📌AI의 병목 현상은 HBM과 첨단 패키징에서 전력 설비 및 계통 연계(그리드 접속) 자격으로 이동 / Michael Rodriguez

대형 모델의 수명 주기는 훈련과 추론 두 단계로 구성

• 훈련 측면에서는 수만 개의 그래픽 카드가 장기간 병렬로 작동하여 안정적인 전원 공급이 필요(GPT-4는 1회 학습 세션당 5,000만 kWh 이상의 전력을 소비)

• 추론 단계에서는 AI가 다양한 터미널 애플리케이션과 연결됨에 따라, 데이터 센터가 전력을 지속적으로 끌어쓰며 24시간 중단 없이 계산을 수행

이 두 가지 수요의 결합은 에너지 경제학의 '제번스 역설(Jevons paradox)'을 유발

📍 기술적 혁신으로 연산 주기당 에너지 소비량은 크게 줄어들었지만, 진입 장벽이 낮아짐에 따라 호출량이 수백, 수천 배로 폭증하여 결과적으로 사회 전체의 총 전력 소비량이 증가하게 된 것

미 에너지정보청(EIA)은 2030년까지 데이터 센터가 미국 전체 전력의 11.8%, 극단적인 경우 15.3%를 소비할 수 있다고 계산

📍 하지만 에너지 공급 곡선은 그렇게 빨리 회복 불가능.

이는 전력원 건설, 전력망 확장, 그리드 접속 승인이라는 세 가지 요소의 제약을 받으며, 이 중 어느 것도 칩의 혁신 속도만큼 빠르게 작동할 수 없는 상황

연간 40% 성장하는 수요 선이 연간 15% 성장하는 공급 선과 충돌하고 있으며, 이 격차는 발전소 부족이 아니라 두 곡선의 기울기 차이에서 발생

📍 발전량 자체가 부족할 뿐만 아니라 변압기와 같은 전력망 설비도 부족하며, 향후 대규모 에너지 저장 장치(ESS)가 전력망의 실질적인 해결책이 될 것이라는 점

📍 앞으로 주목해야 할 점

• 전력 설비의 납품 주기. 변압기 리드 타임이 160주 밑으로 떨어지고 가스 터빈 스케줄이 단축되는 것이 전력 부족 해소의 실질적인 신호.

• 전력망 접속 승인 및 지역 사회의 반발. 텍사스주의 승인 중단, 뉴욕주의 금지 조치, 70%에 달하는 주민 반대율은 제약 조건이 '전력을 생산할 수 있는가'에서 '연결을 허용할 것인가'로 이동

• 2027년의 실제 전력 공급 능력과 명목 컴퓨팅 파워 간의 격차. 현재 시장은 컴퓨팅 파워 수요의 고성장을 가격에 반영하고 있지만, 데이터 센터의 전력망 연결이 지연된다면 매출은 발생하지 않은 채 감가상각만 지속될 것. AI 자산의 가격 재평가 레이어는 바로 이 프로젝트들에서부터 시작될 것