SemiAnalysis가 2027년까지 미국 전력망 용량이 음수로 전환될 것으로 예측하며, AI 데이터센터를 자체 전력 공급 시대로 강제.

SemiAnalysis 보고서는 미국 전력망의 여유 용량이 2027년만큼 이르게 음수로 돌아설 수 있으며, AI 데이터센터의 급증하는 전력 수요를 충족하기에 턱없이 부족할 것이라고 경고했습니다. 느린 전력망 확장과 천연가스 같은 조절 가능한 전원의 부족으로 인해, 새로 건설되는 대규모 AI 캠퍼스는 공급 전력망에 의존하기가 점점 더 어려워질 것입니다. 이 보고서는 2029년까지 데이터센터를 위한 뒤-미터(BTM) 현장 전력 생성 장비 시장이 연간 50 GW를 초과할 것으로 예측합니다. 안정적인 전력 공급 확보가 이제 GPU를 능가하는 미국의 AI 컴퓨팅 경쟁에서 새로운 중요한 병목 현상이 되고 있으며, 자체 공급 전력 시대로의 산업 전환을 가속화하고 있습니다.

AI 컴퓨팅 성능 경쟁은 미국 전력망을 한계에 내몰고 있습니다. SemiAnalysis에 따르면, 미국 전력망의 '여유 용량'—새로운 대규모 부하를 수용할 수 있는 남은 용량—은 2027년만큼 이르게 음수로 돌아설 수 있습니다. 이는 새로 건설되는 AI 데이터센터가 공급 전력망에서 안정적인 전력 공급을 점점 더 확보하기 어려워질 것임을 의미합니다.

전력망 확장이 AI 컴퓨팅 수요의 성장에 한참 못 미치면서, 점점 더 많은 데이터센터가 자체 발전 시스템(Behind-the-Meter, 또는 BTM)을 배포해야 할 것이며, 이는 잠재적으로 미국 AI 인프라의 '자체 공급 전력' 시대를 열 수 있습니다. 이 보고서는 2028년 이후 미국에서 새로 건설되는 데이터센터의 절반 이상이 BTM 전력 솔루션을 채택할 것이며, 2029년까지 데이터센터만을 위한 BTM 장비의 연간 시장 규모가 50 GW를 초과할 수 있으며, 이는 전체 AI 인프라 투자 체인에서 가장 빠르게 성장하는 분야 중 하나가 될 것이라고 예측합니다.

SemiAnalysis는 미국의 현재 데이터센터 건설 속도가 전력망의 추가 용량 공급 능력을 훨씬 초과했다고 주장합니다. 보고서는 미국 데이터센터의 증분 전력 수요가 2026년 21 GW에서 2030년까지 84 GW로 급증할 것으로 예측합니다. 그러나 같은 기간 동안 미국 전력망은 유효 부하 수용 능력(ELCC)으로 측정된 신뢰성이 검증된 새로운 용량을 연간 약 15 GW만 추가할 수 있을 것이며, 수준이 연간 20 GW를 넘을 가능성은 오직 세기 말 무렵에만 높아질 수 있습니다.

중요한 점은 이 새로운 용량이 데이터센터에 독점적으로 할당되지 않는다는 것이며, 제조 시설, 반도체 팹, 주택 소비자를 포함한 다른 증가하는 부하도 충족해야 합니다. 앞으로 몇 년간 미국의 새로운 전력 공급 추가는 AI 데이터센터 수요의 폭발적 성장을 따라가기가 점점 더 어려워질 것입니다.

SemiAnalysis의 모델링에 따르면, 피크 부하 요구사항과 예비 여유율을 고려한 후, 미국 전력망의 새로운 대규모 부하를 수용할 수 있는 남은 여유 용량은 거의 소진되었으며 2027년 무렵 음수가 될 것으로 예상됩니다. 큰 AI 캠퍼스 개발을 위해 기존 전력망에 계속 의존하면 전력 공급 병목 현상으로 인한 증가하는 제약에 직면할 것입니다.

이 보고서는 시장이 일반적으로 미국 전력망 건설의 복잡성을 과소평가했다고 지적합니다. 현재의 주요 제약은 발전 용량뿐만 아니라 전체 공급망에 걸친 병목 현상에서 비롯됩니다.

천연가스 발전소는 일반적으로 4~6년의 건설 기간을 필요로 하며, 향후 2년간 예정된 미국의 새로운 천연가스 발전 프로젝트 수는 매우 제한적입니다. 약 40,000개의 발전 자산을 추적한 후, SemiAnalysis는 미국의 천연가스 용량의 연간 추가가 2026년과 2027년 모두 10 GW 미만으로 유지될 것이며, 2028년 이후에야 상당한 개선이 예상된다고 예측합니다.

고전압 변압기, 가스 터빈, 차단기 등 주요 장비의 리드타임은 일반적으로 3~4년으로 연장되었으며, 이는 역사적 평균을 훨씬 초과합니다. 또한 프로젝트 허가, 상호 연결 대기열 지연, 자금 조달 문제, 지역 사회 승인 문제가 건설 일정을 더욱 지연시키고 있습니다.

많은 데이터센터 개발업체는 이미 비슷한 상황을 경험했습니다. 전력회사가 처음에는 2027년까지 수백 메가와트의 부하 가용성을 약속했다가 나중에 배송이 2029년 또는 그 이후로 지연될 것이라고 알리는 경우가 많았으며, 종종 이러한 지연에 대한 책임을 지지 않습니다. 수익이 직접적으로 컴퓨팅 성능에 의존하는 AI 기업의 경우, 이 수준의 불확실성은 거의 용납할 수 없습니다.

SemiAnalysis는 특히 미국의 태양광 및 에너지 저장 설치가 앞으로 몇 년간 계속 빠르게 증가할 것이지만, 정격 용량이 대규모 데이터센터의 지속적인 운영을 지원할 수 있는 신뢰할 수 있는 전력 공급과 같지 않다는 점을 강조합니다.

전력 산업에서 널리 채택된 유효 부하 수용 능력(ELCC) 메트릭을 사용하면, 이 보고서는 태양광 및 풍력 전원의 현저한 간헐성과 고도로 상관된 발전 프로필로 인해, 새로 추가된 재생에너지 용량이 시스템 신뢰성에 기여하는 바가 명목상 설치된 용량보다 훨씬 낮다는 것을 발견합니다. 재생에너지의 비중이 계속 증가하면서, 그 한계 기여도는 계속 감소할 것입니다.

에너지 저장 시스템은 단기 부하 변동을 완화할 수 있지만, 수익률이 감소하는 문제도 직면하고 있습니다. 대량의 4시간 저장 용량이 배포되면, 시스템 위험은 점차 장기 전력 공급 격차 쪽으로 이동할 것이며, 저장만으로는 AI 데이터센터의 24/7 운영 수요를 충족하기가 점점 더 어려워질 것입니다. 따라서 천연가스 같은 조절 가능한 전원은 앞으로 몇 년간 AI 인프라 확장을 지원하는 데 중추적으로 남아있을 것입니다.

점점 더 긴장된 공급 전력망이 수요를 충족하기 위해 분투하고 있는 배경 속에서, 뒤-미터(BTM) 솔루션은 빠르게 대규모 AI 데이터센터의 선호 옵션이 되고 있습니다. BTM이란 데이터센터가 직접 전력 생성 시설을 건설하거나 공동 배치하여 공급 전력망에 전적으로 의존하기보다는 자신의 캠퍼스 내에서 내부적으로 전기를 공급하는 것을 의미합니다.

SemiAnalysis에 따르면, 길고 매우 불확실한 전력망 상호 연결 프로세스를 기다리는 것과 비교하면, BTM의 가장 큰 장점은 속도와 확실성입니다. OpenAI 및 Anthropic 같은 AI 랩의 경우, 컴퓨팅 성능이 모델 학습 및 추론 능력을 직접 결정하며, 따라서 미래 수익 성장을 결정합니다. 전기 비용이 AI 클라우드 운영의 총 소유 비용(TCO)의 상대적으로 작은 부분을 나타내지만, 안정적인 전력 공급 확보는 수십억—또는 심지어 수백억—달러의 잠재적 수익으로 전환될 수 있습니다. 결과적으로, 기업은 다년간의 전력망 상호 연결 지연을 견디기보다는 현장 발전을 건설하는 초기 비용을 감수할 의향이 더 있습니다.