덩홍하오
버틀러 테크놀로지스 최고 경영자
| 본 자료는 세계경제포럼(World Economic Forum)이 2026년 6월 17일 세계경제포럼 웹사이트에 영어로 게재한 내용을 AI기계 번역한 후 Biz & Pro가 일부 보완한 것입니다. 따라서 본 번역은 세계경제포럼이 작성한 것이 아니며, 공식적인 번역이 아닙니다. 정확한 영어 원문 확인을 위해서는 아래 링크하는 원문 사이트를 참조하시기 바랍니다. |
- 데이터 센터는 인공지능(AI) 사용 증가의 기반이 되지만, 이를 위해서는 에너지와 물과 같은 자원이 필요합니다.
- 인공지능 사용 증가를 지원하려면 에너지 낭비를 초래하는 빈틈을 줄이기 위해 데이터센터 건물의 설계를 재고해야 합니다.
- 유망한 아이디어가 어떻게 확장 가능한 영향력을 확보하는지가 2026년 6월 23일부터 25일까지 중국에서 개최되는 세계경제포럼 신흥 리더 연례 회의 (일명 ‘하계 다보스’)의 핵심 주제입니다.
인공지능(AI) 사용이 급증함에 따라 이러한 성장을 지원하는 데 필요한 데이터 센터 에너지 수요는 일자리 창출부터 상업용 부동산 건설, 기술 및 벤처 투자에 이르기까지 다양한 산업 분야에서 부를 창출하는 기회를 만들어내고 있습니다. 그러나 전 세계 데이터 센터 부문이 2030년까지 연평균 14% 의 복합 성장률로 확장될 것으로 예상되는 가운데, 이를 위해서는 최대 3조 달러의 인프라 투자가 필요할 것입니다.
데이터센터 건설 붐은 지역 사회에도 파장을 일으키며 뜨거운 정치적 쟁점으로 떠오르고 있습니다. 건설로 인한 인근 지역 피해 외에도 데이터센터는 막대한 양의 에너지와 물을 소비합니다.
가트너 분석가들은 전 세계 데이터 센터의 전력 소비량이 2030년까지 두 배로 증가 할 것으로 예측하고 있으며, 환경에너지연구소(EIS)는 일부 대형 데이터 센터가 매일 최대 5백만 갤런의 물을 필요로 한다고 보고했습니다. 데이터 센터 건설이 더욱 확대됨에 따라 이러한 수요는 계속 증가할 것으로 예상됩니다.
하지만 미래를 위해 신중하게 데이터 센터를 구축할 기회가 있습니다. 신중하고 철저한 조사와 사려 깊은 실행을 통해 데이터 센터 계획을 수립한다면 환경에 부정적인 영향을 미치지 않으면서 AI 기반 혁신을 가속화할 수 있을 것입니다. 데이터 센터 이해관계자와 시민의 요구 사이에서 균형을 맞추는 것은 가능합니다.
데이터 센터가 에너지 위기에 대처하는 방법
현재 데이터센터 에너지 문제를 해결하기 위한 세 가지 효과적인 접근 방식은 다음과 같습니다.
1. 액체 냉각 및 열 재활용
액체 냉각 및 열 재활용 기술은 기존의 공기 송풍 방식을 대체하여 데이터 센터의 열을 흡수하고 전달합니다. 이렇게 발생한 열을 대기 중으로 방출하는 대신, 건물 내 다른 용도로 재활용하거나 더 넓은 네트워크에 분배하여 인근 기업이나 주거지의 에너지 수요를 줄이는 데 활용할 수 있습니다.
2. 재생에너지원의 공동 배치
풍력이나 태양광 발전소와 같은 재생 에너지 시설과 동일하거나 인접한 곳에 데이터 센터를 공동으로 설치하면 전력망에서 끌어오는 전력량을 줄일 수 있습니다. 지역 사회에서 사용할 전력을 끌어다 쓰는 대신, 데이터 센터는 자체적인 전력원을 확보하게 됩니다.
3. 예측 최적화 소프트웨어
예측 최적화 기술은 인공지능과 머신러닝을 활용하여 데이터센터 과열과 같은 잠재적인 문제를 운영에 부정적인 영향을 미치기 전에 예측하고 해결합니다.
이를 통해 비효율적인 공기 흐름과 케이블 열화로 인한 에너지 손실을 줄일 수 있습니다. 또한 사용량 및 발열 데이터를 수집하여 실시간 문제를 파악하고 시간 경과에 따른 추세를 분석할 수 있습니다. 이러한 데이터는 보다 효율적인 부하 분산, 유지 보수 일정 수립 및 전반적인 장비 최적화에 활용될 수 있습니다.
데이터센터 설계에 대한 재고찰
새로운 방법론과 기술을 신규 데이터센터 구축이나 기존 건물 개조에 도입하는 것은 해결책의 일부일 뿐입니다. AI를 지원하려면 데이터센터 건물의 근본적인 설계를 재고해야 합니다. 비효율적인 공기 흐름, 케이블 열화, 시간 소모적인 수동 설치 및 장비 점검에 대한 의존으로 인해 에너지가 낭비되는 부분이 여전히 존재하기 때문입니다.
한 가지 이유는 기존 컴퓨팅 작업 부하가 변화했기 때문입니다. 과거에는 CPU(중앙 처리 장치)가 작업 부하 실행의 기본 표준이었지만, 오늘날의 AI는 더 높은 성능과 에너지 집약적인 GPU(그래픽 처리 장치)를 요구하면서 CPU의 역할은 점차 줄어들고 있습니다. 새로운 GPU 하드웨어를 수용하려면 새로운 장비를 설치해야 하는 경우가 많은데, 이는 몇 달이 걸릴 수 있으며 설치 후 수동 안전 검사 절차를 거쳐야 합니다.
이러한 검사는 사람의 눈과 휴대용 적외선 카메라에 의존하여 영역을 스캔하고 온도를 측정합니다. AI는 밀도가 높고 불안정하며 변동이 심한 열 부하를 생성하기 때문에 가장 많은 열이 발생하는 위치를 정확하게 파악하기 어렵습니다. 이는 데이터 센터 건물의 열 에너지 성능 및 한계에 대한 가시성이 부족하기 때문입니다.
결과적으로 이러한 수동 검사로는 과열과 같은 문제를 감지하기 위해 데이터 센터 전체를 지속적으로 모니터링해야 하는 요구 사항을 충족할 수 없습니다. 숙련된 데이터 센터 전문가 부족은 이러한 문제를 더욱 악화시킵니다. 이는 오늘날 데이터 센터 관리 및 건설에서 가장 크고 간과되는 위험 중 하나입니다.
미래의 데이터 센터 구축
업타임 인스티튜트(Uptime Institute)에 따르면 데이터 센터 소유주 및 운영자의 절반이 지속 가능성을 평가하고 규제 요건을 충족하는 데 필요한 지표를 추적하고 있습니다. 또한 데이터 센터는 이제 열 기반 공간 지능을 사용하여 열 에너지 성능을 측정하고 있습니다.
이러한 접근 방식은 사람의 눈으로는 알아차릴 수 없거나 상황이 심각해질 때까지 알고리즘이 감지하지 못하는 불균일한 열 분포 또는 과열 지점과 같은 이상 징후를 찾아낼 수 있습니다.
카메라가 없는 센서인 열 기반 공간 센싱은 데이터 센터 운영자에게 에너지 소비량과 열 출력에 대한 실시간 정보를 가장 세부적인 수준까지 제공합니다. 이 데이터를 건물 성능을 보여주는 대시보드에 통합하면 에너지 용량이 필요한 곳에만 흐르도록 관리할 수 있습니다.
이러한 인사이트를 통해 데이터 센터 상황에 대한 보다 정확한 정보를 바탕으로 신속한 대응과 전략적인 계획 수립이 가능해집니다. 또한, 이는 시설의 물리적 인프라를 가상으로 복제한 디지털 트윈을 사용할 때 발생하는 정밀도 문제를 해결합니다. 디지털 트윈 모델의 정확도는 센서 데이터 입력의 정확도에 따라 달라집니다. 지속적인 물리적 센싱이 없다면, 트윈은 의도와 현실을 동떨어지게 반영하여 예상치 못한 비용 손실로 이어질 수 있습니다.
공간 정보 분석을 활용한 종합적인 데이터 센터 효율성 전략은 에너지 수요를 줄이는 데 기여할 수 있습니다. 동료 평가를 거친 연구에 따르면 사용량 기반 건물 제어 시스템은 냉방 출력을 실제 수요에 맞춰 조정함으로써 에너지 소비를 20~30% 절감할 수 있는 것으로 나타났습니다. 이는 데이터 센터의 에너지 수요와 주변 시설의 에너지 수요 간의 균형을 맞추는 데 도움이 될 뿐만 아니라, 자원 소비량의 의미 있는 감소를 입증하는 데에도 기여할 것입니다.
데이터센터를 구축하고 유지 관리하는 사람들은 에너지 효율성을 위해 인프라를 최적화할 책임이 있습니다. 그래야만 미래의 데이터센터 계획에 대해 더욱 생산적인 논의를 할 수 있습니다.
라이선스 및 재출판
세계경제포럼(WEF)의 기사는 크리에이티브 커먼즈 저작자표시-비영리-변경금지 4.0 국제 공개 라이선스(Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International Public License) 및 이용약관에 따라 재게시할 수 있습니다.
이 글에 표현된 견해는 전적으로 저자의 것이며 세계경제포럼의 공식적인 입장을 대변하는 것이 아닙니다.