2026.10.16 금요일
검색
'HBF' 검색결과
기간검색
-
~
검색영역
검색어
-
안현 SK하이닉스 사장 "AI 추론 병목 해소"…3D 적층 D램·HBF 개발 추진 [경제일보] 안현 SK하이닉스 개발총괄 사장이 인공지능(AI) 추론 시장의 급성장에 대응하기 위한 차세대 메모리 기술 로드맵을 제시했다. 고대역폭메모리(HBM)의 성능을 높이는 동시에 3차원(3D) 적층 D램과 고대역폭플래시(HBF) 개발을 추진해 데이터 처리 병목을 줄이고 AI 인프라의 전력 효율을 개선한다는 구상이다. 14일 SK하이닉스에 따르면 안 사장은 국내 반도체 전시회 ‘SEDEX 2026’ 기조연설에서 ‘AI 시대, 메모리 기술의 진화 방향’을 주제로 차세대 기술 로드맵을 발표했다. 안 사장은 AI 추론 수요가 빠르게 증가하면서 개별 메모리의 성능뿐 아니라 서로 다른 메모리 계층 간 데이터 이동 효율이 중요해지고 있다고 진단했다. 안 사장은 AI 시장 확대를 이끄는 요인으로 작업 복잡도 증가와 컨텍스트 길이 확대, 추론 요청량 급증을 꼽았다. 세 요인이 복합적으로 작용하면서 AI 인프라에 필요한 연산 및 데이터 처리 규모가 빠르게 늘고 있다는 설명이다. 특히 오는 2030년 AI 인프라의 성능 규모가 2026년 대비 약 20배까지 확대될 것으로 전망했다. 빅테크 기업들의 지속적인 투자와 AI 기술의 효율화가 새로운 서비스 수요를 창출하면서 인프라 확충을 촉진할 것으로 내다봤다. AI 추론이 복잡해질수록 연산에 필요한 데이터 저장량도 증가한다. 대표적으로 AI 모델이 이전에 처리한 정보를 보관하는 ‘KV 캐시(Key-Value Cache)’는 처리하는 문맥이 길어질수록 더 많은 메모리 공간을 차지한다. 대규모 데이터를 처리하려면 HBM과 일반 D램, 솔리드스테이트드라이브(SSD) 등 여러 저장장치에 정보를 나눠 보관해야 한다. 그러나 데이터가 각 계층을 오가는 과정에서 전송 지연과 추가적인 전력 소모가 발생한다. 기존에는 연산장치와 메모리 사이의 속도 차이가 주요 성능 제약으로 꼽혔다. 반면 AI 추론 환경에서는 메모리 계층마다 다른 처리 속도와 용량, 데이터 이동에 필요한 시간이 시스템 전체의 효율을 떨어뜨리는 요인으로 확대되고 있다. 이에 SK하이닉스는 메모리 제품별 성능 개선과 함께 데이터 특성에 따라 적합한 저장 공간을 배치하는 계층 최적화에 집중할 방침이다. 우선 HBM은 차세대 제품인 HBM4E까지 용량과 대역폭, 전력 효율을 높이는 방향으로 개발을 이어간다. 고객사의 AI 반도체 구조에 맞춰 기능을 설계하는 커스텀 HBM도 핵심 기술로 제시했다. 커스텀 HBM은 메모리 하단의 베이스 다이에 컨트롤러와 고객 맞춤형 회로를 적용하는 방식이다. 고객별 연산 구조에 적합한 기능을 구현해 데이터 처리 효율을 높이는 데 초점을 맞춘다. 새로운 메모리 기술로는 3D 적층 D램을 소개했다. 그래픽처리장치(GPU)나 신경망처리장치(NPU) 등 연산 반도체 위에 D램을 수직으로 쌓아 데이터 이동 거리를 줄이는 구조다. 연산장치와 메모리를 물리적으로 가깝게 배치하면 데이터를 주고받는 시간이 단축되고 전력 사용량도 줄일 수 있다. SK하이닉스는 이를 통해 고성능 연산장치와 HBM 사이에서 발생하는 성능 격차를 줄인다는 구상이다. 대용량 데이터 처리에 대응할 기술로는 HBF를 제시했다. HBF는 HBM 개발 과정에서 확보한 실리콘관통전극(TSV) 적층 기술과 고속 입출력 기술을 낸드플래시에 적용하는 차세대 메모리다. SK하이닉스는 HBF를 HBM과 일반 D램 사이에 배치해 고대역폭과 대용량을 동시에 확보할 계획이다. 개발 목표는 동세대 HBM 대비 약 10배의 용량과 절반 수준의 대역폭이다. AI 추론 과정에서는 저장된 데이터를 반복적으로 읽는 작업이 많고 쓰기 작업은 상대적으로 적다. 낸드플래시를 기반으로 하는 HBF는 이러한 데이터 처리 특성에 대응하면서 고용량 메모리 수요를 충족할 수 있는 기술로 제시됐다. 특히 연산에 필요한 대규모 데이터를 가까운 메모리 계층에 보관하면 일반 D램이나 SSD에 접근하는 횟수를 줄일 수 있다. 이를 통해 데이터 전송에 따른 지연과 전력 부담을 완화할 수 있을 것으로 기대된다. SK하이닉스는 HBF의 국제표준화도 선제적으로 추진한다. 글로벌 기술 기업들과 협력해 제품 개발과 시스템 적용에 필요한 기술 기반을 마련하고, 향후 상용화를 위한 생태계를 구축할 계획이다. 이와 함께 컴퓨트익스프레스링크(CXL)와 차세대 스토리지 기술인 스토리지 넥스트 등을 활용해 메모리 구조를 다변화한다. AI 작업 특성에 따라 성능과 용량이 다른 메모리를 효율적으로 활용하는 시스템을 구현한다는 목표다.2026-10-14 14:36:04
-
SK하이닉스, AI 메모리 판 바꾼다…'PIM'으로 연산 영역 확대 [경제일보] SK하이닉스가 메모리 반도체 안에서 AI 연산까지 수행하는 PIM 기술을 앞세워 GPU와 HBM 중심의 AI 인프라 한계 돌파에 나선다. 메모리에서 직접 연산을 처리해 가속기와 메모리 사이의 데이터 이동을 줄이고, AI 추론 속도와 시스템 효율을 높이겠다는 구상이다. 16일(현지시간) 업계에 따르면 임의철 SK하이닉스 설루션AT 담당 부사장은 미국 캘리포니아주 샌타클래라 컨벤션센터에서 열린 ‘AI 인프라 서밋’에서 PIM을 중심으로 한 차세대 AI 메모리 전략을 발표했다. AI 인프라는 그동안 GPU와 HBM을 결합해 대규모 연산을 처리하는 방식으로 발전해왔다. AI 모델이 커지고 초고속 추론 수요가 증가하면서 가속기와 메모리 사이에서 발생하는 데이터 이동량도 늘고 있다. SK하이닉스는 연산 기능을 메모리 안으로 가져오면 이러한 데이터 이동을 줄일 수 있다고 보고 있다. PIM은 메모리에 연산 기능을 탑재해 일부 계산을 저장장치 내부에서 처리하는 기술이다. 기존에는 메모리에 있는 데이터를 GPU 등 AI 가속기로 보내 연산한 뒤 결과를 다시 메모리에 저장해야 했지만, PIM을 활용하면 간단한 연산을 메모리에서 직접 수행할 수 있다. 특히 SK하이닉스는 초고속 추론에 활용되는 S램과 비교해 PIM이 대용량과 대역폭을 함께 확보할 수 있다는 점을 강조했다. S램은 빠른 데이터 처리가 가능하지만 메모리 용량과 비용 측면에서 부담이 있다는 설명이다. 임 부사장은 “S램 기반 체계는 높은 대역폭을 제공하지만 용량과 비용 측면에서는 명확한 한계가 있다”며 “PIM은 같은 면적에서 S램 대비 약 300배에 달하는 대용량을 제공하면서도 높은 내부 대역폭을 유지한다”고 말했다. 기술 구현 과정에서 제기돼온 집적도와 비용 문제에는 하이브리드 본딩을 활용한다. 메모리 다이와 연산 다이를 별도로 제작한 뒤 수직으로 연결하는 방식으로 연산 회로를 추가하면서 발생할 수 있는 메모리 용량 감소와 단가 상승 부담을 줄인다는 구상이다. PIM의 적용 범위도 개별 메모리 칩을 넘어 서버 랙 수준으로 확대한다. AI 서비스마다 요구되는 연산량과 데이터 처리 특성이 다른 만큼 메모리 계층별로 역할을 나누고 필요한 영역에서 연산 기능을 수행하는 구조를 구축한다는 개념이다. SK하이닉스는 AI 인프라가 GPU와 HBM 조합에만 의존하는 구조에서 벗어나야 한다고 보고 있다. PIM과 고대역폭 플래시(HBF) 등 다양한 메모리 기술을 활용하고 하드웨어와 소프트웨어를 함께 최적화하는 방식으로 시스템 효율을 높여야 한다는 판단이다. 임 부사장은 PIM과 HBF를 비롯한 메모리 계층 전반의 하드웨어 혁신과 소프트웨어 최적화, 통합 설계가 AI 인프라 발전에 필요하다고 강조했다.2026-09-17 10:16:29
-
SK하이닉스·샌디스크, 차세대 스토리지 HBF 첫 표준 공개 [경제일보] SK하이닉스와 미국 샌디스크가 인공지능(AI) 시대의 데이터 처리 수요에 대응하기 위한 차세대 스토리지 기술 '고대역폭 플래시(HBF)'의 첫 표준 규격을 공개했다. 완성된 제품을 내놓은 것이 아니라 여러 반도체·시스템 기업이 HBF를 개발하고 활용할 때 따를 수 있는 공통 설계 기준을 처음 제시한 것이다. 4일 SK하이닉스는 샌디스크와 함께 미국 캘리포니아주 산타클라라에서 열린 'FMS 2026'에서 HBF 표준 규격을 공개했다고 밝혔다. 지난해 8월 양사가 표준화 협력에 나선 데 이어 올해 2월 컨소시엄을 출범한 지 약 6개월 만이다. HBF는 고대역폭메모리(HBM)와 솔리드스테이트드라이브(SSD) 사이에 들어가는 새로운 메모리 계층이다. HBM은 데이터를 빠르게 처리할 수 있지만 용량을 늘리는 데 한계가 있고 가격도 비싸다. SSD는 많은 데이터를 저장할 수 있지만 HBM보다 데이터 전송 속도가 느리다. HBF는 낸드플래시를 기반으로 용량을 확보하면서 데이터 전송 속도를 높여 두 제품 사이를 보완하는 것을 목표로 한다. AI 모델이 커지고 실제 서비스에 활용되는 추론 작업이 늘면서 HBM만으로 처리하기 어려운 대규모 데이터를 보다 효율적으로 공급하려는 시도다. 이번 규격은 낸드 다이를 8단과 16단으로 쌓는 두 가지 구성을 기준으로 최대 512기가바이트(GB)의 용량을 정의했다. 데이터 대역폭은 성능에 따라 세 등급으로 나눠 초당 약 0.4테라바이트(TB)에서 3.0TB까지 제시했다. HBF와 중앙처리장치(CPU), 그래픽처리장치(GPU)를 연결하는 방식에는 개방형 인터페이스인 'UCIe'를 채택했다. 서로 다른 업체가 만든 반도체 칩을 하나의 시스템 안에서 연결할 수 있도록 해 HBF의 활용 범위를 넓히기 위한 선택이다. 규격은 글로벌 데이터센터 기술 협력체인 오픈컴퓨트프로젝트(OCP)를 통해 공개됐다. 특정 회사만 사용하는 독자 기술이 아니라 여러 기업이 참여할 수 있는 개방형 표준으로 생태계를 구축하겠다는 것이다. 현재 HBF 컨소시엄에는 구글과 AI 반도체 기업 텐스토렌트가 참여하고 있다. 다만 두 회사가 HBF 반도체를 직접 개발하는 것은 아니다. AI 서비스를 운영하거나 AI 반도체를 사용하는 고객의 관점에서 필요한 기술과 시스템 구조에 대해 의견을 나누는 형태로 협력하고 있다. SK하이닉스 관계자는 "이번 표준 공개를 계기로 AI 스토리지 시장에서 HBF 채택을 확대하고 생태계 조성에도 속도를 낼 수 있을 것으로 보고 있다"며 "구글과 텐스토렌트는 HBF 개발에 직접 참여하는 것이 아니라 고객 관점에서 개방형 협력을 진행하는 것"이라고 했다. 이어 "아직 개발 단계이기 때문에 구체적인 성능 지표나 향후 목표를 제시하기는 어렵다"며 "낸드플래시 분야에서도 HBF와 같은 새로운 메모리 개념이 논의되기 시작한 단계로 이해하면 된다"고 했다. 이번 표준 공개로 HBF의 기본 설계 방향은 마련됐지만 실제 제품 개발과 고객사 검증, 양산까지는 추가 절차가 남아 있다. 향후 HBF가 HBM과 SSD 사이의 새로운 시장으로 자리 잡기 위해서는 낸드 기반 제품의 속도와 전력 효율, 신뢰성을 실제 AI 시스템에서 입증하는 것이 관건이 될 전망이다. 김천성 부문장은 "AI 활용이 빠르게 확산되면서 데이터 처리 구조 전반의 재설계가 요구되는 시점"이며 "HBF를 통해 메모리와 스토리지 간 경계를 확장하고, 시스템 전반의 효율을 높이는 새로운 아키텍처 구현에 기여하겠다"고 했다.2026-08-04 13:55:54
많이 본 뉴스
영상
Youtube 바로가기
![[데스크칼럼] AI가 내 돈을 쓰는 시대, 책임은 누가 지나](https://image.ajunews.com/content/image/2026/10/16/20261016135030302549_518_323.jpeg)