삼성 PM1763 PCIe 6.0 엔터프라이즈 SSD: AI 인프라의 두 번째 병목을 여는 세대

발행일: 2026년 7월 8일 | Category: Technology | Primary keyword: 삼성 PM1763 PCIe 6.0 SSD

Introduction: 왜 SSD 하나에 AI 인프라의 미래가 걸려 있는가

2026년의 AI 인프라 이야기는 대부분 GPU와 HBM에서 시작되고 끝납니다. 엔비디아 GB300 NVL72, Rubin, Rubin Ultra, 그 뒤를 잇는 Feynman까지 GPU 로드맵이 헤드라인을 독점하고, HBM4와 HBM4E 이야기가 그 뒤를 잇습니다. 그러나 대형 언어모델과 추론 워크로드가 실제 데이터센터에서 돌아가는 순간, 훈련된 파라미터와 KV 캐시, 임베딩 테이블, 체크포인트, 로그, 사용자 요청 히스토리 같은 데이터는 결국 어딘가에 저장돼야 하고, GPU가 그 데이터를 굶주리지 않게 빠르게 공급해야 합니다. 이 지점에서 등장하는 것이 삼성 PM1763입니다.

PM1763은 삼성전자가 준비 중인 세계 최초 PCIe 6.0 엔터프라이즈 SSD입니다. 삼성이 지난 몇 년 동안 여러 차례 예고해 왔던 라인업의 정점이며, 사실상 PCIe 5.0 시대의 왕좌였던 PM1743·PM1753의 다음 세대 후계자입니다. 규격상 순차 읽기 대역폭은 약 28GB/s를 목표로 하며, 이는 PCIe 5.0 최상급 SSD의 약 두 배에 해당합니다. 랜덤 읽기 IOPS도 400만을 넘어 500만 근처를 보게 될 것으로 예상됩니다. 단순히 “더 빠른 SSD”라는 표현으로는 사건의 크기를 다 담지 못합니다. PCIe 6.0 시대의 개막이라는 사건은, 데이터센터의 스토리지 계층 전체를 다시 짜야 한다는 뜻이기 때문입니다.

이 글은 PM1763을 세 개의 렌즈로 봅니다. 첫째, 이 SSD가 어떤 물건이며 왜 지금 나오는가 하는 산업적 렌즈. 둘째, PCIe 6.0을 실제로 만드는 데 어떤 기술 병목이 있고, 왜 이 병목이 반도체 기업 사이의 격차를 벌리는가 하는 엔지니어링 렌즈. 셋째, 엔비디아 GPU 로드맵과 구글 TPU 로드맵이 이 SSD의 수요 곡선을 어떻게 결정하는가 하는 AI 인프라 렌즈입니다. 마지막으로 투자자와 실무자가 놓치기 쉬운 “두 번째 이야기”, 즉 KV 캐시 오프로드, GPU Direct Storage, 데이터 자산 실물화라는 흐름을 별도로 다루겠습니다.

Why it matters: SSD가 아니라 “AI 파이프라인의 파이프”가 굵어지는 사건

왜 PM1763이 그저 카탈로그 업데이트가 아닌지 이해하려면 AI 인프라의 병목이 어디로 이동해 왔는지를 봐야 합니다. 2022~2023년의 병목은 GPU 그 자체였습니다. H100이 없어서 학습이 지연됐고, 스타트업은 클라우드 GPU 크레딧을 얻기 위해 줄을 섰습니다. 2024~2025년의 병목은 HBM으로 이동했습니다. 아무리 GPU를 찍어도 HBM3E가 부족하면 완제품 GB200을 출하할 수 없었기 때문입니다. 2026년의 병목은 두 방향으로 갈라집니다. 하나는 여전히 HBM4·HBM4E이며 다른 하나는 스토리지와 네트워크 대역폭입니다. 특히 대형 모델의 파라미터가 조 단위로 증가하고, 강화학습 후처리 단계에서 롤아웃 데이터가 폭증하면서, HBM과 GPU 사이의 채널만큼이나 GPU와 스토리지 사이의 채널이 병목이 되기 시작했습니다.

여기서 PCIe 6.0의 의미가 살아납니다. PCIe 5.0 x4 SSD의 순차 대역폭은 이론상 약 16GB/s, 실측 약 14GB/s입니다. PCIe 6.0 x4는 이론 32GB/s, 실측 28GB/s 근처입니다. 한 대의 서버에 24~32개의 E3.S SSD를 붙이면 총 순차 대역폭이 700GB/s를 넘어가는 시대가 열립니다. 이 대역폭은 100Gbps NIC 여러 장이나 400G/800G 스위치 포트와 짝을 이룰 때 비로소 의미가 있습니다. 스토리지가 갑자기 빨라지는 게 아니라, 스토리지·NIC·GPU가 같은 세대에서 균형을 맞춰 커진다는 뜻입니다. AI 인프라를 파이프에 비유하면, PM1763은 파이프의 지름을 두 배로 키우는 결정적 부품입니다.

PM1763 스펙과 포지셔닝: 무엇이 새로운가

공개된 정보와 삼성의 로드맵을 종합하면 PM1763의 핵심 특성은 다음과 같이 정리됩니다.

단순히 대역폭 배수만 보지 말고, 랜덤 IOPS와 폼팩터, 용량 라인업을 함께 보아야 합니다. E3.S 폼팩터는 서버 프론트 베이 밀도를 극적으로 높입니다. 1U 서버에 스토리지 슬롯을 16개까지 채울 수 있고, 2U라면 32개가 가능합니다. 30TB급 SSD를 32개 붙이면 서버 한 대에 페타바이트급 용량이 들어오는 시대입니다. 여기에 PCIe 6.0의 채널당 대역폭이 두 배가 되면, 대형 데이터셋을 GPU가 직접 스트리밍해서 학습하는 것이 실질적으로 가능해집니다.

PCIe 6.0을 만드는 진짜 병목: 대역폭이 아니라 신호와 열

많은 기사는 PCIe 6.0을 “대역폭 두 배”라는 한 줄로 요약합니다. 그러나 엔지니어링 관점에서는 훨씬 복잡한 이야기입니다. PCIe 6.0의 실제 개발 병목은 최소 네 가지로 구분됩니다.

1. PAM4 신호 무결성: NRZ에서 PAM4로의 근본적 전환

PCIe 5.0까지는 한 심볼당 1비트를 전송하는 NRZ 방식이었습니다. PCIe 6.0은 한 심볼당 2비트를 전송하는 PAM4로 바뀝니다. 이더넷 400G/800G가 겪었던 과정과 비슷합니다. PAM4는 전송 속도를 두 배로 늘리지만 대신 오류율이 급증하고, 신호 대 잡음비 여유가 극도로 좁아집니다. 컨트롤러 IC, 리타이머, 커넥터, PCB 재질까지 모든 신호 경로를 재설계해야 합니다. 삼성은 PCIe 6.0 컨트롤러를 자체 설계해 신호 처리와 FEC(Forward Error Correction)를 함께 내장하는 방향을 잡고 있습니다.

2. FLIT 인코딩과 FEC: 지연시간의 재정의

PCIe 6.0은 기존의 패킷 기반이 아닌 고정 크기 FLIT(Flow Control Unit) 방식을 사용하고, FEC를 상시 적용합니다. FEC 덕분에 신호 오류를 복구할 수 있지만, 그 대가로 지연시간이 늘어날 수 있습니다. AI 워크로드는 이 지연에 매우 민감하기 때문에, 컨트롤러가 FEC 지연을 최소화하고 링크 협상 알고리즘을 최적화해야 합니다. 이 부분은 컨트롤러 IP를 오랫동안 축적한 회사가 유리한 영역이며, 삼성과 마벨, 파이슨 같은 소수 업체만이 실전 준비를 갖췄습니다.

3. 컨트롤러 ASIC의 소비전력과 열

PCIe 5.0 엔터프라이즈 SSD의 소비전력은 대체로 20~25W였습니다. PCIe 6.0에서는 컨트롤러 자체의 처리 부하가 늘고, 신호 처리에 필요한 SerDes 전력이 커지면서 30W를 넘어설 위험이 있습니다. E3.S 폼팩터의 방열 능력은 유한하기 때문에, 소비전력을 25W 근처로 억제하는 것이 실질 상용화의 관문입니다. 삼성이 자체 컨트롤러를 사용하는 이유가 여기서 드러납니다. 외주 컨트롤러에 의존하면 열 마진을 조정하기 어렵기 때문입니다.

4. NAND 병렬성: 대역폭을 채우려면 다이가 많아야 한다

SSD가 28GB/s를 실제로 뽑아내려면 컨트롤러가 충분한 수의 NAND 다이를 동시에 액세스할 수 있어야 합니다. NAND 채널당 인터페이스 속도가 부족하면, 컨트롤러 성능이 아무리 뛰어나도 대역폭을 채우지 못합니다. 삼성은 V8·V9 세대에서 다이당 인터페이스 속도를 3,600~4,800MT/s 수준으로 끌어올리고 있습니다. 이 부분에서 SK하이닉스(솔리다임 포함)와 키옥시아(WD/샌디스크)도 각각 개선하고 있지만, 다이당 밀도와 인터페이스 속도를 동시에 확보한 회사는 현시점에서 삼성이 가장 앞선 상태입니다.

누가 이 SSD를 필요로 하는가: AI 인프라의 실제 고객

PM1763의 잠재 고객은 크게 네 부류로 나눌 수 있습니다.

1. 하이퍼스케일 클라우드와 AI 팩토리

마이크로소프트, 구글, 아마존, 메타는 GB300 NVL72 랙과 이후의 Rubin 랙을 대규모로 배치하고 있습니다. 랙당 GPU 수십 대가 훈련·추론에 참여하는 구조에서, 각 GPU가 자신에게 배정된 데이터 샤드를 스토리지에서 스트리밍합니다. 여기서 필요한 것은 두 가지입니다. 첫째, 초당 수백 GB의 순차 대역폭, 둘째, 수백만 IOPS 급의 랜덤 성능. PM1763은 두 조건을 동시에 만족합니다.

특히 오픈AI가 클라우드사에 요구하는 인프라 규격, 그리고 xAI가 멤피스에 짓고 있는 Colossus 확장 팜은 스토리지 티어에서 PCIe 6.0을 요구하는 수준까지 성장했습니다. NIC이 400G에서 800G로 넘어가는 시점에 스토리지가 PCIe 5.0에 머물면 서버 내부에서 병목이 생깁니다.

2. 엔비디아 DGX·GB300·Rubin 시리즈 참여 서버

엔비디아의 GB300 NVL72는 시스템 설계 시점부터 PCIe Gen6 스위치와 스토리지를 염두에 둔 것으로 알려져 있습니다. 다음 세대인 Rubin과 Rubin Ultra는 CX-8 NIC과 NVLink 6를 채택하며, 스토리지 계층도 PCIe 6.0을 기본 가정으로 갑니다. 엔비디아의 GPU Direct Storage 기술은 GPU가 CPU를 거치지 않고 NVMe SSD에서 직접 데이터를 읽는 구조로, PCIe 6.0의 대역폭을 그대로 활용합니다. PM1763은 이 조합에 딱 들어맞습니다.

3. 구글 TPU 파드와 v7 Ironwood 이후 세대

구글의 TPU v7 Ironwood는 파드당 수천 개의 칩을 옵티컬 서킷 스위치로 연결합니다. TPU는 GPU와 다르게 자체 아키텍처를 갖고 있지만, 스토리지 계층은 결국 표준 서버 하드웨어와 CXL/PCIe를 사용합니다. 학습 데이터셋과 파라미터 체크포인트가 페타바이트에서 엑사바이트로 커지면, 파드 스케일의 데이터 로딩·저장이 필수 병목이 됩니다. 이 병목을 PCIe 6.0 스토리지 계층이 완화합니다. 구글은 자체 실리콘 로드맵에서 스토리지 대역폭을 명시적 요구 조건으로 두는 것으로 알려져 있으며, 삼성 PM1763급 SSD는 그 요구를 처음으로 충족하는 상용 제품입니다.

4. 통신사, 금융, 국방, HPC

초저지연 트레이딩, 5G/6G 코어 네트워크, 위성 데이터 분석, 유전체 분석 같은 워크로드도 PCIe 6.0 대역폭의 잠재 고객입니다. 다만 이 시장은 하이퍼스케일러보다 규모가 작습니다. 단기적으로 PM1763 매출의 대부분은 클라우드와 AI 팩토리에서 나올 것입니다.

경쟁 구도: 삼성이 앞서 있는가, 그리고 얼마나 앞서 있는가

PCIe 6.0 SSD 경쟁의 주요 플레이어는 삼성, 키옥시아(WD/샌디스크 파트너), SK하이닉스·솔리다임, 마이크론, 그리고 컨트롤러 진영의 파이슨과 마벨입니다.

단순 발표 기준으로 보면 삼성만이 앞서는 것은 아닙니다. 키옥시아 CM9, 마이크론 9650, SK하이닉스 계열 모두 PCIe 6.0 데모를 마쳤습니다. 그러나 차이는 “양산·볼륨·엔드 투 엔드 통합”에 있습니다. 삼성은 자체 컨트롤러, 자체 NAND, 자체 펌웨어, 자체 파운드리에서 컨트롤러 다이를 뽑는 통합 능력을 갖고 있고, 이는 대량 공급 시점의 수율과 열 마진에서 결정적 차이를 만듭니다. 반면 키옥시아는 재무 구조 재편과 상장 이슈로 대규모 R&D 사이클이 상대적으로 느립니다. 샌디스크는 WD 스토리지 분사 이후 소비자 SSD 이미지가 강해, 엔터프라이즈 계약에서 삼성만큼 존재감이 크지 않다는 평가가 지배적입니다. 마이크론은 HBM3E·HBM4에서 존재감을 키우는 대신 엔터프라이즈 SSD 볼륨 확보에 상대적으로 힘이 분산됩니다.

결론적으로 삼성은 “첫 번째 발표자”라기보다 “첫 번째 양산자” 자리를 겨냥합니다. AI 인프라 구매자들이 요구하는 것은 데모 슬라이드가 아니라 6개월 안에 배송 가능한 30TB 드라이브 수만 개이기 때문에, 이 자리를 선점하는 회사가 향후 2~3년의 세대 표준을 쥐게 됩니다.

PM1763이 여는 새로운 이야기: KV 캐시 오프로드와 GPU Direct Storage

PM1763을 단순히 “더 빠른 SSD”로 보면 이야기의 반만 이해하는 것입니다. 이 SSD는 대형 언어모델과 멀티모달 모델의 아키텍처 자체를 바꾸는 촉매가 될 잠재력이 있습니다. 두 가지 흐름이 특히 중요합니다.

첫째, KV 캐시 오프로드입니다. LLM 추론에서 트랜스포머 블록은 이전 토큰의 키·밸류 벡터를 캐시에 저장합니다. 문맥 길이가 길어질수록 캐시가 커지고, HBM만으로는 감당하기 어려워집니다. PCIe 6.0 SSD의 낮은 지연과 높은 대역폭은 KV 캐시를 SSD 계층으로 오프로드하고, 필요한 부분을 실시간으로 GPU에 다시 스트리밍하는 것을 가능하게 만듭니다. 이 방식이 안정화되면 동일한 GPU 자원으로 훨씬 긴 문맥과 훨씬 많은 동시 사용자를 처리할 수 있습니다.

둘째, GPU Direct Storage(GDS)의 대중화입니다. 엔비디아는 오래전부터 GDS를 밀어왔지만, 실질적 이득은 PCIe 세대와 SSD의 대역폭이 GPU 요구를 감당할 때 극대화됩니다. PM1763은 GDS의 이론적 이점을 처음으로 “실전에서 체감 가능한 이득”으로 바꾸는 첫 세대가 될 가능성이 높습니다. 이는 데이터셋을 사전 로딩해서 램에 올려두는 전통적 파이프라인을 대체하고, 학습·미세조정 워크플로우의 반복 시간을 단축합니다.

미래 로드맵: 엔비디아와 구글이 요구하는 다음 층

엔비디아의 로드맵을 시간축에 놓으면, 2025년 GB300, 2026년 Rubin, 2027년 Rubin Ultra, 2028~2029년 Feynman으로 이어집니다. 각 세대는 HBM 세대(3E → 4 → 4E → 5)와 함께 이동하며, NVLink 스케일 아웃과 스위치 세대도 동반 진화합니다. 스토리지 계층은 이 로드맵에서 종속적이면서도 필수적입니다. GPU가 두 배 빨라져도 데이터가 세 배 늦게 도착하면 학습 시간은 GPU 자원 낭비로 이어집니다. PM1763이 여는 세대는 이 낭비를 줄이는 데 결정적 역할을 합니다.

구글은 TPU v7 Ironwood 이후에도 자체 실리콘 세대를 계속 늘릴 것이며, 옵티컬 인터커넥트와 하이 라딕스 네트워크로 스케일을 키웁니다. 오픈AI와 협력하는 인프라 로드맵도 스토리지 계층에서 PCIe 6.0을 가정하고 있습니다. 아마존은 자체 트레이니엄·인퍼렌시아 로드맵을 이어가며, 인프라 계층은 표준 PCIe에 의존합니다. 이 모든 로드맵이 공통적으로 요구하는 부품이 바로 PM1763급 PCIe 6.0 엔터프라이즈 SSD입니다.

투자자에게 주는 함의: 삼성 반도체의 두 번째 마진 축

삼성전자의 마진 이야기는 지난 3년 동안 HBM으로 요약됐습니다. HBM3에서 뒤처졌다는 평가가 주가에 부담을 줬고, HBM3E에서 회복 신호가 나왔으며, HBM4에서는 SK하이닉스와 경쟁을 재개하는 국면입니다. 그러나 삼성의 반도체 부문 마진에는 두 번째 축이 있습니다. 엔터프라이즈 SSD입니다. PM1743·PM1753 세대에서 삼성은 클라우드 벤더와 대형 계약을 다수 확보했고, PM1763 세대에서는 그 우위를 유지·확대할 가능성이 높습니다.

엔터프라이즈 SSD는 소비자 SSD와 달리 가격 변동성이 크지만 구매 사이클이 길고, 교체 주기가 안정적입니다. 즉 한번 스펙 우위를 잡으면 향후 2~3년의 매출 가시성이 확보됩니다. 특히 30TB, 61TB급 SSD는 단가가 매우 높기 때문에 마진 기여도가 큽니다. AI 훈련 인프라가 커질수록 서버당 스토리지 지출도 함께 커집니다. HBM이 GPU와 함께 팔리는 것처럼, 엔터프라이즈 SSD도 GPU 서버와 함께 팔리는 구조가 굳어졌습니다.

동시에 리스크도 명확합니다. 첫째, 클라우드 벤더의 커스텀 SSD 확대. 마이크로소프트와 메타는 자체 컨트롤러 기반 SSD를 확대하고 있으며, 삼성은 여기에 NAND만 공급하는 구도가 될 수도 있습니다. 둘째, 컨트롤러 IP 리스크. 파이슨과 마벨이 서드파티 SSD 벤더에 PCIe 6.0 컨트롤러를 공급하면서, 삼성이 완제품 시장에서 경쟁 강도를 높게 유지해야 하는 상황이 옵니다. 셋째, 지정학 리스크. 미·중 반도체 수출 통제가 강화되면 중국향 매출이 제한될 수 있습니다. 이 세 리스크는 단기가 아니라 2027~2028년의 마진 프로파일에 영향을 줍니다.

실무자에게 주는 체크리스트

• 서버 아키텍트: PCIe 6.0 스위치와 리타이머, 방열 설계를 새로 검토할 것. 특히 E3.S 밀도에서 냉각 여유가 있는지 확인.
• 플랫폼 엔지니어: NVMe 2.0, ZNS, SR-IOV 옵션이 애플리케이션에 어떻게 매핑되는지 사전 검증.
• AI 인프라 팀: GPU Direct Storage 사용을 전제로 데이터셋 포맷을 재설계. 대형 checkpoint를 로컬 SSD로 분산하는 전략 수립.
• 구매·재무: 30TB 이상 대용량 SSD의 리스 대 구매, 유지 보수 계약을 재검토. 향후 3년치 물량 확보 전략 필요.
• 보안·컴플라이언스: TCG Opal, FIPS 140-3, 국가별 데이터 주권 규정과의 정합성 사전 확인.

Conclusion: 스토리지가 무대 뒤에서 무대 위로 올라오는 세대

지난 10년간 데이터센터의 스타는 CPU, GPU, HBM이었습니다. SSD는 성능이 조용히 개선되는 부품이었고, 뉴스가 될 일이 잦지 않았습니다. 그러나 PM1763은 그 관례를 깹니다. AI 워크로드가 데이터 파이프라인 전체의 대역폭을 요구하기 시작하면서, 스토리지는 무대 뒤편에서 무대 위로 올라옵니다. GPU와 HBM이 아무리 빨라져도, 데이터를 GPU까지 나르는 파이프가 그 속도를 따라가지 못하면 훈련은 지연되고, 추론은 대기열이 쌓입니다. PM1763은 이 파이프를 두 배로 굵게 만드는 첫 세대 제품입니다.

삼성이 이 세대에서 우위를 얼마나 지킬 것인가는 두 요소로 결정됩니다. 첫째, 양산 수율과 방열 설계에서 컨트롤러·NAND·펌웨어의 통합 능력을 얼마나 유지하느냐. 둘째, 클라우드 벤더의 커스텀 SSD 흐름 속에서 자사 브랜드 완제품 매출 비중을 지키느냐. 두 요소가 유지된다면 PM1763은 삼성의 반도체 마진 프로파일에서 HBM에 이어 두 번째 축을 담당하는 라인업이 될 것이며, 투자자에게는 AI 인프라 수요의 또 다른 순수 노출 채널이 됩니다.

독자 여러분이 앞으로 뉴스에서 “SSD 발표”라는 문구를 볼 때, 이 제품이 어떤 인터페이스를 쓰고, 어떤 컨트롤러를 갖고, 어떤 NAND 세대에 기반하는지 한 층 더 들여다보시길 권합니다. 그 한 층의 이해가 AI 인프라 투자와 실무 결정을 훨씬 정확하게 만듭니다.

Related Topics

• HBM4·HBM4E 세대에서의 삼성·SK하이닉스·마이크론 경쟁 구도
• 엔비디아 GB300 NVL72와 Rubin 세대의 시스템 아키텍처 변화
• Google TPU v7 Ironwood와 옵티컬 서킷 스위치의 데이터 파이프라인
• CXL 3.1 메모리 풀링과 GPU Direct Storage의 결합 시나리오
• 엔터프라이즈 SSD 시장의 커스텀 컨트롤러 확산과 하이퍼스케일러 자체 SSD 흐름