딥러닝 PC RAM은 이제 32GB가 최소선입니다. 학습 중 데이터 로더 워커와 모델 가중치의 스테이징이 16GB를 먼저 채우고, 2026년 9월 현재 DDR5 32GB가 74만~80만원대로 치솟으면서 램을 마지막에 대충 고르면 GPU 예산까지 갉아먹기 때문입니다. 이 글에서는 실제 소비량 산수를 표로 보여주고, 학생·연구실·직장인 예산별로 얼마를 램에 배분해야 하는지 계산합니다.
RAM과 VRAM은 역할이 완전히 다릅니다
VRAM은 GPU가 지금 계산 중인 데이터를 올려두는 작업대이고, RAM은 그 앞의 창고입니다. 학습이 시작되면 파이썬 인터프리터, CUDA 런타임, 데이터셋 인덱스가 RAM에 자리 잡고, 데이터 로더 워커 프로세스가 원본 이미지를 디코딩해 GPU로 넘기기 직전까지 RAM을 경유합니다. 모델 파일도 바로 VRAM에 가지 않고 RAM에 먼저 내려진 뒤 복사됩니다. 그래서 창고(RAM)가 비면 작업대(VRAM)는 놀게 됩니다. GPU만 보고 견적을 짜다 학습 중 창이 꺼지는 증상은 대부분 RAM에서 납니다. GPU 쪽 적재량이 궁금하다면 용도별 VRAM 기준표를 먼저 읽으세요.
16GB가 부족한 이유 — 실제 소비량 산수
Windows + CUDA 환경에서 학습 하나를 띄웠을 때 RAM 소비를 항목별로 더해보면 16GB가 왜 부족한지 바로 보입니다.
| 항목 | 소비량 (근사) | 근거 |
|---|---|---|
| OS + 상주 프로그램 | 4~5 GB | Windows 11 실측 상주분 |
| 파이썬 + torch + CUDA 런타임 | 2~3 GB | import 만으로 확보되는 영역 |
| 데이터 로더 워커 4개 | 4~8 GB | pin_memory 사용 시 워커당 원본 배치 1~2개 적재 |
| 모델 가중치 스테이징 | 파일 크기만큼 | 7B 파인튜닝 로드 시 15GB가 RAM을 먼저 통과 |
| 브라우저 탭 + 유틸 | 2~3 GB | 논문 검색·모니터링 동시 사용 가정 |
합계만 12~19GB입니다. 16GB에서는 스테이징 단계가 겹치는 순간 스왑으로 밀려나고, NVMe 스왑이라도 학습 속도가 수시로 끊깁니다. 워커를 0으로 줄이면 안정되지만이번에는 GPU 급식 속도가 반토막이 됩니다. RAM 증설이 워커 증설이고, 워커 증설이 GPU 가동률입니다.
2026년 9월 램 시세 — GB당 2만4천원 시대
이번 견적에서 RAM이 주연이 된 이유는 가격입니다. 다나와리서치 집계 기준 7월 말 DDR5 5600MHz는 8GB가 18만~20만원대, 16GB가 35만~37만원대, 32GB가 74만~80만원대에서 거래됩니다. 1GB당 2만4,000~2만5,000원으로, 2025년 초(GB당 5,400~5,600원)의 약 4.7배입니다. 9월 18일 기준 삼성전자 DDR5-5600 32GB 데스크톱용 최저가는 79만5,900원으로 여전히 80만원선입니다.
| 삼성 DDR5 (다나와 평균가) | 1월 | 3월 | 5월 | 7월 |
|---|---|---|---|---|
| 16GB | 342,856원 | 280,085원 | 347,145원 | 363,028원 |
| 32GB | 753,185원 | 709,469원 | 734,946원 | 793,488원 |
3~4월에 잠시 숨 고르기가 있었지만 7월 중순 이후 다시 오름세로 돌아섰습니다. AI 서버와 HBM이 생산 여력을 먼저 가져가는 구조라, 빅테크 설비 투자가 꺾이기 전엔 급락 신호가 나오기 어렵다는 게 다나와리서치의 분석입니다. 독일 소매 지수(3DCenter)도 2025년 7월을 100으로 놓고 9월에 544까지 올랐고, 미국에서도 32GB DDR5-5600이 72달러에서 409달러로 뛰었습니다. 국내만 비싼 현상이 아닙니다.
RAM에 쓴 1GB가 VRAM 1GB보다 싼 계산
2026년 9월 시세로 환산하면 램 증설의 가성비 근거가 나옵니다. RTX 5070 12GB는 약 91만~92만원이므로 VRAM 1GB당 약 7만6,000원입니다(915,000원 나누기 12). DDR5 32GB는 795,900원이므로 1GB당 약 2만4,900원입니다(795,900원 나누기 32). 시스템 RAM 1GB가 VRAM 1GB보다 약 3배 쌉니다. 물론 역할이 같지는 않아서, VRAM이 부족한데 RAM으로 대체하면 추론 속도는 확 떨어집니다. 하지만 데이터 파이프라인과 캐시 용도에서는 RAM이 GPU보다 훨씬 저렴하게 GPU 가동률을 지켜줍니다. GPU를 한 단계 올릴 돈이 없으면 RAM으로 버티는 편이 계산에 맞습니다.
16GB면 버틸 수 있는 경우, 못 버티는 경우
버틸 수 있는 경우: 이미지 분류 전학습(ResNet급, 워커 2), SD 1.5 512px 생성, 7B 양자화 추론(GPU 적재), 노트북에서 원격 서버 학습 클라이언트. 이 정도는 OS 포함 12GB 안에 들어옵니다. 못 버티는 경우: 7B 이상 파인튜닝(체크포인트 스테이징), 시계열·의료 대용량 데이터셋을 RAM에 통째로 적재하는 작업, 학습 중 텐서보드와 브라우저 다중 탭, 그리고 로컬 LLM을 CPU 오프로딩으로 돌리는 경우 — 14B Q4는 가중치만 약 8.5GB라 16GB에서는 OS와 같이 못 삽니다. 로컬 LLM과 RAM의 관계는 노트북 LLM VRAM 계산식에서 이어서 계산했습니다.
예산별 결론 — 학생·연구실·직장인
학생(본체 예산 150만원 이하): DDR5 32GB 2×16 듀얼 채널을 최소선으로 잡고, GPU는 중고 3090이나 5070 12GB 한계표를 보고 고르되 램 예산 75만원은 빼돌리지 마세요. 견적에서 램을 16GB로 깎으면 GPU는 살아도 학습이 멈춥니다. 연구실(4인 공유 서버): 128GB가 현실선입니다. 4명이 각자 워커 4개를 띄우면 항목표의 소비량이 그대로 4배가 되고, 데이터셋 캐시를 RAM에 얹어두는 편이 NAS 읽기보다 훨씬 빠릅니다. DDR5 32GB 4개 조합으로 넣고 부족하면 64GB 모듈로 증설 여지를 남기세요. 직장인(가정용 한대): GPU 8~12GB급이면 32GB로 충분하고, 로컬 LLM을 CPU 오프로딩으로 놀고 싶을 때만 64GB(4×16 조합 약 150만원)로 올립니다. 급하지 않다면 3~4월 같은 조정 구간을 노리는 게 맞고, 지금 당장 필요한 견적이라면 위 표 가격 그대로 예산에 박아 넣으세요.
자주 묻는 질문
램이 많으면 학습이 빨라지나요?
직접적으로는 아니지만 간접적으로 크게 됩니다. RAM이 부족하면 스왑과 워커 감축으로 GPU가 데이터를 기다리는데, 32GB 이상에서는 워커를 넉넉히 띄워 GPU 사용률을 90%대로 유지할 수 있습니다. 속도의 상한은 GPU가 정하고, 그 상한에 도달할 수 있는지는 RAM이 정합니다.
GPU가 24GB면 RAM은 16GB로도 되나요?
추론 전용이면 가능합니다. 다만 파인튜닝은 다릅니다. 7B 모델 체크포인트가 VRAM으로 들어가기 전 RAM에 통째로 내려앉는 구간이 있어서, 16GB에서는 OS와 합쳐 순간적으로 20GB가 넘습니다. 학습용이라면 GPU 용량과 상관없이 32GB를 기본으로 보세요.
16GB 2개보다 32GB 1개가 낫나요?
같은 32GB라면 16GB 2개 듀얼 채널이 대역폭 면에서 유리합니다. 32GB 단일 모듈은 채널 하나가 절반으로 줄어 데이터 급식 속도가손해를 봅니다. 다만 나중에 64GB로 늘릴 계획이라면 32GB 1개(싱글)로 시작해 슬롯을 비워두는 전략도 성립합니다. 슬롯 4개 보드라면 듀얼 채널 2개 조합을 먼저 채우세요.
DDR4 PC는 64GB로 갈아타는 게 낫나요?
7월 말 기준 DDR4 16GB는 20만~22만원대로 DDR5보다 GB당 약 40% 쌉니다(DDR4 GB당 1만3,000~1만4,000원). 이미 DDR4 플랫폼을 쓰면서 학습용으로 버티는 중이라면 16GB를 추가해 32GB로 올리는 쪽이 DDR5 신조립보다 총비용이 적게 듭니다. 신규 조립이면 DDR5로 가세요 — DDR4는 공급이 먼저 말라 가격 변동성이 커지고 있습니다.
출처: 다나와리서치 RAM 가격동향(2026년 7월 30일 집계), 다나와 실매물(2026년 9월 18일 기준 삼성 DDR5-5600 32GB 최저가 79만5,900원), 제조사 공식 스펙. 가격·스펙은 변동될 수 있으므로 구매 전 최신 정보를 확인하세요.
댓글 남기기