, AI 추론 시 발생하는 잘게 쪼개진 데이터(Granular Data) 요청을 더 효율적으로 처리하도록 개선했습니다.
• 기술적 의의
  • 과거의 SSD가 단순히 데이터를 '저장'하는 장치였다면, AIN 패밀리는 HBM(고대역폭 메모리)의 기술적 특성(수직 적층, 광대역폭)을 낸드 스토리지에 이식한 형태입니다. 특히 AI-N B(HBF)는 샌디스크(SanDisk)와 함께 표준화를 추진 중인 새로운 폼팩터로, GPU 바로 옆에서 HBM의 부족한 용량을 보완하는 역할을 하게 될 전망입니다.

참고사항2 : HBF

SK하이닉스의 HBF(High Bandwidth Flash, 고대역폭 플래시)는 AI 연산의 병목 현상을 해결하기 위해 HBM(고대역폭 메모리)의 적층 구조를 낸드플래시에 접목한 차세대 스토리지 기술입니다.

 

• HBF (High Bandwidth Flash)의 핵심 개념
  • HBF는 한마디로 "HBM처럼 쌓아 올린 초고속 낸드"입니다.
  • 구조적 혁신: 기존 낸드는 데이터를 한 줄로 주고받는 방식이었다면, HBF는 HBM처럼 TSV(관통 전극) 기술 등을 활용해 수직으로 쌓고 데이터 통로(채널)를 극대화했습니다. 이를 통해 기존 SSD보다 훨씬 넓은 대역폭을 제공합니다.
  • 위치적 변화: 데이터센터의 멀리 떨어진 저장장치에 있던 데이터를 GPU(가속기) 근처로 끌어오는 역할을 합니다. 'HBM(책상 위 메모장)'과 '일반 SSD(도서관)' 사이의 간극을 메워주는 '대형 책장'과 같은 보조 메모리 역할을 수행합니다.
• 프로토콜 및 커맨드 (Interface & Command)

HBF는 AI 가속기와의 효율적인 통신을 위해 최신 프로토콜을 채택하고 있습니다.

• 프로토콜 (Protocol): PCIe Gen6 및 CXL (Compute Express Link)
  • PCIe 6.0: 초당 128GB 이상의 전송 속도를 지원하는 최신 인터페이스를 기반으로 합니다.
  • CXL 3.x: HBF의 핵심은 단순 저장을 넘어 메모리처럼 쓰이는 것입니다. CXL 프로토콜을 통해 GPU나 CPU가 HBF를 시스템 메모리처럼 직접 주소를 할당해 접근(Byte-addressable)할 수 있게 하여 지연 시간을 획기적으로 줄입니다.
• 커맨드 (Command): NVMe (Non-Volatile Memory express)
  • 기본적으로 NVMe 커맨드 셋을 사용합니다. 하지만 기존의 블록(Block) 단위 전송 방식에서 벗어나, AI 학습 및 추론에 최적화된 'NVMe over CXL' 또는 'NVMe-oC'와 같은 최적화된 명령 체계를 사용하여 연산 효율을 극대화합니다.
• 왜 지금 HBF가 필요한가?
  • 현재 AI 모델(예: GPT-4 이상)은 너무 거대해서 HBM 용량만으로는 모든 데이터를 다 담을 수 없습니다. 그렇다고 일반 SSD에서 데이터를 가져오면 속도가 너무 느려 GPU가 노는 시간(Bottle-neck)이 발생합니다. SK하이닉스는 이 문제를 해결하기 위해 샌디스크(웨스턴디지털)와 협력하여 HBF 표준화를 주도하고 있으며, 이를 통해 AI 데이터센터의 총 소유 비용(TCO)을 낮추면서도 성능을 극대화하려 하고 있습니다.

 

 

출처)

https://zdnet.co.kr/view/?no=20251226101752

AI, 서버용 SSD 시장도 바꾼다…'SLC' 존재감 부각