이번 주 워싱턴 DC 외곽의 송전선 고장은 정전을 일으키지 않았다. 그러나 그것은 이제 AI 구축과 연결된 더 큰 인프라 문제를 드러냈다. 대규모 데이터센터 클러스터는 평범한 전력망 교란에도 그 교란을 더 관리하기 어렵게 만드는 방식으로 반응할 수 있다.

TechCrunch 보도에 따르면, 이번 사건은 버지니아 북부의 데이터센터들에서 거의 동시에 백업 전력으로 전환하는 물결을 촉발했고, 약 30초 만에 약 3.1기가와트의 부하가 PJM 전력망에서 사라졌다. TechCrunch가 인용한 PJM 데이터는 이후 불균형이 3.49기가와트까지 확대됐고, 전력망이 안정되는 데 약 11분이 걸렸다고 보여준다. 같은 보도에서 Reuters는 끊긴 시설들이 당시 PJM 수요의 약 3%를 차지했다고 전했다.

이는 한 지역에만 국한된 문제가 아니다. 버지니아 북부는 세계 최대의 데이터센터 밀집 지역이며, 현재 진행 중인 건설 붐의 상당 부분은 AI 학습과 추론 수요를 근거로 정당화된다. 이번 사건의 교훈은 업계의 전력 문제가 더 이상 충분한 전기를 확보하는 문제만이 아니라는 점이다. 스트레스를 받는 전력망에서 장애, 전압 강하, 복구 기간 동안 AI 인프라가 어떻게 행동하느냐도 문제다.

PJM 전력망에서 무슨 일이 있었나

TechCrunch가 PJM 데이터와 외부 전문가의 논평을 바탕으로 설명한 기본적인 순서는 단순했다. 떨어진 전력선이 전력망 교란을 일으켰다. 정상적인 상황이라면 더 넓은 시스템은 빠르게 회복됐을 가능성이 높다. 그러나 인근의 많은 데이터센터는 전압 강하를 현장 백업 시스템으로 전환하라는 신호로 해석한 것으로 보인다.

그 반응은 개별 시설을 보호했지만, 동시에 전력망에서 매우 큰 수요를 갑자기 제거했다. 전력 시스템은 공급과 수요를 촘촘하게 맞춰야 하므로, 갑작스러운 부하 상실은 갑작스러운 발전 상실만큼 불안정성을 유발할 수 있다. 이번 경우에는 과잉 공급이 넓은 지역의 전압을 끌어올렸다.

TechCrunch는 가정용 전기 콘센트를 통해 IoT 센서 네트워크를 운영하는 Ting Labs가 버지니아 북부에서 시카고에 이르기까지 전압 급등을 관측했다고 보도했다. 이 사건은 정전까지는 이르지 않았지만, 지역 일부에서 불빛이 눈에 띄게 깜빡이게 만들었다고 한다.

기술적으로 핵심은 단순하지만 AI 구축자에게 중요하다. 같은 지역의 많은 대형 시설이 같은 순간에 같은 결정을 내리도록 설계돼 있다면, 그것들은 하나의 거대한 기계처럼 행동할 수 있다. 그러면 국지적 교란이 더 큰 전력망 관리 문제로 바뀐다.

AI 데이터센터가 위험을 더 시급하게 만드는 이유

이 문제는 AI 워크로드에만 있는 것은 아니지만, AI는 그 위험을 키운다. 대형 모델 학습 클러스터와 고밀도 추론 배치는 운영자들이 더 크고 전력 수요가 더 크며 더 집중된 캠퍼스를 짓도록 밀어붙이고 있다. 이런 집중은 여러 사이트가 동시에 반응할 때 그 결과를 증폭시킬 수 있다.

TechCrunch는 ON.Energy의 CTO인 Ricardo de Azevedo가 이번 사건을 "석탄광의 카나리아"라고 부르며, 대형 부하와 관련된 비슷한 사건이 더 자주 발생하고 있다고 말했다고 전했다. 보도는 또한 이번 교란을 2024년의 유사한 PJM 사건과 연결했는데, 당시 약 60개의 데이터센터가 한꺼번에 분리되면서 약 1.5기가와트의 부하가 시스템에서 빠져나갔다.

성장 궤적이 여기서 중요하다. TechCrunch는 Synapse Energy Economics를 인용해 데이터센터가 2024년 PJM 부하의 약 6%를 차지했고, 2040년에는 24%에 이를 것으로 예상된다고 전했다. 이 수치는 AI만을 의미하는 것은 아니지만, AI 인프라 계획이 이제 전력망 운영과 직접 맞물리는 이유를 보여준다. 낮은 보급 수준에서는 관리 가능해 보이던 반응 패턴도 캠퍼스 규모가 커질수록 훨씬 더 큰 영향을 미치게 된다.

AI 용량을 구매하는 기업과 그것을 판매하는 클라우드 제공자에게 이는 새로운 신뢰성 변수를 만든다. 컴퓨팅 가용성은 더 이상 GPU, 네트워킹, 냉각만의 문제가 아니다. 주변 전력 시스템이 같은 장소에 있는 시설들의 대규모 부하 차단 없이 장애를 흡수할 수 있느냐도 중요하다.

제안되는 해결책: 반응을 분산시키거나 캠퍼스가 버티도록 설계하기

떠오르는 해결책은 크게 두 범주로 나뉜다.

첫째는 운영 조정이다. TechCrunch는 Independent Electricity System Operator의 선임 시장 모델 전문가 Ali Zain Banatwala가 전력망 운영자와 시설 소유주가 대규모 공동 입지 부하를 한꺼번에가 아니라 순차적으로 분리하고 재연결할 수 있는 방법이 필요하다고 말했다고 전했다. 실제로는 단계적 반응 로직, 조정된 복구 창, 그리고 단순한 현장 임계값이 아닌 전력망 인식형 제어를 의미한다.

둘째는 더 구조적인 접근으로, 짧은 교란이 있어도 전력망에서 떨어져 나가지 않도록 캠퍼스를 설계하는 것이다. TechCrunch는 ON.Energy의 접근법을 한 예로 들었다. 보도에 따르면 이 회사는 서버뿐 아니라 냉동기와 기타 지원 장비까지 포함하는 캠퍼스 규모의 무정전 전원 공급 장치를 구축하고 있다. 아이디어는 배터리와 전력 변환 시스템을 전력망과 데이터센터 전체 부하 사이에 두어 외부 전력망이 더 안정적인 수요 프로필을 보게 만드는 것이다.

설명대로 작동한다면, 교란이 발생해도 시설이 갑자기 부하로서 사라질 필요가 없다. 추가 유입 전력은 배터리로 돌리고, 부족분은 저장된 에너지로 메울 수 있다. TechCrunch는 ON.Energy가 자사 시스템이 밀리초 단위로 전력망 상황을 따라가며 AI 학습 램프와 전력망 장애로 인한 변동을 모두 완화할 수 있다고 말했다고 전했다.

AI 워크로드는 크기만 큰 것이 아니라 버스트성도 있기 때문에 이런 설계 논리는 점점 더 중요해지고 있다. 학습 작업, 추론 급증, 냉각 변화는 날카로운 내부 부하 변동을 만들 수 있다. 캠퍼스와 전력망 사이에 버퍼층을 두면 자가 유발 변동과 외부 교란 모두를 완화하는 데 도움이 될 수 있다.

증거, 기준점, 그리고 아직 검증되지 않은 것들

이 이야기에서 가장 확실한 사실 요소는 사건 자체와, TechCrunch 보도를 통해 PJM 데이터에서 인용된 부하 감소 규모다. 해당 매체는 지역 전압 관측을 Ting Labs에, 수요 점유율 수치를 Reuters와 Synapse Energy Economics에 각각 귀속시켰다.

하지만 몇몇 미래 지향적 주장은 확정된 업계 사실이 아니라 회사 또는 전문가의 주장으로 봐야 한다. 밀리초 수준의 반응과 전력망 변동성으로부터 전체 캠퍼스를 보호할 수 있다는 ON.Energy 시스템 성능 설명은 TechCrunch가 전한 회사 측 설명이다. 마찬가지로 ON.Energy가 현재 4개의 데이터센터 캠퍼스에서 총 3기가와트 규모의 시스템을 설치 중이라는 발언도 de Azevedo에게 귀속됐다. 여기 제공된 원문 자료에는 독립적인 프로젝트 문서는 포함되지 않았다.

보도는 또한 ERCOT이 데이터센터 같은 대형 부하에 대해 교란을 "견뎌내도록" 요구하는 방향으로 움직이고 있다고 전했는데, 이 역시 de Azevedo의 말로 인용됐다. 이는 실제 정책 방향을 가리킬 수 있지만, 현재 उपलब्ध 증거만 보면 독자들은 이를 충분히 문서화된 규제 요약이 아니라 인용된 임원 발언으로 받아들여야 한다.

잘 뒷받침되는 것은 더 큰 패턴이다. 데이터센터 부하가 집중되면 시설이 동시에 분리될 경우 전력망 불안정이 악화될 수 있고, AI 인프라로 인한 전력 수요가 커질수록 이 문제는 더 중요해진다.

이것이 구축자와 기업 구매자에게 의미하는 것

AI 구축자에게 이 이야기는 사이트 설계 체크리스트를 바꾼다. 백업 발전만으로는 충분하지 않다. 전환 로직 자체가 전력망을 불안정하게 만들거나 지역 교란 위험을 높인다면 의미가 없기 때문이다. 개발자들은 전력 전자장치, 현장 저장장치, 동적 제어, 그리고 캠퍼스 수준에서의 유틸리티 협조에 더 많이 투자해야 할 수 있다.

특히 데이터센터 밀집 시장의 하이퍼스케일 용량에 의존하는 기업 AI 구매자에게 전력 복원력은 서비스 복원력의 일부가 되고 있다. 용량은 풍부하지만 고장 시 거동이 취약한 지역은 전력이 더 비싸더라도, 더 강한 ride-through 기준을 갖춘 지역보다 덜 매력적일 수 있다.

PJM, 그리고 경우에 따라 ERCOT 같은 전력회사와 전력망 운영자에게는 "대형 부하"의 운영 모델이 바뀌고 있다. 데이터센터는 과거에 계량기 뒤편의 백업 시스템을 가진 수동적 수요로 주로 취급됐다. 하지만 AI 규모의 캠퍼스는 이제 보호 설정과 복구 타이밍이 지역 안정성에 영향을 줄 수 있는, 전력망과 관련된 행위자처럼 점점 더 행동하고 있다.

이것은 어디에 지을 것인가를 둘러싼 논쟁에도 압력을 더한다. 버지니아 북부는 광섬유 밀도, 클라우드 존재감, 기존 생태계 덕분에 여전히 전략적으로 중요하다. 그러나 AI 데이터센터 용량의 집중이 반복적인 전력망 관리 위험을 만든다면, 개발자들은 부하를 지역적으로 분산하거나 더 엄격한 상호연결 요건을 채택하라는 더 강한 압박을 받을 수 있다.

다음에 주목할 점

첫째, PJM 또는 관련 유틸리티·신뢰성 기관의 공식 사고 분석을 지켜보자. 핵심 질문은 얼마나 많은 시설이 분리됐는지, 어떤 보호 설정이 관여했는지, 그리고 재연결 행동이 복구를 악화시켰는지 여부다.

둘째, AI 데이터센터 캠퍼스와 기타 대형 부하를 포괄하는 상호연결 규정의 변화를 살펴보자. ride-through 능력이 선택적 설계 요소가 아니라 요구사항이 된다면, 프로젝트 비용, 일정, 공급업체 선정에 실질적인 영향을 줄 것이다.

셋째, 버지니아 북부가 ON.Energy 같은 회사의 캠퍼스 규모 저장 및 전력 조절 시스템의 시험장이 되는지 추적하자. 이런 시스템이 틈새 배치에서 표준 설계로 이동한다면, 이는 기업용 AI 인프라의 새로운 단계를 의미한다.

마지막으로, 이 문제가 PJM을 넘어 확산되는지 주목해야 한다. 빠르게 성장하는 다른 데이터센터 지역에서도 비슷한 사건이 나타난다면, 시장은 전력망 행동 제어를 부차적인 엔지니어링 고려가 아니라 핵심 인프라로 다룰 가능성이 높다.

Creati.ai 관점

AI 업계는 지난 2년 동안 다가올 전력 부족에 대해 이야기해 왔다. 그러나 이번 PJM 사건은 더 즉각적인 문제는 전력의 양이 아니라 전력의 거동일 수 있음을 시사한다. 여러 기가와트급 클러스터가 일상적 고장에 똑같이 반응하면, 그것은 단순한 사이트 수준의 복원력 문제가 아니라 주변 전력망 전체의 시스템 문제가 된다.

이것은 기업용 AI 용량을 구축하거나 구매하는 사람에게 실질적인 의미를 갖는다. AI 인프라의 다음 경쟁층은 더 저렴한 GPU나 더 빠른 네트워킹만이 아니라 더 나은 전기적 통합일 수 있다. 승자는 버지니아 북부 같은 곳에서 안정적인 ride-through, 제어 가능한 부하 램프, 그리고 유틸리티와의 더 긴밀한 협조를 입증할 수 있는 운영자들일 것이다. 다시 말해, 신뢰할 수 있는 AI는 점점 더 컴퓨트 공학만큼이나 전력 공학에 달려 있게 될 것이다.