AI 데이터센터는 전기를 먹고 자란다. 우리가 챗봇에 질문을 던지고, 이미지를 생성하고, 영상 자막을 자동으로 다는 그 모든 순간의 뒤편에는 거대한 서버실이 돌아간다. 그리고 그 서버실은 멈추지 않고 전기를 빨아들인다. 2024년, 전 세계 데이터센터가 쓴 전력은 약 415테라와트시(TWh)로 추정된다. 이는 전 세계 전력 소비의 대략 1.5%에 해당하는 양이다. 작아 보일 수 있다. 그러나 이 곡선이 향하는 방향이 문제다.
국제에너지기구(IEA)는 2025년 발표한 보고서 Energy and AI에서, 데이터센터 전력 소비가 2030년 약 945TWh까지 늘어 거의 두 배가 될 것으로 전망했다. 이 글은 그 숫자가 어디서 왔는지, AI 데이터센터가 왜 이렇게 전기를 많이 쓰는지, 그리고 그 부담이 결국 한국의 전력망과 우리 전기요금에 어떻게 닿는지를 차근차근 풀어 본다. 2026년 5월 현재의 자료를 기준으로, 가능한 한 1차 출처에 근거해 정리했다.
이 글에서 다루는 것
- 2024년 데이터센터 전력 소비의 출발점 — 415TWh의 의미
- IEA가 그린 2030년 945TWh 곡선과 그 동력
- 가속(AI) 서버가 전체 곡선을 끌어올리는 구조
- 미국·중국·유럽·일본, 지역마다 다른 증가 속도
- 한국의 전력 셈법 — 7,343MW 신청과 4,718MW 공급
- 수도권 쏠림과 전력계통영향평가라는 병목
- 전기요금이라는 또 다른 변수
- AIDC 특별법과 지역별 차등 요금 — 2027년의 분기점
- 전력을 둘러싼 네 가지 쟁점
- 한눈에 보는 요약
AI는 전기를 먹고 자란다 — 2024년의 출발점
이 단원은 모든 논의의 출발점인 2024년의 숫자를 짚는다. IEA에 따르면 2024년 전 세계 데이터센터의 전력 소비는 약 415TWh, 전 세계 전력의 약 1.5% 수준이었다. 한 나라 전체로 치면 중견 산업국 하나가 1년 동안 쓰는 전력과 맞먹는 규모다. 그런데 이 데이터센터라는 범주 안에서도 무게중심이 빠르게 옮겨가고 있다. 단순히 데이터를 저장하고 웹페이지를 띄우던 전통적 서버에서, 행렬 연산을 쉬지 않고 돌리는 AI 가속 서버로 말이다.
AI 데이터센터가 일반 데이터센터와 결정적으로 다른 점은 전력 밀도다. 그래픽처리장치(GPU)를 빼곡히 채운 랙(rack) 하나가 과거 서버 랙 수십 개분의 전기를 소모한다. 모델을 학습시키는 동안에는 수천 개의 GPU가 몇 주씩 100%에 가까운 부하로 돌아가고, 학습이 끝난 뒤에도 추론(inference) 요청이 24시간 들어온다. 게다가 이 칩들이 내뿜는 열을 식히는 냉각에만 다시 상당한 전력이 들어간다. 전기를 쓰고, 그 전기가 만든 열을 식히려 또 전기를 쓰는 구조다.
그래서 “AI가 똑똑해진다”는 말의 뒷면에는 언제나 “전력 수요가 늘어난다”는 현실이 붙어 있다. 클라우드 사업자들이 경쟁적으로 대형 데이터센터를 짓는 이유도, 각국 정부가 갑자기 전력망 이야기를 꺼내는 이유도 여기서 출발한다. 인공지능 정책의 큰 그림이 궁금하다면 AI 기본법 2026 정리 글도 함께 참고할 만하다. 결국 제도와 인프라는 한 몸으로 움직인다.
한 가지 비교가 도움이 된다. 전통적인 웹 서버가 문서를 꺼내 보여주는 사서라면, AI 데이터센터의 가속 서버는 쉬지 않고 복잡한 계산을 푸는 거대한 연구실에 가깝다. 사서는 책을 찾는 동안만 움직이지만, 연구실의 기계는 답을 만들어내기 위해 끊임없이 돌아간다. 같은 ‘데이터센터’라는 이름을 쓰지만 전기를 쓰는 방식 자체가 다른 것이다.
그래서 전 세계가 같은 고민을 동시에 시작했다. 전력망은 하루아침에 늘릴 수 없는데, AI 수요는 분기마다 새 기록을 쓴다. 발전소를 짓고 송전선을 까는 데는 수년이 걸리지만, AI 데이터센터는 그 절반의 시간에 완공되어 전기를 요구한다. 이 시차가 바로 ‘AI 전력 전쟁’이라는 말이 등장한 배경이다. 다음 단원에서는 그 수요가 구체적으로 얼마나 커지는지를 숫자로 따라가 본다.
2030년 945TWh — IEA가 그린 전력 곡선
이 단원은 미래 전망의 핵심 숫자를 다룬다. IEA Energy and AI 보고서의 기준 시나리오(Base Case)에서 데이터센터 전력 소비는 2024년 415TWh에서 2030년 약 945TWh로 늘어난다. 6년 만에 거의 두 배다. 비중으로 보면 전 세계 전력의 1.5%에서 약 3%로 올라간다. 같은 기간 데이터센터 전력 소비의 연평균 증가율은 약 15%로, 다른 모든 부문의 전력 소비 증가율보다 네 배 이상 빠르다.
가속 서버가 끌어올리는 곡선
전체 곡선을 위로 잡아당기는 힘은 명확하다. IEA는 AI 채택이 주도하는 가속 서버(accelerated servers)의 전력 소비가 기준 시나리오에서 연 30%씩 증가할 것으로 봤다. 반면 전통적 서버의 전력 소비 증가율은 연 9% 수준에 그친다. 같은 데이터센터라는 우산 아래 있지만, 한쪽은 가파르게 치솟고 한쪽은 완만하게 오른다는 뜻이다. 다시 말해 향후 전력 수요 폭증의 책임은 사실상 AI 워크로드에 있다.
이 30%라는 숫자가 중요한 이유는 복리로 작동하기 때문이다. 매년 30%씩 늘어나는 수요는 단 몇 년 만에 두세 배로 불어난다. 전력망과 발전 설비는 한 번 지으면 수년에서 십수 년을 쓰는 장기 인프라인데, AI 데이터센터의 수요는 그보다 훨씬 빠른 속도로 움직인다. 인프라의 속도와 수요의 속도가 어긋나는 것, 이것이 전 세계가 동시에 겪고 있는 구조적 긴장이다.
지역마다 다른 속도
증가의 무게는 지역마다 다르게 실린다. IEA 기준 시나리오에서 2024년 대비 2030년 데이터센터 전력 소비 증가분은 미국이 약 240TWh(약 130% 증가)로 가장 크다. 중국이 약 175TWh(약 170% 증가)로 뒤를 잇고, 유럽이 약 45TWh 이상(약 70% 증가), 일본이 약 15TWh(약 80% 증가) 늘어난다. 절대량은 미국과 중국이 압도적이지만, 증가율로 보면 중국의 가속이 가장 가파르다.
이 지역별 격차는 단순한 통계가 아니다. 전력이 풍부하고 값싼 곳에 데이터센터가 몰리고, 그 결과 그 지역의 전력 수급과 요금이 다시 흔들린다. AI 인프라 경쟁이 곧 에너지 경쟁이자 입지 경쟁으로 번지는 이유다. 칩을 누가 더 많이 확보하느냐의 싸움이 끝나면, 그다음은 그 칩을 돌릴 전기를 누가 안정적으로 공급하느냐의 싸움이 기다린다.
참고로 더 자세한 전망 수치와 시나리오별 분석은 IEA의 Energy and AI 보고서 요약에서 직접 확인할 수 있다. 본문에 인용한 숫자는 모두 이 기준 시나리오를 따른 것이며, 가정에 따라 결과가 달라질 수 있는 전망치임을 유념하자.
AI 데이터센터는 어떻게 전기를 쓰는가
숫자만 보면 945TWh가 그저 거대한 추상으로 다가온다. 이 단원은 그 전기가 실제로 어디에 쓰이는지를 들여다본다. AI 데이터센터의 전력 소비는 크게 두 갈래로 흐른다. 하나는 모델을 만드는 데 쓰는 전기이고, 다른 하나는 만든 모델을 운영하는 데 쓰는 전기다. 그리고 그 위에, 둘이 만든 열을 식히는 데 드는 전기가 한 겹 더 얹힌다.
학습과 추론, 두 개의 전력 곡선
첫 번째 곡선은 학습(training)이다. 대형 언어 모델 하나를 학습시키려면 수천 개의 그래픽처리장치(GPU)가 몇 주에서 몇 달씩 거의 쉬지 않고 돌아간다. 이 기간 동안 AI 데이터센터의 해당 구역은 사실상 최대 부하 상태를 유지한다. 학습은 한 번 끝나면 멈추지만, 더 큰 모델, 더 나은 모델을 향한 경쟁이 계속되는 한 새로운 학습은 끊이지 않는다. 전력 소비의 정점이 주기적으로 반복되는 셈이다.
두 번째 곡선은 추론(inference)이다. 학습이 끝난 모델이 실제 사용자의 질문에 답하고, 이미지를 만들고, 번역을 수행하는 단계다. 추론은 학습만큼 한 번에 폭발적이지는 않지만, 사용자가 늘수록 24시간 내내 꾸준히 전기를 먹는다. 수억 명이 매일 AI 서비스를 쓰는 시대가 되면, 이 잔잔한 추론 부하의 총합이 오히려 학습보다 더 큰 전력을 차지하게 된다. AI 데이터센터의 전력 곡선이 일회성 사건이 아니라 구조적 상수가 되는 이유가 여기에 있다.
이 두 곡선이 합쳐지면서, AI 데이터센터 한 곳의 전력 수요는 과거의 일반 데이터센터와는 차원이 달라진다. 업계에서는 100MW급 하이퍼스케일 시설 하나가 대략 10만 가구의 연간 전력 사용량에 맞먹는 전기를 쓴다고 비유한다. 도시 하나가 통째로 서버실 안에 들어앉은 것과 같은 규모다.
냉각 — 전기를 식히는 데 드는 전기
전기를 많이 쓰면 그만큼 열이 난다. GPU가 빼곡한 랙은 좁은 공간에서 엄청난 열을 뿜고, 이 열을 식히지 못하면 칩이 성능을 떨어뜨리거나 멈춘다. 그래서 AI 데이터센터는 연산만큼이나 냉각에 공을 들인다. 문제는 냉각에도 다시 전기가 든다는 점이다. 전기로 계산하고, 그 계산이 만든 열을 또 전기로 식히는 순환 구조다.
이 효율을 재는 지표가 전력사용효율(PUE)이다. 시설이 쓰는 전체 전력을 IT 장비가 실제로 쓰는 전력으로 나눈 값으로, 1에 가까울수록 냉각 등 부대 설비의 낭비가 적다는 뜻이다. 효율이 높은 최신 AI 데이터센터는 1.1~1.2 수준을 목표로 하지만, 노후 시설은 그보다 높아 같은 연산을 하고도 더 많은 전기를 쓴다. 고밀도 GPU 시대가 오면서 공기 냉각만으로는 한계에 부딪혀, 칩에 액체를 직접 흘려보내는 액체냉각으로 옮겨가는 흐름도 빨라지고 있다.
결국 AI 데이터센터의 전기 사용은 ‘연산 + 냉각’이라는 이중 구조로 이해해야 한다. 그리고 이 구조는 곧바로 입지 문제로 이어진다. 서늘한 기후, 풍부한 물, 값싸고 안정적인 전력 — 이 세 가지를 갖춘 곳이 AI 데이터센터의 최적지로 떠오르는 것이다. 한국이 마주한 고민도 정확히 이 지점에서 시작된다.
그래서 입지가 전부다
연산과 냉각이라는 이중 구조를 이해하고 나면, 왜 AI 데이터센터 경쟁이 결국 ‘땅과 전기의 경쟁’으로 귀결되는지가 분명해진다. 같은 모델을 돌려도 어디에 시설을 짓느냐에 따라 전기요금, 냉각 비용, 탄소 배출, 인허가 속도가 모두 달라진다. 서늘한 기후는 냉각 부담을 줄이고, 풍부한 수자원은 냉각수를 대주며, 값싸고 안정적인 전력은 운영비를 낮춘다. 이 조건을 한꺼번에 만족하는 부지는 생각보다 드물다.
그래서 글로벌 빅테크들은 한대(寒帶)에 가까운 북유럽, 전력이 남는 미국 중서부, 재생에너지가 풍부한 지역으로 AI 데이터센터를 옮기고 있다. 한국 역시 같은 논리 위에 서 있다. 수도권의 통신 이점과 비수도권의 전력 여유 사이에서 어디에 무게를 둘 것인가 — 이 선택이 앞으로 국내 AI 데이터센터 지도를 다시 그릴 것이다.
한국의 전력 셈법 — 7,343MW라는 숫자
이 단원은 글로벌 곡선을 한국이라는 좌표 위에 올려놓는다. 한국은 전력 품질이 높고 상대적으로 요금이 안정적이어서 데이터센터 입지로 매력적인 나라로 꼽혀 왔다. 그만큼 신청도 폭발적이다. 산업통상자원부의 제11차 전력수급기본계획 검토 과정에서 정리된 자료에 따르면, 2027년 기준 데이터센터 전기사용신청 용량은 약 7,343MW에 달했다(2023년 8월 누적 기준). 그러나 같은 시점 한국전력이 공급 가능하다고 검토한 용량은 약 4,718MW였다. 신청의 약 64%만 실제 공급 여력 안에 들어온다는 뜻이다.
수도권 쏠림과 전력계통영향평가
문제를 더 까다롭게 만드는 것은 입지다. 국내에서 운영 중인 인터넷데이터센터(IDC)의 70% 이상이 수도권에 몰려 있고, 신규 데이터센터의 희망 입지 역시 수도권으로 더 쏠린다. 통신 지연을 줄이고 인력과 고객 가까이에 있으려는 자연스러운 선택이지만, 정작 수도권은 추가 전력을 받아낼 여력이 빠듯하다. 이 때문에 일정 규모(예: 10MW) 이상으로 계통에 접속하려면 전력계통영향평가를 통과해야 하는데, 수도권에서는 이 관문을 넘기가 점점 어려워지고 있다.
국내 보도들도 같은 우려를 전한다. 아시아투데이(2026년 2월)는 규모가 큰 상위 10곳의 AI 데이터센터가 모두 구축될 경우 그 전력 규모가 약 5.26GW에 이른다고 전했다. 비교적 작은 곳까지 합치면 수치는 더 커진다. 이런 규모의 수요를 한 지역에 집중시키면 송전망이 감당하기 어렵다는 것이 전문가들의 공통된 지적이다. 그래서 “지방을 대안으로”라는 논의가 자연스럽게 따라붙는다.
전기요금이라는 또 다른 변수
전력의 양만 문제가 아니다. 가격도 변수다. 국내 산업·일반용 전기요금은 최근 수년간 가파르게 올랐고, 전력 업계 매체들은 데이터센터에 적용되는 일반용 전기요금이 2021년 대비 30%대 상승했다고 전한다(전기신문 등 보도). 데이터센터는 전기요금이 운영비에서 차지하는 비중이 큰 사업이라, 요금이 오르면 입지 결정과 수익성이 직접 흔들린다.
여기에 미국·일본 등 다른 나라들이 데이터센터 전기요금 정책을 각기 다른 방향으로 손질하고 있다는 점도 변수다. 어떤 나라는 데이터센터에 더 높은 요금을 물리고, 어떤 나라는 유치를 위해 요금을 깎는다. 한국이 어떤 길을 택하느냐는 곧 글로벌 AI 인프라 지도에서 한국의 위치를 결정한다. 아래 KBS 방송은 이 “전기요금 부담은 결국 소비자 몫”이라는 쟁점을 짚는다.
지방이 대안이 될 수 있을까
수도권이 전력을 감당하지 못한다면, 남은 길은 분산이다. 전력 여유가 있는 비수도권으로 AI 데이터센터를 유도하자는 논의가 힘을 얻는 이유다. 실제로 동남권·호남권 등 발전 설비가 밀집한 지역은 송전 여력이 상대적으로 넉넉하고, 일부 산업단지는 집단에너지 인프라까지 갖추고 있어 데이터센터 입지로 재조명받고 있다. 전력이 생산되는 곳 가까이에 수요를 두면 송전 손실과 계통 부담을 함께 줄일 수 있다는 계산이다.
다만 분산이 만능은 아니다. 지방은 통신 지연, 전문 인력 확보, 사업자의 선호 같은 현실적 장벽을 안고 있다. 결국 기업이 자발적으로 비수도권을 택하게 하려면 전기요금·인허가·세제 같은 실질적 유인이 충분해야 한다. AI 데이터센터의 지방 분산은 구호만으로 이뤄지지 않으며, 제도와 인프라가 함께 움직일 때 비로소 현실이 된다. 뒤에서 살펴볼 특별법이 바로 그 유인 설계를 겨냥하고 있다.
AIDC 특별법과 지역별 차등 요금 — 2027년의 분기점
이 단원은 제도가 어떻게 응답하고 있는지를 본다. 국회는 인공지능 데이터센터(AIDC) 산업 진흥을 위한 특별법을 본회의에서 통과시켰다. 2025년 5월 처음 발의된 뒤 약 1년 만의 결실이다. 법은 국무회의 의결과 공포를 거친 뒤 9개월의 경과 기간을 두고 2027년 2월경 시행될 예정이다. 핵심은 비수도권 AI 데이터센터에 대한 전력계통영향평가 면제, 그리고 복합 인허가 절차를 단축하는 이른바 ‘타임아웃제’ 도입이다.
특별법의 방향은 분명하다. 수도권에 몰린 수요를 비수도권으로 분산시키는 것이다. 여기에 2026년 중 도입이 예정된 지역별 차등 전기요금제가 맞물리면, 지방에 들어서는 데이터센터일수록 전기요금과 인허가 모두에서 유리해진다. 전력이 남는 곳으로 수요를 끌어내려는 유인 설계인 셈이다. 다만 특별법을 두고 “규제 완화가 충분치 않다”, “평가 기준이 모호하다”는 비판도 함께 나오고 있어, 시행 과정에서 세부 조정이 이어질 가능성이 크다.
이 흐름은 AI 산업 전체의 무게중심이 ‘모델 경쟁’에서 ‘인프라 경쟁’으로 이동하고 있음을 보여준다. 더 똑똑한 모델을 만드는 일만큼이나, 그 모델을 돌릴 전력과 부지를 확보하는 일이 국가 경쟁력의 변수가 되었다. AI 기술 경쟁의 큰 그림이 궁금하다면 구글 제미나이 3 분석 글에서 모델 단의 경쟁도 짚어볼 수 있다.
전력을 둘러싼 네 가지 쟁점
AI 데이터센터의 전력 문제는 한 가지 숫자로 끝나지 않는다. 서로 얽힌 네 가지 쟁점으로 정리하면 큰 그림이 보인다.
- 전력망 연결 지연 — 발전 설비가 있어도 송전망 연결과 계통 평가에 수년이 걸린다. 구글조차 데이터센터 확장의 최대 걸림돌로 전력망 연결 지연을 꼽았다.
- 냉각과 물 — 고밀도 GPU 랙의 열을 식히려면 막대한 냉각이 필요하고, 일부 방식은 대량의 물을 쓴다. 전력과 수자원이 동시에 압박받는다.
- 탄소와 재생에너지 — 늘어난 전력을 무엇으로 공급하느냐가 탄소 배출을 좌우한다. 그래서 데이터센터의 재생에너지 직접거래(PPA)가 중요한 카드로 떠올랐다.
- 소비자 부담 — 전력 인프라 투자와 요금 인상의 부담이 어디로 흘러가느냐의 문제다. 자칫하면 일반 소비자의 전기요금으로 전가될 수 있다는 우려가 크다.
이 네 가지는 어느 하나만 풀어서 해결되지 않는다. 전력망을 늘리면 비용이 오르고, 비용을 누르면 투자 속도가 느려지며, 재생에너지로 가면 입지와 간헐성 문제가 따라온다. AI 데이터센터의 전력 문제는 본질적으로 ‘균형의 문제’다. 그래서 정답이 아니라 선택이 남는다.
특히 마지막 쟁점인 소비자 부담은 가장 정치적으로 민감한 대목이다. 전력망을 새로 깔고 발전 설비를 늘리는 데 드는 막대한 비용을, 데이터센터를 운영하는 기업이 부담할 것인지 아니면 전체 전기요금에 녹여 일반 국민이 나눠 질 것인지를 두고 나라마다 다른 답을 내놓고 있다. 미국 일부 지역에서는 데이터센터 인근 주민의 전기·물 요금이 함께 올랐다는 보도가 나오며 반발이 커졌고, 이는 2026년 들어 지역 정치의 쟁점으로까지 번졌다.
한국에서도 같은 질문이 머지않아 본격화될 것이다. AI 데이터센터가 가져오는 투자와 일자리는 분명한 이득이지만, 그 전기를 누가 어떤 요금으로 쓰느냐의 형평성 문제가 함께 따라온다. 비용의 귀속을 투명하게 설계하지 못하면, AI 인프라 확장의 사회적 정당성 자체가 흔들릴 수 있다. 이 점에서 전력 문제는 기술 문제이자 동시에 분배의 문제다.
그래서 우리에게 남는 질문
AI를 더 많이 쓸수록 우리는 더 많은 전기를 쓰는 사회로 들어선다. 이건 막을 수 있는 흐름이 아니라, 어떻게 설계할지를 정해야 하는 흐름이다. 수도권에 몰린 수요를 지방으로 분산할 것인지, 재생에너지로 그 전기를 채울 것인지, 그리고 늘어난 비용을 누가 어떻게 나눌 것인지 — 이 세 가지 질문에 대한 답이 앞으로 몇 년간 한국 AI 인프라의 모습을 결정할 것이다.
개인 입장에서 당장 할 수 있는 일은 많지 않다. 그러나 적어도 “AI는 공짜로 똑똑해지지 않는다”는 사실, 화면 너머에서 누군가가 전기와 물과 부지를 쓰고 있다는 사실을 기억하는 것만으로도, 우리는 이 기술을 조금 더 책임 있게 바라볼 수 있다. 다음에 챗봇 창을 열 때, 그 답변의 무게를 한 번쯤 가늠해 보는 것 — 거기서부터 시작이다.
한 가지 분명한 것은, AI 데이터센터의 전력 문제가 일시적 성장통이 아니라 향후 십수 년을 관통할 구조적 의제라는 점이다. 모델은 계속 커지고, 사용자는 계속 늘며, 추론 부하는 잦아들지 않는다. 그렇다면 우리가 던져야 할 질문은 “전기를 더 쓸 것인가 말 것인가”가 아니라, “그 전기를 어떤 발전원으로, 어느 지역에서, 누구의 부담으로 채울 것인가”다. 답을 미룰수록 선택지는 줄어든다.
2026년 현재 한국은 AIDC 특별법과 지역별 차등 요금이라는 제도적 도구를 막 손에 쥔 단계다. 도구가 생겼다는 것과 그 도구가 제대로 작동한다는 것은 다른 이야기다. 비수도권으로의 분산이 실제로 일어나는지, 재생에너지 공급이 수요를 따라잡는지, 그리고 비용이 공정하게 나뉘는지를 앞으로 몇 년간 지켜봐야 한다. AI 데이터센터의 전력 곡선은 이미 그려졌고, 이제 남은 것은 그 곡선을 어떻게 떠받칠지에 대한 우리의 응답이다.
※ 이 글은 일반 정보 제공을 목적으로 하며, 본문의 전망 수치는 IEA·산업통상자원부 등 공개 자료에 근거한 추정·전망치다. 정책과 요금은 이후 변경될 수 있으므로, 사업·투자 판단 시에는 반드시 최신 1차 자료와 전문가의 확인을 거치기 바란다. 더 자세한 국내외 동향은 전기신문의 관련 보도를 참고할 수 있다.
기술의 발전은 늘 보이지 않는 비용을 동반한다. 우리가 더 똑똑한 답변을 더 빠르게 얻는 그 편리함의 이면에는, 어딘가에서 돌아가는 서버와 그것을 식히는 냉각기, 그리고 그 모두를 떠받치는 전력망이 있다. 이 사실을 또렷이 인식하는 것만으로도, 우리는 AI라는 도구를 더 멀리 보며 쓸 수 있다. 편리함의 무게를 아는 사용자가 결국 더 나은 선택을 만든다.
한눈에 보는 요약
- 2024년 전 세계 데이터센터 전력 소비는 약 415TWh(전력의 1.5%), 2030년 약 945TWh(약 3%)로 두 배 전망 — IEA 기준.
- AI를 주도하는 가속 서버 전력은 연 30%씩 증가, 전통 서버(연 9%)보다 훨씬 빠르다.
- 증가분은 미국 +240TWh, 중국 +175TWh, 유럽 +45TWh, 일본 +15TWh로 지역마다 다르다.
- 한국은 2027년 데이터센터 전기사용신청 7,343MW 대비 공급가능 4,718MW로 수요가 공급을 크게 웃돈다.
- 운영 IDC의 70% 이상이 수도권에 몰려 전력계통영향평가가 병목이 된다.
- AIDC 특별법은 비수도권 분산을 유도하며 2027년 2월경 시행 예정, 지역별 차등 요금도 2026년 도입 예정.
- 전력망·냉각·탄소·소비자 부담이 얽힌 ‘균형의 문제’로, 정답이 아니라 선택이 남는다.
