AI는 모두가 쓰고 싶어 하지만, 그 AI를 돌리는 시설은 누구의 동네에 지을 것인가. 이제 데이터센터는 조용한 서버 건물이 아니라 전기, 물, 송전망, 토지, 냉각 설비를 한꺼번에 요구하는 산업 인프라가 됐다.
최근 미국 여론조사에서 응답자의 다수가 거주지 인근 AI 데이터센터 건설에 반대한다는 결과가 나왔다. 보도에 따르면 미국인 10명 중 7명가량이 가까운 지역의 AI 데이터센터 건설에 부정적이었다1. 중요한 점은 "AI 반대"라기보다 "비용과 부담을 누가 떠안느냐"에 대한 반응이라는 것이다.
AI 데이터센터는 GPU가 많은 건물이 아니다
기존 데이터센터와 AI 데이터센터의 차이는 서버 대수보다 전력 밀도에서 갈린다. 검색, 쇼핑, 업무용 SaaS를 처리하는 전통적 시설은 비교적 분산된 CPU 기반 부하를 감당했다. 반면 대규모 AI 학습과 추론은 수천 개 GPU가 짧은 시간 안에 서로 데이터를 주고받아야 한다.
그래서 AI 데이터센터의 핵심 질문은 "GPU가 있느냐"가 아니라 "그 GPU를 계속 80~90% 이상 활용할 수 있느냐"에 가깝다. 이를 위해서는 고성능 네트워크, 빠른 스토리지, 안정적 전력 공급, 고밀도 냉각이 함께 맞아야 한다.
마케팅 자료에서 "AI-ready"라는 표현을 봤다면 다음을 확인해야 한다.
랙당 전력 밀도는 어느 수준인가
공랭만으로 가능한가, 액체냉각을 전제로 하는가
GPU 간 통신 구조는 이더넷인가, InfiniBand인가, 자체 패브릭인가
학습용인가, 추론용인가, 또는 일반 클라우드 워크로드와 섞어 쓰는가
전력 계약과 실제 가동 시점은 확정됐는가
이 질문에 답하지 못하면, 그것은 AI 데이터센터라기보다 "GPU를 넣겠다는 부동산 프로젝트"일 수 있다.
병목은 칩만이 아니라 전기, 열, 시간이다
AI 데이터센터 경쟁을 반도체 확보전으로만 보면 절반만 보는 것이다. 실제 병목은 전력망 접속, 냉각, 인허가, 지역 수용성에서 발생한다.
국제에너지기구는 데이터센터, AI, 암호화폐 관련 전력 사용량이 2022년 약 460TWh였고 2026년에는 두 배 수준으로 늘 수 있다고 전망했다2. 미국에서도 데이터센터 전력 수요가 빠르게 커질 수 있다는 분석이 잇따른다. 로런스버클리국립연구소는 미국 데이터센터 전력 소비가 2023년 176TWh에서 2028년 325~580TWh로 증가할 수 있다고 추정했다3.
이 숫자가 지역 주민에게 의미하는 바는 단순하다. 새 공장이 들어오는 것과 비슷한 질문이 생긴다. 전기는 충분한가. 송전선은 누가 깔 것인가. 냉각에 필요한 물은 어디서 오나. 전기요금 상승분은 주민에게 전가되지 않나. 일자리는 얼마나 생기나.
반론도 있다. 데이터센터는 제조업 공장보다 배출가스가 적고, 지방정부에는 세수와 투자 유치 효과가 있다. 재생에너지 전력구매계약을 통해 신규 전원을 늘릴 수도 있다. 하지만 지역사회 입장에서는 약속보다 체감 비용이 먼저 보인다. "깨끗한 디지털 인프라"라는 설명만으로는 송전망 증설, 소음, 물 사용, 토지 이용 갈등을 지우기 어렵다.
발표 자료를 읽을 때 봐야 할 숫자
AI 데이터센터 발표에서 가장 눈에 띄는 숫자는 보통 투자액과 면적이다. 하지만 실무적으로 더 중요한 숫자는 MW, 가동률, 고객 확약이다.
먼저 "몇 MW 규모"인지 봐야 한다. 그리고 그 전력이 언제 실제로 들어오는지 확인해야 한다. 전력 계약이 없는 10억 달러 프로젝트보다, 작지만 확정된 전력과 고객을 가진 시설이 더 현실적일 수 있다.
둘째, PUE 같은 효율 지표를 조심해서 봐야 한다. PUE가 낮다는 말은 냉각과 전력 손실이 적다는 뜻이지만, GPU 활용률이 낮으면 전체 경제성은 무너진다. 에너지 효율 좋은 빈 공장과 다르지 않다.
셋째, 누가 그 용량을 살 것인지가 중요하다. 빅테크가 장기 계약을 맺은 시설인지, 아직 수요자를 찾는 투기적 개발인지에 따라 리스크가 완전히 다르다. AI 수요가 폭발한다는 거시 전망만으로 개별 프로젝트의 채산성이 보장되지는 않는다.
기업은 지을 것인가, 빌릴 것인가, 기다릴 것인가
AI 컴퓨트가 필요한 기업의 선택지는 네 가지다. 직접 짓기, 클라우드에서 쓰기, 코로케이션·전용 GPU 클러스터를 임대하기, 그리고 일부 워크로드만 외부화하는 하이브리드 방식이다.
직접 구축은 데이터 통제와 장기 단가 면에서 유리할 수 있지만, 전력·냉각·운영 리스크를 모두 떠안아야 한다. 클라우드는 빠르지만 대규모 장기 학습에는 비용이 커질 수 있다. 코로케이션은 중간 선택지지만, 결국 전력 계약과 GPU 공급, 네트워크 품질을 검증해야 한다.
따라서 의사결정 기준은 "AI를 하느냐 마느냐"가 아니다. 예측 가능한 대규모 부하가 있는가. 데이터 규제가 강한가. GPU를 상시로 쓸 수 있는가. 전력 비용 변동을 감당할 수 있는가. 이 질문에 답해야 한다.
AI 데이터센터 논쟁은 기술 낙관론과 지역 반대의 충돌처럼 보이지만, 실제로는 인프라 경제학의 문제다. 정책입안자, 투자자, 기업 CIO가 지금 봐야 할 것은 멋진 조감도가 아니라 전력망 접속, 냉각 방식, 확정 고객, 지역사회 비용 분담 구조다. AI 시대의 승자는 GPU를 많이 산 쪽이 아니라, 그 GPU를 지속 가능하게 돌릴 장소와 전기를 확보한 쪽일 가능성이 크다.
참고
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.