AI 데이터센터 전력난, 기업에는 무엇이 문제인가요?
결론부터 말하면 2026년 기업 AI 도입의 병목은 GPU가 아니라 전력입니다. 국제에너지기구(IEA)는 글로벌 데이터센터 전력 소비가 2025년 485TWh에서 2030년 950TWh로 두 배 가까이 늘어날 것으로 전망했고, 데이터센터·AI·암호화폐를 합친 소비량은 2026년 중 1,000TWh를 넘어설 것으로 봤습니다. 국내도 데이터센터 전력 사용량이 2023년 5TWh에서 2027년 14.8TWh로 4년 만에 약 3배가 됩니다. 정부는 12차 전력수급기본계획에서 데이터센터 추가 수요를 2040년 기준 26.5TWh·4.0GW로 산정하면서 처음으로 복수 시나리오 체계를 도입했습니다. 클라우드 계약을 하기 전에 어느 리전에, 언제, 어떤 전력 조건으로 자원을 확보할 수 있는지를 먼저 확인해야 하는 시대가 됐습니다.
목차
- GPU는 확보했는데 꽂을 자리가 없다는 말
- 전력 수요는 실제로 얼마나 늘어나나요
- 랙당 전력밀도가 왜 판을 바꿨나요
- 한국의 제약은 계통 접속과 수도권 집중입니다
- 빅테크는 왜 발전소를 직접 계약하나요
- 기업이 지금 점검할 4단계
- FAQ
- 같이 읽으면 좋은 것들
GPU는 확보했는데 꽂을 자리가 없다는 말
지난해 국내 중견 제조기업의 AI 인프라 구축 자문에 참여한 적이 있습니다. 사내 문서 검색과 품질 이상 탐지에 쓸 추론 클러스터를 구성하는 프로젝트였는데요. 예산 승인과 GPU 물량 확보 까지는 예상보다 빨리 끝났습니다. 문제는 그다음이었습니다.
기존에 쓰던 수도권 코로케이션 센터에 증설 문의를 넣었더니 돌아온 답이 "랙 공간은 있는데 전력이 없다"였습니다. 계약된 수전 용량이 이미 차 있어 랙당 8kW 이상은 배정이 어렵다는 설명이었습니다. AI 추론용으로 구성한 서버 한 대가 랙당 30kW를 요구하는 상황에서, 공간이 남아 있다는 말은 아무 의미가 없었습니다.
결국 세 가지 선택지가 남았습니다. 비수도권 신규 센터로 옮기거나, 퍼블릭 클라우드의 GPU 인스턴스를 쓰거나, 배치를 나눠 야간에 돌리는 방식이었습니다. 최종적으로는 학습성 워크로드를 클라우드로 보내고 상시 추론만 온프레미스에 남기는 하이브리드로 정리했습니다. 이 과정에서 가장 시간을 잡아먹은 것은 기술 검토가 아니라 전력 조건 협의였습니다.
이 사례가 특별한 것은 아닙니다. 2026년 들어 국내외 데이터센터 사업자들이 공통으로 겪는 상황이고, 그래서 전력이 곧 인프라 경쟁력이라는 말이 나오는 겁니다.
전력 수요는 실제로 얼마나 늘어나나요
숫자를 나란히 놓고 보면 규모가 잡힙니다.
| 구분 | 시점 | 수치 | 출처 성격 |
|---|---|---|---|
| 글로벌 데이터센터 전력 소비 | 2025년 | 485TWh | IEA 전망 |
| 글로벌 데이터센터 전력 소비 | 2030년 | 950TWh | IEA 전망 |
| 데이터센터·AI·암호화폐 합계 | 2026년 | 1,000TWh 초과 | IEA 전망 |
| 국내 데이터센터 전력 사용량 | 2023년 | 5TWh | 국내 집계 |
| 국내 데이터센터 전력 사용량 | 2027년 | 14.8TWh | 전망치 |
| 국내 추가 전력수요 | 2040년 | 26.5TWh·4.0GW | 12차 전기본 |
여기서 눈여겨볼 지점은 증가의 성격입니다. 과거 데이터센터 전력 증가는 서버 대수가 늘어나는 완만한 곡선이었습니다. 지금은 다릅니다. 학습(training)에서 추론(inference)으로 무게중심이 옮겨 가면서, 상시 켜져 있고 사용자 요청에 즉시 응답해야 하는 부하가 늘고 있습니다. 학습은 일정을 조정할 수 있지만 추론은 그럴 수 없습니다. 전력 계통 입장에서는 조절 가능한 부하가 아니라 기저 부하가 늘어난다는 뜻이고, 계획 수립의 난도가 완전히 달라집니다.
12차 전기본이 처음으로 복수 시나리오를 도입한 것도 같은 이유입니다. 단일 전망치로 계획을 세우면 과소 산정 시 공급 부족, 과대 산정 시 좌초 설비라는 양쪽 위험이 모두 큽니다. AI 수요의 불확실성이 그만큼 크다는 점을 계획 체계 자체에 반영한 셈입니다.
랙당 전력밀도가 왜 판을 바꿨나요
총량보다 실무에서 더 직접적으로 걸리는 건 밀도입니다.
전통적인 x86 서버 랙은 랙당 5~10kW 수준에서 설계됐습니다. 공랭 방식으로 충분히 감당되는 범위였고, 국내 대부분의 상면 임대 계약도 이 전제 위에서 체결됬습니다. 그런데 AI 가속기 기반 랙은 40kW를 기본으로 보고, 최신 GPU를 조밀하게 묶은 구성은 랙당 100kW를 넘어갑니다. 한 자리에서 필요한 전력이 10배 넘게 뛴 겁니다.
이 변화가 만드는 연쇄 효과는 세 갈래입니다.
- 냉각 방식이 바뀝니다. 공랭으로는 랙당 30kW 이상을 안정적으로 처리하기 어려워 직접 액랭(D2C)이나 침수냉각으로 넘어갑니다. 기존 센터는 배관과 하중 구조를 새로 손봐야 합니다.
- 전력 공급 구조가 바뀝니다. 랙 단위 배전반과 UPS 용량, 케이블 굵기까지 재설계 대상입니다. 상면만 빌려 쓰던 방식으로는 대응이 안 됩니다.
- 입지 조건이 바뀝니다. 대용량 수전이 가능한 변전소 인근인지, 냉각용수를 확보할 수 있는지가 부지 선정의 1순위 기준이 됩니다.
기업 입장에서 실무적으로 확인할 항목은 단순합니다. 코로케이션 계약서에 명시된 랙당 kW 한도, 초과 시 추가 수전 가능 여부와 리드타임, 액랭 지원 여부입니다. 이 세줄이 AI 인프라 계획의 실현 가능성을 사실상 결정합니다.
한국의 제약은 계통 접속과 수도권 집중입니다
국내 상황에는 고유한 제약이 하나 더 있습니다. 발전은 주로 해안과 비수도권에서 이뤄지는데, 데이터센터 수요는 수도권에 몰려 있다는 점입니다. 전력을 만드는 곳과 쓰는 곳이 멀면 송전망이 병목이 되고, 신규 접속 신청이 대기열에 쌓입니다.
정부 대응은 크게 네 가지 방향으로 정리됩니다.
- 전력계통영향평가 면제: 비수도권에 들어서는 AI 데이터센터에 대해 계통영향평가 절차를 면제해 인허가 기간을 단축합니다.
- 직접 PPA 특례: 발전사업자와 데이터센터가 전력을 직접 거래할 수 있도록 특례를 두어, 계통 부담을 줄이면서 재생에너지 조달 경로를 엽니다.
- 인허가 타임아웃제: 인허가를 일괄 처리하고 150일 이내 처리를 의무화해 행정 지연을 차단합니다.
- 세액공제: 비수도권 투자 시 대기업 최대 15%, 중소기업 최대 25% 수준의 공제를 논의해 지방 입지를 유인합니다.
정책 방향은 명확하지만 기업이 기대하는 시점과 실제 계통 보강이 완료되는 시점 사이에는 여전히 간극이 있습니다. 송전선로 건설은 인허가와 주민 수용성 문제로 통상 수 년이 걸립니다. 그래서 당분간은 부지가 아니라 접속 순번을 확보하는 경쟁이 이어질 가능성이 큽니다.
덧붙이면, 이 대기열은 선착순이 아니라 준비도 순입니다. 접속 신청 시 요구되는 부지 확보 증빙과 수전 계획, 사업 자금 계획이 갖춰지지 않으면 순번을 받아도 뒤로 밀립니다. 실제로 신청만 해 두고 사업이 진척되지 않는 이른바 유령 신청이 대기열을 부풀린다는 지적이 이어져, 심사 요건을 강화하는 방향의 제도 개선이 논의되고 있습니다. 신규 센터를 검토 중이라면 계통 접속 신청 시점이 사업 일정의 첫 마일스톤이 되어야 합니다.
빅테크는 왜 발전소를 직접 계약하나요
최근 몇 년 사이 글로벌 클라우드 사업자들의 행보에서 공통점이 하나 보입니다. 전력을 시장에서 사는 것이 아니라 발전 설비를 직접 확보하는 방향으로 옮겨 갔다는 점입니다.
장기 전력구매계약(PPA)이 첫 단계였습니다. 태양광·풍력 발전소와 10~20년 단위 계약을 맺어 가격 변동 위험을 없애고 재생에너지 사용 비율도 함께 채우는 방식입니다. 여기까지는 ESG 목적이 컸습니다.
다음 단계가 원자력입니다. 기존 원전의 출력을 장기 계약으로 통째로 확보하거나, 소형모듈원자로(SMR) 개발사와 선구매 계약을 맺는 사례가 이어지고 있습니다. 재생에너지는 간헐성이 있어 24시간 상시 가동하는 데이터센터의 기저 부하를 혼자 감당하기 어렵다는 판단이 배경입니다. 여기에 가스 터빈이나 연료전지를 부지 안에 두는 자가발전 검토도 늘었습니다.
국내에서도 방향은 비슷합니다. 직접 PPA 특례가 논의되는 것 자체가 이 흐름의 제도적 대응인데요, 다만 국내 전력시장은 한국전력을 통한 단일구매 구조가 오래 유지돼 왔기 때문에 제도 정비 속도가 사업 속도를 따라가기 쉽지 않습니다. 재생에너지 조달 수단으로 REC 구매나 녹색프리미엄을 쓰던 기업들이 직접 PPA로 옮겨 가려는 이유도 가격 안정성과 계통 부담 완화라는 두 가지 목적이 겹치기 때문입니다.
기업 입장에서 이 흐름이 시사하는 바는 분명합니다. 전력은 이제 총무 부서가 청구서를 처리하는 항목이 아니라, AI 인프라 전략의 조달 항목이 됐습니다. 클라우드 사업자를 고를 때 리전별 전원 구성과 장기 조달 계획을 물어보는 것이 어색하지 않은 질문이 된 겁니다.
기업이 지금 점검할 4단계
1단계 — 워크로드를 전력 관점에서 다시 분류합니다. 학습과 배치 추론은 시간 이동이 가능하고, 실시간 추론은 그렇지 않습니다. 시간 이동이 가능한 작업을 골라내는 것만으로 계약 전력 산정이 달라집니다. 경부하 시간대 요금이 적용되는 구간으로 배치 작업을 옮기면 비용도 함께 내려갑니다.
2단계 — 계약서의 전력 조항을 먼저 봅니다. 코로케이션이든 클라우드든 마찬가지입니다. 랙당 kW 한도, 증설 리드타임, 가용성 보장 수준, 그리고 전력 요금 상승분의 전가 조건을 확인하셔야 합니다. 2024년 이후 체결된 계약에는 전기요금 연동 조항이 들어가는 사례가 늘어났습니다.
3단계 — 리전 분산을 비용이 아니라 가용성 관점에서 봅니다. 지금까지 리전 선택은 지연시간과 단가 문제였습니다. 앞으로는 "그 리전에 GPU 인스턴스가 실제로 배정되는가"가 먼저입니다. 비수도권과 해외 리전을 함께 열어 두는 이중화 전략이 현실적인 대안입니다.
4단계 — 전력 효율을 운영 지표로 편입합니다. PUE(전력사용효율)만 보던 관행에서 벗어나, 추론 요청 1,000건당 소비 전력이나 토큰당 에너지 같은 워크로드 단위 지표를 함께 관리하는 곳이 늘고 있습니다. 모델 경량화와 양자화, 캐싱은 응답 속도 개선책이자 전력 절감책이기도 합니다. FinOps 체계를 이미 운영 중이라면 여기에 전력 항목을 붙이는 것이 가장 빠른 길입니다.