분석: AI 데이터 증가 속도가 연산 능력 계획을 초과하면서, 저장이 AI 인프라의 새로운 병목 현상이 되고 있다.

BlockBeats 뉴스, 8월 15일, 웨스턴 디지털(Western Digital)의 최신 분석에 따르면, 인공지능 애플리케이션 규모가 빠르게 확대됨에 따라 AI 데이터센터 구축은 단순한 GPU 연산력 경쟁에서 데이터 저장 용량 경쟁으로 전환되고 있으며, 스토리지 계획은 AI 인프라의 핵심 요소가 되고 있다.

기사는 IDC 예측을 인용하여, 2030년까지 전 세계 연간 신규 데이터량이 718ZB에 도달할 것이라고 밝혔다. AI 시스템이 생성하는 데이터는 연산 작업이 종료되더라도 사라지지 않으며, 학습 데이터, 모델 체크포인트, 임베딩 벡터, 추론 로그, 프롬프트, 출력 결과 및 평가 데이터가 지속적으로 축적된다.

웨스턴 디지털은 현재 많은 AI 인프라 계획이 GPU 사용률에 과도하게 집중하면서 AI 수명주기에서의 데이터 축적을 간과하고 있다고 밝혔다. 학습 및 추론 과정에서 생성된 데이터는 모델 반복, 품질 평가 및 규정 준수 감사에 중요한 자산이 되며, 스토리지 비용은 AI 시스템의 장기 운영 효율성에 직접적인 영향을 미칠 것이다.

데이터 규모가 PB 또는 EB 수준에 진입함에 따라 단일 스토리지 아키텍처로는 수요를 충족하기 어렵다. 기업은 계층형 스토리지 전략을 채택하여 고성능 플래시 메모리를 학습 및 실시간 추론에 사용하고, 고용량 HDD와 객체 스토리지를 장기 데이터 보존, 히스토리 기록 및 저빈도 접근 시나리오에 사용해야 한다.

분석에 따르면, 향후 AI 인프라 경쟁의 핵심 지표는 GPU 수량뿐만 아니라 PB당 데이터 저장 비용, 에너지 소비, 복구 효율성 및 데이터 수명주기 관리 능력이 될 것이다. 기업이 여전히 스토리지를 연산 이후의 부수적 요소로 간주한다면, 데이터 비용 통제 실패, 모델 반복 효율성 저하 등의 문제에 직면할 수 있다.