용어와 정의
영문 또는 원어: HBM
영문 정식명칭: High Bandwidth Memory
한글명: 고대역폭 메모리
HBM은 여러 DRAM 다이를 수직으로 적층하고 넓은 입출력 경로를 이용해 많은 데이터를 전달하는 고대역폭 메모리입니다. AI 가속기와 고성능 연산 장치에 사용되며, SSD처럼 전원을 꺼도 파일을 보관하는 저장장치가 아닙니다.
정확한 의미와 원리
적층한 다이는 실리콘을 관통하는 연결인 TSV 등을 통해 통신합니다. 연산 장치에 데이터를 충분히 공급하도록 패키지와 연결 구조를 함께 설계합니다. 용량은 담을 수 있는 데이터의 양, 대역폭은 일정 시간에 전달할 수 있는 양이며 서로 다릅니다. 대역폭이 커도 모든 프로그램의 지연이 같은 비율로 줄지는 않습니다.
쉽게 이해하는 사용 예시
AI 계산기는 연산 회로만 빨라서는 충분하지 않습니다. 모델과 계산 중간값을 읽고 쓰는 속도가 부족하면 기다리는 시간이 생길 수 있습니다. HBM은 이런 데이터 공급에 쓰이지만 필요한 모델이 메모리 용량에 맞는지와 전체 시스템의 병목도 함께 보아야 합니다.
종류와 관련 개념의 차이
HBM3, HBM3E와 HBM4는 같은 HBM 계열의 세대와 개선 제품 구분입니다. HBM3E는 HBM3 계열의 속도와 용량 등을 개선한 제품군을 가리킵니다. HBM4는 입출력 경로를 넓힌 다음 세대로, 삼성 공개 자료에서는 스택의 I/O 수가 1,024개에서 2,048개로 확대된 구조를 설명합니다. 한 스택의 값과 여러 스택을 합친 가속기 전체 값을 구분해야 합니다.
적용 조건과 오해하기 쉬운 점
일반 PC의 DIMM 메모리처럼 사용자가 같은 슬롯에서 HBM 세대만 교체하는 제품으로 생각하지 않습니다. 호환은 가속기와 패키지 설계, 컨트롤러 및 전력과 냉각 조건에 좌우됩니다. 세대 이름만으로 실제 탑재 용량, 적층 수, 대역폭과 제품 공급 상태를 확정하지 않으며 HBM4의 설명을 모든 제조사 제품의 동일 사양으로 확대하지 않습니다.
HBM3 HBM 3세대 계열
이 절의 용어: HBM3 / High Bandwidth Memory 3 / HBM 3세대 계열
HBM3는 HBM 계열의 한 세대입니다. 적층 DRAM과 넓은 연결로 연산 장치에 데이터를 공급하며 제품별 적층 수, 용량과 전송률은 다를 수 있습니다. HBM3E와 비교할 때 공통 계열이라는 점과 실제 제품 사양이 다르다는 점을 함께 확인하고 단순히 같은 메모리로 취급하지 않습니다.
HBM3E HBM3 확장 제품군
이 절의 용어: HBM3E / HBM3 확장 제품군
HBM3E는 제조사가 HBM3 계열의 속도와 용량 등을 확장한 제품군에 사용하는 명칭입니다. 숫자와 E라는 이름만으로 공통의 단일 속도나 용량이 정해지지 않습니다. HBM3와 HBM4 사이의 제품 비교에서는 실제 전송률, 적층 수와 해당 가속기의 채택 조건을 확인해야 합니다. 근거가 없는 영문 정식 풀이를 별도로 만들어 붙이지 않습니다.
HBM4 HBM 4세대 계열
이 절의 용어: HBM4 / High Bandwidth Memory 4 / HBM 4세대 계열
HBM4는 HBM3 계열 다음의 HBM 세대입니다. 삼성의 공개 제품 설명은 스택의 입출력 수를 1,024개에서 2,048개로 확대해 한 번에 전달하는 데이터 경로를 넓힌 점을 제시합니다. 실제 대역폭은 입출력당 전송률 등과 함께 결정되며, 경로 수 증가가 모든 작업의 실행 속도 두 배를 보장하지는 않습니다.
정의와 적용 조건의 참고 자료
관련 용어와 글
함께 비교할 용어
- HBM3 HBM 3세대 계열
- HBM3E HBM3 확장 제품군
- HBM4 HBM 4세대 계열
- RAM 주기억장치
- ECC memory 오류 정정 메모리
- 서버
- GPU 그래픽 처리 장치
- DPU 데이터 처리 장치
- Integrated GPU 통합 그래픽 처리 장치
- Discrete GPU 독립 그래픽 처리 장치
- SmartNIC 지능형 네트워크 인터페이스 카드
- NPU 신경망 처리 장치
- TOPS 초당 조 단위 연산 수
- On-device AI 기기 내 인공지능
- 노트북
- 데스크톱 PC
- NIC 네트워크 인터페이스 컨트롤러
- KV cache 키와 값 캐시
- Prefill 입력 문맥 처리 단계
- Decode 토큰 생성 단계
- Prefix caching 공통 입력 앞부분 캐시 재사용
- Agentic AI 목표 지향 행동형 인공지능
- Multi-agent system 다중 에이전트 시스템
- LLM 대규모 언어 모델
- RAG 검색 증강 생성
- MCP 모델 컨텍스트 프로토콜
- Authorization 권한 부여
- Authentication 인증
- CXL 컴퓨트 익스프레스 링크
- PCIe 1.0 PCI 익스프레스 1.0
- PCIe 2.0 PCI 익스프레스 2.0
- PCIe 3.0 PCI 익스프레스 3.0
- PCIe 4.0 PCI 익스프레스 4.0
- PCIe 5.0 PCI 익스프레스 5.0
- PCIe 6.0 PCI 익스프레스 6.0
- PCIe 6.5 PCI 익스프레스 6.5 개정판
- PCIe 7.0 PCI 익스프레스 7.0
- PCIe 7.1 PCI 익스프레스 7.1 개정판
- CXL.io CXL 입출력 프로토콜
- CXL.cache CXL 캐시 일관성 프로토콜
- CXL.mem CXL 메모리 접근 프로토콜
- CXL 1.0 CXL 1.0 규격
- CXL 1.1 CXL 1.1 규격
- CXL 2.0 CXL 2.0 규격
- CXL 3.0 CXL 3.0 규격
- CXL 3.1 CXL 3.1 규격
- CXL 3.2 CXL 3.2 규격
- CXL 4.0 CXL 4.0 규격
- CXL Type 1 CXL 유형 1 장치
- CXL Type 2 CXL 유형 2 장치
- CXL Type 3 CXL 유형 3 장치
- NVMe
- NVMe SSD
- M.2 폼팩터
- Inference 모델 추론
- SLM 소형 언어 모델
- Quantization 모델 양자화
- Fine-tuning 미세 조정
- LoRA 저랭크 적응
- Knowledge distillation 지식 증류
- Speculative decoding 추측 디코딩
- PTQ 학습 후 양자화
- QAT 양자화 인지 학습
- FP8 8비트 부동소수점 형식
- NVFP4 NVIDIA 4비트 부동소수점 형식
- PEFT 매개변수 효율적 미세 조정
- DPO 직접 선호 최적화
- RLHF 인간 피드백 기반 강화학습
- QLoRA 양자화 저랭크 적응
- SOCAMM2 서버용 모듈식 저전력 메모리
- LPCAMM2 저전력 압착식 메모리 모듈 2
- LPDDR5X 저전력 DDR 메모리 5X
- LPDDR6 저전력 DDR 메모리 6
- GDDR7 그래픽용 DDR 메모리 7
- RDIMM 레지스터드 DIMM
- MRDIMM 다중화 랭크 DIMM
- UCIe 패키지 내부 칩렛 연결
- Chiplet 칩렛
- NVLink NVIDIA GPU 간 연결
- NVLink Fusion NVLink 통합 생태계
- ECC 타원곡선 암호