AI 인프라의 핵심 문제는 좌초 자산 위험입니다. 오늘날 시대에 뒤떨어진 구조에 의존하는 기업은 미래에 그 대가를 치르게 될 것입니다

에너지 소비가 엄청난 AI: 거대한 원자력 데이터 센터를 대체할 기발하지만 (외면받는) 대안

인공지능 인프라의 핵심적인 정치적 문제점은 투명성 부족이다

인공지능의 에너지 수요는 기하급수적으로 증가하고 있으며, 이에 따라 정치적 불안감도 고조되고 있습니다. 계획 중인 AI 데이터 센터의 막대한 전력 수요를 충족하기 위한 새로운 해결책으로 유럽과 미국에서 소형 모듈형 원자로(SMR)가 갑자기 주목받고 있습니다. 정치인들과 업계 로비스트들이 이 원자력 발전소를 유일한 구원투수처럼 떠들썩하게 바라보는 동안, 전례 없는 경제적 오판이 이면에서 도사리고 있습니다.

폭발적으로 증가하는 건설 비용, 수십 년에 걸친 완공 기간, 그리고 이른바 "좌초 자산"의 막대한 위험성은 원자력 발전 기반 AI 기가팩토리라는 꿈을 고위험 도박으로 만들고 있습니다. 특히 위험한 것은 논의에서 체계적으로 배제되고 있는 부분, 바로 분산형 AI 인프라입니다. 이 글은 소형 모듈형 원자로(SMR) 논쟁의 숨겨진 비용 진실을 파헤치고, 우리가 왜 미래의 기술로 과거의 값비싼 구조적 오류를 되풀이할 위험이 있는지 보여줍니다.

따라서 이 논쟁의 진정한 쟁점은 어떤 인프라가 더 나은가라는 기술적 문제가 아닙니다. 진정한 쟁점은 정치적인 문제입니다. 왜 미래 지향적인 AI 인프라에 대한 논의가 AI 로드맵의 계획 기간을 훨씬 넘어서는 실현 가능성을 지닌 기술, 수백 퍼센트에 달하는 비용 초과 이력이 있는 기술, 그리고 보조금 지급 내역이 불투명한 기술에만 거의 전적으로 집중되는 것일까요?

이와 관련된 내용:

• AI 기가팩토리: 숨겨진 비용 – 미국과 중국의 하이퍼스케일러 확장이 자원에 미치는 영향

인공지능 인프라 구축의 핵심 정치적 문제인 투명성 부족: 에너지 문제는 전략적 주의 분산 전술로 이용되고 있다

유럽 ​​AI 기가팩토리 건설을 둘러싼 논쟁에서 가장 중요한 질문은 바로 이것입니다. 필요한 전력은 어디에서 공급될 것인가? 정치권과 산업계에서 점점 더 많이 거론되는 답은 소형 모듈형 원자로(SMR)입니다. 이 답은 기술적으로 진보된 것처럼 보이고, 정치적으로도 실현 가능하며, 기존 이해관계 집단(원자력 산업, 국영 에너지 공급업체, 원자력 연구 기관)의 지지를 얻는 데 유리합니다. 그러나 이 논의에서 거의 완전히 빠져 있는 것은 바로 솔직한 경제적 평가입니다. SMR 원자로로 가동되는 중앙 집중식 AI 기가팩토리가 증가하는 컴퓨팅 파워 수요에 대한 가장 경제적으로 합리적인 해답일까요? 아니면 이 질문이 훨씬 더 근본적인 구조적 대안, 즉 분산형 AI 인프라 구축이라는 문제에서 주의를 돌리게 하는 것일까요?

국제에너지기구(IEA)는 전 세계 데이터센터의 전력 소비량이 2030년까지 두 배 이상 증가하여 연간 거의 1,000테라와트시(TWh)에 달할 것으로 예측합니다. 오늘날에도 대형 AI 데이터센터 하나가 인구 5만 명 규모의 도시만큼의 전력을 소비하고 있으며, 초대형 시설은 이미 기가와트(W)급으로 운영되고 있습니다. IEA는 미국만 해도 데이터센터와 AI 애플리케이션에 필요한 전력량이 2029년까지 60기가와트에 달할 것으로 예측하는데, 이는 원자력 발전소 약 60개의 발전량에 해당합니다. 이러한 수치는 인상적이지만, 근본적인 논리적 오류를 내포하고 있습니다. 즉, 대안적인 인프라 모델을 진지하게 고려하지 않고 현재의 중앙 집중식 데이터센터 구조를 미래로 그대로 투영하고 있다는 것입니다.

SMR의 약속 뒤에 숨겨진 비용의 진실

소형 모듈형 원자로(SMR)를 둘러싼 논의는 놀라울 정도로 낙관적인 분위기로 점철되어 있지만, 자세히 살펴보면 이러한 낙관론은 실증적인 근거가 부족합니다. SMR 지지자들은 기존 대형 원자로에 비해 건설 기간 단축, 대량 생산을 통한 비용 절감, 그리고 빠른 확장성을 약속합니다. 그러나 현실은 훨씬 더 냉정한 모습을 보여줍니다.

전 세계 원자력 발전소 시장은 수년간 정체 상태에 있습니다. 2024년에는 전 세계적으로 단 6개의 신규 원자력 발전소가 가동을 시작했고, 4개는 폐쇄되어 순증가분은 2개에 불과했습니다. 이러한 정체의 원인은 구조적인 문제입니다. 막대한 투자 비용, 10~15년에 달하는 건설 기간, 그리고 사실상 국영 기업만이 감당할 수 있는 재정적 위험 등이 그 원인입니다. 이러한 비용 급증의 대표적인 사례는 프랑스의 플라망빌 3호기입니다. 2006년 당초 32억~33억 유로로 추산되고 5년의 건설 기간이 예상되었던 이 발전소는 17년의 건설 기간 끝에 최종적으로 237억 유로의 비용이 소요되었습니다.

미국의 대표적인 원자력 발전소 프로젝트인 조지아주의 보그틀 원자력 발전소조차도 초기 예산은 140억~155억 달러로 책정되었지만, 최종적으로는 340억 달러라는 예상치의 두 배가 넘는 비용이 소요되었습니다. 세계적인 원자력 기술 기업 중 하나인 웨스팅하우스는 그 직후 파산 신청을 했습니다. 영국의 힝클리 포인트 C 원자력 발전소 역시 초기 예산이 20억 파운드에 불과했음에도 불구하고, 건설 비용이 327억 파운드(약 413억 달러)까지 치솟았습니다. 이제 업계 전문가들이 사용하는 경험 법칙은 원자력 산업의 초기 비용 추정치에 10을 곱하면 현실적인 수치를 얻을 수 있다는 것입니다.

서구권에서 상업적으로 배치된 모듈형 시스템이 단 하나도 없는 소형 모듈형 원자로(SMR) 발전소의 경우, 비용 상황은 더욱 불확실합니다. 2024년 초 하인리히 뵐 재단의 분석(참고: 연도는 미래의 2026년이 아닌 2024년으로 논리적으로 수정됨)에 따르면, 대부분의 SMR 개념은 여전히 ​​개발 초기 단계에 있으며, EU의 규제 승인을 받지 못했고, 2050년 이전에는 상당한 양의 전력을 생산할 가능성이 낮다고 결론지었습니다. 에너지 경제 및 금융 분석 연구소(IEEFA)도 이러한 비판적 평가에 동의합니다. SMR은 건설 비용이 너무 높고, 건설 기간이 너무 길며, 위험성이 너무 높아 향후 10~15년 동안 에너지 전환에서 중요한 역할을 하기 어렵다는 것입니다. IEEE에 따르면, SMR에 대한 투자는 이미 현재 이용 가능한 탄소 배출이 없고 비용 효율적인 재생 에너지원에서 자원을 빼앗아 갈 것입니다.

이 논쟁에서 종종 간과되는 측면은 숨겨진 보조금입니다. 그린피스의 의뢰를 받아 생태사회시장경제포럼이 실시한 계산에 따르면, 독일의 원자력 발전 지원은 1950년부터 2008년까지 최소 1,650억 유로의 국가 보조금에 달했으며, 향후 예상되는 비용만 해도 925억 유로에 이릅니다. 그러나 독일 정부는 보조금 보고서에서 2억 유로 미만만을 보고했는데, 이는 보조금에 대한 정의가 매우 좁기 때문에 발생하는 엄청난 차이입니다. 이 계산에는 세금 감면, 정부 보증, 연구 자금 지원, 핵폐기물 저장소 비용, 그리고 가장 중요한 것은 재난 발생 시 사실상 무제한적인 정부 책임이 고려되지 않았습니다. 만약 원자력 발전소 운영자가 표준 시장 책임 보험에 가입해야 한다면, 이 계산에 따르면 원자력 발전 비용은 킬로와트시당 최대 2.70유로 더 비싸져 경쟁력이 떨어질 것입니다.

투명성 부족: 로비 단체의 이익이 인프라 결정에 영향을 미칠 때

AI 기가팩토리의 에너지 공급에 대한 논의가 왜 거의 전적으로 원자력 발전에만 집중되고, 동시에 분산형 대안에 대해서는 논의되지 않는가 하는 문제는 기술적인 문제가 아니라 정치적인 문제입니다. 이는 공공 인프라 논의에서 구조적인 투명성 부족을 보여줍니다.

유럽연합(EU)은 인공지능(AI) 기가팩토리 건설을 전략적 우선순위로 선언하고, 최대 5개의 AI 기가팩토리 건설을 위해 200억 유로 규모의 InvestAI 기금을 조성했습니다. EU가 정의하는 AI 기가팩토리는 10만 개 이상의 특수 칩을 생산할 수 있는 시설이며, 에너지 공급을 포함한 각 시설의 건설 비용은 EU 추산 30억~50억 유로에 달합니다. 독일은 이러한 시설 중 하나에 8억 500만 유로의 초기 자금을 지원하고 있으며, 도이치텔레콤, 슈바르츠 그룹, 이오노스 또는 바이에른 컨소시엄 등 어떤 기업이 사업을 맡을지 적극적으로 논의 중입니다. 이러한 자금 지원 구조는 본질적으로 왜곡된 유인책을 만들어냅니다. EU가 정의하는 "기가팩토리"의 기준을 충족하는 것은 대규모 중앙집중식 프로젝트뿐이기 때문입니다. 경제적 관점에서 더 매력적일 수 있는 소규모 분산형 프로젝트는 이러한 자금 지원 체계에서 소외될 수밖에 없습니다.

비용 데이터의 선택적 제시에서도 투명성 부족이 명백히 드러납니다. 정치인과 업계 관계자들은 소형 모듈형 원자로(SMR)에 대해 이야기할 때 낙관적인 제조업체 추정치를 인용합니다. 비판자들이 과거의 비용 초과 문제를 지적하면, 이는 개별적인 사건이나 이전 기술의 고유한 문제로 치부됩니다. 그러나 SMR이 부정적인 사례로 제시되는 대규모 원자로 프로젝트보다 상업적 규모에서 더 경제적일 것이라는 믿을 만한 실증적 증거는 단 하나도 없습니다. 특히 서구 기준에 따라 상업적으로 의미 있는 SMR 프로젝트가 아직 하나도 가동되지 않았다는 점을 고려하면 더욱 그렇습니다.

이와 관련된 내용:

• 스탠퍼드 연구: 로컬 AI가 갑자기 경제적으로 우월해질까? 클라우드 도그마와 기가비트 데이터 센터의 종말?

간과된 대안: 분산형 AI 인프라가 경제적으로 더 나은 해답이 될 수 있는 이유

AI 기가팩토리와 그 에너지 공급에 대한 전체 논의에서 놀랍도록 드물게 제기되는 질문은 바로 이것입니다. 왜 우리는 기가팩토리가 필요한가? 그리고 만약 필요하다면, 왜 반드시 중앙 집중식이어야 하는가?

현재 로컬 및 분산형 AI 인프라는 조용하지만 근본적인 경제적 재평가를 거치고 있습니다. 프라운호퍼 연구소의 연구에 따르면 엣지 기반 시스템은 기존 클라우드 처리 방식보다 대역폭과 냉각 용량이 적게 필요하기 때문에 전기 비용을 최대 35%까지 절감할 수 있습니다. 매초 측정값을 전송하는 1,000개의 IoT 센서가 설치된 공장은 엣지 컴퓨팅을 사용하지 않을 경우 매일 8,600만 개의 데이터 포인트를 클라우드로 전송합니다. 하지만 로컬 데이터 필터링(엣지 필터링)을 적용하면 이 수치는 약 800만 개로 줄어들어 대역폭 및 클라우드 스토리지 비용을 90% 절감할 수 있습니다. 이러한 수치는 경제적으로 매우 중요하지만 공공 인프라 논의에서는 거의 다뤄지지 않습니다.

분산형 엣지 데이터 센터는 또한 지역 열 회수 기능을 제공하여 주거 지역, 사무실 건물 또는 산업 시설을 난방하는 데 사용할 수 있습니다. 폐열을 경제적으로 활용 가능한 부산물로 간주할 경우 이러한 시너지 효과는 전반적인 비용 균형을 크게 개선합니다. 중앙 집중식 기가팩토리도 동일한 폐열을 발생시키지만, 해당 지역에는 폐열 사용에 대한 수요가 충분하지 않습니다.

주목할 만한 점은 독일 연방 정부의 연립 협약이 분산된 위치에 엣지 컴퓨팅과 같은 탈중앙화 인프라를 지원하는 것을 명시적으로 목표로 하고 있다는 것입니다. 그러나 동시에 적어도 한 곳의 유럽 AI 기가팩토리가 독일에 유치되고 있는데, 이는 탈중앙화 원칙과 구조적으로 모순되는 접근 방식입니다. 이러한 모순은 인프라 구축 결정에 있어 정치적 위신과 경제적 합리성이 얼마나 극명하게 충돌할 수 있는지를 보여줍니다.

몇몇 거대한 중앙 집중식 시설로 구성된 AI 인프라 모델은 대형 발전소를 통한 중앙 집중식 에너지 ​​공급이라는 구시대적인 패러다임을 되풀이하는 것입니다. 이는 에너지 산업 자체가 분산형 발전 구조의 장점을 이제 막 내재화하기 시작하는 시점에 더욱 문제가 됩니다. 디지털화 인프라 분야에서 에너지 산업의 제도적 오류를 되풀이하는 것은 역사적인 실수가 될 것입니다.

이와 관련된 내용:

• 분산형, 연합형, 회복탄력적인 AI 인프라와 AI 기가팩토리 또는 하이퍼스케일 AI 데이터 센터 중 어느 것이 더 나을까요?

제본스 역설과 효율성의 기만적인 논리

소형 모듈형 원자로(SMR) 분산화 딜레마의 타당성에 대한 일반적인 반론은 AI 하드웨어의 효율성이 점점 높아지고 있으므로 에너지 소비가 안정화될 것이라는 주장입니다. 이 주장이 완전히 틀린 것은 아니지만, 완전히 맞는 것도 아니며, 소위 제본스 역설을 간과하고 있습니다.

마이크로소프트 CEO 사티아 나델라는 2024년 베를린에서 AI 시스템의 성능이 6개월마다 두 배로 증가한다고 발표했습니다. 현재 데이터에 따르면 AI 시스템의 성능은 7개월마다 두 배로 증가하고 있으며, 이는 2년마다 두 배로 증가한다는 기존의 무어의 법칙보다 훨씬 빠른 속도입니다. 중국의 AI 스타트업 딥시크(DeepSeek)는 2024년 말과 2025년 초에 기존에 필요했던 자원의 극히 일부만으로도 비슷한 결과를 얻을 수 있음을 인상적으로 보여주었습니다. 딥시크 V3는 단 2,048개의 NVIDIA H800 GPU만을 사용하여 단 두 달 만에 학습되었는데, 이는 메타(Meta)가 비슷한 모델을 학습하는 데 3,080만 GPU 시간을 필요로 했던 것과 비교하면 놀라운 성과입니다.

하지만 기술적 효율성 향상이 전반적인 에너지 수요를 완화할 수 있다는 주장은 구조적인 이유로 설득력이 부족합니다. AI 시스템이 더 저렴하고 효율적이 될수록 사용량도 늘어날 것이며, 수요 증가 속도는 효율성 향상 속도보다 훨씬 빠릅니다. 국제에너지기구(IEA)는 AI 관련 에너지 소비 증가율이 설비 용량 확장 속도보다 느리지만, 데이터 센터의 전력 소비량은 2030년까지 전 세계적으로 945TWh로 두 배 이상 증가할 것이라고 예측했습니다. 독일만 해도 데이터 센터의 에너지 수요는 2015년 120억kWh, 2024년 200억kWh에서 2025년 213억kWh로 증가할 전망입니다. 효율성 향상과 수요 증가는 끊임없이 경쟁하며, 역사적으로 수요가 항상 우선시되어 왔습니다.

더 나아가, DeepSeek 사례에는 중요한 뉘앙스가 있습니다. 효율적인 학습에도 불구하고, 해당 모델은 700억 개의 매개변수를 가진 유사한 메타 모델보다 운영(추론) 과정에서 최대 87% 더 많은 에너지를 소비합니다. 효율적인 학습을 가능하게 하는 복잡한 아키텍처는 오히려 운영 중 에너지 소비를 증가시킬 수 있습니다. 따라서 시스템의 한 영역에서의 효율성이 전체 시스템의 효율성으로 이어지는 것은 아니며, 이는 중앙 집중식 인프라 설계자들이 용량 계획을 세울 때 흔히 간과하는 부분입니다.

산업 중점 분야: B2B, 디지털화(AI부터 XR까지), 기계 공학, 물류, 신재생 에너지 및 산업

자세한 내용은 여기에서 확인하세요:

• 전문가 비즈니스 허브

주제별 통찰력과 전문 지식을 제공하는 허브:

• 글로벌 및 지역 경제, 혁신, 산업별 동향을 다루는 지식 플랫폼
• 주요 관심 분야에 대한 분석, 통찰력 및 배경 정보 모음입니다
• 비즈니스 및 기술 분야의 최신 동향에 대한 전문 지식과 정보를 얻을 수 있는 공간입니다
• 시장, 디지털화 및 산업 혁신에 대한 정보를 찾는 기업들을 위한 허브입니다

배터리 저장 장치가 판도를 바꿀 수 있을까? 나트륨 이온 배터리 혁명과 그 의미는 무엇일까?

중앙 집중식 소형 모듈형 원자로(SMR) 전략을 재평가해야 하는 가장 강력한 이유 중 하나는 에너지 저장 기술, 특히 소금 전지로 널리 알려진 나트륨 이온 기술의 급속한 발전입니다. 이러한 발전은 추측이 아니라 실증적으로 검증 가능하며, 분산형 AI 인프라의 경제적 타당성에 직접적인 영향을 미칩니다.

나트륨 이온 배터리는 이미 리튬 이온 기술과 가격 경쟁력을 회복하고 있습니다. IDTechEx의 데이터에 따르면 현재 나트륨 이온 배터리 셀의 평균 가격은 kWh당 약 87달러입니다. 셀 단위 생산 비용은 생산량 증대가 이루어질 경우 kWh당 약 40달러까지 하락할 것으로 예상되며, 이는 충분히 실현 가능한 시나리오입니다. 에너지 저장 장치의 가격 하락 추세는 더욱 두드러집니다. BloombergNEF는 에너지 저장 장치 팩 가격이 2025년에는 kWh당 70달러까지 하락할 것으로 예측했는데, 이는 전년 대비 45% 하락한 수치로, 모든 배터리 부문 중 가장 큰 폭의 가격 하락입니다.

장기 전망은 전략적 인프라 계획에 특히 중요합니다. 빠른 학습률을 가정할 때, 2050년까지 나트륨 이온 배터리의 에너지 저장 비용은 메가와트시(MWh)당 11유로에서 14유로까지 낮아질 수 있으며, 이는 MWh당 16유로에서 22유로가 예상되는 리튬 이온 기술보다 저렴합니다. 이러한 수치는 분산형 태양광 데이터 센터의 경제적 타당성 계산 방식을 근본적으로 바꿔놓습니다. 낮 동안 재생 가능한 태양광 에너지를 저장하고 밤이나 풍력 및 태양광 발전량이 적은 시간대에 사용하는 분산형 데이터 센터는 이러한 저장 비용으로 5년 전에는 상상도 할 수 없었던 방식으로 경제적으로 운영될 수 있습니다.

나트륨 이온 배터리는 광범위한 인프라 구축에 필수적인 구조적 이점을 제공합니다. 나트륨은 유럽에서 무한정으로 생산되는 국내 원자재이므로 전략적 수입 의존도를 낮출 수 있습니다. 또한, 나트륨 이온 배터리는 구리나 코발트를 함유하지 않아 리튬 배터리보다 재활용이 훨씬 용이합니다. 최대 100%까지 방전해도 배터리 손상이 발생하지 않습니다. 더욱이, 독일, 특히 튀링겐주와 작센주에는 이미 나트륨 이온 배터리 기술 인프라가 구축되어 있습니다.

한계를 솔직하게 인정하는 것이 중요합니다. 나트륨 이온 배터리는 리튬 이온 배터리보다 에너지 밀도가 낮아 무게와 부피가 증가합니다. 평균 효율 또한 약 79%로, 96%인 리튬 이온 배터리에 비해 상당히 낮습니다. 하지만 무게와 부피가 주요 제약 조건이 아닌 고정형 대규모 에너지 저장 장치의 경우, 낮은 에너지 밀도는 결정적인 단점이 아닙니다. 분산형 데이터 센터를 위한 그리드 규모 에너지 저장 장치의 경우, 리튬 이온 배터리의 효율 우위보다는 전체 수명 주기 동안의 비용 대비 효과 분석이 더 중요합니다.

나트륨 이온 기술과 더불어 전고체 배터리 또한 폭발적인 성장을 경험하고 있습니다. 전 세계 전고체 배터리 시장은 연평균 최대 36.4%의 성장률을 보이고 있습니다. 낙관적인 시나리오에서는 2027년까지 전고체 배터리 가격이 kWh당 80달러에서 120달러 수준으로 떨어질 것으로 예상되며, 향후 10년 동안 대량 생산을 통한 상당한 비용 절감이 기대됩니다.

이와 관련된 내용:

• 리디스패치 2.0과 대규모 배터리 저장 장치: 전력망에 대한 저주인가, Segen ? 거대 배터리 저장 시스템의 양면적인 역할

좌초자산 위험: 미래가 예상보다 빨리 도래할 때

소형 모듈형 원자로(SMR) 기반 AI 기가팩토리 건설을 성급하게 결정하는 것에 대한 가장 강력한 경제적 반대 논거는 아마도 이른바 '좌초 자산'의 위험일 것입니다. 좌초 자산이란 기술 변화, 시장 상황 변화, 규제 요건 등 외부 요인으로 인해 가치가 크게 하락하여 더 이상 수익을 창출할 수 없는 투자를 의미합니다.

기술 역사에는 계획 당시에는 타당하다고 여겨졌지만, 가동 후 불과 몇 년 만에 막대한 비용 낭비로 드러난 인프라 결정 사례가 많습니다. 에너지 부문에서도 2010년대에 건설되거나 확장된 수많은 석탄 화력 발전소는 예상 잔존 수명이 30~40년에 달했음에도 불구하고 이미 상당한 가치 하락을 겪거나 조기 폐쇄되었습니다. 국제재생에너지기구(IRENA)는 현재와 같은 상황이 지속될 경우 좌초 자산 위험이 최대 20조 달러에 달할 수 있다고 추산합니다.

인공지능(AI) 인프라의 경우 기술 개발 속도가 매우 빠르기 때문에 이러한 위험이 특히 두드러집니다. 소형 자기공명 원자로(SMR)를 오늘 설계하더라도, 인허가, 건설 기간, 공급망 등에 대한 낙관적인 가정을 하더라도 2035년에서 2040년 이전에는 실제로 가동될 가능성이 거의 없습니다. 현재 연구 결과에 따르면 AI 시스템의 성능은 6~7개월마다 두 배로 향상됩니다. SMR 건설에 걸리는 10~15년 동안 AI 시스템의 성능은 2만 배에서 30만 배까지 향상될 것이며, 이 정도 규모에서는 특정 인프라 요구 사항을 정확하게 예측하는 것이 더 이상 불가능해집니다.

문제는 단순히 하드웨어 불확실성에만 있는 것이 아닙니다. AI 시스템의 전체 아키텍처가 변혁을 겪고 있습니다. DeepSeek이 인상적으로 보여주었듯이, 정교한 알고리즘 최적화를 통해 품질 저하 없이 하드웨어 요구 사항을 10분의 1로 줄일 수 있습니다. 폰 노이만 아키텍처를 뛰어넘고 이른바 "메모리 장벽"을 극복하는 새로운 칩 아키텍처가 개발 중입니다. 광자 기반 컴퓨터, 뉴로모픽 칩, 양자 컴퓨터 등 이러한 기술들은 상용화 단계에 이르면 연산당 에너지 소비량을 획기적으로 줄일 수 있는 잠재력을 지니고 있습니다. 이러한 기술의 미래는 소형 모듈형 메모리(SMR)가 상용화되는 데 걸리는 10~15년이라는 기간 동안 결정될 것입니다.

오늘날 소형 모듈형 원자로(SMR) 기반 AI 기가팩토리에 투자하는 사람은 누구나 원자력 발전소의 일반적인 운영 수명인 40~60년 동안 단일 에너지원에 의존하는 투자를 하는 셈입니다. 그리고 그들은 AI 산업이 이 기간 동안 바로 그러한 원자로가 공급하도록 설계된 중앙 집중식 고에너지 인프라에 대한 지속적인 수요를 유지할 것이라는 희망을 품고 이러한 투자를 하는 것입니다. 오늘날의 관점에서 볼 때, 이는 매우 위험한 도박으로 보입니다.

노하우 부족이 병목 현상을 일으키고 있다: 원자력 발전의 과소평가된 구조적 문제

소형 모듈형 원자로(SMR) 전략에 대한 또 다른 중요한 반대 논거는 원자력 산업의 숙련된 인력 부족 현상인데, 이는 공론장에서 충분한 관심을 받지 못하고 있습니다. 지난 30년간 원자력 발전소 건설 중단, 단계적 폐지 결정, 신규 건설 프로젝트 부재 등으로 인해 원자력 산업은 상당한 제도적 지식 손실을 겪었습니다.

오늘날 원자력 발전소 시장은 원자력 발전소를 건설하고 수출할 능력을 갖춘 극소수의 기업, 주로 국영 기업에 의존하고 있습니다. 원자력 프로젝트 실행에 필요한 공급업체, 엔지니어, 인증 전문가로 구성된 글로벌 네트워크는 매우 미미합니다. 이는 소형 ​​모듈형 원자로(SMR)에 유리한 정치적 결정이 내려지더라도, 병목 현상은 인허가나 자본이 아니라 전문 인력 부족에 있음을 의미합니다. 미국, 캐나다, 영국, 프랑스, ​​그리고 여러 EU 국가들이 동시에 SMR 프로그램을 추진하려 한다면, 모두 제한된 원자력 엔지니어링 전문가 풀을 놓고 경쟁하게 될 것입니다.

이는 재생에너지 및 에너지 저장 기술 분야의 상황과 극명한 대조를 이룹니다. 전 세계 태양광 산업은 지난 10년간 기하급수적으로 성장했으며, 재생에너지 분야의 숙련된 전문가 수는 꾸준히 증가하고 있고, 태양광 모듈, 인버터, 에너지 저장 기술의 공급망은 잘 발달되어 국제적으로 다변화되어 있습니다. 분산형 AI 인프라는 이러한 기존의 노하우, 공급망, 규제 경험을 활용할 수 있습니다. 반면, 소형 모듈형 원자로(SMR) 산업은 막대한 시간과 비용 압박 속에서 이러한 기반을 구축해야 하는 과제에 직면해 있습니다.

국민경제계정: 직접 비교

다양한 요인들을 체계적으로 비교한 결과 다음과 같은 경제 상황이 나타났습니다

표준	SMR 지원 AI 기가팩토리	태양광 및 에너지 저장 장치를 갖춘 분산형 AI 인프라
첫 전력 공급	2035~2040년 (낙관적 전망)	즉시 2027년까지
자본집약도(진입)	기가팩토리 및 SMR당 30억~50억 유로	모듈식 확장, 더 작은 개별 수량
비용 위험	매우 높음(과거 초과치 100~600%)	낮음; 기술 비용이 지속적으로 하락하고 있습니다
기술 좌초 위험	매우 높음 (40~60년 장기 근속)	슬림한 디자인; 모듈식으로 확장 및 적응 가능
노하우 활용 가능 여부	병목 현상; 글로벌 공급업체가 부족함	폭넓고 성장하는 숙련된 인력
숨겨진 보조금	높음 (책임, 처분, 연구)	소량
에너지 저장 비용(2025년)	해당 사항 없음 (기본 부하)	70달러/kWh (정체 상태, 하락 추세)
에너지 저장 비용(2050년 예측)	관련 없음	11~14유로/MWh
물 소비량	높은 (냉각 시스템)	거의 없음
규제 불확실성	매우 높음	중간
수요 변화에 대한 유연성	아니요	높은
환경적 위험	높은 수준 (원자력 안전, 장기 폐기물 관리)	낮은

비교 결과, SMR 기반 AI 기가팩토리는 아무리 빨라도(낙관적으로 보더라도) 2035~2040년까지는 전력을 공급할 수 없는 반면, 태양광 및 에너지 저장 장치를 갖춘 분산형 AI 인프라는 2027년부터 즉시 가동 가능하다. 자본 집약도 측면에서 SMR 방식은 기가팩토리와 SMR 설비를 포함하여 약 30억~50억 유로에 달하는 막대한 초기 투자가 필요한 반면, 분산형 솔루션은 모듈식 확장이 가능하고 개별 투자 금액을 크게 줄일 수 있다. SMR 방식은 비용 위험이 매우 높지만(과거 100~600%의 예산 초과 발생 사례 있음), 태양광 및 에너지 저장 장치는 기술 비용이 지속적으로 감소하고 있어 비용 위험이 낮다. SMR 방식은 40~60년의 장기 투자 약정으로 인해 기술 좌초 위험이 매우 높은 반면, 분산형 인프라는 모듈식으로 확장 및 적응이 가능하여 좌초 위험이 낮다. SMR 방식은 전 세계적으로 기술 제공업체가 적어 기술 전문성이 병목 현상을 일으키는 반면, 분산형 솔루션은 숙련된 전문가 풀이 풍부하고 지속적으로 성장하고 있다. 숨겨진 보조금(책임, 폐기, 연구)은 소형 모듈형 원자로(SMR)의 경우 높지만, 태양광+저장 시스템은 낮습니다. SMR은 기저부하 전력 생산을 목적으로 하기 때문에 에너지 저장 비용은 중요하지 않지만, 분산형 시스템의 경우 2025년에는 kWh당 약 70달러(안정 상태, 하락 추세), 2050년에는 MWh당 11~14유로에 이를 것으로 예상됩니다. SMR은 냉각 시스템으로 인해 물 소비량이 많지만, 태양광+저장 시스템은 물 소비량이 적거나 거의 없습니다. 규제 불확실성은 SMR이 매우 높고 분산형 시스템은 중간 수준입니다. 수요 변화에 대한 대응 유연성은 SMR에서 거의 전무한 반면, 분산형 시스템은 높은 유연성을 제공합니다. 마지막으로, 환경 위험은 SMR(원자력 안전, 장기 폐기물)이 높고 태양광+저장 시스템은 낮습니다. 종합적으로 볼 때, SMR은 안정적이고 날씨에 영향을 받지 않는 기저부하 전력 공급이라는 장점을 제외하고는 거의 모든 기준에서 분산형 시스템보다 성능이 떨어집니다. 하지만 대규모 나트륨 이온 저장 장치와 같이 충방전 주기가 더 긴 발전된 저장 기술의 등장으로 대량의 에너지를 며칠 또는 몇 주 동안 저장할 수 있게 되면서, 기저부하 논리는 점차 중요성을 잃어가고 있습니다.

계획 수립 논리의 맹점: 의사 결정자들이 체계적으로 너무 늦는 이유

정부와 대기업의 의사결정자들이 돌이켜보면 잘못된 투자로 보이는 인프라 관련 결정을 반복적으로 내리는 데에는 구조적인 이유가 있습니다. 바로 제도적 계획 주기가 기술 변화의 속도와 근본적으로 양립할 수 없다는 것입니다.

정부 프로그램, 의회 결의안, 자금 지원 프로그램 및 공개 입찰은 4년에서 10년 주기로 운영됩니다. 대중교통 환승역(SMR)과 같은 인프라 프로젝트는 완공 전까지 여러 차례 근본적으로 변화하는 정치적, 기술적 환경 속에서 결정됩니다. 관료주의적 절차, 영향력 있는 산업 단체의 로비, 그리고 특정 시점에 내려진 결정에 대한 심리적 집착으로 인해 발생하는 제도적 관성은 건설 시점의 실제 필요와 선택지가 계획 당시의 가정과 더 이상 일치하지 않게 만듭니다.

지난 몇 세기 동안의 기술 발전은 이러한 가속화를 극명하게 보여줍니다. 산업 혁명은 주요 경제적 효과가 나타나는 데 약 100년이 걸렸습니다. 전력화는 약 50년이 걸렸습니다. 인터넷은 약 20년 만에 세계 경제를 변화시켰습니다. 인공지능과 관련 하드웨어 개발은 ​​10년도 채 안 되는 주기로, 그것도 점점 더 빠른 속도로 근본적인 구조적 조건을 바꾸고 있습니다. 20세기에 적합했던 인프라 결정 방식은 21세기에는 구조적으로 부적합합니다.

이는 특히 장기간의 상환 기간을 가진 대규모 비가역적 투자에 있어 매우 중요한 문제입니다. 태양광 발전소는 몇 달 안에 건설할 수 있고 필요에 따라 비교적 쉽게 수정하거나 해체할 수 있습니다. 모듈형 아키텍처 기반의 데이터 센터는 확장 및 현대화가 가능합니다. 반면 원자력 발전소는 일단 건설되면 40~60년 동안 대부분 고정된 구조물로 유지되며, 해체 비용은 수십억 달러에 달합니다. 유연성과 선택권, 즉 변화하는 환경에 대응할 수 있는 능력의 전략적 가치는 전통적인 투자 계산에서 체계적으로 과소평가되고 있습니다.

심층적인 결론은 다음과 같습니다. 이는 양자택일의 문제가 아니라, 우선순위의 문제입니다

소형 모듈형 원자로(SMR)가 본질적으로 가치가 없거나 분산형 인프라가 모든 요구를 충족할 수 있다고 주장하는 것은 지나친 단순화입니다. 현실은 훨씬 더 복잡합니다.

특정 사용 사례, 특히 대규모 AI 모델 학습과 같은 경우에는 단기적으로 중앙 집중식 컴퓨팅 능력이 여전히 필요할 것입니다. 또한, 특히 재생 에너지 자원이 부족한 국가에서는 다양하고 저탄소 에너지 혼합의 일환으로 원자력 발전을 고려해야 한다는 타당한 주장도 있습니다. 수십 년에 걸쳐 노후화된 기존 원자력 발전소 인프라를 보유하고 있는 프랑스는 오늘날 소형 모듈형 원자로(SMR)를 처음부터 건설하려는 국가와는 근본적으로 다른 상황에 놓여 있습니다.

진정한 문제는 소형 원자로라는 개념 자체에 있는 것이 아닙니다. 문제는 세 가지 요인이 복합적으로 작용한 데 있습니다. 첫째, 소형 원자로가 전력을 공급할 수 있는 시점과 인공지능(AI) 인프라가 전력을 필요로 하는 시점 사이의 불일치입니다. 둘째, 숨겨진 보조금과 좌초 위험을 포함한 실제 총비용에 대한 투명성 부족입니다. 셋째, AI 하드웨어와 에너지 저장 기술 모두에서 기술 발전이 일반적인 건설 기간보다 훨씬 짧은 시간 내에 이러한 투자 결정의 근본적인 가정을 바꿀 수 있다는 사실을 전략적으로 간과하고 있다는 점입니다.

인공지능 시대의 에너지 문제에 대한 경제적으로 책임 있는 해답은 소형 모듈형 원자로(SMR)와 재생 에너지, 중앙 집중식과 분산식 중 하나를 선택하는 것이 아닙니다. 오히려 선택의 폭을 극대화하고 좌초 위험을 최소화하는 방향으로 인프라 설계를 하는 데 있습니다. 이는 모듈식, 가역성, 기술 중립성, 투명성을 의미합니다. 또한 오늘날의 이익을 사유화하면서 미래 세대의 납세자에게 비용을 전가하지 않는 것을 의미합니다. 불행히도 이러한 패턴은 유럽 원자력 발전의 역사를 너무나도 체계적으로 특징지어 왔습니다.

따라서 이 논쟁의 진정한 핵심은 어떤 인프라가 더 나은가라는 기술적 질문에 있는 것이 아닙니다. 진정한 핵심은 정치적인 질문입니다. 왜 미래 지향적인 AI 인프라에 대한 논의는 AI 로드맵의 계획 기간을 훨씬 넘어서는 실현 가능성을 지닌 기술, 수백 퍼센트에 달하는 예산 초과 이력이 있는 기술, 그리고 보조금 지급 내역이 불투명한 기술에만 거의 전적으로 집중되는 것일까요? 이 질문에 대한 답은 기술적인 것이 아니라 정치경제적인 성격을 띠고 있으며, 바로 그 때문에 공개적인 논의에서 이 문제가 완강하게 제기되지 않고 있는 것입니다.

☑️ 저희 업무 언어는 영어 또는 독일어입니다

☑️ 신규 기능: 모국어로 소통하세요!

 

저와 저희 팀은 여러분의 개인 자문가로서 기꺼이 도움을 드릴 준비가 되어 있습니다.

여기 있는 문의 양식을 작성 wolfenstein@xpert.digital.하시거나 +49 7348 4088 965 로 전화 주시면 연락 드리겠습니다. 제 이메일 주소는 입니다

저는 우리의 공동 프로젝트를 기대하고 있습니다.

 

 

☑️ 중소기업의 전략, 컨설팅, 기획 및 실행 지원

☑️ 디지털 전략 수립 또는 재정비 및 디지털화

☑️ 해외 영업 프로세스 확장 및 최적화

☑️ 글로벌 및 디지털 B2B 거래 플랫폼

☑️ 선구적인 사업 개발/마케팅/홍보/박람회

Xpert.Digital은 Konrad Wolfenstein 이 이끄는 데이터 기반 B2B 산업 허브입니다. 이 회사는 산업 파트너를 위한 외부 솔루션 역할을 하며, 마케팅, 콘텐츠 및 영업 분야의 운영 격차를 해소하여 고객 측의 추가 리소스 투입을 방지합니다.

자세한 내용은 여기에서 확인하세요:

• 준사내 솔루션: Xpert.Digital이 B2B 마케팅 및 영업의 운영 격차를 해소하는 방법 – 스마트 콘텐츠 기반 비즈니스