IOSG｜핫 스토리지에서 콜드 메모리까지: AI 시대 스토리지 열풍 속 탈중앙화 스토리지

작성자: Jacob Zhao, IOSG

최근, '중국 국산 스토리지 1 호주' 창신 스토리지 (CXMT) 가 정식적으로 창업판 (ChiNext) 에 상장되었으며, 500% 폭등이라는 놀라운 성과로 장내를 뜨겁게 달궜습니다. 최근 스토리지 섹터 전체가 조정 여파의 방해를 받고 있지만, AI 스토리지는 여전히 현재의 기술 내러티브 흐름 속에서 자본의 광기 어린 재평가를 받고 있습니다.与此同时，Web3 분야의 탈중앙화 스토리지는 장기적인 침묵과 상실 상태에 빠졌습니다. 왜同样 '스토리지' 라는 이름을冠했지만 시장的表现은 빙화양중천일까요? 그 근본적인 이유는 하층 가치 함수의 철저한 분열에 있습니다.

AI 시대의 스토리지 재평가는 본질적으로 「핫 데이터 효율」에 대한 광연회이며, 이는 컴퓨팅 활용률과 비즈니스变现의 극대화를 위해 봉사합니다; 반면 탈중앙화 스토리지가 고수하는 것은 「콜드 데이터 신뢰성」의 가치 주장으로, 데이터 평등, 검열 저항 및 인간 문명의 장기적인 기억을 수호합니다. 전자는 핫 데이터의 효율 시스템이고, 후자는 콜드 데이터의 신뢰성 시스템입니다. 현재의 자본 시장은无疑 '효율' 편에 단호히 서 있지만, 인간 문명은 결국 변조 불가능한 기억의 기반을 필요로 합니다. 신뢰할 수 있는 콜드 스토리지의 장기 가치는 사라지지 않았습니다. 그것은 주기의 어두운 면에 잠복하여 시대에 의해 재평가되기를 기다리고 있을 뿐입니다.

스토리지가 왜 다시 AI 산업 공급망의 초점이 되었는가

전통적인 IT 시대에 스토리지는 '용량 비즈니스'였습니다. 기업 CIO 는 단위 용량 비용, 하드디스크 신뢰성, 재해 복구 방안, 아카이브 전략以及 3~5 년에 달하는 장비 업데이트 주기에 주목했습니다. 스토리지는 서버 구매에 따른 부속품으로 간주되었습니다.

이번 스토리지 열풍은 전통적인 주기의 부활이 아니라, AI 가 데이터 유동 능력에 재평가를 내린 것입니다. 대형 모델 시대에서 스토리지 로직은 '용량 우선'에서 '효율 지상주의'로 질변했으며, GPU 공급률, 체크포인트 기록 및 RAG 극저지연 등 극한 지표를 집요하게 추구합니다. 이는 스토리지 가치가 '데이터의 최종 주차지'에서 '데이터가 컴퓨팅으로 진입하는 고속 통로'로 도약했음을 의미합니다.

AI 인프라의 자원 병목 현상 진화는 본질적으로 '술통 효과'의 보완 전쟁입니다. 컴퓨팅 파워의 실제 활용률은 단일 자산의 선형 중첩이 아니라 엄격한 승수 효과입니다: 컴퓨팅 파워 실제 활용률 = GPU × HBM × DRAM × SSD × 네트워크 × 파일 시스템, 어떤 한 고리의短板이라도 전체 컴퓨팅 파워 활용률의 붕괴를 초래합니다. AI 시대에 스토리지는 처음으로 '비용 중심'에서 '효율 엔진'으로 변모했습니다. 이것이 스토리지가 재평가되는 근본 로직입니다.

AI 스토리지 아키텍처 전반: HBM 대역폭 기관부터 데이터 레이크 기반까지

AI 스토리지는 결코 단일 하드웨어의 적층이 아니라, 긴밀히 결합되고 계층적으로 스케줄링되는 복잡한 시스템입니다. 이 시스템에서 산업 가치와 자본의 초점은 HBM, 엔터프라이즈 SSD, SSD 컨트롤러, NVMe/CXL 프로토콜 및 고성능 스토리지 시스템에高度 집중되어 있습니다. 가치 흐름을 명확히 분해하기 위해 AI 스토리지 아키텍처를 상향식으로 4 대 핵심 계층으로划分합니다:

• 컴퓨팅 근단 메모리 계층 (대역폭 핵심): HBM 을 절대적인 주력으로 하며, DRAM 과 CXL 메모리 풀링 기술로 보조합니다. 이 계층은 GPU/CPU 패키징 또는 버스에 직접 밀착하여 '메모리 장벽'을 깨는 것을 목표로 하며, 컴퓨팅 파워가 충분히 방출될 수 있는지 결정하는 첫 번째 관문입니다.
• 고속 영구 저장 계층 (IO 허브): 핵심 로직은 엔터프라이즈 SSD = NAND 입자 + SSD 컨트롤러 + NVMe/PCIe 데이터 경로입니다. 이 계층은 고빈도 체크포인트 기록, 방대한 훈련 데이터셋 로딩 및 RAG 핫 데이터 캐싱을 담당하며, AI 데이터센터에서 가장 명확한 영구 저장 증가분입니다.
• 저비용 대용량 저장 계층 (용량 기반): HDD, 콜드 스토리지 및 데이터 레이크 아카이브 시스템으로 구성됩니다. 기하급수적으로 팽창하는 멀티모달 원시 데이터, 역사적 로그 및 준수 백업에 직면하여, 이 계층은 여전히 대체 불가능한 TCO(총 소유 비용) 우위를 제공합니다.
• AI 스토리지 시스템 및 데이터 소프트웨어 (스케줄링 브레인): 고성능 병렬 파일 시스템, 분산 객체 스토리지, 벡터 데이터베이스 및 RAG 데이터 거버넌스 계층을 포함합니다. AI 가 실제로 소비하는 것은 베어 메탈 하드웨어가 아니라, 소프트웨어 스택에 의해 효율적으로 조직, 인덱싱 및 권한 부여된 데이터 가용성입니다.
• 생태계 확장으로서, 탈중앙화 스토리지는 AI 핫 데이터의 밀리초 단위 경쟁에 직접巻き込ま지지 않고, 공공 데이터셋 증빙, AI 훈련 데이터 출처 (Provenance) 및 장기 콜드 기억 아카이브에锚定하여 '신뢰할 수 있는 콜드 계층'으로서의 독특한 생태적 지위를 확립했습니다.

HBM: AI 스토리지 체인에서 컴퓨팅 파워에 가장 가까운 '대역폭 기관'

고대역폭 메모리 (High Bandwidth Memory) 는 전통적인 스토리지가 아니라 GPU 근단의 고대역폭 메모리 계층입니다. 그 핵심 사명은 데이터를保存하는 것이 아니라, 극한의 대역폭으로 컴퓨팅 파워에 지속적으로 데이터를 '공급'하는 것입니다. HBM 은 AI 스토리지 체인에서 컴퓨팅 파워에 가장 가깝고 확실성이 가장 높은环节으로, GPU 가 '포화 상태'가 될 수 있는지 직접 결정하며, 현재 가장 핵심적인 공급망 병목 현상입니다.

HBM 핵심 아키텍처는 '3D DRAM 적층 + 2.5D 첨단 패키징'입니다: TSV 수직 적층과 CoWoS 이종 통합을 통해 저장 - 연산 거리를 극도로 압축하여 대역폭의 세대 차이 수준의 도약을 실현합니다. 그 산업 장벽은 DRAM 설계뿐만 아니라 DRAM 공정, TSV, 초박형 적층, 패키징,散热, 테스트 및 고객 인증의 시스템 엔지니어링입니다. 어떤 한 고리의 수율 결함이라도 전체 HBM Stack 의 폐기로 이어집니다.

현재 전 세계적으로 SK 하이닉스, Samsung, 마이크론 (Micron) 이라는 3 대 거대 기업만이 안정적으로 양산할 수 있으며,顶级 DRAM 공정, 패키징 능력 및 NVIDIA/AMD 고객 인증이라는三重 해자를 구축했습니다.

DRAM 및 CXL: 시스템 메모리 기반 및 메모리 풀링 엔진

HBM 은 GPU 근단 극한 대역폭을 해결하고, DRAM 은 서버 시스템 메모리 기반을 다지며, CXL 은 물리적 경계를 깨고 데이터센터 메모리 자원의 조직 방식을 재구성하려고 시도합니다.

• DRAM: 주로 CPU 측 캐시, 데이터 전처리, 중간 상태 임시 저장 및 시스템 작동을 담당하며, 서버의 가장 기초적인 시스템 메모리 계층입니다. 전 세계 DRAM 시장은 SK 하이닉스, Samsung, Micron 3 대 거대 기업에高度 집중되어 있습니다; 창신 스토리지 (CXMT) 는 중국 DRAM 국산 대체의 핵심 변수입니다.
• CXL(Compute Express Link ): 데이터센터를 위한 새로운 세대의 캐시 일관성 인터커넥트 프로토콜로, 전통적인 DIMM 슬롯, 로컬 메모리 용량 및 서버 메모리 자원 섬의 제한을 breakthrough 하여 메모리 아키텍처가 확장, 풀링 및 공유로 진화하도록 추진합니다. 현재 CXL 은 여전히 플랫폼 지원에서 규모 배포로 넘어가는 초기 단계에 있으며, 중장기 아키텍처 가치가 높습니다; 핵심 회사로는 Astera Labs 와 몬타지 테크놀로지 (Montage Technology) 가 있습니다.

엔터프라이즈 SSD: NAND, 컨트롤러 및 NVMe 로 구축된 데이터 허브

엔터프라이즈 SSD 는 AI 데이터센터의 가장 핵심적인 고처리량 영구 저장 증가분으로, 극한의 처리량, 극저지연 및 안정적인 QoS 로 데이터를 지속적으로 GPU 에 '공급'하며, 훈련 데이터 로딩, 체크포인트 기록, RAG 검색, 추론 캐싱 및 로그 리플로우 등 전 생명주기를 관통합니다.

AI 스토리지 아키텍처에서 SSD 는 고립된 하드웨어가 아니라,高度 결합된 시스템이며, 산업 공식으로 추출할 수 있습니다: 엔터프라이즈 SSD = NAND 입자 + SSD 컨트롤러 + NVMe/PCIe 데이터 경로. 3 개 층은 독립적인 산업 공급망环节을 대표합니다:

• NAND 입자 (원자재 계층): 저장 밀도와 단위 비용을 결정하며, 컨트롤러는 성능 방출과 수명 관리를 장악합니다. 대표 회사: Samsung, SK 하이닉스 (Solidigm), Micron, Kioxia, Western Digital, 장강 스토리지 (YMTC)
• SSD 컨트롤러 (성능 인에이블 계층): 성능 방출, 데이터 오류 정정, QoS 안정성 및 마모 균등화를 결정합니다. 대표 회사: Phison(파이슨), Silicon Motion(실리콘모션), Marvell, Maxio(맥시오).
• NVMe/PCIe(데이터 경로 계층): 저장소에서 컴퓨팅으로의 데이터 전송 효율을 결정합니다. GPUDirect Storage 기술과 결합하여 CPU 메모리 bounce buffer 및 CPU 참여를 줄여 I/O 병목 현상을显著 완화합니다. 대표 회사: Broadcom, Marvell, Astera Labs

HDD / 콜드 스토리지 / 아카이브: AI 데이터 레이크의 저비용 기반

AI 가 HDD 를 소멸시키지는 않을 것입니다. 멀티모달 대형 모델이 비디오, 이미지 데이터에 대한 갈증을 보이고, 기업 준수 로그, 역사적 데이터셋이 기하급수적으로 팽창함에 따라, 저비용 콜드 데이터 저장 수요도同步 폭증하고 있습니다. AI 스토리지 아키텍처에서 SSD 와 HDD 는 비즈니스 가치에 기반한 계층적 협력을 합니다: SSD 는 핫 데이터와 고처리량을 담당하고, HDD 는 저비용과 장기 저장을 담당합니다. 대표 회사로는 Seagate, Western Digital, Toshiba 가 있습니다.

AI 스토리지 소프트웨어 스택: 데이터 가용성의 스케줄링 허브

AI 가 실제로 소비하는 것은 결코 베어 메탈 디스크가 아니라, 소프트웨어 스택에 의해 정밀하게 조직된 '데이터 서비스'입니다. 이 아키텍처는 하층 하드웨어를 상층 AI 가 직접 호출할 수 있는 지식 자산으로 전환하며, 구체적으로 4 개 층으로 나뉩니다:

• 고성능 스토리지 시스템 (공급 시스템): 동시 처리량과 저지연을 핵심으로 하며, 병렬 파일 시스템을 통해 GPU 클러스터의 '데이터 기아' 문제를 해결하여 훈련과 추론의 극속流转을 보장합니다. 대표 회사: VAST Data, WEKA, Pure Storage.
• 객체 스토리지 (원시 데이터 레이크): Object, Key 및 Metadata 관리를 핵심으로 하며, 방대한 비정형 데이터를 담당합니다. 극한의 저지연을 추구하지 않으며, 저비용과 클라우드 네이티브 특성으로 용량 기반을 구축합니다. 대표 회사: AWS S3
• 벡터 데이터베이스 (시맨틱 인덱스 계층): 벡터 데이터베이스는 embedding 모델에 의해 생성된 벡터의 저장, 인덱싱 및 검색을 담당하여, AI 가 방대한 지식에서 관련 내용을 정확하게定位하도록 합니다. 대표 회사: Pinecone, Milvus
• RAG 데이터 계층 (지식 호출 계층): 단일 검색을 넘어, 데이터 슬라이싱, 정제, 권한 제어 및 인용 출처 추적을 포함하여, 기업 데이터가 대형 모델에 의해 안전하고, 정확하며, 추적 가능하게 호출되도록 보장합니다. 대표 회사: Databricks

AI 핫 스토리지에서 탈중앙화 콜드 메모리까지: 효율 극대화 vs 신뢰성 극대화

AI 스토리지는 극한의 효율 주도 시스템으로, 그 가치 함수는 컴퓨팅 산출물의 극대화에 초점을 맞춥니다. HBM 대역폭은 GPU 가 포화 상태가 될 수 있는지 결정하고, SSD 처리량은 데이터셋과 체크포인트 읽기/쓰기 효율을 결정하며, 저지연은 RAG 와 추론의 실시간 경험과 관련됩니다. 이러한 지표들은 최종적으로 GPU 활용률과 단위 토큰 비용으로汇聚되어, AI 애플리케이션의 비즈니스 손익을 직접 결정합니다. AI 스토리지의 궁극적인 목표는保存이 아니라 가속이며,服务对象는 생산성입니다.

반면 탈중앙화 스토리지의 가치 함수는 완전히 다릅니다. 그것은 데이터가 10 년 후에도 여전히 존재하는지, 변조되었는지, 단일 지점 검열을 견딜 수 있는지 묻습니다. 암호학적 증명과 분산 네트워크를 통해, 그것은 개방적 접근且영구保存되는 공공 데이터 기반을 구축합니다. 그 궁극적인 목표는 데이터의 절대적 진실과 주권 독립을 수호하는 것이며, 평등성, 검열 저항 요구 및 문명 기억에 봉사합니다.

AI 스토리지는 미래 생산성에 연료를 공급하는 '핫 스토리지'이며, 탈중앙화 스토리지는 인간 문명을 위해 삭제 불가능한 역사적 기록을保存하는 '콜드 메모리'입니다. 전자는 효율에 봉사하며 극한의 속도를 추구합니다; 후자는 신뢰성에 봉사하며 침묵의 기억을 수호합니다. 전자는 모델이 얼마나 빠르게 실행되는지 결정하고, 후자는 기억이 삭제될지 여부를 결정합니다. 현재, 시장 메커니즘은 생산성의 효율에 보상을 주며, AI 스토리지는 풍랑의 최전선에 있지만, 탈중앙화 스토리지는 평가액 붕괴, 내러티브가 힘을 잃은 침묵을 경험하고 있는 것처럼 보입니다.

탈중앙화 스토리지의 비전과 현실

탈중앙화 스토리지 프로젝트는 많지만, 산업 인식과 생태계 축적에 따르면 핵심 대표는 항상 Filecoin 과 Arweave 입니다. 둘 다 '탈중앙화 스토리지'에 속하지만, 하층 아키텍처 철학은 거의 완전히 다른 두 경로입니다—전자는 시장화 계약으로 AWS 의 탄력성에 접근하고, 후자는 일회성 사회 계약으로 도서관의 영속성에 접근합니다.

• Filecoin: PoRep 과 PoSt 를 통해 가장 완전한 검증 가능한 경제 시스템을 구축했습니다. 이는 소비자용 클라우드 스토리지에서 AWS 와死磕하지 않고, AI 데이터 출처 (Provenance), 공공 데이터셋 호스팅 및 준수 아카이브로 전환하여, 모델 감사와 저작권 증명을 위한 검증 가능한 체인을 제공해야 합니다. 필수 경로는 S3 호환 API 로 캡슐화되고 법정 화폐 결제를 지원하여, '저렴한 저장 시장'에서 '검증 가능한 컴퓨팅 인프라'로 업그레이드하는 것입니다.
• Arweave: '일회성 결제, 영구 저장'이라는 내러티브로, Blockweave 와 SPoRA 메커니즘을 통해 마이너가 가능한 한 많고, 특히 희소한 역사적 데이터를保存하고 빠르게 액세스하도록倒逼합니다. 그 최적의 위치는 인간 공공 기억 기반입니다—인권 기록, 전쟁 범죄 증거, 문화 전적을保存하고, 법률 및 금융 역사를 아카이브하며, AI Agent 에게 영구적으로 액세스 가능한 장기 기억을 제공합니다. Arweave 의 가치는 속도에 있는 것이 아니라, 주기를 초월한 문명 기억 수용 능력에 있습니다.

Filecoin, Arweave 등 탈중앙화 스토리지 프로젝트의 딜레마는 가치 주장의 오류에 있는 것이 아니라, 제품화, 검색 경험, 실제 수요 및 토큰 인센티브의 장기적인 불일치에 있습니다. 이는 기크 이념에서 주류 비즈니스 응용까지의 거대한 간극을 드러냅니다:

• 수요 - 공급 인센티브 불일치: Filecoin 을 대표로 하는 초기 네트워크는 토큰을 통해 빠르게 용량을 확장했지만, 충분히 강한 유료 수요侧를 구축하지 못해 용량은巨大하지만 활용률과 유료 전환이 부족했습니다. '내가 저장할 수 있음'을 보상할 뿐, '내가 저장해야 함'을 보상하지는 않습니다.
• 엔터프라이즈급 서비스 능력 부재: AWS 의 장벽은 하드디스크가 아니라, API, SLA, 권한 관리, 준수 감사 및 기술 지원으로 구성된 '데이터 운영체제'입니다. 기업은 '안심'을 구매하는 것이지, 키와 노드 선택을自行 처리해야 하는 실험적 인프라를 구매하는 것이 아닙니다.
• 검색 경험의 약점: '저장함'이 '안정적이고, 저지연으로 꺼냄'을 의미하지는 않습니다. 노드 분산, 토폴로지 복잡, 통일된 SLA 부재로 인해 AI 핫 데이터 워크플로우를 담당하기 어렵고, 신뢰할 수 있는 콜드 아카이브 및 데이터 출처 추적에 더 적합합니다.
• 개인정보 보호 준수 부족: 기업私有 데이터는 단순히 공공 영구 네트워크에 기록할 수 없습니다; 삭제권과 영구 불변은 본질적인 갈등이 있습니다. 탈중앙화 스토리지는 공공 데이터와 장기 기록에 더 적합하며, 무차별적으로 핵심私有 데이터를 담당하는 것은 아닙니다.
• 토큰 이코노미 주기 증폭: 강세장 금융화는 수요 부족을 가리고, 약세장 마이너 ROI 하락은 비즈니스短板을 노출시킵니다. 토큰은 공급을 콜드 스타트할 수 있지만, 수요와 지속 가능한 수익을 자동으로 창조하지는 못합니다.

반면 다른 탈중앙화 스토리지 프로젝트는 대부분 특정 생태계나 세분화된 트랙에 초점을 맞춥니다: Storj/Sia 는 크로스 사이클 산업 인식과 Web3 내러티브 영향력이 Filecoin / Arweave 보다 약합니다; BNB Greenfield/Walrus 는 BNB 또는 SUI 의 특정 퍼블릭 체인 생태계에 바인딩됩니다; Celestia/EigenDA 등은 데이터 가용성 (DA) 계층에 속하며, Rollup 거래 확인을 위해 봉사할 뿐 장기 아카이브를 위한 것은 아닙니다; 0G 등 AI / DA 하이브리드 내러티브 프로젝트는 스토리지, 데이터 가용성, 컴퓨팅 및 AI agent 결정을 하나의 AI-native 모듈형 인프라로 통합하려고 시도하지만, 그 실제 수요, 개발자 채택 및 비즈니스 폐쇄 루프는 여전히 검증되어야 합니다.

탈중앙화 스토리지의 미래 기회: 효율과 신뢰성의 장기적인 진자

기술 혜택 폭발기에 자본은 효율을 미친 듯이 추적하며, GPU, HBM 등 자산에 극 높은 프리미엄을 부여합니다. '신뢰성과 평등'을 주장하는 탈중앙화 스토리지는 자연스럽게 주변화됩니다. 그러나 역사적 진자는永远 효율一端에 머무르지 않을 것입니다. 슈퍼 플랫폼의 부당한 차단과 콘텐츠 삭제, AI 저작권 소송 폭발로 인한 데이터 출처 증명倒逼, 지정학적 갈등으로引发的 데이터 주권 쟁탈전, 데이터 독점으로 인한 공공 아카이브 소멸, 및 규제 기관의 모델 훈련 데이터 준수성에 대한 감사 압력 등 사건들이 '신뢰할 수 있는 스토리지'의 재평가를酝酿할 가능성이 있으며, 탈중앙화 스토리지의 미래 기회는 여전히 다음 방향에서 독특한 가치를体现할 기회가 있습니다:

• AI 데이터 Provenance: 암호학적 증명과 결합하여 '데이터 혈통 증명'을 구축하여, 규제 및 감사 압력에 대응합니다.
• 공공 데이터셋 및 문명 아카이브: 검열된 아카이브와 문화 유산에锚定하여, 대체 불가능한 삭제 불가능한 기억을 구축합니다.
• 신뢰할 수 있는 아카이브 및 준수 증빙: Hash 증빙을 통해 신뢰할 수 있는 자증을 실현하여, 고등급 디지털 공증을 제공합니다.
• ZK/TEE/DID 기술 융합: 개인정보 보호 긴장을 해소하여, 단일 '저장 프로토콜'에서 '신뢰할 수 있는 데이터 인프라'로 업그레이드합니다.
• 인비저블 제품 로드맵: S3 호환 API 와 법정 화폐 청구를 제공하여, 사용자가 직접 '신뢰할 수 있는 아카이브' 서비스를 구매하도록 합니다.

AI 스토리지와 탈중앙화 스토리지, 하나는 극한 효율을 추구하여 우리가 미래로 달려가도록 연료를 공급하고; 다른 하나는 침묵의 기억을 수호하여 우리가 과거를 돌아볼 권리를 지킵니다. 현재 시장은毫无保留로 효율에 보상을 주며, 탈중앙화 스토리지는 따라서 침묵하거나 심지어 붕괴된 것처럼 보입니다; 그러나 AI 시대가 데이터 독점, 저작권 분쟁 및 역사적 기억의 취약성을 더욱 확대할 때, 탈중앙화 스토리지는 '신뢰할 수 있는 콜드 계층'의 자세로 가치 재평가를 맞이할 수 있습니다. 플랫폼, 회사 또는 어떤 단일 권력에 의해서도 쉽게 지워질 수 없는那些 기억들은, 아마도 이상주의의 낭만에서, 주변부 신념에서 필수 인프라로 변할 것입니다.

면책 조항: 본 문서는 창작 과정에서 Claude Opus 4.8, ChatGPT-5.5, Qwen 3.7 등 AI 도구의 도움을 받아 완성되었으며, 저자는 정보를 교정하고 진실성과 정확성을 보장하기 위해 최선을 다했지만, 여전히 누락이 있을 수 있으니 양해 바랍니다. 특별히 유의해야 할 점은, 본 문서의 내용은 정보 통합 및 학술/연구 교류용으로만 사용되며, 어떤 투자 조언도 구성하지 않으며, 어떤 토큰의 매매 추천으로 간주되어서는 안 됩니다.