"HBF"
뉴스
전북, 피지컬AI·로봇 밸리 구축 토론회 — HBM-HBF 사업도 논의
전북특별자치도와 더불어민주당 전북도당, 정동영 의원실 주관으로 '피지컬AI·로봇 글로벌 최강국 전북 대토론회'가 11월 4일 오전 7시 국회 2세미나실에서 열린다. 정동영·안호영·한병도 등 지역 의원 다수가 공동 주최하며 전북에 '피지컬AI 밸리'를 구축하는 방안을 논의한다. 발제로는 김정호 KAIST 교수의 HBM-HBF 사업, 공승현 카이스트 교수의 피지컬AI AAR 사업, 박태준 한양대 교수의 로봇팜 팩토리 사업, 오양섭 자동차융합기술원의 로봇부품 지원센터, 유지연 전북테크노파크의 피지컬AI 물류센터 등이 각 12분씩 발표된다. 발제 후 토론과 질의응답을 거쳐 오전 9시 각 의원의 종합 정리로 행사가 마무리된다.
메모리(DRAM·NAND·HBM)SK하이닉스 HBF, 내년 1월 규격 확정 — 차세대 AI메모리 표준화
SK하이닉스 안현 개발총괄(CDO) 사장이 14일 서울 코엑스에서 열린 반도체대전(SEDEX) 2026 기조연설에서 HBM 다음 세대 AI 메모리인 고대역폭플래시(HBF)의 최종 규격이 오픈컴퓨트프로젝트(OCP)를 통해 내년 1월 확정될 것이라고 밝혔다. OCP는 구글 등 클라우드 기업과 부품사가 모여 개방형 규격을 만드는 단체다. SK하이닉스는 지난해부터 OCP 안에서 샌디스크, 구글 등과 함께 HBF 규격을 만들어왔다.
SK하이닉스 HBF 표준화 추진, HBM과 SSD 사이 신규 메모리 계층 공략
SK하이닉스 안현 사장은 14일 서울 코엑스 'SEDEX 2026' 기조연설에서 차세대 AI 메모리 개발 전략을 소개했다. 안 사장은 HBM과 SSD 사이에 위치하는 새로운 메모리 계층인 고대역폭플래시(HBF) 개발을 주도하고 있으며, 지난해 7월 샌디스크·구글 등과 컨소시엄을 구성해 HBF 첫 표준을 공개한 데 이어 내년 1월 최종 표준을 제정할 계획이라고 밝혔다. HBF는 낸드를 수직 적층해 실리콘관통전극(TSV)으로 연결하는 구조로, 동세대 HBM 대비 절반 수준의 대역폭과 약 10배 늘어난 용량을 목표로 한다. SK하이닉스는 HBM4E, 커스텀 HBM4E, HBM5 개발도 병행할 계획이며, 장기적으로 커스텀 HBM 비중이 확대될 것이라고 전망했다.
HBF 메모리, LLM 서빙 가속 — 버클리·퓨리오사AI 공동연구
UC버클리와 퓨리오사AI 연구진이 고대역폭 플래시(HBF)를 활용해 LLM 서빙 성능을 분석한 논문을 공개했다. 연구진은 HBM·HBF·호스트로 이어지는 계층형 저장 구조와 버퍼드 캐시 인식 스케줄링 기법을 제안하고, 트레이스 기반 시뮬레이션으로 성능·에너지·HBF 쓰기 수명에 미치는 영향을 분석했다. 평가한 워크로드에서 HBF를 적용한 시스템은 HBM 단독 시스템 대비 작업 완료 시간을 36.1~87.0% 줄였고, 에너지 소비도 최대 55.8%까지 절감한 것으로 나타났다. 다만 가벼운 워크로드에서는 HBF가 오히려 에너지 소비를 늘리는 경우도 있었다. 제안된 스케줄링 기법은 평가된 구성에서 HBF의 추정 쓰기 수명을 4.77년에서 14.82년으로 늘렸다고 연구진은 밝혔다.
화웨이 FLINT, HBF로 LLM 추론 가속화 — HBM 용량 계층 보완
화웨이, ETH 취리히, 화중과기대(HUST) 연구진이 고대역폭 플래시(HBF)를 활용해 LLM 추론을 가속하는 'FLINT' 기술 논문을 발표했다. HBF는 3D 적층 낸드플래시 기반으로 가속기 근접 위치에서 대용량 메모리를 제공해 HBM과 함께 용량 계층으로 활용할 수 있다는 설명이다. FLINT는 하드웨어 버스트 버퍼 컨트롤러로 HBF 읽기를 동적으로 병합·파이프라인화하고, 팬텀 플레인 리프레시 메커니즘으로 리프레시 동작을 추론 임계 경로에서 분리하며, 읽기 전용 FTL로 낸드플래시 관리를 최적화한다. 관련 내용은 arXiv에 프리프린트(arXiv:2608.25062)로 공개됐다.
옥스퍼드, HBM-HBF 혼합 메모리 구조 제안 — GPU 지연 최소화 목표
옥스퍼드대 연구진이 IEEE Computer Architecture Letters에 HBM과 HBF를 결합한 이기종 메모리 구조(HMA)에 관한 논문을 발표했다. 연구진은 고밀도인 HBF가 동일 대역폭에서 스택당 용량을 크게 늘려주지만, HBM을 HBF로 단순히 대체하면 HBF의 긴 지연시간이 GPU 스케줄러 성능을 저해한다고 지적했다. 이를 해결하기 위해 예측 기반 마이그레이션 정책으로 지연시간이 큰 HBF를 GPU의 critical path에서 배제하는 HMA를 제안했다. 저자는 Hakam Atassi, Noa Zilberman, Amro Awad다.