AI가 효율적으로 작동할 수 있을까? 연구자들이 해결책을 찾았을지도 모른다

인공지능(AI)은 거의 모든 산업에서 우리의 미래를 계속 형성하고 있으며, 채택이 확대됨에 따라 중요한 비즈니스 프로세스를 자동화하고 비용을 절감하며 생산성을 높이고 있습니다.

데이터 shows 전체 기업의 80% 이상이 어느 정도 AI를 활용하고 있으며, 이를 조직 내 핵심 기술로 보고 있습니다. AI 채택이 상당한 이점을 제공하고 ROI가 크게 상승함에 따라 AI에 대한 재정적 투자도 증가했습니다.

이에 따라 AI 시장 규모는 2024년에 1,840억 달러를 넘어섰으며, Statista에 따르면 이번 십년 말까지 8,260억 달러를 초과할 것으로 예상됩니다.

이 모든 성장과 AI에 대한 관심 급증은 기술 개발을 위한 군비 경쟁을 촉발했습니다. 조직에서 구축되는 대형 언어 모델(LLM)과 같은 AI 모델은 알고리즘을 사용해 인간 언어를 이해, 요약, 번역 및 생성하며, 전력 집약적인 프로세서를 사용해 방대한 데이터로 학습됩니다.

이를 위해 기업과 데이터센터 운영자는 새로운 고용량 데이터센터 구축에 막대한 자본을 투입하고 있습니다. 국제 에너지 기구(IEA)에 따르면, 새로운 데이터센터에 대한 투자는 지난 2년 동안 급증했으며, 미국이 주도하고 있습니다. 2023년에는 마이크로소프트, 구글, 아마존만의 총 자본 투자가 해당 국가 전체 석유·가스 산업보다 더 높았습니다.

(MSFT ) (AMZN )

이러한 데이터센터는 전력을 많이 소비합니다. 2022년 IEA는 데이터센터가 16억 5천만 기가줄(GJ)의 전기를 사용했으며, 이는 전 세계 수요의 약 2%에 해당한다고 밝혔습니다.

글로벌 데이터센터 전력 수요는 골드만삭스 리서치에 따르면 2027년까지 50% 증가하고 2030년까지는 165% 증가할 것으로 전망됩니다.

현재 데이터센터의 전력 사용량은 약 55GW로 추정되며, 클라우드 컴퓨팅 워크로드(54%), 스토리지와 같은 전통 워크로드(32%), AI(14%)로 구성됩니다. 이러한 워크로드 유형에 대한 미래 수요를 모델링하면 2027년 예상 전력 수요는 84GW이며, AI 비중은 27%로 증가하고 클라우드는 50%로 감소하며 전통 워크로드는 23%로 떨어집니다.

한편, 전 세계 데이터센터 시장 용량은 현재 약 59GW이며, 이 중 60%는 구글 및 알리바바와 같은 하이퍼스케일 클라우드 제공업체와 제3자 데이터센터 운영자가 제공하고, 나머지는 전통적인 기업 및 통신사 소유 데이터센터에서 나옵니다.

이러한 대형 하이퍼스케일 데이터센터의 전력 수요는 100MW 이상이며, 연간 전력 소비량은 최대 40만 대 전기차의 전력 수요와 거의 동일합니다.

조직이 AI를 지속적으로 도입함에 따라 AI 전용 데이터센터가 등장할 것으로 예상됩니다. 이는 AI 워크로드의 특수 요구를 충족하도록 설계된 새로운 인프라 유형입니다. 현재는 매우 적지만, 주로 아시아 태평양 및 북미 지역, 특히 베이징, 상하이, 버지니아 북부, 샌프란시스코 베이 지역에 위치하고 있습니다.

골드만삭스 리서치 추정에 따르면 2030년 말까지 약 122GW의 데이터센터 용량이 온라인에 존재할 것입니다. AI의 높은 처리 워크로드 수요로 인해 데이터센터의 전력 사용 밀도도 2년 내에 평방피트당 176킬로와트시로 증가할 것으로 보입니다.

데이터센터가 전력 수요 증가에 기여함에 따라 전력망에도 상당한 투자가 필요하며, 2030년까지 약 7,200억 달러의 그리드 지출이 예상됩니다.

또한 데이터센터의 이산화탄소 배출량은 2022년에서 2030년 사이에 두 배 이상 증가할 수 있습니다. 따라서 현재 전체 전력의 1-2%를 차지하고 있는 데이터센터 전력 소비는 이번 십년 말까지 3-4%로 증가할 것으로 예상되어 우려의 대상이 되고 있지만, 완전히 희망이 사라진 것은 아닙니다.

이 수치는 거대하지만, 전 세계 전력 소비 총량 증가라는 더 넓은 맥락에서 보면 다소 겸손합니다. IEA는 AI뿐만 아니라 지속적인 경제 성장, 전기차(EV), 에어컨, 전력 집약적인 제조업의 증가로 인해 2030년까지 6,750TWh가 증가할 것으로 전망합니다.

또한 AI 활용 속도가 불확실할 뿐만 아니라 하드웨어와 소프트웨어 모두에서 지속적인 효율성 향상이 AI 기술의 전력 수요를 해결하는 데 도움이 될 수 있습니다.

AI 관련 컴퓨터 칩의 효율성은 약 2.5~3년마다 두 배가 되고 있습니다. 최신 AI 칩은 2008년 모델과 동일한 계산을 수행하면서도 전력 소비가 99% 감소했습니다. 또한 AI 모델 자체도 점점 효율적이 되고 있습니다. 새로운 냉각 기술과 혁신적인 과학적 솔루션과 결합되어 이러한 발전은 에너지 사용을 줄이고 환경 영향을 최소화하고 있습니다.

전통 스토리지가 AI에 따라가지 못하는 이유를 알아보려면 여기를 클릭하세요.

과학자들이 획기적인 솔루션을 개발하다 

삽화 이미지. 실제 사진이 아닙니다.

AI 진화와 증가하는 에너지 수요를 배경으로, 일본 연구진은 자기 상태를 전기적으로 제어함으로써 전력 소비를 크게 줄일 수 있는 혁신적인 스핀트로닉 장치를 개발했습니다.

이 돌파구는 신경망 작동 방식을 모방하고 훨씬 더 에너지 효율적인 칩을 만들면서 AI 하드웨어에 혁신을 가져올 수 있습니다. 전류를 사용해 정보를 저장하는 대신, 이 장치는 전자의 스핀을 이용해 동일한 작업을 수행하므로 더 빠르고 효율적입니다.

스핀트로닉 장치는 대용량 저장 장치와 컴퓨팅에 사용되어 컴퓨터의 속도와 성능을 향상시킵니다.

국립재료과학연구소, 도호쿠 대학, 일본 원자력연구소의 연구원들은 현재 이를 저전력 AI 칩에 활용하고 있으며, 개념 증명으로 전류 프로그래밍된 스핀-오빗 토크(SOT) 장치를 시연했습니다.

SOT는 자기 상태에 정보를 전기적으로 인코딩하는 유망한 메커니즘을 제공합니다. 그러나 기존 방식에서는 재료와 장치 구조에 의해 수동적으로 결정됩니다.

스핀트로닉 연구가 전기적으로 자기 질서를 제어하는 데 큰 진전을 이루었지만, 대부분의 기존 스핀트로닉 장치는 제어되는 자기 물질과 구동력을 제공하는 물질의 역할을 분리하고 있습니다.

– 후카미 슌스케, 도호쿠 대학

스핀트로닉 장치는 일단 제작되면 일반적으로 정보를 이진 방식으로 전환하는 고정된 작동 방식을 갖습니다; 즉 “0”에서 “1”로 전환합니다. 그러나 새로운 연구는 다중 자기 상태의 전기적으로 프로그래밍 가능한 전환에 진전을 이루었습니다. 내재된 SOT 극성을 조작하면 유연하게 프로그래밍 가능한 SOT 장치를 만들 수 있습니다.

이번 달 Nature Communications¹에 발표된 연구 결과에 따르면, 이 스핀트로닉 장치는 비공선성 반강자성체와 강자성체의 전기적 상호 제어를 가능하게 하여 자기 상태의 효율적인 전환을 실현합니다.

자기 상태의 전기적 제어는 자기 메모리, 로직 및 컴퓨팅의 기반이며, SOT는 이를 제어하는 효율적인 방법을 제공합니다.

이는 획기적인 SOT 장치가 뇌를 모방한 AI 칩처럼 정보를 저장하고 처리하면서도 훨씬 적은 에너지를 사용한다는 의미이며, 고효율 및 에너지 절감이 가능한 새로운 세대 AI 하드웨어의 문을 열어줍니다.

연구에서는 비공선성 반강자성체인 Mn3Sn을 핵심 자기 물질로 사용하고 전류를 가해 스핀 전류를 생성하여 인접한 강자성체인 CoFeB의 전환을 유도했습니다. 이는 자기 스핀 홀 효과라고 불리는 과정을 통해 이루어졌습니다.

스핀 홀 효과(SHE)는 전류와 자기 질서 시스템 내 집합적 스핀 역학 사이의 결합을 실현하는 현대 스핀트로닉스의 핵심 요소입니다.

이전 연구² 도호쿠 대학이 다른 연구소와 협력하여 수행한 연구에서는 비자성 물질에 비해 반강자성체가 더 강한 스핀 홀 특성을 가지고 있음을 보여주었습니다. 또한 Mn3Sn에서는 삼각형 배열된 모멘트가 방향을 바꿀 때 SHE가 비정상적인 부호 변화를 나타냅니다. Mn3Sn의 높은 자기 메커니즘은 스핀 분할에 기인하는데, 이는 운동량에 의존하며 비공선성 자기 질서에 의해 생성되어 반강자성 스핀트로닉스의 범위를 확장합니다.

최신 연구에서 강자성체는 스핀 편극 전류에 반응했으며, 그 위에 Mn3Sn의 자기 상태에도 영향을 미쳤습니다. 이를 통해 두 물질 간 전기적 상호 전환이 가능해졌습니다.

팀은 실험에서 강자성체에 기록된 정보를 Mn3Sn의 자기 상태를 활용해 전기적으로 제어할 수 있음을 보여주었습니다. 설정 전류를 조정함으로써 여러 상태를 나타내는 서로 다른 트레이스에서 CoFeB의 자화 방향을 전환할 수 있었습니다.

전류 극성이 기록된 정보의 부호를 바꾸는 아날로그 전환 메커니즘은 신경망에서 핵심 작동이며, AI 처리에서 아날로그 값이 작동하는 방식을 모방합니다.

후카미에 따르면, 이번 발견은 보다 에너지 효율적인 AI 칩을 생산하는 데 중요한 진전입니다.

“비공선성 반강자성체와 강자성체 사이의 전기적 상호 전환을 구현함으로써, 우리는 전류 프로그래밍 가능한 신경망에 새로운 가능성을 열었습니다,” 라고 그는 덧붙였으며, 현재 연구 초점은 “작동 전류를 더욱 낮추고 읽기 신호를 증가시키는 것”이며, 이는 AI 칩의 실용적 적용에 결정적이라고 언급했습니다.

데이터센터가 많은 에너지를 소비함에 따라, 또 다른 연구는 SOT 자기 랜덤 액세스 메모리(MRAM)를 통해 전력 소비를 줄이는 것을 목표로 했습니다.

지난달 Nature Communications에 발표된 이 별도 연구는 요하네스 구텐베르크 대학교 마인츠(JGU) 연구진이 수행했으며, 데이터 처리 및 저장을 위한 강력하고 고효율적인 솔루션을 개발하면서 에너지 소비를 감소시켰습니다.

프로토타입은 “보다 빠르고 효율적인 메모리 솔루션의 길을 열어준다”고, JGU 물리학 연구소의 전 포스트닥터 연구원인 라훌 굽타 박사가 말했습니다.

이는 SOT MRAM을 기반으로 하며, 정적 RAM에 비해 뛰어난 전력 효율성, 비휘발성 및 성능으로 알려져 있습니다. 전류를 사용해 자기 상태를 전환하는 기술은 기록 과정에서 필요한 높은 입력 전류를 줄이는 데 어려움을 겪습니다. 이는 데이터를 장기간 저장하기 위한 충분한 열 안정성을 유지하고 저장 작업에 필요한 에너지를 최소화해야 함을 의미합니다.

SHE 대신, 이 연구는 궤도 홀 효과(OHE)를 활용했으며, 전류가 가해질 때 물질 내에서 궤도 각운동량의 횡류가 발생합니다. 이 현상을 이용해 연구진은 비싼 혹은 희귀한 재료에 의존하지 않고도 높은 에너지 효율을 달성했습니다.

개발된 독특한 자기 물질은 루테늄과 같은 원소를 SOT 채널로 사용해 성능을 향상시켰습니다. 이를 통해 팀은 입력 전류를 20% 감소시키고 효율을 30% 증가시켰으며 전체 에너지 소비를 50% 이상 줄이는 데 성공했습니다.

선도하는 기업들

이제 AI 분야를 발전시키는 주요 기업들을 살펴보겠습니다:

1. NVIDIA Corporation

Nvidia (NVDA ) 는 그래픽 처리 장치(GPU)를 설계하고 제조합니다. GPU는 고속으로 수학 계산을 수행하는 전자 회로이며 AI 모델 개발에 널리 사용됩니다.

지난 10년 동안, 회사는 GPU의 와트당 성능을 최대 4,000배까지 크게 향상시켰으며, 이는 수석 과학자 윌리엄 달리의 말에 따르면, AI 연산을 위해 특별히 설계된 전용 회로를 지속적으로 개발하고 있습니다.

Nvidia는 시가총액 3.21조 달러로 세계에서 두 번째로 큰 기업입니다. 현재 주가는 130.86달러이며 연초 대비 2.35% 하락했습니다. 회사의 EPS(TTM)는 2.54이고 P/E(TTM) 비율은 51.67이며 배당 수익률은 0.03%입니다.

회사 재무와 관련해 Nvidia는 2월 26일에 FY25 4분기 실적을 발표할 예정입니다. 현재 3분기 GAAP 희석 주당 순이익은 0.78달러, 비GAAP 희석 주당 순이익은 0.81달러였습니다.

이번 분기에 Nvidia는 351억 달러의 사상 최고 매출을 발표했으며, 이는 전 분기 대비 17%, 전년 대비 94% 증가한 수치입니다. 이 중 데이터센터 매출은 308억 달러를 차지했습니다. 4분기 매출 전망은 375억 달러입니다.

“AI 시대가 전면에 돌입하면서 NVIDIA 컴퓨팅으로의 전 세계적인 전환을 촉진하고 있습니다,” 라고 CEO 겸 설립자 젠슨 황이 말했으며, 그는 Hopper에 대한 “놀라운” 수요와 Blackwell에 대한 기대를 언급했습니다. Blackwell은 가속화된 학습, 추론 및 차세대 AI의 효율성을 위한 고성능 컴퓨팅(HPC)을 가능하게 합니다.

Nvidia는 2022년 10월에 11달러 이하였던 주가가 2025년 1월 초에 152달러를 넘어서는 등 놀라운 여정을 겪었습니다. 최근에는 중국 AI 스타트업 DeepSeek이 최신 AI 모델을 출시하면서 약간의 모멘텀을 잃었습니다. 초기에는 DeepSeek이 Nvidia의 고성능 GPU 수요를 약화시킬 것으로 보였지만, 실제로는 해당 스타트업의 낮은 컴퓨팅 파워 요구가 더 많은 AI 기회를 열어주어, 가장 큰 칩 제조업체인 Nvidia의 주가를 상승시키는 긍정적인 영향을 줄 수 있습니다.

“AI는 모든 산업, 기업 및 국가를 변화시키고 있습니다,” 라고 황은 지난 분기 재무 발표 중에 말했으며, 기업들이 에이전트형 AI를 도입하고 있으며 물리적 AI의 돌파구가 산업 로봇공학에서 나타나고 있다고 덧붙였습니다. 또한 각국도 자체 AI 인프라 구축의 중요성을 깨닫고 있다고 강조했습니다.

#2. Broadcom Inc.

Broadcom (AVGO ) 은 시가총액 1.1조 달러로 상위 10대 기업 중 하나입니다. 반도체 및 인프라 소프트웨어 솔루션을 설계, 개발, 공급하는 데 관여하고 있습니다. 구글, 메타 플랫폼, 바이트댄스와 같은 주요 기업과 파트너십을 맺고 있으며, OpenAI와 애플과 협력해 자체 AI 칩을 구축하고 있습니다.

작성 시점에 Broadcom 주가는 235달러이며 연초 대비 1.95% 상승했습니다. 회사의 EPS(TTM)는 1.28이고 P/E(TTM) 비율은 184.78이며 배당 수익률은 1%입니다.

2024년 4분기에 Broadcom은 140억 달러 이상의 매출을 기록했으며, 전년 동기 대비 51% 증가했으며, GAAP 순이익은 43억 2,400만 달러였습니다. 2025 회계연도 1분기에 회사는 약 146억 달러의 매출 가이던스를 제시했습니다.

4분기에 이 칩 제조업체의 반도체 매출은 사상 최고인 301억 달러에 달했으며, 이는 CEO 겸 사장 호크 탄이 AI 매출 122억 달러가 주도했다고 언급했습니다. AI 매출은 전년 대비 220% 성장했으며, 이는 XPUs에 의해 촉진되었습니다.

Broadcom의 GAAP 희석 EPS는 0.90달러였으며 비GAAP 희석 EPS는 1.42달러였습니다. 영업 현금 흐름은 56억 달러였습니다. 또한 분기별 보통주 배당금을 주당 0.59달러로 11% 인상했으며, 이는 14번째 연속 인상입니다. 구조조정 제외 자유 현금 흐름은 219억 달러로 “강력”했으며 현금 및 현금성 자산은 93억 4,800만 달러였습니다.

“앞으로 3년간 AI 분야에서 우리의 기회는 거대합니다. 특정 하이퍼스케일 기업들은 자체 맞춤형 AI 가속기를 개발하기 위한 여정을 시작했습니다.”

– 탄은 실적 발표 콜에서 말했습니다

그는 또한 회사가 세 개의 대형 클라우드 고객과 AI 칩을 개발 중이며, 각각이 2027년까지 네트워크 클러스터에 100만 개의 AI 칩을 배치할 것으로 예상된다고 공유했습니다.

결론

인공지능의 인기도와 사용량이 계속 증가함에 따라 에너지 소비도 증가하고 있습니다. 특히 딥러닝과 같은 AI 모델은 계산에 상당한 에너지를 필요로 하며, 기존 솔루션은 전력 효율성 한계에 직면해 있습니다.

이러한 배경에서 AI 칩의 에너지 효율성을 향상하고 환경 영향을 최소화하려는 연구는 기술의 잠재력을 완전히 실현하면서 부정적인 영향을 줄이는 데 도움이 될 수 있습니다.

(META ) (AAPL )

SOT 기반 메모리 및 로직 장치는 전하 기반 로직 대신 자기 상태를 이용한 연산으로 저전력 솔루션을 제공함으로써 큰 차이를 만들 수 있습니다. 지속적인 전력 없이 데이터를 유지함으로써 AI 추론에 대한 에너지 비용을 절감하고, 뇌를 모방한 실시간 AI 의사결정을 위한 보다 에너지 효율적인 AI 가속기를 가능하게 하며, 로직과 메모리를 통합해 AI 작업의 처리 속도를 높일 수 있습니다.

이와 같은 지속적인 노력은 AI 하드웨어와 소프트웨어를 더욱 에너지 효율적이고 빠르며 복잡한 연산을 처리할 수 있게 만들어, 결과적으로 산업 전반에 AI 채택을 확대하고 탄소 발자국을 줄이는 데 기여합니다!

2025년이 AI 주도 투자의 해인 이유를 알아보려면 여기를 클릭하세요.