상승 전환추적 후보Codex 검토ICMS는 SSD를 단순 저장소가 아니라 추론 컨텍스트 계층으로 쓰려는 엔비디아의 새 설계지만, 수요 확대의 실현은 추적이 필요하다.성장 규모 확대수익 구조 변화달라진 점엔비디아는 CES에서 GPU Pod에 직접 연결하는 ICMS를 발표했고, BlueField-4 DPU 4개와 150TB NVMe SSD로 Pod당 PB 규모 공유 스토리지를 구성하는 설계를 제시했다.다르게 볼 이유Codex 검토로는 KV Cache를 위한 SSD의 역할이 보관에서 추론의 Inner Loop로 넓어지는 설계 변화다. 작성자는 이를 SSD 수요 레벨업의 근거로 해석하지만, 그 수요 전망은 아직 2026년 하반기 도입을 전제로 한다.남은 확인원문은 ICMS의 실제 출하 규모와 개별 SSD 공급사의 확정 수주를 제시하지 않는다.
원문을 바탕으로 한 Codex의 독립 판단입니다. 출처가 전한 사실·해석과 구분해 읽을 수 있습니다.
분석 대상 · 엔비디아 ICMS 플랫폼 발표
이전에는
이전 상태의 비교 근거가 이 분석에 정리되지 않았습니다.
새롭게 달라진 점
엔비디아는 CES에서 GPU Pod에 직접 연결하는 ICMS를 발표했고, BlueField-4 DPU 4개와 150TB NVMe SSD로 Pod당 PB 규모 공유 스토리지를 구성하는 설계를 제시했다.
원문 근거
NVIDIA ICMS(Inference Context Memory Storage) 플랫폼 젠슨황은 CES 발표 당시, "HBM만으로 GPU의 컴퓨팅을 지원하기에는 턱없이 부족하며, 메모리 병목 현상은 더욱 더 심화되고 있다(With existing high-bandwidth memory, it’s far from sufficient to support GPUs, and the memory bottleneck is only getting worse)"고 말했습니다.
비용과 전력 소비 모두를 증가시키는 길이었습니다. Pod 내의 Inference Context Memory Storage의 위치 이에 엔비디아가 Rubin부터는 컴퓨팅 Pod을 구성할 때 ICMS를 GPU와 직접적으로 연결하여 쓸 수 있게 했습니다. 위의 VR200 DGX SuperPod 구성을 보시면, 양 옆으로 Context Memory 랙을 확인하실 수 있습니다. 이번 Rubin 플랫폼부터 새롭게 추가된 부분입니다.
지금보다 훨씬 더 메모리 집약적인 추론을 위해서 대규모 SSD를 마치 직접 GPU에 연결된 수준으로 가져다 쓸 수 있게끔 인프라를 짠 것입니다. ICMS을 통해서 BlueField-4 DPU 4개와 150TB 규모의 NVMe SSD를 탑재하면 GPU Pod당 PB 규모의 공유 스토리지가 생깁니다. 각 GPU당 추가로 16TB의 Context Memory를 얻게 되는 효과이며, Latency에 민감한 KV Cache의 상당부분이 이젠 ICMS에서 제공되므로 TPS는 5배 높아지고 기존 스토리지 연결구조 대비 전력 효율은 5배 높아지는 효과를 얻습니다.
다르게 볼 이유
Codex 검토로는 KV Cache를 위한 SSD의 역할이 보관에서 추론의 Inner Loop로 넓어지는 설계 변화다. 작성자는 이를 SSD 수요 레벨업의 근거로 해석하지만, 그 수요 전망은 아직 2026년 하반기 도입을 전제로 한다.
원문 근거
NVIDIA ICMS로 인해 달라지는 부분 2026년 하반기 VR200 NVL72 양산과 함께 도입될 NVIDIA ICMS으로 달라질 부분 중, 가장 큰 것은 SSD 수요가 이전에 비해서 레벨업 될 것을 예상합니다. 이제는 단순 저장소 역할이 아니라 추론의 Inner Loop에 속하기 때문입니다. 추론 메모리로 쓰이는 특성상 SSD 중에서 고성능 엔터프라이즈 NVMe SSD 제품군에 대한 수요가 증가하고, QLC 기반 고용랑 NAND 수요도 함께 증가할 것으로 예상합니다.
eSSD 분야에서는 SK하이닉스(솔리다임), 키옥시아, 샌디스크, 마이크론이 수혜를 입는 강도가 큽니다. 물론, NVIDIA ICMS으로 2026년 하반기부터 SSD 수요가 지금보다 더 늘어나는 것과 별개로 HDD 자체의 수요-공급도 쇼티지가 더욱 심해지는 구간입니다. 이부분은 아래의 공급망 체크에 정리했습니다. 공급망 체크 NVIDIA, Broadcom, AMD, AWS, MediaTek, Marvell
판단을 바꿀 조건
ICMS 도입이 예정대로 이뤄지지 않거나 SSD가 추론 컨텍스트 계층으로 실제 채택되지 않는다면, 작성자가 제시한 수요 확대 논리는 약화될 수 있다.
원문 근거
NVIDIA ICMS로 인해 달라지는 부분 2026년 하반기 VR200 NVL72 양산과 함께 도입될 NVIDIA ICMS으로 달라질 부분 중, 가장 큰 것은 SSD 수요가 이전에 비해서 레벨업 될 것을 예상합니다. 이제는 단순 저장소 역할이 아니라 추론의 Inner Loop에 속하기 때문입니다. 추론 메모리로 쓰이는 특성상 SSD 중에서 고성능 엔터프라이즈 NVMe SSD 제품군에 대한 수요가 증가하고, QLC 기반 고용랑 NAND 수요도 함께 증가할 것으로 예상합니다.
판단을 뒷받침하는 근거
- 원문은 ICMS가 GPU당 16TB의 Context Memory를 더하고 TPS와 기존 스토리지 대비 전력 효율을 각각 5배 높이는 효과를 제시했다고 적었다.
원문 근거
지금보다 훨씬 더 메모리 집약적인 추론을 위해서 대규모 SSD를 마치 직접 GPU에 연결된 수준으로 가져다 쓸 수 있게끔 인프라를 짠 것입니다. ICMS을 통해서 BlueField-4 DPU 4개와 150TB 규모의 NVMe SSD를 탑재하면 GPU Pod당 PB 규모의 공유 스토리지가 생깁니다. 각 GPU당 추가로 16TB의 Context Memory를 얻게 되는 효과이며, Latency에 민감한 KV Cache의 상당부분이 이젠 ICMS에서 제공되므로 TPS는 5배 높아지고 기존 스토리지 연결구조 대비 전력 효율은 5배 높아지는 효과를 얻습니다.
- 작성자는 VR200 NVL72 양산과 함께 고성능 엔터프라이즈 NVMe SSD와 QLC NAND 수요가 증가할 것으로 예상했다.
원문 근거
NVIDIA ICMS로 인해 달라지는 부분 2026년 하반기 VR200 NVL72 양산과 함께 도입될 NVIDIA ICMS으로 달라질 부분 중, 가장 큰 것은 SSD 수요가 이전에 비해서 레벨업 될 것을 예상합니다. 이제는 단순 저장소 역할이 아니라 추론의 Inner Loop에 속하기 때문입니다. 추론 메모리로 쓰이는 특성상 SSD 중에서 고성능 엔터프라이즈 NVMe SSD 제품군에 대한 수요가 증가하고, QLC 기반 고용랑 NAND 수요도 함께 증가할 것으로 예상합니다.
다음 확인 지점
- 2026년 하반기 VR200 NVL72 양산과 ICMS 도입이 실제로 진행되는지 확인할 필요가 있다.
원문 근거
NVIDIA ICMS로 인해 달라지는 부분 2026년 하반기 VR200 NVL72 양산과 함께 도입될 NVIDIA ICMS으로 달라질 부분 중, 가장 큰 것은 SSD 수요가 이전에 비해서 레벨업 될 것을 예상합니다. 이제는 단순 저장소 역할이 아니라 추론의 Inner Loop에 속하기 때문입니다. 추론 메모리로 쓰이는 특성상 SSD 중에서 고성능 엔터프라이즈 NVMe SSD 제품군에 대한 수요가 증가하고, QLC 기반 고용랑 NAND 수요도 함께 증가할 것으로 예상합니다.
아직 모르는 점
- 원문은 ICMS의 실제 출하 규모와 개별 SSD 공급사의 확정 수주를 제시하지 않는다.
원문 근거 9개 펼치기
출처가 전한 사실
- 엔비디아는 CES에서 HBM만으로 GPU 컴퓨팅을 지원하기 부족하고 메모리 병목이 심화된다고 말하며 ICMS 플랫폼을 발표했다.
출처의 해석·전망
- 작성자는 ICMS를 CES 발표의 핵심으로 보고, 추론의 Inner Loop에 SSD가 들어오면서 SSD 수요가 이전보다 높아질 것으로 예상한다.
- KV Cache가 G1~G3 로컬 저장공간을 소진해 G4까지 이동하면 비용·전력이 늘고 병목이 생기며, ICMS는 GPU Pod에 대규모 SSD를 직접 연결해 이를 줄이려는 구조라고 설명했다.
- 원문은 2026년 하반기 VR200 NVL72 양산과 함께 고성능 엔터프라이즈 NVMe SSD와 QLC NAND 수요가 늘고, SK하이닉스·키옥시아·샌디스크·마이크론이 eSSD에서 수혜 강도가 클 것으로 예상한다.
출처가 전한 시장 반응
- 원문은 ICMS 발표가 SSD 및 메모리 기업 주가 상승의 배경이었다고 적었다.
보존 원문 발췌
NVIDIA ICMS(Inference Context Memory Storage) 플랫폼 젠슨황은 CES 발표 당시, "HBM만으로 GPU의 컴퓨팅을 지원하기에는 턱없이 부족하며, 메모리 병목 현상은 더욱 더 심화되고 있다(With existing high-bandwidth memory, it’s far from sufficient to support GPUs, and the memory bottleneck is only getting worse)"고 말했습니다.
해당 코멘트와 함께 발표된 NVIDIA ICMS 플랫폼이 CES 2026의 핵심이자 SSD 및 메모리 기업들의 주가가 상승한 배경입니다. 전체적인 흐름부터 정리해봅니다. Context Memory의 문제 LLM의 사용 사례가 챗봇 → Reasoning → Agentic AI로 진화함에 따라 메모리는 더 많이 필요해지기 때문에 그렇습니다. 여러 번 생각하는 구조로 갈수록(시퀀스 길이가 증가할수록), KV Cache가 계속해서 증가하기 때문입니다.
NVIDIA ICMS로 인해 달라지는 부분 2026년 하반기 VR200 NVL72 양산과 함께 도입될 NVIDIA ICMS으로 달라질 부분 중, 가장 큰 것은 SSD 수요가 이전에 비해서 레벨업 될 것을 예상합니다. 이제는 단순 저장소 역할이 아니라 추론의 Inner Loop에 속하기 때문입니다. 추론 메모리로 쓰이는 특성상 SSD 중에서 고성능 엔터프라이즈 NVMe SSD 제품군에 대한 수요가 증가하고, QLC 기반 고용랑 NAND 수요도 함께 증가할 것으로 예상합니다.
이번 발표의 핵심은 NVIDIA ICMS이었으며 eSSD에 대한 수요가 더 높아질 것을 예상합니다. 엔비디아도 경쟁역량을 높인다는 점에서 좋았지만 메모리 기업들에게도 긍정적이었기에 마이크론도 Overweight를 유지합니다.
G2 (System DRAM) : HBM의 용량이 부족할 때 데이터를 임시로 옮겨두는 공간입니다. G3 (Local SSD) : 짧은 시간 안에 다시 사용될 가능성이 있는 Warm data를 저장합니다. G4 (Shared Object/File) : 당장 처리에 필요하진 않지만 보관이 필요한 Cold data를 보관합니다. G1은 접근 속도에 최적화되어 있고, G3와 G4는 데이터 보존에 최적화된 구조입니다. 그런데 문제는 AI가 다루는 컨텍스트 윈도우가 점점 더 커지다보니 데이터 양이 늘어남에 따라 KV Cache가 Local Storage였던 G1~G3를 빠르게 소진시키고 Enterprise Storage 레벨인 G4까지 데이터를 이동시킬 수밖에 없는데, 이 과정에서 병목이 커진다는 게 문제입니다.
비용과 전력 소비 모두를 증가시키는 길이었습니다. Pod 내의 Inference Context Memory Storage의 위치 이에 엔비디아가 Rubin부터는 컴퓨팅 Pod을 구성할 때 ICMS를 GPU와 직접적으로 연결하여 쓸 수 있게 했습니다. 위의 VR200 DGX SuperPod 구성을 보시면, 양 옆으로 Context Memory 랙을 확인하실 수 있습니다. 이번 Rubin 플랫폼부터 새롭게 추가된 부분입니다.
지금보다 훨씬 더 메모리 집약적인 추론을 위해서 대규모 SSD를 마치 직접 GPU에 연결된 수준으로 가져다 쓸 수 있게끔 인프라를 짠 것입니다. ICMS을 통해서 BlueField-4 DPU 4개와 150TB 규모의 NVMe SSD를 탑재하면 GPU Pod당 PB 규모의 공유 스토리지가 생깁니다. 각 GPU당 추가로 16TB의 Context Memory를 얻게 되는 효과이며, Latency에 민감한 KV Cache의 상당부분이 이젠 ICMS에서 제공되므로 TPS는 5배 높아지고 기존 스토리지 연결구조 대비 전력 효율은 5배 높아지는 효과를 얻습니다.
추론 컨텍스트 처리가 GPU에서 멀어지면 멀어질수록 지연시간은 높아지고, 에너지 사용량과 토큰당 비용이 상승하며 전체적인 효율이 떨어지는 문제가 생깁니다. 그래서 아예 Pod 레벨에서 통합된 특수한 컨텍스트 메모리 계층을 만든 것이 NVIDIA ICMS입니다. G3.5 레벨입니다. KV Cache 데이터 액세스가 훨씬 더 빨라지고 GPU가 쓸 수 있는 메모리의 규모가 크게 증가하는 만큼 효율이 높아집니다. 이 과정에서 추론 레벨에서는 NVIDIA Dynamo와 NIXL(NVIDIA Inference Transfer Library)이 어떤 데이터를 언제 옮기고 어디에 옮길지 결정하는 소프트웨어 역할을 합니다.
eSSD 분야에서는 SK하이닉스(솔리다임), 키옥시아, 샌디스크, 마이크론이 수혜를 입는 강도가 큽니다. 물론, NVIDIA ICMS으로 2026년 하반기부터 SSD 수요가 지금보다 더 늘어나는 것과 별개로 HDD 자체의 수요-공급도 쇼티지가 더욱 심해지는 구간입니다. 이부분은 아래의 공급망 체크에 정리했습니다. 공급망 체크 NVIDIA, Broadcom, AMD, AWS, MediaTek, Marvell
상승 관점 보조 신호 · 가격 충격·지속성·후속 근거
장대양봉급 뉴스
근거 미확인- 이 자료에서 판단할 근거를 확보하지 못했습니다.
지속 턴어라운드
근거 미확인- 이 자료에서 판단할 근거를 확보하지 못했습니다.
셀온 뒤 재상승 근거
근거 미확인- 이 자료에서 판단할 근거를 확보하지 못했습니다.