데이터센터를 공장에서 찍어낸다? AI 인프라의 다음 변화와 수혜주 예상

사진 출처: the denver post 데이터센터가 계속 초대형, 공장형 데이터센터 중심으로 간다면 지금 잘나가는 AI 인프라 회사들이 그대로 수혜를 받겠지만 작은 데이터센터를 필요한 곳에 빠르게 가져다 놓는 방식까지 커지면 돈이 흘러가는 곳이 조금 달라질 수 있기 때문입니다. ​ 오늘은 그래서 데이터센터 그 자체를 설명하겠습니다. ​ AI 데이터센터는 왜 물리적으로 이렇게 커질 수밖에 없을까요? 아주 기본적인 것부터 볼게요. AI를 학습시키려면 GPU가 많이 필요합니다. ​ AI 등장 이전의 예전 데이터센터에서는 CPU가 중심이었지만 AI에서는 GPU 수천 장에서 수만 장을 한꺼번에 묶어서 계산을 합니다. ​ 그런데 GPU 10만 장을 산다고 끝나는 게 아닙니다. 사진 출처: Rainford Solutions GPU를 꽂을 서버가 필요하고 서버를 담을 랙이 필요하겠죠? ​ 그리고 여기서부터 문제가 시작됩니다. GPU는 엄청나게 전기를 먹습니다. ​ AI용 랙 한 개가 사용하는 전력이 계속 올라가고 있습니다. 차세대 AI 인프라에서는 랙당 전력밀도가 600kW 이상까지 올라가는 상황을 이야기하고 있는데, 이건 과거의 몇 배 수준입니다. ​ 그러면 GPU가 많아질수록 전기를 끌어오는 설비도 같이 커짐

변압기도 필요하고 배전설비도 더 큰 게 필요하고 정전이 났을 때 버틸 UPS도 더 큰 게 필요함 여기서 끝이 아니고 이렇게 잡아먹은 전기는 대부분 열이 됨 GPU를 10만 장 모아놓으면 이제 서버실에 에어컨 좀 세게 튼다고 해결할 수 있는 수준이 아니게 됨 그래서 차가운 액체를 GPU 가까이 보내 열을 직접 빼내는 액체냉각 설비까지 들어감 ​ 아 맞다! 여기에 네트워크도 필요합니다. AI 학습에서는 GPU 10만 장이 각각 혼자 계산하는 게 아니고 서로 엄청난 양의 데이터를 계속 주고받아야 합니다. GPU 사이 거리가 멀어질수록 통신이 복잡해지고 계산 효율도 떨어지니까요. 이걸 해결하려고 등장하는 게 광통신이고요. 그러니까 가능한 한 GPU들을 가까운 곳에 몰아넣는 게 좋습니다. 이렇게 할수록 부속 시설들의 규모도 더 커지겠죠. ​ 결국 데이터센터 자체가 거대해집니다. 사진 출처: programs.com 그래서 요즘에는 10만 평방피트짜리 데이터센터도 별로 놀랍지 않고, 세계 최대의 데이터센터들은 기본적으로 1000만 평방피트(!!!)짜리도 있습니다. 미터법으로 환산하면 30만 평쯤 됩니다(...). 뭐 근데 그럼 그냥 계속 크게 지으면 되는 거 아닌가?

이런 계산까지 무조건 미국 어딘가에 있는 1GW짜리 데이터센터로 보내야 할까요? 전혀 그럴 필요가 없는 경우가 많습니다. 예를 들어 공장에 4K 카메라가 수백 대 있다고 하면, 영상 전체를 계속 먼 데이터센터로 보내면 데이터 전송량부터 엄청나겠죠? ​ 그쪽 GPU가 영상을 분석한 다음 결과를 다시 공장으로 보내야 하니 시간도 많이 걸립니다. ​ 그런데 이럴 필요가 없죠. 공장 근처에 작은 꼬마(?) 데이터센터가 하나 있으면 얘기가 달라집니다. 영상을 그 자리에서 처리하고 "3번 라인에서 불량품 나옴" 같은 결과만 보내면 되겠죠. ​ 이런 방식이 우리가 많이 들어본 엣지 컴퓨팅입니다. 사진 출처: 동아일보 정부기관이나 금융회사처럼 데이터를 해외로 보내기 곤란한 곳에서도 쓸 수 있습니다. ​ 최근에 중국 정부의 일부 공무원들이 AI에 민감한 정보를 입력했다가 그게 다 미국 AI 회사로 넘어갔다는 뉴스도 있었는데, 이런 걸 보면 확실하게 국가별 자체 AI가 중요한 부분입니다. ​ 아마 앞으로는 거대한 데이터센터들이 주로 AI 학습(얘네는 어차피 GPU 수십만 장이 모여서 돌아가야 함)을 맡고 AI 추론들 중 일부는 이제 점점 사방으로 흩어질 수 있을 겁니다.

​ 거대한 AI 공장과 작은 AI 공장이 동시에 늘어나는 거죠. 사진 출처: Crusoe 아까 본 기사 이야기를 다시 하자면, 이게 실제로 구현 가능하다는 것을 Crusoe라는 민간 스타트업이 보여줬습니다. ​ 이 회사는 Spark라는 모듈형 AI 데이터센터를 만들고 있는데 전력과 냉각, 원격관리, 화재진압, GPU용 랙까지 모듈 안에 집어넣고 필요한 장소로 가져가서 설치하는 방식입니다. Crusoe는 이걸 실제로 미국 네바다에 설치하고 돌리는 데 성공했구요. ​ 더 재미있는 건 Crusoe가 아예 Spark를 찍어내는 공장까지 만들었다는 겁니다. 사진 출처 Crusoe 콜로라도에 전용 Spark Factory를 만들었고 회사는 이 시설을 이용해 모듈형 데이터센터를 풀빵 찍듯이 찍어내려고 합니다. 회사 설명으로는 빠르면 약 3개월 안에도 새로운 AI 컴퓨팅 용량을 배치할 수 있다고 하는데, 건설이 기약 없이 밀리는 데이터센터 사업주들 입장에서는 매우 구미가 당기는 방법이죠. Crusoe는 이걸 Edge Zones라는 서비스로 확장하고 있습니다. 특정 지역에 AI 수요가 생기면 초대형 데이터센터를 새로 짓는 대신 Spark를 가져가서 작은 클라우드 지역을 만드는 겁니다(!!!).

​ 그래서 "모듈형 AI 데이터센터가 크게 성장한다" 라는 명제 하나만 놓고 보면 버티브 홀딩스는 상당히 정석적인 수혜주입니다. ​ 하지만 저는 이 회사를 한번 소개해드리고 싶네요. 사진 출처: 구글 이튼 코퍼레이션(ETN)이라는 친구가 있습니다. 사진 출처: 이튼 이튼도 버티브처럼 최근에 모듈형 데이터센터에 관심을 가지고 이런 전력 인프라를 모듈 단위로 묶어서 공급하는 제품도 만들고 있습니다. 비교적 최근에 나온 Grid-to-Chip처럼 아예 GPU가 구성요소 중 하나인 전력망이 그 예시입니다. ​ 이튼이 하는 일은 사실 버티브와 비슷한 전력 인프라인데, 버티브는 "데이터센터 안쪽"에 강하고 이튼은 "전기가 데이터센터로 들어오는 길 전체"에 강합니다. ​ 버티브는 서버랙 바로 옆에서 필요한 장비를 많이 팝니다. UPS, 전력분배장치, 냉각장비, 액체냉각, 랙, 모듈형 데이터센터 같은 것들요. ​ 반면 이튼은 조금 더 위쪽에서 시작하는데 변압기, 스위치기어, 차단기, 배전반, UPS 같은 전력관리 장비가 핵심입니다. 발전소나 전력망에서 들어온 전기를 받아서 데이터센터 내부로 안전하게 "나눠서" 내려보내는 쪽이죠.

모듈형 데이터센터가 늘어나면 아마 전력 소비량만 늘어나는 게 아니라 전력망과 접속하는 지점 자체가 많아질 겁니다. 그러면 초대형 데이터센터 하나를 짓는 대신 10MW짜리 모듈형 데이터센터가 수십 곳에 흩어지기 시작하면 각각의 사이트가 전력망과 새로 연결돼야 하고 그때마다 변압기, 스위치기어, 차단기, 배전설비가 다시 필요하겠죠? ​ 데이터센터가 모듈화될수록 필요한 GPU 양은 다 합치면 어차피 비슷하겠지만 역설적으로 전력망과 데이터센터를 이어주는 접점은 더 많아질 수 있겠습니다. ​ 간단하게 정리할 수 있습니다. ​ 버티브가 "한 데이터센터 안에 얼마나 많은 AI 장비를 집어넣느냐"에서 강점을 가진다면 이튼은 "AI 데이터센터가 세상에 몇 군데 더 생기느냐" 자체에서 수혜를 받을 여지가 있는 것 ​ 저는 이 차이가 꽤 중요하다고 봅니다. 앞으로 모듈형 데이터센터의 시대가 빠르게 다가온다면 이튼을 잘 기억해두시면 좋을 것 같습니다. ​ 읽어주셔서 감사합니다. ^^