CHINA SYSTEM · OPERATING LOGIC
개념을 작동 구조로 읽습니다
AI는 클라우드에 떠 있지 않는다
인공지능은 소프트웨어처럼 보이지만 물리적으로는 전기를 열로 바꾸는 거대한 산업이다. 대규모 학습은 수천·수만 개의 가속기를 장시간 묶고, 추론은 하루 종일 변동하는 요청을 처리한다. 한 개 칩의 성능보다 클러스터 전체가 중단 없이 작동하는 시간이 중요하다. 필요한 곳에 필요한 순간 전력이 없으면 가장 비싼 GPU도 금속 상자에 불과하다.
연간 발전량이 충분하다는 설명도 답이 아니다. 데이터센터 인근 변전소와 송전선, 이중수전, 예비전력, 계통접속 승인, 피크요금과 정전보상이 모두 맞아야 한다. 전력망은 평균이 아니라 가장 어려운 시간의 부하를 견뎌야 한다. AI 에너지 레이어의 본질은 ‘전기를 얼마나 생산하는가’가 아니라 ‘어디에서 언제 어떤 품질과 가격으로 전달하는가’다.
AI 에너지의 단위를 데이터센터 전체 전력량에만 두면 어떤 연산이 가치를 만들었는지 보이지 않는다. 학습작업 완료율, 추론 요청당 에너지, GPU 유휴시간, 재시작으로 낭비된 전력과 냉각부하를 함께 계량해야 한다. 같은 PUE라도 가속기 사용률이 낮으면 유효연산당 에너지는 커진다. 반대로 모델 압축·배치 처리·캐시와 작업시간 이동은 새 발전소 없이도 산업성과를 늘릴 수 있다. 전력조달팀, 모델팀과 센터운영팀이 서로 다른 계량기를 보는 구조부터 바꿔야 한다. 센터·랙·클러스터·모델별 계량을 연결하고 작업식별자를 전력·탄소 원장에 남겨야 어느 고객과 알고리즘이 효율개선 성과를 만들었는지 검증할 수 있다.
왜 지금 전력이 AI의 첫 번째 레이어가 됐는가
국제에너지기구(IEA)의 기준 시나리오는 2024년 대비 2030년 중국 데이터센터 전력소비가 약 175 TWh 늘어날 것으로 본다. 반면 로이터가 인용한 업계 추정치는 2026~2030년 증가분을 300~500 TWh로 제시한다. 산정범위와 가정이 다른 수치이므로 직접 합산하거나 같은 전망처럼 읽어서는 안 된다. 중국과 미국은 IEA 기준 전 세계 증가분의 약 80%를 차지한다. 이는 단순한 시설 수 증가가 아니라 AI용 고밀도 랙과 상시 추론이 전력수요의 모양 자체를 바꾼다는 뜻이다.
고밀도 AI 랙은 전력과 열의 문제를 동시에 만든다. 공랭만으로 처리하기 어려운 열밀도는 냉판식·침지식 액체냉각, 고압배전과 새로운 건물설계를 요구한다. 전력사용효율 PUE가 낮아도 물사용효율 WUE, 냉매, 펌프전력, 칩의 실제 사용률이 나쁘면 전체 성과는 낮다. AI 센터를 전통 데이터센터의 면적 확대판으로 보면 핵심 비용을 놓친다.
전력 인프라는 칩보다 계획기간이 길다. 가속기는 몇 년 안에 교체되지만 대형 변전소와 송전선은 부지·인허가·주민수용·공사에 더 긴 시간이 걸린다. 신청된 센터 용량을 모두 실수요로 믿고 선제투자하면 전력망 비용이 사회화되고, 반대로 확정 고객만 기다리면 접속대기가 AI 투자를 막는다. 중국의 강점은 국유 전력망·통신사·지방정부가 장기계획을 맞출 수 있다는 데 있지만, 행정목표가 과잉 건설을 부르는 위험도 같다. 접속예약금, 단계별 증설과 실제 부하 연동이 필요한 이유다. 계통사업자는 신청용량, 보증금, 공사마일스톤과 단계별 실부하를 공개하고 장기 미사용 접속권을 회수해 투기적 대기가 실수요를 밀어내지 않게 해야 한다.
중국은 연산과 전기를 함께 계획하기 시작했다
算电协同(연산-전력 연계)은 연산시설의 계획·건설·운영을 전원·전력망·전력시장·수요반응과 결합하는 정책언어다. 2026년 国家发展和改革委员会(중국 국가발전개혁위원회)·国家能源局(중국 국가에너지국)·工业和信息化部(중국 공업정보화부)·国家数据局(중국 국가데이터국)이 공동 발표한 행동방안은 센터의 입지, 녹색전력, 부하조정과 전력망을 함께 보도록 했다. 이는 데이터센터에 재생에너지 인증서를 사주는 정책보다 넓다. 전력계획과 연산수요 예측을 같은 시간표에 올리려는 시도다.
东数西算(동부 데이터·서부 연산)은 이 공간문제를 푸는 국가 프로젝트다. 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) 등을 8대 국가허브와 10대 클러스터로 연결한다. 지연에 민감한 실시간 추론은 수요지 가까이, 대규모 비실시간 학습·백업·분석은 전력과 토지가 유리한 서부로 보내려는 분업이다.
중앙의 연산-전력 연계 정책은 지방에서 토지·전기·기금·조달 패키지로 바뀐다. 서부 지역은 재생에너지와 낮은 기온, 넓은 부지를 내세우고, 동부 지역은 고객·데이터·네트워크와 연구인력을 내세운다. 통신사는 광역망과 기본수요를, 클라우드는 칩과 소프트웨어를, 전력사는 접속과 시장거래를 제공한다. 정책 발표를 투자기회로 읽으려면 센터 허가, 접속승인, 전력계약, 서버 반입, 유료 고객과 실제 가동률을 서로 다른 단계로 추적해야 한다. 지방기금과 은행의 자금집행도 토지계약이 아니라 접속완료, 선임차, 서버반입, 유료가동률이라는 순차 증거에 연동해야 과잉건설을 줄일 수 있다.
풍부한 전력과 쓸 수 있는 전력은 다르다
중국은 발전규모와 재생에너지 확장에서 강점이 있다. 그러나 서부 풍력·태양광이 많은 시간과 AI 센터가 최고 부하를 요구하는 시간이 일치하지 않는다. 绿电直连(재생에너지 전력 직접연계), 장기 전력구매계약, 녹색전력증서, 저장장치와 계통 백업은 서로 다른 수단이다. ‘연간 녹색전력 100%’만으로는 시간대별 매칭과 실제 탄소를 설명할 수 없다.
2026년 로이터가 취재한 전문가들은 중국이 2030년 AI 데이터센터 전력의 재생에너지 비중을 크게 높이려 해도, 상시 가동해야 하는 고가 GPU와 변동성 재생에너지를 맞추는 일이 쉽지 않다고 지적했다. 데이터센터 부하의 일부만 유연하게 이동해도 계통투자를 줄일 수 있지만, 학습작업 중단과 고객 SLA를 함께 설계해야 한다. 전력회사는 직접연결이 기존 망 투자 회수에 미치는 영향도 우려한다.
녹색전력의 증거도 구분해야 한다. 발전소와 센터를 물리적으로 잇는 직접공급, 전력시장에서 사는 장기계약, 녹색전력 거래와 녹색전력증서는 공급안정성·추가성·시간일치가 다르다. 연간 사용량만 맞춘 증서는 시간대별 화석전원 백업을 숨길 수 있고, 직접공급도 계통 서비스와 예비력을 완전히 대체하지 못한다. 수출기업과 금융기관은 센터의 ‘재생에너지 비율’보다 시간대별 전원구성, 정산방식, 증서 중복계상 방지와 정전 시 백업연료를 확인해야 한다. 시간별 탄소와 전원 추적이 가능해야 24시간 무탄소 목표, 수출제품의 공급망 배출량과 녹색금융 조건을 같은 데이터로 검증할 수 있다.
중국의 기업 지도는 전력사에서 클라우드까지 이어진다
国家电网(중국국가전력망공사)과 南方电网(중국남방전력망공사)은 계통과 전력시장을, 中国移动(차이나모바일)·中国电信(차이나텔레콤)·中国联通(차이나유니콤)은 국가 네트워크와 데이터센터를 담당한다. 阿里云(알리바바클라우드)·腾讯云(텐센트클라우드)·火山引擎(볼케이노엔진) 같은 클라우드는 모델·연산수요를 만든다. 万国数据(완궈데이터·GDS)는 대형 센터를 운영하며, 에너지 국유기업과 지방정부는 전원·부지·기금을 제공한다.
36Kr은 宁夏(닝샤) 中卫(중웨이)의 대규모 재생에너지 전력 직접공급과 乌兰察布(울란차부)의 기가와트급 센터 협력을 연산-전력 연계의 사례로 소개했다. 그러나 발표된 투자액과 실제 전력접속·서버 반입·유료고객은 다른 이정표다. 센터가 준공됐어도 칩이 없거나, 칩이 있어도 소프트웨어 생태계와 고객이 없으면 전력은 매출로 바뀌지 않는다.
연산 밸류체인은 전력구매자와 컴퓨팅 고객 사이의 계약망이다. 발전사·전력망·소매사업자·센터운영사·냉각업체·통신사·클라우드·모델기업이 각각 다른 위험을 맡는다. 센터운영사가 고정 전력을 장기 구매하고 고객은 단기 GPU시간만 사면 가격과 가동률 위험이 가운데에 남는다. 반대로 선임차 고객이 장비세대와 최소사용량을 약정하면 금융조달은 쉬워지지만 고객집중 위험이 커진다. 누가 접속지연, 출력제한, 장비고장과 SLA 위약금을 부담하는지가 사업성의 핵심이다. 계약의 현금흐름은 최소사용량, 전력가격 연동, 장비교체·출력제한·정전 보상과 고객해지 조건을 스트레스 테스트해 조달금리와 책임분담에 반영해야 한다.
병목은 전력 부족 하나가 아니다
첫째는 계통접속이다. 대규모 부하가 신청되면 변전소와 송전망 증설에 수년이 걸릴 수 있다. 둘째는 지연시간과 데이터 위치다. 서부의 저렴한 전력이 동부의 실시간 서비스에 항상 적합하지 않다. 셋째는 물과 지역수용성이다. 냉각수·소음·송전선·폐열이 지역과 갈등을 만든다. 넷째는 낮은 가동률이다. 중국 일부 지능연산센터의 GPU 사용률이 20~30%에 그친다는 보도는 건설능력과 수요조정능력의 차이를 보여준다.
다섯째는 장비의 빠른 노후화다. GPU 세대가 바뀌면 전력밀도와 냉각방식, 네트워크가 함께 바뀐다. 고객이 없는 상태에서 장비를 먼저 조달하면 전력계약과 감가상각이 고정비로 남는다. 전력가격이 싸더라도 유효토큰 또는 완료된 학습작업당 비용이 높을 수 있다. 결국 전력 우위는 연산조정·소프트웨어·고객계약과 결합할 때만 AI 경쟁력이 된다.
작업 이동은 기술문제가 아니라 경제계약이다. 며칠에 걸친 사전학습·백업·배치분석은 전력과 네트워크가 유리한 시간·지역으로 옮길 수 있지만, 실시간 추론과 산업제어는 지연·데이터 규제로 수요지 가까이 남는다. 이동 가능한 작업의 비중, 체크포인트 저장비, 장거리 전송비와 재시작 위험을 계산해야 한다. 모든 AI 부하를 기저부하로 가정하거나 모두 유연부하로 보는 두 극단을 피하고, 고객별 SLA에 전력수요반응 보상과 작업중단 한도를 넣는 시장설계가 필요하다. 센터 운영자는 지연허용도와 체크포인트 주기를 작업 메타데이터로 관리하고, 전력가격 급등·망 혼잡·장애 상황별로 어느 작업을 멈추거나 이동할지 사전 합의해야 한다.
한국은 데이터센터가 아니라 ‘유효연산’을 승인해야 한다
한국은 데이터센터 유치를 토지와 세제 경쟁으로 다뤄서는 안 된다. 계통접속일, 송전망 비용분담, 장기 전력계약, 용수·폐열 수요, 선임차 고객과 장비 업그레이드 계획을 먼저 확인해야 한다. 정부와 전력사는 AI 부하를 수요반응과 분산연산에 연결하고, 공공조달은 건물면적이 아니라 사용할 수 있는 GPU시간·지연·보안·가격을 구매해야 한다.
한국은 전력부족을 이유로 모든 센터를 막거나 지역활성화를 이유로 모두 허용해서는 안 된다. 대기업은 모델·서비스별 유효연산과 전력을 공개하고, 중견·중소기업은 공동구매로 최소사용량을 모아 장기수요를 증명해야 한다. 정부와 전력사는 접속대기·계통보강비·시간별 탄소를 공개하고, 지방정부는 선임차 고객·용수·폐열수요가 확인된 사업만 지원할 필요가 있다. 대학은 부하이동·액체냉각을 실증하고, 스타트업은 전력-연산 조정을, 금융기관은 접속권·고객계약·장비잔존가치를 심사해야 한다. 성과평가에는 접속기간, 유효가동률, 완료작업당 전력, 물사용, 지역고용·폐열활용과 보조금 의존도를 함께 넣어 산업성과와 외부비용을 동시에 보여줘야 한다.
지역은 발전원과 센터만 묶지 말고 제조·바이오·모빌리티·대학병원 등 반복수요를 함께 설계해야 한다. 대학은 유연한 학습작업과 냉각·열회수를 실증하고, 스타트업은 연산-전력 조정과 탄소추적을 사업화할 수 있다. 금융기관은 센터의 부동산 가치보다 접속권, 고객계약, 유효가동률과 장비잔존가치를 심사해야 한다. 한국 산업계가 마지막으로 답해야 할 질문은 우리는 몇 개의 데이터센터를 지을 것인가가 아니라, 같은 전력으로 얼마나 많은 유효연산과 산업성과를 만들 수 있는가?