새로운 냉각 기술이 AI의 급증하는 에너지 수요를 해결한다

캘리포니아 대학교 샌디에이고 캠퍼스의 엔지니어들이 개발한 새로운 냉각 기술은 AI 개발 및 배치를 위해 필수적인 데이터 센터의 에너지 효율을 크게 향상시킬 수 있습니다.

데이터 센터는 AI 모델을 학습하고 배포하는 데 필요한 인프라를 수용하는 시설입니다. 여기에는 고급 컴퓨팅, 네트워크 및 스토리지 아키텍처와 AI 워크로드의 방대한 데이터 처리 요구를 처리하기 위한 에너지 및 냉각 기능이 포함됩니다.

전통적인 데이터 센터는 서버, 스토리지 시스템, 네트워킹 장비 등 AI 데이터 센터와 많은 동일한 구성 요소를 가지고 있지만, 컴퓨팅 성능은 크게 차이가 납니다. 이는 고성능 그래픽 처리 장치(GPU)를 필요로 하는 고강도 AI 워크로드의 비범한 요구 때문입니다.

AI 사용 사례에 필요한 매우 많은 수의 GPU는 더 넓은 면적을 필요로 할 뿐만 아니라, 고급 에너지 및 냉각 기능도 요구합니다.

실제로 AI의 폭발적인 사용과 지속적인 확장은 데이터 처리에 대한 수요를 급증시키고 있습니다.

데이터 센터는 실제로 전 세계에서 가장 큰 에너지 소비원 중 하나가 될 것으로 예상됩니다. 추정에 따르면 2030년까지 데이터 센터의 에너지 소비는 최대 160% 증가하여 1,000 테라와트시(TWh) 이상에 이를 수 있으며, 이는 전 세계 전력 소비의 3%에서 4%를 차지합니다.

이 급증은 고급 AI 애플리케이션의 계산 요구가 증가함에 따라 발생하며, 이는 효과적인 냉각 솔루션이 필요한 상당한 열 발생을 초래합니다.

실제로 데이터 센터 전체 에너지 사용량의 40%가 고성능 컴퓨팅 하드웨어, 특히 GPU와 가속기를 냉각하는 데 사용됩니다.

이러한 구성 요소는 전통적인 CPU보다 훨씬 많은 열을 발생시키며, 특히 AI 학습 및 대형 언어 모델 처리 시에 그렇습니다. 또한 현대 AI 서버의 컴퓨팅 파워 밀도가 증가하면서 열 집중도가 높아져 보다 효율적인 냉각 솔루션이 필요합니다.

“냉각 비용은 운영자가 감당해야 하는 중요한 간접비용입니다,” 라고 ABI Research의 지속 가능한 기술 수석 분석가인 Rithika Thomas가 말했습니다. 그녀의 ‘Chilling Out: Cooling Systems for Data Centres’ 보고서는 운영자가 성능, 안정성 및 장비 수명을 유지하기 위해 효과적인 전략을 채택할 것을 촉구합니다.

이 추세가 지속된다면, 전 세계 냉각에 사용되는 에너지는 이번 십년 말까지 두 배 이상 증가할 수 있어, 이 문제에 대한 해결책을 찾는 것이 중요합니다.

“효과적인 냉각 전략은 전력 사용 효율성(PUE), 물 사용 효율성(WUE) 및 열 관리 최적화와 운영 비용 절감을 위해 전체론적이며 기술에 구애받지 않는 접근 방식을 요구합니다.”

– Thomas

AI의 끊임없는 열 요구는 더 스마트한 냉각 솔루션이 필요합니다

문제는 전통적인 공기 기반 냉각 방식이 현대 서버의 열 부하를 관리하기에 점점 부족해지고 있다는 점입니다. 이러한 방식은 이미 데이터 센터 전체 에너지의 최대 45%를 소비합니다.

고급 CPU 및 GPU 칩에서 발생하는 최대 열 플럭스는 현재 50 W/cm²를 훨씬 초과합니다. 열 플럭스 또는 열 흐름은 단순히 열 형태로 한 장소에서 다른 장소로 전달되는 에너지 속도입니다.

예를 들어, NVIDIA의 Hopper는 AI와 고성능 컴퓨팅(HPC) 워크로드를 가속화하도록 데이터 센터용으로 특별히 설계된 GPU 마이크로아키텍처이며, AI 애플리케이션을 위해 814 mm² 칩 크기에 700 W의 열 설계 전력(TDP) (86 W/cm² 열 플럭스)를 가지고 있습니다.

Hopper는 NVIDIA의 Ampere 아키텍처 후속 제품이며, TSMC 4N 공정을 사용해 800억 개 이상의 트랜지스터로 구축되었습니다.

또한 트랜지스터의 소형화는 2030년까지 1nm 노드에서 트랜지스터 밀도가 약 10배 높아질 수 있음을 의미합니다. 이는 200 W/cm² 이상의 열 플럭스를 초래할 수 있으며, 공기 냉각으로는 효율적이고 비용 효율적으로 제거하기 어렵습니다. 따라서 액체 냉각이 필요하게 됩니다.

액체 냉각 기술은 새로운 것이 아닙니다. 업계는 이미 차세대 시스템에 이를 도입해 열 관리와 에너지 효율성을 향상시키고 있습니다.

이 냉각 방식은 실제로 공기 기반 시스템보다 서버에서 열을 더 효과적으로 전달하여 냉각 비용과 에너지 낭비를 줄입니다.

고급 액체 냉각 기술에는 마이크로채널 냉각판과 유전체 액체를 이용한 침지 냉각이 포함됩니다. 그러나 단일 상 또는 끓는 열 전달과 같은 전통적인 냉각 기술은 일반적으로 100 W/cm² 범위의 열 플럭스로 제한됩니다.

따라서 우리가 필요로 하는 것은 고성능 열 방출 전략입니다. 특히 추가 전력이 필요하지 않은 수동형이어야 합니다. 바람직하지만 이러한 전략은 아직 찾기 어렵습니다.

또한 냉각은 컴퓨팅 및 AI에 사용되는 CPU와 GPU 장치뿐만 아니라, 발광 다이오드(LED) 칩, 고전력 라디오 주파수(RF), 갈륨 나이트라이드(GaN) 고전자 이동도 트랜지스터(HEMT), 펌프 레이저와 같은 전력 전자에도 중요합니다.

이러한 전자 장치 중 다수는 100 W/cm² 이상의 전력 소모를 가지고 있습니다. 여기서 증발 열 전달은 고전력 전자 장치를 냉각하기 위한 유망한 기술이며, 전통적인 냉각 방법에 비해 몇 가지 중요한 장점을 제공합니다.

단일 상 냉각 시스템에 비해, 액체-증기 상 변화의 큰 잠열은 효율적인 열 제거를 가능하게 하며 더 나은 안정성과 히스테리시스(시스템 상태가 과거에 의존하는 현상) 없이 작동합니다. 또한 수동 모세관 구동 흐름을 활용하면 펌핑 전력 요구량이 감소합니다.

증발 기반 시스템은 실제로 끓는 현상과 달리 고전력 응용 분야에 특히 효율적이고 보다 제어된 열 전달 메커니즘을 제공합니다.

에너지 효율적인 열 관리가 데이터 센터에 필수적인 상황에서, 매우 작은 기공을 가진 멤브레인에서 모세관 구동 얇은 필름 증발은 높은 열 플럭스를 방출하는 유망한 접근법을 제시합니다.

AI가 AI 데이터 센터의 증가하는 에너지 수요를 어떻게 억제할 수 있는지 알아보려면 여기를 클릭하세요.

신규 냉각 기술로 증가하는 에너지 수요 억제

국립 과학 재단의 지원을 받아, 이 새로운 기술은 팬, 액체 펌프, 히트싱크와 같은 전통적인 냉각 시스템에 대한 유망한 대안을 제공하며, 자세히¹ 저널 Joule에 실렸습니다. 또한 현재 많은 냉각 시스템의 물 사용량을 줄일 수 있습니다.

이 새로운 기술은 증발을 통해 수동적으로 열을 제거하는 특수 설계된 섬유 멤브레인을 특징으로 합니다. 여기서 사용된 저여과 멤브레인은 미세하고 상호 연결된 기공 네트워크를 포함하며, 모세관 작용을 이용해 표면 전체에 냉각 액체를 끌어들입니다.

액체가 증발함에 따라, 추가 에너지 없이도 전자 부품 아래의 열이 효율적으로 제거됩니다. 멤브레인은 전자 부품 위의 마이크로채널 위에 배치되어, 채널을 흐르는 액체를 끌어들여 열을 효율적으로 방출합니다.

“전통적인 공기 또는 액체 냉각에 비해, 증발은 더 높은 열 플럭스를 더 적은 에너지로 방출할 수 있습니다.”

냉각을 위한 증발은 새로운 것이 아니며, 현재 에어컨의 증발기와 노트북의 히트 파이프와 같은 많은 응용 분야에서 사용되고 있습니다. 그러나 이 방법을 고전력 전자에 적용하는 것은 어려움이 있었습니다.

다공성 멤브레인을 사용하려는 시도는 성공적이지 못했습니다. 다공성 멤브레인은 증발에 이상적인 높은 표면적을 가지고 있지만, 이전 시도는 기공이 너무 작아 막히거나 너무 커서 원치 않는 끓음이 발생해 실패했습니다.

“여기서는 적절한 크기의 상호 연결된 기공을 가진 다공성 섬유 멤브레인을 사용합니다,” 라고 Chen이 말했습니다. 이렇게 엔지니어들은 이러한 단점 없이 효율적인 증발을 달성할 수 있었습니다.

다양한 열 플럭스에서 기술을 테스트한 결과, 연구진은 그들의 멤브레인이 작동하며 기록적인 성능을 달성하고 있음을 발견했습니다.

멤브레인은 800 W/cm²를 초과하는 열 플럭스를 처리했습니다. 이는 이 유형의 냉각 시스템에서 기록된 가장 높은 수준 중 하나입니다. 뿐만 아니라 여러 시간 동안 안정적으로 작동하여 차세대 전자 냉각을 위한 확장 가능하고 에너지 효율적인 접근법을 강조했습니다.

“이 성공은 전혀 새로운 응용을 위해 재료를 재구상하는 잠재력을 보여줍니다.”

– Chen

그는 원래 섬유 구성 요소가 여과용으로 설계되었다고 설명했습니다. “아무도 이전에 그들의 증발 활용을 탐구한 적이 없었습니다,” 라고 그는 덧붙였습니다. 그러나 팀은 적절한 크기의 상호 연결된 기공이라는 독특한 구조적 특징을 인식했으며, 이는 효율적인 증발 냉각에 완벽했습니다. Chen은 다음과 같이 말했습니다:

“우리에게 놀라웠던 점은 적절한 기계적 보강을 통해 이들이 높은 열 플럭스를 견딜 뿐만 아니라, 그 아래에서도 매우 뛰어난 성능을 발휘했다는 것입니다.”

열 성능 외에도, 섬유 멤브레인은 비용 효율적이며 제조 규모 확대가 가능하고, 기계적 유연성과 강도를 모두 갖추고 있어 얇은 필름 증발에 대한 잠재력을 강조하고 고플럭스 전자 냉각 시스템에 통합하기에 유용함을 나타냅니다. 따라서 차세대 열 관리에 강력한 솔루션을 제공합니다.

결과는 확실히 유망하지만, 기술은 아직 이론적 한계보다 크게 낮은 수준에서 작동하고 있습니다. 팀은 현재 멤브레인을 정제하고 성능을 최적화하는 작업을 진행 중입니다.

다음 단계에서는 팀이 이 기술을 GPU와 CPU에 부착되어 열을 방출하는 평면 부품인 냉각판 프로토타입에 통합할 예정입니다. 기술 상용화와 관련해 팀은 시장에 내놓기 위해 스타트업을 설립할 예정이며, 캘리포니아 대학교 이사회도 이 작업과 관련된 특허를 출원했습니다.

LLM 전력 사용량을 50% 감소시킬 새로운 칩에 대해 알아보려면 여기를 클릭하세요.

차세대 냉각 혁신

AI가 전 세계 경제에 수조 달러를 기여할 것으로 예상되는 만큼, 이제 다양한 방법을 통해 AI의 에너지 사용을 줄이는 데 점점 더 초점이 맞춰지고 있습니다.

2025년 5월, 기술 대기업 Microsoft (MSFT ) 는 논문을 발표했으며, 이는 데이터 센터 냉각 기술이 전체 수명 주기 동안 발생시키는 에너지 및 물 소비와 온실가스(GHG) 배출량을 정량화합니다.

이 수명 주기 평가는 데이터 센터 운영 중 소비되는 자원뿐만 아니라 가상 머신, 서버, 칩, 냉각 및 기타 장비를 생산하는 데 필요한 자원까지 깊이 분석합니다. Microsoft에 따르면 이 데이터는 기업이 물, 에너지 및 탄소 사용을 줄이는 데이터 센터를 설계하는 데 도움이 될 수 있습니다.

“우리는 이 논문에서 초기 엔지니어링 결정을 안내하기 위해 수명 주기 평가 도구의 사용을 주장하고, 채택을 용이하게 하기 위해 해당 도구를 산업계와 공유하고 있습니다.”

연구 목적에 대해 Alissa는 다음과 같이 말했습니다:

“우리가 여기서 하려는 것은 산업계에 ‘냉각을 고려한 종단 간 수명 주기 평가를 구축하는 방법을 알려드리겠습니다. 그리고 여러분이 특정 요구에 맞게 맞춤화하고 결정을 내릴 수 있는 도구를 제공하겠습니다.’”

그들의 연구는 실제로 2년이 걸렸으며, 그 기간 동안 서버용 냉각 기술 네 가지(냉각판, 공기 냉각, 단일 상 침지, 이중 상 침지)를 평가했습니다.

팀은 액체 기반 접근법이 업계 표준인 공기 냉각보다 탄소 배출량, 에너지 및 물 소비 측면에서 더 나은 성능을 보일 것으로 기대합니다.

Microsoft는 데이터 센터에 냉각판을 설치했지만, 열 교환기 유닛을 활용하는 랙 규모 냉각판 기술과 같은 다른 냉각 기술도 탐색하고 있습니다. 또한 이 기술 대기업은 물 소비를 30%에서 50%까지 줄이고 데이터 센터 전체 수명 주기 동안 에너지 수요와 GHG 배출량을 약 15% 감소시킬 수 있는 새로운 기술을 개발 중이라고 밝혔습니다.

최근 MIT Lincoln Laboratory는 개발한 특수 칩을 사용해 패키지된 칩 스택의 냉각 옵션을 평가했습니다. 이 독특한 칩은 실리콘 층과 특정 핫스팟을 통해 매우 높은 전력을 방출하여 열을 생성합니다. 이후 스택에 냉각 기술을 적용하면, 칩이 온도 변화를 측정합니다.

스택에 배치하면 연구자들은 열이 스택 층을 통해 어떻게 이동하는지 조사하고, 이를 측정해 냉각 상태를 유지할 수 있습니다.

“단일 칩만 있을 경우 위 또는 아래에서 냉각할 수 있지만, 여러 칩을 겹쳐 쌓기 시작하면 열이 빠져나갈 곳이 없습니다. 현재 산업이 이러한 고성능 칩을 다중으로 쌓을 수 있게 하는 냉각 방법은 존재하지 않습니다.”

– 연구 책임자, 실험실의 Advanced Materials and Microsystems Group 소속 Chenson Chen

AI 분야에 투자하기

AI 중심 GPU 분야의 글로벌 리더인 Nvidia (NVDA )는 Compute & Networking 및 Graphics 부문을 통해 운영되는 풀스택 컴퓨팅 인프라 기업입니다.

Nvidia는 반도체, 서버 제조, 데이터 스토리지 및 엔터프라이즈 소프트웨어 분야의 주요 기업들과 파트너십을 맺어 AI 애플리케이션 배포를 가속화하고 있습니다. 이 칩 제조업체는 또한 OpenAI, xAI, Inflection, Mistral AI, Perplexity, Lambda, Scale AI 등 AI 기업에 대한 스타트업 투자에도 적극 참여하여 이 분야를 발전시키고 있습니다.

NVIDIA Corporation (NVDA )

Nvidia의 시장 실적을 살펴보면, 지난 5년간 무려 1,350% 상승을 기록한 최고의 주식 중 하나입니다. 현재 작성 시점에서 시가총액 3.5조 달러로 세계 2위 기업인 이 회사의 주가는 $145 이상으로 거래되고 있으며, 연초 대비 8.33% 상승했으며, 2024년 11월에 거의 $150에 도달했던 최고가 대비 약 3% 수준입니다.

EPS(TTM)는 3.10, P/E(TTM)는 46.86, ROE(TTM)는 115.46%이며, 배당 수익률은 0.03%입니다.

2025년 5월, Nvidia는 회계연도 2026년 1분기 재무 실적을 발표했으며, 이 기간 매출은 441억 달러였습니다.

데이터 센터 분야에서 회사의 매출은 391억 달러였습니다. 이 부문을 위해 Nvidia는 미국에 공장을 건설하고, AI 추론 모델 확장을 위한 Blackwell Ultra와 Dynamo를 도입했으며, RTX PRO™ 서버를 통해 기업 AI 팩토리로의 IT 인프라 전환을 가속화할 계획을 발표했습니다. 여러 다른 이니셔티브 중, NVIDIA AI Data Platform도 AI 추론 워크로드를 위한 맞춤형 레퍼런스 디자인으로 소개되었습니다.

또 다른 큰 발전은 10만 개의 Nvidia 칩을 사용해 아랍에미리트에 새로운 AI 데이터 센터를 구축하는 것으로, 내년에 가동될 예정입니다.

또 다른 흥미로운 소식으로, Nvidia는 보도에 따르면 대만의 Foxconn과 협력해 Nvidia AI 서버를 생산할 새로운 Foxconn 공장에 인간형 로봇을 배치할 계획입니다. 향후 몇 달 내에 최종 확정될 예정이며, 이 배치는 제조 공정을 혁신하기 위한 인간형 로봇 채택의 이정표가 될 것입니다.

최신 NVIDIA Corporation (NVDA) 주식 뉴스 및 개발

AI 냉각 혁신에 대한 최종 생각

AI가 산업을 지속적으로 재편함에 따라, 그 방대한 컴퓨팅 요구는 전례 없는 에너지 소비와 열 발생을 촉진하고 있습니다. 여기서 모세관 구동 얇은 필름 증발에 대한 유망한 연구는 미래를 위한 보다 에너지 효율적이고 지속 가능하며 확장 가능한 AI 인프라 구축을 위한 중요한 단계입니다.

높은 이론적 임계 열 플럭스(CHF)를 갖춘 나노다공성 멤브레인에서의 모세관 구동 얇은 필름 증발은 고전력 전자 장치에 대한 유망한 열 관리 전략을 제공합니다. 최신 연구에 따르면 섬유 멤브레인의 개방형 기공은 상호 연결되어 효율적인 증발기로 작동하며, 다중 경로를 통한 빠르고 균일한 액체 전달을 촉진하고, 막힘을 감소시키며 표면 전체에 고른 습윤을 보장합니다.

장기적인 안정성을 보여줌으로써, 3D 섬유 멤브레인 증발기는 고급 열 관리에 매우 유망한 솔루션을 제공하며, 현대 전자 시스템의 요구를 충족시키는 효율적인 냉각 솔루션을 제공합니다.

인공지능 투자에 대해 모두 알아보려면 여기를 클릭하세요.

참조된 연구:

1. Feng, T.; Pei, Y.; Zhang, H.; Asai, B.; Dong, G.; Joshi, A.; Saha, A.; Cai, S.; Chen, R. 상호 연결된 기공을 가진 섬유 멤브레인에서의 고플럭스 및 안정적인 얇은 필름 증발. Joule 2025, 9 (6), 101975. https://doi.org/10.1016/j.joule.2025.101975