기본 콘텐츠로 건너뛰기

산업가스 판매량 감소, 경기 지표보다 먼저 움직이는 신호

 경제 전망 기사에서 반도체는 좋고 석유화학·철강은 나쁘다는 식으로 산업을 나누는 건 익숙한 그림이다. 그런데 산업가스 업계는 반도체가 좋아진다는 전망에도 "체감이 안 된다"고 말한다. 2022년까지 계속 올라가던 국내 산업가스 판매량은 2023년부터 꺾였고, 그 흐름이 이어졌다. 산업가스는 전방 산업의 가동률을 거의 실시간으로 따라가기 때문에, 통계보다 먼저 움직이는 숫자다. ## 배경: 왜 중요한가 산소·질소·아르곤·수소·탄산은 제품이 아니라 공정 조건이다. 철강 제련에 산소가 들어가고, 반도체 팹은 질소로 챔버와 배관을 채우고, 용접에는 아르곤이, 식음료와 냉동물류에는 탄산과 드라이아이스가 쓰인다. 이 가스들은 재고로 쌓아두기 어렵고 대부분 파이프라인이나 탱크로리로 그날그날 흘러간다. 공장이 라인을 하나 세우면 그만큼의 가스 수요가 바로 사라진다. 그래서 산업가스 판매량은 경기의 후행 지표가 아니라 가동률의 동행 지표에 가깝다. 생산 계획이 줄면 다음 달 통계가 나오기 전에 가스 주문량부터 줄어든다. 기사에서 충전·판매 업계가 판매량 10% 감소를 언급하는 대목은, 제조업 현장의 가동률이 그만큼 내려갔다는 말과 같은 뜻이다. 여기에 원가 구조가 겹친다. 공기분리장치(ASU)는 공기를 압축하고 냉각해 성분별로 나누는 설비라 전기가 원가의 큰 부분을 차지한다. 산업용 전기요금이 오르면 액화가스 가격에 반영될 수밖에 없다. 판매량은 줄고 원가는 오르는 조합이 지금 산업가스 시장이 놓인 자리다. ## 핵심: 일반 기사가 놓치는 지점 경기 전망 기사는 산업별로 좋다/나쁘다를 나눈다. 산업가스는 그 분류를 가로지른다. 한 충전소가 반도체 팹, 조선소, 자동차 부품사, 병원, 식품공장에 동시에 공급한다. 특정 산업 하나가 좋아져도 나머지가 눌리면 전체 물량은 회복되지 않는다. "반도체가 좋아진다"는 전망과 "체감이 안 된다"는 현장 반응이 동시에 성립하는 이유다. ### 세부 포인트 1 — 물량이 회복돼도 수익성은...

AI 데이터센터, 전력망과 냉각수 앞에서 멈춰 선다

 AI 데이터센터 시장이 2034년까지 매년 두 자릿수로 커진다는 전망이 계속 나온다. GPU 출하량, 서버 랙 밀도, 클라우드 사업자 설비투자 규모가 근거로 제시된다. 구글이 네덜란드 흐로닝언 한 곳에 6억 4천만 달러를 넣었다는 식의 투자 발표도 이어진다. 그런데 현장에서 보면, 이 시장의 속도를 정하는 건 반도체 공급이 아니라 부지에 들어오는 전기와 물이다.


## 배경: 왜 중요한가


기존 데이터센터는 랙 하나당 5~10kW 수준의 전력을 썼다. AI 학습용 GPU 랙은 40kW를 넘고, 최신 구성은 100kW를 넘어간다. 같은 면적에 열 배 이상의 열이 발생한다는 뜻이다. 건물 크기는 그대로인데 안에서 나오는 열이 열 배가 되면, 기존 공조 방식으로는 감당이 안 된다. 공기로 식히던 것을 물로 식혀야 하고, 물을 쓰려면 배관과 열교환기와 냉각탑이 새로 들어가야 한다.


전력 쪽은 더 뻑뻑하다. 100MW급 데이터센터 하나는 중형 산업단지 한 개와 맞먹는 수전 용량이 필요하다. 변전소 증설과 송전선로 확보는 통상 수년이 걸린다. 반면 GPU 조달과 서버 설치는 수개월이면 끝난다. 이 시차가 지금 시장에서 실제로 벌어지는 병목이다. 아일랜드 더블린, 미국 버지니아 북부, 싱가포르처럼 데이터센터가 밀집한 지역에서 신규 접속을 제한하거나 유예한 사례가 이미 나왔다. 시장 전망치가 그리는 성장 곡선과 전력망이 실제로 감당할 수 있는 속도는 다른 축에서 움직인다.


물도 마찬가지다. 액체냉각으로 가면 냉각수 확보와 배출이 인허가 사안이 된다. 취수량, 배출 수온, 지역 수자원 계획이 모두 걸린다. 반도체 공장에서 오랫동안 다뤄온 문제가 AI 데이터센터로 그대로 넘어왔다.


## 핵심: 일반 기사가 놓치는 지점


시장 보고서는 대체로 "얼마나 커질 것인가"를 다룬다. 현장에서 중요한 건 "어디에, 언제 지을 수 있는가"다. 두 질문의 답은 상당히 다르다.


### 세부 포인트 1 — 착공이 아니라 수전이 기준점이다


부지를 확보하고 착공했다고 해서 가동이 확정된 게 아니다. 한전이든 해외 전력회사든, 대규모 수전 계약은 계통 영향 검토를 거쳐야 한다. 검토 결과에 따라 접속 시점이 2~3년 뒤로 밀리는 일이 흔하다. 그래서 사업자들이 자가발전이나 장기 전력구매계약(PPA), 심지어 소형모듈원자로(SMR) 같은 선택지를 검토한다. 이건 친환경 홍보용이 아니라 접속 대기열을 우회하려는 목적이 크다. AI 데이터센터 투자 발표를 볼 때는 발표된 금액보다 수전 일정이 확정됐는지를 확인하는 편이 실질적이다.


### 세부 포인트 2 — 액체냉각 전환은 부품이 아니라 운영 문제다


공랭에서 액랭으로 바꾸는 건 냉각판 하나 붙이는 일이 아니다. 배관 누수 시 서버 전체가 위험해지므로 이중 차단과 감지 체계가 필요하고, 냉각수 수질 관리와 부식 방지가 상시 업무로 들어온다. 유지보수 인력의 숙련도 요건도 달라진다. 화학공장이나 발전소 유틸리티 운영에 가까운 일이 IT 시설 안으로 들어온 셈이다. 신축은 처음부터 설계하면 되지만, 기존 시설을 개조하는 경우 층고와 바닥 하중이 걸림돌이 된다. 랙당 100kW 구성은 바닥 하중이 기존 설계 기준을 넘는 경우가 많다.


여기에 전력 품질 문제도 있다. AI 학습 작업은 부하 변동 폭이 크다. 수십 MW 단위 부하가 짧은 시간에 오르내리면 계통 쪽에 영향을 준다. 전력회사가 대규모 AI 데이터센터 접속에 신중해지는 이유 중 하나다.


## 그래서 뭘 봐야 하나


시장 규모 전망치보다 제약 조건 쪽 지표가 더 많은 걸 알려준다. 몇 가지 포인트를 정리하면 이렇다.


전력망 쪽에서는 변압기·개폐기·고압 케이블 같은 계통 기자재의 리드타임이 참고가 된다. 초고압 변압기 납기가 길어지고 있다는 이야기는 여러 곳에서 나온다. 발주 잔고와 납기가 어떻게 움직이는지가 실제 건설 속도를 반영한다.


냉각 쪽에서는 액체냉각 관련 배관, 열교환기, 냉각수 처리 설비가 대상이다. 서버 제조사보다 유틸리티 설비 쪽 업체가 수혜 폭이 클 수 있다. 다만 이 영역은 기존 산업설비 시장과 겹쳐 있어서 AI 데이터센터 매출만 따로 떼어 보기 어렵다는 점을 감안해야 한다.


입지 조건도 지표가 된다. 전력이 남고 냉각에 유리한 기후를 가진 지역, 예를 들어 북유럽이나 캐나다, 미국 중서부로 신규 프로젝트가 몰리는 흐름이 이어질지 보면 된다. 반대로 기존 밀집 지역의 접속 제한이 풀리는지도 확인할 만하다.


전력요금 구조 변화도 있다. 대규모 수요자에게 계통 보강 비용을 어떻게 배분할 것인가는 여러 나라에서 논의 중인 사안이다. 요금 체계가 바뀌면 AI 데이터센터 운영비 구조가 달라지고, 입지 선택에도 영향을 준다.


## 마무리


AI 데이터센터 시장 전망치는 수요 측면을 본다. 실제 건설 속도는 공급 측면, 즉 전기와 물과 부지가 정한다. 두 숫자가 벌어질 때 생기는 간격이 지금 이 산업에서 가장 현실적인 변수다. 성장 전망 자체를 의심할 이유는 없지만, 그 성장이 어느 속도로 실현되는지는 GPU 출하량이 아니라 변전소 준공 일정에 더 가깝다.

댓글

이 블로그의 인기 게시물

아파트 공사비는 왜 오르는가: 층상 배관과 4Bay가 말해주는 건설 원가의 구조

최근 몇 년간 아파트 분양가 상승의 원인으로 지목되는 것은 대체로 세 가지다. 자재비, 인건비, 그리고 금리. 언론 보도는 대개 여기서 멈춘다. 그런데 현장에서 도면을 보고 공정표를 짜본 사람이라면 이 설명이 절반쯤만 맞다는 걸 안다. 아파트 공사비를 밀어 올리는 진짜 힘은 원자재 시황이 아니라, 지난 10년간 누적된 규제·인력·설계 표준의 구조적 변화에 있다. 이것들은 시황처럼 내려오지 않는다. ## 배경: 왜 중요한가 건설은 제조업과 달리 원가 구조가 눈에 잘 띄지 않는다. 반도체 팹은 장비 리스트와 감가상각으로 원가를 역산할 수 있지만, 아파트 한 동의 공사비는 수십 개 공종의 시간과 인력이 서로를 밀고 당기며 결정된다. 어떤 항목이 얼마나 올랐는지가 아니라, 어떤 항목이 다른 항목의 공기(工期)를 얼마나 늘리는지가 핵심이다. 지난 10년간 이 상호작용을 바꾼 변수는 크게 세 갈래다. 첫째는 안전 규제다. 중대재해처벌법을 포함한 책임 법규 강화는 단순히 안전 관리비 항목을 늘린 것이 아니라, 작업 자체의 속도를 늦췄다. 고소작업 전 점검, 밀폐공간 작업 절차, 장비 이동 시 신호수 배치 같은 조치는 개별적으로는 몇 분이지만 수천 번 반복되면 공기 몇 주가 된다. 공기가 늘면 현장 관리비, 금융비용, 장비 임대료가 함께 늘어난다. 둘째는 인력이다. 미장, 조적, 타일 같은 습식 공종은 숙련도가 곧 품질이자 속도인 영역인데, 이 분야 국내 숙련공은 고령화와 신규 유입 단절로 빠르게 줄고 있다. 외국인 근로자 의존도가 높아지면서 의사소통과 숙련도 편차가 공기 변동성을 키웠다. 셋째는 설계 표준이다. 층간소음 차단 성능, 단열 기준 강화, 열교환 환기 시스템과 시스템 에어컨 사실상 의무화가 겹치면서 천장 속 공간—배관, 덕트, 전기 트레이가 지나는 그 좁은 층—이 급격히 복잡해졌다. 아파트 공사비는 이 세 갈래가 곱해진 결과다. ## 핵심: 일반 기사가 놓치는 지점 기사들이 "건축비 상승"이라고 뭉뚱그리는 자리에서, 현장은 두 가지를 본다. 하...

2차전지 소재 국산화가 실제로 넘어야 하는 문턱

 인터배터리 전시장에서 코팅 양극박이 공개되고, 고체전해질 미립화 기술이 신기술 인증을 받고, 자동차 회사가 배터리 개발 캠퍼스를 짓는다. 2차전지 관련 보도자료를 시간순으로 늘어놓으면 하나의 흐름이 보인다. 셀 회사의 증설 발표가 줄어든 자리를 소재·부품·장비 쪽 소식이 채우고 있다. 전기차 판매 둔화 이야기와는 결이 다른 움직임인데, 현장에서 보면 이유가 분명하다. ## 배경: 왜 중요한가 2020년부터 2023년까지 2차전지 산업의 뉴스는 대부분 캐파(생산능력) 숫자였다. 몇 GWh를 어디에 짓는다, 누구와 합작한다는 발표가 이어졌다. 셀 라인을 먼저 확보하는 쪽이 이긴다는 판단이었고, 실제로 그 시기에는 맞는 판단이었다. 지금은 국면이 다르다. 유럽과 북미의 전기차 수요 증가율이 꺾이면서 이미 지은 라인의 가동률이 먼저 문제가 됐다. 라인을 더 짓는 것보다 지금 라인에서 나오는 셀의 원가와 수율을 개선하는 쪽이 급해졌다. 그 개선의 대부분은 셀 조립 공정이 아니라 소재에서 나온다. 양극재·음극재·분리막·전해질·집전체(박) 같은 소재가 셀 원가에서 차지하는 비중이 절반을 훌쩍 넘기 때문이다. 여기에 공급망 재편이 겹쳤다. 중국산 소재 의존을 줄이라는 요구가 통상 규제 형태로 들어오면서, 성능이 같아도 어디서 만들었는지가 구매 조건이 됐다. 2차전지 소재 국산화가 기술 과제이면서 동시에 통상 과제가 된 배경이다. ## 핵심: 일반 기사가 놓치는 지점 보도자료는 대체로 "개발 완료", "인증 획득", "전시회 공개"에서 끝난다. 현장에서 중요한 건 그 뒤다. 개발된 소재가 셀 회사의 양산 라인에 실제로 들어가기까지 걸리는 시간과, 그 사이에 무슨 일이 벌어지는지가 사업의 성패를 가른다. ### 세부 포인트 1 — 인증과 양산 사이의 2~3년 배터리 소재는 셀 회사가 승인해도 끝이 아니다. 셀 회사 위에 완성차 업체가 있고, 완성차는 자기 차량 플랫폼에 들어갈 셀의 소재 변경을 별도로 검증한다. 소재 하나를...

AI가 내놓은 결론을 그대로 승인할 때 — 판단 위임의 함정

 인공지능의 미래를 두고 위대한 사상가에게 길을 묻는 글들이 늘고 있다. 그중 자주 소환되는 이름이 한나 아렌트와 아이히만이다. 명령을 따랐을 뿐이라는 말, 스스로 생각하기를 멈춘 상태를 아렌트는 '무사유'라고 불렀다. 이 논의는 대개 윤리와 철학의 언어로 마무리된다. 현장에서 보면 이 문제는 훨씬 더 구체적이고 일상적인 형태로 나타난다. ## 배경: 왜 중요한가 AI는 이제 산업 현장에서 조언자가 아니라 결정 라인의 한 단계로 들어와 있다. 반도체 공정의 이상 감지, 발전 설비의 부하 예측, 제조 라인의 불량 판정, 설비 정비 시점 추천까지 모델이 숫자를 내놓고 담당자가 그 숫자를 확인한다. 문제는 확인의 실질이다. 화면에 뜬 추천을 검토하는 것과, 추천을 그대로 승인 버튼으로 넘기는 것은 겉으로 같아 보이지만 완전히 다른 행위다. 여기서 아이히만의 구도가 반복된다. 아이히만은 악한 의도를 가진 사람이 아니라, 자기가 처리하는 일이 무엇인지 끝까지 생각하지 않은 사람이었다. AI 시대의 판단 위임도 같은 자리에서 시작한다. 누구도 나쁜 마음을 먹지 않았는데, 모델이 계산하고 사람이 눌렀고 책임은 어디에도 남지 않는다. 각 단계의 담당자는 자기 몫을 했다고 믿는다. 산업 현장이 특히 취약한 이유는 규모와 속도 때문이다. 모델은 초 단위로 수천 건을 처리하고, 사람이 모든 건을 실제로 다시 생각하기는 물리적으로 어렵다. 그래서 검토는 형식이 되고, 판단 위임은 예외가 아니라 기본값이 된다. ## 핵심: 일반 기사가 놓치는 지점 AI 위험을 다루는 기사 대부분은 모델의 정확도, 편향, 일자리 대체를 이야기한다. 현장에서 더 크게 작동하는 문제는 다른 데 있다. 모델이 틀리는 순간이 아니라, 사람이 생각하기를 멈추는 순간이다. ### 세부 포인트 1 — 책임의 분산 자동화된 결정 라인에서는 책임이 여러 손을 거치며 옅어진다. 모델을 만든 팀은 운영 조건을 몰랐다고 하고, 운영자는 모델을 믿었다고 하고, 관리자는 절차를 지켰다고 한다. 각자의 말이 다 ...