SK하이닉스와 샌디스크가 HBF의 첫 표준 규격을 공개했다. AI 생성 이미지 /챗GPT SK하이닉스와 샌디스크가 낸드플래시 기반의 차세대 메모리 계층 '고대역폭플래시(HBF)'의 첫 표준 규격을 공개했다. 최대 512GB의 용량과 초당 3TB의 대역폭을 앞세워 고대역폭메모리(HBM)와 솔리드스테이트드라이브(SSD) 사이에 새로운 메모리 계층을 만들겠다는 구상이다. 반면 HBM 시장의 또 다른 축인 삼성전자와 마이크론은 HBF 생태계 참여에 서로 다른 태도를 보이고 있다. AI 메모리 산업이 '새 계층 추가'와 '기존 계층 고도화' 사이의 갈림길에 들어섰다는 분석이 나온다. 5일 반도체 업계에 따르면 SK하이닉스와 샌디스크는 미국 산타클라라에서 열린 'FMS 2026'에서 HBF의 용량과 대역폭, 연결 인터페이스 등을 담은 기술 규격을 제시했다. 양사는 지난해 8월 HBF 표준화 협력을 시작한 데 이어 올해 2월 컨소시엄을 출범시켰으며 약 6개월 만에 이를 구체화했다. 512GB에 최대 3TB/s, UCIe로 개방 구글·텐스토렌트도 컨소시엄 합류 이번 규격은 특정 기업의 독자 기술이 아닌 개방형 데이터센터 기술 협력체인 오픈컴퓨트프로젝트(OCP)를 통해 공개됐다. SK하이닉스와 샌디스크가 규격 마련을 주도했으며 구글과 AI 반도체 기업 텐스토렌트도 HBF 컨소시엄에 참여하고 있다. 첫 규격은 낸드 다이를 8단 또는 16단으로 쌓아 최대 512GB의 용량을 지원하도록 설계됐다. 대역폭은 성능에 따라 Grade 1부터 Grade 3까지 세 단계로 구분되며 약 0.4TB/s에서 최대 3.0TB/s까지 지원하도록 정의됐다. 칩 간 연결에는 인텔을 비롯한 주요 반도체 기업들이 참여해 만든 개방형 인터페이스 UCIe가 채택됐다 바다이야기앱 . HBF에 특정 업체의 독자 연결 방식 대신 업계 공통 규격을 사용함으로써 HBF를 다양한 GPU와 CPU에 통합할 수 있는 기술적 기반을 마련했다는 평가다. 책상은 좁고 창고는 멀다 MoE가 키운 HBM의 딜레마 HBM은 흔히 'GPU의 책상'에 비유된다. D램을 수직으로 쌓고 수천 개의 입출력 통로로 연결해 연산장치가 손을 뻗으면 바로 닿는 자리에 데이터를 놓아두는 구조다. 대규모 언어모델의 학습과 추론 과정에서 GPU가 멈추지 않도록 데이터를 실어 나르는 것이 HBM의 역할이다. 문제는 책상이 좁다는 데 있다. 반응 속도를 높일수록 담을 수 있는 용량이 줄어드는 것은 메모리의 오랜 트레이드오프이며 HBM도 예외가 아니다. 하나의 GPU나 AI 가속기 패키지에 탑재할 수 있는 HBM의 개수와 용량에는 물리적 한계가 있다. 모델의 매개변수와 전문가 네트워크, KV 캐시가 이를 넘어서면 데이터를 여러 GPU의 HBM에 분산하거나 서버 D램과 SSD 등 더 먼 메모리 계층에서 불러와야 한다. 전문가혼합(MoE) 모델의 확산은 이 문제를 한층 복잡하게 만든다. MoE는 하나의 거대한 모델 안에 수십, 수백 개의 '전문가'를 두고 입력값에 따라 필요한 일부만 불러 쓰는 구조다. 모든 전문가가 매번 연산에 참여하지는 않지만 필요한 순간에 대비해 막대한 양의 가중치를 보관해야 한다. 이 가중치를 여러 GPU의 HBM에 분산하면 GPU 간 통신량이 늘어나 지연과 네트워크·전력 비용이 함께 증가한다. 사이트 손오공게임 반대로 HBM에 담지 못한 가중치와 데이터를 일반 SSD로 오프로딩하면 접근 지연이 커져 GPU가 데이터를 기다리는 병목이 생긴다. 책상도 좁고 창고도 멀다는 이중의 제약이 지금 AI 인프라가 마주한 현실이다. HBF가 바로 이 틈새를 겨냥한 절충안이다. HBM에는 자주 호출되는 데이터와 현재 연산에 필요한 가중치를 두고 HBF에는 호출 빈도가 상대적으로 낮은 전문가의 가중치와 기타 대규모 데이터를 보관하는 방식이다. SSD보다 GPU 가까이에 배치해 데이터 이동 거리를 줄이면서도 낸드의 높은 집적도를 이용해 HBM보다 많은 용량을 확보하겠다는 것이다. SK하이닉스는 모델 가중치와 KV 캐시를 HBF에 저장해 두고 가속기가 필요로 하기 전에 HBM으로 미리 불러옴으로써 대기 시간을 줄이는 방식을 구상하고 있다. 낸드로 D램 흉내 낼 수 있을까 HBM 대체 아닌 보조 계층에 가깝다 HBF 논쟁은 새로운 메모리 제품 하나의 성공 가능성에 그치지 않는다. 데이터를 담는 저장 공간으로 메모리를 바라봐 온 기존 관.이 AI 시대에도 유효한지를 묻는 문제다. 기존 메모리 체계에서 SSD는 더 많은 데이터를 저장하는 방향으로, HBM은 연산장치에 데이터를 더 빠르게 전달하는 방향으로 발전해 왔다. 그러나 AI 시스템에서 메모리의 역할은 단순한 저장 공간이 아니라 GPU가 연산을 멈추지 않도록 데이터를 끊임없이 공급하는 실행 인프라에 가깝다. 이 지.에서 HBF의 물리적 한계도 드러난다. HBF를 'SSD보다 빠르고 HBM보다 많이 담는 메모리'로만 설명하면 기술의 실체를 놓치기 쉽다. HBM과 HBF는 모두 메모리 다이를 수직으로 쌓아 대역폭을 높이지만 기반이 다르다 모바일 인터넷 바다이야기 . HBM은 D램이고 HBF는 낸드다. TSV로 수직 적층한다고 해서 낸드가 D램처럼 동작하는 것은 아니다. 결국 HBF는 HBM을 대체하기보다 부족한 용량을 보완하는 두 번째 고속 메모리 계층에 가깝다. HBM4가 GPU 연산 과정에서 데이터를 수시로 읽고 쓰는 주기억장치라면 HBF는 용량이 크고 호출 빈도가 낮은 모델 가중치를 저장해 두는 보조 계층이다. 이를 실제 제품으로 구현하려면 낸드 특유의 쓰기 구조부터 해결해야 한다. D램은 데이터를 작은 단위로 반복해 수정할 수 있지만 낸드는 기존 데이터를 곧바로 덮어쓸 수 없다. 데이터를 수정하려면 여러 페이지가 묶인 블록을 먼저 지운 뒤 다시 기록해야 하며 셀마다 프로그램·삭제(P/E) 횟수에도 한계가 있다. 이 때문에 HBF에도 쓰기 위치를 분산하는 웨어 레벨링과 오류 정정, 불량 블록 관리 등을 담당할 컨트롤러가 필수적이다. GPU 가까이에 배치할수록 컨트롤러와 캐시, 전력 관리 회로를 함께 집적해야 한다. 열 관리도 과제다. GPU와 HBM은 AI 연산 과정에서 많은 열을 발생시킨다. 낸드는 고온 환경에 오래 노출될수록 저장된 전하가 빠져나가 데이터 보존성이 떨어질 수 있다. GPU 인접 환경에서 HBF가 장기간 안정적으로 데이터를 유지할 수 있는지 검증이 필요한 이유다. 낸드의 물리적 한계를 감수하면서도 별도의 메모리 계층을 추가하는 것이 전체 시스템 효율을 높일 수 있는지는 실제 워크로드와 데이터 이동 구조에 따라 달라진다. HBM 시장을 주도하는 기업들이 HBF를 바라보는 시각이 엇갈리는 것도 이 때문이다. 마이크론 "아직 초기 단계" 신중론 CXL 등 기존 체계 고도화에 무게 모바일 바다이야기 오리지널 마이크론은 HBF의 기술적 가능성을 부정하기보다 적용 범위와 사업성을 신중하게 따져야 한다는 입장이다. 산제이 메로트라 마이크론 최고경영자(CEO)는 지난 3월 실적 발표에서 HBF에 대해 "용량과 같은 긍정적인 특성이 있지만 쓰기 속도와 전력, 데이터 보존성 등 낸드가 지닌 한계도 있다"며 "일부 워크로드에서는 가능한 해법이 될 수 있지만 아직 매우 초기 단계로 고객과의 협의를 통해 HBF의 사업적 가치가 무엇인지 파악할 필요가 있다"고 밝혔다. 이는 HBF가 HBM과 SSD를 폭넓게 대체하는 범용 메모리라기보다 특정 AI 추론 환경에 적용되는 보조 계층에 머물 수 있다는 판단으로 해석된다. 새로운 물리 계층을 추가하면 용량은 늘릴 수 있지만 컨트롤러와 소프트웨어, 패키징 구조까지 새로 설계해야 하는 부담도 커지기 때문이다. 마이크론은 새 계층을 추가하기보다 HBM과 서버용 D램, CXL 메모리 등 기존 체계를 고도화하는 데 무게를 두고 있다. HBM4와 차세대 HBM4E 개발을 추진하는 동시에 서버용 저전력 D램과 CXL 기반 메모리 확장 기술에 집중하고 있다. HBF 컨소시엄에 참여하지 않은 것도 기존 메모리 사이의 데이터 이동과 용량 확장을 개선하는 전략을 우선한 선택으로 볼 수 있다. 두 접근법은 메모리 병목을 해결하는 출발.부터 다르다. HBF가 GPU 가까이에 대용량 낸드 계층을 추가하는 방식이라면 CXL은 CPU와 가속기, 메모리 확장장치 사이를 연결해 서버 내 메모리 자원을 공유·확장하는 접근이다. 삼성전자는 컨소시엄 불참 부정도 독자규격도 아닌 '관망' 삼성전자도 SK하이닉스와 샌디스크가 주도하는 HBF 표준화 컨소시엄에 참여하지 않았다. 현재 공식적으로 공개된 참여사는 SK하이닉스와 샌디스크, 구글, 텐스토렌트 등으로 제한돼 있다. 황금성하는법 이는 첫 표준 규격이 마련됐더라도 업계 전체가 HBF라는 방향에 합의한 것은 아니라는 뜻이다. GPU와 메모리 업계의 주요 기업 상당수는 아직 HBF 컨소시엄 참여 의사를 공개하지 않고 있다. 삼성전자는 마이크론과 달리 HBF의 기술적 한계나 사업성에 대한 공식적인 평가를 내놓지 않았다. 공개 행보만 놓고 보면 HBF를 부정하거나 독자 규격을 준비한다기보다 시장 형성 가능성을 지켜보는 단계로 해석하는 편이 타당하다. 이번 경쟁은 HBF와 HBM의 단순 대결이 아니다. 새 메모리 계층을 공개 표준으로 추가할지, 기존 계층을 계속 진화시킬지, 시장의 형성 가능성을 더 지켜볼지에 대한 세 갈래 선택이다. SK하이닉스는 HBF라는 승부수를 던졌고 마이크론은 신중론을, 삼성전자는 시장 형성 가능성을 지켜보는 관망 전략을 택하고 있다. AI 시대 메모리의 본질도 다시 정의되고 있다. 앞으로 메모리의 가치는 얼마나 많이 저장하느냐보다 GPU에 필요한 데이터를 얼마나 빠르고 효율적으로 공급해 연산을 끊기지 않게 하느냐에서 결정될 가능성이 크다. HBF의 성공 여부 역시 적층 기술 자체보다 '저장' 중심의 메모리 개념을 '실행' 중심으로 얼마나 전환할 수 있느냐에 달려 있다. ☞ 고대역폭플래시(HBF·High Bandwidth Flash) = 낸드플래시를 수직으로 쌓아 HBM보다 큰 용량과 SSD보다 높은 대역폭을 구현하려는 차세대 메모리 계층이다. GPU 가까이에 배치해 호출 빈도가 낮은 AI 모델 가중치와 KV 캐시 등을 저장하는 용도로 제안됐다. ☞ CXL(Compute Express Link) = CPU와 GPU·가속기·메모리 확장장치를 고속으로 연결해 여러 장치가 메모리 자원을 공유하거나 확장할 수 있도록 하는 인터페이스다. 별도의 메모리 계층을 추가하는 HBF와 달리 기존 서버 메모리를 효율적으로 연결·활용하는 데 초。을 둔다. 필요한 데이터를 얼