삼성, 세계 최초 900단 V낸드 시제품 공개… AI 저장장치 패권전쟁의 서막

이를 현실로 만들기 위해 삼성은 세 가지 큰 공학적 난제를 해결했습니다.

• 웨이퍼 휨(Warpage): 층이 많아질수록 기계적 스트레스로 웨이퍼가 휘어 정밀 접합이 불가능해집니다. 삼성은 접합 과정에서 각각의 450단 웨이퍼를 완벽하게 평평하게 유지하는 최신 상부 척(Upper-Chuck) 설계를 도입했습니다 .
• 접합 오차: 두 웨이퍼 사이에 마이크로미터 단위의 어긋남만 생겨도 칩 전체가 불량이 됩니다. 삼성은 독자적인 '신규 오버레이 보정' 기술로 접합 시 발생하는 미세 정렬 오차를 극복했습니다 .
• 작동 검증: 시제품은 작동해야 의미가 있습니다. 삼성은 통합된 900단 시스템에서 셀이 정상적으로 작동하는 특성을 확인했습니다. 이는 단순한 이론적 적층 실험을 넘어 상용 제품으로 연결될 수 있는 기술임을 입증한 것입니다 .

이 밖에도 삼성은 전력 소비를 낮추고 칩 크기를 줄이기 위한 새로운 비트라인(BL)과 워드라인(WL) 구조를 도입했으며, 수율 향상을 위한 레이저 기반 웨이퍼 절단 기술도 함께 연구하고 있는 것으로 알려졌습니다 .

안심할 수 없는 낸드 왕좌

삼성의 900단 시제품이 장기 연구개발 리더십을 보여주는 강력한 신호탄임은 분명하지만, 당장의 양산 시장에서 삼성의 위치는 결코 안전하지 않습니다. 낸드 시장은 D램보다 훨씬 파편화되어 있고 경쟁이 치열하며, 삼성은 여러 방향에서 동시에 압박을 받고 있습니다 .

SK하이닉스가 양산에서 먼저 앞서 나갔습니다. 2025년 8월, SK하이닉스는 세계 최초로 321단 4D 낸드 칩 양산을 시작하며 초고층 프리미엄 시장의 기선을 제압했습니다 . 반면, 삼성의 차세대 V9(286단) QLC 낸드 양산은 2026년 상반기로 연기되었다는 보도가 나오며 상용화 속도에 대한 의문이 제기되고 있습니다 .

중국과 신흥 경쟁자들의 추격도 매섭습니다. 중국의 YMTC는 2025년 초 294단 낸드 양산을 시작했고, 300단 이상 기술도 개발 중이어서 기술 격차를 빠르게 좁히고 있습니다 . 일본 키옥시아(Kioxia)와 미국 샌디스크(SanDisk, 구 웨스턴디지털) 같은 경쟁자들은 삼성과 SK하이닉스가 AI 가속기용 HBM에 대규모 자본을 투입하는 틈을 타 낸드 시장 점유율을 늘리기 위해 공격적인 투자에 나서고 있습니다 .

가격과 공급 줄타기는 계속됩니다. 2025년 하반기 주요 낸드 업체들은 가격 인상을 위해 일제히 감산에 들어갔고, 삼성 또한 2026년 가격을 20~30% 인상하는 방안을 검토한 것으로 알려졌습니다 . 층수를 높이면 당연히 비트당 제조 비용은 낮아지지만, 경쟁자들이 공급을 늘리는 와중에 가격을 공격적으로 올리려는 시도는 매우 위험한 균형 잡기입니다 .

그럼에도 삼성의 재무 건전성은 탄탄합니다. 최근 보고된 분기에 삼성의 낸드 매출은 전년 동기 대비 두 배 이상 증가한 135억 1000만 달러를 기록하며, 매출 기준 시장 점유율을 28%에서 31.6% 로 끌어올렸습니다 . 하지만 이 선두를 유지하려면 끊임없는 기술 혁신과 완벽한 상업적 실행력이 뒷받침되어야 합니다.

단순한 '층수 싸움'이 아닌, AI 인프라의 사활 건 이유

더 많은 낸드 층을 쌓기 위한 경쟁은 단순한 반도체 업체 간 마케팅 싸움이 아닙니다. 이는 차세대 AI 인프라를 떠받칠 '기둥'을 세우는 작업입니다. AI 데이터센터의 폭발적인 성장은 더 조밀하고, 더 빠르며, 더 저렴한 저장장치에 대한 수요를 폭발시키고 있습니다.

1. 거대한 데이터셋을 위한 집적도 향상
   AI 훈련 클러스터는 방대한 데이터셋을 빠르고 반복적으로 접근하기 위해 로컬에 저장해야 합니다. 층수를 높이면 동일한 SSD 면적에 더 많은 용량을 담을 수 있어, 랙 공간 확보가 사활인 하이퍼스케일 데이터센터에 필수적입니다 . 이는 AI 데이터센터에서 실시간 데이터 접근이 필수적인 느린 HDD를 고용량 SSD로 교체하는 흐름을 더욱 가속화할 것입니다 .

2. 비트당 비용의 획기적 절감
   3D 낸드 적층의 세대 교체는 1비트의 데이터를 저장하는 비용을 직접적으로 낮춥니다. AI 워크로드가 페타바이트급의 텍스트, 이미지, 오디오, 비디오를 쏟아내는 상황에서, 비용 효율적인 저장장치는 AI 추론 및 훈련 규모를 경제적으로 확장하는 데 결정적입니다 . 업계는 2026년까지 2Tb QLC 칩 양산을 목표로 하고 있으며, 이는 데이터 집약적인 기업용 SSD의 비용을 더욱 낮출 이정표가 될 것입니다 .

3. 새로운 AI 메모리 아키텍처 실현
   더 중요하게, 낸드 플래시는 단순한 벌크 저장장치에서 AI 메모리 계층 구조 안에서 능동적인 부품으로 변신하고 있습니다. HBF(고대역 근접 메모리, High-Capacity Near-Memory) 와 같은 새로운 아키텍처는 고성능 HBM과 느린 SSD 벌크 저장장치 사이에 고대역 플래시 계층을 제공하여 '웜 데이터(Warm Data)'를 위한 HBM 용량을 효과적으로 보강하도록 설계되었습니다 . 마찬가지로 지능형 AI SSD는 GPU로 데이터를 보내기 전에 저장장치 드라이브 자체에서 직접 데이터 전처리(필터링, 재포맷 등)를 수행하여 GPU의 부담을 덜어주고 메모리 병목 현상을 완화합니다 . 이러한 아키텍처의 변화는 400단, 900단, 그리고 종국에는 1000단 이상의 낸드가 제공할 막대한 밀도와 낮은 비용 없이는 불가능합니다.

시장조사업체 카운터포인트의 연구 보고서는 1000단 3D 낸드로의 확장 과제를 이렇게 정리합니다. 공급업체들은 "AI 시대로 접어들며 증가하는 컴퓨팅 및 D램의 역량과 완벽하게 조화를 이루도록, 완벽한 성능을 갖춘 더 조밀하고 깨끗한 3D 낸드 아키텍처를 달성해야 한다"는 것입니다 . 삼성의 900단 시제품은 이 목표의 절반, 즉 '불가능할 정도로 조밀한 고성능 저장장치'가 손에 잡힐 듯 가까워졌음을 알리는 신호입니다.