칼럼 | 데이터센터 투자 열풍이 현실을 왜곡하고 있다

이야기는 대개 그렇듯, 지평선이 비현실적으로 넓어 보이는 작은 농촌 마을에서 조용히 시작된다. 마을 도시계획위원회는 탄 커피 냄새와 낡은 카펫 향이 뒤섞인 소박한 회의실에 모여, 곧 이 마을이 현대 경제의 수혜자가 될 것이라는 소식을 듣는다. 마을 경계 안에 데이터센터 10곳이 새로 들어선다는 계획이다. 한두 곳이 아니라 무려 10곳이다. 파워포인트 화면에는 건설 일자리, 일부 상시 고용, ‘지역사회 투자’, 그리고 지역을 탈바꿈시킬 새로운 세수 기반이라는 약속이 화려하게 제시된다.

물론 일자리는 생긴다. 그러나 마을의 근간을 되살릴 수준의 일자리는 아니다. 데이터센터는 완공 이후 수천 명을 고용하지 않는다. 운영 자동화 수준에 따라 수십 명, 경우에 따라 그보다 적은 인력만 필요하다. 진짜 영향은 사람이 아니라 전력, 부지, 송전 용량, 그리고 물에 있다. 소규모 전력망에 대형 시설 10곳이 한꺼번에 들어서면, 수요 급증은 울타리 안에만 머물지 않는다. 그 여파는 외부로 확산된다. 전력회사는 변전소를 증설하고 송전선을 보강하며 차세대 설비를 도입해야 한다. 이 투자에 필요한 자금도 조달해야 한다. 시간이 지나면서 그 비용의 상당 부분을 누가 부담하게 될까. 결국 지역 전기요금 납부자가 인상된 요금을 떠안거나, 다른 인프라 사업이 조용히 뒤로 밀리는 방식으로 영향을 받게 된다.

물 문제는 종종 그 다음 단계에서 불거진다. 운영사가 ‘물 효율이 높다’고 주장하더라도, 냉각은 결국 냉각이며 대규모 냉각에는 반드시 비용이 따른다. 일부 시설은 증발식 시스템을, 일부는 폐쇄형 순환 시스템을 사용한다. 또 어떤 곳은 보도자료에서 인상적으로 보이는 혁신 기술을 내세운다. 그 사이 마을 농부는 지하수 수위와 일기예보를 같은 무게로 바라본다. 이제는 가뭄과 싸우는 것에 더해, 갈증이 공학 도면으로 계산되는 산업과 물을 놓고 경쟁해야 하기 때문이다.

현장에서 마주하는 데이터센터 붐의 실체는 이렇다. 화려한 약속을 내세우지만, 그 이면에는 매우 물리적인 제약이 단단히 자리하고 있다.

자본 지출이라는 새로운 신념

자주 공개적으로 언급되지는 않지만, 분명한 사실이 있다. 첨단 기술 기업이 데이터센터에 막대한 자금을 쏟아붓는 이유는 시장이 그런 행동에 보상을 주기 때문이다. 자본적 지출은 일종의 기업 신호로 자리 잡았다. 실적 발표 자리에서 “공격적으로 투자하고 있다”는 발언은 곧 “우리가 이기고 있다”는 의미로 받아들여진다. 그 투자가 낙관적인 전망에 근거했거나, 심할 경우 희망적 사고와 크게 다르지 않은 예측에 기반하더라도 분위기는 크게 달라지지 않는다.

이 흐름을 주도하는 것은 클라우드 서비스 제공업체다. 이들은 충분한 규모와 현금 흐름을 갖추고 있으며, 월가가 선호하는 서사도 확보했다. 수요는 폭발적으로 증가하고, 공급은 제한적이며, 기회를 선점할 만큼 빠르게 인프라를 구축할 수 있는 주체는 거대 기업뿐이라는 이야기다. 이런 서사가 자리를 잡으면, 지출 자체가 하나의 증거로 작용한다. 숫자가 클수록 기업은 더 진지해 보인다. 기업이 진지해 보일수록 투자자는 그 기업이 자신들이 모르는 무언가를 알고 있다고 추정한다. 이는 자신감처럼 보이지만 실제로는 관성처럼 작동하는 자기 강화적 순환 구조다.

여기에 최근 몇 년간 이어진 수십억 달러 규모의 기술 기업 간 계약이 더해진다. 하드웨어 선구매 약정, 장기 GPU 공급 계약, ‘전략적 파트너십’, 용량 예약, 그리고 내부 진입을 노리는 수많은 벤더 생태계가 겹겹이 쌓였다. 이러한 계약은 단순한 운영상의 결정이 아니다. 시장을 향한 일종의 무대 연출에 가깝다. 경영진이 구체적으로 제시할 수 있는 사례를 제공하고, 미래가 이미 정해진 것처럼 들리게 만든다. A사가 B사와 대규모 금액의 계약을 체결했다면, 미래는 이미 도래했으며 지금 참여하지 않으면 뒤처질 것이라는 메시지를 던지는 셈이다.

빅테크, 발전소를 짓다

이 문제는 단지 서버로 가득 찬 건물을 몇 채 더 짓는 데 그치지 않는다. AI 수요의 특성은 기존의 계산식을 바꿔놓는다. 대규모 학습과 추론에는 고밀도 연산 자원, 특수 목적 하드웨어, 그리고 점점 더 복잡해지는 네트워킹 기술이 필요하다. 그 결과 단위 면적당 전력 소비는 증가하고, 랙당 발열은 커지며, 전력망에 가해지는 부담도 커진다. 하이퍼스케일러와 주요 사업자는 산업 플레이어가 합리적으로 대응하듯 병목을 통제하려는 방향으로 움직이고 있다.

병목이 전력이라면, 최소한 재무제표상 해법은 전력을 선점하는 것이다. 장기 전력 구매 계약을 체결하고, 전력회사와 협력하며, 송전망에 투자하고, 전용 발전 설비를 직접 구축하거나 지원하는 움직임이 나타나는 배경이다. 이를 발전소, 에너지 캠퍼스, 혹은 인접 발전 자산이라고 부를 수 있다. 명칭은 중요하지 않다. 핵심은 의도다. 하이퍼스케일러는 예측 가능하고 확장 가능한 전력을 확보하려 한다. 매출 성장 스토리가 예측 가능하고 확장 가능한 연산 능력에 달려 있기 때문이다.

전략은 단순하다. 수요가 급증하면 가격과 가동률이 상승하고, 먼저 인프라를 구축한 기업이 수익을 거둔다. 용량을 확보하고 이를 채운 뒤, 희소 자원에 프리미엄을 부과하며 향후 10년간의 디지털 확장을 타고 간다는 구상이다. 과거 여러 인프라 붐에서 반복됐던 전략과 크게 다르지 않다. 다만 이번에는 인프라가 실리콘과 전자로 구성돼 있으며, ‘전환’이라는 언어로 포장돼 있다는 점이 다를 뿐이다.

수요를 예측한다는 것

이제 컨퍼런스장에서 꺼내기 불편한 이야기를 해보자. 필자 개인적인 견해로는, 클라우드 사업자를 포함한 상당수 첨단 기술 기업이 감당하기 어려운 수준까지 나아가고 있다. 이들이 인프라를 구축할 능력이 없어서가 아니다. 자금을 조달할 역량이 부족해서도 아니다. 문제는 예측을 물리 법칙처럼 다루고 있다는 점이다.

3년 혹은 5년 뒤 AI 수요가 어느 정도일지 정확히 아는 사람은 없다. 우리는 트렌드와 채택 곡선, 신제품 출시를 관찰하며 기대를 키운다. 그러나 수요는 단순한 관심이나 화제성과는 다르다. 수요에는 예산, 거버넌스, 시스템 통합이 포함된다. 수요가 발생하면 보안 검토, 조달 절차, 데이터 준비 상태 점검 등 수많은 작은 마찰이 뒤따른다. 이러한 요소는 결국 하나의 큰 제약으로 이어진다. 기업은 어떤 기술이든 도입 속도가 느리며, AI 역시 예외가 아니다.

기업의 기술 채택은 벤더의 선언만으로 이뤄지지 않는다. 기술이 기존 운영 모델에 부합하고, 리스크가 충분히 이해되며, 데이터 접근성이 확보되고, 법무 검토를 통과하고, 사업 타당성이 검증되며, 결과에 책임질 주체가 명확해질 때 비로소 도입이 이뤄진다. 이 과정에는 시간이 필요하다. 모든 기업이 전력 질주하듯 AI를 도입할 것이라는 전제하에 인프라를 구축하는 것은, 대부분 조직이 조깅하듯 움직이고 더 많은 조직이 걷는 속도로 변화해왔다는 수십 년의 경험을 간과하는 셈이다.

비용이라는 현실도 있다. 의미 있는 운영 성과를 내는 AI 시스템은 연산 자원, 데이터 이동, 스토리지, 도구, 그리고 이를 책임감 있게 운영할 인력까지 고려하면 기존 시스템 대비 5~10배의 비용이 들 수 있다. 이는 단순한 계산상의 오차 범위가 아니다. 전혀 다른 지출 범주에 가깝다. 대부분 기업의 예산은 무한하지 않다. 실험과 파일럿 프로젝트를 거쳐 선별적으로 배포하는 방식이 일반적일 가능성이 크다. 모든 기업이 갑자기 하이퍼스케일 수준의 대규모 AI 사용을 지속적으로 감당할 것이라는 가정은 현실과 거리가 있다.

그렇다면 수요가 구축 주체의 기대에 미치지 못할 경우 어떤 일이 벌어질까. 과잉 설비가 발생하고, 가격 압박이 커지며, 자산 가치가 하향 조정될 수 있다. “공격적으로 투자하고 있다”는 메시지는 어느 순간 “효율을 최적화하고 있다”는 표현으로 조용히 바뀔 가능성이 있다. 그리고 그 농촌 마을에는 단기적 과열의 장기적 결과가 남는다. 한계까지 압박받는 전력망, 정치적 쟁점으로 번진 물 문제, 그리고 약속된 최대 가동률에 한참 못 미친 채 서 있는 대형 건물들이 지역 풍경을 바꿔놓는다.
dl-ciokorea@foundryco.com