AI 데이터센터를 자동차처럼 대량 생산할 수 있을까

들어가며

AI 인프라의 병목은 더 이상 GPU 조달만의 문제가 아니다. 전력과 냉각, 네트워크, 건물, 그리고 시스템을 실제로 가동하는 데 걸리는 시간도 중요한 제약이다. AI 인프라 기업 Runware는 데이터센터를 매번 새로 짓는 프로젝트가 아니라 공장에서 생산할 수 있는 제품으로 바꾸려 한다. 자동차처럼 사전 제작된 AI 데이터센터 모듈을 조립 라인에서 만들고, 조건이 갖춰진 현장으로 운송한 뒤 빠르게 가동하겠다는 구상이다.

핵심 내용

• 모듈형 데이터센터를 공장형 제품으로 전환. Runware는 앞서 Sonic Inference Pod를 공개했다. 이 제품은 공장에서 제작한 뒤 고객 현장으로 운송하는 모듈형 데이터센터다. 회사는 루마니아에서 기존 공장 하나를 운영하고 있으며, 수개월 내 완공해 내년 초 가동할 두 번째 공장도 건설 중이다.
• 생산 목표는 공격적이다. Runware는 생산량을 단계적으로 늘려 2028년까지 하루 30MW의 데이터센터 용량을 제조하겠다고 밝혔다. 월간으로는 1GW에 가까운 규모다. 다만 이는 현재 확인된 생산량이 아니라 향후 계획이다.
• 48시간은 현장 설치·가동 시간이다. 고객이 부지를 제공하거나 Runware가 부지를 찾을 수 있으며, 전력과 인터넷 연결이 확보된 곳이라면 설치와 설정을 48시간 내 마치는 것이 목표다. 이 시간에는 공장 제조가 포함되지 않는다. 회사는 양산이 진행되면 모듈 하나의 제조 기간을 약 3주에서 하루로 줄일 수 있다고 설명한다.
• 표준화하면서도 맞춤 설정을 제공. Pod는 공통 구조를 사용하지만 고객의 요구와 최신 GPU에 맞춰 구성할 수 있다. GPU 납기가 더 길다면 그 사이에 인프라를 하드웨어에 맞춰 조정할 수 있다는 논리다.

의미와 위험

이 모델이 실제로 작동하면 AI 데이터센터 구축은 매번 처음부터 설계·시공하는 방식에서 표준화된 용량 모듈을 조합하는 방식으로 바뀔 수 있다. 구축 기간을 줄이고, 대형 클라우드 사업자보다 작은 부지에도 계산 자원을 배치하기 쉬워질 가능성이 있다. Runware는 폐쇄형 액체 냉각 시스템과 공랭식 라디에이터를 사용해 일반적으로 물 연결이 필요하지 않다고도 설명한다.

하지만 공장화가 데이터센터 산업의 복잡성을 없애는 것은 아니다. 숙련 인력, 재고, 물류, 품질관리, 운영자금을 모두 확보해야 한다. 펌프와 팬 등 일부 부품은 독일에서 조달하고, 네트워크 장비에서는 Nvidia에 의존한다. 표준화와 고객별 맞춤 설정을 동시에 추진하면 양산 효율이 낮아질 가능성도 있다.

자동차 업계에는 경고 사례도 있다. 전기차 스타트업 Arrival은 제조 방식을 새롭게 설계하려 했지만, 기존 공장과 경쟁할 만큼 낮은 비용으로 대량 생산하는 데 어려움을 겪었다. Runware는 널리 구할 수 있는 저렴한 부품과 자동차 업계 경험을 가진 공장 관리자를 통해 이런 위험을 줄이겠다고 말한다. 지금까지 6000만 달러 이상을 조달했으며 시리즈B 투자도 계획하고 있다. 또한 Sonic Pod에 약 10억 달러 규모의 관심을 받았다고 주장하지만, 관심이 확정 주문을 의미하는 것은 아니다.

결국 평가 기준은 계획의 규모가 아니라 실행 결과가 될 것이다. 두 번째 공장이 예정대로 가동되는지, 고객이 전력과 네트워크를 확보할 수 있는지, 새로운 GPU 세대에 맞춰 Pod를 지속적으로 조정하고 납품할 수 있는지가 핵심이다. 모듈형 시스템은 AI 인프라의 중요한 방향이 될 수 있지만, Runware는 데이터센터도 자동차처럼 안정적으로 대량 생산할 수 있다는 점을 실제 납품으로 입증해야 한다.

출처: TechCrunch AI