미국의 초대형 데이터센터 단지. AI 계산능력을 GW 단위로 확대하려면 서버 건물뿐 아니라 변전소와 송전망, 냉각설비가 함께 증설돼야 한다. 미국의 데이터센터 계산계는 이미 수십GW 규모로 커졌지만 개별 시설의 운영·건설·계획 상태는 서로 다르다. /여성경제신문DB 인공지능(AI) 업계에서는 100GW가 미래의 경계처럼 등장한다. 2030년께 100GW 규모의 초대형 컴퓨팅 클러스터가 미국 전력의 상당 부분을 소비하고, 그 무렵 일반인공지능(AGI)이나 지능폭발이 현실화할 수 있다는 전망까지 따라붙는다. 얼핏 숫자만 놓고 보면 지금과 전혀 다른 계산문명이 몇 년 뒤 갑자기 출현하는 것처럼 들린다. 그러나 현재 세계의 데이터센터 전력규모부터 다시 세면 이야기가 달라진다. 미국은 약 64GW, 중국은 약 30±5GW, 한국은 약 0.7GW 규모의 데이터센터 전력기반을 가진 것으로 추정된다. 미래 100GW를 상상하기 전에 인류는 이미 수십GW 규모의 컴퓨터를 땅 위에 만들어 놓았다. 4일 여성경제신문 '깐깐한 팩트 탐구' 기획은 미국·중국·한국의 데이터센터 전력규모를 같은 화면에서 비교하기 위해 'COMPUTE GRID'를 구축했다. 단순한 국가별 GW 순위표가 아니라 각 숫자가 운영 추정치인지 계획값인지, 어떤 용량 기준으로 집계됐는지를 함께 표시하는 데이터 페이지다. COMPUTE GRID를 구축하면서 가장 먼저 드러난 것은 AI 스케일링의 현실이 모델 크기나 AGI 도래 시。보다 전력·송전·변전·냉각·반도체·통신망을 실제로 얼마나 빠르게 구축할 수 있느냐에 가깝다는 .이다. 100GW를 전망표에 쓰는 데는 숫자 하나면 충분하지만 1GW를 실제 계산계로 만드는 데는 부지와 계통접속, 변전설비, 데이터센터, 냉각, 가속기와 HBM, 광통신망, 운영 소프트웨어와 고객 수요까지 함께 들어와야 한다. 문제는 GW라는 숫자 자체도 하나의 상태를 뜻하지 않는다는 데 있다. 데이터센터 통계에는 전력망에서 공급되는 실제 부하와 설비의 최대 수전용량, IT 장비 부하, 운영 중 시설과 건설 중 시설, 장기계획이 뒤섞여 있다. 같은 1GW라도 부지만 확보한 사업과 계통접속을 끝낸 사업, 데이터센터를 완공한 사업, 서버와 가속기까지 설치해 실제 워크로드를 돌리는 시설은 전혀 다른 물리적 상태다. 100GW 되면 AGI 세상 온다? 美 64GW도 카운트부터 어렵고 이미 수십GW 계산계 땅 위 존재 미래 100GW를 예측하는 일보다 현재 몇GW가 실제로 돌아가고 있는지를 세는 일이 오히려 어려운 실정이다 모바일 야마토무료게임 . 공개된 데이터센터 용량을 가능한 한 같은 물리 측면으로 볼 때 가장 현실적인 기준.은 미국이다. 미국 데이터센터 시스템의 전력규모는 이미 60GW대에 올라와 있다. 여기에는 초대형 클라우드와 임대형 데이터센터, 기업 서버와 다양한 워크로드가 함께 포함된다. 이를 곧바로 'AI 전용 64GW'라고 부를 수는 없지만 미국 영토 안에서 데이터센터 형태로 조직된 계산 인프라가 이미 수십GW 규모라는 사실은 100GW 담론의 출발。을 바꾼다. 이와 함께 미국 전체 데이터센터 64GW와 미래의 100GW AI 클러스터는 같은 물체가 아니다. 지리적 집중도와 네트워크 지연, 워크로드의 결합 정도가 다르다. 이 차이는 오히려 '100GW 클러스터'라는 표현 자체를 다시 들여다 보게 한다. 100GW가 하나의 건물이나 캠퍼스를 뜻하는지, 여러 지역의 데이터센터를 광통신망으로 연결한 분산 계산계를 뜻하는지에 따라 필요한 송전망과 네트워크, 냉각구조와 지연시간은 완전히 달라지기 때문이다. 중국의 대형 지능형 컴퓨팅센터 내부. 중국은 데이터센터와 지능형 컴퓨팅센터 통계에서 전력용량뿐 아니라 랙 수와 연산성능을 함께 사용해 전체 계산 인프라를 하나의 GW 숫자로 환산하기가 미국보다 어렵다. /여성경제신문DB 중국도 이미 수십GW 규모지만 랙·PFLOPS·전력 통계 뒤섞여 30±5GW는 정답보다 현실 범위 중국은 미국보다 계산이 더 어렵다. 데이터센터와 지능형 컴퓨팅센터, 일반 연산센터가 서로 다른 통계체계로 발표되고 전력용량 대신 랙 수나 연산성능을 제시하는 경우도 많다. 현재 공개된 자료를 같은 물리적 기준으로 정규화하면 중국의 데이터센터 계산계는 약 30GW를 중심으로 ±5GW 정도의 범위에서 보는 것이 현실적이다. 여기서 중요한 것은 중국이 이미 수십GW 규모의 계산 인프라를 구축했다는 사실보다 이를 30GW라는 하나의 숫자로 확정하려면 상당한 가정이 필요하다는 .이다. 랙 수는 전력이 아니고 PFLOPS는 수전용량이 아니며 수전용량은 실제 가동률도 아니다. 서로 다른 숫자 사이에 변환식을 하나 끼운다고 동일한 계산능력이 되는 것도 아니다. 미래 100GW를 단정적으로 전망하는 것보다 현재 중국이 27GW인지 32GW인지 판별하는 작업이 더 어려울 수 있다는 것이다. 네이버의 각 세종 /네이버 클라우드 한국은 약 0.7GW서 18.4GW 목표 달팽이게임주소 신규 AI 공장은 50~120MW부터 기업들은 이미 GW 증설 경쟁 돌입 한국에서는 현재와 미래의 간격이 더 직접적으로 보인다. 전국 주요 운영 데이터센터를 합치면 현재 계산계는 약 0.7GW 안팎으로 볼 수 있다. 그러나 새로 추진되는 AI 데이터센터의 실제 출발단위는 여전히 수십MW에서 100MW 수준이다. 울산 100MW, 구미 60MW, 네이버 55MW, 광주 120MW처럼 사업은 수십MW짜리 블록부터 단계적으로 쌓인다. 반면 장기계획으로 넘어가면 숫자는 갑자기 GW 단위로 커진다. 이재명 정부는 2029년 8.4GW, 2035년 18.4GW 수준의 대형 AI 인프라 확대를 추진하고 있다. 현재 약 0.7GW를 기준으로 보면 최종계획까지 단순 계산으로 20배가 훨씬 넘는 물리적 확장이 필요하다. 또한 이 숫자를 서버 구매계획으로만 보면 규모가 제대로 보이지 않는다. 18.4GW를 실제 계산으로 바꾸려면 그만큼의 전력을 생산하고 보내고 변압해야 한다. 데이터센터와 냉각설비를 짓고 대규모 가속기와 HBM을 확보해야 하며 이를 연결할 네트워크와 운영체계도 구축해야 한다. 국가 총량에서 기업 단위로 내려가면 계획과 실물 사이의 거리는 더 선명해진다. SK텔레콤은 현재 자사 데이터센터 용량을 약 150MW 수준으로 설명하면서 장기적으로 AI 데이터센터 사업을 GW 단위로 확대하는 방향을 제시하고 있다. 0.15GW라는 현재 기반에서 수GW의 계산 인프라 사업자로 이동하려면 기존 통신사업에서 경험하지 못했던 전력·부지·건설·냉각·가속기 조달이 동시에 필요하다. 이 과정에서 산업적 비교축도 바뀌고 있다. 지금까지는 KT·LG유플러스와 이동통신 3사로 묶여 가입자 수와 통신매출, 주파수와 기지국으로 경쟁했다. 그러나 AI 데이터센터와 가속기 인프라를 직접 구축하기 시작하면 네이버처럼 데이터센터와 클라우드, AI 연산자원을 함께 운영하는 기업도 비교대상으로 들어온다. 통신사를 평가하는 단위가 가입자에서 MW와 GPU, 실제 연산능력으로 이동하기 시작하는 것이다. KT와 LG유플러스 역시 데이터센터 사업을 AI 연산 수요에 맞춰 확대하고 있다. 통신망을 가진 사업자가 데이터센터를 함께 운영하면 통신과 컴퓨팅을 한 사업구조 안에서 연결할 수 있다. 네이버는 인터넷 서비스와 클라우드, 자체 데이터센터와 AI 모델을 함께 운영하면서 처음부터 다른 경로에서 계산 인프라 사업자로 진입했다. pc게임 이렇게 보면 한국의 0.7GW는 단순히 미국 64GW나 중국 30GW보다 작은 숫자가 아니다. 기존 통신사와 인터넷 플랫폼, 데이터센터 사업자와 발전·건설기업이 같은 계산 인프라 시장 안으로 진입했다는 신호다. 앞으로 한국의 계산계가 실제로 커지는 속도는 국가 목표치보다 이 기업들이 수십MW짜리 시설을 얼마나 빨리 실가동 상태로 바꾸느냐에서 먼저 나타난다. SK텔레콤이 추진하는 울산 AI 데이터센터 현장. 국가 단위에서는 GW가 등장하지만 실제 증설은 100MW 안팎의 개별 시설을 부지 확보→계통 연결→건설→장비 설치→가동 상태로 이동시키는 과정에서 이뤄진다. /SK텔레콤 100MW서 시작해 GW로 쌓인다 기업 계획과 실가동은 다른 숫자 중간 단계가 실제 스케일링 시간 결국 현재의 0.7GW와 미래 8.4GW·18.4GW를 곧바로 같은 종류의 막대그래프로 비교해서는 안 된다. 현재값은 이미 운영되는 시설을 중심으로 잡은 기준값인 반면 미래 수GW는 앞으로 확보해야 할 부지와 계통접속, 건설과 장비 설치가 포함된 목표값이기 때문이다. 울산 100MW와 구미 60MW, 네이버 55MW, 광주 120MW 같은 개별 시설을 완성하고 이를 반복적으로 추가해야 GW가 된다. 10개의 100MW 시설이 모두 같은 날 동시에 등장하는 것이 아니라 각각 부지를 확보하고 계통에 연결되고 건물이 올라가며 장비가 설치되는 서로 다른 시간축을 가진다. 국가가 18.4GW를 말하고 기업이 수GW 계획을 제시하더라도 첫 물리적 단위는 수십MW 또는 100MW다. 1GW도 한 번에 생기지 않는다 발표→계통→건설→장비→가동 GW에도 상태값을 붙여야 한다 현장에선 모든 GW를 같은 숫자로 취급하는 것을 인프라 착시로 받여들여지고 있다. 1GW 부지를 확보했다고 1GW 컴퓨터가 생기지 않는다. 전력공급 계약을 체결했다고 서버가 계산을 시작하는 것도 아니다. 데이터센터 건물이 완공된 뒤에도 서버랙과 가속기를 반입하고 전력·네트워크·냉각을 안정화한 뒤 실제 워크로드가 들어와야 비로소 전력이 계산으로 바뀐다. 국내 신규 사업이 수십MW 단위에서 출발해 여러 단계로 시설을 확대하는 이유도 여기에 있다. 1GW 규모 하나만으로도 발전·송전·변전·반도체·냉각·건설·통신 공급망 전체가 움직인다. 100GW를 상상하는 데는 몇 초면 충분하지만 1GW를 실제 가동시키는 데는 수년의 물리적 공정이 필요할 수 있다. 이 때문에 COMPUTE GRID에서는 GW 숫자 옆에 상태를 함께 붙였다. 모바일 바다이야기 고래 출현 계획된 5GW와 실가동 5GW를 같은 표의 동일한 막대로 처리하는 순간 각각의 숫자가 사실이어도 비교 자체는 틀릴 수 있기 때문이다. 대형 데이터센터에 전력을 공급하기 위한 변전설비 건설 현장. AI 데이터센터는 서버랙과 GPU만 설치한다고 가동되는 시설이 아니다. 외부 전력을 받아 변압하고 안정적으로 분배할 수 있는 변전소와 전력설비가 함께 구축돼야 하며, 이 같은 전력 인프라의 증설속도가 실제 계산능력 확대의 물리적 한계를 결정한다. / 여성경제신문DB GPU만 세면 컴퓨터 절반 지워져 변압·냉각 없으면 계산 지속 못해 스케일링은 실리콘 밖에서 이어져 또한 스케일링을 GPU 숫자로만 설명하면 또 다른 착시가 생긴다. 가속기가 실제 계산을 수행하는 핵심 장치인 것은 맞지만 가속기 혼자서는 지속적인 계산을 할 수 없다. 발전소에서 만들어진 전력은 송전망과 변전설비, 데이터센터 내부 전력변환 장치를 거쳐 반도체가 사용할 수 있는 상태로 바뀐다. 트랜지스터가 반복적으로 상태를 바꾸며 연산하면 열이 발생하고 냉각설비는 다시 다음 계산이 가능한 열적 조건을 복원한다. 물리적 경로는 발전 → 송전 → 변압 → 전력변환 → 트랜지스터 상태전이 → 메모리·연산 → 발열 → 냉각 → 다음 상태전이로 이어진다. 광통신망은 떨어져 있는 계산자원과 서비스를 연결한다. 어느 하나라도 충분하지 않으면 나머지 GPU가 존재해도 전체 계산량을 원하는 만큼 늘릴 수 없다. 이 관.에서 100GW는 GPU의 전력소비량 하나가 아니다. 그 연산을 유지하기 위해 필요한 전력계통과 변압기, 냉각장비, 데이터센터, 네트워크까지 함께 증설돼야 하는 산업규모다. 컴퓨터의 경계를 칩 패키지에서 끝내면 이 구성요소들은 모두 '컴퓨터 바깥의 인프라'로 밀려난다. 그러나 100GW라는 단위로 스케일링을 이야기하기 시작하는 순간 발전소와 송전망, 변압기와 냉각설비도 계산을 지속시키는 물리적 회로 안으로 들어온다. 미국 텍사스주 애빌린에서 건설 중인 대규모 데이터센터 단지. 수백MW에서 GW급 AI 계산능력은 서버와 GPU를 한꺼번에 들여놓는 방식으로 만들어지지 않는다. 여러 동의 데이터센터와 변전설비, 송전망, 냉각설비를 단계적으로 건설하고 가속기와 네트워크를 채우는 물리적 증설을 거쳐야 한다. 사진은 AI 스케일링이 모델 내부의 숫자가 아니라 땅과 전력망 위에서 진행되는 건설사업임을 보여준다. /여성경제신문DB 중요한 건 숫자 크기보다 증설속도 발전·송전선은 모델처럼 못 늘려 스케일링 한계는 땅 위에서 보인다 미국 약 64GW, 중국 약 30±5GW, 한국 약 0.7GW라는 숫자는 직관적인 격차다. 빠칭코 하지만 국가별 통계 정의가 완전히 같지 않아 정밀한 순위표로 사용할 수는 없다. 다만 한국에서 더 눈여겨볼 숫자는 0.7GW 자체보다 앞으로 만들어야 할 증가폭이다. 기존 계산계에서 8.4GW를 거쳐 18.4GW까지 올라가려면 모델 성능 향상과는 전혀 다른 현실을 지나야 한다. SK텔레콤과 KT·LG유플러스, 네이버를 비롯한 사업자가 데이터센터를 늘리더라도 발전소와 송전선은 모델 업데이트처럼 배포할 수 없고 변전소와 데이터센터도 파라미터를 추가하듯 늘릴 수 없다. 결국 AI 업계가 말하는 100GW급 AGI 시대가 실제로 도착하더라도 물리적 경로는 멀고도 멀다. 50MW, 100MW, 300MW, 1GW짜리 시설이 여러 지역에서 하나씩 계통에 연결되고 건물이 완성되고 가속기와 HBM이 설치되면서 계산 가능한 총량이 쌓인다. 결과적으로 스케일링의 현실적 한계는 그래서 모델 내부보다 지도 위에서 먼저 드러난다. 발전소를 어디에 지을 수 있는지, 어느 송전망에 여유가 있는지, 변압기를 얼마나 공급할 수 있는지, GPU와 HBM을 얼마나 생산할 수 있는지, 발생한 열을 얼마나 빠르게 제거할 수 있는지가 실제 증가속도를 결정한다. 미래 100GW에서 어떤 지능이 등장할지는 아직 검증되지 않았다. 그러나 100GW를 계산으로 바꾸려면 그만한 전력을 연산으로 변환하고 지속시키는 물리적 경로가 먼저 존재해야 한다. AI 스케일링의 속도는 그 회로가 땅 위에서 완성되는 속도를 건너뛸 수 없다. ☞한국선 고층의 데이터센터 생기나? = 데이터센터가 앞으로 반드시 넓은 부지에 낮게 펼쳐진 형태만 유지할 필요는 없다. 수도권처럼 땅값이 높고 대규모 부지를 확보하기 어려운 지역에서는 서버실과 전력·냉각설비를 여러 층에 배치하는 고층·수직형 데이터센터가 하나의 대안이 될 수 있다. 실제 데이터센터는 일반 사무용 빌딩보다 층고와 바닥 하중, 전력밀도, 냉각·배관, 비상전원과 장비 반입 동선을 훨씬 까다롭게 설계해야 하지만 토지 제약이 강해질수록 연산설비를 수평이 아니라 수직으로 쌓을 경제적 유인은 커진다. 다만 AI 데이터센터가 고층화될수록 새로운 병목도 생긴다. GPU 랙의 전력밀도가 높아지면 막대한 전력을 층별로 분배하고 발생한 열을 제거해야 하며, 대형 서버와 냉각장비를 위층까지 운반할 구조도 필요하다. 결국 고층 데이터센터는 단순히 서버랙을 빌딩처럼 쌓는 문제가 아니라 전력·냉각·네트워크·하중을 수직으로 연결하는 거대한 계산설비에 가깝다. 한국의 AI 인프라가 수백MW에서 GW 단위로 커지면서 부지 확보가 병목으로 떠오른다면, 계산능력을 얼마나 넓게 펼칠 것인가와 함께 얼마나 높게 쌓을 것인가도 데이터센터 설계의 변수로 들어오게 된다. 로 커진다. 이재명