티스토리 뷰
목차
AI 서비스를 쓸 때마다 전기 요금 걱정을 하는 사람은 없겠지만, 저는 요즘 들어 이 생각이 자꾸 머릿속에 걸립니다. 내가 챗봇 한 번 쓸 때마다 어딘가 거대한 건물에서 서버 수천 대가 돌아가고 있을 텐데, 그게 언제까지 가능할까? 그 걱정이 현실이 되는 속도가 생각보다 빠른 것 같습니다. 구글이 AI 연산용 TPU(텐서처리장치)를 탑재한 시제품 위성을 실제 우주 궤도에 올리는 실험을 시작했다는 소식을 접했을 때, 저는 꽤 오래 그 기사 앞에 멈춰 있었습니다.
우주 데이터센터, 왜 지금 이 실험이 시작됐을까
스페이스X의 팰컨9 로켓이 캘리포니아 반덴버그 우주군기지에서 이륙한 건 현지시간 기준 10월 1일이었습니다. 탑재체 130기가 발사 약 54분 뒤부터 11분에 걸쳐 모두 정상 분리됐고, 그 안에 구글의 TPU 4개를 실은 플래닛랩스의 시제품 위성이 포함돼 있었습니다. 이게 바로 구글의 '선캐처(Project Suncatcher)' 프로젝트의 첫 궤도 실험입니다.
여기서 TPU(Tensor Processing Unit)란 구글이 자체 설계한 AI 연산 전용 반도체를 말합니다. 일반 CPU나 GPU보다 머신러닝·딥러닝 계산에 특화돼 있어, 구글이 자사 AI 서비스 대부분을 이 칩으로 구동합니다. 그 TPU를 땅이 아닌 우주에 올려 실제로 작동시켜 보겠다는 게 이번 실험의 핵심입니다.
이 실험이 지금 시작된 배경에는 명확한 이유가 있습니다. AI 산업이 커질수록 데이터센터가 감당해야 할 전력 수요가 폭발적으로 늘고 있기 때문입니다. 새 데이터센터를 지으려면 넓은 부지, 안정적인 전력망, 막대한 냉각 설비가 동시에 필요합니다. 실제로 국제에너지기구(IEA)는 글로벌 데이터센터 전력 소비가 2026년까지 두 배 이상 증가할 수 있다고 전망한 바 있습니다(출처: IEA Electricity 2024). 제가 이 수치를 처음 봤을 때는 솔직히 체감이 잘 안 됐는데, 구글이 지구 바깥으로 눈을 돌린 이유를 보고 나서야 이게 단순한 통계가 아니라는 게 느껴졌습니다.
구글이 주목한 건 저궤도 위성이 받는 태양광의 양입니다. 지상에서는 구름·대기·밤낮 교체로 태양광 발전량에 한계가 있지만, 저궤도에서는 대기의 방해 없이 거의 끊임없이 햇빛을 받을 수 있어 지상 대비 최대 8배의 태양광 전력을 생산할 수 있다는 구상입니다. 단순히 서버를 우주로 옮기는 게 아니라, 태양광 발전 → TPU 연산 → 위성 간 레이저 통신이라는 하나의 폐쇄 루프를 우주에 만들겠다는 것입니다.
이 시제품 위성은 앞으로 약 1년간 궤도에 머물면서 두 가지를 집중적으로 시험합니다.
- 우주 방사선(Cosmic Radiation)이 TPU에 누적 손상을 주는지 여부. 방사선이란 우주 공간에서 쏟아지는 고에너지 입자를 말하는데, 반도체 회로에 비트 오류나 물리적 손상을 일으킬 수 있습니다.
- 진공 방열(Thermal Dissipation in Vacuum) 성능. 지상에서는 공기 흐름과 냉각수를 이용해 열을 빼내지만, 진공 상태에서는 공기 대류 자체가 없어 복사열(Radiation Cooling)에만 의존해야 합니다.
- 내년에는 위성 2기를 추가 발사해 위성 간 레이저 통신(Laser Inter-Satellite Link) 실험도 병행할 계획입니다.
저는 이 중에서 방열 문제가 가장 까다로운 변수라고 봅니다. 지상 데이터센터도 냉각이 전체 운영비의 상당 부분을 차지하는데, 우주에서는 열을 식힐 수 있는 매개체 자체가 없습니다. "우주는 차갑지 않냐"고 생각하는 분들도 있는데, 저도 처음엔 그렇게 생각했습니다. 그런데 진공은 열을 전달하지 않기 때문에, AI 칩에서 발생한 열이 그대로 축적될 수 있다는 게 문제입니다. 이 점이 이번 1년 시험에서 가장 핵심적으로 봐야 할 부분이라고 생각합니다.
경쟁과 현실 사이, 이 실험이 실제로 의미하는 것
구글만 이 방향을 보고 있는 건 아닙니다. 스페이스X도 GPU와 태양광 패널을 탑재한 위성군 형태의 궤도 데이터센터를 자체적으로 추진하고 있습니다. 여기서 GPU(Graphics Processing Unit)란 원래 그래픽 연산용으로 설계됐으나, 현재는 AI 학습에 가장 널리 쓰이는 고성능 병렬 연산 반도체입니다. 구글이 자체 설계 TPU를 쓰는 반면, 스페이스X는 범용 GPU 기반으로 접근하는 셈입니다. 두 방식이 우주에서 어떤 성능 차이를 보일지, 제가 직접 비교해볼 방법은 없지만 앞으로 나올 데이터가 꽤 흥미로울 것 같습니다.
"우주 인프라가 발전하면 결국 AI 서비스가 더 저렴해지지 않겠냐"라고 보는 시각도 있는데, 저는 그렇게 단순하게 보기 어렵다고 생각합니다. 발사 비용, 위성 제작비, 방사선 내성 설계 비용, 궤도 유지비용 등을 합산하면 초기 단계에서는 지상 데이터센터보다 훨씬 비쌀 가능성이 높기 때문입니다. 실제로 미국항공우주국(NASA)의 자료를 보면, 저궤도 탑재체 1kg을 올리는 데 팰컨9 기준 약 2,700달러 수준이 소요되는 것으로 알려져 있습니다(출처: NASA). 서버 장비의 무게를 고려하면 발사 비용만으로도 상당한 부담이 됩니다.
제가 이 뉴스를 보며 가장 인상 깊었던 건 기술의 경쟁이 지구 밖으로 번졌다는 사실 자체였습니다. 제 경험상 새로운 기술 경쟁이 붙으면 초기 비용은 항상 비싸지만, 규모가 커지면 단가는 빠르게 떨어집니다. 발사 비용이 급격히 낮아진 지금이 그 변곡점의 시작일 수도 있습니다.
산업 파급 측면에서 보면, 이 실험이 성공 방향으로 흘러갈 경우 새로운 수요가 생길 분야가 적어도 몇 곳 있습니다. 방사선 내성 반도체 설계, 위성용 복사 냉각 기술, 위성 간 레이저 통신 장비, 우주용 태양광 패널이 대표적입니다. 반대로 기대만큼 결과가 안 나온다면, 빅테크의 우주 인프라 투자가 지금보다 훨씬 더딘 속도로 진행될 가능성도 있습니다. 저는 후자도 충분히 현실적인 시나리오라고 봅니다.
솔직히 이건 예상 밖이었습니다. AI 경쟁이 반도체·소프트웨어·서비스 플랫폼에서 벌어질 거라고만 생각했는데, 이제는 "그 AI를 어디서 돌릴 것인가"라는 물리적 인프라 경쟁으로까지 확장되고 있다는 점이 저한테는 꽤 낯설게 다가왔습니다. 그리고 그 낯섦이 오히려 이 뉴스를 오래 들여다보게 만들었습니다.
자주 묻는 질문
Q. 구글 선캐처 프로젝트가 실제로 상용화되려면 얼마나 걸릴까요?
A. 현재는 TPU 4개를 탑재한 시제품 위성 1기로 1년간 환경 시험을 하는 단계입니다. 내년 위성 2기 추가 발사 후 레이저 통신 실험까지 이어지는 순서를 고려하면, 상용 규모로 가려면 최소 5~10년 이상을 내다봐야 한다는 시각이 지배적입니다. 다만 기술 발전 속도가 예측을 앞서는 경우가 많아, 낙관론과 신중론이 동시에 존재하는 상황입니다.
Q. 우주 방사선이 AI 반도체에 왜 위험한 건가요?
A. 우주 방사선은 고에너지 입자의 흐름으로, 반도체 회로에 닿으면 비트 반전(Single Event Upset)이나 회로 자체의 물리적 손상을 일으킬 수 있습니다. 지상에서는 대기가 방패 역할을 하지만 저궤도에서는 그 보호막이 크게 줄어듭니다. 이번 실험이 AI 칩의 방사선 내성을 실측 데이터로 확인하려는 핵심 이유입니다.
Q. 우주 데이터센터가 생기면 우리가 쓰는 AI 서비스 속도가 빨라지나요?
A. 반드시 그렇다고 보기는 어렵습니다. 위성과 지상 간 통신에는 물리적 지연(레이턴시)이 필연적으로 발생하기 때문에, 빠른 응답이 필요한 서비스에서는 오히려 불리할 수 있습니다. 우주 데이터센터는 응답 속도보다는 대규모 연산 처리량과 전력 효율성을 높이는 방향에 더 적합하다는 의견이 많습니다.
Q. 스페이스X와 구글의 우주 데이터센터 방식이 어떻게 다른가요?
A. 구글은 자체 설계 AI 전용 반도체인 TPU를 위성에 탑재하는 방식으로, 특정 AI 연산에 최적화된 구조를 지향합니다. 스페이스X는 범용 GPU와 태양광 패널을 조합한 위성군 형태로 접근하는 것으로 알려져 있습니다. 두 방식 모두 아직 시험 단계라 어느 쪽이 우위를 점할지 판단하기엔 이릅니다.
결론
이번 구글의 위성 발사를 보면서 제가 내린 결론은 하나입니다. "우주 데이터센터 시대가 열렸다"고 선언하기엔 아직 이르지만, "그 가능성을 진지하게 검증하는 단계가 시작됐다"는 것은 분명한 사실이라는 것입니다. 기술이 가능한지와 사업으로 성립하는지는 전혀 다른 질문입니다. 제가 앞으로 이 프로젝트를 지켜볼 때는 '실험 성공'보다 '킬로그램당 발사 비용'과 '열 관리 실측 데이터'에 더 집중해볼 생각입니다. 그 두 숫자가 우주 데이터센터의 현실성을 가르는 실질적인 기준이 될 것이기 때문입니다.
AI 뉴스를 볼 때 모델 성능만 보던 시각을 조금 넓혀, 그 AI를 어디서 어떤 전력으로 어떻게 운영하는지까지 함께 살펴보면 산업의 방향이 훨씬 입체적으로 보입니다. 제 경험상 그 인프라 질문이 결국 더 큰 그림을 결정합니다.
참고: https://www.yonhapnewstv.co.kr/news/AKR20261002225540ECw