AI 데이터센터 냉각 (액체 냉각, SiC, GaN)

챗GPT 한 번 쓸 때마다 500ml 생수 한 병이 증발한다는 얘기, 들어보셨습니까. 처음 접했을 때 솔직히 믿기지 않았습니다. 그런데 AI 데이터센터의 전력 밀도 구조를 들여다보고 나서는 오히려 과소평가된 수치 아닐까 싶었습니다. 지금부터 그 이야기를 해보겠습니다.

AI 데이터센터가 전기를 집어삼키는 방식

기존 데이터센터와 AI 데이터센터는 근본적으로 하는 일이 다릅니다. 일반 서버가 데이터를 저장하고 주고받는 데 집중했다면, AI 데이터센터는 매 순간 복잡한 추론과 학습 연산을 수행합니다. 이를 위해 엔비디아 H100, B200 같은 고성능 GPU 수만 개가 한 공간 안에서 동시에 돌아갑니다.

여기서 문제가 생깁니다. AI 데이터센터의 전력 밀도는 기존 데이터센터보다 최소 2~3배 이상 높습니다. 전력 밀도란 단위 공간당 소비되는 전력량을 의미하는데, 쉽게 말해 같은 면적 안에 훨씬 많은 열이 발생한다는 뜻입니다. 서버가 뜨거워지면 반도체 효율이 급격히 떨어지기 때문에 열을 잡지 못하면 시스템 자체가 다운될 수 있습니다.

제가 이 구조를 처음 이해했을 때 머릿속에 떠오른 건 악순환이라는 단어였습니다. 더 많은 연산을 하려면 더 많은 전력이 필요하고, 더 많은 전력은 더 많은 열을 낳고, 그 열을 식히기 위해 또 막대한 전력을 쓰는 구조. 이걸 해결하지 못하면 AI 혁명 자체가 물리적인 벽에 막힐 수밖에 없다는 게 제 생각입니다.

IEA(국제에너지기구)에 따르면 전 세계 데이터센터의 전력 소비량은 2026년까지 현재의 두 배 이상으로 늘어날 것으로 전망됩니다(출처: IEA).

공기로 식히는 시대가 끝난 이유, 액체 냉각

오랫동안 데이터센터는 거대한 에어컨과 팬으로 찬 공기를 순환시키는 공랭식 방식을 써왔습니다. 이 방식이 한계에 달한 건 AI 서버가 뿜어내는 발열량이 공기가 흡수할 수 있는 물리적 한계를 넘어버렸기 때문입니다.

이를 대체하는 기술이 액체 냉각(Liquid Cooling)입니다. 액체는 공기보다 열전도율이 약 25배 이상 높습니다. 열을 훨씬 빠르고 효율적으로 빼앗아 갈 수 있다는 뜻입니다. 현재 실제로 쓰이는 방식은 크게 두 가지입니다.

• D2C(Direct-to-Chip): 발열이 가장 심한 CPU나 GPU 표면에 냉각수가 흐르는 블록을 직접 부착하는 방식입니다. 칩에서 발생하는 열을 바로 흡수하기 때문에 기존 공랭식 대비 냉각 효율이 크게 높아집니다.
• 침전 냉각(Immersion Cooling): 서버 전체를 전기가 통하지 않는 특수 오일, 즉 유전체 액체에 통째로 담그는 방식입니다. 처음 이 개념을 들었을 때 서버를 오일에 넣는다는 발상 자체가 낯설었는데, 직접 겪어보니 냉각 효율 측면에서는 가장 강력한 방식이라는 걸 인정할 수밖에 없었습니다. 앞선글 참조 바랍니다☞ AI 데이터센터의 숨은 공신, '액침냉각(Liquid Cooling)' 기술의 부상과 전기세 절감의 마법

액체 냉각을 도입하면 냉각에 드는 전력을 최대 90%까지 줄일 수 있습니다. 이는 PUE(전력효율지수) 수치에 직결됩니다. PUE란 데이터센터가 소비하는 전체 전력 중 실제 IT 장비에 쓰이는 비율을 나타내는 지표로, 1.0에 가까울수록 낭비 없이 전력을 쓰고 있다는 의미입니다. 구글, 마이크로소프트, 아마존 같은 빅테크들이 이미 액체 냉각 시스템을 인프라 전반에 도입하고 있는 이유가 여기에 있습니다.

열이 덜 나게 만드는 기술, SiC 반도체

냉각이 이미 발생한 열을 처리하는 기술이라면, 전력 반도체는 애초에 열이 덜 발생하도록 설계 단계에서 접근하는 기술입니다. 그 핵심이 실리콘카바이드, 즉 SiC입니다.

기존 반도체는 규소(Si)로 만들어졌는데, 실리콘은 고전압과 고온 환경에서 쉽게 버티지 못한다는 근본적인 한계가 있습니다. SiC는 이 문제를 정면으로 극복한 소재입니다. 핵심 개념 중 하나가 밴드갭(Bandgap)인데, 밴드갭이란 반도체 내부에서 전자가 전류를 흐르게 하려면 넘어야 하는 에너지 장벽의 크기를 의미합니다. SiC의 밴드갭은 실리콘의 약 3배 수준입니다. 장벽이 높다는 건 그만큼 고전압 환경에서도 무너지지 않는다는 뜻입니다.

제 경험상 이 부분이 생각보다 중요합니다. 열전도율이 3배 이상 높다는 것은 단순히 "덜 뜨겁다"는 게 아니라, 섭씨 200도가 넘는 환경에서도 안정적으로 작동한다는 의미입니다. 데이터센터의 초고압 전력 변환 장치에 SiC를 쓰면 전력 손실을 50% 이상 줄이고, 냉각 장치 크기까지 함께 줄어드는 복합 효과가 생깁니다. 냉각 장비가 작아지면 공간도 절약되고, 그 공간에 연산 장비를 더 넣을 수 있으니 실질적인 수익성과도 직결됩니다.

초고속 스위칭의 비밀, GaN 반도체

SiC가 고전압·고온 환경에 강한 소재라면, GaN(질화갈륨)은 속도와 소형화에서 두드러집니다. GaN 반도체의 가장 큰 특징은 전자의 이동 속도가 압도적으로 빠르다는 점입니다. 이 덕분에 초고속 스위칭이 가능합니다.

스위칭이란 전력 변환 과정에서 전류를 빠르게 켜고 끄는 동작을 의미합니다. 스위칭 속도가 빠를수록 에너지 손실이 줄어들고, 같은 성능을 내는 부품의 크기도 작아집니다. GaN을 사용하면 부품 크기를 기존 실리콘 대비 3분의 1 수준으로 줄일 수 있고, 데이터센터 내 각 서버의 전원 공급 장치(PSU)에 적용했을 때 효율을 96% 이상으로 끌어올릴 수 있습니다.

솔직히 이건 예상 밖이었습니다. 처음엔 소형화 정도의 이점만 기대했는데, 효율 측면에서도 이렇게 직접적인 수치 개선이 따라온다는 걸 알게 됐습니다. 반도체 한 소재가 바뀌는 것이 데이터센터 전체 전력 구조를 뒤흔드는 출발점이 될 수 있다는 게 이 분야를 들여다보면서 가장 흥미로웠던 지점입니다.

미국 에너지부(DOE)의 보고서에 따르면 화합물 반도체 기반 전력 변환 장치의 광범위한 도입만으로도 미국 전체 전력 소비의 상당 부분을 절감할 수 있는 것으로 나타났습니다(출처: 미국 에너지부(DOE)).

결국 이 기술들이 향하는 곳은 하나입니다. AI가 계속 성장하려면 전력 구조 자체가 바뀌어야 한다는 것. 액체 냉각으로 이미 발생한 열을 잡고, SiC와 GaN으로 열 발생 자체를 줄이는 이 두 방향은 서로를 보완하면서 AI 인프라의 지속 가능성을 만들어가고 있습니다. 기술이 흥미로운 이유는 단순히 빠르고 강해서가 아니라, 이처럼 물리적 한계를 넘어가려는 시도들이 계속된다는 데 있다고 생각합니다. 앞으로 이 분야의 흐름이 어디로 이어지는지, 저도 계속 지켜볼 생각입니다.

※본 정보는 참고용이며, 투자 권유가 아닙니다. 투자에 대한 최종 결정은 투자자 본인의 책임하에 신중하게 내려야 합니다.