전 세계 인공지능 환경이 모델 학습에 대한 강한 집중에서 광범위한 배포와 추론으로 전환됨에 따라, 데이터 센터의 병목 지점도 이동하고 있습니다. High Bandwidth Memory (HBM)이 AI 학습의 주역이었다면, 폭증하는 AI 추론 수요는 새로운 유형의 스토리지 솔루션에 대한 중요한 필요성을 만들고 있습니다.
이러한 시장 변화에 대응해 SK Hynix는 차세대 NAND 스토리지 전략을 발표하며 "AIN (AI-NAND) Family"를 선보였습니다. 이 전략적 제품군은 AI 시대의 뚜렷한 과제에 맞춰 특별히 설계되었으며, Performance, Bandwidth, Capacity라는 세 가지 핵심 축에 초점을 맞춥니다.
AI 추론으로의 전환
학습된 모델이 예측을 수행하고 콘텐츠를 생성하는 AI 추론 시장의 빠른 성장은 방대한 데이터셋을 놀라운 속도와 효율로 처리할 수 있는 스토리지를 요구합니다. 기존 스토리지 솔루션은 점점 시스템 성능을 저해하는 요인이 되고 있습니다. SK Hynix의 AIN Family는 이러한 병목을 해소하는 것을 목표로 합니다.
AIN의 세 축: Performance, Bandwidth, Capacity
AIN Family는 단일 제품이 아니라, 특정 AI 워크로드에 최적화된 포괄적인 솔루션 제품군입니다:
-
Performance (AIN-P): 속도가 중요한 추론 작업을 위해 설계되었습니다. 스토리지 컨트롤러와 NAND 플래시 간의 상호작용을 최적화함으로써 AIN-P는 지연 시간을 최소화해 데이터가 AI 프로세서의 연산 속도에 맞춰 공급되도록 합니다. 이는 1밀리초도 중요한 실시간 애플리케이션에서 매우 중요합니다.
-
Bandwidth (AIN-B): 처리량 과제를 해결합니다. AI 모델이 커질수록 데이터를 전달하는 "파이프"도 더 넓어져야 합니다. AIN-B는 데이터 전송 속도를 극대화하는 데 집중하며, High Bandwidth Flash 같은 기술을 활용해 DRAM 분야에서 HBM이 거둔 성공을 NAND 영역으로 확장합니다.
-
Capacity (AIN-D): 빅데이터의 기반입니다. AI 모델과 Retrieval-Augmented Generation (RAG) 데이터베이스가 페타바이트 규모로 확장되면서, 집적도는 무엇보다 중요합니다. AIN-D는 초고집적 NAND 기술(예: 고급 QLC)을 활용해 컴팩트한 면적 안에 방대한 데이터를 저장하고, 전력 효율과 랙 공간 활용도를 극대화합니다.
