거대한 세상의 이야기

  시리즈: I · 세계 도시와 산업 변화의 현장 연재번호: I-05 국가: 미국 (United States) 지역·도시: Virginia · Loudoun County · Ashburn · Leesburg 메인키워드: AI 데이터센터 물 사용량 여행 주제: 미국 버지니아에서 살펴보는 AI 냉각 기술, 재이용수, 지역 수자원 관리 ｜AI에게 질문하면 멀리 있는 물도 사용될까요? 챗GPT에 질문을 하나 입력했습니다. 잠시 뒤 화면에 답이 나타납니다. 우리가 직접 사용한 것은 스마트폰이나 컴퓨터뿐입니다. 그런데 멀리 떨어진 데이터센터에서는 수많은 반도체가 계산을 수행하고 있습니다. 반도체가 움직이면 열이 발생하고, 이 열을 적절히 식혀야 컴퓨터가 안정적으로 작동합니다. 바로 이 과정에서 물이 사용될 수 있습니다. 그렇다면 질문 하나를 할 때마다 정해진 양의 물이 사라지는 걸까요? 그렇지는 않습니다. 데이터센터의 냉각 방식, 위치, 날씨, 전력 공급 구조에 따라 물 사용량은 달라집니다. 이번 여행의 무대는 미국 버지니아주 Loudoun County입니다. 세계적으로 데이터센터가 밀집한 Ashburn에서 출발해 Beaverdam Reservoir와 역사도시 Leesburg를 살펴보겠습니다. 눈에 보이지 않는 AI의 세계를 전기와 물, 그리고 도시의 생활이라는 관점에서 만나보는 여행입니다. 목차｜오늘 함께 알아볼 이야기 AI는 왜 뜨거워지고 물까지 필요할까요? 데이터센터는 어떻게 물로 컴퓨터를 식힐까요? AI 질문 하나에 물 한 병을 쓴다는 말은 사실일까요? 미국 Virginia는 데이터센터의 물을 어떻게 관리할까요? 사용한 물을 다시 쓰면 무엇이 달라질까요? 데이터센터가 늘어나면 주민의 물이 부족해질까요? Ashburn과 Beaverdam Reservoir에서는 무엇을 볼 수 있을까요? AI 시대에는 어떤 도시가 오래 살아남을까요? 1. AI는 왜 뜨거워지고 물까지 필요할까요? 1) 스마트폰이 뜨거워지는 것과 같은 이유일까요? 스마트폰으로 게임을 ...

  시리즈: I · 세계 도시와 산업 변화의 현장  연재번호: I-04   국가: 미국 (United States)  지역·도시: 버지니아주 · Loudoun County · Ashburn · Leesburg  메인키워드: AI 데이터센터 전기요금  여행 주제: 미국 버지니아의 데이터센터 밀집 지역인 Ashburn과 행정·역사 중심지 Leesburg를 따라가며, 인터넷 산업의 성장으로 달라진 도시 풍경과 AI 시대 전력 수요가 주민의 전기요금·세금·생활환경에 어떤 질문을 던지는지 살펴보는 여행입니다.

  Virginia에서 Texas까지 도시를 연결하는 Giga-Scale AI Factory (출처 : AI 이미지 제공) 국가: 미국 지역·도시: Ashburn · Chantilly · Texas 여행 주제: 세계 최대 데이터센터 집적지 가운데 하나인 Virginia Loudoun County의 Ashburn에서 출발해 전력수요가 빠르게 증가하는 Texas까지 이동하며, AI 인프라가 하나의 초대형 데이터센터를 계속 키우는 방식에서 여러 데이터센터를 초고속 네트워크로 연결하는 ‘Scale-Across’ 구조로 확장되는 과정과 그 변화가 전력망·도시·지역사회에 남기는 영향을 읽는 미국 AI 인프라 여행 Ingress HBM은 왜 AI 시대의 두 번째 엔진이 되었나에서 우리는 HBM 을 따라갔습니다. AI 칩은 왜 혼자 완성될 수 없나에서는 GPU와 HBM을 하나의 고성능 시스템으로 묶는 CoWoS와 첨단 패키징 을 살펴봤고, AI 데이터는 왜 전선에서 빛으로 이동하려 하나에서는 패키지 밖으로 나온 데이터가 Silicon Photonics와 CPO 를 통해 빛으로 이동하는 과정을 따라갔습니다. 그렇다면 빛으로 연결된 AI 네트워크는 어디까지 커질 수 있을까요? 바로 여기에서 AI 인프라의 지도가 다시 달라집니다. 지금까지 데이터센터 확장은 하나의 건물, 하나의 캠퍼스 안에 더 많은 서버와 GPU를 설치하는 방식으로 이해하기 쉬웠습니다. 하지만 AI 연산 규모가 커지면서 한 장소에서 확보할 수 있는 전력·토지·냉각·송전용량에는 물리적인 한계가 나타납니다. NVIDIA 는 2025년 8월 Spectrum-XGS Ethernet 을 발표하며 이 문제를 ‘Scale-Across’라는 개념으로 설명했습니다. 하나의 시설 안에서만 확장하는 것이 아니라 떨어져 있는 여러 데이터센터를 연결해 하나의 거대한 AI 인프라처럼 작동시키겠다는 구상입니다. 회사는 개별 데이터센터가 전력과 수용능력의 한계에 도달하면서 분산된 시설을 연결해야 할 필요성이 커지고 있다고 설명했...

  전기 신호에서 빛으로 이동하는 AI 데이터센터 네트워크 혁명 (출처 : AI 이미지 제공) 국가: 대만 · 미국 지역·도시: 신주(Hsinchu) · 산호세(San Jose) · 산타클라라(Santa Clara) 여행 주제: 대만 Hsinchu Science Park의 반도체 생태계에서 출발해 미국 San Jose·Santa Clara의 AI 네트워크 산업으로 이동하며, GPU와 HBM을 연결하던 AI 반도체 경쟁이 데이터센터 내부의 전기 신호 한계를 넘어 Silicon Photonics와 Co-Packaged Optics를 이용한 ‘빛의 네트워크’ 경쟁으로 확장되는 과정을 읽는 AI 인프라 산업 여행 Ingress 지난 AI 칩은 왜 혼자 완성될 수 없나에서는 대만 신주에서 CoWoS와 첨단 패키징 을 따라가 봤습니다. GPU와 HBM이 아무리 뛰어나도 서로 빠르게 연결하지 못하면 하나의 강력한 AI 가속기가 될 수 없었습니다. 그래서 반도체 경쟁의 무대가 개별 칩에서 패키지 전체로 확장됐습니다. 그런데 AI 시스템이 커지면 또 다른 문제가 시작됩니다. 하나의 패키지 안에서 GPU와 HBM을 빠르게 연결하는 데 성공했다고 해도 수백 개, 수천 개, 더 나아가 수만 개 이상의 AI 가속기를 데이터센터 규모에서 연결하려면 엄청난 양의 데이터가 서버와 랙, 스위치 사이를 계속 이동해야 합니다. 여기서 기존의 전기 신호 가 전력소비와 신호손실, 발열이라는 벽을 만나기 시작합니다. 그리고 그 벽 앞에서 다시 주목받는 기술이 Silicon Photonics, 실리콘 포토닉스 입니다. 실리콘 반도체 기술 위에서 빛을 이용해 데이터를 전달하는 방식입니다. 여기에 광학 엔진을 네트워크 스위치 ASIC 가까이에 직접 배치하는 CPO, Co-Packaged Optics 가 결합되면서 AI 데이터센터의 네트워크 구조가 다시 바뀌고 있습니다. 2026년에는 이 변화가 단순한 연구개발 단계만의 이야기도 아닙니다. NVIDIA는 Vera Rubin 플랫폼과 함께 Spe...