요즘 반도체 뉴스를 보다 보면 낯선 알파벳 조합이 하나 더 늘었습니다. 바로 HBF입니다. HBM(고대역폭메모리)이라는 용어에는 어느 정도 익숙해졌는데, 이번에는 D램이 아니라 낸드플래시를 적층한 새로운 메모리가 등장했습니다. 2026년 8월 초, SK하이닉스가 미국에서 열린 메모리 반도체 행사에서 샌디스크와 함께 HBF 표준 규격을 공개하면서 이 기술은 단순한 개념 발표를 넘어 실제 산업 규격으로 자리 잡기 시작했습니다. HBF는 High Bandwidth Flash의 줄임말로, 이름 그대로 낸드플래시를 여러 층으로 쌓아 대역폭을 끌어올린 메모리입니다. HBM이 D램을 적층해 속도를 극한까지 끌어올린 메모리라면, HBF는 낸드플래시 특유의 대용량 저장 능력을 살려 AI 반도체의 새로운 병목을 풀기 위해 등장한 카드입니다. 왜 지금 이 기술이 필요해졌는지, HBM과는 어떤 관계인지 하나씩 정리해보겠습니다.
HBF란 무엇인가 — 창고와 작업대의 비유로 이해하기
HBF를 이해하려면 먼저 HBM이 AI 반도체에서 어떤 역할을 하는지부터 짚어야 합니다. HBM은 GPU 바로 옆에 붙어서 연산에 필요한 데이터를 초고속으로 공급하는 작업대 같은 존재입니다. 속도는 매우 빠르지만 공간, 즉 용량이 제한적이고 가격도 비쌉니다. 반면 HBF는 낸드플래시를 기반으로 만들어져 속도는 HBM보다 다소 느리지만, 훨씬 넓은 창고 역할을 할 수 있습니다. 같은 면적에 8배에서 16배에 달하는 저장 용량을 담을 수 있다는 점이 HBF의 가장 큰 특징으로 꼽힙니다. 즉 작업대 위에는 지금 당장 쓸 재료만 올려두고, 나머지 방대한 재료는 바로 옆 창고에 쌓아두는 구조를 떠올리면 이해가 쉽습니다.
기술적으로 HBF는 3D 낸드 어레이 여러 개를 병렬로 쌓아 다수의 채널을 통해 동시에 접근할 수 있도록 설계됩니다. 개별 채널의 속도 자체는 D램보다 느리지만, 채널 수를 대폭 늘려 병렬로 데이터를 끌어오는 방식으로 전체 대역폭을 확보하는 것이 핵심 아이디어입니다. 최근 공개된 표준에 따르면 HBF는 최대 초당 3테라바이트 수준의 대역폭을 목표로 하고 있으며, 1세대 제품은 GPU 한 대에 최대 4테라바이트에 달하는 메모리 용량을 제공할 수 있도록 설계됐습니다. SK하이닉스와 샌디스크는 최근 발표에서 HBF를 AI 모델의 가중치 저장용으로, HBM은 실시간 연산에 필요한 KV 캐시 전용으로 나눠 사용하는 역할 분리형 메모리 구조를 제안하기도 했습니다.
| 구분 | HBM(고대역폭메모리) | HBF(고대역폭 낸드플래시) | 핵심 차이 |
|---|---|---|---|
| 기반 소재 | D램 적층 | 낸드플래시 적층 | 휘발성 vs 비휘발성 메모리 |
| 속도 | 매우 빠름 | HBM 대비 다소 느림 | 연산 속도 우선 vs 용량 우선 |
| 용량 | 상대적으로 제한적 | HBM 대비 8~16배 수준 | 작업대 vs 창고 개념 |
| 주요 역할 | 실시간 연산용 KV 캐시 | AI 모델 가중치 저장 | 역할 분리형 메모리 구조 제안 |
왜 낸드플래시를 적층했나 — HBF 등장의 기술적 배경
HBF는 갑자기 튀어나온 개념이 아니라, D램 기반 메모리가 마주한 한계를 우회하기 위해 고안된 대안입니다. HBM은 성능을 높일수록 다이(die)를 더 많이 쌓아야 하는데, D램은 물리적으로 적층할 수 있는 층수와 발열, 전력 소비 측면에서 확장에 한계가 뚜렷합니다. 이런 상황에서 샌디스크는 자사의 저비용·고밀도 낸드 기술을 기반으로, 실리콘 설계와 3D 적층 패키징 기술을 접목해 HBF라는 새로운 형태의 메모리를 개발했습니다. HBM만큼의 속도를 완벽히 재현하지는 못하지만, 비트당 원가가 가장 낮은 메모리 기술 중 하나라는 낸드플래시 본연의 장점을 그대로 살렸다는 점이 특징입니다.
또한 HBF는 데이터센터 환경에서 요구되는 고온·고부하 조건에서도 안정적인 열 특성을 유지하도록 설계됐다는 점도 강조되고 있습니다. 향후 세대에서는 읽기 대역폭을 2테라바이트, 3.2테라바이트 수준까지 끌어올리고, 스택 용량도 1테라바이트, 1.5테라바이트까지 확대하는 로드맵이 제시되어 있습니다. 이런 개선이 이어지면서도 전력 소비는 오히려 1세대 대비 더 낮추는 방향으로 설계되고 있다는 점 역시 데이터센터 운영 비용 측면에서 주목할 만한 대목입니다. 즉 HBF는 단순히 낸드를 쌓아 올린 실험적 기술이 아니라, 세대를 거듭하며 HBM의 보완재로 자리 잡도록 체계적으로 설계되고 있는 규격입니다.
AI 시대 왜 HBF가 필요해졌나 — 거시적 배경 분석
HBF가 주목받게 된 가장 근본적인 배경은 AI 모델의 크기가 메모리 용량의 성장 속도를 앞질렀다는 점입니다. 최근 대규모 언어모델은 파라미터 수가 수천억 개에 달하는데, 이 모델의 가중치를 모두 HBM에 올리려면 GPU를 계속 추가해야 하고, 이는 시스템 구축 비용을 크게 끌어올리는 원인이 되어 왔습니다. 업계에서는 이를 메모리 월(memory wall)이라는 표현으로 부르는데, 연산 능력은 빠르게 발전하는 반면 이를 뒷받침할 메모리 용량과 대역폭이 그 속도를 따라가지 못하는 현상을 가리킵니다.
두 번째 배경은 추론(inference) 중심으로 옮겨가는 AI 산업의 무게중심입니다. 모델을 처음 학습시키는 훈련 단계보다, 이미 학습된 모델을 실제 서비스에 적용해 답변을 생성하는 추론 단계의 비중이 커지면서, 방대한 모델 가중치를 얼마나 효율적으로 저장하고 불러오느냐가 AI 서비스 운영 비용을 좌우하는 핵심 변수로 떠올랐습니다. 세 번째 배경은 메모리 기업들의 생태계 표준화 움직임입니다. SK하이닉스와 샌디스크가 기술자문위원회를 구성하고 표준 규격을 공동 발표한 것은, HBF가 특정 기업의 실험적 시도를 넘어 산업 전체가 함께 채택할 수 있는 규격으로 자리 잡으려는 시도로 해석됩니다. 이 세 가지 배경이 맞물리면서, HBF는 이제 AI 반도체 로드맵에서 빼놓을 수 없는 축으로 부상하고 있습니다.
HBF 도입이 AI 반도체 산업 전반에 미치는 나비효과
새로운 메모리 규격 하나가 표준화되는 과정은 단순히 부품 하나가 늘어나는 수준에 그치지 않습니다. GPU 설계, 데이터센터 구성, 나아가 AI 서비스 운영 비용 구조까지 순차적으로 영향을 미치는 파급 효과를 갖고 있습니다.
| 단계 | 변화 내용 | 관련 주체 | 실제 파급 효과 |
|---|---|---|---|
| 1단계 | HBF 표준 규격 공개 | SK하이닉스·샌디스크 | 업계 공통 설계 기준 마련 |
| 2단계 | GPU 설계에 HBF 슬롯 반영 | GPU·AI 가속기 제조사 | HBM+HBF 혼합 메모리 아키텍처 확산 |
| 3단계 | 고객 샘플링 및 검증 | 데이터센터·클라우드 기업 | 2026년 목표 상용화 검증 진행 |
| 4단계 | 대용량 모델 서비스 비용 절감 | AI 서비스 운영기업 | GPU 추가 없이 대형 모델 구동 가능 |
이 흐름에서 특히 주목할 부분은, HBF가 HBM을 완전히 대체하는 기술이 아니라 역할을 나눠 함께 쓰이는 보완재로 설계되고 있다는 점입니다. 빠른 연산이 필요한 부분은 여전히 HBM이 담당하고, 방대한 모델 가중치를 저장하는 부분은 HBF가 맡는 구조가 자리 잡으면, GPU 한 대가 처리할 수 있는 모델의 크기 자체가 크게 늘어날 수 있습니다. 이는 곧 동일한 서비스를 운영하는 데 필요한 GPU 대수를 줄일 수 있다는 의미이기도 해서, 장기적으로는 AI 데이터센터의 전력 소비와 구축 비용 구조 전반에도 영향을 줄 수 있는 변화로 평가됩니다.
메모리 병목 앞에서 투자자가 챙겨야 할 것들
- 표준화 참여 기업 추적하기: HBF는 아직 초기 표준화 단계에 있는 만큼, 기술자문위원회나 공동 개발 협약에 참여하는 기업들의 움직임을 꾸준히 확인하는 것이 산업 흐름을 읽는 첫걸음입니다.
- 상용화 로드맵과 실제 매출 반영 시점 구분하기: 2026년 고객 샘플링을 목표로 한다는 발표와, 실제 양산 매출로 이어지는 시점은 다를 수 있으므로 두 시점을 혼동하지 않는 것이 중요합니다.
- 낸드플래시 업황과 함께 살펴보기: HBF는 결국 낸드플래시 기술을 기반으로 하기 때문에, 낸드 가격과 공급 사이클이 HBF 사업성에도 함께 영향을 줄 수 있다는 점을 염두에 둬야 합니다.
- GPU·가속기 제조사의 채택 여부 확인하기: 새로운 메모리 규격은 실제로 GPU 설계에 반영되어야 시장에서 의미를 갖기 때문에, 주요 가속기 제조사들이 HBF를 설계에 얼마나 반영하는지가 핵심 관전 포인트입니다.
- HBM과의 경쟁이 아닌 보완 관계로 이해하기: HBF를 HBM의 대체재로 오해하면 투자 판단이 왜곡될 수 있으므로, 두 메모리가 역할을 나눠 함께 쓰이는 구조라는 점을 기준으로 접근하는 것이 안전합니다.
이 대목에서 기억할 것: HBF는 HBM을 밀어내는 기술이 아니라 AI 메모리 병목을 함께 풀어가는 협력 기술입니다. 표준화 진행 속도와 실제 상용화 시점을 구분해서 지켜보는 태도가 이 흐름을 냉정하게 판단하는 기준이 됩니다.
HBF 표준화, 지금까지 어떻게 흘러왔나
HBF 관련 움직임은 2025년 하반기부터 본격화되기 시작했습니다. 샌디스크는 2025년 초 HBF 개발 계획을 처음 공개하며 GPU 한 대당 최대 4테라바이트 용량을 제공할 수 있는 1세대 제품 설계를 발표했습니다. 이후 같은 해 8월 샌디스크와 SK하이닉스는 HBF 규격 표준화를 위한 기본 합의서를 체결했고, 2026년 8월에는 미국에서 열린 메모리 반도체 행사에서 HBF의 첫 표준 규격을 공동 공개하며 최대 초당 3테라바이트 대역폭을 목표로 제시했습니다.
| 구분 | 시점 | 주요 발표 | 시사점 |
|---|---|---|---|
| 사례 1 | 2025년 2월 | 샌디스크, HBF 개발 계획 최초 공개 | 낸드 기반 신규 메모리 개념 제시 |
| 사례 2 | 2025년 8월 | 샌디스크·SK하이닉스 기본 합의서 체결 | 표준화 공동 추진 본격화 |
| 사례 3 | 2026년 8월 | HBF 첫 표준 규격 공동 공개 | 업계 공통 기준 마련, 상용화 준비 단계 진입 |
| 사례 4 | 지속 | 고객 샘플링 목표 2026년 제시 | 실제 시장 검증이 임박한 단계 |
결론 — HBM의 대체재가 아닌 AI 메모리의 새로운 축
낙관적 시각에서 보면, HBF는 AI 반도체 산업이 마주한 메모리 병목을 실질적으로 완화할 수 있는 유력한 카드입니다. HBM 하나만으로는 감당하기 어려운 초거대 모델의 가중치를, 상대적으로 저렴한 비용으로 저장할 수 있는 대안이 마련된다는 점은 GPU 투자 비용 부담을 완화하고 더 많은 기업이 대형 AI 모델을 서비스할 수 있는 환경을 만들 수 있습니다. 낸드플래시 강자인 샌디스크와 메모리 선두 기업인 SK하이닉스가 공동으로 표준화를 주도하고 있다는 점도, 이 기술이 특정 기업의 일회성 시도에 그치지 않을 가능성을 높이는 요인입니다.
신중한 시각에서는 아직 넘어야 할 산이 많다는 점을 짚어야 합니다. HBF는 이제 막 첫 표준 규격이 공개된 초기 단계로, 실제 고객 샘플링과 양산까지는 여전히 시간이 필요합니다. 낸드플래시 기반이라는 특성상 D램만큼의 속도를 완전히 따라잡기는 어렵고, GPU 설계사들이 이 새로운 메모리 계층을 실제 아키텍처에 얼마나 적극적으로 반영할지도 아직 지켜봐야 할 변수입니다. 신기술이 표준으로 제시되었다고 해서 곧바로 시장의 주류가 되는 것은 아니라는 점을 냉정하게 인식할 필요가 있습니다.
구조적·중립적 시각에서 보면, HBF의 등장은 AI 메모리 시장이 단일 메모리 중심에서 역할 분리형 계층 구조로 재편되는 흐름을 보여주는 신호로 볼 수 있습니다. 앞으로는 HBM 하나로 모든 것을 해결하려는 접근 대신, 연산용 메모리와 저장용 메모리의 역할을 나눠 설계하는 방식이 표준이 될 가능성이 높습니다. 이 재편 과정에서 D램과 낸드 양쪽 기술력을 모두 갖춘 기업과, 한쪽 기술에만 의존하는 기업 사이의 경쟁력 격차는 점차 벌어질 수 있습니다.
개인적으로는 구조적 시각에 조금 더 무게를 두고 있습니다. HBF가 HBM을 대체하느냐 마느냐를 따지기보다, AI 메모리 생태계 자체가 다층 구조로 진화하고 있다는 큰 흐름을 읽는 것이 더 중요하다고 보기 때문입니다. 독자분들께 드리고 싶은 실천적 당부는, HBF 관련 뉴스가 나올 때마다 “HBM이 밀려나는가”라는 이분법적 질문보다, 어떤 기업이 이 새로운 메모리 계층에서 실제 표준을 주도하고 양산 검증을 먼저 통과하는지를 눈여겨보시라는 것입니다. AI 반도체 메모리 구조의 발전 과정을 함께 다룬 AI 시대 메모리 종류와 발전 과정 — HBM부터 CXL까지 완전 정리 글이나, 반도체 산업 전반의 흐름을 짚은 반도체 시장과 하이퍼스케일러의 관계 및 전망 글도 함께 참고하시면 이번 흐름을 더 입체적으로 이해하는 데 도움이 되실 겁니다.
HBF를 둘러싼 표준화 흐름, 오늘 정리해드린 내용이 다음 투자 판단에 참고가 되셨다면 좋겠습니다. 에이펙스 트렌드 에셋(Apex Trend Asset)이 다음에도 실무에 필요한 인사이트로 찾아뵙겠습니다.
Q1. HBF는 HBM을 완전히 대체하게 되나요?
완전한 대체가 아니라 역할 분리에 가깝습니다. HBM은 실시간 연산용 캐시를, HBF는 대용량 모델 가중치 저장을 맡는 보완적 구조로 제안되고 있습니다.
Q2. HBF는 왜 HBM보다 용량이 훨씬 큰가요?
D램이 아닌 낸드플래시를 기반으로 하기 때문입니다. 낸드플래시는 원래 대용량 저장에 강점이 있어 같은 면적에서 훨씬 많은 데이터를 담을 수 있습니다.
Q3. HBF는 언제쯤 실제로 상용화되나요?
2026년 고객 샘플링을 목표로 로드맵이 제시되어 있으며, 첫 표준 규격은 2026년 8월 공개됐습니다. 본격적인 양산까지는 추가 검증 기간이 필요합니다.
Q4. HBF는 어떤 기업들이 주도하고 있나요?
낸드플래시 기업인 샌디스크가 기술을 개발했고, SK하이닉스와 공동으로 표준화를 추진하며 AI 메모리 생태계 확대를 이끌고 있습니다.
Q5. HBF가 AI 서비스 비용에 실제로 어떤 영향을 주나요?
대형 모델의 가중치를 더 저렴한 비용으로 저장할 수 있게 되면, GPU 추가 없이도 큰 모델을 구동할 수 있어 서비스 운영 비용 절감에 기여할 수 있습니다.