AI 인프라를 이야기하면 GPU, HBM과 고속 SSD가 먼저 떠오릅니다.
그러나 학습 데이터, 원본 이미지·영상, 로그, 백업과 장기 보관 데이터까지 모두 플래시에만 저장하기에는 비용과 전력, 랙 공간 부담이 큽니다.
그래서 HDD는 AI 연산의 중심이 아니라 대용량 데이터 보관 계층으로 다시 의미가 커지고 있습니다.
2026년 HDD의 생존 포인트는 속도가 아니라 용량·밀도·전력·TB당 비용입니다.
Seagate는 Mozaic 4+ HAMR 플랫폼에서 최대 44TB 드라이브를 하이퍼스케일 고객에 양산하고 있고, WD는 40TB UltraSMR ePMR을 고객 인증 중이며 60TB ePMR·100TB+ HAMR 로드맵을 제시했습니다.
AI 데이터센터에서도 HDD는 데이터 레이크·백업·웜/콜드 데이터 계층에서 계속 역할을 가질 가능성이 큽니다.
AI 시대에도 데이터는 계속 쌓인다
AI는 모델 파라미터만 커지는 것이 아니라 학습 원본, 재학습 데이터, 사용자 로그, 이미지·영상, 백업과 아카이브도 함께 증가합니다.
GPU가 계산할 때 쓰는 핫 데이터는 고속 스토리지에 가까이 있어야 하지만 모든 데이터를 항상 최고 성능 계층에 둘 필요는 없습니다.
실제 데이터센터는 빠른 계층과 큰 계층을 나누는 티어링을 사용합니다.
학습 직전 데이터와 체크포인트는 NVMe SSD, 대규모 원본 데이터셋과 백업은 HDD, 장기 아카이브는 오브젝트나 테이프를 조합할 수 있습니다.
SSD와 HDD의 역할은 다르다
SSD는 낮은 지연시간과 높은 IOPS가 강점입니다. 작은 파일을 많이 읽고 쓰거나 GPU에 데이터를 빠르게 공급해야 하는 학습·추론 구간에는 NVMe SSD가 유리합니다.
HDD는 랜덤 I/O가 느리지만 대용량·TB당 비용·용량 밀도에서 강합니다.
자주 접근하지 않지만 버릴 수 없는 원본 데이터, 백업, 재학습 후보 데이터와 웜·콜드 데이터에는 현실적인 선택이 될 수 있습니다.
SSD: 학습 활성 데이터, 체크포인트, 벡터 DB, 낮은 지연이 필요한 서비스.
HDD: 대용량 원본 데이터, 데이터 레이크, 백업, 아카이브와 장기 보관.
40~44TB급 고용량 HDD 시대가 열리고 있다
HDD 기술은 멈추지 않았습니다. Seagate는 2026년 3월 Mozaic 4+ HAMR 플랫폼을 발표했고, 4TB+ per disk 면적 밀도를 통해 10디스크 구조에서 최대 44TB 용량을 제공한다고 밝혔습니다.
이 플랫폼은 두 하이퍼스케일 고객에 인증·양산 중입니다.
WD는 2026년 2월 40TB UltraSMR ePMR 드라이브가 고객 인증 중이며 하반기 양산을 계획한다고 밝혔습니다.
동시에 ePMR을 60TB까지, HAMR을 2029년 100TB 이상으로 확장하는 로드맵도 제시했습니다.
AI 데이터센터에서 HDD가 적합한 구간
HDD를 GPU 바로 옆의 초고속 작업 공간으로 보면 맞지 않습니다.
대신 대규모 데이터 레이크, 백업 저장소, 원본 미디어 보관, 재학습 후보 데이터와 웜/콜드 오브젝트 계층에서 강점이 있습니다.
AI 서비스가 커질수록 ‘지금 쓰는 데이터’뿐 아니라 나중에 다시 학습하거나 감사·분석을 위해 보관해야 할 데이터도 증가합니다. 이때 플래시와 HDD를 계층화해 비용을 관리하는 구조가 중요해집니다.
전력·랙 밀도와 운영 이슈도 중요하다
고용량 HDD는 같은 데이터를 더 적은 드라이브와 랙에 담을 수 있어 공간과 주변 전력·냉각 비용을 줄일 가능성이 있습니다. Seagate와 WD 모두 2026년 발표에서 AI 규모 데이터 증가와 전력·공간 효율을 핵심 가치로 강조하고 있습니다.
다만 대용량 HDD는 장애 시 리빌드 시간이 길어질 수 있습니다.
따라서 RAID만 볼 것이 아니라 erasure coding, 복제 정책, 핫스페어, 장애 교체 절차와 백업을 함께 설계해야 합니다.
드라이브당 용량이 커질수록 ‘한 개가 고장났을 때 복구해야 할 데이터 양’도 커집니다.
고용량 자체보다 복구 시간과 데이터 보호 정책이 운영 안정성에 더 중요할 수 있습니다.
HDD의 한계는 분명하다
작은 파일 랜덤 I/O, 낮은 지연시간, 실시간 학습 데이터 공급에는 HDD가 불리합니다.
기계식 구조의 탐색 지연을 피할 수 없기 때문입니다.
‘AI 데이터가 늘어난다 = HDD만 늘어난다’는 식으로 단순화하면 안 됩니다.
핫 데이터는 플래시가 더 적합하고, HDD 수요는 대용량 보관 계층이 실제로 얼마나 커지는지에 달려 있습니다.
결론: HDD는 사라지기보다 데이터센터형 기술로 더 좁아질 가능성이 크다
PC용 저장장치에서는 비중이 줄어도 AI·클라우드 데이터센터가 만드는 대규모 데이터는 계속 보관해야 합니다. 40~44TB급 고용량 드라이브와 향후 60TB·100TB+ 로드맵은 HDD가 용량·밀도·전력 효율 중심으로 계속 진화하고 있음을 보여줍니다.
관련 글: AI 데이터센터 스토리지는 왜 중요할까
FAQ
고성능 학습 구간에는 보통 SSD나 고속 공유 스토리지가 더 적합합니다.
HDD는 원본·백업·웜/콜드 데이터 계층에 더 잘 맞습니다.
Seagate는 HAMR 기반 최대 44TB Mozaic 4+를 양산 중이고, WD는 40TB UltraSMR ePMR을 고객 인증 중이라고 발표했습니다.
플래시 가격이 내려가도 대규모 데이터 보관에서는 TB당 비용, 용량 밀도와 전력 효율이 중요해 HDD가 일정 역할을 유지할 가능성이 있습니다.
'클라우드·데이터센터' 카테고리의 다른 글
| AI 인프라 밸류체인은 어떻게 연결될까? GPU·HBM·네트워크·전력·냉각 쉽게 보기 (0) | 2026.08.30 |
|---|---|
| Digital Realty는 AI 데이터센터 수요를 얼마나 흡수할 수 있을까 (0) | 2026.08.20 |
| 액체냉각은 AI 서버의 필수가 될까? (0) | 2026.07.20 |
| NetApp은 AI 데이터 관리 시대에 다시 주목받을 수 있을까? 스토리지 기업의 새로운 기회와 한계 (1) | 2026.07.19 |
| 브로드컴은 AI 데이터센터 네트워크에서 왜 중요할까요? GPU 시대의 이더넷과 스위치 칩 이야기 (1) | 2026.07.17 |