AI는 우리가 컴퓨팅의 물리적 한계를 재고하도록 강요하고 있습니다.

지구상에서 데이터 센터는 전력 가용성, 냉각, 토지, 용수 사용, 인허가, 그리고 그리드(Grid) 상호 연결 지연과 같은 익숙한 제약 조건에 직면하고 있습니다.

동시에 우주는 진지한 컴퓨팅 환경이 되어가고 있습니다. 위성들은 더 많은 데이터를 생성하고 있으며, 지구 관측은 더욱 실시간화되고 있고, 기업들은 AI 워크로드(Workloads)를 궤도에서 직접 실행할 수 있는지 테스트하기 시작했습니다.

이것이 최근의 플래시 스토리지(Flash storage) 혁신이 중요한 이유입니다.

_The Engineer_의 보도에 따르면, 연구진은 극한의 우주 방사선에서도 생존할 수 있는 새로운 형태의 플래시 스토리지를 개발했습니다. Georgia Tech의 기초 연구는 최대 100만 rads의 방사선 수치를 견딜 수 있는 **강유전체 NAND 플래시 메모리 (Ferroelectric NAND flash memory)**를 설명하며, 이는 기존 NAND 플래시보다 약 30배 더 내구성이 높습니다.

이것이 그저 틈새 우주 전자 공학 이야기처럼 들리시나요?

그렇지 않습니다. 적어도 더 이상은 아닙니다. 이것은 오늘날 우주 데이터 센터에 있어 매우 중요한 이야기입니다. 이는 AI 연산을 지구 너머로 이동시키기 위해 필요한 누락된 인프라 요소 중 하나가 될 수 있습니다.

왜 스토리지가 우주 AI의 병목 현상이 되는가

사람들이 AI 데이터 센터에 대해 이야기할 때, 보통 GPU, TPU, 네트워킹, 그리고 전력에 집중합니다.

하지만 AI 인프라는 스토리지(Storage)에도 의존합니다.

모델에는 가중치(Weights)가 필요합니다. 파이프라인(Pipelines)에는 체크포인트(Checkpoints)가 필요합니다. 센서는 원시 데이터(Raw data)를 생성합니다. 추론(Inference) 시스템은 임베딩(Embeddings), 로그(Logs), 중간 출력물, 텔레메트리(Telemetry), 그리고 메타데이터(Metadata)를 캐시(Cache)합니다. 학습(Training) 및 미세 조정(Fine-tuning) 워크로드는 지속적인 상태(Persistent state)를 필요로 합니다. 연산(Compute) 속도가 빠르더라도, 신뢰할 수 없는 스토리지는 전체 시스템을 취약하게 만듭니다.

지구상에서 NAND 플래시는 노트북, 휴대폰, SSD, 에지 디바이스(Edge devices), 그리고 데이터 센터 등 어디에나 있습니다. 이는 밀도가 높고, 저전력이며, 대규모 시스템을 구축하기에 충분히 저렴합니다.

게다가, 최근에는 전력과 냉각 문제가 임계점에 도달하고 있습니다. 가까운 미래에는 무엇을 예상할 수 있을까요?

우주에서는 문제가 다릅니다. 바로 방사선입니다.

전통적인 NAND는 갇힌 전기 전하 (trapped electrical charge)를 사용하여 데이터를 저장합니다. 고에너지 입자는 해당 전하를 방해하여 데이터를 손상시키고, 임계값 (thresholds)을 이동시키며, 고장을 유발할 수 있습니다. 이는 지구상에서는 불편한 일일 뿐이지만, 궤도나 심우주 (deep space)에서는 임무를 종료시킬 수 있는 치명적인 문제가 됩니다.

Georgia Tech의 접근 방식은 저장 메커니즘을 변화시킵니다. 비트를 주로 갇힌 전하로 저장하는 대신, 강유전체 NAND (ferroelectric NAND)는 **물질 분극 (material polarization)**을 통해 정보를 저장합니다. 이 분극은 방사선 노출 하에서 훨씬 더 강력한 회복력 (resilient)을 가집니다.

실질적인 관점에서 이는 미래의 우주선과 궤도 데이터 센터가 플래시 스타일의 저장 장치를 가장 취약한 연결 고리로 취급하지 않고도, 더 밀도가 높고 친숙한 방식으로 사용할 수 있음을 의미합니다.

센서로서의 위성에서 컴퓨터로서의 위성으로

역사적으로 많은 위성은 원격 센서 (remote sensors)처럼 작동해 왔습니다.

위성은 데이터를 수집하고, 이를 일시적으로 저장한 다음, 처리를 위해 지구로 다운링크 (downlink)합니다. 이 모델은 작동하지만 다음과 같은 한계가 있습니다:

• 다운링크 대역폭 (bandwidth)이 제한적입니다.
• 지상국 (ground stations)을 항상 사용할 수 있는 것은 아닙니다.
• 시간 민감형 이벤트의 경우 지연 시간 (latency)이 중요합니다.
• 가공되지 않은 센서 데이터 (raw sensor data)의 양이 방대할 수 있습니다.
• 심우주 통신 지연은 몇 분에서 몇 시간까지 발생할 수 있습니다.

AI는 이러한 아키텍처 (architecture)를 변화시킵니다.

모든 것을 지구로 다시 보내는 대신, 위성은 데이터가 생성되는 현장에서 직접 데이터를 처리할 수 있습니다. 위성은 궤도 상에서 산불, 선박, 폭풍, 작물 변화, 군사 활동, 장비 고장 또는 과학적 이상 현상을 감지한 후, 유용한 결과만을 다시 전송할 수 있습니다.

이를 위해서는 세 가지가 필요합니다:

1. 우주에서 생존할 수 있는 컴퓨팅 (Compute).
2. 위성 간에 데이터를 이동할 수 있는 네트워킹 (Networking).
3. 방사선 하에서도 신뢰성을 유지할 수 있는 스토리지 (Storage).

스토리지 계층은 과소평가하기 쉽지만 매우 근본적입니다. 신뢰할 수 있는 로컬 스토리지가 없다면, 궤도 AI 시스템은 데이터를 안전하게 대기열에 추가하거나, 모델 가중치 (model weights)를 캐싱하거나, 워크로드의 체크포인트 (checkpoint)를 생성하거나, 결함으로부터 복구할 수 없습니다.

방사선 내성 NAND (Radiation-tolerant NAND)는 우주 AI를 취약한 실험이 아닌, 하나의 인프라 (infrastructure)처럼 만들어 줍니다.

그리고 이것이 일반 사람들에게 의미하는 바는 무엇일까요? 기본적으로 연산을 위한 인프라 (infrastructure) 비용이 저렴해짐에 따라 서비스 가격도 낮아진다는 것을 의미합니다.

더 큰 트렌드: AI 데이터 센터는 이미 하늘을 바라보고 있다

이 연구는 우주 기반 AI 인프라 (infrastructure)가 실제 산업계의 대화 주제로 떠오르는 시점과 맞물려 있습니다.

Google의 Project Suncatcher는 TPU AI 칩을 탑재하고 광학 링크 (optical links)로 연결된 태양광 발전 위성 군집 (constellations)을 탐구합니다. Google은 Planet과 함께 2027년 초까지 두 개의 프로토타입 위성을 발사하는 학습 미션을 계획하고 있다고 밝혔습니다.

Starcloud 또한 이 아이디어를 추진해 왔습니다. 이 회사는 Starcloud-1 미션을 통해 NVIDIA H100급 GPU를 궤도에 올리고 우주에서의 AI 워크로드 (workloads)를 입증했다고 밝혔습니다. 2026년, Starcloud는 궤도 데이터 센터 (orbital data centers)를 추구하기 위해 상당한 규모의 자금을 조달했습니다.

NVIDIA 역시 대규모 언어 모델 (large language models)과 파운데이션 모델 (foundation models)을 궤도에서 직접 실행하는 것을 목표로 하는 Space-1 Vera Rubin 모듈을 포함하여, 우주 중심의 AI 인프라 (infrastructure)를 선보였습니다.

심지어 미국 정부 책임처 (U.S. Government Accountability Office)도 우주 데이터 센터에 관한 2026년 기술 스포트라이트를 발표하며, 이를 AI 및 기타 컴퓨팅 요구 사항을 위한 처리 및 저장 기능을 위성에 배치하는 시스템으로 정의했습니다.

다시 말해, 이것은 더 이상 순수한 공상 과학 (science fiction)이 아닙니다. 초기 단계의, 어렵고

• 지구 데이터 센터 (Earth data centers)는 지연 시간에 민감한 소비자 애플리케이션, 대규모 모델 학습 (large-scale model training), 엔터프라이즈 워크로드 (enterprise workloads), 그리고 교체 주기가 빠른 하드웨어 리프레시 사이클 (high-churn hardware refresh cycles)을 처리합니다.
• 궤도 데이터 센터 (Orbital data centers)는 우주 네이티브 데이터 (space-native data), 지구 관측 (Earth observation), 자율 위성 운영 (autonomous satellite operations), 재난 모니터링 (disaster monitoring), 국방 워크로드 (defense workloads), 과학적 처리 (scientific processing), 그리고 선택적인 AI 추론 (AI inference)을 처리합니다.
• 심우주 미션 (Deep space missions)은 지구의 응답을 기다리기에는 너무 느리기 때문에 온보드 AI (onboard AI)를 사용합니다.

방사선 내성 NAND (Radiation-tolerant NAND)는 다음과 같은 여러 방식으로 해당 아키텍처를 개선합니다.

첫째, **데이터 지역성 (data locality)**을 개선합니다. 우주 시스템은 원시 스트림 (raw streams)을 끊임없이 다운링크 (downlink)하는 대신, 데이터 소스 근처에서 데이터를 저장하고 처리할 수 있습니다.

둘째, **회복 탄력성 (resilience)**을 개선합니다. 궤도상의 AI 시스템은 비트 플립 (bit flips), 태양 활동 (solar activity), 통신 공백 (communication gaps), 그리고 부분적 장애 (partial failures)를 견뎌내야 합니다. 내구성이 뛰어난 스토리지는 소프트웨어 스택 (software stack)에 복구를 위한 더 나은 기반을 제공합니다.

셋째, **더 큰 온보드 모델 및 데이터셋 (larger onboard models and datasets)**을 가능하게 합니다. 스토리지가 고밀도이며 신뢰할 수 있다면, 우주선은 더 풍부한 모델, 더 많은 과거 데이터, 그리고 더 정교한 자율성 (autonomy)을 탑재할 수 있습니다.

넷째, 지구 인프라에 대한 의존도를 줄입니다. 모든 위성이 지상 컴퓨팅 (ground compute)을 위한 씬 클라이언트 (thin client)가 되는 대신, 궤도 시스템은 분산 AI 네트워크 (distributed AI network)의 활성 노드 (active nodes)가 될 수 있습니다.

마지막으로, 데이터 센터 설계를 더 모듈형이고 결함 허용 (fault-tolerant)적인 아키텍처로 밀어붙입니다. 우주 인프라는 기술자가 고장 난 드라이브를 교체하는 방식에 의존할 수 없습니다. 첫날부터 자기 모니터링 (self-monitoring), 중복성 (redundancy), 오류 정정 (error correction), 마모 관리 (wear management), 그리고 자율 수리 전략 (autonomous repair strategies)이 필요합니다.

이러한 동일한 아이디어들은 지구 데이터 센터로도 피드백될 수 있습니다.

어려운 부분은 여전히 어렵습니다

이러한 돌파구가 궤도 AI를 마법처럼 쉽게 만들어주는 것은 아닙니다.

Space data centers constraints

우주 데이터 센터는 여전히 가혹한 제약 조건에 직면해 있습니다:

• 열을 방출해야 합니다. 지상 시설과 같은 공기 또는 수냉식 루프(cooling loop)가 없습니다.
• 발사 비용은 여전히 중요합니다.
• 하드웨어 업그레이드가 어렵습니다.
• 방사선은 저장 장치뿐만 아니라 프로세서, 메모리, 네트워킹 및 전력 시스템에도 영향을 미칩니다.
• 우주 쓰레기는 실질적인 위험입니다.
• 광학 위성 간 링크(Optical inter-satellite links)는 매우 신뢰할 수 있어야 합니다.
• 경제성은 여전히 불확실합니다.

따라서 올바른 결론은 “AI 데이터 센터가 내일 당장 우주로 이동한다”가 아닙니다.

더 적절한 결론은 다음과 같습니다:

인프라 계층 중 하나가 우주 환경에 적합해질 때마다, 그 아이디어는 불가능에 점점 더 가까워집니다.

컴퓨팅(Compute)은 테스트되고 있습니다. 광학 네트워킹은 발전하고 있습니다. 궤도에서는 태양 에너지가 풍부합니다. 이제 저장 장치(Storage)가 재료 수준에서 본격적인 업그레이드를 거치고 있습니다.

소프트웨어 관점

개발자들에게 이 트렌드는 소프트웨어가 실행되는 위치를 변화시키기 때문에 주목할 가치가 있습니다.

우주 네이티브(Space-native) AI 시스템에는 다음과 같은 요소가 필요할 것입니다:

• 신뢰할 수 없는 노드들 간의 분산 추론 (distributed inference),
• 방사선에 취약한 환경을 위한 체크포인팅 (checkpointing),
• 저장 장치를 인식하는 모델 서빙 (storage-aware model serving),
• 자율적 관찰 가능성 (autonomous observability),
• 결함 허용 데이터 파이프라인 (fault-tolerant data pipelines),
• 다운링크 전 압축 (compression before downlink),
• 에지 우선 MLOps (edge-first MLOps),
• 그리고 물리적으로 접근할 수 없는 인프라를 위한 보안 모델.

여러 면에서 궤도 AI는 에지 컴퓨팅 (edge computing)의 극한 버전입니다.

만약 시스템이 궤도, 간헐적인 통신, 방사선 결함 및 자율 복구를 견뎌낼 수 있다면, 이는 아마도 지구상에서 더 견고한 시스템을 구축하는 방법에 대해 우리에게 유용한 교훈을 줄 것입니다.

결론

Georgia Tech의 강유전체 NAND (ferroelectric NAND) 혁신은 단순히 우주선을 위한 더 나은 메모리 칩이 아닙니다.

이는 AI 인프라 스택이 더 가혹한 환경으로 확장되고 있다는 신호입니다.

AI 컴퓨팅은 더 많은 전력, 더 많은 냉각, 더 많은 공간, 그리고 데이터에 대한 더 높은 근접성을 원합니다. 궤도는 몇 가지 매력적인 장점을 제공합니다: 풍부한 태양 에너지, 우주에서 생성된 데이터에 대한 직접적인 접근, 그리고 지상 인프라의 압박을 줄일 수 있는 가능성입니다.

하지만 이러한 기본 요소들이 신뢰할 수 있게 되지 않는다면 그 무엇도 작동하지 않을 것입니다.

저장 장치(Storage)는 바로 그 기본 요소 중 하나입니다.

방사선 내성 플래시 메모리(Radiation-resistant flash memory)는 위성을 단순한 데이터 수집기에서 자율적인 AI 시스템으로 전환하는 데 도움을 줄 수 있으며, 궁극적으로 궤도 데이터 센터(orbital data centers)를 글로벌 클라우드(global cloud)의 실질적인 확장판으로 만들 수 있습니다.

AI 인프라의 미래는 지하, 해저, 또는 발전소 옆에만 존재하지 않을 수도 있습니다.

그 일부는 우리 머리 위(우주)에 있을지도 모릅니다.

이 기사를 작성하는 데 사용된 일부 출처:

• The Engineer: https://www.theengineer.co.uk/content/news/novel-flash-storage-can-handle-extreme-space-radiation
• Georgia Tech Research: https://research.gatech.edu/georgia-tech-researchers-discover-new-form-nand-flash-data-storage-deep-space-missions
• Nano Letters paper: https://pubs.acs.org/doi/10.1021/acs.nanolett.5c05947
• Google Project Suncatcher: https://blog.google/innovation-and-ai/technology/research/google-project-suncatcher/
• Google Suncatcher paper: https://services.google.com/fh/files/misc/suncatcher_paper.pdf
• U.S. GAO: https://www.gao.gov/products/gao-26-109012
• NVIDIA space AI infrastructure release: https://nvidianews.nvidia.com/