양쯔강의 중앙 거점
중국은 우후시의 760에이커 규모 섬을 방대한 데이터센터 단지로 조성하고 있다. 인공지능 연산을 중앙화하려는 전국 단위 계획의 핵심 사업이다. ‘중국판 스타게이트’로 널리 불리는 이 프로젝트는 화웨이, 차이나모바일, 차이나텔레콤, 차이나유니콤의 서버를 하나로 연결한다. 분산된 시설을 대규모로 일정을 관리하고 공동 활용할 수 있는 통합 네트워크로 묶는 것이 목표다. 이는 급증하는 AI 수요와 최첨단 프로세서에 대한 제한된 접근성에 대응하기 위한 것이다. 현지 당국은 관련 투자 규모가 2,700억 위안, 약 370억 달러에 달한다고 밝혔다.
목차
현지에서 ‘데이터 아일랜드’로 불리는 우후 시설은 상하이, 항저우, 난징에서 가까운 곳에 있다. 이처럼 인구가 밀집한 도시 시장과 가까운 입지는 AI 추론에 중요하다. 추론은 학습을 마친 모델이 사용자의 질문에 답하거나 콘텐츠를 생성하는 단계다. 거리가 짧을수록 지연 시간이 줄어 음성 비서, 검색, 금융 위험 점검, 소매 추천, 도시 서비스의 응답 속도가 빨라진다. 중국은 다른 지역을 지원하기 위해 울란차부, 구이저우, 칭양의 시설도 확장하거나 용도를 전환하고 있다. 토지가 저렴하고 전력이 풍부한 지역에 자리한 원격 센터들은 AI 개발 과정에서 연산량이 가장 많은 모델 학습에 집중하도록 운영되고 있다.
760에이커 데이터 아일랜드의 시설
운영사들은 가속기, CPU, 메모리, 저장장치, 고속 스위칭 장비를 갖춘 대형 전산실을 짓고 있다. 통신사들은 이미 이 지역의 광섬유 경로를 구축하고 관리하고 있어, 시설은 인근 도시와 다른 내륙 클러스터에 대용량으로 연결될 수 있다. 구상대로라면 작업의 긴급성, 비용, 가용성에 따라 네트워크 전반에서 작업량을 이동할 수 있으며, 한 지역의 유휴 자원을 다른 지역의 작업 지원에 배정할 수 있다. 화웨이는 여러 전산실 또는 도시 간 프로세서를 연결할 수 있다고 설명하는 기술인 UB 메쉬를 홍보하고 있다. 이 기술은 소프트웨어를 통해 여러 프로세서를 학습과 추론에 쓰이는 하나의 자원 풀처럼 다룬다.
지금 AI 연산을 중앙화하는 이유
베이징은 국내의 모든 칩에서 더 큰 성과를 내기를 원한다. 최근 몇 년간 원격 지방의 많은 가속기는 현지 수요가 적어 충분히 활용되지 못한 반면, 연산 자원이 필요했던 해안 지역 기업들은 그 용량을 쉽게 이용할 수 없었다. 전국 단위 네트워크는 이 문제를 해결할 수 있을 것으로 기대된다. 클러스터를 연결하면 장애 발생 시 이중화가 개선되고, 전체 장비의 가동률이 높아지며, 한 지역의 남는 연산 자원을 다른 지역의 구매자에게 판매할 수 있는 시장이 형성될 것으로 계획 당국은 보고 있다.
이러한 추진에는 지정학적 요인도 작용한다. 분석가들은 미국 연구소들이 세계 AI 연산 용량의 약 4분의 3을 보유하고 있으며, 중국의 비중은 약 15%라고 추산한다. 미국의 수출 통제로 중국은 최첨단 엔비디아 GPU를 구하기 어렵고, 주요 위탁 반도체 제조업체들이 중국 고객을 위해 해당 칩을 생산하는 것도 제한된다. 이에 따라 국내 하드웨어를 더 효율적으로 조율하는 일이 우선 과제가 됐다. 중앙화는 현재 활용할 수 있는 정책 수단이며, 국내 칩 프로젝트들은 격차를 좁히려 하고 있다.
네트워크 운영 방식
이 계획은 AI 작업을 두 종류로 명확히 구분한다. 학습은 모델이 데이터로부터 배우는 고강도 작업 단계다. 전력과 토지 비용이 저렴하고, 수천 개의 가속기를 며칠 또는 몇 주 동안 가동하는 장시간 작업을 수행할 수 있는 원격 시설에 적합하다. 추론은 학습을 마친 모델이 사용자에게 서비스를 제공하는 응답 단계다. 전력 비용을 최대한 낮추는 것보다 속도와 안정성이 중요한 주요 도시의 최종 사용자 가까이에서 이뤄진다.
서부에서 학습, 해안 인근에서 추론
내몽골과 간쑤 등 원격 지역에는 클라우드나 인터넷 서비스를 위해 조성된 대규모 서버 단지가 이미 들어서 있다. 새로운 접근법에 따라 이들 전산실은 대형 언어 모델(LLM)을 포함한 모델 학습용으로 전환되고 있다. 대용량 광섬유망으로 해안 도시와 연결돼 있어, 중간 저장된 모델을 상하이, 항저우, 광저우 등 대도시 인근의 추론 클러스터로 신속하게 복사할 수 있다.
화웨이 UB 메쉬와 클러스터 단위 일정 관리
이를 실현하려면 운영사에 고속 상호연결 기술과 수천 개의 프로세서를 조율하는 소프트웨어가 필요하다. UB 메쉬는 여러 전산실이나 시설에 걸친 가속기 간 통신 오버헤드를 줄이는 연결망으로 제시되고 있다. 실제로는 원격 직접 메모리 접근이나 집단 통신 라이브러리처럼 고성능 컴퓨팅에서 사용하는 기법을 활용해, 초대형 신경망 학습 중 다수의 칩이 동기화된 상태를 유지한다는 뜻이다. 연결망 위에서 작동하는 스케줄러는 전력을 이용할 수 있는 곳, 적합한 칩이 유휴 상태인 곳, 또는 최종 고객까지의 지연 시간이 가장 짧은 곳에 작업을 배치할 수 있다.
보조금과 칩 수급 압박
우후시는 AI 칩 구매 비용의 최대 30%를 보조하는 정책을 내놓고 있다. 이 같은 지방 보조금은 서버 랙을 채우는 초기 비용을 낮추고, 구축을 앞당기며, 운영사들이 더 빨리 서버 집적도 목표를 달성하도록 돕는다. 또한 수출 통제를 받는 최신 외국산 부품과 국내 가속기 간 격차를 완화해준다.
화웨이와 캠브리콘 등 국내 업체들은 가속기와 컴파일러 소프트웨어로 그 격차를 줄이려 하고 있다. 하지만 운영사들은 여전히 여러 세대의 하드웨어가 뒤섞인 환경에 직면해 있으며, 특히 모델 규모가 매개변수 수조 개에 달하면 학습 작업이 복잡해질 수 있다. 이러한 압박은 암시장 형성을 부추겼다. 재판매업자들은 수출 제한 대상인 엔비디아 시스템을 확보해 통제를 피해 중국으로 들여오려 했다. 우후에 기반을 둔 한 중개업체는 블랙웰 세대 서버 주문과 연관된 것으로 알려졌다. 엔비디아는 현행 규정 아래에서 그런 장비를 중국에서 대규모로 운용할 수 있다는 주장을 부인했다. 공급망, 인허가, 지원 요건을 고려하면 현실성이 없다는 설명이다.
수혜 대상
단기 목표는 주요 도시의 기업들이 AI 추론을 더 빠르게 이용하도록 하는 것이다. 은행은 지연 시간을 줄여 위험 점검과 사기 탐지를 수행할 수 있다. 소매업체는 거의 실시간으로 업데이트되는 추천 모델을 도입할 수 있다. 지방 정부 기관은 교통 통제와 홍수 감시에 컴퓨터 비전을 활용할 수 있다. 미디어와 디자인 업체는 이미지와 동영상을 더 빠르게 렌더링할 수 있다. 스타트업은 하드웨어를 먼저 구매하는 대신 시간 단위로 연산 자원을 빌릴 수 있다. 내륙의 학습 센터와 해안 지역의 추론 클러스터를 연결해 실험과 일상적인 운영을 모두 지원하려는 네트워크다.
통신사들도 연결 서비스 제공을 넘어 새로운 역할을 맡게 된다. 데이터센터는 AI 시대의 핵심 시설이 되어 클라우드 고객에게 연산과 저장 공간을 판매하는 한편, 모델 동기화를 위한 도시 간 대역폭도 제공한다. 지방 정부 입장에서는 시설 구축 과정에서 일자리가 생기고, 지역에 새로운 기술 기업을 유치할 디지털 서비스 기반이 마련될 것으로 기대된다.
미국의 스타게이트 구축 사업과 비교
중국이 기존 전산실 다수를 단계적으로 연결하는 네트워크 구축에 힘을 모으는 반면, 미국은 ‘스타게이트’라는 프로젝트 아래 초대형 신규 캠퍼스 조성을 추진하고 있다. 투자자와 운영사들은 미국 전역에 최대 5,000억 달러를 투입할 계획이다. 로드맵은 대형 원자로 약 7기의 발전량에 맞먹는 거의 7기가와트 규모의 데이터센터 용량을 목표로 한다. 주요 시설 중 하나인 텍사스주 애빌린 캠퍼스는 GPU 40만 개 이상을 수용하도록 설계됐다. 프로젝트 참여사들은 구축이 정점에 이르는 시기에 현장에서 약 2만5,000개의 일자리가 생길 것이라고 밝혔다.
오픈AI 최고경영자 샘 올트먼은 AI의 미래 발전과 이를 뒷받침할 하드웨어의 연관성을 강조하며 중요한 문제를 간명하게 짚었다. 파트너들과 새 부지를 발표하기에 앞서, 그는 필요한 규모에 관한 불편한 진실을 숨김없이 말했다.
AI가 약속한 잠재력을 실현하려면 필요한 연산 능력을 구축해야 합니다.
두 전략은 접근 방식이 다르다. 미국은 수십만 개의 가속기를 한 건물에 모은 초대형 신규 캠퍼스에 투자하고 있다. 중국은 기존 클러스터와 신규 클러스터를 다수 연결한 뒤, 일정 관리 소프트웨어와 새로운 상호연결 기술을 활용해 더 큰 하나의 시스템처럼 작동하게 하려 한다. 미국식 접근은 일부 지역의 전력 공급, 토지, 수자원 한계를 시험한다. 중국 계획은 여러 시설을 하나의 시스템처럼 운영하는 데 드는 부담을 감수하는 대신 위험과 비용을 분산한다.
전력, 냉각, 네트워크
최신 AI 클러스터는 막대한 전력을 소비하며, 열을 24시간 내내 식혀야 한다. 우후 섬 시설에는 장애 중에도 핵심 시스템을 가동하기 위해 새로운 변전소와 송전선, 예비 전력 용량이 필요하다. 기존 서버실에서 흔히 쓰던 공랭식 대신, 대부분의 학습 전산실은 칩과 메모리에서 직접 열을 제거하는 액체 냉각 방식에 의존한다. 운영사들은 물 취수를 줄이는 인근 수원이나 폐쇄형 순환 시스템을 물색하고, 랙 단위 에너지 효율을 높이도록 장비업체에 요구할 전망이다.
네트워크도 그만큼 중요하다. 원격 학습 서버 단지와 해안 지역 추론 클러스터를 연결하려면 초당 수 테라비트급 용량의 광섬유 경로, 수백 킬로미터에 걸쳐 데이터를 전송할 수 있는 광 트랜스폰더, 데이터센터 내부의 동서 방향 트래픽을 병목 없이 처리할 스위치가 필요하다. 전국 단위 백본망을 보유한 통신사들이 유리한 위치에 있다. 이들은 이중화 경로를 마련하고 트래픽을 관리해 유지보수나 기상 악화 중에도 모델 업데이트와 체크포인트가 제때 도착하도록 할 수 있다.
위험, 보안, 거버넌스
중앙화는 통제력과 가시성을 높이지만 위험도 한곳에 집중시킨다. 용량의 지나치게 많은 부분이 몇몇 네트워크 경로에 의존하면 장애나 사이버 공격이 여러 지역으로 번질 수 있다. 계획 당국은 여러 시설을 연결하고 장애 시 전환 경로를 설계해 이중화를 갖췄다고 말한다. 보안팀은 모델 가중치와 고객 데이터, 일정 관리 계층 자체를 보호해야 한다. 일정 관리 계층이 대규모 연산 자원을 통제하게 되면 주요 공격 목표가 될 수 있다.
현실적인 제약도 있다. 여러 개의 소규모 또는 노후 전산실을 활용하면 한 세대의 하드웨어를 중심으로 설계된 신규 캠퍼스보다 학습 효율이 떨어질 수 있다. 전력 계약과 전력망 안정성도 성장 속도에 맞춰야 한다. 농지 전용을 비롯한 토지 이용 결정은 지역 주민들이 삶의 터전을 잃었다고 느끼거나 식량 생산이 줄어들 경우 논란이 될 수 있다. 보상, 환경 영향, 전력망 계획의 투명성이 대중의 수용 여부를 좌우할 것이다.
앞으로의 과제
현재는 우후의 첫 전산실을 확장하고 내륙 학습 서버 단지와 연결하며, 여러 시설에 걸쳐 작업을 배정하는 소프트웨어를 강화하는 데 주력하고 있다. 지방 정부는 초기 입주사들이 용량 확보에 나서도록 조달 일정과 보조금 지급 기간을 맞추고 있다. 통신사들은 해안 도시 인근의 추론 클러스터까지 모델 체크포인트를 신속히 옮길 수 있도록 새로운 광섬유 경로를 개통하고 백본망을 업그레이드하고 있다.
엔지니어들은 세 가지 변수를 면밀히 살필 것이다. 첫째, UB 메쉬와 유사한 연결망이 여러 전산실에 걸쳐 확장될 때 주장된 성능 향상을 실제로 제공하는지다. 둘째, 국내 가속기와 컴파일러, 프레임워크로 최신 모델을 효율적으로 학습하고 서비스할 수 있는지다. 셋째, 랙 집적도가 높아져도 정전이나 물 부족을 유발하지 않으면서 전력과 냉각 공급을 확대할 수 있는지다. 이 분야의 진전이 전국 네트워크의 확장 속도와 중국 전역의 AI 서비스 성장에 대한 기여도를 좌우할 것이다.
핵심 요점
- 중국은 우후의 760에이커 규모 데이터 아일랜드를 핵심 거점으로, 약 370억 달러를 투자해 중앙집중형 AI 연산 네트워크를 구축하고 있다.
- 이 네트워크는 우후 시설을 울란차부, 구이저우, 칭양 등 내륙 클러스터와 연결해 학습과 추론을 분담한다.
- 화웨이, 차이나모바일, 차이나텔레콤, 차이나유니콤이 핵심 운영사이며, 화웨이는 클러스터 간 연결을 위해 UB 메쉬를 홍보하고 있다.
- 우후시는 첨단 외국산 GPU에 대한 수출 통제에도 구축을 앞당기기 위해 AI 칩 구매액의 최대 30%를 보조한다.
- 중국은 기존 가속기의 가동률을 높이고 통합 일정 관리 계층을 통해 지역 간 잉여 연산 자원을 판매하려 한다.
- 분석가들은 세계 AI 연산 용량의 약 75%를 미국이 보유하고, 중국의 비중은 약 15%라고 추산한다.
- 미국 스타게이트 사업은 거의 7기가와트의 용량과 최대 5,000억 달러의 투자를 목표로 하며, 텍사스 캠퍼스는 GPU 40만 개를 수용하도록 설계됐다.
- 오픈AI 최고경영자 샘 올트먼은 AI가 기대에 부응하려면 충분한 연산 자원을 구축하는 것이 필수라고 말했다.
- 중앙화는 주요 해안 도시 사용자에게 더 낮은 지연 시간을 제공하고, 여러 시설을 연결해 이중화를 강화할 것으로 기대된다.
- 전력과 냉각 공급, 사이버 보안, 시설별 하드웨어 차이, 토지 및 수자원 이용에 대한 대중의 우려가 과제로 남아 있다.
