그래픽처리장치(GPU)·서버를 무작정 밀어 넣는 식의 용량 경쟁은 또 다른 임계점에 직면해 있다. 데이터센터 내 랙(Rack) 전력 밀도가 한계치에 다다르면서, 인공지능(AI) 연산 능력의 병목은 서버실 내부가 아닌 서버실 '밖' 인프라에서 터져 나오고 있다. 전력 변환, 배전, 고밀도 냉각, 무정전전원장치(UPS)가 유기적으로 맞물리지 못하면 수천억짜리 고성능 칩셋도 순식간에 멈춰 서는 고철에 불과하다. 안정적인 ‘AI 팩토리(AI Factory)’ 구동을 결정짓는 진짜 변수는 전력 변환 효율과 냉각 통제력이다.

 

인 정(Yin Zheng) 슈나이더일렉트릭 중국·동아시아 총괄 부사장은 인프라 생애주기(Lifecycle) 설계 역량에 방점을 찍었다. 그는 “AI 수요 폭발 대응의 핵심은 데이터센터의 설계·시뮬레이션·구축·유지보수를 관통하는 전체 프로세스에 있다”고 잘라 말했다.

 

IT 부하의 변동폭이 극심하고, 캠퍼스 규모가 기가와트(GW)급으로 비대해진 상황에서 엔지니어 개인의 수동 관리 모델은 효용을 다했다는 지적이다. 결국 AI 팩토리 구축·운영 단계 전반에 지능형 소프트웨어·자동화를 이식하는 흐름이 불가피해졌다는 시각으로 확장된다.

 

 

글로벌 에너지 관리 및 산업·공장 자동화(FA) 솔루션 업체인 ‘슈나이더일렉트릭(이하 슈나이더)’의 대안도 이 연장선에 있다. 슈나이더가 이번 ‘제45회 타이베이 국제 컴퓨터 전시회(COMPUTEX TAIPEI 2026, 이하 컴퓨텍스)’ 현장에서 제시한 파훼법은 명확하다. 교류(AC) 중심의 전력 구조를 고전압 직류(DC) 체계로 전환하고, 가혹해진 열 부하는 수랭(Liquid Cooling)과 고온 냉수 아키텍처로 받아내는 방식이다.

 

여기에 부하 변동을 버텨낼 디지털 전력 제어 장비를 심고, 디지털 트윈(Digital Twin)과 예측 유지보수 소프트웨어를 기획 단계부터 뼈대에 박아 넣는 인프라 조건이다.

 

연산 공간 갉아먹는 배전의 한계...변환 장치 외재화하는 접근법이 뜬다

 

AI 팩토리의 첫 번째 설계적 병목은 전력 구조에서 나온다. 기존 데이터센터는 교류 전력을 랙까지 끌고 들어온 뒤, 서버 내부의 전원공급장치(PSU)가 이를 직류로 변환하는 방식을 고수했다. 랙당 전력 밀도가 한 자릿수 킬로와트(kW)에 머물던 시절에는 충분한 구조였다.

 

하지만 단일 랙이 수백 kW를 넘어 1메가와트(MW)급 전력을 요구하기 시작하면서 이 공식은 이제 유효하지 않다는 평가다. 전류량이 급증해 케이블과 전력 분배용 버스바(Busbar)가 비대해지기 때문이다. 여기에 거대해진 전력 변환 장치가 정작 연산 장비가 들어가야 할 물리적 공간을 잠식하는 역설도 문제라는 지적이다.

 

짐 시모넬리(Jim Simonelli) 슈나이더 최고기술책임자(CTO)는 차세대 AI 인프라의 핵심을 MW 데이터센터 시대가 아닌 ‘1MW 랙 시대’로 정의했다. 덩치 큰 건물을 짓는 양적 증설의 단계를 넘어섰다는 진단이다.

 

그러면서 그는 초고밀도 AI 인프라의 3대 원칙으로 ▲집적(Dense) ▲고온(Hot) ▲안정(Steady)을 제시했다. 랙 단위를 극한으로 조밀하게 구성하고, 수랭식 기반 높은 온도 조건에서 열을 다스리는 방법론이다. 더불어 AI 특유의 급격한 부하 변동을 전력망에 전가하지 않고 자체 제어해야 한다는 의미다.

 

CTO는 “결국 돈을 버는 것은 컴퓨트, 즉 ‘연산’ 공간이다. 전력 장비가 이 공간을 갉아먹지 않도록 변환 장치를 랙 외곽으로 밀어내는 접근법이 필수인 시대”라고 강조했다.

 

 

이 병목을 전압·전류의 인과관계로 풀어낸 의견도 등장했다. 히만슈 프라사드(Himanshu Prasad) 슈나이더 수석부사장 역시 “전력은 전압과 전류의 곱이다. 동일 전력에서 전압을 높이면 전류를 낮출 수 있고, 전류가 내려가면 전력 손실과 도체(Cable) 크기를 줄이게 된다”고 말했다.

 

이는 글로벌 인프라 시장에서 고전압 ‘800볼트(V) 직류’ 체계가 급부상한 기술적 배경이다. 송전 압력을 높여 전류를 묶어두고, 이를 통해 케이블 두께와 배전 공간을 줄여 인프라 효율을 극대화하겠다는 포석이다.

 

다만 800V 직류는 특정 단일 장비나 단순 배선 포맷이 아니라는 점에 주목해야 한다. 프라사드 수석부사장은 “800V 직류는 하나의 아키텍처가 아니라 사이드카(Sidecar)를 시작으로 한 단계적 로드맵”이라고 선을 그었다.

 

이 구조는 전력 변환 장치를 컴퓨트 랙 내부가 아닌, 바로 옆의 별도 랙으로 외재화하는 방식이다. 랙 내부 공간은 온전히 연산 장비에만 집중 배치하고, 교류를 800V 직류로 바꾸는 전력 변환 및 배전 기능은 사이드카 랙이 전담하는 설계다.

 

초기에는 랙 단위에서 전력 공간을 분리하는 이 같은 사이드카 방식이 현실적인 출발점이 된다. 궁극적으로는 전력 변환 장치가 더 큰 블록으로 묶이고 데이터센터 건물 전체 단위에서 직류 배전이 이루어지는 구조로 확장된다는 뜻이다. 고밀도 AI 랙을 지탱하려면 컨버터·배전반·차단기·배터리·버스웨이(Busway)까지 하나의 통합 생태계로 묶여 진화해야 한다며 수석부사장이 의의를 짚었다.

 

 

이때 슈나이더가 지목한 과제는 ‘생태계 성숙도’다. 고전압 직류 환경은 전력 변환보다 보호(Protect)와 차단(Interrupt)의 난도가 높다는 이유다. 전류가 주기적으로 영(0)점을 지나는 교류와 달리, 직류는 전력 흐름이 일정해 사고 발생 시 아크(Arc)를 차단하기가 까다롭기 때문이다.

 

이 전력 설계 전환 로드맵은 AI 워크로드 고유의 급변 특성과도 맞물린다. 거대언어모델(LLM)의 학습·추론 과정에서 GPU가 동기화돼 일제히 구동될 때 부하는 수직 상승하고, 작업이 끝나면 급격히 곤두박질친다. 이 서지(Surge)성 변동이 전력망(Grid)으로 유입되면 전력 계통 불안정과 정전 등의 전력 중단 사고로 이어진다.

 

슈나이더가 AI 팩토리의 조건으로 ‘안정’을 강조한 배경이다. 폭발적인 부하 변동을 인프라 내부에서 완충해 전력망에는 마치 정속 주행하는 안정적인 수요처럼 보이게 만드는 ‘그리드 에지(Grid Edge)’ 기술이 핵심이다.

 

 

냉수 설계 온도 1°C의 마법, AI 팩토리 운영비와 전력 소비 줄이는 해법은?

 

앞선 전력 설계 변혁은 필연적으로 물리적 열 부하를 제어하기 위한 냉각 인프라의 개편으로 이어진다. 단일 랙의 전력 소비량 증가가 곧 열 부하로 직결되기 때문이다. 업계에서는 기존 공랭(Air Cooling) 중심 설계는 이미 물리적 한계에 직면했다고 분석한다. 이어 초고밀도 AI 환경을 지원하기 위해 냉각수분배장치(CDU), 후면 도어 냉각, UPS, 전력분배장치(PDU) 등 요소를 통합하는 설계가 필수라는 제언이 뒤따른다.

 

이창호 슈나이더일렉트릭코리아 팀장은 수랭 기반 회로의 핵심 장비로 ‘MCDU-25’를 지목했다. 이 장비는 서버 냉각 회로와 데이터센터 냉수 계통 사이에 놓이는 CDU다. 외부 냉동기(Chiller)에서 공급된 1차 냉수를 받아 내부 열교환기를 거친 뒤, 서버로 유입되는 냉각수의 온도와 압력을 정밀 제어하는 근간(Backbone) 역할을 수행한다. 데이터센터 전체 냉수 계통과 내부 서버 계통을 분리해 안정성을 확보하는 격리 포인트이기도 하다.

 

이 팀장은 “수랭이 서버와 직결되는 구조인 만큼, CDU는 일반적인 보조 장비에서 머물러서는 안 된다”며 “고밀도 랙의 전체 운전 조건을 통제하는 핵심 허브로 배치돼야 한다”고 진단했다.

 

 

다만 수랭이 모든 열을 처리하는 것은 아니다. 시스템 내부의 기술적 한계로 인해 약 10~30%의 잔여 열은 여전히 공기로 배출해야 한다. 이 구간의 상충 관계를 해결하는 대안이 슈나이더 후면 도어 냉각 솔루션 ‘모티베어 칠드도어(Motivair ChilledDoor)’다. 랙 뒤쪽에서 뿜어져 나오는 고온의 공기를 냉각 코일로 식혀 실내로 재순환시키는 구조다. 핵심 발열은 수랭으로 잡고, 랙 외부로 누출되는 잔여 열은 공랭 계통으로 받아내는 하이브리드 접근법이다.

 

냉수 온도 설계 또한 비용·전력 효율과 직결된다. 이 팀장은 “냉수 온도 설계값을 1°C 올릴 때마다 데이터센터 전력 소비를 대략 4~5% 절감할 수 있다”고 분석했다. 냉각수를 과도하게 낮추기 위해 압축기와 냉동 사이클을 무리하게 가동하지 않으면 전력 소비와 운전비를 동시에 아낄 수 있다는 의미다.

 

물리적 열 부하 통제와 동시에, 전력 보호 장비의 역할도 달라졌다. AI 팩토리 환경에서 UPS는 정전 시 단기 백업을 제공하는 수동적 장비에 머무르지 않는다. 급격하게 요동치는 AI 워크로드의 전력 변동을 내부에서 흡수해 전력 품질과 네트워크 안정성을 방어하는 완충 장치로 올라선 모양새다.

 

슈나이더가 제시한 고밀도 데이터센터용 3상 UPS ‘갤럭시 VXL(Galaxy VXL)’은 폭 1.2m, 깊이 1m의 소형·경량화 뼈대에서 최대 1.25MW의 고용량이 특징이다. GW급으로 대형화되는 AI 데이터센터 환경에서 장비의 점유 면적을 줄이기 위해 전력 밀도 자체를 끌어올렸다는 평가다.

 

 

사측에 따르면, 이 솔루션은 효율성 측면에서 교류를 직류로 바꾼 뒤 다시 교류로 변환해 최적의 전력 품질을 유지하는 이중변환(Double Conversion) 모드에서 최대 97.5%의 효율을 기록했다. 특히 전력 변환 손실을 최소화하는 고효율 운전 방식인 ‘이컨버전(eConversion)’ 모드에서는 최대 99%의 전력 효율을 달성한다는 강조점이다. 이 팀장은 수십에서 수백 MW 단위의 전력을 상시 소모하는 시설에서 이 같은 효율 향상은 탄소 배출량 및 운영비 절감으로 직결된다고 전했다.

 

랙 단위에서 전력을 최종 분배하는 PDU도 실시간 데이터와 연동되는 지능형 디지털 장비로 전환됐다. 고밀도 AI 랙에서는 어떤 서버가 어느 회로에서 전력을 소모하는지, 과부하 위험이 어디서 발생하는지를 상위 관리 소프트웨어로 실시간 전송해야 하기 때문이다.

 

슈나이더 랙 PDU는 랙 내부의 핵심 센서 역할을 겸한다. 액침 냉각(Immersion Cooling)은 서버를 전기가 통하지 않는 특수 냉각유에 직접 담가 열을 식히는 기술이다. 특히 해당 탱크처럼 공간 제약이 큰 환경이나 다양한 형태의 랙 구성에 맞춰 크기와 콘센트 배치를 조정하는 맞춤형(Customizing) 요소가 정착됐다.

 

사측은 이처럼 복잡한 전력·냉각 설비를 효율적으로 배치하기 위한 솔루션을 제공한다. ‘AI 포드 참조 모델(AI POD Design Reference)’로 통합하는 방식이다. 쉽게 말해, 전력·배전·냉각·장비를 어떻게 배치하고 연결해야 하는지 미리 최적의 경로를 짜놓은 모델이다.

 

우선 외부 전력망의 전기가 변압기·UPS·배터리를 거쳐 서버 랙으로 공급되는 전력 경로를 표준화했다. 동시에 외부 냉동기의 냉각수가 CDU를 통해 서버 열을 식히는 냉각 통로까지 하나의 세트로 묶어 배치했다.

 

여기서 본질은 전력망에서 반도체 칩까지 이어지는 과정의 연결 구조다. 이창호 팀장은 “현장에서 장비를 일일이 맞춰보며 조립할 필요가 없어 설계 오류를 막고 공사 기간을 대폭 줄일 수 있다”며 “AI 팩토리는 결국 전력·냉각·배전을 하나의 설비 패키지로 함께 짓는 인프라 사업”이라고 전했다.

 

 

대형 산업 플랜트 닮아가는 AI 공장 "개인 수동 관리 모델 효용 다했다"

 

전력·냉각 인프라를 구축했다고 해서 AI 팩토리가 완성되는 것은 아니다. 고밀도 랙, 수랭식 냉각, 800V 직류, UPS, PDU가 한 시설 안에서 맞물리면 운영 복잡도는 기존 데이터센터와 차원이 다른 수준이 된다. 이 가운데 전기 계통, 냉각 회로, 서버 부하, 자산 상태를 일단 지은 뒤 눈으로 확인하는 사후 대응 방식은 이미 늦는다.

 

더그 워런(Doug Warren) 아비바 수석부사장은 AI 팩토리를 대규모 산업 자산의 범주로 정의했다. 그는 “AI 팩토리는 대형 산업 플랜트와 매우 닮아가고 있다”며 “전기·열·기계 시스템의 복잡성이 산업 규모로 확대되면서 허가와 안전 요구사항도 그만큼 까다로워지는 추세”라고 진단했다. 아울러 “이러한 자산을 관리하는 데 필요한 소프트웨어와 도구는 전통적인 산업 플랜트를 관리하던 방식과 궤를 같이한다”고 덧붙였다.

 

이 관점에서 디지털 트윈(Digital Twin)은 설계·시뮬레이션·운영·유지보수 데이터를 하나의 모델로 통합해 실제 설비의 유기적인 움직임을 사전 검증하는 체계로 주목받는다. 워런 수석부사장은 디지털 트윈이 초기 설계 단계에서 시작되어 시뮬레이션을 거쳐 운영 단계까지 단절 없이 이어져야 한다는 점을 분명히 했다.

 

‘아비바 AI 팩토리 디지털 트윈(AVEVA AI Factory Digital Twin)’은 이 같은 관점을 소프트웨어로 구현한 사례다. 이 플랫폼은 엔비디아(NVIDIA)의 가상 협업 및 시뮬레이션 플랫폼 ‘엔비디아 옴니버스(NVIDIA Omniverse)’를 3차원(3D) 시각화 도구로 활용한다. 실시간 데이터, 시뮬레이션 결과, 운영·정비 데이터 등을 단일 사용자 화면(UI)에 동기화한다.

 

 

장비 위치 변경, 특정 설비의 유지보수 전환, 냉각 조건 변경 등 다양한 시나리오를 모델 안에서 가상으로 먼저 검토할 수 있다는 뜻이다. 설비 변경이 전력과 냉각 계통에 미치는 영향을 가동 전에 미리 확인해 리스크를 원천 차단하는 방식이다.

 

전기 계통도 동일한 선상에서 다뤄진다. ‘이탭 전기 디지털 트윈(ETAP Electrical Digital Twin)’은 전기 단선도와 전력 시뮬레이션을 실제 운영 데이터와 결합한다. 전력이 어떤 경로로 랙에 공급되는지, 급격한 부하 변화가 전체 전기 계통에 어떤 물리적 충격을 주는지 가상 모델에서 실시간으로 검증하는 구조다.

 

특히 냉각·전기 시뮬레이션을 개방형 3D 데이터 표준 형식인 ‘오픈USD(OpenUSD)’ 기반 환경에서 동시 구동한다. 워런 부사장은 이로써 AI 팩토리의 전기적 조건과 열역학적 조건을 하나의 통합 운영 모델로 관제할 수 있게 됐다고 평가했다.

 

실제 운영 단계에서는 데이터센터인프라관리(DCIM)의 역할이 배가된다. 슈나이더 DCIM 플랫폼 ‘에코스트럭처 IT(EcoStruxure IT)’는 랙 자산, 전력 경로, 네트워크 경로, 온습도, 장비 상태를 결합해 실시간 인프라 현황을 가시화한다. 특정 랙에 적재된 장비 종류부터 실시간 전력 용량, 연결된 PDU 위치, 네트워크 경로 도달점 등을 파악할 수 있다.

 

짐 시모넬리 CTO는 이 문제를 전력 아키텍처의 운영 리스크와 직결시켰다. 그는 “800V 직류는 단일 전력 변환 장치 하나를 꽂고 끝내는 지엽적인 문제가 아니다”라며 “보호·배전·공급망·유지보수·서비스까지 함께 설계해야 하는 거대한 전체 시스템의 문제”라고 규정했다.

 

 

고전압 직류 구조에서는 전력 변환뿐만 아니라 차단, 보호 선택도, 유지보수 절차가 톱니바퀴처럼 맞물려야 한다. 전력 아키텍처의 격변에 맞춰 데이터센터 운영 방식도 완전히 재정의되어야 한다는 시각이 떠오르는 이유다.

 

공급망·유지보수의 최적화 역시 핵심 과제다. 시모넬리 CTO는 최고 기술이라도 기가와트 규모로 양산·구축할 수 없다면 실제 해법이 될 수 없다고 단언했다. AI 데이터센터는 가공할 속도, 대규모, 반복 구축돼야 하기에 글로벌 공급망 체계와 현장 서비스 역량이 아키텍처 선택의 핵심 기준이 된다는 분석이다.

 

이 가운데 유지보수 패러다임도 사후 반응형에서 사전 예측형으로 이동하고 있다. 슈나이더의 ‘에코케어(EcoCare)’는 자산(Asset) 데이터를 지속 모니터링해 위험 신호를 먼저 포착하는 서비스를 제공한다. 자산 상태 지수와 유지보수 지수를 바탕으로, 고장 가능성이 높은 장비와 회로를 미리 확인한 후 필요한 조치를 앞당기는 방식이다.

 

 

워런 수석부사장은 알람 관리도 같은 맥락에서 설명했다. 그는 “AI 팩토리나 데이터센터에서는 수천 개의 알람이 동시에 들어오는 일이 드물지 않다”며 “운영자가 이를 하나씩 확인하는 방식으로는 대응하기 어렵다”고 말했다.

 

이어 “중요한 것은 여러 알람을 시나리오로 묶고, 표준화된 워크플로를 통해 가장 효과적이고 빠르게 처리하게 만드는 것”이라고 강조했다. 운영 소프트웨어는 복잡한 이상 신호를 실제 정비 절차로 전환하는 차세대 솔루션이 된다는 시각이다.

 

 

헬로티 최재규 기자 |