Nihil's view of data & information

※ 화웨이, 중국 건설은행 공동 발간 2026년 AI 데이터센터 백서 (Watt-Centric AI Facility, Part. 2)   ○ AI Facility 계획 및 건설 방향   1. 전력 우선의 단지 입지 논리와 발전, 전력망, 부하, 저장 협동 아키텍처   전력 공급 능력과 장기 안정성이 AI DC 입지의 첫 번째 결정 요인임. 때문에 재생에너지가 풍부한 지역이 대형 AI 데이터센터 단지의 1순위 후보가 됨. 전력이 넉넉할 뿐 아니라 보통 토지 여유라는 장점이 겹치기 때문.   (AI 업무 유형별 차별화된 입지 전략)   1) 대형 모델 훈련 : 부하가 안정적이고 대규모 → 저렴하고 풍부한 전력 우선 2) 오프라인 추론 : 비용에 민감 → 전기 요금과 처리량(throughput)의 균형 중시 3) 에이전트 대화형 추론 : 전기요금과 접속 지연 간 절충 4) 엣지 시나리오 : 사용자와의 거리 및 데이터 규정 준수 우선     (재생에너지 밀집 지역의 핵심 문제는 재생에너지의 출력 변동성)   공급 용량과 전력 품질을 모두 챙기려면, 대형 AI 컴퓨팅 단지는 발전, 전력망, 부하, 저장 일체화 아키텍처를 갖춰야 함. 1) 계통 형성형(Grid-Forming) ESS를 설치해야 함. 2) 인근 발전원과 연계해 재생에너지를 현지에서 생산하고 소비함. (지산지소)     (계통형성형 ESS의 4가지 핵심 기능)   1) 밀리초(ms)급 응답으로 재생에너지 출력 변동을 평탄화 2) 마이크로그리드의 전압 및 주파수 안정 지원 3) AI 부하의 순간 전력 피크를 흡수해 전력망에 가하는 역충격을 줄임 4) 짧은 정전 시 끊김 없이 독립(오프그리드) 운전해 컴퓨팅 중단을 막음     (발전, 전력망, 부하, 저장이 만능은 아님)   ESS 투자비가 높고, 재생에너지의 출력을 예측하기는 쉽지 않음.   돌파구는 에너지 관리(EMS)와 컴퓨팅 스케줄링의 깊은 연동임. 탄력적 작업은 전원 상황에 맞춰 피크와 비피크 시간대를 나눠 운영함. 경직적(Rigid) 부하에는 안정적인 전력 공급을 우선 보장함.   결국 AI 데이터센터 단지의 입지와 건설은 ‘전력 우선’ 논리 아래 공급 신뢰성과 장기 전력 비용 사이의 최적 균형을 찾는 일임.     2. 전원 아키텍처 : AC 중심에서 ‘AC와 HVDC 병존’으로   전력 공급 규모와 안정성을 보장하는 전제에서, 전원 아키텍처도 고밀도 컴퓨팅의 고도화에 맞춰 함께 진화해야 함.   중저밀도 및 기존 시설에서는 AC 공급의 장점이 여전히 존재함. 산업 생태계가 성숙하고 표준이 갖춰져 있으며 운영 경험도 풍부해, 앞으로도 오랫동안 주류로 남아 있을 것임.   300kW 이상 초고밀도 랙에서는 기존 교류 방식의 전류, 케이블 수량, 배전 공간 부담이 급격히 커짐. 800V HVDC는 변환 단계를 줄이고 선로 전류를 낮출 수 있어 중요한 진화 방향이 되었음.   300kW는 계획상 참고 임계 값이며, 최종 노선은 서버 인터페이스, 신뢰성, 투자비, 표준, 산업 성숙도 등을 종합해 결정될 것임.     (800V DC의 3가지 아키텍처 방향성)   1) 집중식 DC   기본 구조 : 변압기와 집중식 직류 UPS를 한 곳에 일괄 배치하고, 800V 직류 버스로 여러 POD나 랙에 전력을 공급   주요 장점 : 설비가 집중되어 시스템 비용이 상대적으로 낮음. 전원 시스템과 IT 전력 밀도가 분리되어 용량 풀링과 탄력적 진화가 쉬움.   적용 시 고려사항 : 직류 버스 보호, 고장 격리, 운영 체계를 갖춰야 함. 규모가 크고 계획이 비교적 통일된 신규 단지에 적합     2) 분산식 DC   기본 구조 : AC를 먼저 서버룸이나 POD까지 보낸 뒤, 부하 가까이 있는 직류 UPS가 800V로 변환해 공급   주요 장점 : 고장 영향 범위가 작고, 확장이 유연함. 서로 다른 세대와 전력의 랙에 쉽게 대응할 수 있음.   적용 시 고려 사항 : 설비 수와 제어 노드가 늘어남. 통일된 인터페이스, 협동 제어, 전 생애주기 운영이 필요.     3) SideCar 방식   기본 구조 : 슈퍼노드나 고밀도 랙 옆에 독립 전원 유닛을 두고, 짧은 직류 링크로 IT 장비에 연결   주요 장점 : 슈퍼노드와 밀착 결합되고 배치가 유연함. 말단 공급 거리를 줄일 수 있음.   적용 시 고려 사항 : 랙 측면 공간, 냉각, 유지보수, 여러 제조사 인터페이스를 함께 조율해야 함. 기계/전력기기-IT 협업 요구가 더 높음.     어떤 기술 경로를 택하든 800V는 전체 체인을 아우리는 시스템 엔지니어링임. 하드웨어 측면에서, 직류 UPS, 고압 리튬배터리, 고압 버스, 커넥터, 차단기, 서버 전원이 함께 맞물려야 함.   산업 측면에서, 표준 제정, 인증, 운영/유지보수 체계가 함께 성숙해야 함.     3. 공랭, 액랭 동일 냉원, 탄력적 배관망, 전 구간 신뢰성을 갖춘 냉각 시스템   (공랭, 액랭 동일 냉원 아키텍처)   1) 전단부 : 냉원과 1차 측 배관망을 통합. 액랭과 공랭이 냉원 인프라에 공존함.   2) 말단부 : 랙 전력과 장비 유형에 따라 공랭, 액랭, 혼합 방식을 유연하게 고름.   3) 랙 위치마다 액랭 퀴커넥터와 공랭 송풍 조건을 미리 함께 확보함. 그러면 전산실에 서로 다른 세대의 장비를 탄력적으로 배치할 수 있음.     (액랭 측 설계)   주 배관은 장기 용량 기준으로 계획. CDU와 2차 분기 배관은 모듈화, 구역 분할, 가변 유량 설계를 써서 POD 단위로 단계적 증설을 지원   시스템은 유량, 압력차, 냉각수 전기전도도, ph 같은 핵심 지표를 계속 모니터링함. 누수, 유량 단절, 기포 막힘 같은 이상을 빠르게 식별하고 자동으로 격리. 냉각수 안정성 추이를 바탕으로 예측 정비를 해 AI 장비의 안정적 운영을 보장.     (공랭 측 설계)   랙당 20kW 안팎의 고밀도 방열 수요에 대한 두 가지 방안   방안 1) 양측 실(Room) 단위 공조 서버룸 양쪽에 대형 fan wall을 설치하고, 냉각 말단 수를 늘려 방열 능력을 높임. 한쪽만 쓰는 Roon 단위 공조보다 양측 송풍이 냉, 열 통로 폭과 천장 회수풍 높이를 줄여 서버룸 공간 활용률을 높임.   방안 2) 근접 열간(列間) 공조 마이크로모듈 바로 옆에 소형 fan wall을 AI 장비와 같은 열에 붙여 배치. 열 통로를 밀폐하고 냉량을 풀링하며, 천장 회수풍이 필요 없음. 서버룸 층고 요구가 더 낮음. 다만 방열 장비와 컴퓨팅 장비가 섞여 배치되어 운영 공간이 많이 겹치므로, 운영 관리 요구가 더 높음.     4. 건축 구조 설계는 업그레이드를 위한 여유 공간을 남겨야 함.   (전산실 하중 설계) 신축 액랭 컴퓨팅 서버룸은 바닥 하중을 20 kN/m² 이상 기준으로 시공하도록 권고.     일체형 랙 반입, 장비 교체, 점검/수리를 위한 공간을 확보해야 함. 주 간선 전력 경로와 액랭 경로는 최대한 서로 독립적이고 확장 가능하게 설계해, 랙 상부와 바닥 아래에서 공종끼리 공간을 다투지 않게 함.     5. 프리패브화, 모듈화, 제품화로 납기 단축   프리패브화와 제품화가 건설 기간을 줄이는 핵심 수단임.   AI 데이터센터는 POD를 기본 건설 단위로 삼아 전원, ESS, 냉각, IT 시스템을 표준화해야 함. 기전 모듈은 공장에서 사전 제작, 통합, 시험을 마침. 현장에서는 주로 인양/설치, 연결, 시운전만 함. 서버는 가능한 한 일체형 랙 단위로 납품해 현장 설치와 디버깅을 줄임.   건설 방식으로 보면 AI 데이터센터는 본질적으로 ‘규모화 된 컴퓨팅 생산 시스템’임. 핵심 제품, 설계 시뮬레이션, 표준 인터페이스, 시스템 검증, 디지털 제조를 하나로 연결해야 함. 토목과 기전을 병행하고, 프레임 구매와 롤링 재고를 활용하며, 공장 사전 제작과 현장 모듈 조립에 기반해 표준화된 복제형 건설을 실현해야 함.   이렇게 하면 기존 토목 공사의 12 - 18개월 공기를 6 - 8개월로 단축해 컴퓨팅 자원의 가동 시점을 앞당길 수 있음.     ○ AI Facility의 신축 및 기존 시설 시나리오   1. 신축 시나리오 배치 원칙   컴퓨팅 수요의 변동이 크고 하드웨어 세대교체가 빠른 업계 특성을 고려해, 인프라 건설은 장기, 중기, 단기로 원칙을 만들어야, 인프라 공급과 업그레이드를 동적으로 맞출 수 있음.     2. 기존 시설 개조 시나리오   현재 기존 데이터센터는 대부분 저밀도 공랭 방식임. 공랭에서 액랭으로 업그레이드할 조건이 제한적이고, 배전 용량이 부족하며, 바닥 하중과 실내 순높이가 기준에 못 미치는 등 여러 제약이 겹쳐 있음.   기존 시설 개조의 핵심은 ‘높은 것으로 낮은 것을 대체’하는 것임. 랙당 컴퓨팅 밀도를 높여 소수의 고밀도 랙으로 다수의 저밀도 랙을 대체하고, 한정된 서버룸 공간을 다시 활용함.     (세부 개조)   1) 액랭 개조 : 프로젝트 규모에 맞춰 유연하게 적용 소규모 개조 : 분산식 ECU, 공랭식 CDU 같은 분산형 방안 중규모 개조 : 표준화 액랭 POD 모듈로 배치 냉원 시스템 : 기존 시설 상황을 충분히 감안해 기존 설비 개조와 완전 신규 증설 중 현장에 맞게 고름.   2) 전력 배전 개조 : 기존 시스템을 바탕으로 단계적으로 진행. 랙 말단 배전 회로는 별도로 업그레이드 함. 새로 넣는 전원 시스템에는 프리패브 모듈화 제품을 사용 말단 배전에는 스마트 버스덕트나 스마트 캐비닛을 우선 사용하여, 전력이 서로 다른 컴퓨팅 랙에 대응

※ 화웨이, 중국 건설은행 공동 발간 2026년 AI 데이터센터 백서 (Watt-Centric AI Facility, Part. 1) 데이터센터의 핵심 목표는 ‘자원 제공 능력’에서 ‘전력 1W 당 더 많은 유효 토큰을 산출 하는 것’으로 바뀌고 있음. AI Facility의 핵심 과제는 확정적인 물리 인프라로 에너지 공급, 하드웨어 진화, AI 부하 변화가 가져오는 불확실성을 어떻게 감당하느냐임. 앞으로 AI Facility 계획은 세 가지 핵심 질문을 살펴봐야 함. 1) 에너지를 어떻게 효율적으로 공급할 것인가? 2) 공간을 어떻게 유연하게 진화시킬 것인가? 3) 어떻게 건설을 빠르게 할 것인가? 해법은 탄력적 아키텍처로 전환하는 것임. AI 부하(전력)의 장기 진화 추세를 보면, 1) 공간을 미리 남겨 두어 세대 간 호환성을 확보하고, 2) 모듈화 설계로 민첩한 확장을 뒷받침하고, 3) 시스템 협동으로 에너지, 공간, 컴퓨팅의 최적 매칭을 실현해야 함. ● Watt-Centric AI Facility : 왜 와트 중심의 AI 데이터센터 시설인가? 1. 기존 전제의 붕괴 기존 데이터센터 시설은 3가지 전제 위에 계획되고 건설되었음. 1) 전력을 예측할 수 있다. 2) 냉각을 표준화할 수 있다. 3) 부하가 비교적 안정적이다. 하지만 AI 시대에는 이런 ‘확정성 기반 설계 패러다임’이 더 이상 통하지 않음. 2. 원인 : 칩에서 랙, 데이터센터 단지에 이르기까지 소비전력이 계속 빠르게 늘고 있음. 1) 칩 1개의 소비전력이 kW급으로 증가하고 있음. 2) 랙 1개의 전력은 수백 kW에 이르고 있음. 3) 컴퓨팅 클러스터는 수십 MW에서 GW급으로 커지고 있음. 4) GW급 AI데이터센터 단지 하나의 전력 부하는 인구 100만 명 도시와 맞먹음. 이 정도의 전력은 기존 데이터센터의 한계를 넘어서고 있으며, 따라서 전력 공급은 이제 사업 승인과 건설 계획을 결정하는 필수 선행 요건이 되었음. 3. AI 데이터센터의 3 가지 변화 특징 1) AI 데이터센터 규모가 10배 증가 : 100MW → GW급 2) 전력 밀도 10배 증가 : 40kW → 100kW → 300kW+ 3) 칩 세대교체 가속 : 1년에 1세대 이상 데이터센터 시설 설계는 에너지, 공간, 시간의 3 차원에서 다시 생각해야 함. 1) 에너지 : 입지는 전력 공급을 최우선으로 정함. 발전, 전력망, 부하, 저장을 일체화해 신뢰성과 비용의 균형을 맞춤. 2) 공간 : 전산실 배치와 건축 구조가 처음부터 고전력 클러스터에 맞도록 설계 3) 시간 : 모듈화와 사전제작으로 건설 기간을 단축. 대형 및 소형 기계/전기 설비를 분리해 탄력적으로 배치하고, 여러 세대 컴퓨팅 장비가 진화해도 수용할 수 있게 함. ○ AI Facility의 시스템적 과제 1. 전력 공급과 품질 : 부대시설에서 입지 결정의 기준점으로 1) 입지 논리의 근본적 재편 AI 데이터센터 단지 규모가 기하급수적으로 커지고 있음. 입지 논리는 과거의 ‘사용자 커버리지와 네트워크 지연 중심’에서 ‘전력 용량, 전원 구성, 계통 연계기간, 장기 공급 안정성 중심’으로 완전히 바뀌었음. 2) 발전, 전력망, 부하, 저장의 양방향 결합 과제 재생에너지의 비중이 높아지면서 전원의 변동성과 불확실성이 AI 클러스터의 안정적 운영을 저해할 수 있음. 반대로 GW급 AI 클러스터는 고밀도, 고전력, 강한 동기화라는 특성을 지니고 있어서, 동적 부하 변화가 역으로 전력망 안정성을 흔들기도 함. 2. 전력 배전 : 대전류 송전의 공간 비용과 신뢰성 비용 AI 슈퍼노드 하나의 전력이 100kW를 넘고, 슈퍼노드 클러스터 규모는 MW급까지 올라갔음. 기존 데이터센터에서 흔히 사용되는 63A 3상 배전회로(3상 교류, 정격 전류 63암페어)로는 감당하기 어려움. 기존 방식에서 대전류를 보내기 위해 케이블 수와 배전 회로 수를 늘리는 수 밖에 없고, 이것이 연쇄적인 문제로 이어짐. 1) 랙과 케이블 트레이 공간이 크게 잠식됨 2) 선로의 구리 손실과 전압 강하가 함께 커짐 3) 배전 노드가 많아질수록 고장 확률도 누적되어 커짐 3. 냉각 시스템 : 액체냉각 배관망 구성 계획의 딜레마 AI 컴퓨팅 시대에는 공랭으로 랙당 전력을 감당할 수 없어 액체냉각이 필수가 되었음. 액체냉각 배관망 계획은 두 가지 딜레마에 부딪히고 있음. 1) 초기에 배관망, CDU(냉각수 분배 장치), 말단 인터페이스를 한 번에 고정해 버리면, 나중에 증설할 때 대규모 공사가 필요함. 2) 반대로 먼 미래의 최대 유량을 기준으로 처음부터 설계하면, 평소에는 ‘큰 관경, 작은 유량’ 상태가 되어 제어가 어렵고 에너지가 추가로 소모됨. 때문에 업계에는 분할할 수 있고 동적으로 조절할 수 있는 배관 구조가 필요함. 컴퓨팅 수요에 맞춰 배관 용량을 단계적으로 늘릴 수 있어야 하며, 이는 액체냉각에 완전히 새로운 모듈화/탄력성 설계 요구를 제기함. (액체냉각의 운영 리스크) 수력(수압) 균형, 냉각수 유지보수, 누수 등의 위험이 있음. 액체냉각 배관 길이는 수십 km에 이를 수 있어, 국부적인 막힘, 부식, 제어 불균형이 생기면 어디서든 문제가 될 수 있음. 따라서 유량, 압력차, 온도, 냉각수의 전기전도도와 ph를 계속 감시해야 함. 누수 감지와 냉각수 안정성 예측 체계도 구축해야 함. 4. 건축 구조 : 층고와 하중이 핵심 과제 액체냉각 시스템에는 더 굵은 공급/회수 배관이 들어가고, 전력 케이블 단면적도 계속 커지며, 클러스터 상호연결 광섬유 규모도 빠르게 늘고 있음. 그 결과 기존 데이터센터의 층고, 바닥 하부 공간, 서버실 배치로는 미래 수요를 감당하기 어려움. 초고전력 AI랙은 무게도 늘어나 건물의 하중 지지 능력에 대한 요구가 높아짐. 5. 건설 기간 : 공사 납기가 컴퓨팅 세대교체를 따라가지 못함. AI 하드웨어 세대교체 주기는 1년에 1세대로 짧아졌음. 칩 전력, 랙 규격, 클러스터 상호연결 방식이 계속 바뀌고 있음. 때문에 한번에 고정된 서버실 구조로는 빠른 하드웨어 교체에 대응하기 어려움. 기존 토목 위주 건설 기간 : 12 - 18개월 업계가 요구하는 AI 컴퓨팅 시설 납기 : 6 - 8개월 Agent 추론 부하는 돌발성이 강해, 짧은 시간 안에 전력 피크가 몇 배씩 출렁일 수 있음. 이 때문에 인프라는 빠르게 탄력적으로 확장할 수 있어야 함.

※ 화웨이, 중국 건설은행 공동 발간 2026년 AI 데이터센터 백서 백서에 따르면 데이터센터의 가치는 ‘서버 몇 대를 보유했는가’에서 ‘단위 시간 및 전력당 얼마나 양질의 유효 토큰을 지속 생산할 수 있는가’로 재정의 되고 있다고 결론짓고 있습니다. 향후 AI 데이터센터는 GW 급의 초대형 클러스터, 랙당 200 – 300kW 이상의 초고밀도, 액체냉각, 완전 광전 융합 네트워킹(CPO를 포함한 칩 packaging부터 데이터센터 스위치 패브릭 전반에 걸친), 그리고 자율 운영유지보수(Agentic AIOps)를 기반으로 AGI 시대를 여는 핵심 생산거점이 될 것이라고 전망하고 있습니다. ● AI 데이터센터 백서 2026 (Huawei & China Construction Bank 공동 발간) 제 1장. AI 데이터센터 혁신과 발전 (새로운 패러다임) ○ AI 데이터센터 발전의 5대 메가트렌드 1. Agent가 최대 워크로드 변수로 부상 AI가 ‘인지 지능’에서 자율 계획, 도구 호출, 완결 실행이 가능한 ‘행동 지능’으로 진화하고 있음. 복합 에이전트 태스크는 1회당 수십 – 수백 회의 LLM 호출을 유발하며, 컨텍스트 윈도우가 백만(1M) 토큰 수준으로 확대되었음. 추론 비용의 하락이 오히려 토큰 수요가 폭발하는 Jevons Paradox를 발생시키고 있음. 2. AGI로의 모델 진화 가속 초거대 모델은 ‘빠른 생각’에서 ‘느린 생각(심층 추론)’으로 전환 중에 있음. 중소형 모델은 MoE(Mixture of Experts)와 경량화 아키텍처를 통해 단위 토큰/컴퓨팅 파워당 지능 효율을 극대화하고 있음. 정적 훈련에서 환경 피드백 기반의 자가 최적화 및 지속 학습으로 전환되었음. 3. 추론 단계의 스케일링 법칙 출현 모델 크기 뿐 아니라 추론 시 투입하는 연산량(더 긴 생각 사슬, 복잡한 검색, 자기 검증 메커니즘)이 모델 성능을 결정하는 핵심 변수가 되었음. 이는 단일 요청당 연산 소모량과 추론 지연 시간(Latency)을 동시에 증가시키고 있음. 4. 수퍼노드(Supernode) 시대 도래 단일 칩의 물리적 한계로 인해 ‘소자-회로-칩-시스템’ 4개 층이 협업하는 시스템 엔지니어링이 필수화 되었음. 초고속 버스로 컴퓨팅, 네트워크, 스토리지 풀링을 구현하는 슈퍼노드, PD(Frefill-Decode)분리, 다계층 KV Cache 등이 AI 데이터센터 설계의 표준으로 자리잡았음. 5. 에너지 공급이 AI DC의 전략적 제약 조건으로 심화 랙당 전력 밀도가 수십 kW에서 100kW급으로 진입했으며, 중장기적으로 300kW 초과가 예상됨. 기존 공랭 한계(20kW/랙)를 초과하여 액체냉각이 필수가 되었음. 데이터센터 전력 규모가 MW급에서 GW(인구 100만 대도시 소비 전력 수준)으로 폭증하며 에너지 공급 자체가 핵심 전략 자원이 되었음. ○ 전통적 기회 방법론의 실패와 ‘3T + 3P’ 신 패러다임 1. 전통 방식의 3대 실패 1) 비즈니스 예측 불가 선형 예측 붕괴, 구글 AI Capex가 2022년 310억 달러에서 2026년 약 1,900억 달러로 급증 2) 계층 분리 최적화 실패 반도체 주기 12 - 18개월 단축 vs 데이터센터 구축 12 - 24개월 소요로 인한 주기 불일치 3) 장비 중심 관제 실패 긴 에이전트 호출 링크, 토큰 생산량 미반영 2. 3T (인프라 가치 사슬) 1) T1 (AgentT) : 애플리케이션 주도, 업무 의도를 과업/행동으로 변환 2) T2 (Token) : 컴퓨팅 파워 운영의 핵심 단위, 고품질 토큰 생산 효율 극대화 3) T3 (WatT) : 물리적 지탱, 전력 밀도 및 에너지 공급 제약 해결 3. 3P (운영, 보장, 보안 체계) 1) P1 (Production) 자원 공급 중심에서 지능형 토큰 생산 체계로 전환 2) P2 (Provisioning) 장비 관제에서 자율/자치(Agentic) 운영유지보수로 전환 3) P3 (Protection) 제로 트러스트 에이전트, 내생적 보완, ‘AI로 AI를 방어’ 제 2장. AI 데이터센터 기획 및 건설 ○ Agent-Centric 애플리케이션 및 생태계 1. AKDM 프레임워크 1) Agent : 실행 중추 (조직의 의도를 태스크로 분해하고 실행) 2) Knowledge : 기업 인지 (업무 규칙, 프로세스 경험, 산업 온톨로지 축적) 3) Data : 검증 가능한 사실 (다모달 데이터레이크 기반의 신뢰 가능한 데이터 제공) 4) Model : 추론 엔진 (이해, 생성, 판단, 계획 수립) 2. 멀티 에이전트 하네스 3중 루프 구조 1) 외순환 (Lead Agent) : 전체 다중 태스크 스케줄링, 우선순위, 컨텍스트 분배 관리 2) 내순환 (Sub Agent) : 아키텍트, 코더, 리뷰어 등 도메인별 한정된 권한 내 전문 태스크 실행 3) 자가순환 (Agent 플랫폼 Auto Harness) 제안 → 평가 → 로그(Log)의 피드백을 통해 협업 메커니즘 지속 최적화 3. Knowledge Lake 구축 4단계 수집 → 추출(대형 모델 기반 사실) → 모델링 (RDF/OWL 온톨로지 구축) → 서비스 (API/규칙 엔진 제공) ○ Token-Centric AI Infra 1. 토큰 생산 효율 평가 4대 지표 (Performance, Concurrency, Cost, Quality) 1) Time to First Token : 첫 토큰 응답 지연 시간 (Prefill 속도 반영) 2) Time Per Output Token : 후속 토큰당 생성 시간 (Decode 단계 스트리밍 체감 지연) 3) TPS/QPS : 초당 유효 토큰 처리량 및 초당 요청 수 4) 백만 토큰당 비용 및 정확성/일관성 2. 핵심 병목 : 연산 능력에서 ‘데이터 이동 효율(Memory-Bound)’로 전이 1) Prefill : 대규모 행렬 계산 중심 (Compute-Bound), Time to First Token에 직결 2) Decode : 자기회귀(Auto-regressive) 방식으로 매 토큰마다 수백 GB의 가중치와 KV 상태를 읽어야 하므로 메모리 대역폭이 극단적 병목이 됨. 연산기는 0.01ms내에 끝나지만 99.9% 이상의 시간을 데이터 대기에 소모 3) Memory Wall : 2018 - 2026년간 AI 칩 연산력(TFLOPS)은 25배 증가했으나, 메모리 대역폭은 7배 증가에 그쳐 격차가 4배로 확대됨. 3. 핵심 아키텍처 혁신 : 4대 역량 서클 1) L1 – 슈퍼노드(Supernode) 최소 32개 이상의 AI 가속기를 초고속 총선(대역폭 > 400GB/s, 지연 < 500ns)으로 연결하여 논리적으로 ‘단일 컴퓨터’로 통합 글로벌 통합 메모리 어드레싱 : DeepSeek V3 기준 288개 전문가 분할(대규모 EP) 시 ‘1카드 1전문가’를 할당하여 카드당 가중치를 42GB에서 2.33GB로 줄이고, 배치 사이즈를 8에서 30으로 확대 Prefill – Decode – Cache) 전대등 아키텍처 : KV Cache를 전역 공유 메모리 풀로 분리하여 다회차 대화 및 공통 프롬프트에 대한 중복 Prefill 계산 제거 2) L2 – 슈퍼노드 클러스터 & Scale-Out 네트워크 수천 – 수만 카드로 확장 시 Clos 다계층 구조 대신 Multi-plane 평탄화 네트워크 구축 광회선 스위칭(OCS)과 전기 스위칭의 광전 융합, 무손실 전송(RDMA/RoCE, NSLB) 구현 3) L3 – 계층화 KV Cache 및 AI 스토리지 L1 : 온칩 메모리 (수십 – 100GB급, ns) : 활성(Active) KV L2 : DDR 메모리 풀 (TB급, 백ns) : Hot KV L3 : 공유 KV 풀 (수십 TB급, ㎲) : Warm KV L4 : 클러스터 AI 스토리지 (PB급, ms) : Cold KV NDS(NPU Direct Storage) : 호스트 CPU를 거치지 않고 NPU와 SSD를 직접 연결하여 I/O 지연 최소화 SSU(Super Storage Unit) : KV Cache 시맨틱을 인식하여 다중 스트림 기입 및 마모 균등화를 수행, 쓰기 증폭을 70% 줄이고 DWPD(일일 전면 쓰기)를 10회 이상에서 3회 이내로 억제해 수명 2 – 3배 연장 4) L4 – 통산/지산 융합(General + Intelligent Computing) 및 AI 서비스 플랫폼 지산(NPU)은 ‘사고(추론/학습)’를, 통산(CPU)은 밀리초급 샌드박스 구동 기반의 ‘행동(도구 호출/코드 실행)’을 전담하여 상호 연동 ○ Watt-Centric AI Facility 1. 물리 설비의 극단적 변화 단일 랙 전력 밀도가 2024년 40kW → 2026년 100kW → 2028년 300kW+로 급상승 클러스터 규모가 100MW에서 GW급으로 10배 확대 랙 하중이 기존 8 – 12kN/m²에서 20kN/m² 이상으로 증가 2. 핵심 구축 지침 1) 전력 우선 입지 및 그리드 형성형 ESS (Grid-Forming BESS) 재생에너지 변동성을 밀리초 단위로 완충하고, AI 부하의 급격한 피크 충격을 흡수하여 무단절 오프그리드 가동 보장 2) 800V HVDC 도입 300kW 초과 초고밀도 랙 대응을 위해 AC 변환 손실 및 케이블 굵기를 줄이는 집중식/분산식(SideCar) 800V DC 아키텍처 적용 3) 냉각 및 3D 수직 적층 레이아웃 1층 냉각(CDU, 배관) / 2층 고밀도 IT랙 / 3층 전력 배전 모듈 / 옥상 냉각탑, BESS 배치 4) 공장 사전 제작(모듈화/제품화) 12MW 표준 POD 단위 제품화 공급을 통해 구축 공기를 기존 12 - 18개월에서 6 - 8개월로 단축

※ 빠르면 2027년, 피지컬AI의 ChatGPT 모멘트 도래 가능. (최근 중국 휴머노이드 로봇 관련주들이 상승하는 이유) 엔비디아 GTC에서 젠슨 황이 피지컬 AI는 AI의 다음 거대한 물결이라는 선언하며, 로봇 AgileONE을 공개(2027년 초 상용화 예정)하고, 중국 유니트리의 CEO인 왕싱싱이 “피지컬AI가 돌파구가 마련되는 조짐이 보이고 있으며, 피지컬 AI의 ChatGPT 모멘트가 빠르면 2027년 늦어도 2028년 도래할 것’이라는 말을 하면서 최근 중국의 로봇 관련주들의 주가가 매우 빠르게 상승하고 있습니다. 즉, 중국에서는 피지컬AI의 ChatGPT 모멘트가 거의 다다랐다는 내러티브가 나오고 있는 상황입니다. 이에 중국 언론을 통해 현재 피지컬AI가 과연 어떤 상황에 놓여 있는지에 대한 심층적인 기사를 번역해보았습니다. ● 피지컬AI의 ‘ChatGPT 모멘트’가 도래했는가? (From Sina.com, 2026. 10. 26) 최근 범용 대형 모델(LLM/VLM)이 로봇의 작업을 이해하고 조작 단계를 계획하는 능력을 본격적으로 증명하기 시작하였음. 이에 시장은 로봇이 사람처럼 지시를 이해하면 더 많은 노동을 대체할 수 있을 것이고, 이 방향성이 맞다면 AI의 응용처는 PC와 스마트폰을 넘어 공장, 물류창고, 상업시설, 나아가 가정으로 확장될 수 있음. 지난 몇 년간 글로벌 빅테크 기업들이 연산 자원과 모델의 R&D에 천문학적인 비용을 쏟아붓는 가운데, 시장은 2028년 이후 AI가 과연 어떤 새로운 시장을 열수 있을까를 묻기 시작하였음. 피지컬AI는 그 해답의 가능성을 제시하고 있음. 로봇이 현실 세계에서 동작하려면 모델, 데이터, 컴퓨팅 인프라, 기계 부품이 한 몸처럼 맞물려야 함. 이러한 수요가 구조적으로 커진다면 AI 밸류체인은 새로운 성장 동력을 얻게 됨. 다만 기술적 발전과 실제 수익을 창출하는 것 사이에는 여전히 시차가 존재함. 로봇이 명령을 알아듣는다고 해서 작업을 안정적으로 완수할 수 있는 것이 아니며, 시장이 데이터를 사들이기 시작했다고 데이터 공급사가 곧바로 막대한 이익을 거두는 것도 아님. 피지컬 AI에서 가장 주목해야 할 본질적인 변화는 ‘범용 대형 모델이 로봇 제어에 직접 관여하기 시작했다는 점’임. 그리고 여기서 파생되는 핵심 질문은 ‘과연 누가 모델 역량을 인도 가능한 제품(양산품)으로 전환해 낼 것이며, 어떤 기업이 그 과정에서 지속 가능한 현금 흐름을 창출할 수 있는가?’임. ○ 로봇이 마주한 가장 험난한 관문 지난 몇 년 간의 자율주행 발전사는 매우 훌륭한 참고서가 될 수 있음. 2023년부터 2025년까지 자율주행 기술은 비약적으로 발전하였음. 테슬라 등은 도로 환경인식, 학습 데이터 자동 정제, 차량용 하드웨어 업그레이드를 거치며 복잡한 도로 상황을 처리하는 능력을 끌어올렸음. 이는 AI가 현실 세계에 안착하려면 알고리즘, 데이터, 하드웨어가 삼위일체로 진화해야 함을 명확히 보여줌. 로봇이 마주한 문제는 자율주행보다 더 복잡함. 자동차는 정해진 도로 위를 주행하지만, 로봇은 형태가 제 각각인 물체를 쥐고, 악력을 조절하며, 팔의 각도를 바꾸고, 물체가 미끄러지거나 위치가 틀어지는 돌발 변수에 실시간으로 대응해야 함. 정해진 위치의 부품을 집어 올릴 수 있는 매니퓰레이터라 하더라도, 부품이 1cm만 틀어져도 조립을 완수할 수 없음. 하지만 범용 대형 모델의 진화는 이 문제의 해결 방식을 근본적으로 바꾸고 있음. 최근 GPT-6 Astra 등 범용 모델을 로봇 제어에 접목한 벤치마크 테스트가 업계의 높은 관심을 끌었음. 테스트 결과, 대형 모델은 이미 복잡한 명령어를 해석하고, 객체를 식별하며, 다음 행동 절차를 체계적으로 계획하는 수준에 도달하였음. 예를 들어, 테이블 위의 물건을 보고 지시에 따라 무엇을 집어 어디로 옮길지 판단하며, 카메라 시야가 가려지면 시야각을 조정해 다시 관찰하기도 함. 그러나 ‘정밀 조작’에 들어가면 한계가 드러남. 열쇠를 열쇠구멍에 꽂으라고 명령하면 로봇은 목표가 무엇인지 알고 대략적인 절차를 기획하지만, 열쇠가 구멍 언저리에 걸렸을 때, 각도가 비틀린 것인지, 위치가 어긋난 것인 것, 아니면 뒤로 뺐다가 다시 넣어야 하는지 등의 판단은 완전히 다른 차원의 문제임. 모델이 과업의 요구사항을 아는 것과, 로봇 본체가 동작을 매끄럽게 수행하는 것 사이에는 거대한 간극이 존재함. 이에 따라 개발자들은 역할을 분리하는 접근법을 취하기 시작하였음. 대형 모델은 작업을 이해하고 우선순위를 결정하는 ‘두뇌’를 맡고, 전동 제어 시스템은 팔의 궤적과 토크를 정밀하게 조절하는 ‘소뇌/신경계’를 전담하는 구조임. HexaShell, WorldScape-R²SI 등의 프레임워크가 이러한 분업을 탐색하는 대표적인 사례임. 연구팀에 따르면 전용 모션 플래닝과 조작 로깅 메커니즘을 결합하자 작업 완수율이 눈에 띄게 개선되었음. 다만 이는 통제된 실험실 환경의 결과일 뿐, 가혹하고 복잡한 공장에서의 장기 연속 구동까지는 갈 길이 멈. 그럼에도 이 기술 경로는 주목할 가치가 큼. 모든 것을 다 해내는 ‘만능 단일 대형 모델’이 등장할 때까지 로봇의 실전 투입을 마냥 미룰 수는 없기 때문임. 대형 모델이 작업 맥락을 이해하고, 전용 제어기가 구체적 동작을 분담한다면, 특정 산업 현장의 자동화는 예상보다 일찍 개화할 수 있음. 또한 피지컬 AI의 적용처는 휴머노이드 로봇에 국한되지 않음. 산업용 다관절 로봇, 물류 AMR, 모빌리티 기기, 서비스 로봇 모두 고도화된 AI 역량을 흡수해 과거에는 불가능했던 비정형 작업을 수행할 수 있게 됨. 전통 산업 자동화 기업이 모터, 드라이브, 제어 기술력을 휴머노이드 영역으로 빠르게 확장하고 있음. 피지컬AI의 두뇌가 영리해지는 만큼 로봇의 하드웨어도 진화하고 있음. 향후 산업의 성장 속도를 가를 핵심 승부처는 ‘로봇이 물리적 조작을 통해 얼마나 밀도 높은 경험 데이터를 축적해 내가는가’임. ○ 가장 극심한 병목은 ‘실제 물리적 촉각 데이터’ 과거 로봇 학습은 두 가지를 동시에 가르쳐야 했음. 하나는 과업을 이해하는 법이고, 다른 하나는 동작을 수행하는 법임. 범용 대형 모델이 전자의 난이도를 낮춰주고 있지만, 로봇이 물건을 어떻게 쥐고, 옮기며, 힘을 얼마나 줘야 하는지는 여전히 방대한 현실 물리 조작을 통해 학습해야 함. 인터넷상에 축적된 데이터, 이미지, 비디오를 통해 모델은 ‘상식’을 습득할 수 있지만, 픽셀 데이터만으로는 물리적인 ‘감각’을 체득할 수 없음. ‘어떻게 하는지 아는 것’과 ‘실제로 매끄럽게 해내는 것’ 사이에는 천문학적인 양의 물리적 조작 경험치가 가로 놓여 있음. 이에 따라 로봇 학습에 필요한 데이터의 성격도 완전히 달라지고 있음. 현재 관련 데이터 확보 경로는 크게 다음과 같이 나뉠 수 있음. 1) 작업하는 인간을 외부 3D로 촬영한 영상. 2) 작업자가 헤드셋이나 손목형 카메라를 착용하고 1인칭 시점에서 수집한 시야 및 손동작 데이터(Egocentric) 3) 햅틱 글로브 등 경량 웨어러블 장비를 통해 손의 파지 압력, 회전, 이동 궤적을 정밀 기록한 데이터. 4) 로봇 본체가 직접 동작을 수행하며 수집한 관절 토크, 접촉 반력, 작업 성공/실패 텔레메트리 데이터 각 데이터의 쓰임새는 다름. 인간의 시연 데이터는 전반적인 작업 시퀸스 학습에 유리하고, 로봇 본체의 피지컬 데이터는 실제 구동계 피드백과 직결됨. 진짜 가치 있는 데이터는 정제, 캘리브레이션, 라벨링을 거쳐야만 함. 1시간 분량의 영상을 찍었다고 해서 1시간 치가 고스란히 학습되는 것은 아님. 동작의 궤적, 물체의 변형 및 위치 상태, 작업의 성공/실패 결과가 명확히 기록되어야만 모델의 역량을 실질적으로 끌어올릴 수 있음. 단순한 동작을 수천 번 반복 수집하는 것은 모델 성능 개선에 큰 도움이 되지 않고 있음. 오히려 물체가 미끄러지거나, 기구부가 끼어 멈추거나, 파지에 실패했을 때 어떻게 복구하고 보정했는지에 대한 ‘실패 극복(Edge-case Recovery) 데이터’가 훨씬 가치 있음. 이것이 바로 로봇이 현실 세계에서 맞닥뜨리는 최대 난제이기 때문임. 시각보다 더 중요한 영역은 ‘촉각/감각’임 로봇이 정밀 조작을 완수하려면 주변 환경과 자신의 동작을 빈틈없이 읽어내는 감각(센싱)의 확장이 필수적임. ○ 누가 실질적인 과실을 얻을 것인가? 피지컬 AI는 완전히 새로운 밸류체인을 만들고 있음. 대형 모델은 물리 데이터에 집중하고 있고, 데이터 수집은 전용 디바이스를 필요로 하며, 로봇 본체는 더 정밀한 센싱, 제어, 구동 메커니즘을 요구하고 있음. 밸류체인 단계별로 상업화의 속도와 타임라인은 확연히 다름. 1) 1단계 : 데이터 서비스 제공업체 모델 개발사에 고품질 데이터를 지속적으로 납품하고 반복 수주를 이끌어 낼 수 있다면 AI합습 인프라의 핵심 벤더가 될 수 있음. 2) 2단계 : 데이터 수집 장비 및 센서 공급사 시각, 촉각 수집, 힘 센서가 대표적. 3) 3단계 : 로봇 세트 완제품 및 핵심 구동 부품사 하모닉 감속기는 로봇 관절의 핵심 정밀 감속기로, 모터의 회전을 정밀한 관전 토크와 각도로 변환함. 정밀 작업을 위해서는 높은 반복 정밀도, 내구성, 원가 경쟁력이 필수적임. 피지컬 AI 투자전략은 시계열별로 나눠 접근해야 함. 1) 단기 : 데이터 전문 기업의 실제 수주 여부, 데이터 수집 장비의 대량 판매 확인 2) 중기 : 3D 비전, 촉각, 6축 힘 센서가 실제 로봇 본체에 침투해 지속적인 양산 매출을 발생시키는지. 3) 장기 : 로봇이 현장에서 인간 노동을 실질적으로 대체하며, 세트 완제품 및 핵심 부품의 출하량 증가로 이어지는지. 피지컬 AI의 ‘ChatGPT 모멘트’는 어느 날 갑자기 완성형으로 터져 나오기 보다 점진적인 형태로 스며들 가능성이 높음. 대형 모델이 작업 맥락을 일고, 전용 제어기가 모션을 실행하며, 물리적 조작 데이터가 ‘감각’을 지속적으로 보정해 나가는 과정 속에서 로봇은 서서히 경제적 가치를 입증해 갈 것임. ○ 맺음말 피지컬 AI는 메가트렌드임이 분명함. 범용 대형 모델이 별도의 전용 파인튜닝 없이도 벤치마크 상에서 로봇 팔을 지휘하고, 업계가 두뇌(의사 결정) + 소뇌(모션 제어) 분업을 통해 불과 한달 만에 작업 정밀도를 서너 배씩 끌어올리고 있다면, 로봇 상용화를 가로막고 있던 가장 질긴 한 끗의 벽에 마침내 균열이 가기 시작한 것일 지도 모름. 과거에는 로봇에게 ‘생각하는 법’과 ‘동작을 잘 하는 법’을 둘 다 가르쳐야 했는데, 이제 ‘생각하는 법’을 범용 모델이 대신하기 시작하였음. 앞으로 펼쳐질 모든 승부는 다음과 같은 지극히 단순한 질문 하나로 수렴할 것임. ‘오직 인간이 직접 경험해서 체득할 수 있는 미세한 ‘감각’을 과연 어떻게 기계에게 가르칠 것인가?’ 인간의 감각과 기억을 데이터로 복제해서 얻는 곳이, 피지컬 AI 시대에 가장 먼저 가치를 인정받게 될 것임. https://finance.sina.com.cn/jjxw/2026-10-26/doc-iniwprzt9256381.shtml

※ 최근 주식시장 조정의 배경 : 미국 중간 선거로 인한 일시적 흐름일까? (AI와 탈중국 공급망 구축은 더 이상 돌이킬 수 없는 시대적 흐름) 최근 주식시장이 큰 변동성과 함께 좋지 못한 모습을 보이면서, 시장에 비관론이 팽배해 있는 것으로 보입니다. 제 주변의 투자자 분들도 지난 7월 하락 시기 만큼(오히려 그 이상으로) 힘들어 하시는 것이 직접적으로 느껴지고 있습니다. 개인적으로 시황에 대해서 저의 의견을 공개적으로 밝히지 않는 편이긴 하지만(사석에서는 자주 얘기합니다), 현재 제 주변을 비롯하여 많은 투자자들이 많이 의기소침해 있고 힘들어하시기 때문에 현재 시장 상황에 대한 개인적인 의견을 말하고자 합니다. ○ 시장의 하락 이유 : 미국 중간선거에 대한 불확실성 증가 이번 시장 하락에 대해, 미국의 CPI 상승, 글로벌 자금 이동(주식에서 채권으로), 코어위브 문제, SK하이닉스의 솔리다임 상장 문제 등 다양한 분석들이 나오고 있지만, 개인적으로 이번 하락의 근간에는 미국 중간 선거로 인한 불확실성의 증가가 있다고 봅니다. 불과 한 달여 전까지 주식시장은 미국의 국채금리 상승(인플레이션), 기준금리 인상, AI 기업들의 자금조달 리스크 등 여러 노이즈들에도 불구하고 큰 폭의 변동성이 없었습니다. 하지만 10월 들어 미국 국채금리가 갑자기 하락하는 모습(미 10년물 기준 10월 초 5.31%에서 최근 5%이하로 급격하게 하락)을 보여 주었고, 미국 AI 기업들을 중심으로 꽤 큰 폭의 조정들이 나타나기 시작하였습니다. 이 가운데 반도체 비중이 높은 한국 증시는 수급적 이슈(상반기 급격한 주식 상승과 그 이후 주식시장 폭락으로 인한 개인 투자자들의 이탈과 연기금, 기관 투자자들의 매수 여력 부족 등)가 겹치면서 지난 7월에 버금가는 하락이 나타나고 있습니다. 얼마 전까지 시장은 대체적으로 이번 중간 선거가 상원은 공화당이 하원은 민주당이 이기면서 분점되지 않을까 하는 시각을 가지고 있었던 것으로 보입니다. 하원을 민주당이 이기더라도 상원을 공화당이 지킨다면, 트럼프 대통령의 힘은 조금 약화될 지라도 미국의 큰 정책적 흐름은 바뀌지 않을 것이라고 생각하였습니다. 예를 들면, 물가 상승에도 불구하고 트럼프 정부는 계속해서 AI 산업을 위해 금리를 내리는 방향으로 정책을 추진할 것이라는 기대(실제로 금리를 내리지 못하더라도 올라가는 것을 최대한 막을 것이라는 기대)가 존재하였습니다. AI라는 시대적 흐름 속에서 이러한 트럼프 정부의 정책 방향은 투자자들에게 많은 노이즈에도 불구하고 AI에 대한 투자를 지속하는 힘이었음은 부인할 수 없다고 봅니다. 그러나 최근 민주당이 상원까지 장악할 수 있다는 예측이 점점 더 높아지면서, 시장 참여자들의 불확실성에 대한 걱정 또한 점점 커져 가는 것으로 보입니다. 민주당이 상하원을 장악하면 트럼프 대통령의 힘이 급격히 약화되고, 기존 정책이 흔들리지 않을지?, 예측 불가능한 성격의 트럼프 대통령이 정치적 궁지에 몰리면 어떤 일을 벌일지? 무엇보다 AI 산업에 대한 지금처럼 강력한 정책적 드라이브가 혹시 훼손되지 않을지? 등 많은 걱정들이 서서히 생겨나고 있는 시점으로 보여집니다. 많은 주식투자자들이 펀더멘탈(밸류에이션), 실적, 데이터, 뉴스, 기술 등 다양한 지표와 흐름에 의미를 두고 참고하지만, 개인적으로 주식시장에서 간과해서는 안되는 것이 수급과 심리라고 보고 있습니다. 즉, 이번 중간선거로 인한 불확실성의 증대는 주식시장 참여자들의 심리에 큰 영향을 주고 있다고 보여집니다. 참고로 한국 시장은 심리와 함께 근본적인 수급이 망가져 있는 상황 때문에 더 큰 변동성을 보여주고 있다고 생각합니다. ○ 글로벌 자금 이동 : 주식시장에서 채권시장으로 이러한 시장의 불안감을 가장 잘 보여 주는 것이 글로벌 자금 일부가 최근 AI를 중심으로 한 주식시장에서 채권시장으로 이동하는 모습입니다. 일반적으로 전쟁으로 인한 고유가가 지속되고 CPI, PPI가 시장의 예상보다 높은 상황에서 갑자기 그것도 매우 큰 폭으로 미 국채금리가 하락하는 모습은 매우 이례적이라고 할 수 있습니다. 즉, AI 산업 성장이 둔화되고 이것이 미국의 경기 침체로 이어질 수도 있다는 시나리오가 나타난 것인데, 이 근간에는 바로 미국 중간 선거에서 민주당이 상하원을 장악하고, 이로 인해 트럼프 행정부의 정책 추진 역량이 하락할 것이라는 두려움이 자리 잡고 있다고 생각 합니다. ○ AI산업/탈중국이라는 시대 흐름과 미국 중간선거 현재 미국 중간선거라는 정치적 이벤트와 그 결과가 시장의 기존 예측(상원 공화당, 하원 민주당)과 다른 방향으로 진행되면서 시장의 불안감이 커지고 있는 시점이 시장 변동성 확대라는 모습으로 나타나고 있는 것으로 보여집니다. 하지만 미국 중간선거에서 블루웨이브가 나타난다고 하더라도, 과연 AI라는 거대한 시대 흐름을 멈출 것 인지에 대해서 생각해 본다면 이는 그렇지 않을 것이라고 보는 편이 더 타당해 보입니다. AI는 이미 되돌아올 수 없는 강을 건너 버린 상황입니다. 만약 AI가 멈춘다면 미국은 금융위기와 함께 미국 패권의 침몰(중국의 부상)을 의미하기 때문입니다. 지난 수년 동안 미국은 오로지 AI에 집중하고, AI만이 미국 패권을 유지할 수 있는 유일한 돌파구로 여기며 집중해 왔기 때문에 이 상황에서 뒤로 물러설 여지가 없는 상황입니다. 즉, AI는 트럼프 대통령의 문제가 아니라 미국 전체의 문제가 되었으며, 때문에 민주당이 승리한다고 해도 AI라는 시대적 흐름은 되돌릴 수 없는 상황입니다. AI는 트럼프나 중간선거 보다 더 상위에 존재하는 흐름입니다. 일시적으로 꼬리가 몸통을 흔들 수는 있지만, 계속해서 꼬리가 몸통을 흔들 수는 없습니다. 지금 나타나고 있는 여러 노이즈에도 불구하고, 결국 AI라는 방향성은 계속해서 이미 정해진 시대적 흐름이라고 생각합니다. 세상을 바라 볼 때(투자의 관점에서도), 세상을 다층적이고 입체적으로 바라볼 필요가 있습니다. 점이 아니라, 점이 이어진 선들을 분석하고, 그 수 많은 선들로 구성되어 진 입체를 보려고 하는 노력이 필요하다고 봅니다. 보여지는 하나 하나의 이벤트나 뉴스, 데이터/실적과 같은 점들을 모아서 선(각각의 방향성)을 그리고, 이를 토대로 자신만의 입체(세계관 및 투자철학) 만드는 것이 중요하다고 생각합니다. 개인적으로 현 시대에 있어 가장 중요한 흐름을 기술적 관점에서는 AI, 지정학적 관점에서는 미중 패권경쟁(탈중국 공급망 구축)으로 보고 있습니다. 덧 붙여 지구적 관점에서는 기후변화라는 거대한 흐름도 중요하다고 생각하지만, 지금 당장 주식시장에 대한 영향은 아직은 제한적으로 보입니다. ○ 주식시장의 조정과 투자적 관점에서 제언 거대한 시대적 흐름은 쉽게 그 경로가 바뀌지 않습니다. 그 경로를 바꾸기 위해서는 엄청난 에너지가 존재해야 하는데, 이제 막 시작된 AI와 탈중국의 흐름은 트럼프의 정치적 영향력과 상관없이 계속해서 이어져 나갈 수 밖에 없습니다. 때문에 이번 시장의 흔들림은 어찌보면 좋은 투자 기회가 될 수 있다고 생각합니다. AI와 탈중국 이라는 거대한 흐름이 바뀌지 않는 다고 생각한다면, 이번 조정 국면은 장기적 관점에서 투자 기회가 될 것으로 보입니다. 반도체, 전력/전력기기, 네트워크/광통신, 데이터센터 전력아키텍처 변화로 인한 소재들, 더 세부적으로 분산발전원(ESS, 연료전지, 가스피커 등) 및 저장장치(BESS, 캐퍼시터, MLCC), 전력설비(변압기, 개폐장치 등), CPO/NPO, 광모듈, INP기판, CW 레이저 광원, SiPho, 전력반도체(SiC, GaN), 냉각판/소재, 액침냉각, 희토류 영구자석 등 AI와 함께 성장해 나갈 수 밖에 없는 산업과 관련 종목들에 대한 관심은 계속해서 유효할 것입니다. 하지만 시대적 흐름과 무관하게 이번 중간선거나 트럼프의 정치적 영향력에 강한 영향을 받는 산업과 종목도 존재하기 때문에 이에 대한 고려도 함께 있어야 한다고 봅니다. 예를 들어, 민주당이 상하원을 장악한다면 원전, SMR, 화석연료 등 트럼프 트레이딩으로 인해 좀 더 높은 가치를 부여 받았던 산업보다 재생에너지, 2차전지(ESS)와 같은 산업이 좀 더 좋은 모습을 보여 줄 수 있습니다. 이번 조정에 많은 투자자들이 힘들어하는 것이 사실이지만, 이 또한 지나가는 일시적인 변동이라고 생각하고 있습니다. 여력이 있다면 투자의 기회, 여력이 없다면 잠시 기다림의 시간으로 삼는 것도 괜찮다고 보고 있습니다. 다만 최근 많은 투자자들이 힘들어 하는 근간에는 과도한 신용이 존재한다는 것을 너무나 잘 알고 있습니다. 특히 올해는 주식 시장 역사상 가장 큰 변동성을 보여 준 시장이었고, 그 과정에서 많은 투자자들이 큰 변동성에 함께 휩쓸리면서 큰 기쁨과 고통을 함께 겪었고, 특히 신용을 사용한 투자자들은 감내하기 어려운 고통을 경험하고 있는 것으로 알고 있습니다. 현재 어려운 시기임에는 분명하지만, 이럴 때일 수록 시장 분위기에 휩쓸리기 보다는 좀 더 본질을 보고자 하는 자세가 필요해 보입니다. 또한 올해의 극심한 변동성을 통해 자신의 투자 전반을 성찰해 보는 계기가 되었으면 합니다.

※ 800V DC 전력 아키텍처 : Sidecar 도입에 따른 전력 반도체 생태계 지형도 Part. 2 (800V DC 데이터센터 전력 아키텍처에 대한 다섯 가지 질문과 그 이유)   Viksnewsletter 사이트의 이부분은 유료 부분이기 때문에, 해당 사이트의 내용은 아니고 해당 사이트에서 제시한 아래의 5가지 의제를 제 텔레그램의 이전 자료와 외부 자료 등을 토대로 AI를 통해 관련 된 내용을 정리하였습니다.   1. Why 800VDC still matters even if rack power stops scaling aggressively. 2. What the sidecar architecture changes inside the datacenter. 3. Where the near-term 800VDC semiconductor opportunities actually sit. 4. How SiC, GaN and silicon divide the power-conversion stack. 5. Which companies are exposed across systems, switching, protection and control.     ○ 800V DC 데이터센터 전력 아키텍처 : 5가지 질문과 그 이유   1. 랙 전력 증가가 둔화돼도 800V DC가 여전히 중요한 이유   1) 현재 수준에서도 54V는 이미 한계임.   전류는 전력을 전압으로 나눈 값임. (I = P/V) 200kW 랙을 54V로 공급하면 약 3,700A가 흐르게 되지만, 같은 랙을 800V로 공급하면 약 250A임.   전도 손실은 전류의 제곱에 비례함. (I²R) 때문에 같은 전력을 보내도 54V 쪽은 버스바가 훨씬 두껍고 무겁고 발열도 큼. 1MW까지 가지 않더라도 200 – 400kW 구간에서 이미 구리 무게, 랙 공간, 열 문제가 생길 수밖에 없음.   엔비디아는 800V DC로 구리 사용량을 크게 줄이고(약 45% 수준) 종단 효율을 최대 약 5% 높일 수 있다고 발표하였음.     2) 효율이 곧 매출임.   지금 데이터센터의 병목은 칩이 아니라 전력망 접속 용량임. 받을 수 있는 전력이 고정되어 있다면, 변환 손실을 줄인 만큼 GPU를 더 돌리고 토큰을 더 생산할 수 있음.   기존 데이터센터의 구조는 AC → DC → AC(UPS) → DC(PSU) → DC 식으로 여러 번에 걸쳐 변환을 함. 이 단계를 줄이는 것은 랙 밀도와 상관없이 효율을 높이는 것임.     3) 랙이 아니라 시설 단위 전력은 계속 커짐.   랙 당 전력이 정체되더라도 캠퍼스는 100MW에서 GW급으로 커지고 있음. 시설 전체의 배전 손실, 구리 사용량, 변압기와 UPS 수를 줄이는 효과는 규모가 커질수록 커짐.     4) AI 학습 부하는 출렁임. (+ 추론 비중의 증가)   동기화된 학습 작업에서는 수천 개 GPU가 동시에 부하를 올렸다가 내림. 그 결과 MW 단위의 전력 급변이 생기고, 이는 전력망에 부담을 줌. DC 버스에는 배터리나 슈퍼 커패시터 같은 ESS를 직접 붙이기 쉬워서 이런 부하 변동을 흡수하는 데 유리함.     5) 표준과 생태계 측면   엔비디아(Kyber 랙), OCP(Meta, Microsoft, Google의 Mt. Diablo +-400V)가 방향을 정하였음. 공급망이 한번 표준을 따라 움직이기 시작하면 랙 전력 증가 속도와 관계없이 전환이 진행됨. 전기차의 800V 부품 생태계도 그대로 적용할 수 있음.   (핵심) 800V DC는 “더 큰 랙을 위한 기술”이라기 보다 “같은 전력으로 더 많이 연산하기 위한 기술임” 때문에 랙 전력 증가가 꺾여도 효율, 구리, 공간, 전력망 안정성 측면의 근거는 그대로 남음.      2. Sidecar 아키텍처가 데이터센터 내부에서 바꾸는 것   사이드카는 전력 변환 장비를 컴퓨트 랙 밖으로 꺼내 바로 옆의 별도 전력 랙에 모아두는 구조임. 이 구조가 바꾸는 것은 다음과 같음.   1) 컴퓨트 랙의 공간 배분   기존에는 랙 안에 AC/DC PSU 선반과 BBU가 들어가 있어서 공간의 상당 부분을 차지하였음. 사이드카로 빼내면 그 자리를 GPU트레이로 채울 수 있어, 같은 바닥 면전에서 연산 밀도가 올라갈 수 있음.     2) 전력 변환 단계의 재배치   (사이드카 랙) 4080/415V AC를 800V DC(또는 +-400V DC)로 정류함. PFC와 정류 단계가 여기에 있음.   (컴퓨트 트레이) 800V DC를 50V 또는 12V로 낮추는 DC-DC 변환기가 새로 들어감.   (보드 위) 기존처럼 12V 이하에서 코어 전압으로 내리는 VRM이 남음.   즉, 변환 단계의 위치와 각 단계의 전압 등급이 모두 바뀜. 이것이 반도체 수요가 바뀌는 직접적인 이유임.     3) ESS의 위치   BBU와 커패시터 뱅크가 사이드카로 모임. 정전 대응 뿐 아니라 앞에서 말한 GPU 부하 급변을 완충하는 역할까지 맡음.     4) 안전과 보호 체계   DC는 AC와 달리 전류가 0을 지나는 순간이 없기 때문에 아크를 끄기가 어려움. 800V급 DC에 맞는 차단기, 퓨즈, 핫스왑, 아크 감지, 접지 설계를 새로 해야 함. 이전에는 거의 없던 부품 카테고리가 생기는 셈임.     5) 냉각과 유지보수의 분리   컴퓨트 랙은 액체냉각, 전력 랙은 공냉으로 냉각 방식을 나눌 수 있음. PSU 고장이 나도 컴퓨트 랙을 건드리지 않고 교체할 수 있음.     6) 밸류체인의 변화   과거에는 서버 PSU 업체가 랙 안의 전력을 맡았음. 이제는 전력 랙 단위로 납품하는 시스템(Vertiv, Delta, Eaton 등)의 역할이 커짐.     7) 과도기적 성격   사이드카는 최종 형태가 아니라 중간 단계로 보는 시각이 많음. 장기적으로는 시설 단위의 고체 변압기(SST)가 중압 AC(13.8 – 34.5kV)를 바로 800V DC로 바꿔 건물 전체에 공급하는 구조가 거론되고 있음. 사이트카는 기존 AC 시설을 크게 고치지 않고 800V DC로 넘어갈 수 있게 해주기 때문에 먼저 채택됨.     3. 단기적으로 800V DC 반도체 기회가 실제하는 영역   SST와 중압 SiC는 장기적인 목표로, 단기적으로 실제하는 영역을 구분하고자 함.   (1) 단기(2026 – 2027년 경)적으로 실제 적용 될 수 있는 곳   1) 사이드카 AC/DC 정류기 토템폴 PFC와 LLC 공진 컨버터가 들어 감. 650V/1200V SiC MOSFET, 일부 고전압 GaN이 쓰임. 기존 서버 PSU와 기술이 비슷해서 가장 먼저 대량으로 나오는 구간임.   2) 컴퓨트 트레이 입력단 DC-DC (800V → 50V/12V) 완전히 새로 생기는 소켓이라 증분 수요임. 높은 전력 밀도가 필요해서 GaN(고주파) 또는 SiC가 경쟁함. 트레이마다 들어가므로 랙당 개수가 많음.   3) 보호 소자 800V eFuse, 핫스왑 컨트롤러, 반도체 차단기(SSCB)가 필요함. SiC JFET처럼 저항이 낮은 노멀리온 소자가 주목받음.   4) 제어, 구동, 센싱 (가장 과소평가되는 부분) 절연 게이트 드라이버, 디지털 전원 컨트롤러(MCU/DSP), 절연기, 전류/전압 센서, 텔레메트리 칩이 들어 감. 어떤 스위치 소재가 채택되든 반드시 필요함. 그래서 소재 경쟁의 위험이 없음.     (2) 장기적 기회 영역   시설용 SST에 들어가는 3.3kV 이상 중압 SiC는 표준, 인증, 신뢰성 검증이 남아 있어 대체로 2028년 이후 적용될 것으로 전망 됨.   보드 위 VRM은 기존 실리콘이 계속 지배하고 있어 800V 전환이 새로 만드는 증분 수요가 아님.     (핵심) 단기 기회는 사이드카 정류기, 트레이 입력단 DC-DC, 보호 소자, 제어 칩의 네 영역임. SST는 좀 더 시간이 필요함.     4. SiC, GaN, 실리콘이 변환 단계를 나눠 갖는 방식   세 소재는 물리적 특성이 달라서 서로 다른 전압과 주파수 구간을 맡음.   1) SiC   (강점) 고전압, 고온, 견고성 (단락/애벌런치 내성) (주력 전압) 650V – 1200V 이상 (중압 3.3kV 이상) (데이터센터 내 위치) AC/DC PFC, 800V 버스, SSCB, SST   SiC가 고전압을 맡는 이유 : 밴드갭이 넓고 절연파괴 전계가 실리콘 대비 약 10배 높음. 때문에 같은 내압에서 온저항이 훨씬 낮음. 열전도도도 좋아 고전력에 강함. 800V 버스에 서지가 생기는 환경에서는 1200V급 소자가 필요한데, 이 구간에서는 SiC가 가장 안정적임.     2) GaN   (강점) 고주파 스위칭, 낮은 스위칭 손실, 소형화 (주력 전압) 100V – 650V (일부 1200V 시도) (데이터센터 내 위치) 800 → 50V DC-DC, 48 → 12V 고밀도 변환   GaN이 고밀도 DC-DC를 맡는 이유 : 전자 이동도가 높고 기생 커패시턴스가 작아 MHz급 스위칭이 가능. 스위칭 주파수를 올리면 변압기와 인덕터가 작아질 수 있음. 때문에 공간이 제한된 컴퓨트 트레이 안의 변환기에 유리함. 양방향 GaN 스위치는 변환 단계 자체를 줄이는 토폴로지도 가능함. 다만 고전압에서의 장기 신뢰성과 단락 내성은 SiC보다 검증 이력이 짧음.     3) 실리콘 (Si)   (강점) 경제성, 성숙한 공정과 신뢰성, 저전압 고전류 (주력 전압) 100V 이하 (데이터센터 내 위치) VRM과 POL (12V → 1V 미만), 컨트롤러   실리콘이 여전히 마지막 단계를 지키는 이유 : GPU 코어에 1V 미만, 수천 암페어(A)를 공급하는 단계에서는 저전압 실리콘 MOSFET과 다상 VRM이 비용 대비 성능에서 현재까지는 최적임. 이 부분은 800V DC 전환과 상관없이 유지됨. 경계 구간(예 : 650V)에서는 실리콘 슈퍼정션 MOSFET도 비용 경쟁력으로 일부 남음.     (SiC, GaN, 실리콘의 경쟁 구간) 650V 영역과 800 → 50V 변환단은 SiC와 GaN이 정면으로 경쟁함. 때문에 Infineon처럼 세 소재를 모두 가진 업체가 고객에게 ‘어느 소재든 공급 가능’하다는 위치를 확보할 수 있음.     5. 시스템, 스위칭, 보호, 제어 각 영역의 주요 기업들   밸류체인을 네 층으로 나누는 이유는 층마다 수혜의 성격(물량, 마진, 소재 위험)이 다르기 때문임.   1) 시스템 (전력 랙, 배전, SST)   아키텍처 주도 : 엔비디아, OCP 참여사(Meta, Microsoft, Google)   전력 시스템 : Vertiv, Eaton, Schneider Electric, ABB, Delta Electronics, Lite-On, Flex, Siemens, GE Vernova, Hitachi Energy, Mitsubishi Electric 등   특징 : 금액 단위가 가장 큼. 소재 경쟁과 무관하게 수혜를 볼 수 있음.     2) 스위칭 (전력 반도체)   SiC : Infineon, onsemi, STMicroelectronics, Wolfspeed(2025년 구조조정), ROHM, Mitsubishi Electric, Microchip   GaN : Navitas(GaN과 GeneSiC를 통한 SiC), Innoscience, Infineon(GaN Systems 인수), Texas Instruments, Renesas(Transphorm 인수), Power Integrations, EPC   저전압 실리콘과 VRM : Infineon, Monolithic Power Systems, Renesas, Alpha & Omega(AOS), Vishay   특징 : 성장 폭은 크지만 소재 경쟁과 가격 하락의 위험이 있음. SiC는 중국 업체의 증설로 공급 과잉 우려도 있음.     3) 보호 (Protection)   onsemi(Qorvo에서 인수한 SiC JFET 사업, SSCB용), Infineon(CoolSiC JFET), Littelfuse, Eaton, ABB, Mersen(DC 퓨즈), TI와 ADI(eFuse, 핫스왑 컨트롤러)   특징 : 800V DC의 아크 문제 때문에 새로 생기는 카테고리임. 규모는 작지만 마진이 높을 수 있음.     4) 제어 (Control, 구동, 센싱)   Texas Instruments(C2000 MCU, 절연 게이트 드라이버, 절연기), Analog Devices(전력 모니터링, 핫스왑), Infineon(XMC, EiceDRIVER), Microchip(dsPIC), Renesas, Allegro(전류 센서), Vicor(고전압 버스 컨버터 모듈)   특징 : 어떤 스위치 소재가 채택되든 반드시 들어 감. 안정적으로 수혜를 받는 영역임.     5) 한국의 관련 생태계   LS ELECTRIC, 효성중공업, HD현대일렉트릭(배전과 변압기, 장기적으로 SST), SK실트론(SiC 웨이퍼), DB하이텍(GaN·SiC 파운드리), 에이프로(GaN 에피웨이퍼) 등이 거론

※ 800V DC 전력 아키텍처 : Sidecar 도입에 따른 전력 반도체 생태계 지형도 Part. 1 (고전압 전력 아키텍처의 도입 필요성) 현재 미국 AI 데이터센터의 핵심 병목 지점 중 하나는 전력입니다. AI 데이터센터의 수요가 폭발적으로 늘어나고는 있지만, 전력망(송배전, 변전소 등)의 한계 때문에 계획된 AI 데이터센터를 수용할 수 있는 그리드가 매우 모자라는 상황입니다. 이러한 미국 전력망의 접속 한계는 미국 전력문제의 핵심 이슈가 되고 있습니다. 참고로 2025년 말 기준(미국 로렌스 버클리 국립연구소 자료), 미국의 총 접속 대기 용량은 2,061GW(8,244개 프로젝트)에 달하고 있습니다. 또한 데이터센터가 전기를 끌어 쓰기 위해 대기하는 대규모 부하(Large-load) 접속 대기열 또한 ERCOT 기준 420GW 이상입니다. 즉, 현재는 발전소의 부족이 아니라 전력망이 절대적으로 부족한 상황으로, AI 데이터센터의 핵심 병목이 AI데이터센터 밖에서는 그리드가 되고 있는 상황입니다. 이런 상황에서 AI데이터센터는 최대한 내부 전력을 효율화 하는 방법을 빠르게 찾고 있으며, 그 대표적인 것이 초고속 인터커넥트/CPO와 고전압 전력 아키텍처의 적용입니다. 즉, 내부 전력효율성을 높여주는 방식으로 외부의 부족한 전력자원을 일정부분 상쇄하려는 노력입니다. 800V DC 아키텍처와 같은 고전압 아키텍처(Sidecar, +-400V DC, 파나마 솔루션 등)도 이와 같은 내부 전력 효율화의 선상에 있습니다. 전력망 접속 문제와 데이터센터 내부 전력 효율화, 그리고 엔비디아의 차세대 루빈 울트라에 적용되는 Kyber 랙 아키텍처는 데이터센터의 고전압 아키텍처를 촉진시킬 수밖에 없는 구조를 지니고 있습니다. ● 800V DC : Mapping the Power Semi Space for Sidecar Deployments (From Vik’s Newsletter, 2026. 10. 03) 엔트로픽의 증권신고서(S-1)는 AI 인프라 확충에 관한 중요한 수치를 보여주고 있음. 이들은 향후 10년 동안 AI 인프라를 구축하는 데 5,180억 달러를 지출할 것으로 예상하고 있음. 더 충격적인 점은 이 중 80%가 ‘계약취소 불가’ 조항으로 묶여 있어, 실제 사용 금액과 관계없이 대금을 지급해야 한다는 사실임. AI가 지금과 같은 궤적을 유지한다면 이러한 지출 규모는 1조달러를 넘어설 것임. 엔트로픽은 우리가 ‘주로 연산 능력(compute)의 가용성에 의해 제한될 것’이라고 보고 있기 때문임. 향후 10년간 대규모 연산 자원을 배치하려면 막대한 전력 공급이 필수적임. 북미 신뢰도 총괄법인(NERC)은 미국의 향후 10년 피크 전력 수요를 245GW로 전망하고 있음. 그러나 유틸리티(전력망) 인프라 구축은 반도체 산업과 완전히 다른 일정으로 움직이며, 몇 달 단위가 아니라 수년 단위의 시간표를 기준으로 전환이 이뤄짐. 전체 AI 자본적 지출(Capex) 투자액의 20%가 전력 부문으로 유입되고 있음을 알 수 있음. 전력 인프라에 대한 구조적 수요와 전력 생태계 전반에 걸친 높은 부가가치는, 특히 긴 구축 기간을 고려할 때 투자자들에게 장기적인 투자 기회가 될 수 있음. 전력 반도체 산업의 전체 영역은 전력망(그리드)에서부터 서버 랙에 이르기까지 폭 넓게 걸쳐 있으며, 한 눈에 파악하기 어려울 만큼 다양한 기술이 얽혀 있음. 그리드 측 전력 전자기기는 수백에서 수천 볼트 단위의 고전압을 다루는 반면, 랙 측 전력은 수십 볼트 정도만 다루기 때문에 일반적인 ‘반도체 영역’에 가까움. 만약 AI 인프라에 전력을 공급하는 방식을 바꾸고자 한다면 수 많은 공급업체, 표준, 공급망이 긴밀하게 보조를 맞춰야 함. 앞으로 800V DC 전력공급 방식으로 전환해야 하는데, 그 이면의 기본 물리학적 원리를 이해해야 함. 오늘날 GPU는 랙 당 약 200kW를 소비함. 여기서 칩 수를 두 배로 늘린다면 전력 문제는 걷잡을 수 없이 커짐. 현재 대부분의 랙은 랙 내부 전력 공급에 48/50V DC를 사용함. 랙 당 전력 소비가 지나치게 높아지면 배전 시스템이 10,000A(암페어) 이상의 전류를 견뎌야 함. 이는 현실적으로 불가능하기 때문에 동일한 전력 수준에서 전류량을 대폭 낮출 수 있는 800V DC로 전환하는 것이 해결책임. ○ 800V DC : 제대로 구현하는 AI 전력 공급 최근 엔비디아의 한 수석 엔지니어와 나눈 대화에 따르면, 그는 업계에서 랙 당 전력이 200 – 250kW를 넘어서는 일은 없을 것이라는 의견을 내놓았습니다. 냉각 및 전력 공급 난제가 가져다 주는 이점보다 훨씬 더 크다고 판단했기 때문입니다. 루빈 울트라(Rubin Ultra, VR300) 시대에 네트워킹 한계로 인해 576개 GPU 스케일업 도메인에 8개의 오베론(Oberon) 랙을 연결해야 하는 상황이라면, 미래에 정말로 MW급 랙이 필요할까요? Kyber 랙이 실제로 배치된다 하더라도 더 많은 기업들이 이러한 초 고전력 수준으로 나아갈까요? 그렇지 않고 현재 수준의 랙 전력에 머무른다면, 이는 800V DC 생태계에서 어떤 의미를 갖게 될까요? https://www.viksnewsletter.com/p/800vdc-mapping-the-power-semi-space

● 글로벌 광 인터커넥트/광 모듈 산업 이슈 및 트렌드 분석 (Goldstate Securities 발간, 2026. 10. 18) 1. OCP 글로벌 서밋 : AI 인터커넥트 아키텍처가 산업 경쟁의 핵심으로 부상 OCP 글로벌 서밋은 2026년 10월 12일부터 15일 미국 San Jose에서 ‘Scaling Innovation for the AI Era’를 주제로 개최되었으며, 고속 인터커넥트, 액침냉각, 전력 공급 시스템, 오픈 하드웨어 표준 및 Rack 레벨 컴퓨팅 아키텍처를 중점적으로 다뤘음. ○ 패러다임 전환 AI 클러스터 규모가 지속적으로 확장됨에 따라 연산 시스템의 병목 현상이 단일 GPU 성능에서 통신 대역폭, 네트워크 지연 시간(Latency) 및 전체 에너지 효율로 이동하고 있음. 이에 따라 인터커넥트 기술은 단순 부대시설에서 AI 클러스터 규모와 운영 효율을 결정짓는 핵심 아키텍처로 격상되었음. ○ AI 연산 네트워크 기술 진화의 3대 방향 1) 고속 광 인터커넥트 업그레이드 : 800G에서 1.6T 및 그 이상의 속도로 진화 2) Scale-up 네트워크 아키텍처 확장 : 더 큰 규모로 확장되면서 기존 전기적 연결(구리선)과 광 연결 간의 기술적 경계가 변화 3) 통합 협업 설계 중요성 증대 : 스위치 칩, 광모듈, 광엔진 및 수냉식(액침냉각) 시스템 간의 공동 설계 중요성이 지속적으로 상승. ○ 시장 전망 : 고속 광모듈은 여전히 AI 연산 인프라에서 수요 확실성이 가장 높은 분야이며, CPO(Co-Packaged Optics), 광스위치 및 Scale-up 광 인터커넥트가 차세대 기술 업그레이드의 핵심 성장이 될 전망. 2. 엔비디아와 시스코, 신형 광모듈 ‘USFP’ 공동출시 10월 12일, 엔비디아와 시스코는 초고밀도 소형 폼팩터 플러그형 광모듈 술루션인 USFP(Ultra-Dense Small Form Factor Pluggable)을 발표. 이번 USFP는 단순히 전송 속도를 높이는 것을 넘어, 고밀도 플러그형 아키텍처를 통해 AI 클러스터 네트워크 용량을 늘리고 비트당 전송 전력 소모를 낮추는 것이 핵심임. 이는 플러그형 광모듈이 CPO 기술 발전으로 인해 즉시 퇴출되지 않고 지속적인 업그레이드 공간을 가지고 있음을 의미하며, 향후 상당 기간 기존 플러그형 광모듈과 CPO 솔루션이 공존 경쟁하는 구도를 형성할 것. 3. 미국 FCC 26-50 통신 공급망 신규 규제 발효 및 중국산 광모듈 수출 리스크 분석 ○ 규제 내용 및 현황 2026년 10월 13일 발효된 미국 연방통신위원회(FCC)의 FCC 26-50 규제는 주로 우려 목록(Covered List)에 등재된 특정 주체가 생산한 로직 처리류 하드웨어 부품을 겨냥한 것임. 중국산 광모듈의 미국 시장 진입을 직접적으로 금지한 것은 아니지만, 중국 광모듈 밸류체인에 대한 규제 수위가 일반적 공급망 안전 심사에서 특정 기업 및 특정 제품에 대한 핀셋 제재로 진화하고 있음. ○ 3대 규제 사안과 팩트체크 1) FCC 26 – 50 통신 공급망 신규 규제 : 10월 13일 정식 발효되었으며, 광모듈 전면 금지는 아님. 2) 중국산 신형 광모듈 제한 조치(2026년 8월 거론) : 관련 정책 수립 작업이 언론에 보도되었지만, 정식 발효 여부는 미확인 3) 미국 의원의 중국 기업 표적 제한 법안 (9월 발의) : 법인이 발의된 단계이며, 이미 발효된 법률과 동실 시 할 수 없음. ○ 투자 판단 단기적으로 FCC 26 – 50은 중국의 주요 광모듈 기업의 800G 및 1.6T 사업에 대한 전면 금지령은 아니지만, 중장기적으로는 향후 미국이 중국산 신형 광모듈을 정식 제한할 경우 중국 업체들의 신제품 도입, 글로벌 시장 점유율에는 타격을 줄 수 있음.

※ 제이에스링크와 EU 관세동맹이자 NATO 회원국인 튀르키예 ATES Wind Power와의 협력의 의미 (풍력을 넘어 전기차, 방산으로 확대하는 시발점이 될 수 있음) 제이에스링크는 튀르키예의 풍력 구조물 및 영구자석 직접구동 방식 풍력 발전기 제조 업체인 ATES Wind Power와 영구자석 판매와 튀르키예 현지 생산시설 구축을 위한 MOU를 발표하였습니다. ATES Wind Power는 독일의 글로벌 풍력업체인 ENERCON의 핵심 파트너입니다. 독일의 ENERCON은 2025년 기준 글로벌 풍력 5위 업체(중국업체 제외, 설치량 기준)로 연간 약 2.8 – 3.8GW로 글로벌 점유율 약 7 – 9%를 차지하고 있는 업체입니다. 참고로, 중국을 제외한 글로벌 1위 업체는 Vestas(12.9GW)이며, 2위는 Nordex(7.7GW), 3위 GE Vernova(5.8GW), 4위 Siemens Gamesa(5.4GW)입니다. ENERCON은 ‘EU 관세동맹(Customs Union)’ 국가인 튀르키예의 ATES를 통해 풍력 타워, 터빈에 사용되는 영구자석직접 구동 발전기의 일부를 소싱하고 있습니다. 특히 ENERCON은 증속기(Gearbox)없이 영구자석을 사용하는 직접구동(Gearless direct-drive)방식의 선구자입니다. 전통적인 풍력 발전기는 회전자의 회전속도를 높여주는 증속 기어장치를 사용하여 발전기를 가동하였으나, 최근 풍력 타워가 대형화되면서, 증속 기어장치 없이 발전기가 직결되는 희토류 영구자석을 사용하는 기어리스 방식이 많이 채택되고 있습니다. 바로 이 영구자석을 사용하는 기어리스 방식을 가장 먼저 적용(7MW급)한 업체가 독일의 ENERCON입니다. 때문에 ENERCON의 핵심 공급망 파트너인 튀르키예의 ATES도 영구자석을 사용하는 Gearless 방식의 발전기를 제작하여 ENERCON에게 납품하는 구조입니다. (ENERCON의 터빈에 ATES가 발전기를 납품) 한국의 경우에도 유니슨이 최근 영구자석을 사용하는 기어리스 타입의 해상풍력 터빈(10MW, 20MW)을 만들려고 하고 있으며, 정부는 정책자금을 통해 이를 지원하고 있습니다. 현재 유럽의 풍력업체들을 비롯한 제조업체들의 가장 큰 문제는 중국에 지나치게 의존하고 있는 공급망 문제이며, 그 중 영구자석은 핵심 병목입니다. 이를 잘 알고 있는 EU는 CRMA(핵심원자재법, Critical Raw Materials Act)를 통해, 유럽 역내 소비량의 최소 40%를 유럽 내에서 가공하고 제조하도록 법제화하였습니다. 특히 풍력 발전과 전기차 모터의 핵심 부품인 희토류 영구자석(NdFeB, SmCo 등)은 중국에 대한 의존도가 100%이기 때문에, 최우선 관리 및 내재화 대상으로 지정되어 있습니다. 참고로 CRMA에 따르면, 희토류 영구자석은 CRMA 내에서도 가장 규제가 까다로운 품목 중 하나이며, 향후 유럽 시장에서 영구자석이 포함된 제품(풍력 터빈 포함)을 판매하려는 기업은 제품 정부 투명성 및 라벨링, 재활용 및 분리 설계 의무, 리사이클 원료 사용 비율 의무 공개 등을 준수해야 합니다. 이러한 상황에서 제이에스링크와 EU 관세동맹 국가인 튀르키예 ATES의 협력은 EU 역내의 영구자석 공급망 문제를 해결해 줄 수 있는 핵심이 될 수 있습니다. 현재 비중국 희토류 영구자석을 구할 수 있는 곳은 일본 3사를 제외하고는 호주의 라이나스 밸류체인에 속해 있는 제이에스링크가 사실상 유일한 상황입니다. 이번 협력은 단순히 한국의 제이에스링크와 튀르키예 ATES Wind Power라는 기업 간의 협력을 넘어 유럽의 탈중국 공급망 구축의 일환으로 이해할 수 있습니다. 튀르키예 정부도 이러한 점을 명확히 인지하고 있을 것이며, 튀르키예와 ATES는 단순히 풍력에 국한되지 않고 튀르키예에 영구자석 공장을 유치함으로써 튀르키예를 EU 내 풍력, 전기차, 방산의 핵심 제조기지로 만들고자 하지 않을까 예측해봅니다. 마치 말레이시아가 라이나스와 제이에스링크를 통해 말레이시아에 영구자석 제조시설을 만들고 이를 통해 말레이시아를 동남아 첨단제조 생산 허브로 만들려고 하는 의도와 비슷하다고 볼 수 있습니다. 튀르키예는 유럽 내에서 인건비가 저렴하며, 제조업 시설이 잘 갖춰진 곳으로 현재 많은 유럽 내 업체들이 튀르키예를 제조업 생산기지로 활용하고 있습니다. (튀르키예는 EU 관세동맹 체결국입니다) 현대차도 튀르키예에서 전기차를 생산 중으로, 유럽 내 전기차 생산기지로 튀르키예를 활용하고 있습니다. 특히 러시아-우크라이나 전쟁 이후, 유럽의 군수산업 육성이 가장 큰 이슈인 가운데, 튀르키예는 NATO 회원국이면서 유럽 내에서 가장 활발하게 군수사업을 육성하는 국가 중 하나입니다. 폴란드가 한국과 협력을 통해 군수산업을 육성하고 있다면, 튀르키예는 자체 역량을 통해 군수사업을 대규모로 육성 중에 있습니다. 이러한 EU의 군수산업 육성과 유럽 내 군사 강국 중 하나인 튀르키예의 군수산업 육성을 위해서도 희토류 영구자석의 탈중국 및 자체 공급망 구축은 필수적이라고 할 수 있습니다. 그리고 이번 제이에스링크와 튀르키예 ATES의 협력은 바로 이런 큰 그림의 시발점이 될 것으로 기대됩니다. ● 제이에스링크, 튀르키예 ATES와 MOU “유럽 풍력발전 시장 진출” (the bell, 2026. 10. 16) 제이에스링크가 튀르키예 풍력발전 설비 및 부품 제조기업인 ATES Wind Power와 MOU를 체결하고 유럽 풍력발전 시장 진출을 본격 추진함. 풍력발전기의 대형화와 고효율화가 진행되면서 영구자석형 발전기(Permanent Magnet Generator)의 적용이 확대되고 있기 때문. ATES는 글로벌 주요 풍력발전기 제조사들을 고객으로 확보한 풍력산업의 Tier-1 업체로, 튀르키예에 4개의 생산시설을 운영하고 있으며, 생산 Capa는 풍력발전 타워 1,500MW/연, 직접 구동형 발전기 1,000MW/연 규모임. https://m.thebell.co.kr/m/newsview.asp?svccode=00&newskey=202610160950373640104226&page=1&sort=FREE_DTM&searchtxt=%EC%A0%9C%EC%9D%B4%EC%97%90%EC%8A%A4%EB%A7%81%ED%81%AC

※ 솔리드 스테이트 변압기(SST) part. 3 ● SST 산업 특집 : AI 수요 순풍을 타고 첨단 전력공급 기술의 날개를 펴다. (Soochow Securities 발간, 2026. 10. 15) ○ 전방 DC 부하 침투율 상승, 다양한 시나리오에서 SST 수요 발생 기존 데이터센터 부하와 비교할 때, AI 컴퓨팅 부하는 고속 연산을 통해 학습 및 추론 작업을 수행하므로 대용량 및 강한 변동성이라는 특징을 지님. 1. 전기차, 재생에너지 전력망 연계, 공장 및 상업시설의 DC 전력망 연계가 증가함에 따라, SST는 다양한 분야에서 적용될 것 전방 산업의 DC 전력 부하는 주로 전기차 충방전, 태양광 및 해상 풍력 등 재생에너지의 전력망 연계, 공장 및 상업시설(스마트 빌딩 등)에서 DC 전력 시스템의 침투율이 점차 상승하고 있음. 기존의 교류 배전 솔루션을 사용할 경우 변환 단계가 중복되고 효율이 낮으며 비용이 많이 듦. 반면 SST는 전력망의 교류 측과 부하의 직류 측을 직접 연결할 수 있어 직류 부하 적용 시나리오에 완벽하게 부합하며, 태양광, ESS, 충전시스템 등 재생에너지 관련 설비를 더욱 유연하게 연계할 수 있게 해 줌. 향후 배전 시스템의 중요한 발전방향이 될 것임. 2. AI 데이터센터 직류 전원 공급으로의 진화. 엔비디아는 SST를 AI 데이터센터 전력 공급의 궁극적 솔루션이라고 지칭. 단말 서버 랙(캐비닛)의 전력 밀도가 지속적으로 급증함에 따라, 기존에 UPS를 활용하던 교류 배전방식은 더 이상 AI 데이터센터에 적합하지 않게 되었음. AI 데이터센터 전력 공급은 800V DC 전원 공급으로 진화하고 있음. SST는 변환 효율이 가장 높고 중간 단계가 가장 적은 전력 공급 아키텍처임. 특히 엔비디아가 발표한 백서에서 SST를 AI 데이터센터 전력 공급의 궁극적인 솔루션으로 지목함에 따라, SST는 AI 데이터센터 분야에서 향후 대규모로 성장할 것으로 기대됨. 3. 기존 AC 솔루션 대비, SST는 AI 데이터센터의 경제성을 대폭 향상 SST는 전력 및 구리 버스바 사용을 크게 절감하고, 차지하는 면적을 축소하여 전력 밀도를 높일 수 있음. 기존 UPS 솔루션과 비교할 때, SST의 전체 시스템 변환 효율은 3%이상 향상될 수 있으며, 이는 2.5MW 기준 연간 59만 kWh의 전력을 절약할 수 있음을 의미함. 또한 SST의 DC 출력은 교류 솔루션에 비해 구리선 하나를 절약할 수 있고, 출력 전압이 높아 필요한 구리선의 단면적이 작아지므로 구리 사용량의 UPS 솔루션의 1/3 수준에 불과함. 변환 단계가 더 적어 SST가 차지하는 면적이 기존 UPS 50%미만으로 전력 밀도를 대폭 향상시킬 수 있으며, 이는 경제성을 크게 향상시킬 수 있음.

※ 솔리드 스테이트 변압기(SST) part. 2 ● SST 산업 특집 : AI 수요 순풍을 타고 첨단 전력공급 기술의 날개를 펴다. (Soochow Securities 발간, 2026. 10. 15) ○ 솔리드 스테이트 변압기(SST) : 변압에서 변환+제어까지 1. SST : 4세대 전력공급 시스템 솔리드 스테이트 변압기는 대량의 솔리드 스테이트 전력 반도체 소자를 사용하며, 교류기동반, 전력 모듈반, 직류 배전반으로 구성됨. 내부는 주로 전력 전자회로 및 고주파 변압기 등의 부품으로 이루어져 있어 중압 교류를 고압/저압 직류로 변환할 수 있음. 여기서 고주파 전력 변환부는 기존의 상용주파 변압기, 저압 배전반, 전력 변환기를 대체함. 현재 SST의 주류 솔루션은 앞 단의 다중 모듈 직렬 연결과 뒤 단의 병렬 DAB(Dual Active Bridge)를 적용한 2단 토폴로지 아키텍처를 채택하고 있으며, 직렬형 입력 및 병렬형 출력 구조를 가짐. 앞 단의 입력 측 AC/DC는 일반적으로 다중 H브리지 모듈 캐스케이드(Cascade) 방식을 채택하여 중압 접속 및 정류를 구현함. 뒤 단은 절연이 포함 포함된 DC/DC로, 각 모듈의 출력을 병렬 연결해 부하에 직류 전력을 공급함. 고전압 SiC MOSFET을 사용하면 AC/DC의 스위칭 주파수를 높일 수 있으며, 전력망 측의 전류 고조파(Harmonics) 함량을 더욱 줄일 수 있음. DC/DC 단은 DAB 또는 공진형 토폴로지 구조를 채택하며, 전력 소자 역시 SiC MOSFET을 사용함. 이는 인버터, 공진 커패시터, 공진 인덕터, 고주파 변압기, 정류기로 구성되며, 공진 변환을 통해 전력을 전송하고 변압기를 통해 절연 역할을 수행. 2. SST, 수십년 간의 기술 축적을 거쳐 AI 산업의 성장으로 산업화의 가속기를 맞음 SST는 최근에 등장한 신기술이 아니라 오랜 기간 기술적 진전을 거쳐온 기술임. AI 부하 전력의 폭발적인 증가에 힘입어 엔비디아가 800V DC와 SST를 AI 데이터센터 전력 공급의 궁극적 솔루션으로 지목하면서, SST가 연구실 수준을 넘어 상업적 적용 시나리오로 안착하는 과정이 가속화되고 있음.

※ 솔리드 스테이트 변압기(SST) part. 1 ● SST 산업 특집 : AI 수요 순풍을 타고 첨단 전력공급 기술의 날개를 펴다. (Soochow Securities 발간, 2026. 10. 15) ○ 핵심요약 1. 수십년 간의 기술 및 프로젝트 축적, AI로 SST의 대규모 사용처 출현 솔리드 스테이트 변압기(SST)는 전력 반도체, 고주파 자기 소자를 기반으로 한 고전력 밀도, 고효율 차세대 전력 전자 전원 시스템임. 1970년 GE가 제안한 이래 수십 년의 기술 축적과 고전력 밀도 DC 배전에 대한 AI의 수요 견인에 힘입어, SST 산업은 상업화의 변곡점을 맞이할 것으로 전망. AI의 성장에 더해 전기차 및 재생에너지 기술의 빠른 성장이 더해져 SST 산업은 향후 황금기를 맞이할 것으로 기대. 2. 핵심 부품은 여전히 개선이 필요하며, 완제품의 기술 장벽이 높음. SST는 주로 하드웨어와 제어 시스템으로 구성되며, 하드웨어 부문에서 가치 비중이 높은 부품은 주로 고주파 전력소자, 고주파 절연 변압기, 커패시터 등으로 원가 비중은 각각 15%, 25%, 12%를 차지함. 핵심 하드웨어 중 SiC MOS가 SST 수요에 가장 적합하며, 현재 3.3kV 나아가 10kV 고내압으로 발전하고 있음. 고주파 절연 변압기는 현재 SST 하드웨어 부문의 기술적 병목 현상을 겪는 핵심요소로, SST의 신뢰성과 수명을 결정함. 현재 고주파 절연 변압기는 자심(Magnetic core) 공정, 절연, 방열 등에서 여전히 개선의 여지가 있음. 알루미늄 전해 커패시터는 현재 SST 커패시터의 주력이지만, 단일 모듈의 전력 및 주파수가 향상됨에 따라 필름 커패시터의 침투율이 높아져 앞 단의 DC-Link의 주류 솔루션이 될 것으로 예상됨. 시스템 통합 설계 및 제어 시스템은 향후 SST가 대규모로 적용된 후의 신뢰성, 경제성, 성능을 결정하며, 선도 기업들이 경쟁에서 승리하기 위한 핵심 경쟁력이자 승부처이므로 중점적으로 주목해야 함. 3. 글로벌 및 중국의 SST 시장 현황 글로벌로 Delta, Eaton 등이 SST 산업을 선도하고 있으며, 그 외 업체들은 대부분 스타트업 위주로 공급망 및 고객 우위는 있을 수 있으나 엔지니어링 경험이 부족함. 중국업체들은 중국내 대규모 전력망 프로젝트 육성 정책 덕분에 풍부한 프로젝트 엔지니어링 경험을 보유하고 있음. 이들 업체들은 AI데이터센터, 초급속 충전, 재생에너지, 전력망 등 여러 분야에서 출하량을 빠르게 늘릴 것으로 기대됨. 2030년 글로벌 SST 시장 규모가 약 55조원(2,700억 위안)을 넘을 것으로 추산됨. 4. 인버터 발전사를 통해 본 SST의 미래 : 특수장비에서 다중 시나리오 대규모 양산으로 인버터 산업의 발전 과정을 되짚어 볼 때, SST 산업은 차이는 있지만 비슷한 경로를 그릴 것으로 예상됨. 구도 측면에서, 향후 시장 구도는 인버터가 그러했듯 분산형에서 고도로 집중된 형태로 변화할 것이며, 향후 몇몇 선도 업체로의 쏠림이 두드러질 것. 하지만 SST는 R&D, 고객 채널, 품질관리에 대한 요구 사항이 매우 높기 때문에 산업 내 출혈 경쟁으로 악화될 위험은 비교적 낮을 것으로 기대되어 인버터와는 다른 양상으로 전개될 수 있음. 시기적 측면에서, 현재는 시장이 이제 막 생겨나는 초입기이며, 2027 – 2029년 엔지니어링 보급기를 거쳐, 2029년 이후 본격적인 대규모 양산 단계에 진입할 것으로 전망.

※ AI 데이터센터와 희토류 영구자석 (데이터센터 냉각 인프라용 칠러와 자기부상압축기) AI 데이터센터 내에서 영구자석은 매우 다양한 곳에서 대규모로 사용되고 있습니다. 스토리지인 HDD용 VCM(Voice Coil Motor & Spindle Motor), 광트랜시버용 광아이솔레이터, 냉각용 서버 팬 및 펌프용 BLDC 모터, 대형 팬 및 칠러용 대형 모터, 비상용 발전기 등 다양한 제품 및 부품에 사용되어지고 있습니다. 특히 최근에 AI 데이터센터용 칠러가 기존 스크류식/피스톤식 압축기에서 자기부상 압축기를 사용하기 시작하면서, 새로운 희토류 영구자석의 대규모 소비처로 부상하고 있습니다. AI데이터센터에서 전력을 얼마나 효율적으로 사용하는 가는 현재 데이터센터 산업에서 가장 핵심이 되는 이슈인데, 이를 수치로 표현한 것이 PUE(전력 사용 효율 지수, Power Usage Effectiveness)입니다. 즉, PUE가 얼마나 낮은지가 현재 AI 데이터센터의 성능을 나타내 주는 핵심으로 여겨지고 있습니다. 최근 중국에서는 앞으로 지어지는 모든 데이터센터의 PUE를 1.15 이하로 강제하는 ‘친환경 전력 의무화 가이드라인’을 발표하기도 하였습니다. 이러한 PUE를 낮추는 움직임이 계속되면서, 관련된 산업들도 빠르게 변해가고 있는데 특히 데이터센터의 냉각 시스템(냉각 인프라 개선, 액침냉각 등)과, 전력 변환 손실(800V DC와 같은 고전압 전력 아키텍처 도입)을 줄이는 것이 핵심입니다. 데이터센터의 냉각 인프라(공조기, 칠러, 대형 냉각 팬 등)는 서버에서 뿜어져 나오는 막대한 열을 식히는 데 사용되며, 비 IT 전력 소비 중 가장 큰 비중을 차지하고 있습니다. 이 중 칠러에서 최근 희토류 영구자석을 사용하는 자기부상압축기가 빠르게 적용되면서 데이터센터의 전력효율을 높여줄 수 있는 핵심 수단으로 각광받고 있습니다. 최근 한국의 LG전자가 5GW 규모의 데이터센터와 칠러를 장기 공급하는 5조원 규모로 추산되는 계약(LTA)를 맺었는데, 이 칠러가 바로 자기부상압축기를 사용하는 칠러입니다. 대략적으로 대형 칠러용 압축기 1대당 10 – 20kg의 NdFeB 영구자석이 사용된다고 추정되는데, 대형 데이터센터에는 100대가 훨씬 넘는 칠러가 사용되는 것으로 추정됩니다. 1GW 규모의 AI데이터센터에 구축되는 칠러에는 약 4톤에서 7톤의 희토류 영구자석이 사용되는 것으로 추산되며, 희토류 영구자석의 거대한 신규 수요처가 창출되고 있습니다. 이처럼 희토류 영구자석은 AI 데이터센터의 핵심 소재이며, 단순히 모터 부품 소재를 넘어 AI 데이터센터의 PUE 한계를 돌파해 주는 소재로 자리매김하고 있습니다. 향후 AI 생태계 확장에 따라 희토류 영구자석의 중요성과 수요는 더욱 빠르게 증가할 것입니다. ● AI 데이터센터 컴퓨팅 수요 급증에 따른 자기부상압축기 산업분석 (汉鼎智库 컨설팅 발간, 2026. 09. 27) 1. 산업 배경 : 컴퓨팅 인프라 확장이 설비 수요를 촉발 AI 데이터센터는 24시간/365일 무중단 운영이 필요하며, 고밀도 서버로 발열 문제 해결이 중요함. 때문에 냉각설비에 대한 안정성, 에너지효율, 수명 등에 대한 요구조건이 매우 높음. 기존 스크류식/피스톤식 압축기는, 윤활유 의존 → 고에너지 소모, 기계 마모, 높은 고장률, 복잡한 유지보수 → PUE(전력사용효율) 규제 기준을 충족하기가 어려움. 자기부상압축기는 윤활유의 의존을 없앴고, 유지보수가 적으며, 고효율로 AI 데이터센터 향 수요가 지속적으로 증가하면서 빠르게 성장하고 있음. 2. 기술적 우위 : 컴퓨팅 센터 핵심 요구에 전면 부합 1) 핵심기술 자기부상 베어링 + 영구자석 동기전동기를 통해 기계적 마찰, 윤활유 의존을 완전히 탈피, 무급유 고속 운전 실현 2) 성능 (에너지 절감) 기존 기종 대비 약 30% 절감, 효율 40%이상 향상 (PUE 기여) 대형 데이터센터 PUE를 1.25이하로 안정적 제어, 최상위 솔루션은 1.2까지 달성 (수명) 오일 노후화, 누유, 탄소침적 등 고장 요인 제거하여 사용수명을 20년 이상으로 늘릴 수 있음. (유지보수) 윤활유, 필터 등 소모품 교체 불필요 → 인건비, 가동중단 손실 대폭 절감 (제어) 지능형 인버터 시스템으로 컴퓨팅 부하, 환경온도에 따라 동적 파라미터 조정 → AI 컴퓨팅의 조석형(潮汐式)부하 변동에 최적 대응 3. 시장 현황 : 황금기 진입 탈탄소 트렌드와 AI 데이터센터의 PUE(전력 사용 효율 지수) 개선으로 고에너지 소모의 기존 설비들의 퇴출이 가속화하고 있어, 자기부상압축기가 필수 사양으로 자리매김하고 있음. 하이퍼스케일러들의 AI 데이터센터 투자 확대로 인한 신규 데이터센터 프로젝트뿐 아니라, 기존의 노후 데이터센터의 설비 교체 수요까지 가세하고 있음.

※ AI 데이터센터의 숨어 있는 병목과 미중 갈등. (‘숨겨진 병목’ 소재와 탈중국 공급망) AI 산업의 폭발적 성장과 미중 갈등으로 인한 공급망 문제는 지금도 한국 뿐 아니라 글로벌 증시를 관통하는 핵심 내러티브이며, 이 이슈는 앞으로도 계속 될 것으로 전망됩니다. 특히 AI와 미중 갈등이라는 두 축을 동시에 아우르는 소재의 중요성은 더욱 더 큰 시장의 관심을 받을 가능성이 높습니다. 이러한 배경을 바탕으로 중국의 지배력이 높으면서, AI데이터센터에도 필수적인 소재들을 정리해보았습니다. 최근 시장의 주목을 많이 받고 있는 희토류 영구자석, MLCC, 고체산화물 연료전지(SOFC)의 소재 단의 문제던지, 앞으로 AI데이터센터의 변화(800V DC 아키텍처, CPO 전환, 데이터센터간 광 백본 등)에 따라 급격한 병목이 예상되는 소재들(이들 소재들은 필연적으로 극한의 성능을 견딜 수 있는 특수 소재를 요구합니다) 또한 미리 공부해 둔다면 앞으로의 투자에도 도움이 될 거라고 판단됩니다. 삼성전기, 무라타 등이 만들고 있는 AI데이터센터 고성능 MLCC의 숨겨진 병목이 디스프로슘(dy)이라는 것을 아는 이는 많지 않으며, 블룸에너지의 SOFC에서 산화스칸듐의 수급이 매우 어려워 앞으로 SOFC의 확대에 커다란 장애물이 될 것이라는 사실도 시장에서는 아직 생소한 영역일 수 있습니다. 800V DC(또는 징검다리로 sidecar나 +-400V DC)로 데이터센터의 전력 아키텍처가 변화하면 가장 큰 병목이 될 수 있는 전력반도체(GaN, SiC), GPU 간의 데이터 병목을 해소하기 위한 공동 패키징 광학(CPO) 기술에서 앞으로 메모리 이상의 병목이 될 수 있는 인화인듐(InP) 기판 등 숨어 있는 거대 병목들이 존재합니다. 그리고 이들 병목의 중심에 중국의 지배력이 있기 때문에, 중국에서 벗어나고자 하는 탈중국 공급망 구축 업체들의 가치는 계속해서 높아질 것입니다. 이러한 관점에서 제이에스링크와 고려아연을 주목하고 있는데, 국내 기업 중 이 두 기업이 탈중국 공급망 구축이라는 측면에서 가장 핵심적인 위치(사실상 대안이 없는 상황)에 놓여 있기 때문입니다. ● 중국이 장악하고 있는 AI 데이터센터의 숨겨진 병목들 1. 희토류 영구자석 (AI 데이터센터 내 사용처) HDD용 VCM, 광트랜시버용 광아이솔레이터, 냉각용 서버 팬 및 펌프용 BLDC 모터, 대형 팬 및 칠러용 대형 모터, 비상용 발전기 등 (중국 글로벌 점유율) 영구자석 제조의 약 90% 이상, 2025년 4월부터 희토류 영구자석 수출허가 대상. 2025년 10월부터 영구자석 및 기술 장비 통제, 2026년 11월 10일까지 유예 중 (2027년 1월로 연장) (관련주/국내) 제이에스링크 : 라이나스로부터 중희토류/경희토류 산화물을 제공받아 영구자석을 제조하는 비중국 밸류체인 업체 2. 디스프로슘(Dy) 산화물 (AI 데이터센터 내 사용처) AI 서버용 고신뢰성 MLCC 유전체 첨가제 (중국 글로벌 점유율) 정제기준 약 99% 이상. 2025년 4월부터 디스프로슘 수출 허가 대상(유예 상태 아님) (관련주/해외) 호주 라이나스 : 현재 디스프로슘 산화물을 상업적으로 정제할 수 있는 유일한 비중국 업체 3. 산화 스칸듐(Sc2O3) (AI 데이터센터 내 사용처) 고체산화물 연료전지(SOFC) (중국 글로벌 점유율) 정제기준 약 70% 이상, 2025년 4월부터 수출허가 대상 연료전지 등급의 산화 스칸듐은 중국 후난둥팡 스칸듐 한 곳이 50% 이상 점유. 블룸에너지가 5GW로 고체산화물 연료전지를 증설하기로 발표하였는데, 이를 위해서는 산화 스칸듐이 약 220톤이 필요.(참고로 이는 2026년 7월 블룸에너지 공매도 리포트/Hunterbrook의 추정치임) 하지만 현재 산화 스칸듐 글로벌 생산량은 30 - 40여 톤에 불과. 스칸듐은 단독 광산 채굴이 불가능에 가깝고, 티타늄, 니켈 제련의 부산물로 극미량 회수되는 특성을 가지고 있어 Capa 확장이 극도로 어려움 (관련주/해외) 스미토모금속광산 : 필리핀 니켈 공정 부산물에서 스칸듐 회수 4. 인화인듐(InP) (AI 데이터센터 내 사용처) : 광트랜시버 및 CPO 광원용으로 사용되는 AI 광통신용 레이저(EML, CW 광원), 포토다이오드 칩의 기판 (중국 글로벌 점유율) 인듐 정제 약 70%, 광산 약 60%, 2025년 2월부터 수출 통제 중 (관련주/국내) 고려아연 : 고순도 인듐 국내 유일이자 비중국 1위 업체. 아연 제련 부산물에서 회수한 인듐을 정련하여 글로벌 InP 기판 제조사 및 ITO 타겟 업체들에게 공급. 국내 온산은 단일 사업장 기준 비중국 최대 인듐 생산지임. AI 광통신용 InP 기판 쇼티지 국면에서 가장 직접적인 업스트림 소재 수혜주. (관련주/국내) 오이솔루션 : InP 화합물 반도체 웨이퍼 팹을 통해 Epi 성장 및 레이저 칩 공정 내재화 5. 갈륨(Ga) (AI 데이터센터 내 사용처) : GaN 전력반도체(800V DC 아키텍처 적용 시 SiC와 함께 필수), GaN RF 소자 (중국 글로벌 점유율) 정제 기준(저순도) 98 – 99%, 2026년 11월 27일까지 대미 수출 금지 유예 중 (관련주) 에이프로 : 8인치 GaN 에피웨이퍼 내재화 및 GaN 전력반도체 소자 설계. 제조는 DB하이텍이 담당 예정 6. 텅스텐(W) (AI 데이터센터 내 사용처) : 반도체 콘택/비아 플러그, DRAM 및 NAND 워드라인 금속(WF6 증착) (중국 글로벌 점유율) 광산 생산의 약 80%, 2025년 2월부터 수출 통제 중 (관련주/해외) 알몬티 인더스트리즈 : 국내 상동 텅스텐 광산 시운전 완료 및 처리 시작. (정광 기준 연 약 2,300톤) 7. 에르븀(Er) (AI 데이터센터 내 사용처) 데이터센터 간 장거리, 메트로 광증폭기(EDFA). 분산 슈퍼팩토리(데이터센터 간 광 백본) 확산 수요로 인해 에르븀의 수요가 커져 가는 중 (중국 글로벌 점유율) 정제는 100% 독점. 현재 중국 외 상업적 규모로 에르븀 분리 생산 자는 확인되지 않고 있음. 사실상 완전 독점 8. 저머늄(Ge) (AI 데이터센터 내 사용처) 광섬유 프리폼 도핑(GeCl4), Ge-on-Si 포토다이오드, 적외선 광학. CPO 집적도가 높아질 수록 수요 증가 (중국 글로벌 점유율) 정제 기준 약 60 - 70%. 2023년부터 수출 허가제 시행 중. 2026년 11월 27일까지 대미 수출 금지 유예 (관련주/국내) 고려아연 : 자회사 켐코가 2026년 8월 저머늄 시험생산, 2028년부터 록히드마틴 등 방산 기업에 고순도 저머늄 공급 계획 (관련주/국내) 대한광통신 : 광섬유 프리폼 자체 생산 9. 흑연 (AI 데이터센터 내 사용처) ESS, UPS, BBU용 배터리 음극재 (중국 글로벌 점유율) 배터리 음극재용 흑연 제조의 약 90% 이상, 2023년 12월부터 수출허가제, 대미 강화 심사는 2026년 11월 27일(2027년 1월로 연장)까지 유예 중 (관련주/국내) 포스코퓨처엠 : 국내에서 유일하게 천연흑연과 인조흑연 음극재를 모두 양산 가능. 포항은 연 8천톤 capa 가동 중. 베트남은 2028년 양산 목표.

※ 미국 중간 선거가 재생에너지 산업에 대한 왜곡된 시각을 바꿀 수 있는 계기가 될 수 있을까? 최근 미국의 중간 선거가 다가오기 시작하면서 주식시장에서도 미묘한 변화가 감지되기 시작하였습니다. 미국 민주당이 하원을 이긴다는 기존 예측에 더해 상원까지 다수당이 될 수 있다는 블루웨이브 가능성이 높아지면서, 이에 따른 각 산업별 득실을 따져 보고자 하는 움직임이 일어나고 있는데, 특히 지금까지 트럼프 행정부로 인해 가장 노이즈가 많았던 재생에너지, 2차전지 산업 등이 민주당의 중간 선거 승리로 인해 수혜를 받을 것이라는 예측들이 늘어나고 있습니다. 그리고 이러한 가능성에 기댄 움직임이 국내 재생에너지와 2차전지 섹터에도 조금씩 나타나고 있는 상황입니다. 트럼프 정권 기간 동안 AI 인프라 투자가 시장을 이끌고 있는 가운데, 전력과 에너지가 시장의 주목을 받아왔었는데 소위 트럼프 내러티브 수혜주라 할 수 있는 원전/SMR, 천연가스 등의 전력원이 시장에서도 좋은 모습을 보여주었습니다. 하지만 재생에너지는 높은 성장률에도 불구하고 트럼프 노이즈로 상대적으로 상승률이 제한된 모습을 보여주었습니다. 실제 미국에서 빠르게 성장하고 있는 전력원은 트럼프가 선호하는 원전/SMR, 천연가스가 아닌 재생에너지 였으며 미국 신규발전원 중 재생에너지가 차지하는 비중은 계속해서 높아져 왔었습니다. 특히 AI 산업의 급성장으로 인해 전력수요가 증가하였는데, 이 증가분의 대부분을 재생에너지가 차지하고 있는 상황입니다. 2024년 바이든 정부 마지막 해 태양광의 설치용량은 30.0GW, ESS는 10.3GW, 풍력 5.1GW 였으며, 천연가스는 2.5GW, 원전 및 기타은 1.1GW 였습니다. 2026년 올해 태양광 예상 설치량은 44GW, ESS 24GW, 풍력 12GW, 천연가스 5.7GW, 원전 및 기타 0.5GW 미만으로 재생에너지(태양광+풍력+ESS)가 전체 설치량의 90%가 넘는 상황입니다. 이러한 객관적인 자료에도 불구하고, 재생에너지에 대한 시장의 심리는 원전, 천연가스 보다 좋지 못하였으며 이는 트럼프의 말에 의한 결과라 할 수 있었습니다. 즉, 실제적으로 크게 성장하고 있는 재생에너지는 트럼프로 인해 주목 받지 못하고, 실제적인 성과가 크지 않은 원전과 천연가스는 트럼프의 말에 의해 시장에서 주목을 받아 왔습니다. 만약 이번 중간 선거에서 민주당이 승리(최소 하원이라도)한다면, 최소 발전원 분야에서 만이라도 지금까지와는 다른 흐름이 나타날 수 있다고 전망됩니다. 그리고 이는 트럼프 1기에도 똑같이 경험한 바가 있었습니다. 트럼프 1기에도 트럼프는 석탄, 천연가스에 대해서 매우 우호적이었지만, 중간 선거에서 하원에서 민주당에 패하였고 그 이후에 글로벌 재생에너지가 폭발적인 주가 상승을 보여 준 바가 있었습니다. 코로나 팬데믹으로 풀린 돈이 재생에너지, 전기차, 2차전지, 코인 등으로 쏟아지면서 폭발적 상승이 이었습니다. 이번에는 당시와 유동성의 차이가 있고 AI 산업이라는 확실한 시장 주도 섹터가 존재하기 때문에 트럼프 1기와 같은 폭발적인 주가 상승은 어려울 수 있어도, 최소 트럼프로 인하여 왜곡된 재생에너지 섹터에 대한 심리는 다시 살아날 수 있을 것으로 기대됩니다. ● AI데이터센터 전력난이 돈을 만든다. 신재생에너지 내년 실적 폭발 (유진투자증권 한병화 이사/815머니톡, 2026. 10. 04) ○ AI 데이터센터 전력난과 신재생에너지의 기회 1) 미국 중간선거 이후 IRA 보조금 정책 변화 가능성 바이든 정부의 IRA는 트럼프 정부에서 OBBA 법으로 전환되면서 이미 상당 부분 축소되었음. 전기차 부분 보조금은 사라졌으며, 풍력 및 태양광 보조금은 2027년 말까지로 제한되었음. AMPC 또한 섹터별로 축소되었음. 시장은 중간 선거 이후 축소되었던 지원들이 다시 살아날 수 있을지 기대하고 있으며, 이는 중간 선거 결과에 따라 달라질 수 있음. 하원의 경우 예산 발휘 권한을 가지고 있어, 만약 민주당이 하원을 가져가게 되면 재생에너지, 전기차 등에 대한 트럼프의 공격이 어려워짐. 이는 하원의 예산 승인이 필요하기 때문임. 때문에 중간 선거는 중요한 분수령이 될 수 있음. 2) 미국 인허가 법안(Permitting Act)의 중요성과 영향 미국에서 제안된 인허가 법안(BBA, Permitting Act)은 재생에너지 프로젝트의 속도를 높이고 전력 인프라 확장에 기여할 것으로 기대됨. 최근 미 상원과 하원의 의원들이 전기 관련 사업 허가를 빠르게 진행하기 위한 법안을 발의하였음. 이 법안에는 허가를 한번 주면 함부로 취소할 수 없도록 하는 내용도 포함되어 있음. 줄여서 ‘허가법’이라고 부르는 이 법안은 원래 트럼프 정부에서 제안되었는데, 가스, 석탄, 전력망 등의 허가를 단순화하려는 목적이었음. 민주당은 여기에 풍력과 태양광 부분도 함께 포함하기로 합의하였으며, 만약 이 법안이 상하원 모두에서 통과된다면, 미국 전력 확장에 큰 도움이 될 것임. 법안에는 풍력, 태양광, 전력망, 가스 등이 모두 포함됨. 3) 미국 전력망 내 재생에너지 비중 확대와 정책 방향 데이터센터는 앞으로 계속 지어져야 하므로, 재생에너지에 대한 선택은 늘어날 수 밖에 없음. 미국 전력망 내 재생에너지 비중은 이미 매우 높은 상황으로, 정책 후퇴는 불가능함. 미국 신규 발전 설비 중 90% 이상이 재생에너지이며, ESS를 제외해도 80%이상이 태양광과 풍력임. 즉, 미국은 현재 태양광과 풍력이 없으면 국가 전력 운영이 불가능한 상황임. 이는 미국 뿐 아니라 전 세계적인 현상임. 현재 많은 국가들의 핵심 에너지 정책 방향은 늘어나는 재생에너지를 간헐성 없이 잘 분배하는 것에 초점이 맞춰져 있음. 가스 발전이 대안이 될 수 있다는 주장도 있지만, 이는 쉽지 않음. 미국에서는 매년 신규 가스 발전소가 건설되고 있지만, 동시에 없어지는 가스 발전소도 많음. 순증감을 보면, 연간 4 – 5기의 가스 발전이 늘어나는 수준에 불과함. 석탄 발전소는 연간 7 – 10기 이상씩 사라지고 있음. 결과적으로 화석 연료 발전소는 매년 감소하고 있으며, 이러한 공백을 태양광과 풍력이 메우고 있음. 4) 중국산 제품 차단과 국가 안보 차원의 신재생에너지 정책 미국의 중국산 제품 차단은 여야 구분 없이 초당적으로 지지 받고 있음. 이는 에너지 안보와 직결된 국가 안보 문제이기 때문임. 만약 중국이 미국 태양광 공급을 통제하게 된다면 심각한 에너지 문제가 발생할 수 있으며, 때문에 바이든 정부는 IRA를 통해 미국 내 생산을 강조하고 있음. IRA의 핵심은 AMPC 보조금으로, 직접 보조금을 지급하여 미국 내에서 생산을 유도하고자 함. 이는 중국을 차단하기 위한 법안이었음. 트럼프 정부는 많은 법안을 폐기하였지만, AMPC는 그대로 유지하였음. 이는 미국의 여야가 중국을 차단하고 미국 내 모든 밸류체인을 구축하겠다는 공통된 의지를 보여줌. 유럽 또한 유사한 정책을 펼칠 가능성이 높음. 5) 한국 정부의 ‘10대 K-GX 시그니처 프로젝트’와 녹색 대전환(K-GX) 한국 정부는 AI(AX) 다음은 녹색 전환(GX)이라는 기조 아래, AI와 데이터센터를 뒷받침할 그린 산업 인프라 육성을 목표로 하는 10대 K-GX 시그니처 프로젝트를 추진하고 있음. K-GX 프로젝트는 원래 올 6월에 발표될 예정이었으나, 수백조 원 규모의 AI 및 데이터센터 메가 프로젝트에 관심이 쏠리면서 뒤로 밀렸음. 하지만 메가 프로젝트를 가동하기 위한 인프라가 바로 K-GX, 즉 녹색 대전환이기 때문에 서로 매칭될 수밖에 없는 구조임. K-GX 프로젝트는 원래 계획보다 규모가 훨씬 커지고 있음. 정부는 그린 산업 기업에 대한 대규모 지원, 세액 공제, 그리고 향후 증가시킬 구체적인 방향을 제시할 것임. 기존에는 정부가 반도체, AI, 데이터센터에 집중했다면, 이번에는 이를 뒷받침할 그린 산업 인프라까지 성장 축으로 삼겠다는 모토를 가지고 있음. 6) 정책 지속 가능성과 글로벌 트렌드의 중요성 정책의 연속성이 중요하지만, 가장 중요한 것은 글로벌 방향성임. 트럼프 1기 때도 재생에너지와 전기차에 부정적인 정책들이 있었지만, 중간 선거 이후 모든 관련 종목들이 급등했었음. 이는 글로벌 트렌드임에도 트럼프에 의해 잠시 억눌려 있었으나, 중간 선거 이후 다시 제 방향성을 찾았기 때문임. 7) 한국 정부의 에너지 고속도로와 재생에너지 정책 한국 정부는 에너지 고속도로 프로젝트를 발표하면서 HVDC를 전국적으로 연결하겠다고 발표했었음. 이 프로젝트의 완공에는 시간이 오래 걸리기 때문에, 재생에너지 확대 속도를 높이기 위해 정부는 전력망 접속 촉진 정책을 발표하였음. 기존 전력망을 활용하고, 송전단 및 배전망 끝단에 대규모 ESS를 설치하여 재생에너지 수용 여력을 늘리겠다는 구상임. 이를 통해 호남 지역에 집중된 태양광 및 풍력 발전에 대한 접속 허가가 빠르게 진행될 것으로 예상. 결론적으로 한국에서도 재생에너지가 빠른 속도로 늘어날 준비가 끝났으며, 이는 K-GX 프로젝트를 통해 확인 될 것임. 8) 재생에너지 섹터별 실적 전망 및 투자 우선순위 재생에너지 섹터 중 태양광이 가장 먼저 실적을 낼 것으로 예상되며, 투자자들은 내년 업황과 실적을 중심으로 정책 방향과 중첩되는 종목을 고려해야 함. 태양광은 현 정부의 목표인 연간 10GW 이상 생산 목표를 달성하기 위해 국내 생산 Capa의 증설이 필요할 정도로 수요가 폭발적으로 증가할 것. 이는 지난 정부 때의 연간 3GW대비 3배 이상 늘어난 수치임. 풍력은 2030년까지 프로젝트를 확장할 계획이며, 특히 해상풍력은 2035년까지 50GW 이상 입찰을 목표로 하고 있음. 풍력은 설치까지 시간이 오래 걸려 태양광 보다는 속도가 느릴 것으로 예상. ESS 또한 폭발적으로 늘어날 전망임. 중국 LFP 배터리가 ESS 시장을 장악했으나, 미국의 중국산 제품 차단 정책으로 인해 국내 배터리 업체들에게 기회가 생기고 있음. 미국은 연간 50GW 이상의 ESS가 설치되고 있으며, 한국 역시 연간 10 – 20GW 규모의 ESS 시장이 형성될 것으로 예상. 이에 정부는 국내 공장 증설을 유도하는 정책을 펼치고 있음. 내년 업황과 실적이 가장 중요하며, 여기에 정책 방향과 중첩되는 종목들을 고려해야 함. 미국 시장에서 잘하는 한화솔루션, CS윈드 등이 있으며, 이들은 미국 시장에서도 메이저 플레이어임. 국내에서는 별 변수 없이 확장되는 태양광, 풍력, ESS 분야에서 잘하는 업체들을 주목해야 함. 한화솔루션, HD현대에너지솔루션, 유니슨(풍력터빈) 등도 좋은 선택지가 될 수 있음. LG에너지솔루션, 삼성SDI 등 배터리 업체들도 긍정적임. 특히 미국과 국내 시장 모두에서 영향력이 있는 업체들이 시장에서 더 선호 될 수 있음. https://www.youtube.com/watch?v=dONn3eEEvuE

※ 미국 제네시스 미션(Genesis Mission) 중 전력망 부문 (AI를 통한 전력망 안정화) 미국 에너지부(DOE)가 추진하는 ‘제네시스 미션’ 중 전력망(Grid) 부문은 미국 경제의 지속 가능성을 위한 전력망 확장(Scaling the Grid to Power the American Economy)라는 공식 국가 과제입니다. AI데이터센터 증설, 제조업 리쇼어링, 전동화(Electrification)으로 인해 급증하는 미국의 전력 수요를 기존 전력 인프라가 감당하지 못하고 있고, 이러한 전력망 병목을 해결하기 위해 AI 기술을 전력망 배류체인 전부문에 도입하는 것을 목표로 하고 있습니다. ○ 전력망 과제의 핵심 목표 및 정량 지표 1) 도전과제 데이터센터와 첨단 제조 시설의 전력 수요가 폭증하는 상황에서 기존 전력망의 용량 한계와 신뢰도 저하를 극복하고, 기업과 가정의 전기요금 부담을 낮춤. 2) 정량적 목표 전력망 계획 수립 및 계통연계, 운영 의사결정 속도를 20 – 100배 가속화 전력 비용 및 계통 신뢰도를 최소 10% 이상 개선 ○ 구체적인 AI 기술 적용 1) 계통 연계(Interconnection) 대기열 해소 및 시뮬레이션 고도화 신규 발전원 및 대규모 데이터센터가 전력망에 접속할 때 필요한 계통 영향 평가에 수 개월 – 수 년이 소요되던 과정을 대규모 딥러닝과 강화학습(RL) 모델을 통해 수일 이내로 단축. 기상, 조업 패턴, 부하 변동 등 이종(Heterogeneous) 빅데이터를 통합하여 고정밀 동적 시뮬레이션을 수행 2) 유연 부하(Flexible Load) 및 실시간 수요반응(DR, Demand Response) 운영 전력망 병목 시 AI 데이터센터가 컴퓨팅 워크로드를 시공간적으로 이동시키거나 BESS를 방전하여 전력망의 피크 부하를 낮추는 가상발전소(VPP) 형태의 연계 제어를 구축 실시간 계통 스트레스 발생 시 물리적 증설 없이도 기존 선로의 송전 용량을 극대화할 수 있도록 AI 예측 기반의 과도상태 지속(Ride-through) 및 출력 감발(Curtailment) 알고리즘을 표준화함. 3) 물리적 보완 및 설비 고장 사전 감지 아크고장(Arc Fault) 및 설비 결함으로 인한 화재를 방지하기 위해 센서 데이터와 연계된 조기 경보 AI를 도입하고, 사이버 공격과 물리적 위협에 대비한 계통 복원력(Resilience)를 강화. ○ 연구 인프라 및 참여 파트너십 1) DOE 국립연구소 실증 인프라 INL(아이다호 국립연구소) : 국가 핵심 인프라 시험단지인 CITRC(Critical Infrastructure Test Range Complex)를 통해 사이버, 물리 보안 및 계통 스트레스 실증 NLR(국립 신재생에너지 연구소/로키 연구소) : 통합 에너지 시스템 실증 플랫폼인 ARIES(advanced Research on Integrated Energy System)를 활용해 대규모 분산 전원 및 데이터센터 연계 시뮬레이션 지원 ORNL(오크리지 국립연구소) : 엑사스케일 슈퍼컴퓨터를 활용한 대규모 계통 조류 해석 및 배터리 열화, 송전망 시뮬레이션 BNL(브룩헤이븐 국립연구소) : 전력망 운용 및 마이크로일렉트로닉스 보호 연구 참여 2) 민간 컨소시엄 AI에너지 관리 및 가상 그리드 최적화 솔루션을 다루는 Emerald AI 등 민간 테크 기업들이 컨소시엄에 참여하여, 유틸리티 기업과 하이퍼스케일 데이터센터 간 계통 연계 프로토콜을 개발 중. https://www.energy.gov/undersecretaryforscience/genesis-mission/genesis-mission-national-science-and-technology-challenges https://www.energy.gov/undersecretaryforscience/genesis-mission/scaling-grid-power-american-economy#:~:text=The%20electric%20grid%20faces%20reliability%20challenges%20and,in%20grid%20planning%2C%20interconnection%2C%20operations%2C%20and%20security. https://www.emeraldai.co/blog/emerald-ai-joins-doe-genesis-mission-consortium#:~:text=This%20partnership%20is%20a%20significant%20milestone%20for,Genesis%20Mission%20Consortium%20is%20Advancing%20AI%20Discovery.