여름 밤마다 집 안 전기 사용을 조금씩 줄여보겠다고 멀티탭을 뽑아두던 제게, 올해 들어 가장 자주 들린 단어가 바로 태양 전력난이었어요. 회사 리포트 쓰다보니 AI가 쓰는 전력이 상상을 넘고, 발전소 증설보다 빠른 대안이 필요하다는 얘기가 일상이 됐죠. 그래서 실제로 구글이 어떤 방식으로 이 문제를 풀고 있는지, 특히 ‘우주’까지 확장한 전략이 어느 정도 실체가 있는지 궁금해서 관련 기기와 시스템을 직접 데이터 기준으로 들여다보고 글을 남겨봅니다. 광고 같은 포장보다, 쓰다 보며 손에 잡힌 포인트만 담아볼게요.
먼저 제품/기기 측면에서 가장 흥미로웠던 건 구글의 프로젝트 Suncatcher예요. 핵심은 태양광 패널과 AI 전용 반도체 TPU를 싣는 소형 위성입니다. 낮밤, 날씨 영향을 덜 받는 우주에서 24시간 전력을 확보하고, 그 전력으로 위성 안에서 바로 AI 학습과 추론을 돌리는 구성이에요. 2025년 말 공식화, 2027년 1·2호 프로토타입 발사를 목표로 달리는 일정도 명확합니다. 디자인은 지상 데이터센터처럼 거대한 냉각 장비가 아니라, 태양광 어레이와 방열 설계, 통신 모듈, 복수의 TPU 보드가 핵심 블록으로 묶인 형태로 이해하면 편해요. 사용 경험에 가깝게 느낀 장점은 세 가지였습니다. 첫째, 태양 전력난의 뿌리인 간헐성을 우주 환경으로 크게 줄인다는 점. 둘째, 연산을 전력원 가까이에 붙이는 온사이트 컴퓨팅으로 송전 손실과 지상 전력망 부담을 덜 수 있다는 점. 셋째, AI 워크로드 급증 시 확장이 위성 단위로 모듈화된다는 점이죠. 다만 주의할 점도 선명해요. 발사·운용 비용, 우주 환경 내 열관리와 방사선 내성, 다운링크 대역폭 한계는 실제 성능 체감에 영향을 줍니다.
현장에서 체감 가능한 변화는 지상 쪽이 더 빠릅니다. 구글은 사우스캐롤라이나 등지에서 600MW 규모 태양광 전력을 추가로 계약했고, 텍사스에는 데이터센터와 에너지 프로젝트에 400억 달러를 베팅했어요. 모회사 알파벳은 2025년 12월 재생에너지 개발사 Intersect를 약 47억 5,000만 달러에 인수했고요. 제가 관심 있게 본 건 코로케이션입니다. 발전소와 데이터센터를 같은 부지에 붙여 송전 지연과 손실을 줄이는 방식이죠. 여기에 딥마인드의 제어 모델을 얹어 냉각 전력을 최대 40% 줄였던 경험을 그리드에도 확장합니다. 예측 모델로 태양광·풍력 출력을 시간대별로 정밀하게 맞추고, ESS를 그 시점에 최적으로 충방전하게 만드는 흐름이에요. 딱 써보면, 낮에 과잉인 전력을 배터리에 묻어두고, 피크 시간엔 데이터센터 부하를 옮기거나 냉각을 선제 가동해 전력 피크를 누그러뜨리는 느낌입니다. 태양 전력난을 현장에서 줄일 수 있는 가장 현실적인 묶음이 바로 이 조합이었어요.
하나만으론 모자라서 구글은 SMR 같은 원자력까지 검토하는 ‘All of the above’ 전략을 택했어요. 태양 전력난이 심해지는 구간, 즉 밤·구름·계통 병목엔 기저 전원이 버팀목이 되니까요. 그래도 운영 관점에서 가장 체감 큰 건 예측 정확도였습니다. 수요 예측에 날씨·이벤트·가격 신호를 함께 넣고, 설비 고장 징후를 모델이 먼저 잡아내면, 스케줄이 깔끔해져요. 패널 청소나 각도 조정 같은 단순 작업도 데이터를 따라가면 발전량이 확실히 달라집니다. 다만 개선되면 좋겠던 점도 있어요. 프로젝트별 데이터 표준이 제각각이라 통합 대시보드 구성에 시간이 꽤 들고, ESS의 사이클 수명과 열화 모델을 실제 현장 패턴으로 재보정해야 체감 오차가 줄어요. 그래도 이 부분만 한번 세팅해두면, 그 다음부터는 현장 대응 속도가 확실히 빨라집니다.
써보니, 거대한 구호보다 손에 잡히는 건 두 가지였어요. 우주는 상징이 아니라 진짜 대안이 될 수 있겠다는 기대, 그리고 지상에선 예측과 코로케이션만 잘해도 태양 전력난의 날카로운 모서리가 둥글어진다는 실감이요. 개인적으로는 Intersect 인수 같은 공급망 장악이 생각보다 큰 힘이 되더군요. 전기가 모자라면 AI도 멈춘다는 말이 과장이 아니라서, 전력과 연산을 한 세트로 보는 시선이 오래갈 것 같습니다.
