1,500조 투입되는 '메가 프로젝트'…성패를 가를 결정적 변수는? [스프]

[오그랲]

안혜민 기자

작성 2026.07.20 09:00 조회수

⚡ 스프 핵심요약

대한민국 정부는 반도체, 피지컬 AI, AI 데이터 센터를 3대 핵심 분야로 선정하고 인프라 구축에 대규모 투자를 단행하여 국가적 총력전을 전개하고 있습니다.

특히 AI 추론 단계에서의 보안과 지연 시간 최소화를 위해 자국 중심의 AI 데이터 센터를 구축하고, 이를 패키징하여 해외로 수출하는 새로운 비즈니스 모델을 추진할 계획입니다.

메가 프로젝트의 성공을 위해서는 기존 전력 수급 기본 계획을 상회하는 대규모 전력과 용수 공급 대책 마련은 물론, 급변하는 AI 기술 트렌드에 유연하게 대응할 수 있는 전략 수정이 필요할 수 있습니다.

안녕하세요. 데이터를 만지고 다루는 안혜민 기자입니다. 지난 6월 28일, 정부가 엄청난 프로젝트를 발표했습니다. 이름하여 '대한민국 대도약 3대 메가 프로젝트'. 반도체, 피지컬AI, AI데이터센터 세 분야에 걸쳐 대규모 투자 계획을 공개한 건데요. 오늘 오그랲에서는 이 메가프로젝트를 정리해보려 합니다. 도대체 프로젝트 내용은 무엇인지, 또 이러한 결정의 배경은 무엇인지, 거기에 더해 이번 프로젝트가 잘 되려면 놓쳐서는 안 될 포인트가 무엇인지도 다양한 데이터와 그래프를 통해 살펴보겠습니다.

압도적 반도체... 속도전으로 격차 벌린다
3대 프로젝트 가운데 가장 앞에 있는 영역은 바로 반도체입니다. AI 시대에 반도체가 여기저기 쓰이면서 전 세계적으로 공급 부족에 시달리고 있다는 것 오그랲에서 여러 번 말해왔습니다. 지난 6월에 열린 대만 컴퓨텍스에서 최태원 SK 회장은 메모리 부족 사태가 2030년까지는 계속될 것으로 전망하기도 했죠. 메모리 분야의 압도적 강자인 SK하이닉스와 삼성전자는 수요 부족에 대응하기 위해 이미 팹 공장을 용인에 증축해 나갈 계획을 갖고 있었어요.

용인 국가산단에는 삼성전자의 팹 6기가 건립될 예정이고, 일반산단에는 SK하이닉스의 팹 4기가 들어올 예정이죠. 원래 삼성전자는 2047년까지, SK하이닉스는 2045년까지 완공하는 게 목표였는데, 지금 상황이 흘러가는 걸 보니 이렇게 지지부진해서는 안 되겠다는 판단이 선 겁니다.

참고로 SK하이닉스의 용인 반도체 클러스터 계획이 나온 건 2019년 2월인데, 첫 삽을 뜬 건 그로부터 6년 뒤인 작년 2월이었어요. 올해 4월에 기초공사가 시작됐죠. 삼성전자는 아직 첫 삽도 뜨지 못했고요. 그래서 반도체 프로젝트에서 정부가 세운 전략은 '속도전'입니다.

용인 반도체 클러스터 완공 시점을 삼성전자는 7년 단축해서 2040년까지, 하이닉스는 12년 단축해서 2033년으로 확 당긴 겁니다. 여기에 더해 새로운 반도체 산단도 서남권에 지을 계획입니다.

여의도 3배 규모인 광주 군 공항 부지에 만들 계획인데, 역시나 여기도 속도전으로 임하고 있죠. 우선 국유지라 토지 보상 절차를 건너뛸 수 있다는 이점도 있고, 또 이미 평탄화가 완료된 공항부지라는 이점이 있는 만큼 지금 정부 임기 안에 완공할 계획이더라고요.

이미 메모리 반도체 분야에서 우리나라가 앞서 있는데도 불구하고 이렇게 속도를 내는 이유는 경쟁국들이 다 뛰고 있기 때문입니다. 산업 곳곳에서 AI 전환이 이뤄지고, 반도체가 핵심 인프라로 부상하면서 수요가 크게 늘어났고, 곳곳에서 병목과 정체가 생기고 있습니다. 그래서 많은 반도체 기업들이 정말 공격적으로 반도체 공장을 건설하고 있어요. 단순히 기업들 간의 투자 경쟁이 아닌 국가 총력전의 모습을 보이고 있죠.

대표적으로 미국과 중국이 있습니다. 첫 번째 그래프를 통해 미국 마이크론의 투자 상황을 살펴보도록 하겠습니다.

마이크론은 일단 미국 내에서만 2,000억 달러 규모의 투자 계획을 추진하고 있어요. 아이다호 주에 2개 팹 짓고, 뉴욕 주에는 1,000억 달러 규모의 메가 팹 건설을 계획하고 있죠. 마이크론의 공장 증설은 미국에서만 이뤄지지 않습니다. 올해 1월엔 대만의 파운드리 업체인 PSMC의 팹을 18억 달러를 주고 인수했어요. 또 일본 히로시마에는 1조 5,000억 엔을 투자해 HBM 신규 생산동을 건설할 계획이죠.

미국뿐 아니라 중국의 상황도 심상치 않습니다. 중국 최대 D램 업체인 창신메모리, CXMT는 올해 1분기 매출이 전년 대비 700% 이상 늘며 존재감을 보이고 있는데요. 기존엔 허페이, 베이징 공장에서 D램을 생산했는데, 최근엔 상하이에도 신규 D램 팹을 짓고 있죠. CXMT는 생산 라인 증설에 필요한 자금 확보를 위해 상하이 증시 상장을 계획하고 있어요. CXMT뿐 아니라 중국의 다른 반도체 기업들, 이를테면 YMTC나 바이두의 AI 반도체 자회사인 쿤룬신도 증설 경쟁에 나서면서 자금 확보를 위해 IPO를 준비하고 있습니다.

제조업 강국 이점으로 피지컬 AI 시장 잡는다
다음은 현실 세계의 물리적 환경을 이해하고 판단하는 AI, 피지컬 AI 영역입니다.

우리나라가 갖고 있는 다양한 카드 가운데, 반도체 말고 내세울만한 게 뭐가 더 있을까요? 바로 제조업이 있습니다. 반도체를 포함해 자동차, 조선, 배터리, 방산 등 다양한 분야에서 상당한 수준의 제조 역량을 갖추고 있죠. 정부는 이번 발표에서 대한민국의 주력 제조업과 로봇산업의 시너지를 극대화하기 위해 제조업의 AI 전환을 가속화할 것이라 얘기했어요.

AI 모델의 성능을 좌우하는 핵심은 데이터입니다. 피지컬 AI 역시 마찬가지죠. 하지만 우리가 보통 사용하고 있는 LLM과 비교하면 피지컬 AI의 데이터는 턱없이 부족한 상황입니다. 왜냐하면 인터넷에는 텍스트 데이터가 가득해서 기업들이 쉽게 긁어올 수 있었는데, 제조업 데이터는 인터넷에 존재하지 않으니까요. 이 데이터는 현장에 있죠.

정부는 우리나라 제조업이 갖고 있는 중요한 데이터들, 이를테면 각각의 생산 라인에서 어떤 온도와 압력 하에서 제품 생산이 이뤄지는지 이런 데이터를 활용해 제조업 분야에서 AI 전환을 이끌어 낼 예정인 거죠. 게다가 우리나라는 로봇이 산업 곳곳에 이미 자리 잡고 있는 로봇 강국인 만큼 AI 전환이 생산성 증대로 바로 이어질 수도 있다는 장점도 있습니다.

국제로봇연맹에서 발표한 자료인데요, 한국의 로봇 밀도는 1만 명당 1,220대로 압도적 1위를 차지하고 있어요. 전 세계 평균치인 132대와 비교하면 9배나 넘는 상황입니다.

다만 문제는 우리나라가 로봇을 쓰기만 한다는 겁니다. 다른 나라들은 피지컬 AI 시대로 달려 나가면서 휴머노이드 같은 로봇들을 생산하고 있는데, 우리나라는 로봇을 사서 쓰기만 하는 거죠. 그간 한국은 로봇을 잘 활용하는 데에만 집중했고, 생산은 너무 안 했습니다. 그 사이 휴머노이드 시장은 중국과 미국이 압도하고 있고요.

글로벌 시장조사기관 옴디아가 발표한 로봇 시장 보고서에서 우리나라 기업은 찾아볼 수가 없습니다. 1위 아지봇, 2위 유니트리를 비롯해서 점유율 6위까지 싹 다 중국 기업입니다. 전체의 86.9%가 중국일 정도로 압도적이죠. 뒤이어 7위, 8위, 9위 기업들이 미국이고, 나머지 기업들이 9.8% 정도를 차지하고 있어요.

정부는 이번 메가 프로젝트를 통해 업종별로 특화된 AI 로봇을 개발해 매년 1천대 이상 현장에 보급할 계획입니다. 또 로봇을 만드는데 들어가는 부품과 로봇의 두뇌 역할을 할 AI의 기술 경쟁력도 확보할 예정이고요.

피지컬 AI 영역에서 핵심 기업은 단연 현대차 그룹입니다. 차체를 용접하고 조립하는 공정과 로봇을 만드는 공정은 70~80%가 겹칠 정도로 상당히 유사하거든요.

새만금에 현대차 그룹의 로봇 파운드리가 구축되고, 대구 경북권에 있는 자동차, 가전 부품 기업을 로봇 부품으로 전환할 수 있도록 지원해서 로봇 생산 기반을 확충할 계획입니다.

국내 AI 데이터센터 만들고, 내친김에 수출까지
AI 대전환에서 가장 필요한 핵심 인프라를 꼽으라면 누가 뭐래도 AI 데이터센터가 뽑힐 겁니다. 왜냐하면 이게 있어야, 모델을 학습시키고 추론을 할 수 있으니까요. 국가 단위의 대형 프로젝트들을 보면 대부분이 이 AI 데이터센터 관련된 사업들입니다. 가령 5,000억 달러가 투입된 미국의 스타게이트 프로젝트도 AI 데이터센터 만들겠다는 거고요. 중국은 향후 5년간 2조 위안을 투입해 AI 데이터센터 만들겠다는 이야기가 전해지고 있습니다.

정부는 이왕 건설할 AI 데이터센터가 지역 활성화에도 기여할 수 있도록 전국 곳곳에 지을 계획입니다. 먼저 1단계로 SK, GS, 네이버와 협력해 8. 4GW 규모의 AI 데이터센터를 구축할 예정이죠.

울산에는 SK가 1GW급을, GS가 동해에 2.4GW급을 네이버가 세종에 1GW급의 AI 데이터센터를 지을 예정입니다. SK는 울산뿐 아니라 다른 네 권역에도 각각 1GW급의 인프라를 갖출 계획이죠.

1GW라는 숫자가 너무 자주 나와서 체감이 안 되는데, 사실 어마어마한 양이예요. 1GW급의 AI 데이터센터에는 일반적인 원자력 발전소 1기가 필요하죠. 현재 기가와트급 AI 데이터센터를 운영하는 건 전 세계적으로 xAI와 아마존 정도밖에 없습니다.

현재 전 세계적으로 운영되는 AI 데이터센터의 전력량을 나타내봤습니다. xAI의 콜로서스2가 올해부터 본격 가동되면서 세계 최초의 1GW급 AIDC로 활약하고 있고요. 아마존의 앤트로픽용 데이터센터인 '프로젝트 레이니어' 역시 최근 1GW 급으로 전력량이 늘어났습니다.

참고로 SK는 여기서 그치지 않고 2035년까지 AI 데이터센터 규모를 15GW로 확장할 계획을 갖고 있어요. 만약 이렇게 되면 2035년엔 우리나라에 총 18.4GW의 AI 데이터센터가 구축되겠죠. 그리고 정부는 이 AI 데이터센터를 다른 나라에도 수출할 계획을 갖고 있죠. 아직 짓지도 않은 AI 데이터센터로 뭘 팔겠다는 건지 의문이 들 수 있는데요. 핵심은 '추론'에 있습니다.

앞서 AI 데이터센터가 있어야 모델을 학습시키고, 추론 과정에 쓸 수 있다고 했죠? 사실 학습 단계에서는 우리나라가 파고 들 틈이 없는 게 현실입니다. 독파모 같은 프로젝트를 통해 모델 개발에 나서고 있지만, 현실적으로 최첨단 AI 모델들은 엔비디아의 최첨단 GPU를 다량 보유한 미국 빅테크들이 꽉 잡고 있습니다. 하지만 학습이 끝나고 실제 서비스가 이뤄질 AI 추론 단계에서는 다를 수 있습니다.

추론 단계는 이미 학습된 모델에 우리가 새로운 데이터를 입력해 결과를 받아내는 과정을 말합니다. 일반적으로 우리가 AI를 사용하는 전 과정이 추론과정에 해당하죠. 추론 단계에서는 사용자와 티키타카가 이뤄져야 하는데, 그러려면 멀리 있는 AIDC를 쓰기가 어려워집니다. 특히 챗봇 수준을 넘어서 로봇 같은 피지컬 AI에서는 지연 시간이 민감한 터라 먼 나라에 있는 AIDC를 쓰는 게 문제가 될 수 있죠. 또 그 과정에서 오고 갈 민감한 데이터들이 다른 나라의 서버로 간다는 것도 문제가 될 수 있고요.

즉, 그러려면 추론 연산이 이뤄지는 AI 데이터센터는 사용자 근처에 있어야 하고, 보안 측면에서도 자국 인프라 내에서 처리될 필요가 있다는 겁니다. 앞으로 AI 추론 인프라는 나라마다 하나씩 필요할 터이니, 그 빈틈을 우리나라가 노리겠다는 거죠.

먼저 우리나라에서 AI 데이터센터 지어서 우리나라 NPU와 서버를 활용해 네트워크 기술과 전력 및 냉각 솔루션 등을 운영해 보고, 이 운영 기술을 하나로 패키징해 다른 나라들에게 수출하려는 거죠. 마치 우리가 원전 기술을 해외에 수출하는 것처럼 말이죠.

메가 프로젝트가 넘어야 할 산도 '메가'급
이미 현실이 된 AI 대전환이라는 흐름에 더 적극적으로 나서겠다는 방향성과 동시에 지역균형발전을 챙기겠다는 원칙은 어느 누구도 반대하지 않을 겁니다. 하지만 워낙 많은 자본이 투입되는 말 그대로 메가급의 대형 프로젝트다 보니 문제없이 잘 굴러갈 수 있는지를 우려하는 사람들도 적지 않습니다.

그중에서도 가장 염려되는 지점이 바로 전력 문제입니다. 전기 먹는 하마 AI를 위해 어떻게 전력을 생산할 것인가가 아직 의문이거든요. 광주 신공항 부지에 들어설 반도체 클러스터에 필요한 전력이 6.3GW 정도이고, 새롭게 지어질 전국 곳곳의 AI 데이터센터에는 계획대로라면 2035년까지 18.4GW가 필요합니다. 합치면 24.7GW의 추가 전력 수요가 예상되는 거죠. 이게 얼마나 큰 규모냐면 작년 8월 대한민국 최대 전력 수요가 96GW였거든요. 최고점의 4분의 1 분량의 전력이 앞으로 필요하다는 겁니다.

참고로 정부는 2년 주기로 전력 수요를 전망하고 대응 정책을 세워 운영하고 있습니다. 작년 말에 12차 전력수급기본계획 수립에 착수했고, 올해 4월에 그 전망치를 공개한 바 있죠. 문제는 이 계획에 앞선 AI 메가 프로젝트가 하나도 반영되지 않았다는 겁니다. 얼마나 차이가 나는지 그래프를 통해 살펴보도록 하겠습니다.

12차 전기본에서 공개한 전망치에 따르면 2050년 대한민국의 최대 전력수요는 131.8에서 138.2GW 수준입니다. 그리고 이 추정치 안에 담긴 데이터센터 소비량은 4GW에 불과하죠. 하지만 이번 메가 프로젝트의 계획대로라면 데이터센터에만 기존 대비 4배 이상의 전력이 필요한 겁니다.

그래서 전문가들은 이번 12차 전력수급기본계획에 대대적인 수정이 필요하다고 얘기하고 있어요. 전망치도 대폭 상향될 수 있고, 기존의 재생에너지 중심의 계획 역시 수정이 이뤄질 수 있다고 전망하고 있죠. 대규모 전력 수요를 안정적으로 공급하고 탄소도 나오지 않는 원전이 대안으로 떠오르고 있습니다. 당장 원자력학회에서는 신규 원전과 SMR을 추가로 반영해야 한다고 주장하고 있고요.

전기뿐 아니라 물 문제도 있습니다. 데이터센터는 전기만 많이 먹는 게 아니라 물도 엄청나게 먹거든요. 서버 냉각수에 사용하는 물은 아주 깨끗한 물이 필요해서 용수 활용 방안에 대한 전반적인 고민이 필요합니다. 게다가 데이터센터에서 직접 사용되는 물뿐만 아니라 간접적으로 사용되는 물 문제도 최근 대두되고 있어요.

대다수의 빅테크 기업들은 자신들의 환경 보고서를 통해 서버 냉각에 얼마나 많은 물을 사용하고 있는지만 공개하고 있습니다. 하지만 미국 에너지부 산하의 국립연구소 최근 보고서에 따르면 간접적 물 비용이 상당합니다. 로렌스 버클리 국립연구소 분석 결과 데이터센터에 사용될 전력을 생산하기 위해 발전소에서 소비되는 물 사용량이 평균 12배나 많다는 거죠. 즉, AI 인프라를 돌리는 데에는 눈에 보이는 물의 양보다 훨씬 더 큰 소비량이 숨어있다는 겁니다.

일단 정부는 국가물관리체계를 손 볼 계획인 것 같더라고요. 현재는 10년 주기로 물 관리 계획을 세우고 있는데, 이 정도 규모의 AI 투자를 감당하기엔 한계가 있다는 겁니다. 앞서 살펴본 전력 계획처럼 2년 단위로 쪼개서, 조금 더 연속성을 확보할 수 있는 방향으로 개정될 것으로 전망됩니다.

마지막으로 주목할만한 포인트는 이번 프로젝트가 인프라, 즉 하드웨어에 너무 몰려있다는 지점입니다. 인프라가 중요한 것 자체는 잘못된 게 아닙니다. 하지만 너무 쏠려 있다는 지적인 거죠. 참고로 지난 5월에 가트너가 발표한 보고서를 보면 AI 인프라의 장기 수요를 함부로 예측하지 말고, 과신하지 말라 조언하고 있어요. 왜냐하면 정말 하루가 다르게 AI 시장의 주인공이 바뀌고 있기 때문이죠.

지금 모두가 사용하고 있는 AI 모델 구조가 언제까지 1등을 할 수 있을까요? 지금 현재 잘 나가는 효율화 기술이 언제까지 유효한지는 어느 누구도 장담할 수 없습니다. 5년 단위로 예측하는 것도 위험성이 큰 상황에서 장기 수요를 예측하고 달려가는 것 자체의 위험성을 고려할 필요가 있다는 겁니다.

가령 유연성 있게 대응하기 위해 다양한 시나리오를 설계하고 그걸 기반으로 계획을 갖추는 것도 방법일 겁니다. 또 인프라를 추가하더라도 다양한 선택권을 확보할 수 있는 전략을 세울 수도 있고요. 이를테면 모듈형으로 인프라를 추가하고 단계적으로 투자하는 식으로 말이죠.

한편, 이렇게 막대한 돈을 쏟아붓는 하드웨어에 비해, 정작 그 위에서 돌아갈 소프트웨어 전략은 상대적으로 부족하다는 지적도 나옵니다.

첫 발을 내디딘 메가 프로젝트. 시작이 반이라는 얘기도 있지만 앞으로가 더 중요해 보입니다. 전 세계 수많은 국가들이 AI 인프라 경쟁에 뛰어들고 있고, 시장의 판도는 하루가 다르게 바뀌고 있으니까요. 그러한 변화에 유연하게 대응할 수 있는 프로젝트가 되길 진심으로 바라며 오늘 준비한 오그랲은 여기서 마무리해 보겠습니다. 긴 글 끝까지 읽어 주셔서 진심으로 감사드립니다.

참고자료
- 대한민국 대도약 3대 메가프로젝트 국민보고회 보고자료
- 제12차 전력수급기본계획 공개토론회 발표자료
- Micron global expansion: 2026 and Beyond | trendforce
- Global Robot Density in Factories Doubled in Seven Years | IFR
- General-Purpose Embodied Robot Market Radar | Omdia
- Google Environmental Report 2026 | Google
- 2026 Environmental Sustainability Report | Microsoft
- 2024 United States Data Center Energy Usage Report | Lawrence Berkeley National Laboratory
- Top 10 AI Data Center Myths Debunked | Gartner

글 : 안혜민 디자인 : 안준석 인턴 : 신연성