AI 推理가 NAND 사이클을 바꾸고 있나? Sandisk가 저장 칩 주식에 의미하는 것

特邀专栏作者

2026-08-15 07:30

이 기사는 약 5958자로, 전체를 읽는 데 약 9분이 소요됩니다

AI 추론이 저장 투자를 GPU와 HBM에서 고용량 NAND로 확장시키고 있다. 수요 증가, 장기 고객 계약 및 HBF와 같은 신기술이 AI 인프라에서 NAND의 위상을 높이고, 전통적인 저장 사이클 변동성을 완화하고 있다.

AI 요약

펼치기

핵심觀點: AI 추론이 저장 수요를 기존 컴퓨팅 리소스에서 고용량 NAND 플래시로 확장시키고 있으며, 장기 고객 계약과 신기술(예: HBF, QLC)이 NAND 사이클 변동성을 줄일 수 있지만 주기성을 완전히 제거하지는 못한다.
핵심 요소:
1. AI 추론은 대규모의 빠른 접근과 비용 효율적인 저장을 필요로 하며, NAND는 단순한 전통적 상품 저장이 아닌 HBM, DRAM과 공존하는 AI 용량 계층으로 자리 잡고 있다.
2. Sandisk는 2030년까지 엔터프라이즈 데이터센터 플래시 수요가 1.2 ZB에 이를 것으로 예상하고, AI 추론에 특화된 High Bandwidth Flash(HBF)를 개발 중이며, HBM에 근접한 대역폭과 약 8배의 용량을 제공하는 것을 목표로 한다.
3. Sandisk는 총 약 939억 달러 규모의 8건의 장기 계약을 체결했으며, 이는 FY2028 생산량의 약 3분의 2를 커버한다. Samsung도 장기 계약이 향후 저장 매출의 60%-70%를 차지할 수 있다고 밝혀 수요 가시성을 높였다.
4. QLC NAND는 높은 용량과 비용 효율성으로 인해 단기적으로 HBF보다 AI 저장에 더 먼저 영향을 미칠 수 있다. Samsung BV-NAND 아키텍처는 저장 밀도를 약 58% 향상시킬 수 있다.
5. AI는 장기적인 bit 수요를 증가시키고 공급 규율을 개선하지만, NAND는 여전히 자본 집약적이며, 생산 능력 확장과 기술 업그레이드가 공급 과잉을 초래할 수 있다. 사이클은 사라지지 않고 변동 폭만 줄어들 수 있다.

핵심 요약

AI 추론(inference)은 스토리지 투자 테마를 GPU와 HBM에서 고용량 스토리지로 확장시키고 있습니다. 플래시 메모리 수요 증가, 장기 고객 계약, HBF와 같은 신기술은 NAND의 AI 인프라 내 중요성을 높이고, 기존 스토리지 주기의 변동 폭을 줄일 수 있습니다.

핵심 포인트

AI 추론에는 연산 능력만 필요한 것이 아닙니다. 대규모 배포에는 지속적으로 증가하고, 빠르게 접근할 수 있으며, 비용 효율적인 스토리지 용량도 필요합니다.
NAND는 더 이상 전통적인 상품형 스토리지 제품이 아니라 HBM, DRAM과 함께 AI 용량 계층으로 자리 잡아가고 있습니다.
Sandisk는 2030년까지 기업 데이터센터 플래시 메모리 수요가 1.2 ZB에 이를 것으로 전망하며, AI 추론에 특화된 High Bandwidth Flash를 개발 중입니다.
Sandisk, Samsung 등 스토리지 제조사들은 장기 고객 계약 방식을 도입하기 시작했으며, 이는 수요 가시성을 높이고 과잉 생산 위험을 낮출 수 있습니다.
AI가 NAND 주기를 사라지게 하지는 않습니다. 주목할 점은 더 강한 비트(bit) 수요와 더 나은 공급 규율이 향후 주기 변동 폭을 줄일 수 있느냐입니다.

지난 몇 년간의 AI 열풍 속에서 반도체 투자 논리에는 비교적 명확한 경로가 있었습니다. 더 많은 AI 모델은 더 많은 GPU를 필요로 하고, GPU는 더 많은 HBM을 필요로 하며, 점점 더 밀집되는 컴퓨팅 클러스터는 더 빠른 네트워크와 더 많은 전력을 요구합니다. 스토리지는 항상 중요했지만, 이러한 분야만큼 주목을 받는 경우는 드물었습니다.

AI 추론이 이러한 자원 배분 방식을 점차 바꾸고 있습니다.

AI가 대규모 모델 훈련에서 수십억 건의 쿼리 처리, 기업용 AI 에이전트, 멀티모달 애플리케이션, 실시간 워크로드 서비스로 전환되면서, 인프라는 단순히 계산을 수행할 뿐만 아니라 대량의 데이터를 지속적으로 저장하고 반복적으로 읽어야 합니다.

이는 스토리지 업계에 새로운 질문을 던집니다. NAND가 AI 인프라의 다음 핵심 용량 병목 지점이 될 수 있을까요?

Sandisk, Samsung, Kioxia 및 기타 스토리지 제조사들의 최근 행보는 그 답이 점점 '그렇다'에 가까워지고 있음을 시사합니다. 이에 따라 NAND의 투자 논리도 단기적인 플래시 메모리 가격 인상에서 점차 구조적인 AI 스토리지 수요로 전환되고 있습니다.

왜 AI 추론에는 더 많은 스토리지 용량이 필요할까?

AI 훈련과 AI 추론이 인프라에 가하는 부담은 완전히 동일하지 않습니다.

최첨단 대규모 모델 훈련에는 방대한 컴퓨팅 클러스터와 초고속 메모리 접근 능력이 필요합니다. 이것이 GPU와 HBM이 가장 먼저 AI 공급망의 핵심 병목 지점이 된 이유입니다.

추론은 모델이 실제로 배포된 이후에 발생합니다. AI 시스템이 질문에 답하고, 지식 기반을 검색하고, 이미지를 분석하거나 에이전트 작업을 수행할 때마다 모델 파라미터, 임베딩, 캐시 데이터, 사용자 컨텍스트, 그리고 점점 더 방대해지는 멀티모달 데이터 세트를 읽어야 할 수 있습니다.

쿼리 수가 증가함에 따라 경제적인 방식으로 접근 가능한 상태를 유지해야 하는 데이터의 양도 함께 증가합니다.

모든 데이터를 HBM에 저장하는 것은 현실적이지 않습니다. HBM은 매우 높은 대역폭을 제공하지만 용량이 상대적으로 제한적이고, 비트당 비용이 NAND보다 훨씬 높습니다. 전통적인 NAND는 반대편에 있으며, 더 낮은 비용으로 대용량을 제공할 수 있지만 대역폭이 낮고 지연 시간이 더 깁니다.

따라서 두 기술 사이에는 큰 아키텍처 공간이 존재합니다.

미래의 AI 메모리 스택은 HBM과 NAND 중 하나를 선택하는 방식보다는, 서로 다른 메모리가 서로 다른 계층을 담당하는 방식이 될 가능성이 높습니다. HBM은 가장 높은 대역폭이 필요한 워크로드를 처리하고, DRAM은 작업 메모리 요구를 담당하며, 고성능 NAND는 용량은 더 크지만 여전히 컴퓨팅 측에 가까이 있어야 하는 데이터 풀을 담당하기 시작할 것입니다.

Sandisk는 NAND가 AI의 용량 계층이 될 것이라고 베팅하고 있습니다

Sandisk는 현재 이러한 논리를 가장 명확하게 공개적으로 주장하는 회사 중 하나입니다. 2026년 투자자의 날에서 회사는 2030년까지 기업 데이터센터 플래시 메모리 시장이 1.2 ZB에 이를 수 있다고 전망했으며, FY2028부터 FY2030까지 매출이 연평균 중하위 두 자릿수 성장을 유지할 것으로 예상했습니다. 관련 전망은 Reuters에서 확인할 수 있습니다.

이러한 전망은 Sandisk의 데이터센터 사업이 이미 빠르게 성장하고 있다는 사실에 기반합니다. 회사는 더 이상 주로 소비자 전자제품이나 기존 엔터프라이즈 스토리지 시장에 의존하지 않고, 장기 전략을 AI 인프라와 점차 결합하고 있습니다.

이러한 변화는 AI 시스템이 단순히 '더 빠른 스토리지'가 아니라 시스템당 더 많은 스토리지 용량을 필요로 하기 때문에 중요합니다. 더 큰 모델, RAG, 멀티모달 콘텐츠, 그리고 지속적으로 실행되는 AI 에이전트는 장기간 접근 가능한 상태를 유지해야 하는 데이터의 양을 증가시킵니다.

AI 추론이 미래 데이터센터의 가장 중요한 워크로드 중 하나가 된다면, NAND 수요의 동인은 PC, 스마트폰, 기존 클라우드 스토리지 주기에서 점차 AI가 생성하고 사용하는 데이터 자체로 옮겨갈 수 있습니다.

이는 10년 전 시장이 이해했던 NAND 수요 구조와는 이미 매우 다릅니다.

HBF가 NAND와 HBM 사이의 공백을 메울 수 있습니다

High Bandwidth Flash(HBF)는 현재 가장 흥미로운 메모리 계층 솔루션 중 하나입니다.

Sandisk는 HBF를 HBM을 대체하는 것이 아니라 보완하는 것을 목표로 하는 NAND 아키텍처로 포지셔닝하고 있습니다. 회사는 일부 AI 추론 구성에서 HBF가 HBM에 근접한 대역폭을 제공하면서도 유사한 비용으로 최대 약 8배의 용량을 제공하는 것을 목표로 한다고 밝혔습니다. Sandisk는 또한 SK hynix와 협력하여 미래 AI 추론 장치에서 이 기술을 채택할 수 있도록 표준화를 추진하고 있습니다. 자세한 내용은 Sandisk의 HBF 기술 설명을 참조하십시오.

이 기술의 매력은 매우 직접적입니다. AI 추론은 일반적으로 매우 큰 모델과 데이터 세트를 가속기에 충분히 가까운 위치에 유지해야 하며, 그렇지 않으면 기존 스토리지 계층에서 데이터를 옮기는 것이 성능 병목 현상이 될 수 있습니다. HBM을 무한정 확장하면 대역폭은 개선될 수 있지만 비용과 용량 모두 큰 문제가 됩니다.

HBF는 중간 지점을 찾으려고 시도합니다. HBM보다 용량이 현저히 높으면서도 기존 플래시 메모리보다 성능이 훨씬 뛰어난 위치입니다.

현재 HBF는 여전히 신흥 아키텍처로, 이미 성숙된 대규모 매출 시장으로 간주해서는 안 됩니다. 그러나 이것은 더 중요한 산업 방향을 보여줍니다. 즉, 스토리지 제조사들이 NAND를 단순히 백엔드 스토리지에 머물게 하는 것이 아니라 점차 AI 컴퓨팅 자체에 가깝게 이동시키려 하고 있다는 점입니다.

QLC NAND가 HBF보다 더 일찍 실질적인 영향을 미칠 수 있습니다

HBF는 신기술이기 때문에 더 많은 관심을 받기 쉽지만, 기존 NAND의 지속적인 혁신이 단기적으로는 더 큰 영향을 미칠 수 있습니다.

QLC NAND는 각 셀에 4비트를 저장할 수 있으므로 동일한 물리적 면적에서 TLC NAND보다 더 높은 용량을 제공할 수 있습니다. 대용량 스토리지가 필요하고 비트당 비용에 민감한 하이퍼스케일 데이터센터의 경우 QLC는 특히 매력적입니다.

대가로, 각 셀에 더 많은 비트를 저장하면 내구성과 성능이 영향을 받을 수 있으므로 QLC가 모든 워크로드에 적합한 것은 아닙니다. 그러나 컨트롤러, 오류 정정, NAND 아키텍처가 지속적으로 발전함에 따라 QLC를 사용할 수 있는 시나리오도 계속 늘어나고 있습니다.

AI는 추론 워크로드가 특히 용량, 에너지 효율성, 전체 비용을 중시하기 때문에 이러한 전환을 더욱 가속화할 수 있습니다.

Sandisk는 더 높은 밀도의 QLC 제품을 지속적으로 개발하고 있으며, Samsung과 Kioxia도 웨이퍼 본딩과 차세대 NAND 설계를 통해 밀도와 성능을 높이고 있습니다. 예를 들어 Samsung의 최신 BV-NAND 아키텍처는 이전 세대보다 스토리지 밀도를 약 58% 향상시켜 증가하는 AI 스토리지 수요에 대응하고 있습니다.

따라서 AI 스토리지 시장의 성장이 반드시 HBF의 성공에만 의존하는 것은 아닙니다. 고용량 엔터프라이즈 SSD와 더 효율적인 QLC NAND 역시 데이터 밀도의 지속적인 증가로부터 직접적인 혜택을 받을 수 있습니다.

왜 NAND 주기는 과거에 그토록 극심했을까?

더 큰 투자 질문은 AI 수요가 실제로 NAND의 오랜 극심한 주기성을 바꿀 수 있는지 여부입니다.

역사적으로 문제는 단순히 수요 부족이 아니라 수요와 공급 간의 상호 작용이었습니다.

NAND 공급이 부족하면 가격이 급등하고 제조사들은 높은 마진을 얻습니다. 더 높은 수익은 더 많은 생산 능력 투자를 유치하지만, 반도체 공장의 계획과 건설에는 시간이 걸리며, 새로운 생산 능력이 실제로 가동될 때쯤이면 초기 공급 부족은 이미 줄어들었을 때가 많습니다.

그러면 가격이 하락하고 마진이 빠르게 압축되며, 제조사들은 투자를 줄입니다.

그리고 다음 주기가 시작됩니다.

AI가 이러한 메커니즘을 자동으로 제거하지는 않습니다. 최종 수요가 매우 강하더라도 제조사들이 결국 과잉 생산을 하게 되면 공급이 여전히 수요를 압도할 수 있습니다.

실제로 변화할 수 있는 부분은 공급업체가 투자하기 전에 확보할 수 있는 수요 가시성의 정도입니다.