AIXX 백과사전 › 기술 개념 › 그래픽 메모리 건강 상태 및 고장 판독
VRAM은 GPU에서 가장 묵묵히 일하고 열에도 가장 취약한 부품입니다. VRAM 건강 상태를 판독하는 첫걸음은 ECC(오류 정정 코드) 메커니즘입니다. NVIDIA 공식 매뉴얼의 원문 표현에 따르면: 「단일 비트 오류는 하드웨어가 자동으로 수정하여 데이터 손상을 일으키지 않으며, 이중 비트 오류는 감지는 가능하지만 수정은 불가능합니다」. 단일 비트(수정 가능) 오류는 불량 셀 초기에는 전혀 체감되지 않지만, 카운트가 지속적으로 상승하는 것은 메모리 칩 열화의 전조인 경우가 많습니다. 이중 비트(수정 불가) 오류는 연산 정확성을 직접 위협하며, 학습 중단 오류나 추론 결과 저하가 이와 관련될 수 있습니다.
NVIDIA는 불량 셀을 위해 세 가지 대비책을 마련해 두었습니다: 페이지 리타이어(같은 페이지에서 단일 비트 오류가 반복되거나 이중 비트 오류가 한 번 발생하면 트리거되며, 드라이버가 불량 페이지를 숨김), 행 리매핑(불량 행을 예비 행으로 재지향, Ampere부터 지원, 예산은 A100 최대 64회, H100 512회 — 모두 NVIDIA 공식 문서 기준); 메모리 칩 측면에서는 HBM3부터 온칩 ECC를 내장하고 있습니다(SK hynix 공식 발표). 도구 판독 방법은 이 지식베이스의 카드 검증 가이드 항목을 참고하고, 본 항목에서는 판독값 이면의 메커니즘을 다룹니다.
| 항목 | 수치 / 기준 |
|---|---|
| 단일 비트 vs 이중 비트 | 단일 비트는 하드웨어 자동 수정 · 이중 비트는 감지 가능하나 수정 불가(NVIDIA nvidia-smi 공식 매뉴얼) |
| 카운터 두 가지 기준 | 휘발성(드라이버 로드 시점부터) / 누적(수명 주기 카운트) · Ampere부터 누적은 초기화 불가(NVIDIA 매뉴얼) |
| 행 리매핑 예산 | A100 최대 64회 · H100 512회(NVIDIA GPU Memory Error Management 문서) |
| 메모리 칩 측 방어선 | HBM3부터 온칩 내장 ECC(SK hynix 2021 공식 발표) |
B300 세대는 단일 카드에 288GB HBM3e를 탑재해 VRAM 건강이 곧 시스템 수명을 좌우합니다: 중고 카드 검증 시 먼저 ECC를 확인하세요 — 휘발성 카운트는 0에 가까운데 누적 카운트가 높으면 카드가 결함을 안고 운용된 적이 있다는 뜻입니다. Ampere부터 누적 카운트는 초기화가 불가능하므로, 이 수명 주기 카운트는 중고 구매자에게 가장 확실한 근거 중 하나입니다. 행 리매핑 횟수가 예산 한도(H100의 경우 512회)에 근접한 카드는 「VRAM 풀의 축소가 임박했다」는 전제로 잔존 가치를 평가해야 합니다.
물리적 확인 3가지: 금속 접점(PCIe 엣지 커넥터)은 산화, 마모, 탈착 흔적을 확인하세요 — 도금이 검게 변하거나 마모되어 뚫린 것은 여러 번의 유통이나 접촉 불량 위험을 의미합니다. 방열판은 분해 흔적, 서멀 패드 노화, VRAM 측 온도(GPU-Z로 VRAM 온도와 메모리 제조사를 확인할 수 있으며, 카드 검증 가이드 항목 참조)를 확인하세요 — VRAM의 장기간 고온은 단일 비트 오류 누적의 첫 번째 원인이므로, 스트레스 테스트 시 VRAM 온도와 ECC 증가량을 함께 주시해야 합니다.