SK하이닉스 곽노정 대표이사 사장은 4일 현존 HBM 최대 용량인 48GB(기가바이트)가 구현된 16단 HBM3E 개발을 세계 최초로 공식화했다. 이는 기존 12단을 넘어선 HBM3E 최고층 제품이다.

곽노정 SK하이닉스 대표이사가 4일 서울 강남구 코엑스에서 열린 SK AI 서밋 2024에 참석해 차세대 AI Memory의 새로운 여정을 주제로 발표하고 있다. 연합뉴스

HBM(High Bandwidth Memory)은 여러 개의 D램을 수직으로 연결해 기존 D램보다 데이터 처리 속도를 혁신적으로 끌어올린 고부가가치, 고성능 제품이다. HBM은 1세대(HBM)-2세대(HBM2)-3세대(HBM2E)-4세대(HBM3)-5세대(HBM3E) 순으로 개발 중이다. 기존 12단 HBM3E의 용량은 3GB D램 단품 칩 12개를 적층한 36GB였다.

곽 사장은 이날 서울 삼성동 코엑스에서 열린 ‘SK AI 서밋(Summit) 2024’에서 ‘차세대 AI 메모리의 새로운 여정, 하드웨어를 넘어 일상으로‘를 주제로 한 기조연설에서 이 계획을 공개했다.

곽 사장은 “고객과 파트너, 이해관계자들과 긴밀히 협력해 ‘풀스택 AI 메모리 프로바이더(Full Stack AI Memory Provider)’로 성장하겠다”는 미래 비전을 제시했다. 풀스택이란 D램과 낸드 전 영역에 AI 메모리 제품 라인업을 갖췄다는 의미다.

곽 사장은 “HBM4부터 16단 시장이 본격적으로 열릴 것으로 보이며 이에 대비해 당사는 기술 안정성을 확보하기 위해 48GB 16단 HBM3E를 개발 중이다. 내년 초 고객에게 샘플을 제공할 예정”이라고 설명했다.

그는 이어 “16단 HBM3E를 생산하기 위해 당사는 12단 제품에서 양산 경쟁력이 입증된 어드밴스드(Advanced) MR-MUF 공정을 활용할 계획이며, 백업 공정으로써 하이브리드 본딩(Hybrid bonding) 기술도 함께 개발하고 있다”고 말했다.

MR-MUF(Mass Reflow-Molded Under Fill)란 반도체 칩을 쌓아 올린 뒤 칩과 칩 사이 회로를 보호하기 위해 액체 형태의 보호재를 공간 사이에 주입하고 굳히는 공정이다. 칩을 하나씩 쌓을 때마다 필름형 소재를 깔아주는 방식 대비 공정이 효율적이고 열 방출에도 효과적이라는 평가를 받는다. SK하이닉스의 어드밴스드 MR-MUF는 기존 공정보다 칩을 쌓을 때 가해지는 압력을 줄이고 휨 현상 제어도 우수해 안정적인 HBM 양산성을 확보하는 데 핵심이 된다는 게 SK하이닉스 설명이다.

곽 사장은 “16단 HBM3E는 내부 분석 결과 12단 제품 대비 학습 분야에서 18%, 추론 분야에서는 32% 성능이 향상됐다. 향후 추론을 위한 AI 가속기 시장이 커질 것으로 예상되는 가운데 16단 HBM3E는 향후 당사의 AI 메모리 넘버 원 위상을 더욱 공고히 해줄 것으로 기대된다”고 강조했다.

곽 사장은 또 “당사는 저전력 고성능을 강점으로, 향후 PC와 데이터센터에 활용될 것으로 전망되는 LPCAMM2 모듈을 개발하고 있으며 1 cnm 기반 LPDDR5와 LPDDR6을 개발 중이다. 또 낸드에서는 PCIe 6세대 SSD와 고용량 QLC 기반 eSSD, UFS 5.0을 준비 중”이라고 언급했다.

LPCAMM2(Low Power Compression Attached Memory Module 2)는 LPDDR5X 기반의 모듈 설루션 제품으로 기존 DDR5 SODIMM 2개를 LPCAMM2 1개로 대체하는 성능 효과를 가지면서 공간 절약뿐만 아니라 저전력과 고성능 특성을 구현한다.

PCIe(Peripheral Component Interconnect express)는 디지털 기기 메인보드에서 사용하는 직렬 구조의 고속 입출력 인터페이스를 의미한다. QLC(Quadruple Level Cell)이란 낸드플래시 데이터 저장 방식 가운데 셀 하나에 1비트를 저장하는 SLC(Single Level Cell) ▷ 2비트를 저장하는 MLC(Multi Level Cell) ▷ 3비트를 저장하는 TLC(Triple Level Cell), 4비트를 저장하는 QLC로 구분된다. 동일한 셀을 가진 SLC 대비 QLC는 4배 더 많은 데이터를 저장할 수 있어 고용량을 구현하기 쉽고 생산원가 효율성도 높다.