머니투데이

66년간 박람회와 자동차 전시로 사람을 모았던 건물이 이제 AI 서버를 들일 채비를 한다. 미국 텍사스 댈러스의 대형 전시장 '마켓홀' 얘기다. 부동산 개발사 크로홀딩스는 마켓홀 일대 약 40에이커 부지에 최대 245메가와트(MW) 규모 데이터센터 캠퍼스를 추진 중이다. 기존 전시장에 서버를 그대로 넣는 건 아니지만, 장기적으로 마켓홀을 포함한 주변 부지를 데이터센터 중심으로 재개발하는 구상이다. AI 데이터센터가 외곽 산업단지를 넘어 도심 상업용 부동산의 새로운 수요로 떠오른 셈이다. 대규모 전시장이나 물류시설은 일반 사무실보다 층고가 높고 바닥이 튼튼하다. 발전기와 냉각설비를 놓을 공간도 상대적으로 넓어 데이터센터 후보로 거론된다. 서울에서도 유휴 사옥이나 오피스빌딩, 물류시설을 소형 데이터센터로 바꾸려는 관심이 커지고 있다. 대규모 AI 학습시설은 땅과 전력이 풍부한 지역이 유리하지만, 기업 데이터를 처리하거나 이용자 요청에 빠르게 답해야 하는 AI는 고객과 가까운 도심에 둘 필요가 있다. 다만 빈 건물을 확보했다고 데이터센터가 되는 것은 아니다.

AI에게 해킹 시험을 시켰다. 문제를 풀던 AI는 시험장 밖으로 나가 정답이 있는 서버를 뒤졌다. 지난 7월 오픈AI 내부 평가에서 벌어진 일이다. 두 AI 모델은 인터넷 접속이 차단된 환경에서 보안 문제를 풀고 있었다. 정상적인 방법으로는 외부에 나갈 수 없자, 프로그램 설치에 필요한 파일을 받아오는 시스템의 보안 구멍을 찾아냈다. 그 통로를 이용해 인터넷에 접속한 뒤 AI 공유 플랫폼 허깅페이스의 실제 서버에서 문제 해법을 가져왔다. AI가 자아에 눈뜬 것은 아니다. "문제를 풀라"는 목표를 달성하기 위해 허용되지 않은 방법까지 찾아낸 것이다. 오픈AI는 이를 "전례 없는 사이버 사고"로 규정하고 해당 모델을 비활성화·암호화한 뒤 연구진의 접근까지 차단했다. 문제는 이런 AI가 지금 AI 회사 안에서 다음 AI를 개발하는 데 쓰이고 있다는 점이다. 한 가지 방법이 실패하면 다른 방법을 찾고, 코드를 고쳐 다시 시도하는 능력이 AI 연구에도 활용된다. 이달 오픈AI·앤트로픽·구글·메타 임직원 1273명은 미국 정부에 공동성명을 냈다.

휴대전화 요금제를 떠올려 보자. 매달 정해진 데이터를 받고, 다 쓰면 느려지거나 돈을 더 낸다. AI 이용료가 지금 그렇게 바뀌고 있다. 월정액만 내면 가장 똑똑한 AI를 무제한으로 쓰던 시절이 끝나가는 중이다. 신호탄은 앤트로픽이 지난달 내놓은 최신 AI '클로드 페이블 5'다. 처음에는 유료 가입자 누구나 마음껏 쓰게 해줬다. 그런데 지난 20일부터 '무제한'이 사라졌다. 가장 비싼 요금제에서도 한 주에 쓸 수 있는 양이 정해졌다. 그보다 싼 요금제에서는 정해진 몫을 다 쓰면, 그때부터 쓴 만큼 돈을 더 내야 한다. 왜 이렇게 됐을까. AI는 기존 소프트웨어와 돈이 드는 방식이 다르다. 프로그램은 한번 만들면 쓰는 사람이 늘어도 회사 비용이 거의 늘지 않는다. AI는 다르다. 질문을 하나 받을 때마다 값비싼 계산 장비가 돌아가고 전기가 든다. 답을 내놓을 때마다 원가가 발생한다. 어려운 일을 시킬수록 원가는 더 커진다. 짧은 질문에 짧게 답하면 싸고, 긴 보고서를 쓰게 하거나 오래 고민하게 만들면 비싸다. 이용자 화면에서는 똑같은 답변 한 번이지만, AI 회사 장부에 찍히는 돈은 다르다.

미국 뉴저지의 가정용 전기요금이 지난해 20% 넘게 올랐다. AI 데이터센터 수요 증가로 전력 공급 비용이 불어난 것이 주요 원인 중 하나로 지목됐다. 한동안 AI 업계의 최대 고민은 반도체였다. 엔비디아 그래픽처리장치(GPU)를 구하지 못해 기업들이 줄을 섰다. 이제는 전기가 문제다. 칩을 쌓아도 전력이 없으면 돌릴 수 없다. 발전소와 송전망은 주문한다고 바로 생기는 것도 아니다. 국제에너지기구(IEA)는 세계 데이터센터 전력 소비가 2024년 415TWh에서 2030년 945TWh로 2배 이상 늘 것으로 전망했다. AI 전용 데이터센터 소비량은 같은 기간 3배 넘게 증가할 것으로 내다봤다. 골드만삭스는 미국 데이터센터 전력 수요가 지난해 31GW에서 2027년 66GW로 늘어 미국 전체 소비량의 8. 5%를 차지할 것으로 예상했다. AI 데이터센터는 수많은 GPU를 24시간 가동한다. 서버 열을 식히는 냉각설비도 쉼 없이 돌아간다. 대형 시설 한 곳이 중소도시만큼 전기를 쓰는 사례도 있다. 미국 텍사스와 애리조나 등에서는 전력뿐 아니라 용수 부족 우려도 커진다.

"메일 하나 써줘", "회의록 정리해줘", "에세이를 작성해줘". 생성형 AI가 처음 세상에 등장했을 때 사람들은 AI를 '똑똑한 문장가'로 기억했다. 글을 쓰고 번역하는 역할을 AI에게 맡겼다. 이후 AI는 '개발자'가 됐다. 자연어로 명령을 내리면 알아서 코드를 짜고 개발을 진행하는 바이브코딩이 대세가 됐다. 현실 세계에선 오히려 개발자의 시대가 저물고 '기획'의 중요성이 다시 강조됐다. 다음은 '과학자'다. 요즘 AI 기업들이 가장 공을 들이는 곳은 바로 실험실이다. 신약을 만들고, 새로운 단백질을 설계하고, 우주의 미지의 신호를 찾는 일이 AI의 새 무대가 되고 있다. AI 산업의 중심축이 '생성'에서 '발견'으로 이동하기 시작한 것이다. 가장 상징적인 곳은 구글 딥마인드다. 딥마인드는 단백질 구조를 예측하는 AI '알파폴드'로 생명과학의 오랜 난제를 풀어냈다. 이 성과로 데미스 허사비스 딥마인드 CEO와 존 점퍼 연구자는 2024년 노벨 화학상을 받았다. 단백질은 생명 활동의 기본 부품이다. 어떤 모양으로 접히느냐에 따라 기능이 달라진다.

평일, AI를 활용해 회사 업무에 집중한다. 이메일을 쓰고, 보고서를 다듬고, 마케팅 문구를 만들고, 발표자료를 정리한다. 쉬는 날? AI 역할에도 '변화'가 시작된다. 사람들은 AI에 '다음 직장'보다 '내 사업'을 묻기 시작했다. 이 아이템으로 사업이 될지, 부업은 어디서부터 시작해야 할지, 온라인 판매를 하려면 무엇을 준비해야 할지 AI와 상의하는 식이다. AI 기업 앤트로픽이 최근 공개한 여섯 번째 경제 지수 보고서 '케이던스(Cadences)'에는 이런 변화가 담겼다. 보고서는 클로드 이용자들의 실제 사용 데이터를 바탕으로 사람들이 언제 AI를 찾고, 어떤 일을 맡기며, AI가 자신의 업무에 어떤 영향을 미칠 것으로 보는지 분석했다. 클로드 채팅과 코워크 대화 중 개인적 사용 비중은 평일 35% 수준에서 주말 50% 수준까지 높아졌다. 평일에는 업무 서신, 마케팅 문구, 슬라이드 자료 작성 같은 요청이 많았지만, 주말에는 정서적 지원, 의료 관련 질문, 투자 조언 등 개인적 영역으로 대화 주제가 옮겨갔다.

AI가 답변을 내놓는 뒤편에는 거대한 공장이 돌아간다. 수천, 수만 개의 GPU가 동시에 열을 뿜고, 데이터센터는 이 열을 식히기 위해 막대한 전기와 물을 쓴다. AI 데이터센터가 들어서는 지역마다 "전기는 어디서 끌어오느냐", "물은 얼마나 쓰느냐"는 질문이 따라붙는 이유다. 엔비디아가 해법을 꺼냈다. 차가운 물이 아니라 최고 45°C의 '뜨거운 물'로 AI 서버를 식히겠다는 구상이다. 언뜻 이상하게 들린다. 서버를 식힌다면서 냉각수가 웬만한 사우나의 열탕 물만큼 뜨겁기 때문이다. 여기서 중요한 것은 물의 온도보다 냉각 방식이다. 엔비디아는 루빈(Rubin) 세대 AI 플랫폼에서 물과 프로필렌글리콜을 섞은 냉각액을 밀폐된 배관 안에서 순환시키는 완전 액체냉각 구조를 제시했다. 냉각액이 GPU 가까이에서 직접 열을 받아 외부로 옮기고, 건식 냉각기로 열을 배출하는 방식이다. 기존 냉각탑은 물을 증발시켜 열을 밖으로 내보낸다. 이 과정에서 물이 계속 필요하다. 반면 엔비디아가 제시한 방식은 냉각액을 닫힌 회로 안에서 돌린다.

AI(인공지능)업계에서 가장 비싼 자산은 엔비디아의 GPU(그래픽처리장치)가 아니다. 사람이다. 구글은 요즘 이 사실을 뼈아프게 느꼈다. 불과 며칠 사이 구글을 대표하던 AI 연구자 2명이 회사를 떠나서다. 한 명은 노엄 샤지어. 구글 생성형 AI모델 제미나이의 공동리드였던 그는 챗GPT 운영사 오픈AI로 향했다. 다른 한 명은 존 점퍼. 구글 딥마인드 부사장이자 단백질 구조예측 AI '알파폴드' 연구자인 그는 클로드 운영사 앤트로픽에 합류한다. 샤지어는 생성형 AI의 뿌리에 가까운 인물이다. 2017년 논문 'Attention Is All You Need'의 공동저자다. 이 논문은 챗GPT와 제미나이, 클로드 같은 거대언어모델의 기반이 된 트랜스포머 구조를 제안했다. 점퍼는 알파폴드 개발로 2024년 노벨화학상을 공동수상했다. 알파폴드는 AI가 글을 쓰고 그림을 그리는 수준을 넘어 과학연구의 방식을 바꿀 수 있다는 것을 보여준 대표사례다. 생성형 AI와 과학 AI의 상징적 인물이 거의 동시에 구글을 떠난 것이다.

요즘 AI 업계에서 가장 비싼 자산은 엔비디아의 GPU가 아니다. 사람이다. 과장처럼 들리지만 미국 실리콘밸리에서는 꽤 현실적인 얘기다. GPU는 물론 비싸다. 물량도 부족하고 전력도 필요하다. 그래도 돈을 주고 살 수 있다. 하지만 세계 최고 수준의 AI 연구자는 다르다. 돈을 쏟아붓는다고 하루아침에 만들어지지 않는다. 구글이 요즘 이 사실을 누구보다 뼈아프게 느낀다. 불과 며칠 사이 구글을 대표하던 AI 연구자 두 명이 잇따라 회사를 떠나서다. 한 명은 노엄 샤지어. 구글의 생성형 AI 모델 제미나이 공동 리드였던 그는 챗GPT 운영사 오픈AI로 향한다. 다른 한 명은 존 점퍼. 구글 딥마인드 부사장이자 단백질 구조 예측 AI '알파폴드' 핵심 연구자인 그는 클로드 운영사 앤트로픽에 합류한다. 두 사람은 서로 다른 영역의 상징이다. 샤지어는 생성형 AI의 뿌리에 가까운 인물이다. 2017년 발표된 논문 'Attention Is All You Need'의 공동 저자 중 한 명이다. 이 논문은 오늘날 챗GPT와 제미나이, 클로드 같은 거대언어모델의 기반이 된 트랜스포머 구조를 제안했다.