【시사K뉴스 해설】동해 AI데이터센터 2.4GW…전력보다 먼저 ‘AI 연산능력’을 이해해야 한다

요약 | Summary

▫ 동해 AI데이터센터 사업에서 100MW·1.2GW·2.4GW라는 숫자가 잇따라 등장하고 있다. 그러나 MW와 GW는 전력 규모를 나타내는 단위이지 AI 연산능력 자체를 의미하지 않는다. AI데이터센터의 실질적 가치는 어떤 GPU와 AI 가속기를 얼마나 구축하고, 이를 어떤 고객이 어떤 목적으로 사용하느냐까지 함께 살펴봐야 이해할 수 있다.

▫ Figures such as 100MW, 1.2GW and 2.4GW are frequently cited in connection with Donghae’s AI data center project. But MW and GW measure electrical power, not AI computing capacity itself. Understanding the project’s actual computing capability requires examining the type and number of GPUs and AI accelerators, as well as who will use them and for what purposes.

▫ 따라서 앞으로는 ‘2.4GW의 전력을 확보할 수 있는가’와 함께 ‘그 전력이 필요한 근거가 되는 실제 AI 연산수요는 무엇이며, 현재 확보된 연산수요는 어느 정도인가’를 구분해 살펴볼 필요가 있다. 계획용량·고객수요·GPU 투자·전력 확보·실제 연산능력을 단계별로 확인하는 것이 AI데이터센터를 이해하는 또 하나의 기준이다.

▫ The key question is therefore not only whether 2.4GW of power can be secured, but also what level of real AI computing demand would justify that power requirement and how much of that demand has actually materialized. Distinguishing planned capacity, customer demand, GPU investment, secured power and actual computing capability provides a clearer framework for understanding the project.

---

동해 AI데이터센터를 이야기할 때 가장 많이 등장하는 숫자가 있다.

**2.4GW.**

최근에는 1단계 1.2GW, 초기 100MW라는 숫자도 등장한다.

GS는 동해에서 2028년부터 1.2GW 규모의 데이터센터를 단계적으로 준공하고 이후 추가 1.2GW를 더해 총 2.4GW로 확대한다는 목표를 공식적으로 밝히고 있다. 최근에는 초기 사업과 관련한 전력계통 절차도 진행되고 있다.

그러나 여기서 한 가지 구분해야 할 것이 있다.

**2.4GW는 AI의 연산능력을 나타내는 숫자가 아니다.**

GW는 전력의 크기를 나타내는 단위다.

그렇다면 AI데이터센터의 본질적인 능력, 즉 **‘AI 연산능력’은 무엇일까.**

 ■ 전기는 연료이고 GPU는 엔진이다

자동차에 비유하면 이해하기 쉽다.

전기는 연료다.

GPU와 AI 가속기는 엔진이다.

데이터센터는 수많은 엔진을 한곳에 모아놓고 대규모 계산을 수행하는 시설이라고 생각할 수 있다.

따라서 많은 전력을 공급할 수 있다고 해서 자동으로 높은 AI 연산능력이 생기는 것은 아니다.

전력을 실제 AI 연산으로 바꿔주는 컴퓨팅 장비가 필요하다.

그 중심에 GPU가 있다.

CPU가 복잡하고 다양한 업무를 순차적으로 처리하는 데 강점을 가진다면 GPU는 수많은 비슷한 계산을 동시에 수행하는 병렬처리에 강하다.

현대 AI는 엄청난 규모의 행렬계산을 반복적으로 수행하기 때문에 GPU와 각종 AI 가속기가 핵심적인 장비가 됐다.

결국 AI데이터센터를 이해하려면

**전력 → GPU·AI가속기 → AI 연산**

이라는 관계를 먼저 이해할 필요가 있다.

 ■ 같은 100MW라도 AI 능력은 같지 않을 수 있다

여기서 중요한 문제가 하나 생긴다.

두 데이터센터가 똑같이 100MW의 전력을 공급받는다고 가정해보자.

두 시설의 AI 연산능력도 똑같을까.

반드시 그렇지는 않다.

어떤 종류와 세대의 GPU를 사용하는지, 몇 대를 설치하는지, GPU를 연결하는 네트워크의 성능은 어떤지, 메모리와 저장장치는 어떻게 구성하는지 등에 따라 실제 처리할 수 있는 AI 작업량은 달라질 수 있다.

냉각효율 역시 영향을 미친다.

데이터센터에 들어오는 전력이 모두 GPU에 사용되는 것도 아니다.

서버와 저장장치, 네트워크뿐 아니라 냉각설비와 UPS 등 데이터센터를 유지하기 위한 여러 설비에서도 전력을 소비한다.

국제에너지기구(IEA)는 현대 데이터센터에서 서버가 평균적으로 전력수요의 약 60%를 차지하지만 데이터센터 유형에 따라 상당한 차이가 있다고 설명한다.

따라서 **‘100MW 데이터센터’와 ‘100MW의 AI 연산장비’도 같은 의미가 아니다.**

■ 그래서 ‘IT Load’를 함께 볼 필요가 있다

데이터센터를 이해할 때 유용한 개념 가운데 하나가 **IT Load**, 즉 IT 장비가 실제 사용하는 전력이다.

전체 데이터센터 전력 가운데 서버와 GPU, 스토리지, 네트워크 등 실제 정보처리 장비가 사용하는 부분과 냉각·전력변환 등 보조설비에서 사용하는 부분을 구분해서 보는 것이다.

여기에 PUE(Power Usage Effectiveness·전력사용효율)라는 지표도 사용된다.

예를 들어 같은 규모의 AI 연산장비를 운영하더라도 냉각과 전력변환에서 많은 전력을 소비하는 시설과 효율적으로 운영하는 시설의 전체 전력소비는 달라진다.

그래서 동해에서 말하는 100MW, 1.2GW, 2.4GW 역시 앞으로는 **전체 시설 전력용량인지, 실제 IT 장비에 공급되는 전력규모인지**를 구분해 이해할 필요가 있다.

■ AI 연산에도 ‘학습’과 ‘추론’이 있다

AI가 하는 일도 모두 같지 않다.

대표적으로 **학습(Training)**과 **추론(Inference)**이 있다.

학습은 AI에게 방대한 데이터를 이용해 새로운 모델을 만드는 과정이다.

거대한 AI 모델을 학습시키려면 많은 GPU를 동시에 연결해 상당한 연산을 수행해야 한다.

반면 추론은 이미 학습된 AI 모델을 실제 서비스에서 사용하는 과정이다.

사용자가 AI에게 질문하고 답을 받거나, 사진을 생성하고 번역하거나 데이터를 분석하는 것이 대표적인 추론이다.

따라서 ‘AI데이터센터’라는 이름만으로는 그 시설의 실제 역할을 알기 어렵다.

**대규모 AI 모델을 학습시키는 시설인지, 수많은 이용자의 추론 요청을 처리하는 시설인지, GPU 클라우드 서비스를 제공하는 시설인지, 여러 기능을 함께 수행하는 시설인지**에 따라 필요한 장비와 고객, 사업모델이 달라질 수 있다.

■ AI 연산능력은 무엇으로 측정할까

컴퓨터의 연산성능을 이야기할 때 흔히 사용하는 단위 가운데 하나가 FLOPS다.

FLOPS는 **Floating Point Operations Per Second**, 즉 1초 동안 수행할 수 있는 부동소수점 연산 횟수를 나타낸다.

TFLOPS, PFLOPS, EFLOPS처럼 단위가 커진다.

하지만 AI에서는 FLOPS 숫자 하나만으로 실제 성능을 판단하기도 어렵다.

FP32·FP16·FP8 등 어떤 수치 정밀도를 사용하는지에 따라 같은 장비에서도 표시되는 연산성능이 달라질 수 있고, 메모리 대역폭과 GPU 간 네트워크, 실제 소프트웨어의 효율도 전체 AI 성능에 영향을 준다.

따라서 AI데이터센터의 능력을 평가할 때는 단순히 **“GPU 몇 대” 또는 “몇 FLOPS”**라는 숫자 하나만 보는 것보다 전체 시스템을 함께 살펴야 한다.

■ 그렇다면 2.4GW는 어디에서 출발한 숫자인가

여기서 동해 AI데이터센터로 다시 돌아가보자.

GS는 동해에 1단계 1.2GW를 단계적으로 구축하고 이후 추가 1.2GW로 확대해 총 2.4GW 규모를 목표로 하고 있다고 밝히고 있다.

사업 발표 당시 데이터센터 투자비는 약 30조원, GPU와 메모리 등 장비비를 포함하면 최대 120조원 규모가 될 수 있다는 설명도 나왔다.

바로 이 대목에서 **전력과 AI 연산능력이 만난다.**

AI 연산장비가 없다면 거대한 전력설비만으로 AI데이터센터의 목적을 달성할 수 없다.

반대로 막대한 GPU를 설치한다면 이를 가동할 전력과 냉각·네트워크 인프라가 필요하다.

따라서 데이터센터 사업의 구조는 개념적으로 다음과 같이 연결된다.

**AI 고객의 연산수요  

→ 필요한 GPU·AI가속기  

→ 서버·네트워크 구성  

→ 필요한 IT 전력  

→ 냉각 등 보조전력  

→ 데이터센터 전체 전력규모**

이 연결고리가 중요하다.

■ ‘2.4GW 고객’이 있다는 것과 ‘2.4GW 계획’은 다른 문제

대규모 데이터센터 사업에서는 계획된 전체 용량과 실제 고객수요를 구분할 필요가 있다.

실제 사업화 과정에는 고객 확보뿐 아니라 투자와 금융조달, GPU와 서버 조달, 전력계통 연결, 인허가, 건설 등의 과정이 뒤따른다.

지난 8월 연합뉴스가 NH투자증권 보고서를 인용해 보도한 내용에서도 향후 동해 데이터센터 사업의 주요 과제로 **자본 유치와 임대차계약 체결, 즉 데이터센터 고객 확보** 등이 거론됐다.

이것이 동해 사업의 성패를 미리 판단할 근거는 아니다.

다만 **2.4GW라는 최종 계획용량과 현재 사업화가 구체화된 용량을 구분해서 살펴봐야 한다는 의미**는 있다.

 ■ 100MW에서 먼저 무엇을 확인할 수 있을까

최근 보도에서는 동해 AI데이터센터 초기 100MW 시설과 관련한 전력계통영향평가 절차가 진행되고 착공 준비가 구체화하고 있는 것으로 전해지고 있다.

그렇다면 100MW 단계는 전체 2.4GW 계획을 이해할 수 있는 첫 번째 중요한 관찰 지점이 될 수 있다.

전력만 볼 것이 아니라 몇 가지를 함께 살펴볼 필요가 있다.

**어떤 AI 서비스를 제공할 것인가.**

**어떤 종류의 GPU·AI가속기를 사용할 것인가.**

**학습용인가, 추론용인가, GPU 클라우드용인가.**

**실제 IT 장비가 사용하는 전력은 얼마인가.**

**확보된 고객의 연산수요는 어느 정도인가.**

그리고 이 100MW가 1.2GW로 확대되는 조건은 무엇인가.

이 질문들에 대한 정보가 쌓이면 2.4GW라는 최종 목표도 훨씬 구체적으로 이해할 수 있다.

 ■ 반도체가 발전하면 전력수요는 줄어들까

또 하나 흥미로운 변수가 있다.

AI 반도체 기술의 발전이다.

GPU와 AI 가속기의 연산효율이 높아지면 같은 AI 작업을 더 적은 에너지로 처리할 가능성이 있다.

최근에는 스마트폰과 PC 자체에서 일부 AI를 처리하는 온디바이스 AI도 발전하고 있다.

그렇다면 미래에는 거대한 데이터센터가 필요 없어질까.

현재로서는 그렇게 단정하기 어렵다.

AI 모델과 서비스의 이용량 자체가 훨씬 빠르게 증가하면 반도체 효율 향상에도 불구하고 전체 연산량과 전력수요가 계속 증가할 수 있기 때문이다.

IEA도 AI 확산으로 데이터센터의 전력밀도가 빠르게 증가하고 있다고 분석하고 있다.

즉,

**연산효율은 좋아지지만 AI 연산수요도 동시에 폭증하는 경쟁**이 벌어지고 있는 셈이다.

그래서 10년 뒤의 데이터센터가 지금과 똑같을 것이라고 가정해서도 안 되고, 반대로 대형 데이터센터가 곧 필요 없어질 것이라고 단정해서도 안 된다.

기술 변화와 실제 고객수요를 계속 확인해야 한다.

■ ‘전력을 확보했는가’에서 한 걸음 더 들어가자

지금까지 동해 AI데이터센터를 둘러싼 관심은 상당 부분 전력에 집중됐다.

이는 당연하다.

2.4GW라는 거대한 시설을 추진하려면 안정적인 전력공급이 필수적이기 때문이다.

강원특별자치도와 한국전력도 최근 AI데이터센터 전력망 구축을 위한 협력에 나섰다.

그러나 이제 한 단계 더 들어갈 필요가 있다.

**“2.4GW의 전력을 확보할 수 있는가.”**

여기에 하나의 질문을 더하는 것이다.

**“2.4GW의 전력이 필요하다는 근거가 되는 AI 연산수요는 무엇인가.”**

그리고 다시 묻는다.

**“그 연산수요 가운데 오늘 현재 실제로 확보된 것은 얼마인가.”**

이것은 사업을 찬성하거나 반대하기 위한 질문이 아니다.

2.4GW라는 숫자의 의미를 시민이 정확하게 이해하기 위한 질문이다.

■ 전력 → GPU → 고객, 세 숫자를 함께 보자

앞으로 동해 AI데이터센터를 바라볼 때 최소한 세 가지를 함께 보면 이해가 쉬워진다.

첫째는 **전력**이다.

몇 MW 또는 몇 GW를 실제 공급할 수 있는가.

둘째는 **연산장비**다.

그 전력으로 어떤 GPU와 AI가속기를 얼마나 운영할 것인가.

셋째는 **고객수요**다.

그 연산능력을 실제 사용할 고객과 계약된 수요가 어느 정도인가.

여기에 투자와 금융조달, 네트워크와 냉각, 실제 가동률이 결합되면서 비로소 AI데이터센터의 사업 실체가 만들어진다.

따라서 앞으로는 동해 AI데이터센터의 진행상황도

**계획용량 → 고객수요 → 투자확정 → 전력확보 → GPU·서버 구축 → 실제 AI 연산**

이라는 흐름으로 살펴볼 필요가 있다.

2.4GW라는 숫자는 분명 크다.

그러나 AI 시대에는 크기만큼 중요한 것이 **그 전력을 얼마나 가치 있는 연산으로 바꾸느냐**다.

동해가 단순히 많은 전기를 사용하는 데이터센터가 있는 도시를 넘어 진정한 AI산업도시를 지향한다면 더 중요한 질문도 결국 여기에 있을 것이다.

**“얼마나 많은 전력을 사용하는가”를 넘어  

“그 전력으로 무엇을 계산하고, 어떤 산업과 사람을 만들어낼 것인가.”**

동해 AI데이터센터를 이해하는 또 하나의 출발점이다.

지형덕 | 시사K뉴스 기자