이 글은 사실 중국 카테고리에 올릴까 한참 고민했습니다.
그런데 자료를 들여다볼수록 이건 중국 이야기가 아니라 AI 인프라 이야기였습니다. GPU, 전력, 냉각, 데이터센터 — AI 시대를 떠받치는 모든 물리적 토대가 이 프로젝트에 응축되어 있었습니다. 그래서 결국 AI 블로그에 풀어놓기로 했습니다.
요즘 AI 업계에서 가장 비싼 자원이 무엇이냐고 물으면 사람들은 흔히 GPU나 데이터를 떠올립니다. 그런데 한 단계만 더 들어가면 진짜 병목은 전력입니다. H100 한 대가 만들어내는 열을 식히려면 그만큼의 냉각 전력이 또 필요하고, 그 전력을 만들려면 발전소가 필요하며, 발전소에는 부지와 자원이 필요합니다.
이 모든 퍼즐을 국가 단위에서 한꺼번에 풀어보겠다고 나선 프로젝트가 바로 동수서산(東數西算, 동쪽 데이터-서쪽 연산)입니다. 영어로는 East Data West Computing, 줄여서 EDWC라고 부릅니다.
이름이 다소 낯설게 느껴지지만 글자 자체는 직관적입니다. 한자 네 글자가 이 정책의 모든 것을 압축해서 보여줍니다.
동(東)은 베이징·상하이·광저우·선전 같은 경제 발달 지역을, 서(西)는 네이멍구·간쑤·닝샤·구이저우 같은 내륙 자원 부유 지역을 가리킵니다. 수(數)는 데이터, 산(算)은 컴퓨팅 파워를 뜻합니다. 한 문장으로 줄이면 이렇습니다.
너무 단순해 보이지만, 14억 인구의 디지털 문명 전체를 동서 축으로 재배치하겠다는 발상이라는 점에서 결코 단순한 정책이 아닙니다.
2022년 초 중국이 직면한 문제는 명확했습니다. 데이터센터 수가 5년 사이 124만 개에서 약 500만 개로 4배 폭증했는데, 그 대부분이 동부 해안 도시에 몰려 있었던 것입니다. 동부는 땅값이 비싸고 전력 요금도 비싸고 무엇보다 전기가 부족했습니다. 반대로 서부는 풍력·태양광·수력이 넘쳐나는데 쓸 곳이 없었습니다.
표를 보면 답은 이미 정해져 있는 셈입니다. 무거운 연산은 서쪽에서, 빠른 응답이 필요한 가벼운 연산은 동쪽에서 처리한다 — 이 단순한 분업이 바로 동수서산의 핵심 아이디어입니다.
덧붙이자면 중국은 이런 동서·남북 간 자원 재배치 프로젝트의 베테랑입니다. 남쪽 물을 북쪽으로 보내는 남수북조(南水北調), 서쪽 전기를 동쪽으로 보내는 서전동송(西電東送), 서쪽 가스를 동쪽으로 보내는 서기동수(西氣東輸)가 모두 같은 계보입니다. 동수서산은 이 시리즈의 디지털 버전, 그것도 가장 야심찬 버전입니다.
2022년 2월 중국 정부는 전국에 8개 국가급 데이터 거점과 10개 산업 클러스터를 지정했습니다. 동부에서 데이터를 송출하는 4곳, 서부에서 연산을 담당하는 4곳입니다.
참고로 청위 지역은 지리적으로는 서남부지만, 디지털 인프라 분류상 동부 거점에 포함됩니다. 창장삼각주와 청위에는 클러스터가 각각 두 개씩 배치되어 총 10개 클러스터가 됩니다.
서부 4곳의 선정 논리는 의외로 단순합니다. 구이저우는 평균 기온이 낮은 산악지대라 자연 냉각이 가능하고, 간쑤·닝샤·네이멍구는 풍력과 태양광이 압도적으로 풍부합니다. 특히 쓰촨성은 수력 발전 비중이 발전 믹스의 85%에 달합니다. 데이터센터의 가장 큰 운영비인 전력비를 근본부터 깎아낼 수 있는 입지인 셈입니다.
여기에 화웨이, 차이나텔레콤, 알리바바 클라우드, 텐센트 클라우드, 바이두, 인스퍼 같은 중국 빅테크와 통신사가 대거 참여하면서 자금과 기술이 한 번에 몰렸습니다. 추정 투자 규모만 4,000억 위안(약 78조 원) 수준입니다.
1 EFLOPS는 초당 100경(10의 18제곱) 번 연산입니다. 300 EFLOPS는 인간의 직관으로 이해하기 어려운 숫자이지만, 단순화하자면 GPT 수준의 거대 모델 수십 개를 동시에 학습시킬 수 있는 규모입니다. 그리고 이 중 35% 이상을 GPU·AI 가속기 기반의 지능형 컴퓨팅으로 채우겠다는 것이 핵심 포인트입니다. 일반 CPU 연산이 아니라 AI 학습·추론에 특화된 연산을 늘리겠다는 선언이기 때문입니다.
경제 효과 측면에서도 2030년까지 데이터센터 부문 탄소 배출량 16~20% 감축, 약 530억 달러의 직접적 경제 효과가 예상됩니다.
동수서산이 단순한 부동산 정책이 아니라는 사실을 가장 극적으로 보여준 사건이 2025년 12월에 있었습니다. 중국 과학기술일보가 FNTF(Future Network Test Facility, 미래 네트워크 시험 시설)의 가동을 발표한 것입니다.
- 중국 40개 도시를 광케이블로 연결한 길이 약 55,000km(지구 1.5바퀴) 규모
- 지리적으로 떨어진 데이터센터들이 하나의 컴퓨터처럼 작동하도록 묶음
- 분산 환경임에도 불구하고 단일 센터 효율의 98% 달성
- 천체망원경 데이터 72TB를 1.6시간 만에 전송 (일반 인터넷이라면 약 699일 소요)
- 24시간 가동, 128개 네트워크·4,096개 서비스 시험을 동시 수행
여기서 중요한 개념이 하나 등장합니다. 바로 결정론적 네트워크(deterministic network)입니다. 일반 인터넷이 도로 위 자유주행 차량처럼 패킷이 알아서 길을 찾는 방식이라면, 결정론적 네트워크는 정해진 시간표대로 운행하는 열차처럼 모든 데이터 패킷의 도착 시간을 보장합니다. AI 학습처럼 노드 간 통신 지연이 곧 학습 속도 저하로 이어지는 작업에는 결정적인 차이를 만듭니다.
이 시설이 가져오는 함의는 작지 않습니다. 국가 전체가 하나의 슈퍼컴퓨터처럼 작동하는 시대의 기술적 가능성을 실증한 것이기 때문입니다. 미국이 엔비디아 GPU 수출을 통제할수록, 중국은 보유한 자원을 더 정교하게 묶어쓰는 방향으로 진화하고 있습니다.
이쯤에서 다시 처음의 질문으로 돌아가겠습니다. 왜 이 이야기를 AI 블로그에 올렸을까요? 답은 단순합니다. 현대 AI 모델 학습의 병목은 GPU의 수가 아니라 GPU에 안정적으로 전기를 공급하고 식히는 능력이기 때문입니다.
대규모 언어 모델 한 번 학습하는 데 드는 전력은 일반 가정 수천 가구의 연간 사용량과 맞먹습니다. 추론 단계로 가도 마찬가지입니다. ChatGPT나 Claude 같은 서비스를 매일 수억 명이 쓰면, 그 추론 트래픽 자체가 작은 도시 하나의 전력 소비량을 넘어섭니다.
이 문제를 어떻게 풀 것이냐 — 미국은 텍사스나 버지니아의 사설 발전소·가스터빈으로 풀고, 한국은 SMR(소형 모듈 원전)에 기대를 걸고 있으며, 중국은 국가 전체의 동서 비대칭을 통째로 재배치해서 풉니다. 접근 방식이 가장 거대하고 가장 정치적이며 가장 단호합니다.
이 거대한 그림을 가능하게 만드는 또 하나의 인프라가 UHV(초고압 송전망)입니다. 2025년 기준 중국은 이미 39개의 UHV 노선을 가동 중이며(직류 20개, 교류 19개), 2030년까지 약 28개를 추가로 건설할 예정입니다. 서쪽 발전소에서 동쪽 도시까지 손실을 최소화하면서 전기를 보내는 동맥인 셈입니다. 데이터는 광케이블로 동에서 서로, 전기는 UHV로 서에서 동으로 — 두 흐름이 교차하면서 시스템이 완성됩니다.
이렇게 거창하게 깔아놓고 보니 실제 가동률은 어떨까요? 솔직한 그림은 다소 당혹스럽습니다.
중국 AI 데이터센터 업계는 새로 지어진 컴퓨팅 자원의 최대 80%가 유휴 상태라는 보고에 시달리고 있습니다. GPU 임대 수요가 급감해 엔비디아 H100 서버 월 임대료는 7만 5천 위안 수준까지 떨어졌습니다.
특히 DeepSeek R1 같은 추론(reasoning) 모델의 등장이 게임을 바꿔놓았습니다. 학습 위주로 설계된 기존 데이터센터는 추론 트래픽 패턴에 최적화되어 있지 않았고, 운영자들은 추가 손실을 피하기 위해 일부러 시설을 멈춰 두는 선택을 하기도 합니다.
이 풍경은 한 가지 사실을 분명하게 보여줍니다. 인프라를 짓는 것과, 그 인프라가 시장에서 실제로 쓰이는 것은 별개의 문제라는 점입니다. 중국 정부도 이 문제를 인식하고 있어서, 일부에서는 정부가 시장 개입을 통해 가동률을 끌어올릴 가능성이 거론되고 있습니다.
그러나 한 발 떨어져서 보면, 이 유휴 자원조차 일종의 전략적 비축분으로 해석할 여지가 있습니다. AI 패러다임은 빠르게 바뀌기 때문에 — 학습에서 추론으로, 다시 멀티모달과 에이전트로 — 한번 산업이 새로운 변곡점을 만나면 지금 비어 있는 80%가 순식간에 채워질 수 있습니다. 인프라는 짓는 데 몇 년이 걸리지만, 워크로드는 몇 달이면 패턴이 뒤집힙니다.
한국 입장에서 동수서산은 두 가지 의미로 다가옵니다.
첫째, 국가 단위 AI 인프라 경쟁이 본격화되었다는 신호입니다. AI는 이제 알고리즘 싸움이 아니라 전력·부지·냉각·통신을 묶은 종합 인프라전이 되었습니다. 한국이 데이터센터 입지로 검토 중인 호남·강원 권역, 그리고 SMR 도입 논의는 모두 같은 맥락 위에 있습니다.
둘째, AI 인프라의 지정학이 한층 첨예해졌습니다. 동수서산은 외부 GPU 공급망이 막혀도 내수 자원을 최대한 묶어 활용하겠다는 자력갱생의 의지 표현이기도 합니다. 한국은 그 반대로, 글로벌 공급망에 깊게 통합되어 있으면서 동시에 자국 컴퓨팅 주권을 확보해야 하는 까다로운 위치에 있습니다.
처음 동수서산이라는 단어를 들었을 때는 그저 중국 특유의 거대 인프라 사업 중 하나로 보였습니다. 그런데 자료를 따라가다 보니 이건 AI 시대의 전력·통신·연산을 국가 단위에서 재정의하려는 시도였습니다.
모델은 여전히 알고리즘이 만들지만, 모델을 학습시키고 서비스하는 것은 결국 콘크리트와 구리선과 GPU와 발전소입니다. 그리고 이 물리적 토대를 누가 더 빠르고 효율적으로 깔아두느냐가, 다음 10년의 AI 패권을 좌우할 가능성이 높습니다.
동수서산은 그 거대한 게임의 중요한 한 수입니다. 적중하든 빗나가든, 이 정도 규모로 시도된 적은 인류 역사상 없었습니다. 그래서 결국 — 이 글을 AI 블로그에 올리는 것이 맞다는 결론에 도달했습니다.
'AI' 카테고리의 다른 글
| 신촹(信创), 중국이 그리는 IT 자주(自主)의 만년대계 (0) | 2026.05.12 |
|---|---|
| AI 시대의 진짜 주인공은 대만? (0) | 2026.05.12 |
| 에이전틱 AI 시대, 범용 컴퓨팅의 부활 — 중국 서버 CPU 시장 현황과 RISC-V 자립 전략 (0) | 2026.05.11 |
| 세레브라스(Cerebras) 심층분석 (0) | 2026.05.11 |
| AI 무게 중심 전쟁 ─ 머스크의 "깡통폰" vs 빅테크의 "온디바이스 AI", 정반대로 가는 두 미래 (0) | 2026.05.11 |