0416
‘낸드의 부활’ 20년來 최고 이익률
낸드 플래시 <-> 낸드
NAND = 구조 / NAND Flash = 그 구조로 만든 저장장치
낸드와 AI가 무슨 관계?
AI에서 낸드 플래시(NAND Flash)가 중요한 이유는 한마디로 대용량 데이터를 저장하는 핵심 역할을 담당하기 때문이다.
AI 시스템, 특히 대형 모델(LLM)이나 비전 모델은 학습과 추론 과정에서 수십 테라바이트(TB)에서 페타바이트(PB) 단위의 데이터를 필요로 한다.
하지만 이런 데이터를 모두 HBM이나 DRAM 같은 고속 메모리에 저장하는 것은 비용과 용량 측면에서 불가능하다.
그래서 실제 데이터센터에서는 낸드 기반 SSD를 사용해 데이터를 저장해두고, 필요할 때만 HBM으로 불러와 연산을 수행하는 구조를 사용한다.
데이터센터가 많아짐에 따라, 당연히 SSD 같은 낸드플래쉬의 수요가 폭증.
AI-양자 하이브리드 플랫폼 구축...엔비디아 전용 모델 ‘아이징’ 출시
양자컴퓨터에서 사용하는 기본 단위는 큐비트(qubit)인데, 이는 일반 컴퓨터의 비트(0 또는 1)와 달리*0과 1을 동시에 가질 수 있는 상태(중첩)를 가진다.
이 덕분에 특정 문제에서는 기존 컴퓨터보다 훨씬 빠른 계산이 가능하지만, 대신 큐비트는 외부 환경에 매우 민감해서 쉽게 상태가 깨지고 오류가 발생한다는 치명적인 단점이 있다. 이런 큐비트를 이용해 실제 계산을 수행하는 장치가 바로 QPU(Quantum Processing Unit)로, 기존 컴퓨터의 CPU나 GPU처럼 “계산을 담당하는 프로세서”라고 보면 된다.
문제는 이 QPU가 만들어내는 계산 결과가 불안정하다는 점이다. 그래서 여기서 AI가 개입한다. 엔비디아가 제시한 방식은, QPU에서 발생한 오류 데이터를 GPU 기반 AI가 실시간으로 분석하고 보정한 뒤 다시 QPU에 반영하는 구조다. 즉, QPU는 양자 계산을 수행하고, GPU는 그 계산이 틀어지지 않도록 감시하고 수정하는 역할을 맡는다. 이처럼 두 프로세서를 함께 사용하는 방식을 하이브리드 컴퓨팅이라고 하며, 양자컴퓨터 단독으로는 해결하기 어려운 오류 문제를 AI로 보완해 실제 활용 가능성을 높이려는 접근이다.
결국 핵심은 단순하다. 큐비트는 강력하지만 불안정한 계산 단위이고, QPU는 그것을 처리하는 양자 프로세서이며, AI(GPU)는 그 불안정을 잡아주는 보조 시스템이다. 이 구조가 자리 잡으면, 양자컴퓨터는 이론적인 기술에서 벗어나 실제 산업에 쓰일 수 있는 단계로 넘어갈 가능성이 커진다.
그럼 QPU가 GPU나 CPU를 대체 할 수 있음?
👉 QPU는 GPU/CPU를 “대체” 못하고, 특정 영역에서만 “보완”하는 존재다.
양자컴퓨터의 핵심인 큐비트는 동시에 여러 상태를 표현할 수 있어서, 조합이 폭발적으로 늘어나는 문제(예: 최적화, 분자 시뮬레이션 등)에서는 기존 컴퓨터보다 훨씬 빠르게 풀 수 있다.
이 큐비트를 이용해 계산하는 장치가 QPU인데, 이건 말 그대로 “특수한 문제를 풀 때만 강력한 프로세서”다.
반대로 우리가 평소에 쓰는 CPU나 GPU는 웹, 게임, 서버, AI 학습/추론 등 일반적인 계산을 안정적으로 처리하는 범용 프로세서다.
문제는 QPU는 아직 구조적으로 한계가 명확하다는 점이다. 큐비트는 매우 불안정해서 오류가 많이 발생하고, 유지하기 위해 극저온 환경 같은 특수 조건이 필요하다. 그리고 모든 문제를 빠르게 푸는 것도 아니다. 예를 들어, 웹 서버 처리나 딥러닝 학습 같은 작업은 여전히 GPU가 훨씬 효율적이다. 그래서 현실에서는 QPU가 CPU나 GPU를 밀어내는 게 아니라, “특정 계산만 맡는 가속기(accelerator)” 역할로 들어가는 구조가 된다.
그래서 앞으로의 구조는 이렇게 가는 게 맞다.
👉 CPU = 전체 시스템 제어
👉 GPU = AI/병렬 연산
👉 QPU = 특정 양자 문제 해결
즉, 지금 GPU가 있는 이유처럼 QPU도 하나 더 추가되는 개념이다. 실제로 엔비디아가 밀고 있는 것도 이 방향인데, QPU가 계산하고 GPU가 오류를 보정하는 하이브리드 구조를 통해 같이 쓰는 생태계를 만들려는 거다.
