데이터센터 전력 수요 급증, 전력망 한계 직면
전력 접근성이 AI 경쟁력과 노동시장 격차 좌우
정책 지연 시 구조적 노동 잉여와 지역 불균형 심화

본 연구 기사는 유럽 경제 연구소 The Economy의 연구위원(Fellow)들이 작성한 The Economy Review 시리즈 기고문을 한국 시장 상황에 맞춰 재구성한 글입니다. 본 시리즈는 최신 기술-경제-정책 이슈에 대해 연구자의 시각을 담아, 일반 독자들에게도 이해하기 쉽게 전달하는 것을 목표로 합니다. 기사에 담긴 견해는 집필자의 개인적인 의견이며, The Economy 또는 집필자의 소속 기관의 견해와 일치하지 않을 수 있습니다.

인공지능(AI) 경쟁은 고성능 반도체와 거대언어모델(LLM), 대규모 데이터센터 확보가 좌우하는 것으로 인식된다. 그러나 최근 들어 제약 요인은 전력망으로 옮겨가는 흐름이다. 미국 데이터센터 전력 소비는 2020년 약 108테라와트시(TWh)에서 2024년 183TWh로 늘었고, 2030년에는 400TWh를 넘어설 것이라는 전망이 우세하다. 현대 산업사에서도 보기 드문 증가 속도다. 그러나 전력 인프라는 이를 충분히 뒷받침하지 못한다. 그 결과 ‘AI 에너지 병목’이 현실로 드러나고 있다. 전력 공급에 차질이 발생하면 생산 활동 전반으로 영향이 확산되고, 이는 지역 경제의 생산성 둔화로 이어진다. 나아가 이러한 충격은 노동시장까지 번진다.

전력망 병목 드러낸 인프라 정책 한계

그간 AI 인프라 논의는 데이터센터 부지 확보와 세제 혜택, 반도체 지원에 집중됐다. 하지만 실제 제약은 전력에서 나타난다. 미국 전력망은 초거대 컴퓨팅 시대 이전에 구축된 송전망과 변전 설비 비중이 크다. 이는 빠르게 늘어나는 수요를 제때 흡수하지 못한다. 송전선 상당수가 20세기 중반에 설치됐고, 전력망 개선 속도도 더디기 때문이다. 그 결과 디지털 기술 확산 속도를 따라가지 못하는 상황이 이어지며, AI 연산 수요 증가를 감당하기 어려운 구조가 고착되는 흐름을 보이고 있다.

여기에 AI 연산의 특성이 부담을 더한다. 거대 AI 모델 학습에는 짧은 시간에 막대한 전력을 끊김 없이 투입해야 하는 특성이 있다. 국제에너지기구(IEA)에 따르면 최신 AI 모델 한 개를 학습하는 데 필요한 전력은 수천 가구의 연간 사용량과 맞먹는다. 이런 설비가 밀집한 데이터센터는 도시 단위에 가까운 전력을 지속적으로 소비하는 구조다.

운영 방식 역시 제약 요인으로 작용하는 측면을 보인다. AI 클러스터는 전력 수요가 몰리는 상황에서 가동을 줄이기 어렵다. 중단이 발생하면 학습이 멈추거나 클라우드 서비스 전반에 장애가 확산될 수 있어서다.

결국 수요 증가 속도와 전력망 확충 속도 사이의 간극이 병목을 만든다. 현 추세라면 데이터센터 전력 수요는 10년 안에 최대 3배까지 확대될 것으로 예상된다. 반면 송전망 확충에는 규제 승인과 건설에 수년이 걸린다. 이 시간 차는 점점 누적되며 구조적 제약으로 굳어진다. 이 같은 제약은 데이터센터와 가계, 제조업이 한정된 전력을 두고 경쟁하는 구조를 낳았다. 기술적 문제였던 병목이 경제 전반의 비용 문제로 번지는 흐름이다.

데이터센터 집중이 키운 전력망 부담

지리적 집중도 에너지 병목을 가중하는 요인이다. 미국 데이터센터는 광섬유 인프라와 세제 혜택이 갖춰진 일부 지역에 밀집해 있다. 특히 북버지니아는 세계 최대 데이터센터 집적지로, 글로벌 클라우드 인프라의 핵심 거점으로 기능한다. 이 같은 집중은 효율성과 위험을 동시에 키운다. 인력과 공급망 측면에서는 이점이 크지만, 전력망에는 과부하가 누적된다. 다수 시설이 동시에 전력을 사용하면서 기존 송전망 설계 한계를 압박하는 상황이 이어진다. 여기에 투자 구조의 제약도 겹친다. 발전 설비 확충에는 막대한 비용이 들고, 투자 지연은 공급 불안으로 직결된다. 이는 다시 추가 투자 위축으로 연결되는 악순환을 낳는다.

글로벌 경쟁 구도에서도 차이가 나타난다. 중국은 에너지 정책과 디지털 인프라를 함께 설계하며 데이터센터 조성과 동시에 전력망과 재생에너지 투자를 병행한다. 반면 미국은 분산된 의사결정 구조로 인해 송전 프로젝트가 규제와 관할권 문제에 묶이는 경우가 많다. 그 사이 인프라 확충은 늦어지고, AI 수요와의 격차도 점차 벌어지는 실정이다.

전력 격차가 좌우하는 노동시장 변화

이러한 전력 제약은 노동시장에도 직접적인 영향을 미친다. AI가 가져올 생산성 향상은 안정적인 연산 자원 확보를 전제로 한다. 따라서 전력 접근성에 따라 성과가 좌우되는 구조가 형성된다. 전력 여건이 충분한 지역에는 AI 인프라와 고숙련 인력이 함께 모인다. 엔지니어와 데이터 과학자가 유입되고, 관련 산업도 연쇄적으로 성장하는 흐름이 나타난다. 반대로 전력망 제약이 큰 지역은 기술 기업 유치에 한계가 생기고, 노동자들은 고부가가치 기회에서 배제된다. 이 같은 차이는 시간이 지날수록 지역 간 생산성 격차로 굳어진다.

이는 과거 산업화 시기와도 유사한 양상이다. 당시에는 전력과 교통망이 제조업 입지를 결정했다면, 지금은 전력 인프라가 디지털 경제의 핵심 조건으로 작용한다. 전력 공급이 수요를 뒷받침하지 못할 경우, 기술은 생산성을 넓게 확산시키기보다 특정 지역에 이익이 집중되는 방향으로 흘러간다. 결국 이런 구조는 신규 일자리 창출을 제약하는 구조적 노동 잉여로 이어질 가능성이 크다.

전력망 재편이 좌우하는 AI 확장

이 같은 흐름을 고려하면 단순한 보완으로는 한계가 있다. 전력망 전반을 다시 설계하는 접근이 필요하다. 우선 고용량 송전망 확충 속도를 높여야 한다. 자원이 풍부한 지역의 전력을 데이터센터 밀집 지역으로 안정적으로 전달할 수 있도록 인허가 절차를 줄이고, 지역 간 협력 체계도 강화할 필요가 있다.

또한 에너지저장장치(ESS) 투자도 병행돼야 한다. 수요가 낮을 때 저장한 전력을 수요가 높은 시기에 활용하면 전력망 안정성을 높일 수 있다. 동시에 데이터센터의 에너지 효율 기준을 강화해 전력 사용량 증가 속도를 관리하는 체계 마련이 필수적이다. 아울러 에너지 정책과 디지털 산업 정책을 하나의 전략으로 묶는 접근이 요구된다. 전력 인프라를 AI 경쟁력의 핵심 요소로 보고, 인프라 구축과 투자가 함께 진행되는 구조를 갖추는 것이 시급하다.

AI는 알고리즘과 데이터에 기반하지만, 동시에 전력에 의해 작동하는 산업이다. 데이터센터 전력 수요가 2030년 400TWh를 넘어설 것으로 예상되는 상황에서, 전력망이 이를 뒷받침하지 못할 경우 AI 에너지 병목은 더 심화될 수밖에 없다. 결국 전력 인프라는 AI 시대의 생산성과 경제 구조를 좌우하는 핵심 변수로 작용할 것으로 보인다.

본 연구 기사의 원문은 [Unemployed Growth] Power Failure: America’s AI Energy Bottleneck and the Coming Productivity Divide을 참고해 주시기 바랍니다. 본 기사의 저작권은 The Economy에 있습니다.