<데이터센터가 도시의 전기와 물을 먹기 시작했다>

• AI라고 하면 보통 이런 장면이 떠오릅니다.

채팅창, 프롬프트, 모델 성능, 벤치마크, 코딩 자동화, 이미지 생성, 업무 효율...

• 그래서 AI는 마치 구름 위에 떠 있는 기술처럼 느껴집니다. 우리는 그것을 클라우드라고 부릅니다. 보이지 않고, 가볍고, 어디에나 있고, 버튼 하나로 작동하는 것처럼 보입니다. 그런데 2026년이 되자 AI의 전혀 다른 얼굴이 드러나고 있습니다.

AI는 구름 위에 있지 않습니다.

• AI는 땅 위에 있습니다. 전기 위에 있습니다. 물 위에 있습니다. 송전망 위에 있습니다. 냉각 시스템 위에 있습니다. 그리고 점점 지역 주민들의 반대 위에 서 있습니다. 

• 우리가 ChatGPT에 질문 하나를 던질 때, 그 뒤에서는 데이터센터가 전기를 쓰고, 열을 식히기 위해 물을 쓰고, GPU 서버가 돌아가고, 전력망은 더 큰 부하를 감당해야 합니다.

즉, AI는 소프트웨어처럼 보이지만 실제로는 가장 물리적인 산업이 되고 있습니다.

• 이 변화가 중요합니다. AI 경쟁의 초반은 모델 경쟁이었습니다. 누가 더 똑똑한가. 누가 더 빠른가. 누가 더 긴 문맥을 처리하는가. 누가 더 많은 업무를 자동화하는가. 하지만 다음 경쟁은 조금 다릅니다. 

• 누가 전기를 확보할 수 있는가. 누가 물을 덜 쓸 수 있는가. 누가 더 싼 냉각을 만들 수 있는가. 누가 데이터센터를 지을 땅을 확보할 수 있는가. 누가 지역 반발을 피할 수 있는가가 되어버렸습니다.

AI는 이제 지능의 문제가 아니라 인프라의 문제가 되고 있습니다.

• 그래서 요즘 흥미로운 스타트업들은 더 똑똑한 모델만 만들고 있지 않습니다. 어떤 회사는 데이터센터를 바다로 보내려 합니다. 어떤 회사는 우주로 올리려 합니다. 어떤 회사는 태양열과 열 저장으로 AI 전력을 만들려 합니다. 어떤 회사는 액체 냉각으로 물 사용을 줄이려 합니다. 어떤 회사는 AI 데이터센터를 전력망과 협상하는 자산으로 바꾸려 합니다.

• 오늘은 이 흐름을 바탕으로 왜 AI가 점점 더 물리적인 산업이 되고 있는지, 그리고 스타트업들이 이 문제를 어떻게 새로운 시장으로 만들고 있는지 살펴보려 합니다.

<왜 지금, AI 인프라인가?>

AI가 처음 대중화되었을 때, 사람들은 주로 모델을 봤습니다.

• GPT가 더 똑똑해졌는지, Claude가 더 긴 문서를 읽는지, Gemini가 더 빠르게 답하는지, Cursor가 코드를 얼마나 잘 짜는지... 그런데 모델 경쟁이 커질수록 그 아래에 있던 비용이 점점 위로 올라오기 시작했습니다.

• AI는 더 많은 GPU가 필요합니다. GPU는 더 많은 전기를 필요로 합니다. 전기는 더 많은 송전망을 필요로 합니다. 서버는 더 많은 냉각을 필요로 합니다. 냉각은 물과 에너지를 필요로 합니다. 데이터센터는 땅과 허가와 지역 사회의 동의를 필요로 합니다.

즉, AI의 병목은 더 이상 모델 안에만 있지 않습니다.

• AI의 병목은 전력망, 물, 냉각, 입지, 허가, 보험, 지역 정치로 이동하고 있습니다.

• 최근 Axios는 AI 인프라 확장 속에서 물이 에너지와 함께 핵심 쟁점으로 떠올랐다고 보도했습니다. Google, Amazon, Microsoft 같은 기업들도 데이터센터의 물 사용과 냉각 문제를 점점 더 공개적으로 다루고 있습니다. The Guardian은 First Street 분석을 바탕으로 전 세계 데이터센터 상당수가 홍수, 산불, 강풍, 폭염, 가뭄 같은 기후 리스크에 노출되어 있다고 보도했습니다.

이건 꽤 아이러니합니다.

• AI는 기후 리스크를 예측하는 기술이 될 수 있습니다. 하지만 동시에 AI를 돌리는 데이터센터도 기후 리스크에 취약합니다. AI는 물 부족을 분석할 수 있습니다. 하지만 AI 데이터센터는 물 부족 지역에서 갈등을 만들 수 있습니다. AI는 전력망을 최적화할 수 있습니다. 하지만 AI 자체가 전력망에 새로운 부담이 될 수 있습니다. 그래서 지금 시장의 질문은 이렇게 바뀌고 있습니다.

• “어떤 모델이 가장 좋은가?”에서 “그 모델을 어디서, 무엇으로, 얼마나 지속 가능하게 돌릴 것인가?”로...

<사례 1. Panthalassa – 데이터센터를 바다로 보내려는 스타트업>

Panthalassa는 미국 오리건주 포틀랜드 기반의 스타트업입니다.

• 이 회사는 AI 데이터센터를 바다로 보내려 합니다. 정확히는 바다 위에 떠 있는 노드가 파도의 움직임으로 전기를 만들고, 그 전기로 AI 연산을 수행하며, 바닷물로 서버를 식히는 구조를 구상하고 있습니다. 2026년 5월, Panthalassa는 Peter Thiel이 이끄는 투자자들로부터 1억 4,000만 달러 규모의 Series B 투자를 유치했습니다. 이 회사의 아이디어는 단순하지만 파격적입니다.

전기를 육지로 가져오지 말자. 데이터센터를 전기가 있는 곳으로 보내자.

• 기존의 해양 에너지 스타트업들은 대체로 바다에서 만든 전기를 육지로 보내려 했습니다. 하지만 그 과정에는 송전 인프라, 해저 케이블, 유지보수, 허가 문제가 생깁니다. Panthalassa는 반대로 생각합니다. 전기를 육지로 보내는 대신 AI 서버를 바다로 가져갑니다. 바다는 파도 에너지를 제공합니다. 바다는 냉각 환경을 제공합니다. 육지의 전력망과 부동산 제약도 줄어듭니다.

차별점

1. 파력 에너지를 직접 AI 연산에 사용
2. 바닷물 기반 자연 냉각 구조
3. 육상 전력망과 데이터센터 입지 문제를 회피
4. 위성 통신을 통해 결과 전송 가능성 제시

• Panthalassa는 에너지 스타트업이면서 동시에 AI 인프라 스타트업입니다. 이 회사가 보여주는 핵심은 “AI는 전기가 있는 곳으로 이동할 수 있다”는 발상입니다. 앞으로 AI 인프라 경쟁은 데이터센터를 어디에 짓느냐가 아니라, 컴퓨팅을 어디로 이동시킬 수 있느냐의 싸움이 될 수 있습니다.

<사례 2. Starcloud – 우주에 데이터센터를 올리려는 상상>

Starcloud는 훨씬 더 극단적인 접근을 합니다.

• 이 회사는 우주 데이터센터를 구상합니다. 지구 밖에서 태양 에너지를 활용하고, 우주의 차가운 환경을 냉각에 활용하며, AI 연산을 궤도 위에서 수행하겠다는 방향입니다. 2026년 3월, Starcloud는 1억 7,000만 달러 Series A 투자를 유치하며 11억 달러 가치 평가를 받았고, YC 역사상 가장 빠르게 유니콘에 도달한 회사 중 하나로 언급되었습니다.

이 아이디어는 당연히 논쟁적입니다.

• SoftBank의 손정의 회장은 최근 우주 데이터센터 아이디어에 대해 비용이 너무 크고, 경쟁은 결국 지구 위 데이터센터에서 벌어질 것이라는 취지로 회의적인 시각을 보이기도 했습니다. 그럼에도 Starcloud가 흥미로운 이유는 이 회사가 AI 인프라 문제를 아주 극단적인 방식으로 드러내기 때문입니다.

왜 누군가는 데이터센터를 우주로 보내려 할까요?

• 그만큼 지구 위 데이터센터가 전기, 물, 땅, 허가, 지역 반발, 냉각 문제에 부딪히고 있기 때문입니다.

차별점

1. 지구 밖 태양 에너지와 냉각 환경 활용 가능성
2. 지상 데이터센터 입지·전력·물 문제의 급진적 회피
3. 우주 기반 AI 연산이라는 새로운 인프라 상상
4. 궤도 데이터센터와 클라우드 서비스의 결합 가능성

• Starcloud는 당장 모든 데이터센터를 우주로 옮기겠다는 현실적 해답이라기보다, AI 인프라 병목이 얼마나 커졌는지를 보여주는 상징적 사례입니다. 시장이 정말 커지면, 가장 말도 안 되는 인프라 아이디어도 투자 대상이 됩니다. AI의 병목이 커질수록 컴퓨팅의 지리도 다시 쓰일 수 있습니다.

<사례 3. Exowatt – AI 데이터센터용 전기를 따로 만들다>

Exowatt은 AI 데이터센터의 전력 문제를 정면으로 다루는 스타트업입니다.

• 이 회사는 태양열을 모으고, 그 에너지를 열로 저장한 뒤, 필요할 때 전기로 바꾸는 모듈형 에너지 시스템을 개발하고 있습니다. 2024년에는 a16z, Atomic, Sam Altman 등이 참여한 2,000만 달러 Seed 투자를 받았고, 2025년에는 7,000만 달러 Series A를 유치해 총 9,000만 달러를 조달했습니다. Exowatt이 중요한 이유는 AI 데이터센터가 일반 전력망만으로는 감당하기 어려운 부하가 되고 있기 때문입니다.

• 데이터센터는 24시간 안정적인 전력을 필요로 합니다. 하지만 태양광과 풍력은 간헐적입니다. 배터리는 비쌉니다. 송전망 연결은 느립니다. Exowatt은 이 문제를 열 저장 기반의 저비용 장주기 에너지 시스템으로 풀려 합니다. 즉, AI 데이터센터가 쓸 수 있는 별도의 전력 인프라를 만드는 겁니다.

차별점

1. AI 데이터센터를 핵심 고객으로 설정
2. 태양열 기반 장주기 에너지 저장
3. 24시간 전력 공급을 목표로 한 모듈형 시스템
4. 전력망 연결 지연과 피크 전력 문제 완화 가능성

• Exowatt은 “AI는 전기를 많이 쓴다”는 문제를 비판하는 데서 멈추지 않습니다. AI가 필요로 하는 전기를 별도로 설계하는 시장을 만들고 있습니다. AI 시대에는 모델 스타트업만큼이나 전력 스타트업이 중요해질 수 있습니다. 지능을 파는 회사 뒤에는 반드시 전기를 파는 회사가 필요합니다.

<사례 4. NVIDIA Liquid Cooling – AI의 병목은 칩이 아니라 열이다>

AI 인프라에서 가장 과소평가된 문제 중 하나는 열입니다.

• GPU는 뜨겁습니다. AI 서버 랙은 고밀도입니다. 데이터센터는 더 많은 전기를 쓰고, 더 많은 열을 냅니다. 이 열을 식히지 못하면 아무리 좋은 칩도 제대로 돌릴 수 없습니다. 

• NVIDIA는 최근 차세대 AI 인프라에서 더 높은 온도에서도 작동하는 액체 냉각 시스템을 발표했습니다. 보도에 따르면 이 시스템은 약 45도, 그러니까 온수 욕조보다 뜨거운 수준의 냉각액으로도 작동하도록 설계되었고, 밀폐형 순환 구조를 통해 물 사용을 크게 줄일 수 있다고 설명됩니다.

중요한 건 이것입니다.

• AI 인프라 경쟁은 이제 칩 성능만이 아닙니다. 칩이 만든 열을 어떻게 처리할 것인가. 물을 얼마나 덜 쓸 것인가. 냉각 전력을 얼마나 줄일 것인가. 더운 지역에서도 데이터센터를 운영할 수 있는가?.. 이 질문이 경쟁력이 됩니다.

차별점

1. 고온 액체 냉각으로 냉각 효율 개선
2. 밀폐형 순환 구조로 물 사용 절감 가능성
3. AI GPU 고밀도화에 대응하는 인프라 설계
4. 지역 물 사용 논란과 데이터센터 허가 문제 완화 가능성

• NVIDIA의 냉각 전략은 AI 경쟁의 초점이 모델과 GPU에서 데이터센터 운영 효율로 확장되고 있음을 보여줍니다. AI 시대의 진짜 하드웨어 혁신은 칩 안에서만 일어나지 않습니다. 칩 주변의 열, 물, 전력 관리가 새로운 차별화 요소가 됩니다.

<사례 5. Submer – 서버를 액체 속에 담그는 회사>

Submer는 데이터센터 냉각 문제를 다루는 스타트업입니다.

• 이 회사는 immersion cooling, 즉 서버를 특수 액체 안에 담가 냉각하는 방식에 집중합니다. 기존 데이터센터는 공기 냉각을 많이 사용했습니다. 하지만 AI 서버는 훨씬 더 뜨겁고, 랙당 전력 밀도가 높아지고, 공기만으로 식히기 어려운 구조로 이동하고 있습니다.

• Submer 같은 회사가 주목받는 이유는 AI 시대의 데이터센터가 더 이상 기존 냉각 방식만으로는 버티기 어렵기 때문입니다. 액체 냉각은 더 높은 밀도의 서버를 운영할 수 있게 하고, 냉각 효율을 높이며, 폐열 회수 가능성까지 열어줍니다.

차별점

1. 고밀도 AI 서버에 적합한 immersion cooling
2. 공기 냉각 대비 효율 개선 가능성
3. 데이터센터 공간과 전력 사용 최적화
4. 폐열 회수와 에너지 재활용 가능성

• Submer는 데이터센터를 “건물”이 아니라 “열을 관리하는 시스템”으로 다시 보게 만듭니다. AI가 커질수록 데이터센터의 핵심 역량은 서버를 쌓는 능력이 아니라, 열을 통제하는 능력이 됩니다.

<사례 6. Crusoe – 낭비되던 에너지를 컴퓨팅으로 바꾸다>

• Crusoe는 원래 석유·가스 현장에서 버려지거나 태워지던 가스를 활용해 데이터센터 전력을 만드는 방식으로 주목받았습니다.

핵심은 stranded energy입니다.

• 즉, 에너지는 있지만 전력망에 연결하기 어렵거나, 경제적으로 운반하기 어려운 곳에서 그 에너지를 현장에서 컴퓨팅으로 바꾸는 겁니다. AI 시대에 이 접근은 더 중요해졌습니다. 데이터센터가 꼭 도시에 있을 필요가 없다면, 컴퓨팅은 에너지가 남는 곳으로 이동할 수 있습니다.

• Crusoe는 이후 AI 클라우드 인프라로 확장하며 GPU 기반 컴퓨팅 수요를 흡수하고 있습니다. 이 회사가 보여주는 것은 AI 인프라가 전력망을 기다리는 것이 아니라 전력이 있는 곳으로 이동할 수 있다는 점입니다.

차별점

1. stranded energy를 컴퓨팅 자원으로 전환
2. 전력망 연결이 어려운 지역의 에너지 활용
3. AI 클라우드와 에너지 인프라를 결합
4. 컴퓨팅 입지를 에너지 관점에서 재설계

• Crusoe는 데이터센터를 도시 주변에 짓는 기존 사고에서 벗어나, 에너지 발생지 근처에서 컴퓨팅을 돌리는 모델을 보여줍니다. AI 시대에는 클라우드도 점점 에너지 지리학의 영향을 받습니다. 컴퓨팅은 싸고 안정적인 전기를 찾아 이동합니다.

<이 사례들이 공통으로 보여주는 것>

• Panthalassa, Starcloud, Exowatt, NVIDIA, Submer, Crusoe, Grid-Responsive Compute는 서로 다른 방향으로 움직입니다. 어떤 회사는 바다로 갑니다. 어떤 회사는 우주로 갑니다. 어떤 회사는 태양열을 저장합니다. 어떤 회사는 액체로 서버를 식힙니다. 어떤 회사는 낭비되던 에너지를 컴퓨팅으로 바꿉니다. 어떤 연구는 데이터센터가 전력망에 반응하게 만듭니다.

• 하지만 공통점은 분명합니다. AI의 다음 병목은 모델이 아닙니다. AI의 다음 병목은 인프라입니다. 전기, 물, 열, 땅, 허가, 송전망, 냉각, 지역 사회, 이것들이 AI의 성장을 결정하기 시작했습니다. 즉, 앞으로 AI 시장에서 중요한 질문은 이렇게 바뀔겁니다.

누가 가장 좋은 모델을 만들었는가? 

보다 누가 그 모델을 가장 오래, 싸게, 안정적으로 돌릴 수 있는가?

<스타트업이 배워야 할 것>

• 스타트업은 종종 소프트웨어를 가볍게 생각합니다. 코드만 있으면 되고, 클라우드만 빌리면 되고, API만 붙이면 된다고 생각합니다. 하지만 AI 시대에는 이 전제가 흔들리고 있습니다.

AI 서비스가 커질수록 그 서비스는 물리 인프라의 제약을 받습니다.

• GPU 가격, 전력 단가, 냉각 비용, 지역 전력망, 데이터센터 입지, 탄소 규제, 물 사용량, 지역 주민 반발. 이 모든 것이 제품의 원가와 확장성을 결정합니다. 그래서 앞으로 좋은 AI 스타트업은 모델만 잘 쓰는 팀이 아닙니다.

• 인프라 비용을 이해하는 팀, 전력과 냉각을 전략으로 보는 팀, 데이터센터의 제약을 제품 설계에 반영하는 팀, AI 사용량이 커질수록 단위 경제가 어떻게 변하는지 아는 팀이 강해질 가능성이 큽니다.

AI는 더 이상 “클라우드에 올리면 되는 것”이 아닙니다.

• AI는 점점 전력 계약, 냉각 방식, 데이터센터 위치, 워크로드 스케줄링, 에너지 조달까지 포함하는 거대한 운영 전략이 되고 있습니다.

<마치며 - AI는 우리에게 아주 가볍게 다가왔습니다.>

창 하나를 열고, 문장을 입력하고, 답변을 받으면 끝이었습니다. 그래서 우리는 AI를 말하는 소프트웨어처럼 생각했습니다. 하지만 그 뒤에는 뜨거운 서버가 있고, 식혀야 할 열이 있고, 필요한 물이 있고, 엄청난 전기가 있고, 그 전기를 감당해야 할 지역이 있습니다.

AI는 클라우드가 아닙니다. AI는 물리적 산업입니다.

그리고 2026년 이후의 AI 경쟁은 더 이상 모델 성능만으로 설명되지 않을 가능성이 큽니다. 누가 더 싼 전기를 확보하는가. 누가 물 사용을 줄이는가. 누가 열을 더 잘 관리하는가. 누가 데이터센터를 더 유연하게 운영하는가. 누가 지역 사회와 충돌하지 않고 확장하는가를 증명하게 되겠죠. 이 질문들이 AI의 미래를 결정할 것입니다.

어쩌면 다음 AI 시대의 승자는 가장 똑똑한 모델을 만든 회사가 아니라, 그 모델을 가장 지속 가능하게 돌릴 수 있는 인프라를 가진 회사일지도 모릅니다. 그래서 지금 다시 물어야 합니다.

당신이 쓰는 AI는 정말 구름 위에 있나요? 아니면 누군가의 전기, 누군가의 물, 누군가의 땅 위에서 돌아가고 있나요?