서문
이전 MLCC 수요 동인에서 살펴봤듯이 Agent AI의 확산은 AI 인프라가 요구하는 전력의 성격 자체를 바꾸고 있다. 단순히 더 많은 전력이 필요한 것이 아니라, AI 연산 과정에서 빠르게 변화하는 전력부하를 얼마나 안정적으로 제어하느냐가 새로운 과제로 떠오르고 있다.
Agent는 단순한 코딩 보조 도구를 넘어 비개발자의 업무 범위 자체를 확장하고 있다. 기술 전문성이 필요했던 인접 업무까지 직접 수행할 수 있게 되면서 활용도가 빠르게 높아지고 있으며, 이에 따라 비개발자 직군의 Agent 사용량도 폭발적으로 증가하고 있다.
아래는 최근 OpenAI에서 2026.6월 발표한 agent 사용량 폭증과 발표한 관련된 일부 그래프들이다.
이러한 agent 확산으로 인한 전력과부하 변화는 MLCC와 같은 서버 내부 전력부품의 요구사양 상승에만 머물지 않는다. 고밀도 GPU Cluster의 반복적인 부하 변동은 데이터센터의 UPS·BESS·발전기뿐 아니라 변압기·배전설비와 외부 전력망까지 더 큰 스트레스를 가한다. AI D/C의 문제가 이제 ‘전력 확보’에서 전력 안정성·부하 대응·설비 내구성으로 확장되고 있는 것이다.
이 과정에서 최근 흥미로운 변화가 소형·중형 가스엔진의 역할 확대다. 과거 데이터센터에서 가스·디젤 발전기는 정전 시 사용하는 비상전원에 가까웠지만, Grid 연결 지연과 전력망 부담이 커지면서 BTM(Behind-the-Meter) 환경에서는 데이터센터를 상시 가동하는 Prime Power, 즉 주전원으로 활용하려는 움직임이 나타나고 있다. 특히 여러 대를 병렬로 구성하는 중형 가스엔진은 AI D/C의 단계적 증설과 빠른 부하변화에 대응하기 쉽다는 장점이 있다.
마침 최근에는 이러한 기술 변화와 맞물려 AI Infrastructure 투자 확대, NVIDIA와 사모자본의 대규모 Compute Financing, 미국 정부의 AI D/C 인허가·전력 인프라 지원까지 동시에 진행되고 있다. 자금조달 병목이 완화될수록 오히려 전력과 Grid의 제약은 더 크게 드러날 가능성이 있다. 이번 글에서는 이러한 거시환경 변화와 Agent AI의 기술적 특성을 하나로 연결해, 왜 BTM이 부각되고 있으며 가스엔진이 비상발전원에서 AI 데이터센터의 새로운 주전원으로 이동할 가능성이 있는지를 정리해보고자 한다.
AI 데이터센터의 다음 병목
자본에서 전력으로, GPU에서 메모리로, 그리고 Grid에서 BTM 가스발전으로
AI 인프라 투자 사이클을 AI D/C Cluster 수요만으로 설명하기 어려워지고 있다. 자본시장은 AI 데이터센터에 더 많은 돈을 공급하고 있고, 미국 정부도 대형 전력수요의 Grid 연결과 신규 발전투자를 지원하는 방향으로 움직이고 있다.
그 결과 병목은 계속 이동한다. Capital → Power → Data Center → GPU → Memory → Power Quality 순으로 다음 희소자원이 등장하는 구조다.
이 과정에서 가장 주목하는 변화는 전력시장이다. AI 데이터센터가 전력망에 연결된 대형 수요처에서 벗어나, 자체 발전을 보유한 Behind-the-Meter(BTM) AI Factory로 진화할 가능성이 높아지고 있다.
그리고 이 변화에서 가스엔진은 더 이상 비상용 발전기가 아니다. 수백 MW급 AI 데이터센터의 상시 주전원(Prime Power)이라는 새로운 시장이 열리고 있다.
1. 전방 AI D/C 투자: 자본 병목이 풀리면서 전력 병목이 더 강해진다
BloombergNEF는 2026년 7월 미국 데이터센터 설치용량 전망을 2030년 118GW, 2035년 194GW로 상향했다. 2035년 전망은 불과 7개월 전보다 83% 높아졌다. 미국에서 발표된 프로젝트 Pipeline도 2025년 12월 이후 101GW 증가했다. (BloombergNEF)
 |
| BNEF의 새로운 미국 데이터센터 용량 전망에 대해 알아야 할 6가지 |
중요한 것은 자금조달 환경도 동시에 좋아지고 있다는 점이다. NVIDIA는 Apollo, Blackstone, BlackRock/GIP, Brookfield, Goldman Sachs, KKR과 $500B 이상의 Compute Financing Platform을 추진하고 있다. NVIDIA가 $500B를 직접 투자하는 것이 아니라 Wall Street의 자본을 NVIDIA 고객의 AI Compute 투자에 연결하는 구조다. (The Wall Street Journal)
이는 AI Capex의 상한을 높인다. 과거에는 Microsoft·Meta·Amazon 같은 Hyperscaler의 Balance Sheet가 투자규모를 결정했다. 앞으로는 Infrastructure Fund, Private Credit, Lease, Project Finance까지 AI D/C의 Funding Source로 들어온다.
미국 정부의 정책도 같은 방향이다. FERC는 2026년 6월 미국 6개 Regional Grid Operator에 데이터센터 등 Large Load의 연결규정을 개편하도록 명령했다. 목표는 Speed-to-Power를 높이되 기존 전력소비자를 보호하는 것이다. (Federal Energy Regulatory Commission)
문제는 AI D/C 전력비용을 누가 부담하느냐이다
AI 데이터센터가 너무 빠르게 증가하면 발전소·송전선·변전소를 새로 지어야 한다. 이 비용이 일반 소비자의 전기요금으로 전가될 수 있다는 우려가 커지고 있다.
FERC는 그래서 새로운 Large Load를 위한 설비비용을 해당 고객이 부담하도록 Cost Recovery Agreement를 요구하고 있다. 데이터센터가 계획대로 들어오지 않더라도 기존 가정용 고객이 Stranded Cost를 떠안지 않도록 하려는 것이다. (Federal Energy Regulatory Commission)
DOE의 Ratepayer Protection Pledge도 같은 방향이다. AI 기업이 신규 발전원을 직접 확보하고, 필요한 송배전 인프라 비용도 부담하도록 요구한다. (The Department of Energy's Energy.gov)
이 변화는 매우 중요하다. AI D/C를 기존 Grid 안에 무조건 집어넣는 것보다, 자체 발전을 붙여 전력망에서 일부 분리하는 BTM 구조의 경제성이 높아지기 때문이다.
2. Musk와 Micron: AI 인프라 병목은 계속 이동한다
Elon Musk가 최근 강조한 AI 인프라 구축방식도 이 흐름과 연결된다. 핵심은 GPU를 먼저 사는 것이 아니라 부지·전력·냉각·데이터홀을 먼저 확보한 뒤 GPU를 마지막에 투입하는 것이다.
SemiAnalysis가 추적한 xAI Colossus 2가 대표적인 사례다. xAI는 2025년 3월 약 100만 sqft의 Warehouse와 약 100 acre 부지를 확보했다. 불과 6개월 뒤에는 119개의 Air-cooled Chiller, 약 200MW의 Cooling Capacity가 구축돼 있었다. (SemiAnalysis)
SemiAnalysis는 당시 데이터센터 Capacity가 GPU 투입 준비를 마치는 것과 GPU 자체가 실제 가동되는 시점 사이에 시차가 있다고 지적했다. xAI는 NVIDIA GPU Allocation을 확보한 상태에서도 먼저 전력·냉각·건물 Capacity를 만들고 있었다. (SemiAnalysis)
이는 경제적으로도 합리적이다. 토지·전력·냉각설비는 장기간 사용할 수 있지만 GPU는 기술 교체속도가 빠르다. 따라서 Powered + Cooled + Networked Capacity를 먼저 확보하고 가장 최신 GPU를 마지막에 넣는 것이 자본효율이 높다.
그런데 GPU가 들어오면 병목은 Memory로 이동한다
Micron은 AI 시대에 Memory가 단순 Component가 아니라 System Performance를 결정하는 전략적 자산이라고 강조하고 있다. Agentic AI와 Long-context Inference가 확대되면서 Memory Capacity와 Memory Bandwidth가 동시에 필요하기 때문이다.
Micron에 따르면 AI Model의 Context Length는 연간 약 30배 증가하는 반면, Server당 Memory Capacity는 최근 3년 동안 약 두 배 밖에 증가하지 못했다고 한다.
HBM4의 경우 Bandwidth를 2배 높일 경우 자체 Simulation에서는 LLM Inference Throughput이 2.6배 증가했다고 한다고 하며, 이는 여전히 HBM은 LLM 추론에서 핵심 병목지점에 위치한다는것을 다시금 확인시켜줬다. (Micron Technology)
동시에 Micron은 고객들이 전력과 부지를 확보하고 데이터센터 구축 계약까지 이미 진행하고 있지만, 실제 시스템을 구성하는 데 필요한 DRAM을 충분히 확보하지 못하고 있다고 한다.
특히 상당수 AI workload에서는 GPU·ASIC·CPU 등이 DRAM에서 데이터가 공급되기를 기다리면서 최대 50%의 시간 동안 idle 상태가 될 수 있다고 설명한다. (Micron Technology)
Land / Power
→ Electrical / Cooling
→ Data Center
→ GPU / ASIC
→ HBM / DRAM
→ GPU Utilization
→ Tokens / MW
즉 AI Factory의 최종 경쟁력은 GPU 개수가 아니다. 얼마나 많은 GPU를 실제로 가동하고, 동일한 1MW에서 얼마나 많은 Token을 생산할 수 있는가가 중요해진다.
 |
| 2026.08.11 Micron |
3. Brookfield: AI Factory의 핵심을 ‘GPU가 아니라 인프라’로 본다
이 변화를 가장 공격적으로 선점하고 있는 자본 중 하나가 Brookfield다. Brookfield의 전략은 특정 AI Model이나 GPU Architecture의 승자를 맞히는 것이 아니다.
Brookfield는 Power + Data Center + Compute + Capital을 하나의 인프라 자산으로 묶으려 한다. 2025년에는 NVIDIA와 Kuwait Investment Authority를 Founding Partner로 최대 $100B AI Infrastructure Program을 출범시켰다. (Brookfield Asset Management (BAM))
그리고 Brookfield의 관심이 빠르게 Power 쪽으로 이동하고 있다는 점이 중요하다. Brookfield Infrastructure는 이미 Bloom Energy Framework를 통해 여러 Hyperscaler에 약 230MW의 BTM Power Project를 계약했으며, 초기 계약기간은 최소 15년이다. (Brookfield Infrastructure Partners)
2026년 6월 Brookfield와 Bloom은 이 협력을 기존 $5B에서 $25B로 5배 확대했다. 양사는 AI Factory를 Power·Compute·Data Center·Capital을 처음부터 통합하는 방식으로 구축하겠다고 설명한다. (Bloom Energy)
물론 Bloom의 기술은 Fuel Cell이므로 Brookfield가 가스엔진에 직접 베팅하고 있다는 뜻은 아니다. 더 중요한 시사점은 Wall Street의 인프라 자본이 Grid 밖의 On-site Power를 하나의 장기투자자산으로 보기 시작했다는 것이다.
DOE의 Paducah 프로젝트도 같은 방향이다. Brookfield가 AI/HPC Campus를 개발하고 NextEra가 2GW의 신규 가스발전과 최대 2.6GW의 BESS 등을 구축한다. 전체 민간투자는 $100B 이상이다. (The Department of Energy's Energy.gov)
결국 Brookfield가 선점하려는 자산은 단순한 데이터센터 건물이 아니다. Grid Connection을 기다리지 않고 고객에게 즉시 제공할 수 있는 Compute-ready MW다.
4. Agentic AI 시대: BTM 가스엔진이 ‘비상발전기’에서 ‘주전원’으로 이동한다
여기서 최근 Bloomberg의 “AI’s Volatile Power Demand Is Damaging Its Own Data Centers” 보도가 중요해진다. AI 데이터센터에서 전력사용량이 빠르게 오르내리면서 Battery·Generator·Cooling System이 예상보다 빨리 마모되거나 고장 나는 현장이 나타나고 있다는 내용이다. (The Economic Times)
Uptime Institute의 기술분석도 같은 문제를 지적한다. 대규모 Transformer Training에서는 GPU들이 거의 동시에 움직이기 때문에 전력부하가 1~2초마다 크게 변할 수 있다. 최악의 경우 System Level에서 저점과 고점의 차이가 100% 이상, 즉 순간적으로 Load가 거의 두 배가 될 수도 있다. (Uptime Institute Blog)
이런 현상이 반복되면 문제가 단순한 Peak Power를 넘어선다. UPS·Connector·Capacitor·배전설비에는 Thermal Stress가 누적되고, 예상보다 빠른 부품교체와 Maintenance가 필요할 수 있다. Uptime은 일부 AI Cluster가 Steady-state Maximum 대비 순간적으로 150% 수준의 Power에 도달할 가능성도 제시한다. (Uptime Institute Blog)
즉 전력망 입장에서는 AI D/C가 단순히 “전기를 많이 소비하는 고객”이 아니다. 전력을 많이 사용하면서 부하까지 빠르게 변하는 고객이다.
여기서 중요한 것은 가스엔진 하나로 모든 변동을 해결한다는 뜻은 아니다
밀리초 단위의 GPU Power Spike를 가스엔진이 직접 추종하는 것은 적절하지 않다. Uptime 역시 가스엔진이 급격한 Step Load에 그대로 노출되면 오히려 Engine Stress와 수명저하가 발생할 수 있다고 경고한다. (Uptime Institute Blog)
따라서 AI BTM은 여러 시간축을 나누어 대응해야 한다.
이 구조에서 가스엔진의 장점이 나타난다. 배터리가 순간변동을 흡수한 뒤, 엔진은 변화한 데이터센터 부하를 따라가며 지속적으로 출력을 조정한다.
즉 Gas Engine + BESS + UPS가 하나의 BTM Power Stack을 구성하는 방식이다.
왜 가스엔진인가
가스엔진은 대형 가스터빈보다 Unit Size가 작다. 따라서 여러 대를 병렬로 설치하고 필요한 만큼만 가동하는 Modular Architecture를 만들기 쉽다.
Wärtsilä 34SG는 Unit당 약 5.6~9.8MW 규모다. Fast-start 조건에서는 약 30초 만에 Grid에 연결하고, 2분 이내에 Full Load에 도달할 수 있으며 Hot Ramp Rate는 분당 100% 이상이다. (Wärtsilä)
약 10MW짜리 엔진 여러 대를 사용하면 100MW 데이터센터는 10여 개의 발전 Block으로 나뉜다. 일부 엔진을 정비하는 동안 나머지를 가동할 수 있고, 실제 부하에 맞춰 운전 대수를 조정할 수도 있다.
이 특성은 Agentic AI 시대에 의미가 커진다. AI D/C의 Demand가 일정한 Baseload라면 대형 Turbine이 유리할 수 있지만, 수요 변동과 증설이 반복되는 환경에서는 Modular Gas Engine이 높은 Operational Flexibility를 제공한다.
5. 이미 주문에서는 ‘Backup → Prime Power’ 전환이 나타나고 있다
 |
| 2026.07.21 Wärtsilä |
Wärtsilä의 최근 수주가 가장 명확한 증거다. 2026년 4월 회사는 Texas 데이터센터에 790MW 규모의 Off-grid 발전소를 공급하는 계약을 체결했다. 42대의 Wärtsilä 50SG Gas Engine이 데이터센터의 Primary Power Source로 사용된다. (Wärtsilä)
같은 달 Ohio Hyperscale D/C에서도 412MW, 40대의 Wärtsilä 34SG 주문을 받았다. Wärtsilä는 이 프로젝트를 Grid와 독립적으로 운영할 수 있는 “highly flexible, primary power”라고 명시했다. (Wärtsilä)
여기서 용도가 완전히 달라진다.
기존 데이터센터는
Grid = Main Power
UPS / Battery = Short Backup
Diesel Generator = Emergency Backup
구조였다.
BTM AI D/C에서는
Gas Engine / Turbine / Fuel Cell = Main Power
BESS / UPS = Load Smoothing
Grid = Supplement / Backup
구조가 가능해진다.
즉 가스발전시장이 기존 비상발전기 시장을 대체하는 것이 아니다. 그 위에 수백 MW 규모의 새로운 Prime Power 시장이 추가되는 구조에 가깝다.
Wärtsilä의 실적에서도 변화가 보이기 시작한다
2026년 2분기 Wärtsilä Energy는 두 개의 데이터센터 프로젝트에서 1.2GW의 확정 주문을 받았다. 그 결과 Energy Order Book은 2025년 초 이후 두 배 이상 증가했다. (Wärtsilä)
더 중요한 것은 가격과 수익성이다. 같은 기간 Energy Equipment Order Book의 Gross Margin은 500bp 이상 개선됐다. 회사는 증가한 Installed Base가 2030년 이후 Lifecycle Service 수요로 이어질 것이라고 보고 있다. (Wärtsilä)
즉 Earnings Cycle은 단순히 엔진 판매로 끝나지 않는다.
AI D/C 수주
→ Engine Installed Base 증가
→ 장기 Prime Operation
→ Maintenance / Spare Parts / Service Agreement 증가
→ Recurring Service Revenue
로 이어질 가능성이 있다.
가동시간 자체도 기존 Emergency Generator와 다르다. 1년에 몇 시간 사용하는 비상발전기가 아니라, 연중 상시운전되는 Prime Power Equipment가 되기 때문이다.
Caterpillar에서도 같은 방향이 나타난다
 |
| 2026.08.04 Caterpillar |
Caterpillar 역시 Power & Energy의 성장동력으로 데이터센터를 명확하게 지목하고 있다. 2026년 1분기 Power Generation 매출 증가는 대형 Reciprocating Engine과 Turbine의 Data Center Application이 주요 원인이었다. Power & Energy 매출은 전년 동기 대비 22% 증가했다. (Caterpillar)
Caterpillar도 발전기의 역할을 Backup에서 Primary Power로 확장하고 있다. 회사는 Grid 전력이 부족한 데이터센터에 “Bridge-to-Grid”뿐 아니라 Prime Power를 제안하고 있으며, Natural Gas Generator를 Continuous Operation에 사용할 수 있도록 제품군을 확대하고 있다. (CAT)
Cat Gas Generator는 현재 단일 Unit 기준 최대 약 4.5MW급까지 제공된다. 여러 대를 병렬 구성하면 발전 Capacity를 단계적으로 확대할 수 있고, Battery와 Switchgear를 하나의 시스템으로 통합할 수 있다. (CAT)
Caterpillar는 여기에 Gas Turbine까지 가지고 있다. 따라서 AI 데이터센터 고객에게 Gas Engine + Turbine + Battery + Controls + Switchgear를 통합한 BTM System을 제공할 수 있다는 점이 경쟁력이다. (CAT)
결론: AI가 열어주는 새로운 시장은 ‘가스 비상발전기’가 아니라 ‘BTM 가스 주전원’이다
AI 데이터센터의 폭발적인 증가는 전력수요를 증가시키는 데서 끝나지 않는다. Grid Connection은 느리고, 신규 송전망 건설비용은 일반 소비자의 전기요금 문제와 연결되고 있다. 여기에 Agentic AI와 대규모 Training Cluster가 만드는 Power Volatility까지 추가됐다.
따라서 데이터센터를 기존 전력망에 그대로 연결하는 방식의 부담은 점점 커질 수 있다. AI D/C가 필요한 전력을 직접 조달하고, 자체 발전설비 비용을 스스로 부담하도록 하는 BTM 구조가 정책·경제성 측면에서 동시에 부각될 가능성이 높다. FERC와 DOE가 Large Load의 비용을 기존 소비자로 전가하지 않도록 제도개편을 추진하는 것도 같은 방향이다. (The Department of Energy's Energy.gov)
그리고 BTM에서 Gas Engine은 기존과 전혀 다른 시장을 만난다. 과거 데이터센터용 엔진은 Grid가 끊겼을 때 사용하는 Emergency Asset이었다. 이제는 Grid를 기다리지 않고 데이터센터를 먼저 가동하는 Prime Power Asset으로 이동하기 시작했다.
Wärtsilä의 790MW Texas 프로젝트와 412MW Ohio 프로젝트는 이미 이런 전환이 실제 주문으로 나타나고 있음을 보여준다. 특히 약 10MW급 Engine을 여러 대 병렬 구성하면 AI 데이터센터의 증설속도와 부하 변화에 맞춰 Capacity를 단계적으로 조정하기 쉽다. (Wärtsilä)
다만 Gas Engine 단독이 해답은 아니다. Agentic AI가 만드는 밀리초 단위 변동은 UPS·Capacitor·BESS가 먼저 흡수해야 한다. 이후 Gas Engine이 빠르게 Load를 따라가는 Battery + Gas Engine 구조가 기술적으로 더 합리적이다. (Uptime Institute Blog)
따라서 앞으로의 AI 전력시장은 다음과 같이 변화할 가능성이 있다.
Old Data Center
Grid
→ Data Center
→ UPS
→ Diesel Backup
에서
AI Factory
Gas Engine / Gas Turbine / Fuel Cell
BESS / UPS
Grid
→ BTM Microgrid
→ AI Data Center
로 이동하는 것이다.
이 변화가 현실화된다면 투자 포인트도 달라진다. 데이터센터용 가스발전기는 기존 비상발전기 수요를 단순 대체하는 것이 아니라 기존 Backup 시장 위에 수백 MW 단위의 Prime Power 시장을 새롭게 추가한다.
특히 Wärtsilä처럼 5~10MW급 Modular Gas Engine을 보유하고 빠른 Ramp·높은 효율·낮은 용수사용량을 제공하는 업체, 그리고 Caterpillar처럼 Engine부터 Turbine·Switchgear·Control·Service까지 통합할 수 있는 업체의 전략적 가치가 올라갈 수 있다. BNEF 역시 Grid 제약으로 On-site Gas Generation 시장이 빠르게 확대되고 있으며, Gas Engine과 Turbine을 AI D/C의 주요 선택지로 보고 있다. (BloombergNEF)
결국 이번 AI 전력 사이클의 핵심은 단순히 “천연가스 발전량이 증가한다”가 아니다.
AI D/C 확대
→ Grid Capacity·요금 부담 증가
→ BTM 전환
→ On-site Gas Prime Power 증가
→ Gas Engine Installed Base 증가
→ Maintenance·Service 수요 장기 증가
라는 새로운 시장이 만들어지고 있다는 것이다.
이 관점에서 가스엔진은 AI 시대에 다시 정의되는 전력기기라고 볼 수 있다. 과거에는 전력망이 실패했을 때 켜는 설비였다면, 앞으로는 전력망보다 먼저 AI Factory를 가동시키는 설비가 될 수 있다.
=끝
댓글 없음:
댓글 쓰기