Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
AI 데이터센터 확장의 핵심 제약이 GPU에서 전력 및 인허가로 이동함에 따라, 자체 발전 설비를 구축하는 BYOP 전략과 관련 인프라 투자 사이클이 가속화되고 있습니다. 전력망 연결 지연과 부지 선정 문제를 해결하기 위한 AI 기반 솔루션 및 물리적 인프라 구축 기업이 주목받고 있습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 GeekNews의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기AI는 컴퓨팅 역사상 가장 많은 전력을 요구하는 작업 부하로, 2026년 초 기준 하이퍼스케일 데이터센터
190GW가 발표됨
약 148GW는 계획 단계, 21GW는 건설 중, 12GW는 운영 중임
세계 데이터센터 전력 소비량은 2030년까지 두 배 이상 증가할 것으로 예상됨
미국에서는 데이터센터 전력 소비량이 에너지 집약 제조업 전체를 넘어설 것으로 전망됨
데이터센터 자체는 1218개월 만에 지을 수 있지만 전력망 연결은 57년이 걸림
2025년 가동 예정이던 데이터센터 110개 중 4분의 1 이상이 전력/인허가/건설 문제로 지연됨
하이퍼스케일 사업자는 용량과 일정의 확실성을 얻기 위해 자체 발전 설비를 직접 건설하고 운영하는 복잡성을 받아들이기 시작함
미국 정부는 AI 인프라를 국가 안보 문제로 다루기 시작함
2026년 4월 Trump 대통령은 국방물자생산법
Section 303을 발동해 대규모 전력망 장비와 공급망을 국방에 필수적인 분야로 지정함
핵심 전력망 부품의 미국 내 생산 확대를 위한 긴급 연방 금융 지원이 허용됨
2025년 데이터센터는 건설 환경 관련 벤처 투자액 57억 달러 중
45억 달러/78% 를 차지함
Bessemer Venture Partners는 현재의 전력 인프라 기술을 대량생산 철강이 철도/교량/공장 건설을 가능하게 했던 과정에 비유하며, AI 경제를 뒷받침할 물리적 시스템에 투자하고 있음
데이터센터는 전력을 확보하거나 GPU를 배치하기 전에 지방/주 정부의 여러 승인을 받아야 함
용도지역, 환경 규제, 전력망 연결 계약, 대기/수질 허가, 멸종위기종 조사, 문화유산 조사 등이 포함됨
승인 절차와 소요 기간이 관할 지역마다 달라 프로젝트 관리가 복잡함
2024년 3월부터 2025년 3월까지 데이터센터 개발 16건이 인허가 제한으로 지연되거나 거부됐으며, 지역사회의 반대가 주요 원인으로 작용함
미국에서는 복잡한 인프라 인허가에 매년
50억 달러 이상이 투입되고 있음
미국 전체 인허가 지출의 3분의 1 이상을 차지함
1조5,000억 달러 이상의 인프라 자본이 인허가 절차에 묶여 있음
대형 컨설팅 기업과 5만 개 이상의 소규모 업체가 시장을 담당하지만, 상당수가 직원 15명 미만이며 업무 대부분이 수작업으로 진행됨
Lorica는 데이터 수집/구조화/제출을 자동화하는 AI 기반 인허가 준비·실행 서비스를 개발함
프로젝트별 최적 인허가 경로 데이터를 축적해 다음 프로젝트의 일정과 위험을 예측하는 정보 계층을 구축함
Paces는 전력망/인허가/환경 데이터를 하나의 플랫폼에 통합함
자본을 투입하기 전에 전력망 제약, 용도지역 충돌, 환경 문제를 탐지함
고객들은 위험을 사전에 파악해 계약 성사 건수가 약 3배 늘었다고 보고함
공간 모델링, 드론 측량, 자원 부담 시뮬레이션도 대규모 자본 투입 전에 지역사회 반발 가능성을 파악하는 수단으로 활용될 수 있음
유망한 제품은 분리된 데이터를 하나의 화면에 통합하고, 맥락을 활용하는 에이전트와 반복 프로젝트에서 정확도가 높아지는 데이터 플라이휠을 구축해야 함
전력망 연결형 부지는 발표된 프로젝트 수의 45%로 가장 많지만,
자체 발전과 하이브리드 방식이 발표 용량의 절반 가까이를 차지함
BYOP는 전력망 연결 대기열을 피하기 위해 계량기 뒤편(BTM)에서 전력을 직접 생산하는 전략임
2025년에만 약
50GW의 BTM 가스 발전 프로젝트가 발표됨
신규 AI 데이터센터를 빠르게 가동하기 위한 지배적인 전략으로 자리 잡음
발전 기술은 공급망 충격에 대응할 수 있고 수요에 맞춰 확장 가능한 모듈형 구조를 중심으로 개발되고 있음
Boom Supersonic은 초음속 항공기용 제트엔진 코어를 데이터센터용
42MW 천연가스 터빈 Superpower로 전환함
Arbor는 초임계 CO₂를 작동 유체로 사용하고 탄소 포집을 내장한 차세대 가스터빈을 개발함
BTM 배터리는 값싼 비첨두 시간에 충전하고 첨두 시간에 방전해 수요 요금을 줄임
Exowatt은 AI 팩토리를 위한 모듈형 태양광 발전과 열 배터리를 개발하며, 24시간 필요할 때 공급 가능한 전력을 목표로 함
Inertia는 Lawrence Livermore National Laboratory의 레이저 기반 관성 가둠 핵융합 방식을 상용화해 전력망 규모 발전소를 건설하려 함
핵융합은 가장 장기적인 기술이지만 청정/급전 가능 기저전력을 대규모로 공급할 잠재력 때문에 2030년대 이후 핵심 분야로 평가됨
American Terawatt는 공공 전력망을 거치지 않고 발전원과 데이터센터를 연결하는 민간 고압 직류 송전망을 구축함
장기적인 경쟁력은 낮은 균등화 발전비용(LCOE), 반복 가능한 배치 방식, 안정적인 공급망에서 형성됨
장비를 공급한 뒤 급전 최적화와 예측 제어 소프트웨어를 추가할 수 있어야 함
NVIDIA의
800V DC 아키텍처로 전력 구조가 수렴하면서 핵심 인프라 파트너로 자리 잡을 기회가 생김
데이터센터에 도달하는 모든 전력은 발전/송전/시설 단계에서 전압을 바꾸는 변압기를 통과함
변압기 수요는 2019년부터 2025년까지
119% 증가했지만 생산 능력은 따라가지 못함
GE, Siemens, Mitsubishi 등의 납품 기간은 코로나19 이전 약 1년에서 최대 5년으로 늘어남
개폐장치 납품 기간도 60주를 넘었으며 고압 케이블과 차단기가 다음 병목으로 지목됨
클라우드 시대의 랙 전력 밀도는 2040kW였지만 일부 AI 학습 클러스터는600kW**를 사용함
**랙당 500
NVIDIA는 Rubin Ultra 이후 랙당 1MW를 목표로 함
800V DC 표준화와 함께 기존 AC/DC 변환 단계는 에너지 손실과 추가 장비를 발생시킴
전력 전달 분야의 기회는 세 가지로 구분됨
기존 기업보다 빠르게 전력망 장비를 공급함
변압기와 전력 변환 구조 자체를 다시 설계함
이미 설치된 송전 인프라에서 더 많은 용량을 확보함
Ayr Energy는 인도의 계약 제조사를 활용해 변전소/송전용 변압기와 차단기를 생산함
기존 35년인 납품 기간을12개월**로 줄임
**6
고체 변압기(SST)는 여러 전력 변환 단계를 하나의 모듈형 장치로 통합함
Silicon Carbide 반도체를 사용해 중전압 AC를 800V DC로 직접 변환함
양방향/프로그래밍 가능한 구조로 배터리 저장장치, 태양광, 자체 발전과 직접 통합할 수 있음
Heron Power의 Heron Link는 800V DC 변환을 위해 설계된 모듈형 중전압 SST이며 NVIDIA 800V DC 아키텍처의 주요 파트너로 참여함
DG Matrix는 다양한 전압과 주파수를 입력받아 800V DC 또는 AC를 출력하는 다중 포트 SST를 개발함
기존 10~17개의 개별 전력 시스템을 하나의 장치로 통합함
미국의 전력망 혼잡 비용은 연간 약
115억 달러에 달함
운영자가 송전선의 실시간 상태를 충분히 파악하지 못해 실제 열적 한계보다 낮은 수준으로 보수적으로 운영하는 용량이 많음
GridAstra의 FUSION-T는 동적 송전 용량, 고급 전력 흐름 제어기, 전력망 토폴로지 재구성을 하나의 환경에서 모델링함
과부하 선로의 전력을 사용률이 낮은 선로로 자동 우회하는 제어 계획을 생성함
TS Conductor는 복합재 코어 전선을 이용한 재가선으로 기존 송전 통로의 용량을 약 두 배로 늘림
신규 송전선 건설에 필요한 인허가와 토지 사용권 확보를 피할 수 있음
경쟁력은 당장 공급할 수 있는 속도와 하이퍼스케일 물량을 감당할 생산 구조를 동시에 확보하는 데서 형성됨
데이터센터는 발전원, 배터리, 전력망 연결, 변화하는 AI 작업 부하를 함께 운영하는 복잡한 에너지 시스템으로 변하고 있음
전력 관리, 작업 예약, 전력망 통신, 규정 준수가 서로 분리된 시스템에 남아 있음
Schneider, Vertiv, Sunbird 등의 기존 DCIM은 이전 세대 데이터센터를 전제로 설계됨
새로운 소프트웨어 기회는 등급별 SLA, 에너지 경제성과 물리 장비 제어의 통합, AI 작업 부하용 DCIM에서 형성됨
기존 전력 계약과 데이터센터 서비스 계약은 AI 작업 부하를 중단할 수 없는 고정 수요로 취급함
실제로는 일부 AI 작업을 유연하게 운영할 수 있음
학습 작업은 일시 정지한 뒤 재개할 수 있음
배치 추론은 전력이 충분한 지역으로 이동할 수 있음
우선순위가 낮은 작업은 더 긴 지연 시간을 허용할 수 있음
작업의 유연성이 계약에 반영되지 않아 사용할 수 있는 전력망 용량이 방치되고 있음
등급별 SLA는 배치 가능한 학습을 비첨두 시간으로 옮기고, 중요도가 낮은 작업의 지연을 늘리며, 전력망 비상 상황에서 용량을 반환하도록 설계됨
Emerald AI는 전력 상황에 따라 GPU 작업 부하를 동적으로 예약함
전력망이 부족할 때 배치 학습을 멈추거나 제한함
지연 시간에 민감한 추론은 보호함
전력이 풍부한 지역으로 연산을 이동함
Virginia의 Aurora AI Factory는 Emerald, Digital Realty, NVIDIA, EPRI, PJM이 참여하며, 전력 수요를 유연하게 조절하는 데이터센터의 첫 상용 실증 사례가 될 예정임
여러 데이터센터를 운영하는 기업은 부동산, 전력 가격과 헤지, 작업 예약, 규정 준수를 함께 관리해야 함
수천 건의 전력요금을 정산함
도매 전력 가격 위험을 헤지함
실시간 가격에 맞춰 배터리를 충전/방전함
재생에너지 인증서를 회계 처리함
현재는 스프레드시트와 개별 솔루션을 이어 붙여 처리하는 경우가 많음
Verse는 전력요금 관리, 전력구매계약(PPA), 에너지 포트폴리오 분석, 위험 관리와 헤지를 하나의 플랫폼에 통합함
Dispatch Intelligence는 BTM 배터리의 실시간 충전 결정을 내림
장기 PPA 조건은 배터리 방전 방식에 영향을 주고, 수요 요금의 과다 청구는 전체 헤지 전략에 영향을 줄 수 있음
데이터센터 운영자는 랙별 실제 전력 사용량, 열적 여유, 보수적 정격 때문에 방치된 용량, 성능이 저하되는 GPU를 실시간으로 파악하기 어려움
차세대 DCIM은 다음 기능을 결합해야 함
실시간 원격 측정
열과 전력 흐름에 대한 예측 시뮬레이션
AI 기반 이상 탐지
대시보드 표시를 넘어 신뢰할 수 있는 자율 제어
Aravolta와 Phaidra 등이 AI 기반 운영 시스템을 개발하고 있음
전력회사와 전력망 운영자는 연결 신청, 발전/송전 계획, 부하 증가 모델링, 요금 규제 절차를 처리해야 함
AI 기반 소프트웨어는 다음 영역을 자동화할 수 있음
전력망 연결 연구
자본 프로젝트 계획과 부하 예측
규제 서류와 요금 심사 절차
Senpilot은 엔지니어링/규제/고객 서비스용 에이전트를 하나의 플랫폼에 묶은 전력회사 운영체제를 개발함
전력회사 소프트웨어는 기업 기술 시장에서 변화가 느렸지만, AI가 기존 시스템을 대체할 계기가 될 수 있음
BTM 발전은 단기적인 전력 확보를 돕지만 장기적으로는 공공 전력망이 신규 부하를 더 빠르게 수용해야 함
GE Vernova에서 분사한 ThinkLabs AI는 물리 법칙을 반영한 전력망 AI 디지털 트윈을 개발함
전력 흐름, 혼잡, 신규 연결 영향을 기존 도구보다 짧은 시간에 모델링함
전력회사가 설비 증설을 계획하고 신규 부하를 더 효율적으로 연결하도록 지원함
가장 가치 있는 소프트웨어는 IT 작업 부하와 물리적 전력 설비를 실시간으로 연결하고, 수집된 데이터를 기반으로 직접 조치할 수 있어야 함
하이퍼스케일 사업자가 최신 GPU와 서버로 교체하는 주기가 짧아지면서 폐기되는 장비가 빠르게 늘고 있음
Molg는 서버, 노트북, 산업 전자장비를 자동 분해하는 로봇 마이크로팩토리를 개발함
부품 회수, 재제조, 재활용을 통해 폐기 장비에서 가치를 회수함
장기적인 경쟁력은 자동화와 독점적인 현장 데이터를 결합하는 데서 형성됨
고장을 연쇄 장애 전에 예측함
시공 품질 문제를 재작업 전에 발견함
폐기될 장비에서 회수 가능한 가치를 찾아냄
AI 랙은 향후 1년 안에 클라우드 시대보다
50배 높은 전력 밀도를 요구할 것으로 전망됨
공랭 방식은 열을 충분히 빠르게 제거하지 못해 성능 제한과 하드웨어 열화를 방지하기 어려움
과열은 하드웨어 수명과 와트당 성능에 직접 영향을 주기 때문에 하이퍼스케일 사업자와 프런티어 연구소는 냉각 구조 자체를 다시 설계하고 있음
액체 냉각은 신규 AI 데이터센터 냉각 구조의 다수를 차지하는 방식으로 부상함
직접 칩 냉각은 콜드 플레이트와 매니폴드로 냉각수를 프로세서 표면에 전달함
액침 냉각은 서버 전체를 비전도성 유체에 담가 극단적으로 높은 랙 밀도를 처리함
직접 칩 냉각은 기존 데이터센터 구조와 통합하기 쉬워 단기 적용 범위가 더 넓음
Corintis는 AI로 설계한 미세유체 콜드 플레이트를 개발함
냉각수를 칩의 발열 지점으로 직접 보내 기존 평행 채널 구리 플레이트보다 높은 성능을 제공함
냉각 장비 운영을 AI로 최적화하는 소프트웨어 시장도 형성되고 있음
Phaidra는 실시간 전력 사용량을 수요 급증의 조기 신호로 사용함
칩 온도가 오르기 전에 냉각 시스템을 조절해 열 안정성을 높임
냉각은 단순한 부대 설비가 아니라 칩 성능, 하드웨어 수명, 데이터센터의 물 사용량과 배출량을 결정하는 능동형 제어 시스템으로 바뀌고 있음
유망한 냉각 기술은 특정 하드웨어 공급업체에 고정되지 않고 변화하는 데이터센터 구조에 적응할 수 있어야 함