EE타임즈에 실린 한 논문이 우주 임무에 쓰이는 NOR 플래시 메모리가 방사선 때문에 어떻게 성능이 떨어지는지 다뤘어요. 특히 총 누적 방사선량과 단일 사건 효과(우주 입자 하나가 일으키는 오류)가 NOR 플래시에 미치는 영향을 살펴봤어요. 이 논문은 데이터를 저장하는 공간 자체보다 전하 펌프, 센스 앰프, 제어 로직 같은 주변 회로가 먼저 고장 나는 경우가 많다고 설명했어요.
이 글은 원문을 요약한 큐레이션입니다. 제목은 요약에 맞춰 새로 붙였습니다. 수치와 단위는 원문 표기를 유지했습니다. 전체 내용은 원 매체에서 읽어 주세요. 이 글은 AI의 도움을 받아 작성했습니다.원문: EE Times 「NewSpace-Grade NOR Flash: Right-Sized Reliability for Space Missions」
EE Times 원문 보기 ↗
삼성전자가 CES 2027에서 총 19개 혁신상을 받았다고 15일 밝혔어요. 영상디스플레이 13개, 반도체 3개, 모바일 2개, 생활가전 1개 부문에서 수상했고, 최고 혁신상은 전년보다 1개 늘어난 4개를 차지했어요. 반도체 부문에서는 AI 데이터센터·서버용 메모리 모듈 LPDDR5X SOCAMM2와 DDR5 RDIMM, 온디바이스 AI용 내장 메모리 UFS 5.0이 혁신상을 받았어요. 모바일 부문에서는 갤럭시 Z 폴드8과 폴드8 울트라가 최고 혁신상을 받았고, 생활가전에서는 비스포크 AI 콤보 세탁건조기가 수상했어요.
기어스 오브 워: E-Day는 언리얼 엔진5의 나나이트·루멘 같은 그래픽 기술과 함께, SSD를 RAM처럼 활용해 메모리 부담을 줄이는 저장 기술을 쓰고 있어요. 개발사 더 코일리션은 Xbox Series S의 빠른 SSD로 복잡한 도시 데이터를 실시간으로 불러오고 내보낸다고 디지털 파운드리와의 인터뷰에서 밝혔어요. Tom's Hardware가 PC에서 테스트한 결과, 그래픽 설정을 높일수록 SSD 평균 읽기 속도가 1GB/s를 넘고 최고 3.7GB/s까지 올라갔어요. NVMe SSD에 게임을 설치하면 SATA SSD보다 RAM 사용량이 약 2GB 줄었지만, SATA SSD에서는 텍스처와 조명이 늦게 뜨는 화질 저하가 나타났어요. 다만 RAM이 충분한 고성능 시스템에서는 SATA SSD로도 측정 가능한 성능 저하는 없었어요.
UC 리버사이드의 Tharunya Yogananda와 Wantong Li 연구진이 HBM4 메모리 컨트롤러 배치에 관한 논문을 발표했어요. HBM4는 메모리 스택의 베이스다이를 로직 공정으로 만들 수 있어서, 더 복잡한 컨트롤러 기능을 D램 옆에 둘 수 있어요. 연구팀은 호스트와 실리콘 인터포저 위 HBM4 베이스다이 사이에서 컨트롤러 기능을 어디에 둘지에 대한 첫 체계적 정량 연구를 했어요. 컨트롤러를 주요 기능별로 나눠서 호스트가 전부 맡는 방식부터 베이스다이가 전부 맡는 방식까지 네 가지 배치를 비교했고, 유지관리나 스케줄링 기능만 베이스다이로 옮기는 중간 방식도 살펴봤어요.
AI 연산이 데이터센터 학습에서 엣지 추론으로 옮겨가면서, 데이터 이동 거리를 줄이기 위해 메모리 가까이에서 연산하는 PNM(프로세싱니어메모리)과 메모리 안에서 직접 연산하는 PIM(프로세싱인메모리) 기술이 논의되고 있어요. Cadence의 Frank Ferro는 LLM(거대언어모델)이 실제 기기에 들어가면서 메모리 구조를 다시 설계해야 한다고 말했어요. Quadric의 Steve Roddy는 추론 단계에서는 데이터 접근 패턴을 미리 알 수 있어 사전 컴파일로 이런 기술을 효율적으로 쓸 수 있다고 설명했어요. Expedera의 Sharad Chole은 작업 종류에 따라 저장 용량이나 데이터 전송량 중 무엇이 더 문제가 되는지가 달라진다고 했어요. 커스텀 HBM(고대역폭메모리)이나 LPDDR6-PIM처럼 메모리 패키지나 칩 안에서 바로 연산해 속도를 높이고 에너지를 아끼는 것이 목표예요.
AI 인프라 경쟁은 그동안 연산 성능 위주로 진행됐지만, 추론(inference) 단계로 넘어가면서 메모리 문제가 더 복잡해지고 있어요. 생성형 AI 추론에서 쓰는 '키-값(KV) 캐시'는 반복 계산을 줄여주지만, 대화가 길어지고 동시 요청이 늘수록 저장하고 옮겨야 할 데이터량이 커져요. 이 때문에 메모리 용량·대역폭·지연시간·전력·비용을 한꺼번에 맞추는 일이 어려워지고 있다고 해요. 매체는 메모리 월(memory wall) 문제가 이제 대역폭 하나만의 문제가 아니라, 컴퓨팅·메모리·연결 구조·소프트웨어를 함께 조율해야 하는 시스템 차원의 과제로 바뀌고 있다고 설명했어요.
로봇·드론·자율주행차 같은 피지컬 AI 기기는 센서 데이터, 모델 가중치, 연산 결과를 동시에 처리해야 해서 메모리 설계가 중요해요. 온칩 SRAM과 캐시는 자주 쓰는 데이터를 연산장치 가까이 두고, LPDDR이나 GDDR 같은 외부 메모리는 용량이 큰 데이터를 담당해요. 불필요한 데이터 이동이 늘면 지연시간과 전력 소비가 커지고 발열 문제도 생길 수 있어요. 기사는 전력당 대역폭이 중요하면 LPDDR을, 연속적인 영상·센서 스트림 처리가 중요하면 GDDR을 쓸 수 있다고 설명했어요. 케이던스는 최대 14.4Gbps LPDDR6/LPDDR5X용 PHY·컨트롤러 IP와 최대 36Gbps GDDR7 PHY IP를 제공한다고 밝혔어요.
삼성전자와 SK하이닉스가 중국 고객사와 논의하던 기업용 SSD(eSSD) 물량 일부를 미국 고객사 쪽으로 돌리기로 했어요. 알리바바·바이두·텐센트 등 중국 주요 AI 기업들이 미국의 대중 AI 반도체 수출 규제로 고성능 AI 반도체 수급이 어려워지면서 eSSD 주문 규모를 줄이기로 했기 때문이에요. 업계에서는 이번 결정이 전체 낸드·SSD 수요에 큰 영향을 주지는 않을 것으로 보고 있어요. 중국에서 줄어든 물량은 공급난이 이어지고 있는 미국 데이터센터 기업들이 흡수할 예정이에요. 업계 관계자는 미국 데이터센터용 메모리 수요가 견조해 내년과 내후년까지 공급 부족이 이어질 가능성이 높다고 말했어요.
AMD가 서버용 D램 사용량을 줄이면서도 성능을 거의 유지하는 메모리 기술 'MEXT'를 공개했어요. 이 기술은 잘 쓰지 않는 메모리 페이지를 플래시 저장장치로 옮기고, AI 모델이 필요한 페이지를 미리 예측해 불러오는 방식이에요. AMD는 신놉시스 프라임타임 같은 내부 업무에서 D램을 50%만 쓰고도 성능의 95%를 낼 수 있었다고 밝혔어요. 현재 내부 서버 145대에 적용했고 내년에는 2,000대로 늘릴 계획이며, HPE와 협력해 고객에게도 선보일 예정이에요. 지금은 EPYC 베니스 서버에 전용 NVMe 드라이브를 넣는 1단계 단계예요.