작성자: 0xjacobzhao, IOSG

최근 ‘중국산 스토리지 1호주’ 창신메모리(CXMT)가 공식적으로 차이넥스트(ChiNext)에 상장했으며, 500% 폭등이라는 놀라운 퍼포먼스로 시장을 뜨겁게 달궜다. 비록 최근 스토리지 섹터 전반이 여전히 조정의 여파에 흔들리고 있지만, AI 스토리지는 현재의 기술 서사 흐름 속에서 자본에 의해 매섭게 재평가되고 있다. 반면, Web3 분야의 탈중앙화 스토리지는 오랜 기간 침체와 실의에 빠져 있다. 똑같이 ‘스토리지’라는 이름을 달고 있는데, 시장 성적은 왜 극과 극일까? 그 근본적인 답은 기저의 가치 함수가 완전히 달라졌다는 데 있다.

AI 시대의 스토리지 재평가는 본질적으로 ‘핫 데이터 효율’에 대한 축제로, 연산 활용률과 비즈니스 수익화의 극한 극대화에 봉사한다. 반면 탈중앙화 스토리지가 고수하는 것은 ‘콜드 데이터 신뢰’라는 가치 제안으로, 데이터 공정성, 검열 저항성, 인류 문명의 장기 기억을 수호한다. 전자는 핫 데이터의 효율 시스템이고, 후자는 콜드 데이터의 신뢰 시스템이다. 현재 자본시장은 의심의 여지없이 ‘효율’ 편에 서 있지만, 인류 문명은 결국 변조 불가능한 기억 토대를 필요로 한다. 신뢰할 수 있는 콜드 스토리지의 장기적 가치는 결코 사라진 적이 없으며, 단지 사이클의 어두운 면에 잠복하여 시대가 다시 가격을 매기길 기다리고 있을 뿐이다.

스토리지가 AI 산업 체인의 초점으로 다시 부상한 이유

전통적인 IT 시대에 스토리지는 ‘용량 비즈니스’였다. 기업 CIO가 주목한 것은 단위 용량 비용, 하드디스크 신뢰성, 재해복구 방안, 아카이빙 전략, 그리고 길게는 3~5년에 달하는 장비 갱신 주기였다. 스토리지는 서버 구매를 따라가는 부속품으로 여겨졌다.

이번 스토리지 열풍은 전통적인 사이클 회복이 아니라, AI가 데이터 흐름 능력을 새롭게 평가한 결과다. 대규모 언어모델(LLM) 시대에 스토리지 로직은 ‘용량 우선’에서 ‘효율 제일주의’로 질적 변화를 이루며, GPU 활용률(데이터 공급률), 체크포인트(Checkpoint) 쓰기, RAG의 초저지연과 같은 극한 지표에 매달리고 있다. 이는 스토리지의 가치가 ‘데이터의 최종 정차지’에서 ‘데이터가 연산으로 진입하는 고속 통로’로 도약했음을 의미한다.

AI 인프라의 자원 병목 현상 진화는 본질적으로 ‘물통 효과’의 보완 싸움이다. 실제 연산 활용률은 단일 자산의 선형적 합산이 아니라 엄격한 승수 효과다. 실제 연산 활용률 = GPU × HBM × DRAM × SSD × 네트워크 × 파일 시스템이며, 어느 한 고리라도 짧으면 전체 연산 활용률이 무너진다. AI 시대에 스토리지는 사상 처음으로 ‘비용 센터’에서 ‘효율 엔진’으로 변모했다. 이것이 스토리지가 재평가되는 근본적인 논리다.

AI 스토리지 아키텍처 전경: HBM 대역폭 기관에서 데이터 레이크 기반까지

AI 스토리지는 결코 단일 하드웨어의 집합이 아니라, 긴밀하게 결합되고 계층별로 스케줄링되는 복잡한 시스템이다. 이 시스템 안에서 산업 가치와 자본의 초점은 HBM, 엔터프라이즈 SSD, SSD 컨트롤러, NVMe/CXL 프로토콜 및 고성능 스토리지 시스템에 집중된다. 가치 흐름을 명확히 분해하기 위해 AI 스토리지 아키텍처를 상위에서 하위까지 네 가지 핵심 계층으로 나눈다.

• 연산 근접 메모리 계층 (대역폭 코어): HBM이 절대적 주력이며, DRAM 및 CXL 메모리 풀링 기술로 보완된다. 이 계층은 GPU/CPU 패키징 또는 버스에 직접 맞닿아 ‘메모리 장벽’을 허물기 위한 것으로, 연산 능력이 충분히 발휘될지를 결정하는 첫 번째 관문이다.
• 고속 영구 스토리지 계층 (IO 허브): 핵심 논리는 엔터프라이즈 SSD = NAND 플래시 + SSD 컨트롤러 + NVMe/PCIe 데이터 경로다. 고빈도 체크포인트 쓰기, 대규모 학습 데이터셋 로드, RAG 핫 데이터 캐싱을 담당하며, AI 데이터센터에서 가장 확실한 영구 스토리지 증설 영역이다.
• 저비용 대용량 스토리지 계층 (용량 기반): HDD, 콜드 스토리지, 데이터 레이크 아카이빙 시스템으로 구성된다. 기하급수적으로 팽창하는 멀티모달 원시 데이터, 히스토리 로그, 규정 준수 백업에 대해 여전히 대체 불가능한 TCO(총소유비용) 우위를 제공한다.
• AI 스토리지 시스템 및 데이터 소프트웨어 (스케줄링 브레인): 고성능 병렬 파일 시스템, 분산 객체 스토리지, 벡터 데이터베이스 및 RAG 데이터 거버넌스 계층을 포함한다. AI가 실제로 소비하는 것은 베어 메탈이 아니라, 소프트웨어 스택에 의해 효율적으로 조직되고 인덱싱 및 권한이 부여된 데이터 가용성이다.

생태계 확장으로서, 탈중앙화 스토리지는 AI 핫 데이터의 밀리초 경쟁에 직접 뛰어들지 않고, 공공 데이터셋 증거 보존, AI 훈련 데이터 출처(Provenance) 및 장기 콜드 메모리 아카이빙에 기반을 두며 ‘신뢰할 수 있는 콜드 레이어’라는 독특한 생태적 지위를 확립한다.

HBM : AI 스토리지 체인에서 연산에 가장 가까운 ‘대역폭 기관’

고대역폭 메모리(HBM)는 전통적인 스토리지가 아니라 GPU 인근의 고대역폭 메모리 계층이다. 핵심 임무는 데이터를 저장하는 것이 아니라, 극도로 높은 대역폭으로 연산 장치에 데이터를 지속적으로 ‘공급’하는 것이다. HBM은 AI 스토리지 체인에서 연산에 가장 가깝고 확실성이 가장 높은 링크로, GPU가 ‘배부르게’ 데이터를 공급받을 수 있는지를 직접 결정하며, 현재 가장 핵심적인 공급망 병목 현상이다.

HBM의 핵심 아키텍처는 “3D DRAM 적층 + 2.5D 첨단 패키징”이다. TSV(실리콘 관통 전극) 수직 적층과 CoWoS(Chip on Wafer on Substrate) 이기종 통합을 통해 저장과 연산 사이의 거리를 극단적으로 압축하고, 대역폭의 세대 차이를 뛰어넘는 도약을 실현한다. 이 산업의 장벽은 단순히 DRAM 설계에 그치지 않고, DRAM 공정, TSV, 초박형 적층, 패키징, 방열, 테스트 및 고객 인증까지 아우르는 시스템 엔지니어링이다. 어느 한 단계에서라도 수율 결함이 발생하면 HBM 스택 전체가 폐기된다.

현재 전 세계적으로 SK하이닉스, 삼성전자, 마이크론(Micron) 등 3개 거대 기업만이 안정적으로 양산할 수 있으며, 최고 수준의 DRAM 공정, 패키징 역량 그리고 NVIDIA/AMD 고객 인증이라는 삼중 해자를 구축하고 있다.

DRAM과 CXL: 시스템 메모리 기반과 메모리 풀링 엔진

HBM이 GPU 인근의 극한 대역폭을 해결하고, DRAM이 서버 시스템 메모리 기반을 다지며, CXL은 물리적 경계를 허물어 데이터센터 메모리 자원의 구성 방식을 재구성하려 한다.

• DRAM: CPU 측 캐시, 데이터 전처리, 중간 상태 임시 저장 및 시스템 운영을 주로 담당하며, 서버의 가장 기본적인 시스템 메모리 계층이다. 전 세계 DRAM 시장은 SK하이닉스, 삼성전자, 마이크론 3사에 높은 집중도를 보이며, 창신메모리(CXMT)는 중국 DRAM 국산화 대체의 핵심 변수다.
• CXL (Compute Express Link): 데이터센터를 위한 차세대 캐시 일관성 상호 연결 프로토콜로, 전통적인 DIMM 슬롯, 로컬 메모리 용량 및 서버 메모리 자원 파편화의 한계를 돌파하여 메모리 아키텍처를 확장, 풀링, 공유 방향으로 진화시키는 것을 목표로 한다. 현재 CXL은 플랫폼 지원에서 대규모 배포로 나아가는 초기 단계로, 중장기적인 아키텍처 가치가 높다. 핵심 기업으로는 Astera Labs와 Montage Technology(澜起科技)가 있다.

엔터프라이즈 SSD: NAND, 컨트롤러 및 NVMe로 구축된 데이터 허브

엔터프라이즈 SSD는 AI 데이터센터의 가장 핵심적인 고처리량 영구 증분으로서, 초고처리량, 초저지연, 안정적인 QoS를 바탕으로 훈련 데이터 로딩, 체크포인트 쓰기, RAG 검색, 추론 캐시, 로그 환류 등 전체 라이프사이클에 걸쳐 GPU에 데이터를 지속적으로 ‘공급’합니다.

AI 스토리지 아키텍처에서 SSD는 단독 하드웨어가 아니라 고도로 결합된 시스템이며, 산업 공식으로 요약하면: 엔터프라이즈 SSD = NAND 플래시 + SSD 컨트롤러 + NVMe/PCIe 데이터 경로입니다. 세 계층은 각각 독립적인 산업 사슬 단계를 나타냅니다.

• NAND 플래시 (원자재 계층): 저장 밀도와 단위 비용을 결정하며, 컨트롤러가 성능 발현과 수명 관리를 담당합니다. 대표 기업: Samsung, SK 하이닉스 (Solidigm), Micron, Kioxia, Western Digital, YMTC
• SSD 컨트롤러 (성능 부여 계층): 성능 발현, 데이터 오류 정정, QoS 안정성 및 웨어 레벨링을 결정합니다. 대표 기업: Phison(群聯), Silicon Motion(慧榮), Marvell, Maxio(聯芸)
• NVMe/PCIe (데이터 경로 계층): 데이터가 저장 장치에서 컴퓨팅으로 전송되는 효율을 결정합니다. GPUDirect Storage 기술과 결합하여 CPU 메모리 바운스 버퍼와 CPU 개입을 줄여 I/O 병목 현상을 현저히 완화합니다. 대표 기업: Broadcom, Marvell, Astera Labs

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

AI가 HDD를 없애지는 않습니다. 멀티모달 대형 모델의 비디오, 이미지 데이터에 대한 갈증과 기업 규정 준수 로그, 과거 데이터셋의 기하급수적 팽창으로 인해 저비용 콜드 데이터 저장 수요가 동시에 폭증하고 있습니다. AI 스토리지 아키텍처에서 SSD와 HDD는 비즈니스 가치에 기반한 계층적 협업을 수행합니다. SSD는 핫 데이터와 높은 처리량을 담당하고, HDD는 저비용과 장기 보존을 담당합니다. 대표 기업: Seagate, Western Digital, Toshiba.

AI 스토리지 소프트웨어 스택: 데이터 가용성의 조정 중추

AI가 실제로 소비하는 것은 베어 디스크가 아니라 소프트웨어 스택에 의해 정밀하게 조직된 '데이터 서비스'입니다. 이 아키텍처는 하드웨어를 상위 AI가 직접 호출할 수 있는 지식 자산으로 변환하며, 구체적으로 네 계층으로 나뉩니다.

• 고성능 스토리지 시스템 (공급 시스템): 동시 처리량과 저지연에 중점을 두고, 병렬 파일 시스템을 통해 GPU 클러스터의 '데이터 기아' 문제를 해결하여 훈련과 추론의 신속한 흐름을 보장합니다. 대표 기업: VAST Data, WEKA, Pure Storage.
• 오브젝트 스토리지 (원시 데이터 레이크): 오브젝트, 키, 메타데이터 관리를 핵심으로 하여 방대한 비정형 데이터를 수용합니다. 극단적인 저지연을 추구하지 않으며, 저비용과 클라우드 네이티브 특성으로 용량 기반을 구축합니다. 대표 기업: AWS S3
• 벡터 데이터베이스 (의미 인덱싱 계층): 벡터 데이터베이스는 임베딩 모델이 생성한 벡터를 저장, 인덱싱, 검색하여 AI가 방대한 지식 속에서 관련 콘텐츠를 정확히 찾을 수 있게 합니다. 대표 기업: Pinecone, Milvus
• RAG 데이터 계층 (지식 호출 계층): 단순 검색을 넘어 데이터 슬라이싱, 정제, 권한 제어 및 인용 출처 추적을 포괄하여 기업 데이터가 대형 모델에 의해 안전하고 정확하며 추적 가능하게 호출되도록 합니다. 대표 기업: Databricks

AI 핫 스토리지에서 탈중앙화된 콜드 메모리로: 효율 극대화 vs 신뢰 극대화

AI 스토리지는 극도로 효율이 주도하는 시스템으로, 가치 함수는 컴퓨팅 아웃풋을 극대화하는 데 집중됩니다. HBM 대역폭은 GPU가 충분히 공급받을 수 있는지를 결정하고, SSD 처리량은 데이터셋과 체크포인트 읽기/쓰기 효율을 결정하며, 저지연은 RAG 및 추론의 실시간 경험과 직결됩니다. 이러한 지표들은 궁극적으로 GPU 활용률과 단위 토큰 비용으로 수렴하며, AI 애플리케이션의 상업적 수익성을 직접적으로 결정합니다. AI 스토리지의 궁극적인 목표는 보존이 아니라 가속이며, 서비스 대상은 생산성입니다.

반면 탈중앙화 스토리지의 가치 함수는 완전히 다릅니다. 10년 후에도 데이터가 여전히 존재하는지, 변조되지 않았는지, 단일 지점 검열에 저항할 수 있는지를 묻습니다. 암호학적 증명과 분산 네트워크를 통해 개방적인 접근과 영구 보존이 가능한 공공 데이터 기반을 구축합니다. 그 궁극적 목표는 데이터의 절대적 진실성과 주권 독립성을 수호하여 공정성, 검열 저항 요구, 그리고 인류 문명의 기억에 기여하는 것입니다.

AI 스토리지는 미래 생산성에 연료를 공급하는 '핫 스토리지'이고, 탈중앙화 스토리지는 인류 문명을 위해 삭제할 수 없는 역사 기록을 보존하는 '콜드 메모리'입니다. 전자는 효율에 봉사하여 극한의 속도를 추구하고, 후자는 신뢰에 봉사하여 침묵하는 기억을 수호합니다. 전자는 모델이 얼마나 빠르게 실행될지를 결정하고, 후자는 기억이 삭제될지 여부를 결정합니다. 현재 시장 메커니즘은 생산성의 효율에 보상하며, AI 스토리지는 최첨단에 서 있지만, 탈중앙화 스토리지는 가치가 폭락하고 내러티브가 소진되는 정적을 겪고 있는 듯합니다.

탈중앙화 스토리지의 비전과 현실

탈중앙화 스토리지 프로젝트는 많지만, 업계 마인드와 생태계 축적 측면에서 핵심 대표 주자는 항상 Filecoin과 Arweave입니다. 둘 다 '탈중앙화 스토리지'에 속하지만, 근본적인 아키텍처 철학은 거의 완전히 다른 두 길입니다. 전자는 시장 기반 계약으로 AWS의 탄력성에 접근하고, 후자는 일회성 사회 계약으로 도서관의 영속성을 추구합니다.

• Filecoin: PoRep과 PoSt를 통해 가장 완전한 검증 가능한 경제 시스템을 구축했습니다. 이제는 소비자용 클라우드 스토리지에서 AWS와 정면 승부를 벌이는 대신, AI 데이터 출처 증명(Provenance), 공공 데이터셋 호스팅, 규정 준수 아카이빙으로 전환하여 모델 감사와 저작권 증명을 위한 검증 가능한 사슬을 제공해야 합니다. 필수적인 길은 S3 호환 API로 패키징하고 법정화폐 결제를 지원하여 '저렴한 스토리지 마켓플레이스'에서 '검증 가능한 컴퓨팅 인프라'로 업그레이드하는 것입니다.
• Arweave: '한 번의 결제로 영구 저장'이라는 내러티브 아래, Blockweave와 SPoRA 메커니즘을 통해 채굴자가 가능한 한 많은, 특히 희소한 과거 데이터를 보존하고 신속하게 접근하도록 장려합니다. 최적의 포지션은 인류 공공 기억의 기반입니다. 인권 기록, 전쟁 범죄 증거, 문화 고전을 보존하고, 법률 및 금융 역사를 아카이빙하며, AI 에이전트에게 영구적으로 접근 가능한 장기 기억을 제공하는 것입니다. Arweave의 가치는 속도가 아니라, 주기를 관통하는 문명 기억의 수용 능력에 있습니다.

Filecoin, Arweave 등 분산형 저장소 프로젝트의 딜레마는 가치 제안이 틀려서가 아니라, 제품화·검색 경험·실제 수요와 토큰 인센티브의 장기적인 미스매치에 있습니다. 이는 괴짜 이념에서 주류 비즈니스 애플리케이션으로 가는 거대한 간극을 드러냅니다.

• 공급-수요 인센티브 미스매치: Filecoin으로 대표되는 초기 네트워크는 토큰을 통해 빠르게 용량을 확장했지만, 충분히 강력한 유료 수요 측면을 구축하지 못해 막대한 용량 대비 낮은 활용률과 유료 전환율을 보였습니다. "필요해서 저장한다"가 아닌 "저장할 수 있다"에 보상한 셈입니다.
• 엔터프라이즈급 서비스 역량 부재: AWS의 해자는 하드디스크가 아니라 API, SLA, 권한 관리, 컴플라이언스 감사 및 기술 지원으로 구성된 '데이터 운영 체제'입니다. 기업이 구매하는 것은 '안심'이지, 키 관리와 노드 선택을 직접 처리해야 하는 실험적 인프라가 아닙니다.
• 검색 경험의短板: '저장했다'가 '안정적이고 낮은 지연 시간으로 꺼내는 것'을 의미하지는 않습니다. 노드 분산, 복잡한 토폴로지, 통일된 SLA 부재로 인해 AI 핫 데이터 워크플로우를 감당하기 어려우며, 신뢰할 수 있는 콜드 아카이빙 및 데이터 출처 추적에 더 적합합니다.
• 프라이버시 컴플라이언스 부족: 기업의 프라이빗 데이터는 공용 영구 네트워크에 단순히 기록할 수 없습니다. 삭제 권한과 영구 불변성은 본질적 충돌을 일으킵니다. 분산형 저장소는 핵심 프라이빗 데이터를 무차별적으로 수용하기보다 공공 데이터 및 장기 아카이브에 더 적합합니다.
• 토큰 경제의 사이클 증폭: 강세장의 금융화는 수요 부족을 가렸고, 약세장에서 채굴자의 ROI 하락은 상업화의短板을 드러냈습니다. 토큰은 공급을 콜드 스타트할 수 있지만, 수요와 지속 가능한 수익을 자동으로 창출하지는 못합니다.

반면 다른 분산형 저장소 프로젝트들은 대부분 특정 생태계나 세부 트랙에 집중합니다. Storj/Sia는 여러 사이클에 걸친 업계 마인드셰어와 Web3 내러티브 영향력이 Filecoin/Arweave에 못 미칩니다. BNB Greenfield/Walrus는 BNB 또는 SUI 특정 퍼블릭 체인 생태계와 결합되어 있습니다. Celestia/EigenDA 등은 데이터 가용성(DA) 계층에 속해 롤업 트랜잭션 확인을 지원하며 장기 아카이빙용은 아닙니다. 0G 등 AI/DA 하이브리드 내러티브 프로젝트는 저장, 데이터 가용성, 연산 및 AI 에이전트 결제를 하나의 AI 네이티브 모듈식 인프라로 통합하려 하지만, 실제 수요, 개발자 도입 및 상업화 폐쇄 루프는 여전히 검증이 필요합니다.

분산형 저장소의 미래 기회: 효율성과 신뢰의 장기적 진자

기술적 보너스가 폭발하는 시기에는 자본이 효율성에 열광하며 GPU, HBM과 같은 자산에 지극히 높은 프리미엄을 부여하기 때문에, '신뢰와 공정성'을 주장하는 분산형 저장소는 자연스럽게 소외됩니다. 그러나 역사의 진자(振子)가 영원히 효율 한쪽 끝에만 머물지는 않습니다. 슈퍼 플랫폼의 무리한 계정 차단 및 콘텐츠 삭제, AI 저작권 소송 폭증으로 인한 데이터 출처 증명 요구, 지정학적 갈등이 촉발한 데이터 주권 경쟁, 데이터 독점으로 인한 공공 아카이브 소멸, 그리고 모델 훈련 데이터 컴플라이언스에 대한 규제 감사 압박 등 사건들이 '신뢰 가능한 저장소'의 재평가를 촉발할 수 있으며, 분산형 저장소의 미래 기회는 여전히 다음 방향에서 독특한 가치를 보여줄 가능성이 있습니다.

• AI 데이터 프로브넌스(Provenance): 암호학적 증명을 결합해 '데이터 계보 증명'을 구축하여 규제 및 감사 압력에 대응합니다.
• 공공 데이터셋과 문명 아카이브: 검열 대상 아카이브와 문화유산을 고정해 대체 불가능하고 삭제할 수 없는 기억을 구축합니다.
• 신뢰 가능한 아카이빙 및 컴플라이언스 증거 보존: 해시 기반 증거 보존을 통해 신뢰할 수 있는 자기 입증을 구현하고 높은 수준의 디지털 공증을 제공합니다.
• ZK/TEE/DID 기술 융합: 프라이버시 긴장을 해소하고 단일 '저장 프로토콜'에서 '신뢰 가능한 데이터 인프라'로 업그레이드합니다.
• 투명화된 제품 로드맵: S3 호환 API 및 법정화폐 과금을 제공하여 사용자가 '신뢰 가능한 아카이빙' 서비스를 직접 구매하도록 합니다.

AI 저장소와 분산형 저장소, 하나는 극한의 효율을 추구하며 우리가 미래로 치닫도록 연료를 제공하고, 다른 하나는 침묵의 기억을 지키며 우리가 과거를 되돌아볼 권리를 수호합니다. 현재 시장은 효율성에 아낌없이 보상하고 있어, 분산형 저장소는 그래서 더없이 고요하거나 심지어 붕괴하는 듯 보입니다. 하지만 AI 시대가 데이터 독점, 저작권 분쟁 및 역사적 기억의 취약성을 더욱 증폭시킬 때, 분산형 저장소는 '신뢰 가능한 콜드 레이어'의姿态으로 가치 재평가를 맞이할 수 있습니다. 플랫폼이나 기업, 어떤 단일 권력도 쉽게 지울 수 없는 기억은, 이상주의적 로맨티시즘과 주변부 신념에서 벗어나 필수 인프라로 나아갈지 모릅니다.