CHINA SYSTEM · OPERATING LOGIC
개념을 작동 구조로 읽습니다
데이터센터의 네 가지 숫자는 서로 다르다
数据中心(데이터센터)을 평가할 때 건물면적, 랙 수, 설치 가능한 서버 수, 연산성능이 먼저 제시된다. 그러나 이 숫자들은 매출과 업무성과를 직접 말하지 않는다. 건물이 준공돼도 전력이 들어오지 않을 수 있고, 서버가 설치돼도 네트워크와 소프트웨어가 준비되지 않을 수 있다. 플랫폼이 가동돼도 고객의 모델이 해당 칩에서 제대로 돌지 않으면 청구 가능한 연산은 적다.
따라서 네 단계를 나눠야 한다. 첫째는 설계·건축용량, 둘째는 실제 설치용량, 셋째는 장애 없이 서비스할 수 있는 가동용량, 넷째는 고객이 사용하고 지불한 청구용량이다. PFLOPS 같은 최고 연산수치도 정밀도, 칩세대, 측정방식이 다르면 비교할 수 없다. ‘몇 PFLOPS를 지었다’는 발표는 생산능력의 상한일 뿐 수요와 가동의 증거가 아니다.
연산량 측정에는 분모가 필요하다. 공칭 성능은 설치된 가속기가 모두 정상 가동하고 소프트웨어가 완벽히 확장된다는 가정이지만, 서비스 성능은 예약 가능 시간, 작업대기, 실패·재시작, 메모리·네트워크 병목과 장애를 반영한다. 센터는 설치용량, 전원이 들어온 용량, 조정플랫폼에 등록된 용량, 유료 고객에게 실제 제공된 용량을 구분해 공개해야 한다. 그래야 지방정부의 보조금, 고객의 구매와 금융기관의 담보가 같은 숫자를 두고 이야기할 수 있다. 공통 계량규칙에는 예약취소, 유지보수, 실패작업과 테스트용 내부사용을 포함해 운영사가 분모·분자를 임의로 바꾸지 못하도록 제3자 감사가 필요하다.
범용·지능·초고성능 연산은 같은 시장이 아니다
通用算力(범용연산)은 기업 IT와 클라우드 업무, 智能算力(지능연산)은 AI 학습·추론, 超级计算(초고성능연산)은 과학·공학의 고정밀 병렬계산에 강점이 있다. 같은 GPU도 모델 크기, 프레임워크, 데이터 위치, 보안, 지연과 정밀도에 따라 효율이 달라진다. 범용 IDC의 랙을 AI 센터로 이름만 바꾼다고 고밀도 전력과 네트워크가 생기지 않는다.
AI 센터는 전력밀도가 높고 가속기간 통신과 냉각이 중요하다. 반면 추론은 사용자 가까운 위치와 낮은 지연, 학습은 대규모 자원과 장시간 안정성이 중요할 수 있다. 의료·금융·제조의 민감데이터는 공용 클라우드보다 전용·엣지 환경이 필요하다. 데이터센터 시장은 하나의 상품이 아니라 위치·칩·보안·서비스수준을 조합한 여러 시장이다.
범용연산·학습·추론·초고성능은 고객과 원가구조가 다르다. 대규모 학습은 고속 인터커넥트와 긴 연속시간을, 추론은 지연·가용성과 수요변동 대응을, 과학계산은 정밀도·전용 소프트웨어를 요구한다. 여러 종류의 칩을 모았다고 하나의 동질적 ‘연산 풀’이 되는 것은 아니다. 모델·프레임워크·정밀도·데이터 위치·보안등급별로 실행 가능한 작업을 목록화하고, 고객이 완료된 작업과 SLA를 구매하도록 상품을 재정의해야 한다. 고객은 칩 이름이 아니라 실행 가능한 모델·프레임워크·보안등급, 최소연속시간과 지원인력을 카탈로그에서 확인하고 작업완료 기준으로 정산해야 한다.
중국은 8대 허브와 10대 클러스터를 하나의 망으로 묶는다
중국의 东数西算(동부 데이터·서부 연산)은 京津冀(베이징·톈진·허베이), 长三角(창장삼각주), 粤港澳大湾区(광둥·홍콩·마카오 대만구), 成渝(청두·충칭), 贵州(구이저우)·甘肃(간쑤)·宁夏(닝샤)·内蒙古(내몽골)에 8대 국가허브와 10대 데이터센터 클러스터를 구축한다. 동부의 실시간 수요와 서부의 전력·토지를 지연과 업무특성에 따라 분업하려는 구상이다. 서버를 서부로 옮기는 정책이 아니라 전국 연산자원을 네트워크와 조정플랫폼으로 연결하는 정책이다.
国家数据局(중국 국가데이터국)은 허브 내 지능연산 규모 확대와 녹색화를 강조하고, 工业和信息化部(중국 공업정보화부·MIIT)와 통신 3사는 서로 다른 센터와 칩을 연결하는 전국 연산망을 추진한다. 목표는 남는 연산을 다른 지역과 기업이 찾고 쓸 수 있게 하는 것이다. 하지만 네트워크 지연, 데이터 이동비용, 보안, 칩별 소프트웨어 차이와 정산표준이 해결되지 않으면 ‘전국 단일 연산망’은 자원목록을 연결한 수준에 머문다.
8대 허브와 10대 클러스터의 핵심은 센터 수가 아니라 분업과 정산이다. 어느 작업을 어느 지역으로 보낼지 결정하는 조정플랫폼, 데이터와 모델을 옮기는 네트워크, 장애 때 다른 센터로 전환하는 호환성, 지역 간 비용·세수·보조금 정산이 필요하다. 서로 다른 클라우드와 통신사의 자원을 한 화면에 등록해도 예약·과금·보안·소프트웨어 이미지가 통일되지 않으면 실제 이동은 일어나지 않는다. 국가망의 성패는 등록 연산량보다 지역 간 완료작업 비율과 전환시간으로 측정해야 한다. 지역 간 조정계약에는 데이터 이동비, 지연·장애 책임, 고객동의, 탄소와 세수배분을 넣고 서로 다른 센터가 동일 컨테이너와 체크포인트를 받아들이는지 시험해야 한다.
건설붐 뒤에 과잉과 부족이 동시에 나타났다
AI 붐과 지방정부의 산업유치가 결합하면서 지능연산센터가 빠르게 늘었다. 36Kr 전재 보도는 2024년 새로 완공된 지능연산센터 200여 곳 가운데 실제 운영을 시작한 비율이 20% 미만이라는 업계 증언을 소개했다. 별도의 36Kr 전재 보도는 일부 센터의 중국산 연산자원 이용률이 20% 미만이고, IDC를 인용해 일부 센터의 GPU 이용률이 30% 미만이라고 전했다. 로이터는 공업정보화부가 최소 7,000개 연산센터를 허가했으며, 다수의 이용률이 20~30%로 추정된다고 보도했다.
그러나 이를 단순한 전면 과잉으로 보면 또 틀린다. 최상위 GPU, 특정 프레임워크, 대규모 집단통신, 낮은 지연과 안정적 운영인력을 갖춘 자원은 부족할 수 있다. 사용하기 어려운 칩과 위치의 연산은 남는데 고객이 원하는 연산은 모자라는 구조적 불일치다. 데이터센터 수와 AI 연산의 질, ‘국산칩 보유’와 개발자가 쓸 수 있는 생태계를 구분해야 한다.
과잉은 수요가 없어서만 생기지 않는다. 정책목표에 맞춰 건물과 전력을 먼저 확보했지만 가속기 조달이 늦거나, 칩은 들어왔어도 개발도구와 고객지원이 부족하거나, 지방 수요가 소규모인데 고밀도 학습센터를 지으면 불일치가 발생한다. 낮은 가격으로 이용률을 높여도 전력·감가상각·운영인력을 회수하지 못하면 지속가능하지 않다. 반대로 핵심도시에는 전력과 부지가 부족해 수요가 대기한다. 중국은 총량 과잉과 지역·제품별 부족이 동시에 존재하는 시장이다. 신규 센터는 보조금 제외 이용단가와 선임차 고객의 외부매출·최소사용량을 공개하고, 단계별 증설을 실제 대기수요와 연결해 공급착시를 줄여야 한다.
기업 지도는 건설주체와 수요주체를 분리해 봐야 한다
中国移动(차이나모바일)·中国电信(차이나텔레콤)·中国联通(차이나유니콤)은 네트워크와 국가 거점을 운영한다. 阿里云(알리바바클라우드)·腾讯云(텐센트클라우드)·百度智能云(바이두AI클라우드)은 클라우드와 모델수요를 만들고, 万国数据(완궈데이터·GDS) 등 IDC 사업자는 대형 고객의 시설을 운영한다. 지방 국유기업과 산업투자 플랫폼은 부지·자금·건설을 주도한다.
수요 측에는 대형 모델기업, 인터넷 플랫폼, 제조·금융·바이오 기업과 대학·정부가 있다. 문제는 건설주체가 수요를 과대평가하거나, 허위·조건부 임대의향을 장기고객으로 계산하는 경우다. 센터의 진짜 고객은 MOU 서명자가 아니라 일정 기간 최소사용량과 요금을 부담하는 계약자다. 고객별 워크로드와 필요한 칩·네트워크·보안이 확인돼야 한다.
기업 지도는 자산소유자와 서비스운영자, 최종수요자를 분리해야 한다. 지방 국유기업이 건물과 전력을 보유하고 통신사나 전문업체가 운영하며 클라우드가 장비·소프트웨어를 공급하고 모델기업·정부·제조사가 사용한다. 명목 임대계약이 있어도 관계사가 최소사용량을 보장하지 않으면 독립 수요로 보기 어렵다. 프로젝트 실사에서는 전력접속권, 서버 소유권, 칩 반입·교체 책임, 실제 과금고객, 사용로그, 미수금과 보조금 의존도를 계약별로 확인해야 한다. 관계사 계약과 정부 구매는 독립 고객수요로 따로 표시하고, 해지권·대금회수·보조금 종료 뒤 가격을 검토해야 금융조달의 실질 담보를 판별할 수 있다.
PUE보다 더 중요한 것은 유효가동률과 잔존가치다
전력사용효율 PUE는 전체 시설전력을 IT장비 전력으로 나눈 값으로 냉각·배전 효율을 보여준다. 중국의 녹색·저탄소 행동계획은 평균 PUE와 재생에너지 사용을 관리한다. 그러나 PUE가 낮아도 GPU가 놀고 있으면 전력효율은 사업효율이 아니다. 물사용, 탄소, 장애율, 모델 실행 성공률과 청구 가능한 GPU시간을 함께 봐야 한다.
경제성에는 장비세대도 중요하다. AI 가속기의 가치와 임대료는 신제품 출시로 빠르게 떨어지고, 전력·냉각 설비는 새 랙 밀도를 따라가지 못할 수 있다. 고가에 칩을 확보해도 고객 프로젝트가 취소되면 감가상각과 전력계약이 손실로 남는다. 선임차, 최소사용량, 보증금, 업그레이드, 중도해지와 잔존가치를 계약해야 하는 이유다.
자본은 장비 세대보다 느리다. 건물과 변전설비는 장기자산이지만 가속기·네트워크는 빠르게 가치가 하락한다. 프로젝트금융이 전체를 부동산처럼 담보화하면 저가동·세대교체 때 회수구조가 깨진다. 전력·건물, 장비, 운영소프트웨어와 고객계약을 나눠 수익·잔존가치를 평가하고, 단계별 서버 반입을 실제 수요와 연동해야 한다. PUE 개선만으로는 빈 센터의 경제성을 구할 수 없으므로 유효가동률, 완료작업당 원가, 고객집중도와 장비교체 충당금을 함께 봐야 한다. 현금흐름 스트레스 테스트에는 가동률 하락, 전력요금 상승, 칩 가격인하, 다음 세대 교체와 고객이동을 동시에 넣어 장비·건물의 회수기간을 분리해야 한다.
한국은 센터 건설보다 연산서비스 시장을 설계해야 한다
한국 정부와 지자체는 공공 AI센터의 성과를 구축비, 면적과 최고 PFLOPS로 평가하지 말아야 한다. 공급 가능한 GPU시간, 실제 이용률, 대기시간, 실패율, 네트워크 지연, 중소기업과 대학의 접근성, 유료 반복사용과 산업성과를 공개해야 한다. 장기수요·전력접속·운영팀이 확인되지 않은 센터는 단계별 투자를 적용하고 중단조건을 명시해야 한다.
한국은 여러 센터를 하나의 연산시장으로 묶는 운영층에 기회가 있다. 대기업은 클라우드·통신·제조 수요를 장기계약으로 모으고, 중견·중소기업은 특화 연산과 관리서비스를 공동 구매해야 한다. 정부는 공공조달을 장비·건물 구매에서 검증된 GPU시간·작업완료로 바꾸고, 지방정부는 전력·용수·선임차가 없는 센터 지원을 중단할 필요가 있다. 대학은 이기종 칩 조정과 평가를, 스타트업은 예약·과금·이식도구를, 금융기관은 사용로그와 장비잔존가치를 심사해야 한다. 한국형 연산시장은 센터별 실시간 가용량·가격·장애·탄소와 작업성공률을 공개하고, 공공·대학 수요를 장기계약으로 모아 민간의 반복수요를 유도해야 한다. 센터 간 이전 성공률과 평균 대기시간을 공개하면 건물 경쟁을 운영품질 경쟁으로 바꿀 수 있다. 지표의 정의·수집주기와 외부감사 방식도 공통 운영규칙에 넣어야 한다.
여러 지역 센터를 연합해 사용자가 칩·가격·지연·보안 기준으로 자원을 선택할 수 있게 하고, 민감데이터는 엣지·전용환경과 연결해야 한다. 대학은 이종칩 벤치마크를 공개하고, 스타트업은 칩 독립형 스케줄링과 정산을 만들며, 금융기관은 부동산 담보보다 고객계약과 장비잔존가치를 심사해야 한다. 한국 산업계가 답해야 할 질문은 우리는 얼마나 큰 센터를 지을 것인가가 아니라, 누가 어떤 문제를 풀기 위해 그 연산을 반복해서 사고 있는가?