[세종=뉴스핌] 정성훈 경제부장 = 앞선 일곱 편에서 AI는 공장의 쇳물 생산량을 늘리고, 밭의 농약을 줄이며, 신약 후보를 빨리 걸러내고, 반도체 설계기간을 단축했다. 선박의 연료를 아끼고, 물류로봇의 동선을 최적화하며, 자동차의 운전자를 대신했다. 산업의 비용은 분명히 줄었다. 그러나 이 모든 판단을 학습하고 실행하는 것은 어딘가에 있는 데이터센터의 반도체이고, 그 반도체는 전기를 먹는다.

문제는 이 전기가 조금 드는 것이 아니라는 점이다. 전통적인 데이터센터가 10~25메가와트시(㎿) 수준의 전력을 소비했다면, 대규모 인공지능(AI) 학습을 수행하는 하이퍼스케일 데이터센터는 100㎿가 넘는 전력을 요구한다. 게다가 AI 학습은 수주에서 수개월간 중단 없이 진행돼 시설이 24시간 고부하 상태를 유지한다. 사무실의 조명을 끄듯 껐다 켤 수 있는 부하가 아니다.

국제에너지기구(IEA)는 전 세계 데이터센터의 전력 소비량이 2024년 약 415테라와트시(TWh)에서 2030년 최대 1000TWh까지 늘어날 수 있다고 전망했다. 이는 현재 일본이 1년 동안 쓰는 전체 전력 소비량에 맞먹는 규모다. 산업 AI가 각 현장에서 비용을 줄인 만큼, 그 판단을 만들어내는 인프라는 국가 단위의 새로운 전력수요를 만들어내고 있는 셈이다.

지금까지 이 시리즈가 추적한 절감효과는 대부분 개별 산업 현장의 장부에 기록됐다. 포스코의 연료투입량 감소, 존디어의 농약 절감, 아비커스의 연료절감은 각각 그 공장과 농장, 선박의 비용을 줄였다. 그러나 그 AI를 돌리는 데이터센터의 전기요금은 대부분 다른 주체, 다른 장부에 남는다.

경제 전체로 보면 이 둘은 하나의 손익으로 합산돼야 한다. AI가 산업 A에서 100을 줄이고 데이터센터에서 30의 전력비용을 새로 발생시켰다면 순편익은 70이다. 여기에 그 전력을 만드는 과정에서 늘어난 탄소배출과 그 사회적 비용까지 더하면 순편익은 더 줄어든다. AI의 경제성을 개별 현장의 절감률로만 계산하면 이 전력 청구서를 놓친다.

특히 추론(inference) 단계의 전력이 중요하다. 학습이 끝난 AI 모델도 산업 현장에서 실시간으로 판단을 내릴 때마다 전력을 쓴다. 자율운항 선박이 항로를 계산하고, 물류 AI가 배차를 조정하며, 로보택시가 도로를 인식하는 매 순간이 전력 소비다. 산업 AI가 확산될수록 학습용 대형 데이터센터뿐 아니라 현장 가까이의 엣지 컴퓨팅 전력수요도 함께 늘어난다.

전력수요의 총량만 문제가 아니다. 어디에 몰리느냐가 계통을 좌우한다. 국내 민간 데이터센터 시장은 빠르게 커지고 있지만, 수요가 수도권에 집중돼 있다. 반면 발전설비와 송전망은 지역에 분산돼 있어, 대규모 AI 데이터센터가 수도권에 몰리면 전력을 끌어오는 송전망에 병목이 생긴다.

송전망 증설은 기술이 아니라 사회적 갈등의 문제다. 새로운 송전선로가 지나가는 지역의 반대, 발전원 입지 제약, 인허가 지연이 겹치면 데이터센터는 서버를 들여놓고도 전력을 공급받지 못해 가동이 늦어질 수 있다. 해외에서도 '서버는 왔는데 전기 인입 일정이 관건'이라는 현장의 목소리가 나온다.

정부는 12차 전력수급기본계획 논의 과정에서 AI 데이터센터의 추가 전력수요를 18.4기가와트시(GW) 규모로 제기했다. 반도체 클러스터 수요까지 더하면 전력수요 전망은 크게 늘어난다. 그러나 이 수요 전망 자체가 불확실하다는 지적도 있다. 기업의 전력사용 신청이 실제 가동으로 이어질지, 계획된 데이터센터가 모두 지어질지는 확정되지 않았다.

■ 전망의 딜레마
전력수요를 과도하게 전망하면 불필요한 발전소와 송전망을 짓게 되고, 그 비용은 전기요금으로 국민에게 돌아간다. 반대로 과소 전망하면 정작 필요할 때 전력이 부족해 데이터센터 가동과 산업 AI 확산이 지연된다. 확실한 수요와 불확실한 수요를 나눠 시나리오별로 관리하는 정교한 전망이 필요한 이유다.

전력을 어디서 만드느냐도 문제다. AI 데이터센터의 급증하는 수요를 단기간에 채우려면 즉시 가동 가능한 발전원이 필요한데, 그 선택이 탄소중립 목표와 부딪힌다. 일부 국가에서는 천연가스 발전소 증설이 논의되지만, 이는 단기 공급 안정에는 도움이 돼도 장기 탄소중립과 충돌한다.

해외 빅테크는 다른 길을 찾고 있다. 아마존·마이크로소프트·구글은 태양광·풍력 투자에 더해 소형모듈원자로(SMR)와 기존 원전 재가동으로 영역을 넓히고 있다. 24시간 안정적으로 대규모 전력이 필요한 AI 데이터센터에 재생에너지의 간헐성만으로는 대응하기 어렵다는 판단이다. 이 흐름은 원전을 둘러싼 국내 에너지 논쟁과도 직결된다.

결국 AI 전력 문제는 기후에너지부만의 문제도, 산업부만의 문제도 아니다. AI 데이터센터를 유치해 디지털 산업을 키우려는 산업정책과, 탄소중립을 지키려는 기후정책, 전기요금과 계통을 안정시키려는 에너지정책이 하나의 판에서 조정돼야 한다. 이 조정 없이 각 부처가 따로 움직이면 한쪽의 성과가 다른 쪽의 비용이 된다.

전력을 더 만드는 것만이 답은 아니다. IEA는 발전 확대와 함께 에너지 효율 개선, 수요 관리, 저장장치(ESS) 확충이 병행돼야 한다고 제시한다. 데이터센터의 전력사용효율지표(PUE)를 개선하고 냉각 기술을 혁신하면 같은 연산에 필요한 전력을 줄일 수 있다. AI 반도체 자체의 전력효율을 높이는 것도 근본적 해법이다.

분산배치도 중요하다. 데이터센터를 전력이 남고 재생에너지가 풍부한 지역으로 유도하면 수도권 계통 병목과 지역 갈등을 동시에 완화할 수 있다. 다만 지연시간이 중요한 실시간 산업 AI는 현장 가까이 있어야 하므로, 학습용 대형 센터는 분산하고 추론용 엣지는 현장에 두는 이원화가 현실적이다.

정책 성과지표도 바뀌어야 한다. '데이터센터 몇 개를 유치했다'가 아니라, 유치한 데이터센터의 전력효율과 재생에너지 사용 비중, 계통에 준 부담, 분산배치 정도를 함께 봐야 한다. AI 산업을 키우면서 전력·탄소 부담을 관리하는 것은 상충하는 목표가 아니라 동시에 설계해야 할 하나의 방정식이다.

AI가 산업의 판을 바꾼 대가는 공짜가 아니다. 앞선 일곱 산업이 줄인 비용은 실재하지만, 그 판단을 만드는 전력과 탄소도 실재한다. 한국이 물어야 할 질문은 'AI를 얼마나 빨리 도입하느냐'가 아니라 'AI가 만든 편익이 늘어난 전력 청구서를 넘어서도록 어떻게 설계하느냐'다.

jsh@newspim.com

■ 한 줄 요약
AI 산업 전환의 편익은 데이터센터 전력이라는 물리적 한계와 충돌하며, 한국의 해법은 AI 도입을 서두르는 것이 아니라 전력효율·분산배치·재생에너지 연계를 통해 산업 편익이 전력·탄소 비용을 넘어서도록 산업정책과 에너지정책을 하나로 설계하는 데 있다.

* [AI로 읽는 경제]는 AI 어시스턴트가 분석한 내용을 바탕으로 기자가 정리한 내용입니다. ChatGPT, Google Gemini, Perplexity, Claude AI 모델이 적용됐습니다. 상단의 'AI MY 뉴스' 로그인을 통해 뉴스핌의 차세대 AI 콘텐츠 서비스를 활용해 보기 바랍니다.

jsh@newspim.com