HBF 성공 가능성 낮다? 말하지 않는 치명적 난제 | HBF, zNAND-O 핵심 과제는 발열, 온도, NAND 신뢰성

삼성의 zNAND-O와 SK하이닉스·샌디스크의 HBF는 NAND를 HBM처럼 쌓아 AI 가속기 가까이 가져오려는 새로운 메모리 기술입니다.
최대 수백 GB의 용량과 초당 수 TB급 대역폭을 목표로 하지만, 실제 제품화 과정에서는 NAND 특유의 신뢰성 문제가 중요해집니다.
기존 SSD가 NAND를 상대적으로 낮은 온도에서 사용했던 것과 달리, HBF는 뜨거운 GPU 가까이에서 동작해야 합니다.
영상에서는 온도에 따라 데이터 보존 특성이 어떻게 달라지는지, 반복해서 읽을 때 왜 오류가 누적될 수 있는지를 살펴봅니다.
NAND를 다시 쓰면서 소비되는 수명과 SLC가 HBF 연구에서 다시 등장하는 이유도 함께 다룹니다.
ECC만으로 모든 오류를 해결하기 어려운 이유와 Base Die, Controller의 역할이 커지는 배경도 정리했습니다.
최근 연구에서 HBF가 범용 KV Cache보다 모델 Weight나 미리 계산된 KV처럼 읽기 중심 데이터에 집중하는 흐름도 살펴봅니다.
AI 모델이 계속 교체되는 환경에서 패키지에 고정된 NAND를 얼마나 오래 사용할 수 있을지도 중요한 문제입니다.
결국 HBF의 경쟁력은 최대 대역폭뿐 아니라 NAND 자체의 신뢰성과 이를 관리하는 Controller 기술에서 갈릴 가능성이 있습니다.
삼성, SK하이닉스, 마이크론의 NAND 경쟁이 AI 메모리 시대에 어떤 의미를 가질지도 함께 이야기합니다.

Written by 패치
Edited by 이진이

[email protected]