티스토리 뷰
목차
솔직히 저는 데이터센터 전기 문제가 이 정도로 심각한지 몰랐습니다. AI 서비스를 쓰면서 "어딘가 서버가 있겠지" 정도로만 생각했는데, 실제로 파고들어 보니 냉각 하나에 쓰이는 전력이 계산 자체에 드는 전력의 절반에 달한다는 걸 알게 됐습니다. 그리고 최근 미국 일리노이대와 일본 규슈대, 제조기업 패브릭에디랩스가 공동으로 냉각 전력을 55%에서 1.1% 수준으로 줄이는 연구를 발표했습니다. 숫자만 보고 처음엔 오타인 줄 알았습니다.
전력소비: 데이터센터 한 동이 원전 한 기를 먹는다
제가 처음 이 숫자를 접했을 때 진짜로 단위를 잘못 읽은 줄 알았습니다. 1GW. 구글, 아마존, 마이크로소프트 같은 하이퍼스케일러(hyperscaler)들이 운영하는 초대형 데이터센터 한 동이 소비하는 전력입니다. 여기서 하이퍼스케일러란 전 세계에 수십만 대 이상의 서버를 운영하는 초대형 클라우드·AI 기업을 뜻합니다. 그리고 1GW는 대형 원자력발전소 한 기가 만들어내는 전력량과 맞먹습니다.
더 놀라운 건 그 1GW 중 절반 가까운 550MW가 계산이 아니라 냉각에 쓰인다는 점입니다. NVIDIA의 최신 AI 가속기 GB300이 탑재된 랙 시스템, 특히 2027년 출시 예정인 Kyber 랙은 랙 하나에서만 냉각에 600kW에서 1,000kW까지 소비합니다. 랙 하나가 아파트 단지 하나의 전력을 먹는 셈입니다. 데이터센터 한 동에는 그 랙이 수백, 수천 기 들어갑니다.
국내 상황은 더 절박합니다. 국내 데이터센터는 약 165개소에 달하고, 그 60% 이상이 수도권에 밀집해 있습니다(출처: 과학기술정보통신부). 전력망이 버텨낼 수가 없는 구조입니다. 소프트뱅크의 손정의 회장이 한국 대통령에게 "한국 AI의 약점은 에너지"라고 직언한 게 빈말이 아니었습니다. 땅은 좁고, 원전 건설은 사회적으로 어렵고, 재생에너지도 지형 특성상 한계가 뚜렷한 나라이니까요.
- 하이퍼스케일 데이터센터 1동 소비 전력: 약 1GW (대형 원전 1기 분량)
- 그 중 냉각에 소비되는 비율: 최대 55% (약 550MW)
- 국내 데이터센터: 약 165개소, 60% 이상 수도권 집중
- 국내 데이터센터 전력 사용량: 2020년 대비 2023년 기준 50배 증가
구리핀 구조: 모양을 바꾸자 전력이 50분의 1로 줄었다
제 경험상 기술 혁신은 대부분 재료를 바꾸거나 소재를 새로 개발하는 방식으로 이루어진다고 생각해 왔습니다. 그래서 이번 연구를 처음 접했을 때 솔직히 예상 밖이었습니다. 연구팀이 바꾼 건 재료가 아니라 '모양'이었습니다.
기존 냉각 방식은 콜드플레이트(cold plate)를 GPU 바로 위에 붙이고 그 안으로 냉각수를 흘려 열을 빼내는 구조입니다. 여기서 콜드플레이트란 금속 판 안에 냉각수 유로(流路)를 만들어 칩의 열을 직접 흡수하는 부품을 말합니다. 문제는 냉각수가 GPU 열을 흡수해 뜨거워지면, 그 열을 데이터센터 외부로 내보내기 위한 거대한 순환 펌프와 열교환 시스템이 필요하고, 여기에 전력이 어마어마하게 들어간다는 점입니다.
연구팀은 콜드플레이트의 내부 구조, 즉 핀(fin)의 형태를 수학적으로 최적화하는 데 집중했습니다. 기존 사각형 핀은 냉각수가 지나간 뒤쪽에 유체가 거의 흐르지 않는 정체 구역(dead zone)이 생깁니다. 연구팀은 가늘고 가지가 복잡하게 뻗어나간 3차원 구리핀 구조를 설계해, 냉각수가 여러 방향으로 분산되어 칩 전면에 고르게 접촉하도록 만들었습니다(출처: Nature 연구 저널).
직접 그 구조 사진을 들여다보면서 느낀 건, 이게 공학 제품이 아니라 거의 조각 예술에 가깝다는 점이었습니다. 핀 하나의 높이가 1.5mm, 두께는 머리카락 수준인데 수천 개가 균일하게 세워져 있고, 구리 순도는 99.95%에 달합니다. 이걸 구현하기 위해 연구팀은 전기화학적 적층(electrochemical deposition) 방식을 채택했습니다. 이는 구리 이온이 용해된 용액에 전류를 흘려, 원하는 위치에만 구리를 고체로 석출시키는 공정으로, 수백만 개의 극소형 전극을 개별 제어해 복잡한 3D 구조를 층층이 쌓아 올립니다. 고온으로 금속을 녹여 가공하는 기존 3D 프린팅과는 달리 열변형이 없어 정밀도가 비교할 수 없이 높습니다.
에너지 효율: 이 기술이 상용화되면 무엇이 달라지는가
연구팀이 발표한 수치를 다시 정리하면, 1GW 규모 데이터센터 기준으로 기존에 냉각에 550MW를 쓰던 것을 이 방식으로는 11MW만으로 커버할 수 있다는 계산이 나옵니다. 전력사용효율(PUE, Power Usage Effectiveness)로 환산하면 기존 1.5 수준에서 1.01까지 낮아지는 셈입니다. PUE란 데이터센터 전체 소비 전력을 IT 장비 소비 전력으로 나눈 값으로, 1.0에 가까울수록 냉각에 낭비되는 전력이 없다는 뜻입니다. 또한 자연 공냉 대비 79배의 열 처리 여유를 확보했다는 수치도 함께 발표되었습니다.
제가 개인적으로 이 연구에서 가장 아쉬웠던 건 내용이 아니라 출처였습니다. 미국과 일본이 주도했다는 점입니다. 미국은 땅이 넓고 에너지 조달도 상대적으로 유리한 나라입니다. 그런데도 그 나라 연구자들이 효율을 더 쥐어짜고 있습니다. 우리나라처럼 물리적으로 에너지 여건이 빠듯한 나라라면, 이런 연구가 훨씬 더 절실하게 필요한데 말입니다.
현재 데이터센터 냉각 시장은 크게 세 가지 방식이 경쟁하고 있습니다. 슈나이더 일렉트릭, 슈퍼마이크로, 버티브 같은 기업들이 각각 강점을 보이는 영역이 다릅니다. 이번 연구는 그 중 콜드플레이트 직접 냉각 분야의 혁신입니다.
- 콜드플레이트 직접 냉각: GPU 위에 금속판을 붙여 냉각수로 직접 열을 흡수 (이번 연구 대상)
- 침지 냉각(immersion cooling): 칩 전체를 절연 액체에 담가 냉각
- 마이크로유체 냉각(microfluidic cooling): 칩 내부에 별도 냉각 유체 유로를 형성
자체 LLM(대규모 언어 모델)을 개발하려는 한국의 시도 자체는 방향이 맞습니다. 그런데 그 모델을 실제로 돌리려면 고성능 NVIDIA 랙이 가득한 데이터센터가 필요하고, 그 데이터센터는 지금 기준으로 전력을 감당할 방법이 없습니다. 효율 기술 없이는 하드웨어를 쌓아도 전기가 없어 돌리지 못하는 상황이 올 수 있습니다. 이번 연구가 단순한 학술 성과가 아니라 국가 AI 경쟁력과 직결된 문제라고 제가 보는 이유가 바로 여기에 있습니다.
자주 묻는 질문
Q. 데이터센터 냉각에 전기가 얼마나 들어가나요?
A. 일반적으로 데이터센터 전체 전력의 30~55%가 냉각에 소비됩니다. 1GW급 하이퍼스케일 데이터센터라면 냉각에만 550MW 안팎이 들어가는데, 이는 중소 도시 수십만 가구가 쓸 수 있는 전력량입니다. 제가 처음 이 수치를 접했을 때 단위 자체를 의심했을 정도로 체감이 어려운 수준입니다.
Q. 이번 구리핀 냉각 기술은 실제로 상용화가 가능한가요?
A. 연구팀은 전기화학적 적층 방식으로 실제 구조물 제작까지 완료했고, 구리 순도 99.95%, 핀 높이 1.5mm 수준의 균일한 구조를 실증했습니다. 다만 연구실 수준의 검증과 데이터센터 양산 적용 사이에는 공정 비용, 내구성, 대량생산 수율 같은 과제가 남아 있어 상용화 시점은 좀 더 지켜봐야 할 것으로 보입니다.
Q. PUE 1.01이 얼마나 대단한 수치인가요?
A. PUE(전력사용효율)는 1.0에 가까울수록 냉각 등 부가 시스템에 낭비되는 전력이 없다는 의미입니다. 현재 글로벌 평균 데이터센터 PUE는 약 1.5 수준이고, 구글 같은 최첨단 운영사도 1.1 이하를 달성하기 어렵습니다. 이번 연구가 제시한 1.01은 사실상 이론적 한계에 가까운 수치여서, 업계에서 주목하는 이유가 분명합니다.
Q. 한국 데이터센터 전력 문제는 왜 해결이 어렵나요?
A. 국내 데이터센터 전력 수요는 2020년 대비 2023년에만 50배 증가했습니다. 문제는 공급 측입니다. 국토가 좁아 태양광·풍력 설치 여력이 제한적이고, 원자력 발전소 신규 건설은 사회적 합의가 필요해 시간이 걸립니다. 수도권 전력망은 이미 포화 상태여서 신규 데이터센터 입지 허가 자체가 어려워지는 상황입니다.
결론
직접 겪어보니, 기술을 이해하는 것과 그 기술이 왜 지금 필요한지를 아는 건 완전히 다른 감각입니다. 구리핀 구조 하나가 국가 에너지 정책과 맞닿아 있다는 게 처음엔 과장처럼 들릴 수 있습니다. 하지만 숫자를 따라가다 보면 그게 과장이 아니라는 걸 알게 됩니다.
다음에 이런 연구를 소개할 때는 한국 연구팀의 이름이 올라오기를 바랍니다. 효율화 기술에서 뒤처지면 아무리 좋은 AI 모델을 만들어도 돌릴 전기가 없는 나라가 될 수 있습니다. AI 시대의 진짜 경쟁력은 알고리즘이 아니라 전기이고, 전기 문제의 돌파구는 발전량 확대만큼이나 효율 혁신에 달려 있습니다.