요약:
AI 시대에 테이프가 제2의 봄을 열 것이라고 누가 생각이나 했겠는가. 10월 29일, 일본 후지필름은 약 100억엔(약 4억 2200만 위안)을 투자하고 2026회계연도부터 2028회계연도까지 가나가와현 오다와라 공장을 확장해 데이터 저장 테이프 생산 능력을 2025회계연도의 5배로 늘리고 최신 세대 LTO Ultrium 10 테이프 생산에 주력할 계획이라고 발표했습니다.
Fujifilm에 따르면 이는 지난 20년 동안 LTO 테이프 전용 시설에 대한 투자 중 최대 규모입니다.
확장을 추진하는 가장 큰 이유는 제너레이티브 AI로 인한 대규모 데이터 아카이빙 수요 때문이다.
AI는 최첨단 칩을 사용하는데 왜 테이프가 필요한가요?
컴퓨터 업계에 떠도는 고전적인 농담이 있습니다.
컴퓨터 과학자 Andrew Tannenbaum은 다음과 같이 말했습니다.
고속도로를 질주하는 테이프를 실은 자동차의 대역폭을 결코 과소평가하지 마십시오
. 터무니없게 들리겠지만, 전송해야 하는 데이터가 페타바이트 또는 심지어 엑사바이트 수준에 도달하면 트럭에 저장 장치를 로드하는 것이 네트워크를 통해 전송하는 것보다 실제로 더 효율적일 수 있습니다.
2016년 Amazon AWS는 대형 트럭을 이용해 직접 대형 스토리지 장치를 운반하고 한 번에 최대 100PB의 데이터를 이동할 수 있는 Snowmobile 서비스를 출시했습니다.
Snowmobile은 테이프를 배송하지 않고 2024년에 서비스가 중단되었지만 이는 오랜 문제를 보여줍니다. 데이터 규모가 일정 수준에 도달하면 합리적인 비용으로 데이터를 저장하고 이동하는 방법은 그 자체로 엔지니어링 과제입니다.
생성 AI의 폭발적인 증가로 인해 이 문제는 점점 더 두드러졌습니다.
대형 모델을 훈련하려면 GPU, HBM, 고속 SSD가 필요합니다. 그러나 훈련 후에 기업은 원본 코퍼스, 정리된 데이터 세트, 훈련 로그, 모델 체크포인트 및 지속적인 반복을 통해 생성된 기록 버전도 남겨둘 것입니다.
그 중 계산되는 데이터에는 고속 저장 장치가 필요하며, 자주 액세스하는 대규모 데이터 세트는 기계식 하드 드라이브에 저장할 수 있습니다.
그리고 몇 달, 심지어 몇 년 동안 사용되지 않지만 임의로 삭제할 수 없는 데이터는 장기 보관 시스템에 적합합니다.
업계에서는 일반적으로 매우 드물게 액세스되는 데이터를 콜드 데이터라고 부릅니다.
예를 들어 AI 회사가 새 모델을 학습시킨 후 기존 데이터 세트는 단기적으로는 더 이상 유용하지 않을 수 있지만 향후 실험을 반복하거나 재학습하거나 규정 준수 감사를 수행할 때 재사용해야 할 수도 있습니다.
문제가 발생합니다. 데이터가 점점 더 많이 축적되면 모든 하드 드라이브의 전원을 켜놓고 몇 년마다 액세스할 수 없는 파일을 유지 관리하는 데 비용을 지출해야 합니까?
테이프는 이 작업을 잘 수행합니다.
우선 가격이 저렴하고 에너지도 절약됩니다. 테이프는 장기간 오프라인으로 저장할 수 있으며 유휴 상태에서도 지속적인 전원 공급이 필요하지 않으며 온라인 하드 디스크 어레이처럼 장비 작동 및 냉각을 유지할 필요도 없습니다.
후지필름은 100PB의 데이터를 저장하고 10년 주기로 특정 조건에서 자동화된 테이프 시스템을 사용하면 전체 기계식 하드 디스크 솔루션에 비해 총 소유 비용을 약 86% 절감하고 탄소 배출량을 약 95% 줄일 수 있다고 계산했습니다.
두 번째는 안전입니다. 테이프를 시스템에서 제거하고 오프라인에 저장할 수 있으므로 서버가 랜섬웨어의 공격을 받더라도 물리적으로 격리된 테이프는 여전히 독립적인 백업을 유지할 수 있습니다.
게다가 최신 테이프는 생각만큼 느리지 않습니다. LTO-10은 최대 1200MB/s의 원시 순차 전송 속도를 제공하며 자동화된 테이프 라이브러리는 로봇 로딩 및 읽기도 활용할 수 있습니다.
그러나 테이프는 데이터를 순차적으로 검색해야 하고, 파일을 임의로 읽는 데 시간이 오래 걸릴 수 있으므로 빈번한 액세스 및 실시간 계산에는 적합하지 않습니다. AI 데이터센터의 SSD가 데이터를 언제든지 사용할 수 있게 만드는 역할을 한다면 테이프는 저가형, 대용량 디지털 창고에 가깝다.
사실 과학계에서는 오랫동안 이 접근 방식을 사용해 왔습니다.
2025년 12월 유럽입자물리연구소(CERN)는 대형강입자충돌기에 저장된 누적 실험 데이터가 1EB, 즉 100만TB에 달했으며 대부분의 데이터가 약 60,000개의 테이프에 저장되었다고 발표했습니다.
수십 년 전에 수집된 실험 데이터는 새로운 이론의 출현으로 인해 연구 가치를 다시 얻을 수도 있습니다. CERN은 향후 10년 동안 저장하고 처리해야 하는 데이터 규모가 이전 누적 저장 용량의 약 10배에 이를 것으로 예측하고 있습니다.
AI 회사가 저장한 과거 코퍼스, 학습 기록, 모델 백업에도 유사한 논리가 적용됩니다.
테이프 시장의 성장은 이미 실제 데이터를 통해 뒷받침되고 있습니다.
2026년 9월 LTO Alliance가 발표한 데이터에 따르면, 2024년 전 세계 LTO 테이프 출하량은 전년 대비 15.4% 증가한 176.5EB로 사상 최고치를 기록했습니다. 다소 감소하긴 했지만 2025년에도 여전히 160.3EB에 이를 것으로 보인다.
2026년 1분기에 들어서면서 LTO-10 출시와 아카이빙 수요 증가로 전 세계 테이프 출하량은 전년 대비 57% 증가했습니다. 여기서 통계는 테이프 카트리지의 판매량이 아니라 테이프가 제공하는 저장 용량입니다.
엔터프라이즈 테이프는 항상 안정적인 시장을 유지해 왔으며, 생성 AI를 통한 대규모 데이터 보관에 대한 수요는 이 오래된 기술에 새로운 성장 기회를 제공했습니다.
테이프는 100TB를 저장할 수 있으며, 용량은 26년 동안 400배 증가했습니다.
간과되기 쉬운 AI 시대에 테이프가 다시 주목받을 수 있는 이유는 또 있다.
일반 소비자들은 테이프 기술이 정체되었다고 생각하는 반면, 엔지니어들은 저장 밀도를 개선해 왔습니다.
후지필름은 2025년 6월 LTO-10 30TB 데이터 테이프를 출시했고, 같은 해 12월에는 40TB 버전을 출시해 2026년 출시 예정이다. 최신 제품 한 박스의 원래 용량은 40TB에 이른다. 이상적인 조건에서 압축률 2.5:1에 따라 계산하면 이론상 용량은 최대 100TB에 달할 수 있습니다.
사진│LTO-10 30TB
비교하자면 2000년에 출시된 1세대 LTO 테이프의 원시 용량은 100GB에 불과했습니다. 단 26년 만에 상자 하나의 용량이 400배나 늘어났습니다. 하지만 100TB는 이론적인 압축 용량입니다. 이미 압축된 비디오, 이미지, 모델 무게의 경우 실제 용량은 일반적으로 이 수치에 도달할 수 없습니다.
더 흥미로운 점은 LTO-10 테이프 카세트가 가로 10센티미터, 두께 2.15센티미터에 불과한데, 그 안에는 표준 육상 트랙 3바퀴에 해당하는 1337미터 길이의 테이프가 감겨 있다는 점이다.
1,337미터 길이의 테이프를 약 10cm 정사각형의 카세트에 넣기 위해 후지필름은 아라미드 필름과 새로운 박층 제조 기술을 도입하여 테이프의 전체 두께를 4미크론으로 줄였습니다. 또한 바륨 페라이트와 스트론튬 페라이트 기술을 결합한 초미세 자성입자를 사용해 단위 면적당 기록할 수 있는 데이터의 양을 늘렸다.
저장 원리는 사실 수십 년 전의 오디오 테이프와 똑같습니다.
자기 테이프의 표면은 작은 자성 입자로 덮여 있습니다. 데이터를 쓸 때 자기 헤드는 국부적인 자화 상태를 변경하여 디지털 정보를 기록합니다. 읽을 때 자기장의 변화를 감지하고 디코딩 및 오류 수정을 통해 데이터를 복원합니다.
최신 LTO 테이프는 선형 구불구불한 형식으로 기록합니다. 수만 개의 차선이 있는 고속도로와 같다고 생각하세요. 자기 헤드는 일련의 트랙을 따라 처음부터 끝까지 쓴 다음 위치를 조정하여 반대 방향으로 다시 씁니다.
최신 LTO-10에는 15104개의 데이터 트랙이 있으며 드라이브는 동시에 32개의 트랙을 읽고 쓸 수 있으며, 더욱 정교한 소재와 서보 제어 기술을 사용하여 용량을 지속적으로 늘립니다.
게다가 테이프 용량 증가는 아직 끝나지 않았습니다.
2020년 IBM과 Fujifilm은 실험실에서 평방 인치당 317Gb의 자기 기록 밀도를 달성하여 단일 테이프 카트리지가 향후 580TB에 도달할 수 있는 기술적 잠재력을 입증했습니다. 이는 현재 40TB 상용 제품의 14.5배에 해당합니다.
물론 580TB는 아직 실험실 실증 단계이고 상용화까지는 갈 길이 멀다.
종종 간과되는 또 다른 장기적 테이프 비용이 있는데, 바로 호환성입니다.
테이프 미디어는 수년 동안 보관할 수 있지만 수십 년 후에도 새 드라이브에서 여전히 해당 미디어를 읽을 수 있다는 의미는 아닙니다. 최신 LTO-10 드라이브는 LTO-10 테이프만 읽고 쓸 수 있으므로 기업에서는 오래된 장비를 유지하거나 기록 데이터를 주기적으로 새 미디어로 마이그레이션해야 합니다.
수만 개의 테이프를 관리하는 데이터 센터의 경우 데이터 마이그레이션, 검증, 장비 유지 관리에도 상당한 비용이 듭니다.
그럼에도 불구하고 대규모 콜드 데이터 보관 시나리오에서 테이프는 여전히 강력한 비용 및 에너지 소비 경쟁력을 갖고 있습니다. 이로써 후지필름이 지난 수십 년간 축적해 온 정밀 코팅, 박막 소재, 자분 입자 기술은 AI 시대에 상업적 가치를 되찾았습니다.
테이프 이야기는 기계식 하드 디스크 산업에서도 나타나고 있습니다.
올해 1월 웨스턴디지털은 회사의 2026년 하드드라이브 생산능력이 기본적으로 매진됐고, 일부 대형 고객과의 장기 구매 계약이 2028년까지 연장됐다고 밝혔다.
Seagate의 상황은 더욱 과장되었습니다. 10월 말 실적 발표에 따르면 회사의 니어라인 기계식 하드 드라이브 출하 용량의 대부분은 2028년까지 장기 계약을 통해 할당되었으며 일부 클라우드 서비스 제공업체의 구매 계약은 2030년까지 적용됩니다.
더 주목할만한 점은 기계식 하드 드라이브의 판매량이 늘어났을 뿐만 아니라 가격도 상승하고 있다는 점입니다.
이유는 복잡하지 않습니다. SSD의 무작위 읽기 및 쓰기 성능은 기계식 하드 드라이브의 성능을 훨씬 능가하지만, 대량의 데이터를 온라인으로 장기간 저장해야 하는 클라우드 서비스 제공업체의 경우 기계식 하드 드라이브가 여전히 TB당 비용 이점을 제공합니다.
특히 AI 산업이 계속 확장되면서 훈련 데이터, 모델 파일, 다양한 형태의 생성 콘텐츠가 계속 축적되고 있다. 데이터 센터에는 더 빠른 SSD뿐만 아니라 합리적인 가격으로 수십 또는 수백 PB 용량을 제공할 수 있는 기계식 하드 드라이브도 필요합니다.
물론 HDD에는 성능 및 유지 관리 비용도 있습니다. 단일 디스크의 용량이 지속적으로 증가함에 따라 랜덤 액세스 기능은 해마다 향상되지 않으며 장애 후 데이터 재구성 시간도 길어질 수 있습니다.
그러나 클라우드 서비스 제공업체의 경우 스토리지 비용, 용량 밀도, 액세스 성능이 비즈니스 요구 사항을 충족할 수 있는 한 기계식 하드 드라이브는 여전히 가치가 있습니다.
Fujifilm의 5배 생산 확대 발표부터 Western Digital의 연간 생산 능력이 기본적으로 매진되는 것, Seagate가 클라우드 서비스 제공업체와 2030년까지 연장되는 장기 계약을 체결하는 것까지,
소비자 전자제품 시장에서 점차 존재감을 잃은 수많은 전통 기술이 AI 데이터 센터에서 새로운 성장 공간을 찾고 있습니다.
그러나 테이프는 미래에 새로운 경쟁자를 불러올 수도 있습니다.
2026년 2월 Microsoft Research는 Nature에 Project Silica의 최신 결과를 발표했습니다. 연구원들은 펨토초 레이저를 사용하여 유리 내부에 데이터를 기록했으며, 약 12cm 정사각형과 2mm 두께의 유리에 4.8TB의 저장 용량을 달성했습니다.
가속 노화 테스트를 바탕으로 연구원들은 데이터가 10,000년 이상 보존될 것으로 예상합니다. 아직 대규모 상용화와는 거리가 멀지만, 장기 보관의 또 다른 가능성을 보여준다.
AI 시대의 데이터 저장은 어느 정도는 다소 멋진 그림을 제시하고 있습니다.
한편으로 Fujifilm은 수십 테라바이트의 데이터를 작은 테이프 상자에 담을 수 있도록 수십 년 동안 지속된 자성 분말 코팅 공정을 계속 개선하고 있습니다. 반면에 마이크로소프트는 고대 인류가 돌에 글자를 새긴 것처럼 레이저를 사용하여 유리에 정보를 기록하기 시작했습니다.
세계가 더 강력한 GPU와 더 스마트한 대형 모델을 추구하는 동안 데이터 저장을 담당하는 오래된 기술은 황금기를 맞이했습니다.
트렌드는 결코 새로운 것에 속하지 않고, 새로운 트렌드에 자리잡은 오래된 공예품에도 속해 있습니다.
댓글