ChipCurrent

SMR 발전시설과 AI 데이터센터가 전력망으로 연결된 모습정격출력 300MW인 SMR 한 기로 300MW급 데이터센터 한 곳을 돌릴 수 있을까요? 겉으로는 숫자가 맞아떨어지지만, 실제 전력 계산은 그렇지 않습니다. 데이터센터에서는 GPU와 서버뿐 아니라 냉각장치, UPS, 전력변환 설비도 전기를 사용합니다. 발전소 역시 정비 기간과 계통 예비력을 고려해야 합니다.SMR이 AI 데이터센터와 잘 맞는다는 평가의 핵심은 ‘원자로 한 기로 시설 하나를 돌린다’는 데 있지 않습니다. 데이터센터가 커지는 속도에 맞춰 전원도 모듈 단위로 늘릴 수 있다는 구상에 가깝습니다.앞선 글에서 설명했듯, 데이터센터의 전력 수요에는 서버뿐 아니라 냉각장치와 전력변환 설비의 소비전력도 포함됩니다. 자세한 계산 방식은 AI 데이터센..

요즘 AI 반도체 이야기를 하면 가장 먼저 떠오르는 기업은 NVIDIA입니다.실제로 생성형 AI의 학습과 추론에서 GPU가 핵심적인 역할을 하고 있습니다. 하지만 GPU 성능만 계속 높인다고 AI 서버 전체가 그만큼 빨라지는 것은 아닙니다.GPU가 아무리 빠르게 계산할 수 있어도 계산에 필요한 데이터를 제때 공급받지 못하면 결국 기다려야 하기 때문입니다.바로 이 지점에서 중요해지는 것이 HBM(High Bandwidth Memory·고대역폭 메모리)입니다.최근에는 HBM3E를 넘어 차세대 HBM4가 본격적으로 등장하면서 AI 반도체 시장에서 메모리의 중요성이 더욱 커지고 있습니다. GPU가 빠른데 왜 메모리가 중요할까요?AI 모델은 계산 과정에서 엄청난 양의 데이터를 계속 불러옵니다.모델의 가중치부터 입..

AI 데이터센터 시대, 왜 빅테크는 원자력을 선택하나 — 전력 확보 전쟁과 SMR의 현실 이 글 한눈에 보기국제에너지기구(IEA)는 전 세계 데이터센터의 전력 소비가 2025년 약 485TWh에서 2030년 약 950TWh로 거의 두 배 늘어날 것으로 전망합니다. AI 중심 데이터센터의 전력 소비는 같은 기간 약 세 배 증가할 전망입니다.AI 데이터센터가 실제로 왜 이렇게 많은 전력을 사용하는지는 이전 글에서 자세히 설명했습니다.https://chipcurrent.tistory.com/1 AI 데이터센터는 전기를 얼마나 쓸까? GPU 시대 전력 수요가 폭증하는 이유ChatGPT를 비롯한 생성형 AI가 빠르게 확산되면서 NVIDIA GPU와 HBM 같은 AI 반도체에 대한 관심이 크게 높아지고 있습니다.하..

ChatGPT를 비롯한 생성형 AI가 빠르게 확산되면서 NVIDIA GPU와 HBM 같은 AI 반도체에 대한 관심이 크게 높아지고 있습니다.하지만 AI 산업이 성장하면서 함께 중요해지고 있는 것이 하나 더 있습니다.바로 전력입니다.AI 모델을 학습하고 서비스하려면 수많은 GPU가 필요합니다. 대형 AI 데이터센터에는 수천 개에서 수만 개 규모의 AI 가속기가 설치될 수 있으며, 이를 운영하기 위해서는 GPU뿐 아니라 CPU, HBM, 네트워크 장비, 저장장치, 냉각 시스템, UPS와 전력변환 설비까지 모두 전력을 사용합니다.따라서 AI 시대를 이해하려면 반도체만 봐서는 부족합니다.AI → 반도체 → 데이터센터 → 전력이 연결 구조를 함께 볼 필요가 있습니다.AI 데이터센터는 왜 전기를 많이 사용할까?가장..