WD는 글로벌 시장조사 업체 IDC와 함께 진행한 새로운 글로벌 연구 결과를 발표했다. 이번 연구에 따르면, 인공지능(AI) 인프라에 대한 논의가 컴퓨팅 중심에서 데이터로 빠르게 확대되고 있다. 컴퓨팅 작업이 끝난 뒤에도 지속해서 보존하고 축적하는 데이터가 대규모 AI 환경을 확장하는 데 꼭 필요한 핵심 요소로 떠올랐다.
WD가 후원한 IDC 백서 ‘확장성을 위한 설계 : AI 시대 HDD의 지속적 역할’에서는 AI가 스토리지 수요의 구조적인 확대를 이끌고 있다고 분석했다. 기업들은 더 많은 데이터를 만들어내고 가치를 높게 평가하며, 보존 기간을 늘리고 있다. 새로운 AI 워크로드에 활용하고자 과거 데이터를 다시 온라인 환경으로 가져오는 사례도 늘어나는 추세다.
AI가 데이터를 활용하는 동시에 기존 데이터의 잠재적 가치까지 끌어올리면서 ‘데이터 누적 사이클’이 만들어지고 있다. 컴퓨팅 수요는 작업 성격이나 투자 주기에 따라 달라질 수 있지만, AI가 생성한 데이터는 끊임없이 보존되고 축적된다. 이에 따라 스토리지의 저장 용량과 접근성, 경제성은 AI 인프라를 설계할 때 중요하게 살펴봐야 할 요소로 자리 잡았다.
IDC의 백서에 따르면, 조사 대상 기업 및 기관의 94.7%가 지난 12개월간 AI 및 생성형 AI를 도입한 뒤 저장할 데이터가 늘었다고 응답했다. 61%는 지난 1년 동안 데이터가 25% 이상 늘었다고 답했으며, 74%는 향후 3년 동안 25% 이상 증가할 것으로 내다봤다. 데이터 레이크의 규모가 커졌다고 답한 비율도 85.4%에 달했다. 이 가운데 59.4%는 합성 데이터, 추론 결과, 모델 로그 등 AI가 직접 생성한 데이터를 규모 확대의 가장 큰 이유로 꼽았다.
데이터 보존 기간과 활용 가치도 함께 커지고 있다. 응답 기업의 약 95%는 AI를 도입한 뒤 보유 데이터의 가치가 높아졌다고 밝혔으며, 74.3%는 이전보다 데이터를 더 오래 보관하게 됐다고 답했다. 기존에 보관해 둔 콜드 데이터를 다시 온라인으로 전환하는 사례가 늘고 있다고 응답한 비율은 75.9%에 달했다. 96%는 AI 추론 및 검색 증강 생성(RAG) 애플리케이션을 지원하기 위해 보관 데이터에 더 빠르게 접근할 필요가 있다고 보았다.
기업이 보유한 데이터의 74.6%는 웜/쿨/콜드 스토리지 계층에 나뉘어 저장돼 있으며, 데이터 레이크의 60% 이상은 접근 빈도가 낮은 데이터가 차지했다. 응답자의 98.2%는 스토리지 관련 의사결정을 내릴 때 테라바이트당 총소유비용(TCO)을 중요하게 평가한다고 답했다.
AI 워크로드는 학습 데이터셋, 모델 체크포인트, 추론 결과, 로그 등 전 과정에 걸쳐 다양한 데이터를 남긴다. 이를 연산하는 컴퓨팅 작업이 끝나도 생성된 데이터는 향후 새로운 AI 애플리케이션의 입력값으로 다시 쓰인다. 이에 따라 현재 쓰는 데이터와 보관용 데이터 사이의 경계가 흐려지고 있다.
업계에서는 AI 데이터 수명주기 전체를 아우르는 스토리지 아키텍처를 설계해야 한다고 보고 있다. 데이터 규모가 커지고 보관 기간이 늘어남에 따라, 기업은 워크로드의 특성에 맞춰 성능과 용량, 데이터 접근성, 경제성을 고루 따져야 한다. 대규모 환경에서 데이터를 비용 효율적으로 다루는 기술력은 앞으로 AI 도입 성패를 가를 핵심 요소가 될 전망이다.
WD 어빙 탄 CEO는 “지난 수년간 AI 인프라에 대한 논의는 컴퓨팅을 중심으로 이어져 왔지만, AI의 기반은 결국 데이터”라면서, “기업들은 더 많은 데이터를 생성하고 더 오래 보존하는 동시에, 이미 보유한 데이터에서 새로운 가치를 창출하는 방법을 찾고 있다”고 말했다. 이어 “컴퓨팅 수요는 시간이 지나면서 변화하겠지만, 대규모 환경에서 데이터를 저장·관리하고 필요할 때 접근해야 하는 수요는 계속 늘어날 것”이라며 “이러한 데이터 기반은 AI가 얼마나 확장될 수 있는지를 결정하는 핵심 요소가 될 것”이라고 덧붙였다.
