국제에너지기구(IEA)의 2025년 보고서에서 가장 기억하기 쉬운 숫자는 945 TWh입니다. 2024년 약 415 TWh였던 세계 데이터센터 전력 소비가 기준 시나리오에서 2030년에 도달할 값입니다[1]. 세계 전력 수요에서 차지하는 비중은 1.5%에서 3% 바로 아래로 오릅니다. 3%만 떼어 보면 생각보다 작다고 안심할 수도 있고, 지나치게 크다고 놀랄 수도 있습니다. 둘 다 보고서가 던지는 더 실용적인 결론을 놓칩니다. 전력 소비량은 세계 통계지만 데이터센터가 연결되는 곳은 지역 전력망입니다.
AI 용량은 한곳에 모인 큰 부하로 들어옵니다. 미국 데이터센터 용량의 절반 가까이가 다섯 지역 클러스터에 있습니다. 2030년까지 늘어날 세계 데이터센터 전력 수요의 약 80%는 미국과 중국에 집중됩니다. 대형 시설 하나는 전력 다소비 공장과 비슷한 부하를 요구하며, 같은 시장에서 비슷한 사업 여러 개가 이미 연결 순서를 기다릴 수 있습니다. 따라서 세계가 530 TWh를 더 생산할 수 있는지만 물어서는 부족합니다. 특정 변전소와 송전 경로, 전력 장비 공급망이 약속한 날짜에 수백 MW를 전달할 수 있는지가 실제 질문입니다.
945 TWh는 측정값이 아닌 기준 시나리오
IEA는 서버 출하 전망, 설치된 IT 용량, 이용률, 하드웨어 효율, 전력사용효율(PUE)을 조합해 기준 시나리오를 만듭니다. 2030년까지 가속 서버 용량은 거의 5배가 되지만 일반 서버는 1.8배로 늘어납니다. 2025년부터 2030년까지 서버 전력 증가분의 약 70%가 가속 서버에서 나옵니다. 동시에 세계 평균 PUE는 1.41에서 1.29로 좋아집니다. 이 개선은 약 90 TWh를 절감하고 IT 부하 단위당 냉각 전력을 약 30% 낮춥니다.
가속기 명판 전력만 늘려서는 전망을 만들 수 없는 이유가 여기에 있습니다. 서버 수량과 장치당 전력은 수요를 올립니다. 냉각 개선, 낮은 유휴 전력, 효율 좋은 하드웨어는 수요를 내립니다. 이용률은 양쪽에 영향을 줍니다. 비싼 AI 서버가 joule당 더 많은 일을 하더라도 더 오랜 시간 높은 부하로 동작할 수 있기 때문입니다.
불확실성의 폭은 큽니다. 2030년 가속 성장(Lift-Off) 시나리오는 1,260 TWh를 넘습니다. 고효율(High Efficiency)은 약 800 TWh, 제약 심화(Headwinds)는 약 670 TWh입니다. 2035년에는 네 시나리오가 700~1,720 TWh로 벌어지며 기준 시나리오는 약 1,200 TWh입니다. 가속 성장은 AI 도입이 빠르고 지역 에너지 제약이 적다고 봅니다. 고효율은 서비스 수요를 유지하면서 하드웨어, 소프트웨어, 시설 효율이 더 좋아진다고 가정합니다. 제약 심화는 도입 속도가 느리고 기반시설 병목이 큽니다. 이 값들은 확률 구간이 아니라 조건이 다른 경로입니다.
세계에서는 작은 비중이 지역의 증가분을 지배하는 요인
기준 시나리오에서 데이터센터는 2030년까지 늘어나는 세계 전력 수요의 10% 미만을 차지합니다. 분모를 바꾸면 같은 부하의 모습도 달라집니다. 수십 년간 전력 수요가 거의 정체됐던 선진국에서는 증가분의 20% 이상이 데이터센터에서 나옵니다. 미국에서는 절반에 가깝습니다. 2030년 미국 데이터센터의 전력 소비는 자국의 알루미늄, 철강, 시멘트, 화학을 포함한 에너지 다소비 제품 생산에 쓰는 전력을 합친 것보다 커질 전망입니다.
이미 밀집한 지역이 국소 효과를 보여 줍니다. 아일랜드에서는 데이터센터가 계량 전력의 약 20%를 씁니다. 미국에서는 여섯 개 주가 10%를 넘고 Virginia는 약 25%입니다. 이 비중을 세계 평균의 미래로 볼 수는 없습니다. 다만 세계 전체에서는 크지 않은 부하가 한 지역 전력계통의 가장 중요한 고객이 될 수 있다는 증거입니다.
IEA는 계통 제약을 풀지 못하면 2030년까지 계획된 세계 데이터센터 용량의 약 20%가 늦어질 수 있다고 추산합니다. 새 송전선 건설에는 선진국에서 보통 4~8년, 신흥국에서 2~4년이 걸립니다. 데이터센터 연결 대기시간은 미국 전체에서 1~3년이며, Northern Virginia와 독일에서는 최대 7년, 영국에서는 5~7년, 네덜란드에서는 최대 10년으로 보고됐습니다. 변압기 주문 잔량은 2024년에 30% 넘게 늘었고 가격 지수는 2020년보다 1.5배가 됐습니다.
이 수치는 세계 에너지의 절대 부족보다 일정 위험을 나타냅니다. 발전소, 전력망, 데이터센터의 건설 속도가 서로 다릅니다. 캠퍼스는 18개월짜리 서버 도입 계획을 세울 수 있지만 송전 사업은 아직 인허가 중일 수 있습니다. 여러 시장에 중복으로 넣은 연결 신청과 실현 가능성이 낮은 계획도 실제 필요한 GW를 흐립니다. 문서에 적힌 용량과 전선을 통과할 수 있는 용량 사이에는 수년의 차이가 생깁니다.
늘어나는 전력을 한 가지 발전원이 맡지는 않는 이유
기준 시나리오에서 2035년까지 늘어나는 데이터센터 전력의 약 절반은 재생에너지가 공급합니다. 현재보다 약 450 TWh 증가한 값입니다. 같은 기간 데이터센터에 공급하는 천연가스 발전량은 약 175 TWh 늘어납니다. 일부 지역에서는 석탄도 기여하며, 2030년 이후에는 원자력의 역할이 커집니다. IEA는 2030~2035년에 미국과 중국을 중심으로 데이터센터 공급용 원자력 약 20 GW가 새로 가동될 것으로 봅니다.
전원 구성은 배출량 전망도 바꿉니다. 기준 시나리오의 데이터센터 전력 관련 배출량은 2030년 무렵 약 320 Mt CO2에서 정점을 찍은 뒤 저탄소 전원이 늘면서 내려갑니다. 세계 연소 배출량의 1% 미만이지만 지역 영향은 더 큽니다. 가속 성장 시나리오는 단기 수요의 더 많은 부분을 화석연료로 충당해 2030년대 약 475 Mt CO2에서 높은 수준을 유지합니다. 연간 재생에너지 계약을 체결했다는 사실만으로 시설의 매시간 부하가 같은 시간대의 청정 전원과 일치한다고 볼 수도 없습니다.
작업이 허용하는 범위에서만 생기는 유연성
보고서가 먼저 제시하는 수단은 입지 유연성입니다. 학습과 일부 배치 추론은 사용자와 멀어져도 되므로 발전과 송전, 토지가 충분한 곳에 클러스터를 둘 수 있습니다. 대화형 추론, 데이터 주권 규정, 전문 인력 접근성은 선택지를 줄입니다. 이미 구축된 네트워크와 인력 생태계도 계속 투자를 끌어당깁니다. 전력이 부족해진 뒤에도 발표된 신규 용량이 기존 거점에 모이는 이유입니다.
두 번째 수단은 시간입니다. 일부 작업은 전력 가격이 낮은 시간으로 옮기거나 다른 지역에서 실행할 수 있습니다. 실시간 서비스에는 이 방법을 쓰기 어렵습니다. 학습도 완전히 자유롭지는 않습니다. 비싼 가속기를 세워 두는 비용이 크고, 분산 작업을 멈추면 진행 상태나 효율을 잃을 수 있습니다. 배터리, 비상 발전, 축열 장치는 전력망이 보는 부하를 다듬지만 지속시간과 배출 특성이 다릅니다. 따라서 유연성은 “필요하면 끌 수 있다”는 선언보다 작업별 동작 범위로 제시해야 합니다.
IEA 전망에도 한계가 있습니다. 서버 출하 기대치는 빠르게 변하는 산업의 전망에 의존하며, 이용률과 유휴 전력, 시설 운영에 관한 공개 데이터는 아직 부족합니다. 2035년의 700~1,720 TWh 범위가 그 불확실성을 그대로 보여 줍니다. 이 보고서의 실용적 가치는 2035년 값을 소수점까지 맞히는 데 있지 않습니다. 칩은 수년 단위로 바뀌고, 데이터센터는 몇 년 안에 올라가며, 송전망은 10년에 가까운 시간이 필요할 수 있습니다. AI 인프라 계획은 이 세 시계를 하나로 볼 때 어긋납니다.
메가와트에 붙는 장소와 날짜
이 전망은 발표된 AI 용량의 의미를 바꿉니다. 500MW 캠퍼스라도 전력망 연결, 변압기, 발전 계약, 냉각 설비가 서로 다른 날짜에 준비되면 그 용량을 한꺼번에 보유한 것이 아닙니다. 송전망이 막힌 거점의 500MW와 확장이 가능한 전력망 옆의 500MW도 같지 않습니다. 인프라 계획은 전력을 GPU처럼 시간과 장소가 붙은 자원으로 다뤄야 합니다. GPU에 종류, 토폴로지, 사용 가능 구간이 있듯 전력에도 연결 지점과 가동 날짜가 있습니다.
이 관점은 투자 선택을 더 분명하게 만듭니다. 선호 지역의 전력 연결을 기다리는 비용과 옮길 수 있는 학습을 다른 곳에 두는 비용, 자체 발전, 임시 가스 발전, 캠퍼스 설계 용량보다 낮게 운영하는 비용을 비교할 수 있습니다. 두 번째 부지의 선택 가치는 단순히 전기요금이 낮아서가 아니라 더 빠르고 확실한 통전 일정에서 나옵니다. 반대로 좋은 전력 구매 계약이 있어도 변전소나 송전 접속 대기열은 해결되지 않습니다.
빠진 운영 지표는 전력망 제약 아래 실제 제공 가능한 연산량입니다. 가동을 승인받은 MW, 시간별 출력 제한, 탄소와 물 조건, 출력 감축 권리, 작업부하가 시간이나 지역을 옮길 수 있는 범위를 함께 계산해야 합니다. 연간 TWh만 보면 전력망이 긴장한 시간에 대화형 서비스의 SLO를 지킬 수 있는지 알 수 없습니다. 명판 용량만 보면 장비가 설치돼도 전원을 넣지 못한 달이 사라집니다. IEA 보고서의 가장 실용적인 결론은 세계 전체가 아니라 지역에 있습니다. AI 성장은 서로 다른 사업 일정의 조정에서 먼저 막히며, 작업부하 배치를 그 일정에 맞출 수 있는 운영자가 새로운 발전소를 기다리지 않고 용량을 얻습니다.
전망치는 여러 건설 계획으로 바뀌어야 할 이유
945 TWh는 하나의 일관된 기준 경로이지 정확한 도착점이 아닙니다. 모델 효율, 이용률, 장치 전력, 추론 수요, 학습 규모, 냉각, 정책이 결과를 바꿀 수 있습니다. 계획은 여러 시나리오를 유지하고 어느 경계에서 어떤 투자가 달라지는지 표시해야 합니다.
송전, 발전, 계통 접속, 대형 부지 인허가는 수요를 정확히 알 때까지 기다리면 늦을 수 있습니다. 반면 가동할 전산실, 예비 장비, 가속기 구매는 수요를 확인하며 단계화할 수 있습니다. 긴 준비가 필요한 기반과 짧은 IT 배치를 나누면 부족과 유휴 투자를 함께 줄일 수 있습니다.
계통 접속 대기열도 연산 용량
요청한 전력, 계약한 전력, 물리 연결된 전력, 커미셔닝한 전력, 계속 공급 가능한 전력을 구분해야 합니다. 마지막 값만 임시 제약 없이 운영 작업을 지탱합니다. 전력 가격뿐 아니라 송전 여유, 가동 시점, 발전 구성, 물과 냉각, 광 경로, 설비 공급, 다음 단계 확장성을 비교해야 합니다.
부분 용량을 먼저 켤 때는 연결된 GPU 그룹, 네트워크, 스토리지를 보존해야 합니다. 임의 랙만 가동하면 전력은 있어도 작업이 요구하는 토폴로지를 만들지 못할 수 있습니다.
유연성에 필요한 작업과 복구 계약
명목 전력 전체가 전력망에 제공할 수 있는 유연 부하는 아닙니다. 실시간 추론, 동기식 학습, 체크포인트, 데이터 지역성이 전력 조정 범위를 제한합니다. 어느 작업을 얼마나 빨리, 얼마나 오래, 얼마나 자주 멈출 수 있고 복구 비용이 얼마인지 밝혀야 합니다.
짧은 변화는 장치 출력 제한과 배치 제어로 흡수하고, 긴 사건은 낮은 우선순위 추론 지연이나 체크포인트 시점의 학습 중단을 사용할 수 있습니다. 다른 지역으로 이동하는 비용과 완료 기한 위험을 전력망 보상과 비교해야 합니다. 사건 뒤 모든 장비가 동시에 최대 전력으로 돌아오지 않도록 복귀 경사도 시험해야 합니다.
에너지에 붙는 시간과 장소
연간 전력과 배출량만으로는 시간대별 발전, 송전 제약, 백업 운전, 냉각수의 지역 영향을 보지 못합니다. 위치 기반과 계약 기반 배출을 나눠 표시하고, 시간 일치 단위와 날씨별 냉각 조건을 밝혀야 합니다. 최종 분모는 품질과 지연을 맞춘 완료 모델 작업당 시설 경계 에너지입니다.
AI가 세계 전력의 대부분을 쓰지 않아도 특정 지역의 다음 변전소와 송전 증설을 지배할 수 있습니다. 긴 준비가 필요한 전력망을 먼저 확보하고, 연산 배치는 단계화하며, 실제로 조정 가능한 작업만 유연성으로 약속하고, 모든 MW에 시간과 장소를 붙이는 것이 이 전망에서 가져갈 판단입니다.
출처와 저작권 안내
이 글은 Silicon & Systems가 IEA의 2025년 Energy and AI 보고서와 데이터셋을 바탕으로 작성한 편집 분석입니다. 문장과 두 도판은 보고된 수치를 사용해 새로 만들었으며 원문의 도판이나 표를 옮기지 않았습니다. 보고서는 Creative Commons Attribution 4.0 International 라이선스로 공개돼 있습니다. 저작권 (c) OECD/IEA 2025. 전체 보고서와 방법론, 내려받기 링크는 IEA 보고서 페이지에서 확인할 수 있습니다.