GPU는 사도 전기는 못 산다, 데이터센터 전력 병목이 여는 시장

어떤 문제인가

아일랜드 통계청 집계로 2025년 아일랜드 데이터센터는 국가 계량 전력의 23%를 썼다(RTE). 도시 가구 전체가 쓰는 18%보다 많고, 10년 전의 5%에서 다섯 배 가까이 뛴 수치다. 소비량은 한 해에만 10% 늘어 7,663GWh가 됐는데, 나머지 사용자 전체의 증가율은 2%였다(Data Center Dynamics). 애틀랜틱은 이런 AI 데이터센터를 두고 더는 IT가 아니라 중공업이라고 진단했다(The Atlantic). 그런데 이 전환을 다루는 소프트웨어가 없다. GPU는 돈을 내면 언젠가 오지만 그리드 접속은 몇 년을 기다린다. 컴퓨트를 쪼개고 배치하는 도구는 쿠버네티스부터 슬럼까지 널려 있는데, 전력을 일급 자원으로 계측하고 배분하는 계층은 아직도 스프레드시트와 설비팀의 감으로 굴러간다. 무엇이 몇 킬로와트를 언제 태우는지, 그 전기가 얼마짜리인지 잡별로 아는 팀이 드물다.

왜 지금인가

골드만삭스는 미국 데이터센터 전력 수요가 2025년 31GW에서 2026년 41GW, 2027년 66GW로 뛴다고 전망한다(Goldman Sachs). 클라우드·AI 인프라 캐펙스는 2027년까지 연 1.5조 달러 규모로 커진다는 추정도 있다(Yahoo Finance). 돈과 칩은 준비됐는데 전자가 모자라다. 그 결과 병목의 위치가 바뀌었다. 훈련과 배치 추론처럼 몇 시간 미뤄도 되는 워크로드가 상당한데, 요금이 싼 시간대나 재생에너지가 남는 시간대로 옮기는 결정은 대부분 수동이거나 아예 없다. 규제도 조여온다. 아일랜드는 몇 년째 더블린 권역의 신규 그리드 접속을 제한해 왔고, 전력을 많이 쓰는 시설일수록 사용량 공개와 효율 증빙 요구가 늘고 있다. 전력이 희소해질수록 “전력당 처리량”을 증명하는 쪽이 증설 허가와 계약에서 유리해진다. 측정하는 자가 이긴다는 구도가 이제 막 생겼고, 표준 도구는 아직 없다.

flowchart LR
  A[그리드·요금 데이터] --> C[전력 가시성 레이어]
  B[GPU 워크로드 큐] --> C
  C --> D[전력 인지 스케줄러]
  D --> E[싼 시간대·남는 용량으로 이동]
  E --> F[전력당 처리량 리포트]

어떻게 만들 수 있나

쐐기는 계측이다. 랙·클러스터 단위 전력 텔레메트리에 요금제와 도매가격 피드를 붙여, 잡 단위로 “이 학습이 전기 얼마를 태웠고 언제 돌렸으면 얼마였는지”를 보여주는 대시보드부터 판다. 설치가 가볍고 청구서로 검증되니 도입 장벽이 낮다. 다음이 스케줄링이다. 미룰 수 있는 잡에 태그를 달고, 요금·탄소·그리드 혼잡 신호에 맞춰 실행 창을 옮기는 스케줄러를 쿠버네티스나 슬럼 위에 얹는다. 여기까지 가면 세 번째 층이 열린다. 수요반응 프로그램 참여로 감축 보상을 받아주고, 전력 구매 계약 협상에 실측 데이터를 붙여주는 조달 지원이다. 과금은 관리 용량 MW당 구독에 절감액 성과 보수를 얹는 구조가 자연스럽다. 첫 고객은 하이퍼스케일러가 아니다. 그들은 내재화한다. 중형 GPU 클라우드, 코로케이션 사업자, 자체 클러스터를 굴리기 시작한 기업 AI 인프라팀처럼, 전기 요금이 손익에 바로 꽂히는데 전담 전력팀은 없는 곳부터 파고들면 된다.

딥맵으로 구조 보기

전기 요금이 왜 AI 마진의 핵심 변수가 됐는지, 추론 비용을 둘러싼 더 큰 그림은 딥맵 브리프 추론 경제학에서 노드 단위로 볼 수 있다.