삼성전자 BM1773: AI 데이터센터를 위한 초고밀도 스토리지 솔루션

최근 AI 산업은 단순한 질의응답의 수준을 넘어, 다중 AI 에이전트가 유기적으로 상호작용하며 복잡한 맥락을 유지하고 단계적인 결과물을 생성하는 ‘에이전틱 AI(Agentic AI)’ 환경으로 빠르게 진화하고 있습니다. 이 과정에서 AI가 참조해야 할 방대한 컨텍스트를 효율적으로 저장하고 관리하기 위한 대용량 스토리지 수요가 증가하고 있으며, 이는 데이터센터 인프라의 근본적인 구조적 변화를 요구하고 있습니다.

AI 워크로드의 진화하는 요구사항

대형 언어 모델(LLM)의 파라미터 규모가 확장되고 추론 서비스가 더욱 복잡해지면서, 처리해야 할 데이터의 양은 기하급수적으로 늘어나고 있습니다. 또한 검색 증강 생성(RAG)과 같은 고도화된 서비스의 도입은 AI의 답변 정확도를 획기적으로 향상시켰으나, 동시에 실시간으로 방대한 외부 데이터를 검색하고 참조해야 하는 데이터 처리 부담을 가중시키고 있습니다.

이로 인해 저지연, 고빈도의 랜덤 액세스라는 까다로운 I/O 요구사항이 발생하고 있지만, 이를 수용해야 할 데이터센터의 물리적 공간과 전력 자원은 한정적입니다. 이에 따라 고객들은 제한된 서버 슬롯 내에서 최대한의 용량을 확보하면서도 성능 저하가 없는 초고밀도, 고성능, 고신뢰성 SSD를 필요로 하고 있으며, 하드웨어 수준의 철저한 보호를 보장하는 보안 아키텍처의 확보 또한 필수적인 상황입니다.

BM1773의 주요 특징

삼성전자의 BM1773은 세계 최초로 E3.S 폼팩터에서 최대 245.76TB의 스토리지 용량을 구현하여 서버 내부의 공간 활용 효율을 극대화한 제품입니다. 기존에는 수많은 저용량 SSD나 HDD를 병렬로 장착해야 구현할 수 있었던 용량을 단일 또는 소수의 드라이브만으로 확보함으로써, 서버 내부의 물리적 복잡도를 획기적으로 줄이고 케이블링 및 전원 연결 구조를 단순화하여 인프라 관리 효율을 높였습니다.

특히 BM1773은 기존 HDD 기반 오브젝트 스토리지의 병목 현상을 해소하는 고성능, 초고용량 캐시 계층의 역할을 수행하여 AI 워크로드의 핵심인 거대 멀티모달 데이터에 신속하게 접근할 수 있도록 합니다. 이를 통해 HDD의 대용량 특성과 SSD의 고속 접근 성능을 동시에 구현하며 오브젝트 데이터 캐싱 영역에서 탁월한 효율성을 입증할 것입니다.

이러한 대용량·고속 스토리지 특성은 LLM 추론 과정에서 생성되는 Long-lived Cold KV 캐시 데이터를 효율적으로 수용하고 필요한 데이터에 신속하게 접근할 수 있도록 지원해, AI 워크로드 확장에 대응하는 초고용량 스토리지 환경 구축에 기여합니다.

기술적 세부 사양을 살펴보면 삼성전자의 BM1773은 9세대 고밀도 낸드 플래시(V9Q 2Tb)와 최신 고성능 컨트롤러를 탑재하여 데이터 집약적인 워크로드에서도 최적의 성능을 발휘합니다.

• 순차 쓰기 성능: 최대 4.5GB/s의 순차 쓰기 성능을 통해 대규모 컨텍스트 데이터를 빠르게 저장하며, GPU 메모리 공간을 신속하게 확보함으로써 전체적인 AI 응답 속도를 향상시킵니다.


• 랜덤 쓰기 성능: 최대 50K IOPS의 랜덤 쓰기 성능을 제공하여, 여러 사용자가 동시에 요청을 보내는 멀티 테넌트 환경에서도 각기 다른 대용량 데이터를 빈번하게 업데이트하고 교체할 때 발생하는 시스템 병목 현상을 최소화합니다.


• 인터페이스 및 아키텍처: 16채널 PCIe 5.0 아키텍처를 적용하여 데이터 접근 속도를 극대화함으로써 AI 애플리케이션의 가속화와 전반적인 시스템 효율성 향상을 지원합니다.


• 보안 등급: 상업용 국가 안보 알고리즘(CNSA 2.0)을 지원하며, 상위 보안 요구사항을 충족하기 위하여 공인된 안전성 인증인 FIPS Sub-chip 인증을 진행 중입니다.

대규모 시스템 환경에서의 신뢰성

삼성전자의 BM1773은 고밀도 QLC SSD의 취약점으로 지적되던 내구성 문제를 획기적으로 개선하여, 0.6 DWPD(Drive Writes Per Day)의 내구성 등급을 지원합니다. 이는 전 세대 QLC 제품 대비 TBW(Total Bytes Written)가 2배 증가한 수치로, 대용량 데이터가 지속적으로 생성되는 AI 및 엔터프라이즈 스토리지 환경에서 일관된 데이터 신뢰성과 장기적인 운영 안정성을 보장합니다.

또한 Die Failure Recovery 기술을 적용하여 단일 Die 장애 발생 시 SSD 전체가 읽기 전용 모드로 전환되던 기존의 리스크를 해결하고, 장애 발생 시에도 정상 동작을 유지하여 서비스 중단 위험을 낮추고 가용성을 극대화했습니다.

BM1773이 제시하는 QLC SSD의 새로운 기준

고용량 저장장치인 QLC SSD는 용량은 크지만 속도와 내구성이 낮다는 기술적 편견이 존재했으나, 삼성전자의 BM1773은 이러한 전통적인 한계를 극복하며 용량과 성능이라는 두 가지 핵심 가치를 동시에 달성하였습니다.

향후 LLM의 지속적인 거대화와 RAG 기술의 보편화로 인해 데이터 처리 규모는 더욱 확대될 것입니다. 이에 따라 고용량 QLC SSD는 방대한 벡터 데이터베이스를 신속하게 처리하는 동시에, TLC 계층의 용량 한계를 보완하여 대규모 컨텍스트를 효율적으로 수용하는 핵심 역할을 수행하게 됩니다. 결과적으로 고용량 QLC SSD는 단순한 저장소의 역할을 넘어 AI 서버의 표준 구성 요소이자 지능형 메모리 계층으로 진화할 전망이며, 삼성전자의 BM1773은 이러한 변화를 선도하는 핵심 솔루션이 될 것입니다.