The AI Prism에서 처음 게시됨

전례 없는 규모의 AI 에너지 수요

인공지능 (AI) 산업은 모든 예측을 뛰어넘는 속도로 전력을 소비하고 있습니다. 단 하나의 프런티어급 거대 언어 모델 (LLM)을 학습시키는 데 이제 50에서 100 기가와트시 (GWh) 사이의 전력이 소비되며, 이는 대략 5,000~10,000 가구의 미국 가정 연간 소비량과 맞먹습니다. ChatGPT, Claude, Gemini, Grok과 같은 시스템에 의해 매일 제공되는 수십억 건의 추론 (Inference) 쿼리까지 고려하면, 전체 에너지 발자국 (Energy footprint)은 급격히 팽창합니다.

이러한 현상은 세계 최대의 데이터 센터 시장인 버지니아 북부에서 가장 눈에 띄게 나타납니다. 그리드 운영사인 Dominion Energy에 따르면, 이 지역 데이터 센터의 전력 수요는 2022년 이후 400 퍼센트 이상 급증했습니다. 세계 인터넷 트래픽의 70%를 처리하는 "데이터 센터 앨리 (Data Center Alley)"가 위치한 라우던 (Loudoun) 카운티 한 곳만 보더라도, 변압기 리드 타임 (Lead times)은 2년까지 늘어나고 있으며 새로운 변전소 프로젝트는 3~5년의 인허가 지연에 직면해 있습니다. 유틸리티 기업들은 속도를 맞추기 위해 고군분투하고 있으며, 이러한 압박은 Ashburn에서 Frankfurt, Singapore에 이르는 모든 주요 클라우드 리전 (Cloud region)으로 확산되고 있습니다.

이것은 점진적인 성장 곡선이 아닙니다. 이는 AI 연산의 순수한 물리적 특성에 의해 주도되는 기하급수적인 급증입니다. 모든 GPT 규모의 학습 실행은 수천 개의 NVIDIA H100 또는 B200 GPU를 몇 주 또는 몇 달 동안 열적 한계 (Thermal limits)까지 밀어붙입니다. 단일 NVIDIA DGX SuperPOD는 부하 상태에서 700 kW 이상의 전력을 소모합니다. 하이퍼스케일러 (Hyperscalers)들이 현재 조달하고 있는 규모인 100,000개의 GPU 클러스터는 소도시와 맞먹는 100 메가와트 (MW) 이상의 지속적인 전력을 요구할 수 있습니다. 그리고 이러한 클러스터들이 여러 지역에서 동시에 구축되고 있습니다.

공급망 위기: 칩, 팹 (Fabs), 그리고 리드 타임 (Lead times)

하드웨어 측면에서도 병목 현상은 똑같이 심각합니다. NVIDIA의 H100/B200부터 AMD의 MI300X, Intel의 Gaudi 3에 이르기까지 모든 주요 AI 칩을 생산하는 TSMC의 3nm 및 5nm 제조 라인 (fabrication lines)은 사실상 100% 가동률을 기록하고 있습니다. 새로운 최첨단 제조 시설 (fabrication facility)을 건설하고 장비를 갖추는 데는 3년에서 5년이 소요되며, 팹 (fab)당 비용은 200억 달러에서 400억 달러에 달합니다. TSTSMC는 애리조나, 일본, 독일에 새로운 팹을 건설하고 있지만, 빨라야 2028년 이전에는 생산 용량 (capacity)을 유의미하게 늘릴 수 없습니다.

한편, 완전한 AI 클러스터를 조달하는 데 걸리는 리드 타임 (lead times)은 급격히 늘어났습니다. 2023년에는 하이퍼스케일러 (hyperscaler)가 NVIDIA H100 시스템을 주문하면 6개월 이내에 받을 수 있었습니다. 2026년이 되면 그 기간은 18개월 이상으로 늘어납니다. 병목 현상은 GPU 다이 (dies)에서 고대역폭 메모리 (HBM), 네트워킹 실리콘 (networking silicon), 그리고 액체 냉각 인프라 (liquid cooling infrastructure)로 연쇄적으로 이어졌습니다. 공급망의 모든 연결 고리가 포화 상태입니다.

NVIDIA 한 곳만 해도 2024년에 370만 개 이상의 H100 GPU를 출하했으며, 2025년에는 Blackwell (B200) 제품군을 통해 이미 그 수치를 넘어섰습니다. AMD 또한 MI350 및 MI400 시리즈를 점점 더 많은 물량으로 출하하고 있습니다. 그럼에도 불구하고 모든 주요 클라우드 제공업체 — Microsoft, Amazon, Google, Meta, Oracle, 그리고 늘어나는 AI 스타트업 목록 — 가 동시에 용량을 확장하고 있기 때문에 수요는 계속해서 공급을 앞지르고 있습니다. 그 결과, 수십억 달러를 지불할 의사가 있는 기업들조차 하드웨어 인도와 그리드 상호 연결 (grid interconnection)을 위해 수년간의 대기 시간을 마주하고 있습니다.

재생 에너지 격차: 친환경이 따라잡지 못할 때

AI 에너지 논쟁에서 가장 불편한 진실 중 하나는 재생 에너지가 그 격차를 메울 만큼 빠르게 확장되지 못하고 있다는 점입니다. 전 세계 재생 에너지 용량은 태양광 및 풍력 보급에 힘입어 매년 **1520%**라는 견고한 성장세를 보이고 있습니다. 하지만 AI 데이터 센터의 에너지 수요는 매년 **4060%**씩 성장하고 있으며, 이는 2~3배 더 빠른 속도입니다. 산술적으로 계산했을 때 도저히 균형이 맞지 않는 상황입니다.

이러한 불일치는 데이터 센터 운영자들에게 어려운 타협을 강요하고 있습니다. 2025년까지 100% 재생 에너지 매칭을 강력하게 옹호해 왔던 Microsoft는, 데이터 센터 부하를 충당하기 위해 버지니아와 아일랜드에 있는 천연가스 발전소에 대한 전력 구매 계약 (PPA)을 조용히 체결했습니다. Google의 2024년 환경 보고서에 따르면, AI 워크로드 (AI workloads)의 영향으로 데이터 센터 배출량이 2019년 대비 48% 증가한 것으로 나타났습니다. 최대 클라우드 제공업체인 Amazon Web Services는 2023년 이후 미국 전역의 데이터 센터를 위해 2.5 GW 이상의 천연가스 용량을 확보했습니다.

구조적인 문제는 풍력과 태양광이 간헐적 (intermittent)이라는 점입니다. AI 학습 클러스터 (AI training cluster)는 몇 달 동안 24시간 내내 가동됩니다. 바람이 잦아들거나 해가 진다고 해서 가동을 중단할 수는 없습니다. 유틸리티 규모 (utility scale)의 배터리 저장 장치는 개선되고 있지만, AI가 요구하는 멀티 기가와트 (multi-gigawatt) 급의 기저 부하 (baseload)를 감당하기에는 여전히 비용이 지나치게 높습니다. 4시간용 리튬 이온 (lithium-ion) 배터리 시스템의 비용은 kWh당 150달러 미만으로 떨어졌지만, 이조차도 단기적인 공백만을 메울 뿐 하이퍼스케일 (hyperscale) AI가 요구하는 24시간 기저 부하를 충당하지는 못합니다.

원자력 발전: AI 산업의 새로운 도박

상시 가동이 가능하고 탄소 배출이 없는 전력을 찾는 과정은 거대 AI 기업들을 원자력 에너지로 직접 이끌었습니다. 2024년과 2025년에는 일련의 획기적인 계약들이 에너지 지형을 재편했습니다.

• Microsoft는 1979년 사고가 발생했던 바로 그 부지인 Three Mile Island 원자력 발전소의 1호기를 재가동하기 위해 20년 전력 구매 계약을 체결했으며, 이곳을 Crane Clean Energy Center로 명명했습니다. 이 계약을 통해 2028년부터 Microsoft의 데이터 센터에 835 MW의 무탄소 전력을 공급할 예정입니다.

• Google은 Kairos Power와 협력하여 여러 개의 소형 모듈형 원자로 (SMRs)로부터 전력을 구매하기로 했으며, 첫 번째 유닛은 2030년까지 가동을 시작하고 총 용량은 2035년까지 500 MW에 도달할 것으로 예상됩니다.

• Amazon은 펜실베이니아주 Susquehanna Steam Electric Station 원자력 발전소 인근의 데이터 센터 캠퍼스를 인수했으며, 동일한 발전소에 공동 배치된 Talen Energy의 Cumulus 데이터 센터 캠퍼스로부터 원자력을 구매하기로 계약을 체결했습니다.

• Oracle은 총 1 GW의 컴퓨팅 용량을 목표로, 3기의 소형 모듈형 원자로 (SMRs)를 통해 전력을 공급받는 데이터 센터 캠퍼스 구축 계획을 발표했습니다.

소형 모듈형 원자로 (SMRs)는 이러한 전략의 핵심입니다. 건설 비용이 100억 달러에서 300억 달러에 달하고 건설에 10년 이상이 소요되는 전통적인 기가와트 (GW) 규모의 원자력 발전소와 달리, SMR은 50 MW에서 300 MW 범위의 공장 제조형 유닛으로 점진적인 배치가 가능합니다. NuScale, TerraPower, Kairos Power와 같은 기업들은 첫 상업용 유닛의 건설 기간을 3~5년으로 목표하고 있으며, 생산 규모가 확대됨에 따라 비용은 100달러/MWh 미만으로 하락할 전망입니다. 원자력 규제 위원회 (Nuclear Regulatory Commission)는 NuScale의 SMR 설계를 승인했으며, 에너지부 (Department of Energy)는 차세대 원자로 실증 프로그램 (Advanced Reactor Demonstration Program)을 통해 실증 프로젝트에 자금을 지원하고 있습니다.

하지만 원자력은 자체적인 과제에 직면해 있습니다. SMR을 위한 규제 및 인허가 프레임워크는 여전히 구축 단계에 있으며, 미국에서는 아직 단 1와트의 전력도 그리드에 공급하는 상업용 SMR이 없습니다. 2011년 후쿠시마 재난 이후 위축되었던 우라늄 연료 공급망은 이제야 서서히 재건되고 있습니다. 또한 원자력 발전에 대한 대중의 반대는 다소 완화되고는 있으나, 여전히 많은 관할 구역에서 정치적 리스크로 남아 있습니다. 업계가 원자력에 거는 베팅은 장기적인 헤지 (hedge) 수단이지, 오늘날 AI 데이터 센터를 압박하고 있는 에너지 부족 현상에 대한 단기적인 해결책은 아닙니다.

지리적 차익 거래 (Geographic Arbitrage): 차가운 공기와 저렴한 전력을 찾아

원자력의 르네상스가 향후 10년에 걸쳐 전개되는 동안, AI 기업들은 더 즉각적인 전략을 추진하고 있습니다. 바로 전력이 가장 저렴하고 기후가 가장 서늘한 곳에 데이터 센터를 구축하는 것입니다. 이러한 지리적 차익 거래는 AI 컴퓨팅의 글로벌 지도를 재편하고 있습니다.

**Iceland(아이슬란드)**는 AI 학습 워크로드(workloads)를 위한 놀라운 허브가 되었습니다. 지열 및 수력 자원을 통한 100% 재생 가능 전력과 연중 대부분의 기간 동안 자유 공랭(free air cooling)을 가능하게 하는 주변 온도 덕분에, 아이슬란드는 버지니아(Virginia)나 프랑크푸르트(Frankfurt)보다 총 소유 비용(TCO)을 30~40% 더 낮출 수 있는 환경을 제공합니다. Borealis Data Center 및 atNorth와 같은 기업들은 레이캬비크(Reykjavik)와 케플라비크(Keflavik)에서 AI 준비가 된 시설을 운영하고 있으며, 5GW 이상의 개발 가능 잠재력을 가진 것으로 추정되는 이 나라의 풍부한 지열 용량은 미국의 주요 하이퍼스케일러(hyperscalers)들의 관심을 끌고 있습니다. 주요 제한 사항은 해저 케이블 대역폭(bandwidth)입니다. 아이슬란드의 유럽 본토 및 북미와의 연결성은 제한된 수의 광섬유 쌍(fiber pairs)을 통해 이루어지지만, IRIS 및 Farice의 이니셔티브와 같은 새로운 케이블들이 용량을 확장하고 있습니다.

Norway(노르웨이) 또한 유사한 가치 제안을 제공합니다. 이 국가는 전력의 98% 이상을 수력으로 생산하며, 그중 상당 부분은 유럽에서 가장 낮은 수준인 MWh당 20유로 미만인 경우가 많은 북부 지역에서 생산됩니다. 추운 기후는 연중 내내 매우 효율적인 공랭(air cooling)을 가능하게 합니다. 노르웨이 피오르드(fjords) 내의 옛 광산 안에 구축된 거대 시설인 Lefdal Mine Datacenter는 전적으로 재생 가능한 수력 전력으로 구동되는 120,000제곱미터 규모의 데이터 센터 공간을 제공합니다. 2025년, 여러 AI 스타트업들은 런던이나 프랑크푸르트의 유사 시설 대비 5분의 1 수준인 전력 비용을 언급하며, 노르웨이 시설에 학습 클러스터(training clusters)를 코로케이션(colocate)할 계획을 발표했습니다.

기타 신흥 목적지로는 스웨덴(Luleå 인근의 수력 발전 기반 센터들이 빠르게 확장 중), 핀란드(Helsinki의 독일 및 러시아행 해저 광섬유 연결로 인해 전략적 노드 역할을 수행), 그리고 AI 연산(compute)에 전력을 공급하기 위해 대규모 태양광 발전소가 건설되고 있는 사우디아라비아의 NEOM과 같은 사막 지역 등이 포함됩니다. 공통적인 흐름은 AI 기업들이 전력을 확보하기 위해 지연 시간(latency)을 감수하려 한다는 점입니다. 실시간 추론(inference)과 달리, 학습 워크로드(training workloads)는 원격 위치로 인해 발생하는 20~50밀리초(ms)의 왕복 시간(round-trip times)을 견딜 수 있습니다.

2,000억 달러의 질문: 우리는 너무 많이 구축하고 있는가?

AI 기업, 하이퍼스케일러(hyperscalers), 그리고 이들의 투자자들은 2026년 한 해에만 자본 지출(capital expenditures)로 2,000억 달러 이상을 지출할 것으로 예상됩니다. 여기에는 GPU, 네트워킹 장비, 데이터 센터 건설 및 그리드 상호 연결(grid interconnection) 비용이 포함됩니다. Microsoft는 2026 회계연도 AI 인프라에 800억 달러를 투입하기로 약속했습니다. Amazon의 연간 자본 지출 실행 속도(run rate)는 2025년 말까지 연간 750억 달러를 초과했습니다. Google과 Meta는 각각 400억 달러 이상을 약속했습니다. 이 수치들은 세계 5대 석유 기업의 합산 자본 예산을 초과하며, 단일 기술 섹터에 대한 전례 없는 투자 집중을 나타냅니다.

리스크는 이러한 지출이 스스로의 무게를 견디지 못하고 붕괴하는 AI 하드웨어 버블을 형성할 수 있다는 점입니다. 만약 AI 모델의 개선 속도가 느려지거나, 기업의 도입(enterprise adoption)이 예상되는 속도로 실현되지 않거나, 혹은 AI 에너지 소비에 대한 규제적 압박이 나타날 경우, 수천억 달러 규모의 인프라 구축은 좌초 자산(stranded assets)이 될 수 있습니다. 과열(froth)의 징후는 이미 관찰되고 있습니다. NVIDIA의 데이터 센터 매출은 2025년에 전년 대비 200% 이상 성장했으며, NVIDIA의 시가총액은 잠시 동안 국가 전체의 GDP를 초과하기도 했습니다. H100 GPU의 2차 시장(secondary market)에서는 급박한 판매자들이 정점 가격 대비 20~30%의 할인을 제공하는 모습이 나타나고 있으며, 이는 일부 투기적 구매자들이 이미 헤징(hedging)을 하고 있음을 시사합니다.

하지만 반론 또한 그만큼 설득력이 있습니다. PC 시대, 인터넷 붐, 모바일 혁명, 클라우드 컴퓨팅에 이르기까지 모든 주요 기술 주기(technology cycle)는 과잉 투자에 대한 유사한 공포를 겪었으나, 결과적으로 이는 시기상조였음이 밝혀졌습니다. 새로운 세대의 AI 모델이 등장할 때마다 요구되는 연산량(compute)은 매년 4배에서 10배씩 계속해서 증가하고 있습니다. 만약 2020년 이후 AI의 발전을 이끌어온 스케일링 법칙(scaling laws)이 유지된다면, 연산량에 대한 수요와 이를 구동하기 위한 전력 수요는 향후 수년간 공급을 계속해서 앞지를 것입니다. 2,000억 달러 규모의 핵심 질문은, 업계가 수십억 명의 사용자에게 서비스를 제공하는 10조 개의 파라미터(parameter) 모델의 미래를 위해 구축하고 있는 것인지, 아니면 예상보다 훨씬 빨리 찾아올 정점을 향해 가고 있는 것인지 여부입니다.

이 기사는 원래 2026년 7월 14일에 게시되었습니다.

출처 및 추가 읽을거리

• International Energy Agency – Data Centers & Energy

• NVIDIA Data Center GPU Portfolio

• Semiconductor Industry Association

The AI Hardware Bubble: Are We Running Out of Power? 포스트는 The AI Prism에 처음 게시되었습니다.

_ theaiprism.com에서 교차 게시됨 — AI의 소음을 뚫고 나아가기 🧊 _