AI 산업을 공부하다 보면 처음에는 GPU와 TPU 같은 반도체 성능에 관심이 생긴다.
하지만 조금 더 깊이 들어가면 또 다른 문제가 보이기 시작한다.
바로 전력이다.
Gemini와 같은 대규모 AI 모델을 학습하려면 수많은 AI 반도체가 동시에 계산해야 하고, 실제 서비스를 시작한 뒤에도 사용자들의 질문에 답하기 위해 지속적으로 추론 연산이 발생한다.
결국 AI 반도체가 많아질수록 필요한 것은 단순히 서버만이 아니다.
전력 공급 → AI 반도체 → 서버 → 네트워크 → 냉각 → 데이터센터
전체 시스템이 함께 확대되어야 한다.
Google이 최근 막대한 자본을 데이터센터와 AI 인프라에 투입하는 이유도 여기에서 찾아볼 수 있다.
특히 Alphabet이 2026년 7월 22일 발표한 2분기 실적을 보면 이러한 변화가 상당히 뚜렷하게 나타난다.
Alphabet의 2026년 2분기 자본지출(CapEx)은 449억 달러였으며 대부분이 AI를 지원하기 위한 기술 인프라에 투입됐다. 기술 인프라 투자 가운데 약 60%는 서버, 나머지 약 40%는 데이터센터와 네트워크 장비에 투입됐다.
더 놀라운 것은 앞으로의 투자 규모다.
Alphabet은 2026년 연간 CapEx 예상치를 기존 1,800억~1,900억 달러에서 1,950억~2,050억 달러로 다시 상향했다. 회사는 AI 및 Cloud 수요를 충족하기 위해 필요한 컴퓨팅 용량을 더 빠르게 확대하기 위해 투자 규모를 늘렸다고 설명했다.
그렇다면 Google은 도대체 무엇을 만들기 위해 이렇게 많은 돈을 쓰는 것일까?
AI 데이터센터는 거대한 컴퓨터와 같다
우리가 일반적으로 사용하는 컴퓨터에는
CPU,
GPU,
메모리,
저장장치,
전원공급장치,
냉각장치
등이 들어간다.
AI 데이터센터는 이것을 수천 배, 수만 배 확대한 거대한 컴퓨터라고 생각하면 이해하기 쉽다.
수많은 서버 안에는 TPU와 GPU 같은 AI 가속기가 들어가고, 이 서버들이 초고속 네트워크로 연결된다.
그리고 서버들이 동시에 연산하면 엄청난 열이 발생한다.
따라서 데이터센터에서는 단순히 전기를 공급하는 것뿐 아니라 그 열을 제거하기 위한 냉각 시스템도 필요하다.
즉 AI 데이터센터의 기본 구조는 다음과 같이 볼 수 있다.
전력
↓
AI 서버
↓
TPU·GPU
↓
Gemini 학습·추론
↓
Google Search·YouTube·Google Cloud 등 AI 서비스
그리고 서버에서 발생하는 열을 처리하기 위해 옆에는
냉각 시스템
이 함께 움직인다.
AI가 발전할수록 전력 소비가 증가하는 이유
전통적인 인터넷 서비스와 생성형 AI 서비스의 가장 큰 차이 중 하나는 계산량이다.
예를 들어 일반적인 웹페이지를 보여주는 것과 사용자의 질문을 이해하고 대규모 AI 모델이 새로운 답변을 만들어내는 것은 필요한 계산량 자체가 다르다.
AI 모델을 처음 만드는 과정인
Training(학습)
에는 막대한 연산이 필요한다.
하지만 여기서 끝나는 것도 아니다.
모델이 완성되고 수억 명이 사용하기 시작하면 이번에는
Inference(추론)
연산이 계속 발생한다.
Google Search,
Gemini,
YouTube 추천,
광고,
Google Cloud AI 서비스
등에 AI가 확대될수록 데이터센터에서 처리해야 할 계산도 증가할 가능성이 크다.
실제로 Google은 2024년 데이터센터 전력 수요가 전년보다 27% 증가했다고 밝혔다. 동시에 그해 가동을 시작한 25개 이상의 청정에너지 프로젝트를 통해 Google 운영과 연결된 전력망에 약 2.5GW의 신규 청정에너지 용량을 추가했다고 설명했다.
이 숫자를 보면 AI 기업에게 앞으로 중요한 자원이 단순히 GPU와 TPU만은 아니라는 점을 알 수 있다.
전기를 얼마나 안정적으로 확보할 수 있는가
역시 AI 경쟁력이 될 수 있다.
왜 냉각이 중요할까?
AI 서버는 많은 전력을 사용하는 만큼 상당한 열도 발생시킨다.
온도가 지나치게 올라가면 반도체 성능과 안정성에 문제가 생길 수 있기 때문에 데이터센터에는 대규모 냉각 설비가 필요하다.
Google 역시 데이터센터 냉각 과정에서 전력과 물 사용의 균형을 중요한 문제로 다루고 있다.
Google은 각 지역의 환경과 수자원 상황을 고려해 물을 이용한 냉각, 재활용수, 공랭식 냉각 등의 방식을 선택한다고 설명한다. 물 위험도가 높은 지역에서는 공랭이나 재활용수 같은 대안을 검토한다.
따라서 데이터센터 건설 위치를 결정할 때는 단순히 땅값만 고려할 수 없다.
예를 들어
전력이 충분한가?
송전망을 연결할 수 있는가?
냉각에 필요한 환경이 갖춰져 있는가?
네트워크 연결이 가능한가?
추가 데이터센터 확장이 가능한가?
같은 조건을 함께 살펴봐야 한다.
AI 데이터센터가 단순한 건물이 아니라 하나의 거대한 산업 인프라인 이유다.
Google이 TPU를 직접 만드는 이유가 다시 보인다
앞 글에서 Google TPU와 NVIDIA GPU를 비교했다.
여기서 TPU의 또 다른 의미가 나타난다.
Google이 원하는 것은 단순히 더 빠른 AI 반도체만이 아니다.
같은 AI 작업을 수행하면서 필요한 전력을 줄일 수 있다면 데이터센터 전체 운영 비용에도 영향을 줄 수 있기 때문이다.
Google은 자체 자료에서 데이터센터가 5년 전보다 전력 1단위당 약 6배 많은 컴퓨팅 작업을 처리할 수 있게 됐다고 설명했다. 또 냉각과 전력 분배 등 컴퓨팅 외 부분에서 발생하는 오버헤드 에너지가 업계 평균보다 84% 낮았다고 밝혔다. 이는 Google 자체 발표 수치라는 점은 감안해 볼 필요가 있다.
결국 TPU의 경쟁력을 단순히
“GPU보다 빠른가?”
만으로 판단해서는 부족하다.
더 중요한 질문은
“같은 AI 작업을 얼마나 적은 비용과 전력으로 처리할 수 있는가?”
일 수 있다.
AI 이용자가 늘어날수록 작은 효율 차이도 대규모 데이터센터에서는 상당한 비용 차이로 확대될 수 있기 때문이다.
Google이 원자력까지 확보하려는 이유
여기에서 흥미로운 변화가 나타난다.
Google은 이제 단순히 전력을 구매하는 수준을 넘어 미래 발전원 확보에도 적극적으로 움직이고 있다.
대표적인 사례가 Kairos Power와의 소형모듈원자로(SMR) 협력이다.
Google은 Kairos Power와 여러 기의 SMR을 통해 미국 전력 시스템에 2035년까지 최대 500MW 규모의 원자력 발전 용량을 공급할 수 있는 장기 협력을 추진하고 있다.
첫 번째 구체적인 프로젝트도 이미 발표됐다.
Kairos Power의 Tennessee Hermes 2 프로젝트를 통해 약 50MW의 전력이 TVA 전력망에 공급될 예정이며, 가동 목표 시점은 2030년이다. 이 전력망은 Google의 테네시와 앨라배마 지역 데이터센터에도 전력을 공급한다.
왜 AI 기업이 원자력 발전에까지 관심을 가질까?
AI 데이터센터 입장에서는
대규모 전력
뿐 아니라
24시간 안정적으로 공급되는 전력
도 중요하기 때문이다.
태양광과 풍력은 중요한 에너지원이지만 발전량이 날씨와 시간에 따라 달라질 수 있다.
따라서 Google은 태양광·풍력·수력·배터리뿐 아니라 원자력, 차세대 지열, 장주기 에너지 저장 등 다양한 발전원을 동시에 확보하는 전략을 추진하고 있다.
Google이 발전소와 데이터센터를 더 가까이 붙이려는 이유
Alphabet의 전략을 보면 한 단계 더 흥미로운 움직임도 나타난다.
2025년 12월 Alphabet은 에너지·데이터센터 인프라 기업 Intersect를 47억5천만 달러에 인수하기로 합의했다.
Alphabet은 이를 통해 새로운 발전 용량과 데이터센터를 더욱 빠르게 구축할 수 있을 것으로 기대한다고 밝혔다. Google과 Intersect는 텍사스에서 발전 시설과 데이터센터를 함께 개발하는 프로젝트도 진행하고 있다.
여기서 중요한 개념이 등장한다.
발전소와 데이터센터의 동시 개발이다.
기존에는
발전소 → 송전망 → 데이터센터
구조였다면 앞으로 일부 AI 데이터센터는
발전 시설 + 데이터센터
를 더욱 가까이 배치하는 방향으로 발전할 가능성이 있다.
전력망에 대규모 신규 수요를 연결하려면 송전시설과 변전시설을 추가해야 하고 경우에 따라 오랜 시간이 걸릴 수 있기 때문이다.
Alphabet 역시 데이터센터 전력 전략 설명에서 현재 가장 큰 병목 중 하나로 전력 공급 용량과 전력망 인프라 부족을 지적하고 있다.
결국 AI 데이터센터 경쟁은 부동산 경쟁만이 아니라
전력망 연결 경쟁
이 될 수도 있다.
2,000억 달러 가까운 CapEx는 어디로 가는 것일까?
2026년 Alphabet의 투자 규모를 다시 살펴보자.
회사가 현재 예상하는 연간 CapEx는
약 1,950억~2,050억 달러다.
물론 이 금액 전체가 데이터센터 건설비는 아니다.
Alphabet의 기술 인프라에는 서버와 네트워크 장비, 데이터센터 등 다양한 항목이 포함된다.
2026년 2분기 기술 인프라 투자를 기준으로 보면 약
60% → 서버
40% → 데이터센터 및 네트워크 장비
구조였다.
따라서 Alphabet의 AI 투자를 볼 때 단순히
“Google이 데이터센터 건물을 많이 짓는다”
라고 이해하기보다는
AI 서버
TPU·GPU
네트워크
데이터센터
전력 인프라
를 동시에 확대하고 있다고 보는 것이 더 정확하다.
전력이 Google의 새로운 경쟁력이 될 수 있을까?
지금까지 AI 산업에서는 좋은 AI 모델을 만드는 회사와 좋은 반도체를 만드는 회사가 주목받았다.
하지만 앞으로는 또 하나의 경쟁 요소를 생각해야 한다.
AI 컴퓨팅 자원을 실제로 얼마나 많이 확보할 수 있는가?
아무리 좋은 AI 모델을 개발해도 이를 서비스할 데이터센터가 부족하면 사용량을 빠르게 늘리기 어렵다.
실제로 Alphabet은 2026년 2분기 실적발표에서 AI 제품 수요가 강해 컴퓨팅 공급 제약이 지속되고 있다고 설명했으며, 내부 용량을 확대하는 동안 제3자 컴퓨팅 용량도 활용하겠다고 밝혔다.
따라서 앞으로 AI 기업의 경쟁력을 공부할 때는
AI 모델
↓
AI 반도체
↓
데이터센터
↓
전력
까지 함께 살펴볼 필요가 있다.
Google이 TPU를 직접 만들고,
대규모 데이터센터를 건설하고,
원자력과 지열 프로젝트에 투자하며,
에너지 인프라 기업까지 확보하려는 이유가 하나의 그림으로 연결되기 시작한다.
정리｜AI 전쟁의 다음 병목은 전력일 수 있다
Google의 AI 전략을 처음 보면 Gemini나 TPU가 가장 눈에 띈다.
하지만 그 아래에는 훨씬 거대한 인프라가 존재한다.
Gemini
↓
TPU·GPU
↓
AI 서버
↓
데이터센터
↓
냉각
↓
전력
이라는 구조다.
그리고 가장 아래에 있는 전력이 부족하면 그 위에 있는 모든 시스템을 확대하기 어려워진다.
Alphabet이 2026년 약 1,950억~2,050억 달러의 CapEx를 예상하고 있는 것도 AI 경쟁이 이제 단순한 소프트웨어 개발 경쟁을 넘어 대규모 물리적 인프라 경쟁으로 확대되고 있다는 신호로 볼 수 있다.
Google은 자체 TPU를 통해 AI 연산 효율을 높이고,
데이터센터를 확대하고,
원자력·지열·재생에너지와 에너지 저장 기술을 확보하고,
전력과 데이터센터를 함께 개발하려 하고 있다.
결국 앞으로 Google의 AI 경쟁력을 판단할 때 중요한 질문은 단순히
“Gemini가 얼마나 똑똑한가?”
만이 아닐 수 있다.
오히려
“Google은 경쟁사보다 더 많은 AI 컴퓨팅 자원을 더 낮은 비용으로 확보할 수 있는가?”
가 장기적으로 매우 중요한 질문이 될 수 있다.
본 글은 공개된 기업 자료와 SEC 공시를 공부하기 위해 작성한 개인적인 분석이며 특정 종목의 매수·매도를 권유하기 위한 글이 아닙니다. 투자 판단과 책임은 투자자 본인에게 있습니다.