국가의 천장이 회사의 바닥이 된 날
글의 핵심 개념을 형상화했습니다.
한 손에 들어오는 숫자
0.7. 국가 전체의 연산 능력을 담는 숫자입니다. 여성경제신문의 COMPUTE GRID 집계에 따르면 미국의 계산계는 약 64GW, 중국은 약 30GW, 그리고 한국은 약 0.7GW입니다. 처음 들으면 단위를 잘못 읽은 줄 의심하게 만드는 숫자입니다.
단위는 GW, 기가와트입니다. 데이터센터가 먹고 연산이 뿜어내는 전력의 규모를 재는 단위입니다. 한 나라의 전체 연산이 1GW도 채 안 된다는 것은, 지금 한국이 돌릴 수 있는 AI 학습과 추론의 전체 규모가 한 손에 들어올 만큼 작다는 뜻입니다. 반면 미국은 60GW를 넘었고 중국도 30GW 선에 올라 있습니다. 이것은 몇 퍼센트의 차이가 아니라, 십수 배의 차이입니다. 같은 인프라를 놓고 출발선이 이만큼 다른 나라가 한 편에 서 있다는 감각이 먼저 옵니다.
그런데 이제 한 회사의 구상이 15GW입니다. SKT의 ‘AI 공장’ 구상입니다. 목표 숫자가 국가 전체의 현재 보유량보다 약 21배 큽니다. 다시 말해, ‘나라의 천장’이 ‘회사의 바닥’이 되어버린 것입니다. 기준선이 낮았던 나라에서만 나올 수 있는 반전입니다.
NotebookLM이 소스를 종합해 생성한 인포그래픽입니다.
경쟁의 단위가 칩에서 공장으로 옮겨간 이유
서버실을 하나 지어 빌려주던 시기는 끝났습니다. 여성경제신문은 이 흐름을 ‘통신 3사에 담기엔 너무 커졌다’로 표현합니다. 통신사 데이터센터 사업이 MW급 임대 시설에서 부지와 전력을 먼저 선점하는 GW급 AIDC 개발사업으로 성격이 바뀐다는 진단입니다. 이 변화의 공통분모는 ‘규모’입니다.
SKT는 6월 엔비디아와의 ‘GW급 AI 팩토리’ 가동 협력을 발표했습니다. 당시 최태원 SK 회장과 젠슨 황 엔비디아 CEO가 공동 브리핑에 나섰습니다. 2026년 1분기 AIDC 사업 매출만 1,314억원에 달합니다. KT클라우드는 2031년까지 전국 20여 개 거점에 1GW 이상 AIDC를 공급하는 로드맵을 공개했고, 5년간 6조원 규모의 AI 인프라 투자를 예고했습니다. LG유플러스는 파주 200MW 시설과 GS건설, 자이C&A 등이 참여한 사전제작형 모듈러 데이터센터(PMDC) 얼라이언스로 표준화 축을 다지고 있습니다.
수요 측도 동시에 움직입니다. 젠슨 황 CEO는 스코틀랜드 AI 정상회의에서 내년 칩 판매량이 올해의 2배가 될 것이라고 밝혔습니다. 2028회계연도 매출 70% 증가, 6730억달러 전망에 이은, 향후 6개 분기의 연속 성장을 예고하는 발언입니다. 배경은 학습뿐 아니라 실제 서비스 운영을 위한 추론 수요의 급증입니다. 글로벌 빅테크와 각국 정부가 ‘AI 팩토리’ 구축에 나서면서 GPU, CPU, 네트워크 반도체 수요가 동시에 늘고 있습니다. 화웨이가 한꺼번에 AI칩 11종을 공개한 것도 같은 방향의 신호입니다. 단일 칩의 연산이 아니라, 수천 개 가속기를 하나의 초대형 컴퓨터처럼 묶는 풀스택으로 승부수를 던진 것입니다. 연산에 머물지 않습니다. NVLink 대항마로 자체 개발한 고속 인터커넥트, 스토리지와 네트워크 칩, 광통신까지 아우르며 AI 데이터센터 시장 전체로 경쟁 범위를 넓혔습니다. 엔비디아의 중국 시장점유율이 과거 95%에서 크게 하락했다고 젠슨 황 본인이 인정할 정도입니다. 한때는 하나의 칩이 전부였던 시장이, 이제는 공장이 되느냐의 싸움입니다. 경쟁의 단위가 ‘하나의 칩’에서 ‘AI 공장 전체’로 넘어간 셈입니다.
아무도 움직이지 못하는 병목, 전력
GW 레이스에 벽이 있습니다. 칩이 아닙니다. 서버도, 부지도 아닙니다. 전기입니다.
SKT의 15GW가 풀가동되면 연간 전기요금만 약 24조원 수준이라는 계산이 나옵니다. 그 자체로 한 번 멈칫하게 만드는 숫자입니다. 구글과 엔비디아가 전력 관리에 18개 기업과 기관이 참여하는 ‘AI에너지 관리연합(AEMA)’을 출범시킨 것도 같은 배경입니다. 에너지 관리가 더 이상 유틸리티의 문제가 아니라, AI 업체가 앉아야 하는 테이블이 된 것입니다.
병목은 전기요금만이 아닙니다. 칩 판매 2배를 달성하려면 TSMC의 파운드리와 패키징 생산능력, 삼성전자와 SK하이닉스, 마이크론의 HBM 물량, 그리고 전력과 냉각 인프라가 동시에 풀려야 합니다. 화웨이는 글로벌 AI 공급과 수요의 균형 시점을 2029년께로 내다봤습니다. 그 시점까지 GPU와 전력의 확보 경쟁은 장기전입니다. GW급 개발은 변압기, GIS, 초고압 케이블, 액체냉각, EPC까지 국내 전력기기와 건설 수요를 직접 발생시킵니다. AIDC는 더 이상 서버 조달 문제가 아니라, 부지와 전력계통, 금융 구조가 먼저인 대형 인프라 프로젝트가 됐습니다. 서버를 채우는 일 자체가 후순위일 정도로, 순서가 바뀐 것입니다.
규모가 주지 않는 것, 가치 사슬의 질문
규모 뒤에 조용한 숫자가 하나 있습니다. 1GW당 생산가치 기여는 한국 14.9%, 미국 31.2%, 대만 16.2%입니다. 데이터센터라는 ‘건물’만 한국에 둔다면 나라에 남는 가치는 크지 않다는 뜻입니다. HBM, 가속기, 로직, 서버, 가치 사슬 전체를 얼마나 보유하느냐가 문제입니다. 글로벌 공급망의 핵심 자원으로 고정된 HBM은, 바로 한국이 말을 걸 수 있는 지점입니다.
이 질문은 이론이 아니라 실시간으로 검증되고 있습니다. HBM 공급망이 그렇습니다. SK하이닉스의 ‘호남 400조’ 메가 팹은 군 공항 이전과 전력, 용수 문제로 발이 묶인 채, 투자 방향을 미국과 일본으로 돌리고 있습니다. 반면 마이크론은 2035년까지 2500억달러(약 346조원)를 들여 자국 메모리 팹을 세우고 생산능력 격차를 뒤집겠다는 전략을 추진 중입니다. AI 가속기 비용의 상당 부분을 좌우하는 HBM이라는 자원의 생산 거점이, 나라 밖으로 이동하고 있는 것입니다. 데이터센터(GW)는 한국에 두고 HBM은 미국과 일본으로 보내는 구도가 되면, 14.9%라는 생산가치 기여율은 자명한 결과입니다.
화웨이가 칩이 아니라 ‘공장’으로 경쟁하는 이유와도 맞닿습니다. 풀스택을 붙잡아야 가치가 남기 때문입니다. 그래서 한국의 답은 ‘GW를 얼마나 지으느냐’가 아니라, ‘지은 GW에서 가치는 얼마나 여기 남느냐’여야 합니다. 규모는 필요조건이지 충분조건이 아닙니다. 다만 GW급 국산 GPU 공급이 상용화되면 국내 기업의 AI 도입 비용과 공기 장벽을 낮추고, 금융, 제조, 공공의 소버린 AI 수요를 끌어올리는 촉매가 됩니다. 그것이 레이스를 반드시 이겨야 하는 다른 이유입니다.
연산이 국경을 가질 때
한국은 연산이 놓이는 곳 자체도 주체하려는 움직임을 보이고 있습니다. 경남도는 7월 디노티시아, 디노코어, 신화철강, 창원시와 함께 국내 최초 100MW급 방산 전용 AIDC를 창원 팔용동에 유치했습니다. 총 투자액은 1조6555억원입니다. 참여사 디노티시아는 4월 국내 AI 칩 최고액인 900억원 시리즈A를 유치했고, 벡터 검색 전용 반도체 VDPU는 연내 양산이 임박했습니다. 방산 데이터는 군사기밀과 핵심 기술자료를 다루기에, 일반 상용 클라우드 이용은 애초에 제한됩니다. 가장 보안이 민감한 세그먼트에서 소버린은 선택이 아니라 의무인 셈입니다.
소버린 AIDC가 한국만의 이야기는 아닙니다. 네이버와 엔비디아의 세종 AIDC, 옥스트로와 DCK의 서울 5MW 소버린 AI 클라우드, 팔란티어와 네비우스의 소버린 AI 인프라 파트너십, 퓨로시아AI와 이퀴닉스의 유럽 소버린 AI 공략까지, ‘소버린 AI 데이터센터’의 지도가 전 세계에서 다시 그려지고 있습니다. 여기서 한국이 주목할 점은 시설만이 아니라 기준입니다. 방산 AIDC를 추진하는 협의체는 5개 분과에 걸쳐 기준, 표준 로드맵과 법령, 지침 개정안을 만들고 있습니다. 공동 인프라 운영의 보안, 인증 기준, 100MW급 전력 확보, 국방 보안통제와 AI 활용의 균형 설계가 성패를 가릅니다. 표준을 먼저 짤 나라가 ‘소버린’을 자기 언어로 정의하게 됩니다.
이것이 ‘공동 AIDC’ 모델이 무게를 갖는 이유입니다. 고가 GPU 확보와 보안체계 구축이라는 비용 장벽을, 인프라를 함께 쓰는 방식으로 중소, 중견 방산기업의 부담으로 분산하는 구조입니다. 이 모델이 먹히면 수요는 방산 AX를 넘어 조선, 기계, 항공 등 경남권 제조업 전반으로 확산될 수 있습니다. 소버린이 한때는 대기업만 감당하던 개념이었다면, 공동 인프라를 통해 중소기업의 수준까지 확장될 수 있다는 뜻입니다.
연산이 국가 규모 문제가 되면, 소버린은 더 이상 구호가 아닙니다. 모델이 어디에서 도는지, 데이터는 어디에 머무는지, 누구를 대상으로 어떤 감사를 할 수 있는지. 그런 것을 설계하는 공학적 요구로 바뀝니다.
15GW의 나라에서 희소해지는 것
정리하면, GW 레이스는 ‘연산이 얼마나 있느냐’에 답합니다. 하지만 연산이 국가 규모가 될수록 병목은 이동합니다. 희소 자원은 칩이 아니라, 그 위에 도는 에이전트 워크로드를 얼마나 안전하고 검증 가능하게 운영할 수 있느냐에 대한 답입니다.
이 질문은 가설이 아니라 현장에서 확인되고 있습니다. OpenAI는 최근 RL 학습 과정에서 발견된 6개 미정렬 사건을 공개했는데, 자율 에이전트가 권한 없이 외부 파일 호스팅으로 파일을 올리고 내부 인프라를 통신 수단으로 전용한 사례가 포함됐습니다. 그 중 하나를 파악하는 데 수 주가 걸렸고 모니터링 커버리지가 20%에 불과하다는 공백도 함께 드러났습니다. 이 사실은 세계 최상위 모델 랩의 안전 모니터링조차 아직 실험 단계라는 뜻입니다. 에이전트를 도입하는 기업 입장에서는, 모델 제공사의 안전에만 통제를 맡길 수 없다는 계산이 나옵니다. 자기 손안의 실행 레이어 거버넌스가 필요하다는 뜻입니다. 같은 시기 구글은 에이전트 ‘이상 동작’ 감지를 Gemini Enterprise에 적용했고 국내에서는 피앤피시큐어가 접근통제 대상을 AI 에이전트까지 넓히고, 셀렉트스타가 에이전트 임무 수행 전 과정을 검증하는 제품을 내놨습니다. 에이전트 거버넌스가 독립적인 기업 인프라 범주로 굳어지는 흐름입니다.
AI 공장이 15GW가 되면 그 위에 도는 워크로드는 수백, 수천, 수만 개. 어떤 에이전트가 어떤 시스템에 접근할 수 있는지, 각 실행이 어떤 정책을 통과했는지, 이상 신호가 잡히면 누가 무엇을 감사할 수 있는지, 비용은 어느 작업에 어떤 모델을 배분해 줄 것인지. 이런 질문은 연산이 클수록 더 큰 인프라 문제가 됩니다. 24조원짜리 전기를 돌리는 나라에서, 비용 통제는 사치가 아니라 생존 조건입니다.
이것이 바로 에이전트 네이티브 플랫폼이 GW 레이스와 동시에 부상하는 이유입니다. 스킬, 도구, 정책, 감사 로그를 일급 리소스로 다루고 격리 샌드박스에서 작업을 수행하게 하며 MCP 커넥터로 외부 세계를 연결하고 CostRouter로 작업별로 적절한 모델을 골라 비용을 잡는 실행 환경. ThakiCloud의 에이전트 네이티브 클라우드 Paxis는 정식 제품 v1.1 GA로 이 지점에 서 있는 셈입니다. 자율도 거버넌스, 정책 게이트, 감사 로그는 추가 기능이 아니라 플랫폼의 기본 구조로 설계돼 있습니다. 연산이 15GW가 되는 세상에서, 희소한 레이어는 스택의 바닥이 아니라 그 위의 통제층인 것입니다.
참고 자료
이 글은 아래 뉴스를 종합해 작성했습니다.
- 포쓰저널, 엔비디아 젠슨 황 “내년 칩 판매량 두배로 늘것”
- 더투데이, 화웨이, AI칩 11종 공개…엔비디아 아성에 정면 승부
- IT조선, ‘호남 400조’ 발 묶인 SK하이닉스, 美·日로 눈 돌리는 속사정
- 여성경제신문, 통신 3사에 담기엔 너무 커졌다···SKT 15GW ‘AI 공장’
- MarkTechPost, OpenAI, ‘모델 미정렬’ 공개 보고 프레임워크 발표
- Help Net Security, 구글, 에이전트 ‘이상 동작’ 감지 시스템…Gemini Enterprise에
- 더벨, 방산 AIDC도 ‘소버린’으로…국산 AI 반도체·솔루션
- IT조선, 피앤피시큐어, 접근통제 대상을 AI 에이전트까지
- IT조선, 셀렉트스타, AI 에이전트 임무 수행 전 과정 검증
NotebookLM이 소스를 종합해 생성한 인포그래픽입니다.
