마이크론, 2030년까지 메모리·스토리지 로드맵 공개 — “AI의 모든 물결이 메모리 수요를 키운다”

💻마이크론, 2030년까지 메모리·스토리지 로드맵 공개 — “AI의 모든 물결이 메모리 수요를 키운다” AI 수요는 HBM 단일 축이 아니라 메인 메모리·컨텍스트 스토리지·엣지까지 전 계층으로 번지는 중. 특히 4F2 vs 3D DRAM 노선 분기는 향후 장비 투자 지형을 가를 변수입니다. 📌AI 단계별 메모리 수요 확장 학습: 엔비디아 GPU당 HBM 용량 H100(80GB) → B300(288GB) 3.6배 증가 추론·리즈닝: 3년간 서버당 메모리 2배 에이전틱 AI: AI 컨텍스트 길이 연간 30배 증가 추정 피지컬 AI: L4+ 로보택시는 현 L2+ 차량 대비 DRAM 10배 이상 필요 대역폭(가속기 처리량) → 용량(컨텍스트) → 전 계층 지속 컨텍스트 → 엣지까지 수요가 메모리 계층 전체로 확산 📌데이터센터 메모리 계층 재편 Near Memory: 표준·커스텀·버티컬 HBM — 학습 및 실시간 추론 Main Memory: 고용량·저전력 DRAM 모듈 — 활성 모델 컨텍스트 Context Memory Storage: 고성능 SSD·AI향 NAND — KV캐시 및 컨텍스트 오프로드 Networked Data Lakes: 고용량 SSD — 학습 데이터·체크포인트 저장 엣지 영역은 자율주행, 로봇·휴머노이드, AI PC, 모바일로 확장 📌HBM4 대역폭 & 버티컬 HBM HBM4 단일 스택 대역폭 2.8TB/s → 스택 8개 탑재 GPU 약 13개면 전 세계 국제 인터넷 용량(약 282TB/s)과 맞먹는 수준 2028년 '버티컬 HBM' 목표: 메모리를 GPU 옆이 아닌 위에 직접 적층 → 데이터 경로 단축, 와트당 AI 출력 개선 (회사는 일정을 '목표'로 표현) 📌DRAM 로드맵: 4F2 포기, 3D로 직행 20년 넘게 연구해온 고밀도 셀 구조 4F2 개발 중단 — 비용·복잡도 부담 4F2를 추진 중인 SK하이닉스·삼성전자와 기술 노선 분기, 마이크론은 3D DRAM으로 방향 전환 소부장 관점에서 업체별 장비·공정 투자 경로 차별화 가능성 주목 포인트 📌AI향 NAND GPU가 소단위로 직접 읽을 수 있는 플래시 + 가속기 옆에 배치하는 HBM형 적층 플래시 설계 중 모델 가중치와 장문 대화의 작업 메모리 저장 용도, 목표 성능 초당 2,500만~1억 IOPS 📌AI로 개발 속도 2배 칩 로직 설계·검증 AI 에이전트와 AI 작성 펌웨어 적용 → SSD 컨트롤러 설계 기간 50% 단축, 고객 출하 준비 기간 60% 단축 (내부 프로그램 2건 기준) 💻반도체 소부장💻[그로쓰리서치] https://telegram.me/growth_semi