앤트로픽과 오픈AI, 20~30MW 컴퓨팅 구축 가속화 위해 소형 AI 데이터 센터 모색

TradingKey - 앤트로픽과 오픈AI가 대규모 AI 인프라 프로젝트 외에도 사용 가능한 컴퓨팅 자원을 더 빠르게 확보하고 늘어나는 모델 추론 수요에 대응하기 위해 20~30메가와트(MW) 규모의 소형 데이터 센터를 물색하고 있다.

CNBC는 사안에 정통한 관계자들을 인용해 앤트로픽이 영국과 북유럽 지역의 관련 프로젝트에 접촉했으며, 오픈AI 역시 이전에 북유럽에서 유사한 기회를 탐색했다고 보도했다. 또한 두 회사 모두 미국 내에서도 동일한 규모의 용량에 대해 논의 중인 것으로 알려졌다. 지난 1년간 양사가 체결한 수백 메가와트 또는 기가와트(GW) 규모의 계약과 비교하면 이러한 프로젝트는 훨씬 작지만, 일반적으로 건설 및 제공 속도가 더 빠르다.

오픈AI는 글로벌 AI 수요를 충족하기 위해 더욱 다변화된 컴퓨팅 포트폴리오를 구축하고 있다고 밝혔다. 워크로드마다 성능, 신뢰성, 비용, 인도 시점 등에 대한 요구사항이 다르기 때문에 다양한 유형의 파트너와 협력하고 있으나, 특정 상업적 협상에 대해서는 언급하지 않는다고 덧붙였다.

앤트로픽은 논평 요청에 응하지 않았다.

이것이 두 회사가 하이퍼스케일 데이터 센터를 포기한다는 의미는 아니며, 대규모 장기 프로젝트와 함께 더 유연한 컴퓨팅 공급원을 추가하는 것에 가깝다. 앤트로픽은 이전에 영국 클라우드 제공업체 엔스케일(Nscale)과 약 450억 달러 규모의 파트너십을 맺고 웨스트버지니아 프로젝트에서 약 460메가와트의 용량을 임대하기로 한 바 있다. 오픈AI 역시 스타게이트(Stargate) 및 기타 파트너십을 통해 여러 기가와트 규모의 인프라 프로젝트를 추진하고 있다.

대형 프로젝트는 첨단 모델의 중앙집중식 학습에는 적합하지만, 전력망 연결, 인허가, 건설 주기가 길어지는 경우가 많다. 미국의 일부 데이터 센터는 지역 사회의 반대에 부딪히고 있으며, 전통적인 유럽 시장은 부지, 전력, 송전 용량 부족으로 어려움을 겪고 있다. 따라서 단일 대형 캠퍼스가 완전히 가동될 때까지 기다리는 것보다 전력이 확보된 기존 부지에서 수십 메가와트를 확보하는 것이 훨씬 현실적인 대안이 되는 경우가 많다.

여러 지역에 걸쳐 실행될 수 있는 워크로드의 경우, 소형 클러스터를 여러 개 구축하는 방식으로도 상당한 규모의 컴퓨팅 자원을 확보할 수 있다. 또한 이 방식은 개별 프로젝트의 지연에 따른 영향을 줄여주므로, AI 기업이 대형 시설이 완공되기 전에 특정 서비스를 먼저 배포할 수 있도록 해준다.

AI 컴퓨팅의 중심이 학습에서 추론으로 이동하고 있는 점도 소형 데이터 센터가 주목받는 또 다른 이유다. 거대 모델을 학습시키는 데는 단일 클러스터 내에서 방대한 수의 GPU가 고속으로 연동되어야 하므로 상호 연결성과 반도체 밀도에 대한 요구 수준이 높다. 반면 추론은 주로 사용자 요청을 처리하는 작업으로, 모든 반도체를 단일 하이퍼스케일 시설에 집약할 필요 없이 서로 다른 지역의 소형 클러스터로 여러 작업을 분산 처리할 수 있다.

챗봇, AI 에이전트, 기업용 애플리케이션이 실제 운영 환경에 도입되면서 추론 수요는 데이터 센터 확장의 핵심 동인이 되고 있다. JLL은 AI 추론에 할당되는 글로벌 데이터 센터 용량이 2027년까지 학습용을 넘어설 것으로 전망하고 있다. 또한 2025년 9% 수준이던 추론 워크로드의 비중은 2030년까지 37%로 증가하는 반면, 같은 기간 학습 워크로드의 비중은 14%에서 13%로 감소할 것으로 추정된다.

소규모 프로젝트는 사용자 및 기업 고객과 더 가까운 곳에 위치할 수 있어 네트워크 지연 시간을 줄이고 지역별 데이터 규제 준수 요건을 충족하는 데 유리하다. 영국과 북유럽 지역은 기존 데이터 센터 자원이 풍부할 뿐만 아니라 청정 전력이 비교적 풍부하고 냉각 비용이 저렴해 분산형 AI 배포에 유리한 조건을 갖추고 있다.

따라서 앤트로픽과 오픈AI가 20~30메가와트 규모의 프로젝트를 찾는 것은 인프라 투자를 줄이는 것이 아니라 기존 컴퓨팅 전략을 보완하는 행보다. 두 회사 모두 첨단 모델 학습을 위해 여전히 대형 클러스터가 필요하지만, 추론 트래픽이 증가함에 따라 향후 AI 인프라는 더 이상 소수의 기가와트 규모 캠퍼스에만 전적으로 의존하지 않게 될 수 있다.