※ 반도체, AI데이터센터 등 3대 메가프로젝트를 위한 최우선 과제는 대규모 전력망 투자

정부의 3대 메가프로젝트 추진에 따라 한전의 전력망 투자도 속도를 내고 있는 상황입니다.

반도체, AI데이터센터, 피지컬AI는 대표적인 전력 다소비 산업으로, 3대 메가프로젝트를 성공시키기 위해서는 반드시 전력망이 선제적으로 갖춰져야 합니다.
즉, 전력망 인프라 투자는 3대 메가프로젝트의 핵심이라 할 수 있습니다.

한전 자체적으로 전력사업 전반에 향후 5년간 총 61조원(12차 전기본이 발표되면 이 투자규모는 더 늘어날 것으로 보여집니다.), 송배전망 투자에만 55조원을 투자할 계획이며, 이와 동시에 많은 민간기업들도 전력인프라 사업에 투자를 진행할 것이기 때문에 그 규모는 시장의 예상을 훨씬 크게 웃돌 것으로 예상됩니다.

SK그룹은 이미 글로벌 사모펀드인 KKR과 SK이터닉스를 통해 재생에너지 인프라 개발사업을 적극적으로 추진 중에 있으며, SK그룹과 KKR은 합작법인인 ‘이클립스 홀드코’를 설립하여 아시아 최대 재생에너지 플랫폼을 구축할 예정이며,
삼성 또한 얼마전(2026년 8월) 발전사업 전담 법인 설립을 검토하기로 하였습니다.
https://m.ekn.kr/view.php?key=20260810021460998

현재 한국의 반도체와 AI를 이끌고 있는 SK와 삼성도 대규모의 전력투자를 계획하고 있는 상황이며 포스코 그룹 등 여타 대기업들도 국내 전력인프라 구축 사업에 뛰어들고 있습니다.

현재 미국에서 보듯, 반도체와 AI데이터센터, 피지컬AI는 결국 전력확보 싸움입니다.
향후 몇 년 간 가장 활발하게 투자되는 국내 산업은 전력인프라 구축이 될 것으로 예상되는 이유입니다.


● 한전, 5년간 송배전망 55조원 투자. 반도체/AI 수요에 9.6%

한국전력이 반도체와 AI 데이터센터 등 첨단 산업의 전력 수요에 대응하기 위해 향후 5년간 전력망 건설에 55조원 이상을 투입함.
특히 2027 – 2029년 송배전 투자 계획은 2025년 계획보다 9.6% 확대된 것임.
한전은 2027년부터 2029년, 3년간 송변전/배전 사업에 총 34조6434억을 투입할 방침임.

한전은 2030년까지 송변전, 배전 사업에 총 55조 3237억원을 투자할 계획임.
사업별로 송변전에 32조9576억, 배전에 22조3661억이 들어 감.
더불어 정보통신기술(ICT)에 2조4080억, 업무설비 1조5246억, 투자자산 1조7276억을 더하면 총 투자비는 60조9839억원임.

한전의 전력망 투자가 급증한 배경에는 반도체/AIDC 등 대규모 전력 수요처의 확대가 자리하고 있음.
기업들의 투자 계획에 따른 대규모 전력 수요에 대응하기 위해서는 선제적인 전력망 확충이 필수적임.

https://www.newsis.com/view/NISX20260908_0003781245

● 전원 업그레이드의 본질은 I²R 손실 저감 (国金证券 작성, 출처 : NVIDIA, Vicor, Vertical Power Delivery for Emerging Packaging and Integration Platforms)

도표 4. 전원 업그레이드의 본질은 I²R 손실 저감 : 전압 상승, 전류 감소, 최적경로를 통한 저항 감소

○ 기저 논리 유도 과정 (기본원리)

전류는 손실 확대의 핵심변수

1) AI 칩 소비전력 증가 → 랙 소비전력 증가

2) 전력 P 대폭 증가

3) 공식 : P = V X I (전력 = 전압 X 전류)

4) 전압 V가 변하지 않으면 전류 I는 필연적으로 상승

5) 선로 손실 공식 : P(손실) = I²R
단, P(손실) : 선로 손실(W), R : 선로저항(Ω)

6) 전류가 커질수록 손실은 제곱 단위로 확대 (I²)


○ 경로 1 : 전압 상승, 전류 감소 (랙 외부 / 장거리 송전에 적용)

송전 거리가 길어 저항(R)을 유의미하게 낮추기 어려울 때, 전압(V)을 높여 전류(I)를 낮추는 것이 가장 효과적인 손실 저감 방식임.

1) 구성 : 전력망/전원 랙 → 장거리 전송 선로 → AI 랙/부하
저전압 대전류 : 케이블 굵음 / 발열 높음 / 손실 높음
고전압 소전류 : 케이블 얇음 / 발열 낮음 / 손실 낮음

2) 핵심 기술
800V DC 직류 버스바 (DC Busbar), +-400V HVDC, SST(Solid State Transformer)

3) 핵심 목표 : 구리(동선) 손실 감소, 선로 손실 감소


○ 경로 2 : 전송 경로 단축, 저항 감소 (칩 측 / 근거리 부하 공급에 적용)

칩 코어 전압은 약 1V로 전압을 더 높일 수 없으므로, 저전압/대전류 전송 경로를 극단적으로 단축하여 저항(R)을 낮춤으로써 시스템효율과 동적 응답 속도를 개선해야 함.

1) 구성 : 고압 공급(장거리) 800V DC / +- 400V DC → 3차 전원 모듈(VRM/POL) 12V → 약 0.8V → 단거리 저전압 대전류(12V → 약 0.8V, 수천 암페어 전류) → GPU/ ASIC 칩

고압 측은 장거리 전송을 통해 전류를 낮추고 손실을 감소
저압 측은 부하(칩)에 최대한 밀착시켜 경로를 단축하고 저항(R)을 최소화

2) 핵심 기술 : VRM/POL(고밀도 전원), VPD(수직 전력공급), IVR(통합 전압 레귤레이터), 하이엔드 PCB 저임피던스 설계


○ SUMMARY

1) 랙 외부 : 전압을 높여 전류를 낮춤

2) 칩 주변 : 전송 경로를 줄여 저항을 낮춤

3) 공통 지향점 : 더 낮은 손실, 더 높은 효율, 더 높은 전력 밀도, 더 빠른 딜리버리(납기/구축), 더 강력한 동적 응답 특성

● 랙 전력 증가에 따른, 전력 공급 경로 솔루션 : 800V HVDC, SST, 중저압 일체형 HVDC (国金证券 작성)

도표 5. 랙 전력 증가에 따라, 전통 전력공급 경로의 주요 병목이 “전력 공급 가능 여부”에서 “손실, 공간, 케이블, 응답 속도, 납기속도”로 전환

1. 800V HVDC

1) 핵심 형태
교류(AC)를 정류하여 +-400V/800V DC 직류 버스바로 만든 후 머신 랙/서버에 전력 공급.

2) 주요 문제 해결
저전압, 대전류에 따른 구리손실 감소, 변환 손실 저감, 고전력 랙 지원

3) 장점
기술 경로가 명확함. +-400V는 과도기 기술로 활용 가능하며 800V DC와의 연속성을 갖춰 수주 확보가 비교적 용이

4) 단점
직류(DC) 보호 차단, 커넥터, 안전 규격, 서버측 호환성에 대한 추가 검증 필요


2. SST

1) 핵심 형태
10kV/35kV 특고압, 중압 교류(MV AC)를 SiC 및 고주파 변압기를 통해 800V DC로 직접 변환

2) 주요 문제 해결
상용 주파수 변압기 및 다단 전력 변환 단계를 줄여 공간 확보, 전력 밀도 및 동적 조절 능력 향상

3) 장점
궁극적 지향점(최종 형태) 성격이 강함.
중압 직류 직접 입력 가능, 고주파 절연, ESS 결합 등 능동 제어 구현

4) 단점
고비용, 중압 절연, 부분 방전, 신뢰성, 보호제어문제, 고객사 인증 등 난이도 높음.


3. Panama 솔루션(중저압 일체형 HVDC)

1) 핵심 형태

랙 레벨/열 레벨(Row Level) 표준화.
전원장치(Power Rack/Power Shelf), 전원 공급, 백업, 모선(Busbar) 모니터링 통합

2) 주요 문제 해결
AI 랙의 구축 속도 향상, 고객 맞춤화 전원 장치 난이도 저감, 전원 모듈화 및 유지보수성 향상

3) 장점
엔지니어링 도입이 빠름.
질제 고객사의 랙 요구사항에 밀착 대응가능, 표준화된 공급 및 빠른 반복 개선 용이

4) 단점
시스템 통합 및 모듈화 최적화에 편중되어 있어 효율과 공간 개선 폭이 SST만큼 근본적이지 못함.
고객사 규격 의존도가 높음.


○ 각 솔루션의 상용화 스케줄

1) 800V HVDC : 가장 빠른 도입 속도
2) 중저압 일체형 HVDC (Panama 솔루션) : AI 표준화 진행에 맞춰 물량 확대
3) SST : 검증 주기가 가장 길지만, 최종 단계에서의 확장 잠재력이 가장 큼

● 랙 내부 800V DC의 두 가지 경로 (国金证券 작성, 출처 : NVIDIA)

도표 17. 랙 내부 800V의 2가지 경로 : Shelf 레벨에서 50V로 감압 vs Tray 레벨에서 12V로 직접 감압

저전압 대전류 경로가 짧을수록 시스템 손실은 감소하지만, 감압 폭(전압 강하 스팬)이 클수록 기술적 난이도는 높아짐.

○ 방안 1 : 과도기 솔루션, 먼저 50V로 감압

1) 전력 변환 흐름

800V DC 랙 입력 → 800V → 50V PSU → 50V 서버 진입 → 서버 내부 2차 전원(12V로 감압) : 12V 중간 전압 → 온보드 3차 전원(약 1V로 감압) : VRM/POL → GPU/ASIC 코어 부하


2) 특징 요약

기존 서버 전압 체계와의 호환성 유지
후속 2차/3차 감압 아키텍처 변경 폭이 작음
엔지니어링 리스크가 낮아 차세대 솔루션 성숙 전 과도기 적용에 적합


3) 장점

호환성 우수, 도입 난이도 낮음, 기존 서버 전원공급 생태계 재활용 가능, 고객사 검증 속도가 비교적 빠름


4) 해결해야 할 문제

여전히 PSU 단계 잔존, 전력 변환 단계 수가 다소 많음, 저전압 측 전송 경로가 여전히 김, 효율 최적화가 근본적이지 못함.


○ 방안 2 : 급진적 솔루션, Compute Tray 레벨 직하강 (직접 감압)

1) 전력 변환 흐름

800V DC 랙 입력 → 컴퓨트 트레이 레벨 고압 DC/DC (기존 PSU 생략) → 12V 또는 6V → 온보드 3차 전원(약 1V로 감압) : VRM/POL → GPU/ASIC 코어 부하


2) 특징 요약

저전압 대전류 경로 현저히 단축
고전압 전송 경로는 증가


3) 장점

PSU 단계 축소, 저전압 대전류 경로 단축, I²R 손실 감소, 서버 공간 확보, 시스템 효율 향상


4) 해결해야 할 문제

800V 직접 감압 폭이 매우 큼, 절연/안전규격/EMI 요구조건 엄격, 고압 DC/DC 기술 진입장벽 높음, 고객 플랫폼 협업 난이도 높음


5) 예상 스케줄 (고객사 검증 필요)

Rubin Ultra 단계부터 도입 시작 예상, 2028년 전후 대량 양산 및 적용 속도 관찰 필요


○ 급진적 솔루션, Compute Tray 레벨 직하강(직접 감압)의 세부 경로

1) A 경로 : 800V → 12V → 1V
Rubin Ultra 관점에서 성공 확률이 비교적 높음

2) B 경로 : 800V → 50V → 6V → 1V
일부 중간 전압 계층을 유지하여 기술적 리스크 통제 용이

3) C 경로 : 800V → 6V → 1V
저압 측에 12V/6V 직접 감압을 채택할 경우, 고주파, 저전압 측의 GaN 사용량 증가 가능

∴ GaN : 저전압 측 고주파, 고효율, 소형화 수혜 가능

● 800V DC와 GaN 전력반도체 (国金证券 작성)

도표 25. 800V 랙 적용(인입)은 GaN 수요를 분명하게 높일 것

○ 3단계 변환 경로 (800V → 48V → 12V/6V → Load/GPU)

1) 1단계 (DC-DC stage 1) : 800V → 48V
적용 소자 : 650V 및 150V/100V GaN
현재 개발 상황 : 양산 출시 완료, 1MHz에 99% 효율 (1초에 100만번 초고속 스위칭하면서도, 전력 변환 과정 손실이 1%에 불과)

2) 1.5단계 (DC-DC Stage 1.5) : 48V → 12V or 6V
적용 소자 : 100V GaN
현재 개발 상황 : 양산 출시 완료, 97.7% 효율

3) 2단계 (DC-DC Stage 2) : 12V or 6V → 부하(Load)/GPU
적용 소자 : 30V/15V DrGaN (드라이버 통합형 GaN)
현재 개발 상황 : 컨셉 검증 완료, 개발 중


○ 2단계 직접 감압 경로 (800V → 12V/6V → GPU)

1) 1단계 (DC-DC stage 1) : 800V → 12V/6V (48V 중간 단계 생략)
적용 소자 : 650V 및 40V/15V GaN
현재 개발 상황 : 양산 출시 완료, 1MHz에 98% 효율 (1초에 100만번 초고속 스위칭하면서도, 전력 변환 과정 손실이 2%에 불과)

3) 2단계 (DC-DC Stage 2) : 12V or 6V → GPU
적용 소자 : 30V/15V DrGaN (드라이버 통합형 GaN)
현재 개발 상황 : 컨셉 검증 완료, 개발 중

※ 전기, 공급관리에서 수요관리의 시대로 (수요관리를 통한 AI데이터센터 길들이기)

AI산업의 급성장이 더욱 빠르게 전기시대를 앞당기고 있습니다.

한국 또한 3대 메가프로젝트를 강력하게 추진 중에 있으며, 전기는 3대 메가프로젝트의 성공의 핵심으로 여겨지고 있습니다.

한국 뿐 아니라 글로벌 대부분의 국가들은 지금까지 발전소를 늘리면서 전기를 관리하는 ‘공급 관리’에 집중해 왔지만,
재생에너지의 확대, 전기수요(AI, 전기차, 열의 전기화 등)의 폭발적인 증가, 극심한 부하변동 등으로 인해 발전소를 늘리는 것 이상으로 ‘수요 관리’가 중요해지고 있습니다.

특히 전기는 수요와 공급이 항상 일치해야 하는 특징을 가지고 있기 때문에, 모든 국가들은 피크수요를 기준으로 발전용량을 결정해 왔습니다.
그리고 이러한 방향은 필요보다 훨씬 더 많은 발전소를 건설해야 하고, 더불어 이를 위한 송배전 설비를 설치해야 하는 등 막대한 비용을 수반하는 방법입니다.

하지만, 전력시스템에 AI가 도입되고 기존 전력망과 전기 수요자들에게 ESS가 보급되면서 이러한 고비용의 ‘공급 관리’에서 더 효율적이고 경제적인 ‘수요 관리’의 중요성이 높아지고 있습니다.

참고로 대표적인 수요관리로는 DR(수요반응), ESS 등을 통한 부하이전(Load Shifting), 시간별/계절별 변동요금제, EMS(Energy Management System), VPP(가상발전소), V2G 등이 있습니다.
그리고 이러한 수요관리를 통한 전력 효율화는 ‘옥토퍼스 에너지’나 ‘테슬라’ 등의 업체들을 통해 이미 그 강력한 효과가 입증되었습니다.


특히 AI데이터센터로 인해 ‘수요관리’의 중요성이 훨씬 더 높아질 것으로 보여지는데, 최근 ‘추론’의 비중이 높아지면서 AI데이터센터의 ‘부하 변동성’과 이로 인한 ‘과도응답’의 해결이 중요해지고 있습니다.

AI 데이터센터는 수만에서 수십 만개의 GPU가 대규모 동기화를 수행하므로 부하 변동폭이 기존 데이터센터와 비교할 수 없이 가파릅니다.
GPU 클러스터가 유휴 상태에서 순간적으로 연산을 시작하거나 종료 하면서 수 밀리초 단위로 수십 – 수백 MW규모의 전류 부하 급변이 발생하며, 이때 전력 변환 장치(PSU, VRM/POL 컨버터)와 전원 제어 루프가 목표 전압/전류를 맞추는 과정에서 제어 지연으로 인해 ‘과도 응답’이 발생합니다.
그리고 이러한 ‘과도 응답’은 하드웨어에 커다란 부담을 줄 뿐만 아니라, 데이터센터의 정전으로까지 이어지는 위험성을 지니고 있습니다. 만약 해당 데이터센터가 그리드에 연결되어 있다면 대규모 지역정전으로 이어질 수 있습니다.

이때 이러한 데이터센터의 ‘부하 변동’을 해결하는 방법 중 하나로 최근 ‘수요 관리’가 떠오르고 있습니다.
네이처 에너지의 논문에 따르면, 연구진은 수요관리(Workload Shaping/Shifting) 소프트웨어 플랫폼(Emerald Conductor)을 사용해 AI데이터센터의 성능 저하 없이 3시간 동안 25%의 전력을 덜 쓰도록 조율할 수 있다는 것을 실제로 입증하였습니다.

데이터센터는 1년 내내 쉬지 않고 전력을 최대로 소비하는 시설로 가정하는 보수적인 전력망 계획 때문에 신규 데이터센터를 위해 천문학적인 전력 인프라 보강 비용과 수 년 간의 대기 시간이 발생하고 있으며, 이러한 전력문제는 현재 AI데이터센터 건설의 최대 걸림돌로 작용하고 있습니다.

이러한 AI 데이터센터의 가장 큰 병목 중 하나인 전력문제를 ‘수요관리’를 통해 완화할 수 있는 길이 제시되고 있습니다.
그리고 실제로 지난 6월, 테슬라와 Sunrun, Renew Home은 미국의 가정용 태양광, ESS, 스마트 온도조절기와 같은 미국 가정의 분산자원을 바탕으로 대규모 VPP를 만들어 16GW의 대규모 용량을 미국의 AI데이터센터 및 유틸리티에 공급하겠다는 합의를 발표하였습니다.

즉, 수요관리를 통해 미국 AI데이터센터 등의 전력문제를 해결하는 방법이 이미 실질적으로 작동하고 있습니다.

앞으로 ‘수요관리’는 미국 뿐 아니라 국내에서도 그 중요도가 높아질 것이며, 해당 산업 또한 빠르게 성장할 것으로 전망 됩니다.



● [AI 데이터센터의 대가] 3. 전력 공급 대안? 질문 순서부터 틀렸다 (뉴스타파, 2026. 09. 08)

9월 3일, 기후에너지환경부는 ‘전기차 충전요금 가을철 주말/공휴일 낮시간대 할인 개시’라는 보도자료를 배포하였음.
휴일 낮 시간대 전기차 충전 요금을 최대 35% 할인한다는 것임.
이는 기존의 ‘공급 관리’ 대신 ‘수요 관리’를 통해 효율성을 높이려는 정책임.

전기는 공급이 모자라도, 공급이 너무 많아도 정전이 발생하는 특성을 가지고 있음.
때문에 항상 공급과 수요를 일치해야 하는데 여기서 비효율이 발생함.
수요와 공급을 항상 일치해야 하는 특성으로 대부분의 국가에서는 전기를 가장 많이 쓸 때에도 필요 보다 더 많은 발전기를 만들어야 했음.

지금까지 한국은 ‘공급 관리’를 통해서 전력을 관리해 왔음.
하지만 이는 비싼 발전기의 가동을 억지로 줄여야 하기 때문에 불필요한 손실이 발생하는 구조임.
또한 남는 발전기의 운영, 유지를 위해 막대한 비용이 들어가며, 그 비용은 국민들의 전기요금에 반영됨.

하지만 수요를 관리하는 전략은 과잉공급 문제뿐 아니라 공급 부족 문제를 해결하는 데에도 위력을 발휘함.
수요 관리를 유연하게 하면 할수록 발전기 건설은 물론 전력설비, 송전망 등에 소요되는 막대한 사회/경제적 비용을 절약할 수 있음.

한전이 9월 1일부터 삼성전자, LG전자와 협력해 주말/공휴일 오전 11시부터 오후 2시 사이에 IoT 기능이 탑재된 세탁기, 건조기 등을 사용하면 전기요금을 할인해 주는 사업을 시행하는 것도 이와 같은 취지임.


○ 수요 관리를 통한 ‘전기 먹는 공룡’ AI데이터센터 길들이기

아직 한국의 ‘수요 관리’정책은 소규모 시범사업에 그치고 있지만, 전기 먹는 공룡인 AI 데이터센터의 전력 사용량과 시간을 조절하는 수요관리가 앞으로 중요해질 것임.
2025년 12월 AI데이터센터에서도 전력 사용량 조절이 가능하다는 실증 연구결과(전력망 상호작용 자산으로서의 AI 데이터센터, 네이처 에너지)가 발표된 바 있음.

해당 논문에 따르면, 데이터센터를 1년 내내 쉬지 않고 전력을 최대로 소비하는 시설로 가정하는 보수적인 전력망 계획 때문에 신규 데이터센터를 위해 천문학적인 전력 인프라 보강 비용과 수 년 간의 대기 시간이 발생하고 있다고 분석하고 있음.
연구진은 소프트웨어 플랫폼(Emerald Conductor)을 사용해 AI데이터센터의 성능 저하 없이 3시간 동안 25%의 전력을 덜 쓰도록 조율할 수 있다는 것을 실제로 입증하였음.

연구에 함께 참여한 미국 전력 연구소(EPRI)는 전력망 운영자, 규제기관, 하이퍼스케일러들과 함께 추가 실증을 확대하는 한편, AI데이터센터 같은 대규모 전력 소비 시설의 수요 관리 능력을 유연성 등급에 따라 구분하는 표준을 마련하고 있음.

실제로 AI 데이터센터의 전력 사용량이 유연하게 관리된다면 놀라운 효과를 볼 수 있음.
미국 듀크대 니콜라스 연구소는 미국의 피크 시간대에 데이터센터가 쓰는 연간 전력 가운데 0.5%만 줄이면 신규 발전 설비 없이 약 100GW규모의 신규 데이터센터를 추가할 수 있다는 연구 결과를 내놓기도 했음.


○ 어떤 발전소를 더 지을지 결정하기 전에

최근 급증하는 AI데이터센터를 두고 미국의 산업계, 한계 그리고 규제당국이 보여주는 메시지는 명확함.
치솟는 전력 수요를 감당하기 위해 발전기와 송전망을 얼마나 더 지을지 확정하기 전에, 어떻게 덜 쓸 것인지에 대한 대안을 마련해야 한다는 것임.
대안을 마련하지 못할 경우 늘어나는 전력 인프라 비용이 국민들에게 전가될 뿐만 아니라, AI 산업의 발목을 잡을 수 있기 때문임.

한국의 경우, 2040년까지 AI데이터센터로 인한 전력 수요가 11.9GW 늘어날 것이라고 전망하고 있음.
전기차, 히트펌프, 산업용 계절/시간별 요금제 등을 통한 수요관리 방안을 제시되었지만 그 보다 훨씬 큰 규모의 전력을 소비하는 AI 데이터센터의 전력 수요를 어떻게 관리할 것인가는 불명확함.

데이터센터는 최근에 ‘널뛰기 부하’와 전력망 이탈 위험 지적까지 나오고 있음.
때문에 에너지효율 제고, ESS 연계 의무화 등 AI 데이터센터의 책임을 강화하고 전력망 안전장치를 시급히 마련해야 함.

https://newstapa.org/article/HROUd

※ AI 데이터센터 전력공급 시스템 백서. (Part. 1)

● White Paper on Power Supply Systems for Ai Data Centers.
AI데이터센터 전력 공급 시스템의 도전과 혁신 (From Oriental Semi, 2026. 09. 04)

AI 데이터센터의 전력 공급 시스템은 폭발적으로 증가하는 전력 수요, 에너지 효율, 전력 밀도, 신뢰성 등 전례 없는 도전에 직면해 있음.
이에 대한 핵심 해결책은 차세대 반도체 기술(SiC, GaN)과 800V HVDC 아키텍처의 도입이며, 이는 전력 변환 효율을 극대화하고 시스템의 전력 밀도를 높여 데이터센터의 지속 가능한 성장을 가능하게 함.


1. AI 데이터센터 전력 공급 시스템이 직면한 도전

1) 폭발적 전력 수요 증가

프로세서(xPU : GPU, CPU, TPU 등)의 전력 수준이 높아지면서 단일 서버 IT 랙의 부하 전력이 기존의 3 – 5kW에서 100kW 이상으로 급증하고 있음.

최상위 AI 훈련 클러스터인 NVIDIA GB200 플랫폼의 NVL72랙은 120kW의 전력 요구량을 가지며, Vera Rubin NVL72 랙은 더 높은 성능의 CPU, GPU, HBM4 메모리를 탑재하여 단일 랙 최고 전력이 200kW에 달함.
미래의 Rubin 시리즈 랙은 단일 캐비닛 전력이 MW 수준에 이를 것으로 예상됨.


2) 에너지 효율, 전력 밀도 및 열 관리의 중요성 증대

데이터센터의 전력 소비는 전 세계 전력 수용의 상당 부분을 차지하며, 2030년에는 두 배 이상 증가하여 약 3%에 달할 것으로 예상.

저전압 아키텍처에서 대규모 전력 전송 시, 줄 손실(P=I²R)은 전류의 제곱에 비례하여 증가.

기존의 12V 전력 버스는 점차 사라지고 있으며, 현재 주류인 48V 버스도 100kW 이상의 대규모 전력 처리 시 과도한 전류로 인해 에너지 낭비, 열 문제, 구리선 무게 증가 등의 어려움을 겪고 있음.
또한, 48V 버스 시스템은 구리가격 상승으로 인해 경제성이 떨어지고 있음.

IT 랙의 부피 증가율과 전력 증가 속도가 비례하지 않기 때문에, 고전력 밀도 설계는 전원 시스템의 핵심임.

이러한 고효율 및 고전력 밀도 요구 사항으로 인해 800V 전력 시스템과 중압 교류 입력의 고체변압기(SST)가 필수적인 선택이 되고 있음.
높은 전력 밀도와 xPU의 전류 밀도는 열관리에 전례 없는 도전 과제를 안겨주고 있음.


3) 신뢰성 확보의 중요성

고가의 AI 서버는 대규모 AI 학습 및 추론 작업의 핵심 인프라이므로, 운영의 연속성과 서비스 안정성이 매우 중요함.

데이터센터는 99.99% 이상의 시스템 가용성을 달성해야 하며, 이는 연간 계획되지 않은 다운타임이 약 52.6분을 초과하지 않아야 함을 의미.
이러한 엄격한 가용성 지표 하에서 전원 시스템의 신뢰성은 전체 성능과 총 소유 비용(TCO)을 결정하는 핵심 요소임.

AI 서버의 전력 공급 경로에서 중간 버스 컨덕터(IBC)는 고장 발생률이 높은 부분으로 지목되고 있음.
IBC는 고압 직류 버스(예, 48V)를 부하점(PoL) 컨버터 입력 전압(예, 12V 이하)으로 효율적이고 안정적으로 변환하는 역할을 하며, 전력 아키텍처의 중심에 위치함.
IBC의 고장은 하위의 다수 AI 가속 카드(xPU) 또는 기타 중요 컴퓨팅 유닛의 전원 차단으로 이어져 시스템 전체 다운을 유발할 수 있음.

또한 AC-DC 에너지 변환 단계는 좋지 않은 전력망 전압 품질이나 낙뢰와 같은 스트레스 충격에 직면하며, 이러한 스트레스는 전원에서 사용되는 전력 반도체 소자(실리콘 MOSFET, GaN HEMT 등)에 높은 신뢰성과 안정성을 요구함.
이 소자들은 고주파, 고전력 밀도, 고온 구배 등 혹독한 작업 조건에서 장기간 안정적으로 작동해야 하며, 우수한 서지 내성, 낮은 손실, 제조 공정 편차 및 노화 효과에 대한 강한 견고성을 갖추어야 함.

시스템 수준에서는 중복 설계, 고장 예측 및 관리(PHM), 빠른 고장 격리 등의 메커니즘을 도입하여 전체 전력공급 아키텍처의 내결함성과 평균 고장 간격(MTBF)을 더욱 향상시켜야 함.

※ AI 데이터센터 전력공급 시스템 백서. (Part. 2)

○ AI 데이터센터 전력 공급 시스템의 혁신

AI 데이터센터가 당면한 여러 기술적 도전에 대응하기 위해서, 현재 산업계는 전원 아키텍처, 전력 소자, 패키징 기술, 열 관리 등 다양한 기술 방면에서 혁신적인 솔루션을 제시하고 있음.

1. 차세대반도체 기술의 도입

1) 고성능 전력 반도체 소자 및 전력 관리 IC의 중요성

전력 반도체 소자와 다양한 전력관리 IC는 AI 서버 전력 시스템 성능 구현의 핵심 매개체이며, 전력 하드웨어 총 비용의 약 50%를 차지함.


2. 실리콘 카바이드(SiC) 및 질화갈륨(GaN) 기술의 적용

1) AC-DC 변환(PSU) 단계에서의 활용

3kW/5.5kW PSU 모듈의 경우, PFC 부분은 1 – 2상 교차 토템폴 토폴로지를 통해 약 400V DC 버스를 생성하고, 고압 DC-DC를 통해 48V DC를 생성함.
최고 입력 전압이 180Vac까지 낮아질 수 있으므로, PFC는 연속 전류 모드(CCM)로 도통 손실을 줄여 최고 효율 목표를 달성해야 함.

고전력 밀도를 스위칭 손실이 적은 SiC 또는 GaN 소자를 통해 작동 주파수를 높이는 데 적합한 선택임.

12kW PSU 모듈의 경우, 전통적인 단상 교류 전력은 큰 입력 전류를 감당하기 어려워 삼상 교류 입력이 필수적임.
다상 교차 토템폴 PFC 또는 비엔나 PFC가 선택되며, 더 높은 입력 전압으로 인해 PFC 및 HVDC 부분에서 다중 레벨 방식을 사용하여 개별 전력 소자의 전압 등급을 낮추는 경우도 많음.

업계는 고압 슈퍼 점퍼 MOSFET 및 SiC MOSFET, 신형 패키징 기술을 바탕으로 48V 또는 앞으로 적용될 800V 버스 아키텍처의 AI 서버 적용을 가속화하고 있음.


3. 800V 버스 아키텍처 및 고체 변압기(SST)

2027/28년 경 IT 랙 전력은 수백 kW에서 MW 수준에 이를 것으로 예상되며, NVIDIA는 차세대 800V AI 인프라 아키텍처 백서에서 800V 버스 전력 시스템이 현재 48V 솔루션을 대체할 것이라고 제시하였음.

중간 단계로 Panama전원(중저압 일체형 HVDC) 및 +-400V 전환 솔루션도 존재하지만, 중압 교류 배전망을 통해 집중 또는 분산형 고체 변압기(SST)로 고압 직류 버스를 공급하는 것이 업계의 일반적인 견해임.

2025년 Delta Electronics는 COMPUTEX Taipei에서 SiC 기반 800V SST 솔루션을 처음 선보였으며, 2027년에는 +-400V 및 800V 고압 버스 제품이 대량 출하될 예정임.
중국의 Alibaba, ByteDance, Foxconn 등의 800V AI 서버 입찰 프로젝트 성공 사례는 기술적 실현 가능성과 상업적 가치를 입증함.

전통적인 액체 냉각 방식의 상용 주파수 중압 변압기와 비교할 때, SST는 설치 면적을 약 50% 줄이고, 전통적인 UPS 등의 장비에서 발생하는 다중 변환 손실을 피하며, 효율을 약 2% 향상시키고, 구리 소비를 대폭 축소하고, 재생에너지 전력 연결에 매우 적합함.
이는 AI 서버의 크기, 효율, 비용 요구 사항을 잘 충족시킴.

중압 교류 배전망 전압은 10kV 이상이며, 현재 이러한 고전압을 견딜 수 있는 고효율 전력 소자가 거의 없음.
따라서 SST는 교류 측에서 모듈 직렬 연결 방식으로 전압을 처리하며, 이는 시스템 확장성과 유연성을 높임.

업계에서는 800V DC-DC 및 SST를 위해 고압 SiC 기술을 적극적으로 모색하며 솔루션을 제공하고자 하고 있음.
0V 턴오프 SiC 제품은 이미 양산되고 있으며,
800V 시스템의 제어 칩 및 게이트 드라이버 전원은 800V 버스에서 공급되어야 해서, 업계에서는 1.1kV 입력에 대한 고압 보조 전원 솔루션을 개발 중임.
이 솔루션은 공간 제약 문제를 해결하고 전기차 메인 드라이브 보조 전원의 빠른 시동 요구 사항 또한 지원함.

AI 서버용 보조 전원은 800V 고압 버스 입력 시나리오에 맞춰 고압 시동 및 고전력 밀도에 대한 특별 최적화를 거쳐 AI 서버 전원 시스템에 소형 고신뢰성 보조 전원을 제공함.

소자 패키징 또한 고전력 밀도에서의 열 문제 해결 수단 중 하나임.
고급 패키징 기술에는 Source-Down 패키징, 양면 방열 패키징, 모듈화 통합이 포함됨.

중국의 동미반도체의 슈퍼 점퍼 MOSFET 플라스틱 몰딩 모듈은 액체냉각 AI 서버에 대량 적용되어 전통적인 분리형 소자 솔루션을 성공적으로 대체하고 시스템 전력 밀도를 30% 향상시켰음.
QDPAK 패키징 제품은 마이크로 채널 수냉판 기술을 통해 차세대 랙의 액체 냉각 통합 솔루션을 지원하며, 고밀도 열 관리 환경에서 장기간 안정적인 작동을 보장함.

※ AI 데이터센터 전력공급 시스템 백서. Part. 3 (From Oriental Semi, 2026. 09. 04
)

4. 중간 버스 컨버터(IBC)

1) IBC의 역할 및 설계 과제

PSU에서 생성된 DC 전압 버스는 각 xPU 클러스터를 탑재한 보드에 공급됨.
여기서 DC 버스는 중간 버스 컨커터(IBC)를 통해 12V 또는 6V로 전압이 낮아지고, 후단 전압 조정 모듈(VRM)이 xPU에 전력을 공급함.

IBC 설계는 고전력밀도, 고효율, 고부하 동적 응답, 고출력 전류 등의 기술적 과제에 직면함.
xPU 탑재 컴퓨팅 보드의 높은 비용으로 인해 IBC의 신뢰성 요구 사항도 매우 까다로움.

고전력 밀도 요구 사항을 충족하기 위해 IBC는 일반적으로 고효율 고주파 공진 토폴로지를 사용하여 수동 소자 크기를 크게 줄여 컴퓨팅 보드의 전원 크기 요구 사항을 만족시킴.
일반적인 LLC 또는 스위칭 커패시터 기반의 소프트 스위칭 토폴로지(예, HSC)가 사용되며, 스위칭 주파수는 300kHz – 1MHz 사이임.

전력 소자의 단위 면적 저항(Rsp)과 스위칭 속도 및 데드 타임 감소와 관련된 FOM 매개변수(RDS(on) x Qg, RDS(on) x Qd 등)가 IBC 소자 선택의 중요한 기준임 됨.

스위칭 주파수는 패키징 구조의 기생 인덕턴스에 영향을 받으며, 우수한 패키징 구조는 소자 온도 상승을 낮추고 시스템 신뢰성을 향상시킴.


2) 디지털 컨트롤러 및 하프 브리지 드라이버

디지털 컨트롤러는 AI 서버 시스템에서 전력 변환의 핵심임.

48V 전력 공급 단계에서 하드 스위칭 풀 브리지, 개방 루프 LLC, 다상 Buck 등 주류 토폴로지를 포괄하는 디지털 컨트롤러 제품이 출시되었음.

주로 48V 입력의 절연 및 비절연 DC-DC 2차 측 애플리케이션에 사용되며, 풀 브리지, 하프 브리지, 액티브 클램핑 플라이백, 푸시-풀 등 폐쇄 루프 절연 토폴로지, 개방 루프 LLC, 다상 인터리빙 강압 컨버터, 하이브리드 스위칭 커패시터 컨버터 등이 포함 됨.


5. VRM (전압 조정 모듈)

1) 전통적인 2단계 변환 방식의 한계

48V 전력 공급 아키텍처에서 전통적인 주류 솔루션은 2단계 변환 토폴로지를 사용함.

먼저 IBC를 통해 48V를 12V 중간 버스 전압으로 낮추고, VRM이 12V를 xPU에 필요한 0.8 – 1.8V 초저전압으로 변환함.
각 변환 단계의 효율이 96%에 달하더라도, 누적 손실 효과로 인해 2단계 시스템의 전체 효율은 약 87%로 떨어짐.

또한, 이 아키텍처는 두 개의 독립적인 전력 변환 모듈과 해당 자기 부품을 구성해야 하므로 시스템 전체 부피와 재료 비용이 증가하며, 전력 경로 연장으로 인한 기생 임피던스가 커져 동적 응답 성능에 영향을 미침.


2) 단일 단계 직접 변환 방식의 장점

단일 단계 직접 변환 아키텍처는 48V 입력 전압을 목표 저전압으로 한 단계에 직접 변환함.

중간 변환 단계를 제거함으로써 일반적인 전체 효율을 90% 이상으로 향상시킬 수 있음.

물리적 레이아웃 측면에서 단일 단계 변환은 중간 버스 회로에 필요한 PCB 면적과 구리박 사용량을 절약하여 전력 밀도를 크게 향상시킴.

더 짧은 전력 경로는 루프 인덕턴스를 줄여 부하 과도 응답성능을 최적화하는 데 도움이 됨.


3) VRM의 역할 및 도전과제

VRM은 xPU 전력 공급의 핵심 구성 요소로, 12V/6V 전압을 xPU 연산 유닛에 필요한 저전압, 고전류로 변환하는 중요한 임무를 수행함.

AI 대규모 모델 훈련에 대한 AI 수요의 기하급수적 증가로 인해 GPU 전력 소비는 전통적인 300W 수준에서 700W – 2kW이상으로 급증했으며, 코어 전압은 0.6 – 1.2V로 낮아지고 전류는 1500A를 돌파하였음.
이는 시스템 전류 경료 설계, VRM 설계, 효율, 열 관리 및 신뢰성에 심각한 도전 과제를 안겨줌.

또한, GPU 전력 전압 리플의 엄격한 요구 사항과 간헐적인 고동적 부하(2.5A/㎲ 수준)의 응답 속도 요구 사항은 VRM 제어에 어려움을 야기함.


4) VRM 솔루션 (慧能泰 Solution)

慧能泰의 PWM 위상 배가 컨트롤러 OSU1800은 전통적인 12V – 1V 다상 컨트롤러를 직접 구동하여 48V – 1V 다상 인터리빙 하프 브리지 정류 전력 단계를 구동할 수 있으며, 추가적인 PWM 제어 진호 없이 VRM 솔루션이 2단계 토폴로지에서 단일 단계 토폴로지로 전환하는 설계 난이도와 시스템 비용을 크게 절감할 수 있음.

이 장치는 단일 단계 VRM 전원, 절연/비절연 DC-DC 브릭, 모듈 전원 등 다양한 시나리오에 적용 될 수 있음.


6. eFuse(저압 전자 퓨즈) 및 고체 차단기(SSCB)

1) eFuse 및 고체 차단기의 필요성

고가의 AI 서버는 시스템 전체의 안전하고 안정적인 작동을 보장하기 위해 10㎲ 수준의 반응 속도로 고장을 신속하게 격리해야 함.

전통적인 기계식 차단 시스템은 이러한 빠른 차단 보호를 수행할 수 없으므로, 전력 반도체 기반의 고압 고체 차단기 또는 저압 전자 퓨즈(eFuse)가 필수적임.

이러한 고체 차단 방식은 다음과 같은 추가적인 시스템 가치를 제공함.
(회로 소프트 스타트) 핫 플러그 시 발생하는 과도한 전압 및 전류 스트레스를 줄임
(감지 및 진단) 전류, 전압 및 전력 정보를 모니터링하여 가능한 고장 원인을 진단
(소자 보호) VI 스트레스를 소자의 안전 작동 영역(SOA) 내로 제어함.
(통신) 고체 차단기 또는 eFuse의 상태를 시스템 메인 컨트롤러 MCU에 알리고 MCU의 명령을 실행 함.
(시스템 재시동) 고장이 해결되면 고체 차단 시스템은 시스템 재작동을 허용함.


2) Oriental Semi의 고체 차단 솔루션 : 800V 고체 차단기 (SSCB), 48V eFuse, 12V 핫 플러그 보호

(800V 고체 차단기) 1200V 내압, 25mΩ 온저항을 지원하는 SiC MOSFET을 통해 마이크로초 수준의 고장 보호를 지원

(48V eFuse) 100V 내압, 1.7mΩ 온 저항, 최대 4.3kA 서지 전류 보호를 지원
이솔루션은 시스템 신뢰성과 가용성을 크게 향상시키며, 전통적인 솔루션에 비해 부피가 30% 줄고 효율이 5% 향상되어 AI 서버에 더 컴팩트하고 효율적인 전력 보호 솔루션을 제공함.

(12V 핫 플러그 보호) MOSFET 기반의 12V Hotswap 보호 솔루션 전력 소자
이 솔루션은 드라이버 회로 설계를 최적화하여 <5㎲의 빠른 응답 시간을 달성하여 VRM 및 칩 전원 모듈을 과전류, 과전압, 단락 등 고장으로부터 효과적으로 보호

※ 800V DC AI데이터센터와 재생에너지 (True Native DC 실현)

한국의 많은 주식시장 참여자들은 AI데이터센터에는 원전이나 가스발전 같은 전통적인 대규모 발전소가 적합하다는 생각을 가지고 있습니다.

하지만 DC 전력 아키텍처(+-400V DC, 800V DC)를 적용한 앞으로의 AI 데이터센터에는 오히려 태양광이나 ESS와 같은 DC 기반 전력원들이 더 각광을 받을 수 있습니다.

현재의 AI데이터센터는 AC를 기반으로 하고 있습니다.
원전, 가스발전, 석탄발전 등 고압증기를 이용해 터빈을 회전시켜 전기를 발생하는데, 이러한 기계적 회전 발전은 자연스럽게 교류(AC)로 유도됩니다.

현재 AI데이터센터(48/50V 아키텍처)의 전력구조를 보면,
대형 발전기에서 발전된 AC기반 전기는 다시 교류(AC) 송전망(154kVac) → 22.9kVac 배전망을 거쳐 데이터센터로 연결되며, 데이터센터의 변압기에서 480Vac로 강압되어 배전반(→ UPS → PDU)을 통해 48V DC(직류)로 변환되어 AI 서버랙에 인입되고, 이후 다시 12V DC를 거쳐(보드 인입) 최종적으로 0.6 – 1.0V로 강압되어 칩(GPU 등)에 전력을 공급하는 구조입니다.
즉, AC로 발전된 전기가 AC로 데이터센터로 보내지며, 랙 레벨에서 DC로 전환되는 구조입니다.

하지만 향후 AI데이터센터의 전력 아키텍처가 400V, 800V DC로 바뀌게 된다면 현재 AC 위주의 전력시스템은 비효율적일 수 있습니다.

기존 48/50V 아키텍처에서도 현재의 AC/DC 변환구조보다 DC/DC구조가 더 효율적이지만, 앞으로의 400V, 800V DC 구조에서는 현재의 AC/DC구조가 비효율적일 수 있습니다.

AI데이터센터에서 AC(480Vac)에서 DC(48Vdc)로 전환될 때 상당한 전력손실(약 2 – 5%)이 발생하며, 특히 전력손실(저항)은 열 발생으로 연결되기 때문에 데이터센터의 가장 큰 문제점 중 하나인 발열 문제를 심화시킬 수 있습니다.


태양광(PV)과 ESS는 기존 전통발전원과는 다르게 AC로 전기를 유도하지 않고, 바로 DC로 전기를 발생시킵니다.
즉, 태생부터가 DC이기 때문에 향후 800V DC AI데이터센터가 확산된다면, 보다 효율적인 전력구조를 만들 수가 있습니다. (전력손실과 발열을 최소화)

태양광(DC) → ESS(DC) → AI 데이터센터 인입 (800VDC) → AI서버 랙/보드(12V/6V DC) → 칩(1V DC)라는 True Native DC 전력구조가 완성될 수 있습니다.
특히 향후 SST(고체 변압기)를 통해(Medium-Voltage DC Link), 태양광 및 ESS를 직접 연결된다면, 훨씬 더 높은 전력 변환 손실을 줄이고 시스템 구조를 단순화할 수 있습니다.

재생에너지(태양광, 풍력)와 ESS라는 DC 전력원이 800V DC 아키텍처와 연계되면, 압도적인 정합성을 보여줄 수 있습니다.

특히 향후 데이터센터는 추론이 증가하면 할수록 부하변동성이 폭발하게 되는데, 이때 이를 방지하기 위해 대규모의 ESS가 필수적입니다.
또한 부하변동성이 크게 증가하게 된다면, 대규모 경직성 발전원인 원전이나 석탄 발전은 오히려 그리드에 커다란 부담을 줄 수 있습니다.

현재의 AC 체계에서는 DC인 ESS로 인해 인버터/정류기 단계가 발생할 수 밖에 없고 이는 또 다시 전력손실로 이어지고, 계통의 복잡성을 늘리게 됩니다.
하지만 800V DC 체계에서는 이러한 인버터/정류기 단계를 완전히 생략할 수 있으며, 이는 전력 변환손실을 최대 5%이상 줄이고, 장비의 부피를 압축할 수 있습니다.

그리고 이는 현재 모든 AI데이터센터가 추구하는 전력효율화의 방향성입니다.

참고로, DC에서 DC로 강압(예, 48Vdc → 12Vdc → 1Vdc)할 때도 전력손실이 발생하며 이로 인한 발열이 발생합니다.
때문에 궁극적으로 이러한 DC 강압으로 인한 전력손실/발열 문제도 최소화하기 위해 800V DC 아키텍처에서는 800V DC로 인입한 전기를 바로 12V/6V로 강압(48V 강압 생략)하고자 하고 있습니다.

물론 100% 재생에너지와 ESS로 AI데이터센터의 모든 전력을 구성 할 수는 없습니다.
태양광 등 재생에너지는 분명 간헐성이 존재하고 있어 24시간 균일한 부하를 제공하는 데는 한계가 있습니다.
또한 AI데이터센터 전체를 커버할 수 있는 대규모 태양광 부지를 확보하는 것도 쉽지 만은 않은 일입니다.

800V DC 아키텍처가 적용된다고 해도 한동안은 재생에너지만 가지고 AI 데이터센터를 운영하는 것은 매우 어려운 것이 현실입니다.

하지만 재생에너지(DC) → ESS(DC) → 800V DC → 12V/6V DC → 0.6V – 1V DC로 이어지는 완전한 DC 전력 시스템은 AI데이터센터가 추구하는 궁극의 전력시스템일 수 있습니다.

(참고로 이 글의 작성 의도는 재생에너지가 AI데이터센터의 정답이다 라는 것은 아닙니다. 단지 한국 주식시장의 시각이 AI데이터센터에는 원전이나 가스발전이 유리하고 재생에너지는 불리하다는 인식이 광범위하게 퍼져 있기 때문에, 꼭 그렇지 만은 않다는 다른 시각을 제시하기 위함입니다.)

※ AI 데이터센터 전력공급 시스템 백서. Part. 4 (From Oriental Semi, 2026. 09. 04
)

○ AI데이터센터의 로드맵

1. 기술 발전방향

1) 전압 레벨의 진화

(단기) : 48V 아키텍처 생태계 완성
48V 아키텍처는 현재 데이터센터의 주류 전력 공급 표준으로, 완전한 산업 생태계를 형성하고 있음.
슈퍼점퍼 MOSFET 플라스틱 몰딩 모듈, SGT MOSFET, GaN HEMT, 디지털 제어 IC 등의 기술을 통해 기존 AI 서버 전력 공급 시스템에서의 적용성을 높이고, 더 높은 전압 레벨로의 전환을 위한 기반을 마련.

(중기) : 800V 아키텍처 상업화 추진
800V 아키텍처는 AI 서버 전력 시스템 진화의 중요한 이정표가 될 것임.
SiC MOSFET 및 SiC SBD, 4세대 SiC MOSFET 제품 등 800V 아키텍처의 핵심 소자의 양산이 가능한 상황임.

개발 계획에는 전원 시스템에 필요한 고속 고압 전력 소자뿐만 아니라 고체 차단기에 필요한 넓은 SOA 전력 소자 및 디지털 컨트롤러 등 핵심 소자들이 중요함.

(장기) : 1500V 이상 전압 레벨 기술 연구
AI 수요의 지속적인 증가에 따라 데이터센터는 300kW – 1MW의 전체 캐비닛 시대로 진입할 것이며, 이는 전원 시스템에 대한 더 높은 요구 사항을 제시할 것임.

고체 변압기(SST) 솔루션은 향후 5년 내에 상용화 가능성이 높음.

현재 1200V SiC 소자를 기반으로 한 SST 계단식 연결 솔루션은 중압 교류 입력의 각 위상 사이에 여전히 많은 직렬 모듈이 필요하여 시스템 신뢰성과 전력 밀도를 저하시킴.
더 높은 전압 레벨의 전력소자는 직렬 모듈 수를 줄여 시스템 신뢰성을 향상시킬 수 있음.

중장기 AI 서버 전원 아키텍처의 고압 요구 사항을 충족하기 위해 1500V 이상 전압 레벨의 SiC 소자 연구 개발이 필요.


2. 소자 기술 발전

1) 차세대 SiC 및 GaN 소자 개발

3세대 반도체 재료는 AI 서버 전원 시스템의 기술 기반임.

SiC 및 GaN 소자의 혁신을 지속적으로 추진하여 소자 성능을 향상시키고 제조 비용을 절감하여 AI 서버에 더 효율적인 전력 솔루션을 제공해야 함.


2) SiC 분야

SiC MOSFET, SiC SBD의 대량 생산은 이미 이뤄졌으며,
4세대 SiC MOSFET 제품의 기술도 개발이 완료되었음. 트리프트 영역 도핑 농도와 두께를 최적화하여 높은 항복 전압을 유지하면서 온 저항을 낮추었음.

1400V 및 그 이상의 전압 레벨 제품에서, 산업용 고압 전원, 고체 변압기, 에너지 저장 컨버터 등은 핵심 소자임.


3) GaN 분야

Jingzhan Semiconductor는 이미 상용 8인치 실리콘 기반 질화갈륨 에피택셜 웨이퍼 제품을 세계최초로 출시하였으며, 현재 12인치로 전환 중에 있음.

SiC와 GaN의 시너지를 위한 하이브리드 모드 전력 소자를 통해 SiC의 높은 내압 특성과 GaN의 고주파 특성을 결합하여 AI 서버 전력 시스템에 더 포괄적인 솔루션을 제공할 수 있음.


4) 집적화 : 전력 소자와 회로의 단일 칩 집적 추진

전력 소자 집적화는 AI 서버 전력 시스템의 효율과 신뢰성을 향상시키는 핵심 경로임.

전력 소자와 제어 회로의 공통 패키지 집적을 추진하여 기생 인덕턴스를 줄이고, 시스템 집적도를 높이며, 전체 전력 소비를 낮출 수 있음.

(GaN 단일 칩 집적)
강화된 p-GaN HEMT 소자에 고성능 쇼트키 다이오드 및 저항, 커패시터 등 수동 소자를 집적하고, 전류 감지 및 과전압/과전류 보호를 집적

전력 소자와 제어 회로의 단일 칩 집적을 통해 AI 서버에 더 컴팩트하고 효율적인 전력 솔루션을 제공하고, 시스템 부피를 줄이며, 회로 집적도를 높이고, 신뢰성을 증가시키고, 다양한 모듈 간의 지연을 줄여 시스템 작동 속도를 높일 수 있음.


2. 산업화 경로

1) 액체 냉각 통합 기술

액체 냉각 통합 기술은 AI 서버의 고전력 밀도, 열 문제를 해결하는 핵심임.

(액체 냉각 통합 기술 혁신 방향)
액체 냉각 환경에 적합한 전력 소자를 개발하여 열 안정성을 높이고, 액체 냉각 조건에서의 장기적인 신뢰성 작동을 보장.
전력 소자와 액체 냉각 방열기의 협력 설계를 최적화하여 열 전달 효율을 높이고 시스템 온도 상승을 낮춤.
액체 냉각 기술과 디지털 전력 관리의 융합을 추진하여 열 관리와 전력 공급의 협력 최적화를 실현하고 시스템 전체 효율을 향상

액체 냉각 통합 기술을 통해 AI 서버에서 더 효율적이고 신뢰할 수 있는 열 관리 솔루션을 제공하여 AI 서버의 고전력 밀도 요구 사항을 지원하고, 시스템 에너지 소비를 줄이며, 에너지 이용 효율을 높일 수 있음.


2) 기술 발전 스케줄

(2026 – 2028년)
기술 중점 : 48V 아키텍처 생태계 완성, 800V 아키텍처 상업화 추진, 액체 냉각 전원 모듈 양산, 디지털 전원 관리 기술 응용

산업화 목표 : 데이터센터 및 AI서버 전원 분야의 사업을 지속적으로 성장시키고, 슈퍼 점퍼 MOSFET 플라스틱 몰딩 모듈의 액체 냉각 AI 서버 전원 분야 양산 돌파를 추진

(2028 – 2030년)
기술 중점 : 1500V 이상 전압 레벨 전력 소자 연구, 12인치 질화 갈륨 기술 생태계 구축, 전력 소자 – 제어 회로 단일 패키지 집적 실현

산업화 목표 : AI 서버 전력 시스템의 지능형 관리

(2030년 이후)
기술 중점 : 4세대 반도체 기술, 응용 수직 전력 공급 아키텍처 보급, 액체 냉각과 AI 전력 공급 최적화 심층 융합


3) 산업화 경로

Jingzhan Semiconductor(질화 갈륨 에피택셜 재료), 전원 제품 업체, AI 칩 제조업체 등과 협력하여 기술 생태계를 구축하고, 전력 소자 성능을 지속적으로 최적화하며, 제조 비용을 절감