인공지능(AI)이 한국 경제를 다시 움직이고 있다. 코스피는 6500선을 돌파하며 3일 연속 사상 최고치를 새로 썼고, 삼성전자는 이른바 ‘22만 전자’를 넘어 장중 신고가를 경신했다. SK하이닉스는 창사 이래 최고 수준의 실적을 내놓으며 시장 기대를 뛰어넘었다. 1분기 국내총생산(GDP) 성장률도 전 분기 대비 1.7%를 기록하며 예상 밖의 반등을 보여줬다.
하지만 이 호재의 이면에는 불편한 문장이 하나 더 붙는다. “AI 시대, 전기 먹는 하마의 등장.” 생성형 AI 확산이 몰고 올 전력 수요 폭증이 산업 구조와 정책, 투자 지형 전체를 흔들 수 있다는 경고다. 반도체가 한국 경제를 일으켜 세우고 있는 지금, 그 반도체를 굴리는 ‘전기’라는 변수는 얼마나 준비돼 있을까.
이 글은 반도체·전력·AI를 따로 떼어보지 않고, 하나의 그림으로 이해해보려는 시도다. 삼성전자·SK하이닉스·두산에너빌리티, 그리고 한국 증시와 전력 인프라를 관통하는 공통 질문은 결국 하나다. “우리는 어떤 속도의 AI를, 어떤 비용을 치르며 받아들일 것인가.”
1장. 반도체가 한국 경제를 다시 끌어올렸다
삼성전자·SK하이닉스, ‘AI 반도체 듀오’의 질주
먼저 시장이 보고 있는 ‘숫자’부터 짚어보자.
삼성전자 주가: 이른바 ‘22만 전자’를 돌파하며 장중 신고가를 경신했다. AI 반도체 투자 기대와 글로벌 메모리 가격 회복, 파운드리(위탁생산) 경쟁력 강화 기대가 동시에 반영된 결과다.
SK하이닉스 실적: 1분기 영업이익 37.6조원으로, 창사 이래 최고 기록을 세웠다. 무엇보다 AI용 고대역폭 메모리(HBM) 수요 급증이 실적을 이끌었다. AI 서버에 들어가는 메모리는 일반 서버보다 고가·고성능 제품 비중이 절대적으로 높다.
코스피 지수: 6500선을 넘어 3일 연속 사상 최고치를 경신했다. 지수 상승분에서 반도체 업종이 차지하는 기여도가 압도적이었다.
기자가 보기엔, 이번 랠리는 단순한 ‘경기 회복 기대’가 아니라 거의 단일 테마에 가까운 AI·반도체 모멘텀에 의해 주도되고 있다. 한국 증시의 시가총액 상위 종목 상당수가 반도체·IT 하드웨어에 몰려 있는 구조적 특성도 이 흐름을 더 증폭시켰다.
1분기 GDP 1.7%: “중동 악재에도 반도체가 살렸다”
1분기 한국 GDP는 전분기 대비 1.7% 성장했다. 수출은 회복세로 돌아섰고, 설비투자 역시 오랜 부진에서 벗어나는 모습을 보였다. 반면 민간소비와 건설투자는 여전히 탄탄하다고 보긴 어려웠다.
핵심은 이 문장으로 요약된다.
“중동 악재에도 반도체가 살렸다.”
중동 지정학 리스크와 해상 물류 차질, 고금리 부담이 여전히 남아 있었음에도 한국 경제가 플러스로 튀어 오른 결정적 요인은 반도체 수출과 투자 회복이었다.
수출: 반도체 수출 단가와 물량이 동반 개선되면서 전체 수출 감소세를 뒤집는 역할을 했다.
투자: AI 인프라 구축을 위한 서버·장비 투자가 늘면서 설비투자 지표를 끌어올렸다.
내수: 물가 부담과 금리 영향으로 소비 쪽은 여전히 제한적이다. 제조·수출 회복이 수치를 떠받친 구조다.
필자는 이를 “반도체 편향 회복”이라고 본다. 경기 전반이 고르게 좋아졌다기보다는, AI 반도체라는 하나의 엔진이 경제 전체를 ‘끌어당기고 있는’ 상태다.
AI 반도체 랠리에 기댄 코스피, 온도차는 뚜렷하다
지수를 조금 더 잘게 쪼개보면 온도차가 분명하다.
삼성전자·SK하이닉스는 신고가를 경신하거나 연고점 부근에서 움직이며 ‘AI 수혜주’의 위치를 굳히고 있다.
반면 전통 제조·소비주는 여전히 박스권에서 머물며 제한적 반등에 그치는 경우가 많다. 자동차·철강·화학 등 경기민감 업종은 글로벌 수요 둔화와 비용 부담을 동시에 겪는 중이다.
내수 소비 관련 종목은 구조적 저성장과 인구·인건비 변화 등 장기 변수 앞에서 뚜렷한 방향을 찾지 못하고 있다.
즉, “반도체가 없었다면 이 GDP·코스피는 없었다”는 평가가 과하지 않다. 문제는 이 구조가 지속 가능하냐는 질문이다. AI 반도체 수요가 성장하는 속도만큼, 그 반도체를 돌릴 전력 인프라와 규제·정책이 따라가고 있는지에 대한 점검이 필요하다.
2장. AI는 왜 이렇게 많은 전기를 먹는가
데이터센터와 AI, 전기는 어디서 어떻게 새나가는가
ZDNet이 다룬 ‘AI 시대, 미래에 전기를 얼마나 더 쓰게 될까’라는 분석 기사는 하나의 숫자를 제시한다. 2030년 데이터센터 전력 소비가 945TWh(테라와트시)에 이를 수 있다는 전망이다. 이는 중견 국가 여러 개의 연간 전력 사용량을 합친 규모에 가깝다.
그렇다면 AI는 구체적으로 어디에서 전기를 쓰는가. 구조를 단순화하면 세 가지다.
AI 학습(Training)
GPT, 이미지 생성 모델 등 초거대 모델을 처음 학습시킬 때 수만 개의 GPU·AI 칩이 동시에 돌아간다.
이 과정은 몇 주에서 몇 달씩 지속되며, 전력 소비가 극단적으로 높다.
AI 추론(Inference)
우리가 챗봇이나 이미지 생성 서비스를 사용할 때, 매 요청마다 서버에서 연산이 이루어진다.
사용자가 늘고 활용이 생활 곳곳으로 확산될수록 추론 단계의 전력 소모가 꾸준히 불어난다.
데이터센터 인프라(냉각·전력 공급·네트워크)
서버 자체뿐 아니라 냉각 시스템(에어컨, 냉동기), UPS(무정전 전원장치), 네트워크 장비 등이 모두 전기를 먹는다.
특히 고성능 AI 서버는 열 방출이 심해 냉각에 들어가는 전력 비중이 커진다.
업계에서는 데이터센터의 PUE(Power Usage Effectiveness), 즉 “전체 전력 / IT 장비 전력” 비율을 중요한 지표로 본다. 이 수치가 1.1~1.2 수준이면 상당히 효율적인 센터로 평가되지만, AI 특화 센터는 발열이 커서 이 수치를 낮추기가 더 어렵다.
HBM4·액체 냉각, ‘효율 20% 개선 vs 수요 10배 증가’의 딜레마
전력 효율을 높이기 위한 기술적 시도는 적극적으로 진행 중이다. 대표적인 키워드가 HBM4, 액체 냉각, 칩 효율 개선이다.
HBM4 (High Bandwidth Memory 4)
GPU 옆에 붙는 초고속 메모리로, 같은 연산을 할 때 더 짧은 시간에 데이터를 주고받도록 해 전체 시스템 효율을 높인다.
메모리 용량과 대역폭이 커질수록, 같은 작업을 더 적은 칩으로 처리할 수 있다는 기대가 있다.
액체 냉각(Liquid Cooling)
기존 공랭식(공기로 식히는 방식) 대신, 냉각수를 서버 가까이까지 보내 열을 직접 빼앗는 방식이다.
냉각 효율을 크게 높여, 냉방에 들어가는 전력을 줄일 수 있다.
칩 효율 개선
더 미세한 공정, 특화된 AI 가속기 설계 등을 통해 “와트당 연산량”을 계속 끌어올리고 있다.
문제는 효율의 개선 속도보다 수요 증가 속도가 훨씬 빠르다는 점이다.
“효율 20% 개선 vs 수요 10배 증가”
필자는 이 대비가 AI 전력 문제의 본질을 가장 잘 드러낸다고 본다. HBM4와 더 효율적인 칩이 나와도, AI 서비스가 연산량을 10배로 키워버리면 총 전력 소비는 오히려 증가한다. 마치 연비 좋은 차를 샀는데, 그 덕분에 더 자주 더 멀리 운전하게 되는 것과 비슷한 현상이다.
인프라의 시간 vs AI 성장 속도
전력 인프라는 소프트웨어처럼 빠르게 업데이트할 수 없다. 발전소와 전력망 증설에는 보통 5~10년이 걸린다.
신규 발전소 건설: 부지 선정, 인허가, 환경 영향 평가, 건설, 시험 운전까지 최소 5~7년, 원전은 10년 이상이 걸리기도 한다.
송배전망 확충: 초고압 송전선로를 새로 까는 일은 주민 수용성, 환경·경관 이슈 등으로 인해 더 오래 지연되곤 한다.
재생에너지·ESS(에너지저장장치): 태양광·풍력 설치 속도를 높여도, 간헐성을 보완하기 위한 ESS, 계통 안정화 설비 구축은 또 다른 시간과 투자를 요구한다.
반면 AI 서비스의 확산 속도는 ‘월 단위’로 움직인다.
새로운 초거대 모델이 나오면, 클라우드 사업자·빅테크는 경쟁적으로 AI 서버 투자를 늘린다.
기업과 개인은 비용과 전력 인프라 한계를 크게 의식하지 않고 AI 도입을 가속한다.
규제가 부재한 한, “서버 더 깔고, 칩 더 사서, 서비스 더 확장하는 쪽이 이긴다”는 게임의 룰이 유지된다.
ZDNet 분석이 지적하듯, “인프라의 시간”과 “AI 성장 속도”는 근본적으로 어긋나 있다. 이 미스매치가 장기적으로는 전력망 안정성, 전기요금, 에너지 전환 정책 전체를 압박하는 요인이 될 수 있다.
3장. 전기 먹는 AI, 누가 비용을 내나 – 기업과 정책의 의사결정 구조
빅테크가 전력 효율보다 처리량을 우선하는 이유
현재 데이터센터 사업자와 빅테크는 왜 전력 효율보다는 처리량(Throughput) 극대화에 더 큰 가중치를 둘까. 기사와 업계 인터뷰들을 종합하면 크게 세 가지 이유가 꼽힌다.
고가 AI 칩과 단기 수익 구조
AI 칩 한 개당 가격이 고가인 만큼, 이 칩을 최대한 “쥐어짜서” 많은 작업을 처리해야 투자금을 회수할 수 있다.
클라우드·AI 서비스는 대부분 사용량 기반 과금 모델이다. 연산량이 늘어날수록 매출이 증가한다.
규제 부재
현재 대부분의 국가에서 “AI 데이터센터 전력 효율 기준”은 권고 수준에 머물러 있다.
기업 입장에서는 남들이 전력을 아끼지 않는 상황에서 혼자 효율만 우선시하면 경쟁에서 뒤처질 수 있다는 우려가 있다.
성장 우선의 시장 논리
신규 시장을 선점하는 것이 가장 중요한 시기라는 인식이 강하다.
“일단 시장을 장악한 뒤에 효율을 고민하자”는 전략이 선택되기 쉽다.
이 구조를 가장 잘 요약하는 문장은 다음과 같다.
“규제가 없으면 기업은 자발적으로 전기를 아끼지 않는다.”
이는 기업의 도덕성 문제라기보다, 시장 논리와 공공 인프라 리스크의 충돌로 보는 편이 타당하다. 전기는 개별 기업의 비용 항목이면서 동시에 사회 전체가 공유하는 인프라다. 어느 기업이든 자신의 이익을 극대화하는 방향으로 행동하는 것이 자연스럽기 때문에, 전체 관점의 조정은 결국 정책과 규제, 가격 신호의 영역이다.
한국 맥락: 두산에너빌리티·전력 인프라 산업의 구조적 변화
한국으로 시야를 좁혀보자. AI 데이터센터 증가와 전력 수요 확대 속에서 원전·발전·전력 인프라 기업의 역할은 다시 부각될 가능성이 크다.
두산에너빌리티
원전·발전 관련 수주 잔고가 23조원 규모에 이르렀다.
1분기 영업이익은 전년 대비 30% 증가가 예상되고 있다.
AI 시대의 전력 수요 확대 속에서 원전·클린에너지 인프라에 대한 기대감이 반영된 흐름이다.
전력 인프라 산업 전반
송배전망, 변압기, ESS, 스마트그리드 등 연관 산업까지 수주와 투자가 늘어날 가능성이 있다.
특히 AI 데이터센터는 전력 공급의 신뢰도(안정성)를 무엇보다 중시하기 때문에, 전력 계통 강화 투자는 선택이 아니라 필수가 된다.
필자는 두산에너빌리티를 “AI 전력 시대의 인프라 축”으로 보는 시각이 시장에 점차 퍼지고 있다고 판단한다. 과거에는 원전·발전이 경기·정책에 크게 좌우되는 경기방어 혹은 장기 프로젝트 영역으로 분류됐다면, 이제는 AI 성장과 직결된 성장 인프라로 다시 조명되는 구도다.
물론 이 기대에는 전제가 있다. 원전 확대 여부, 재생에너지 비중, 탄소 중립 목표, 전기요금 정책이 복합적으로 작동하는 한국의 에너지 정책이 어느 방향으로 선회하느냐에 따라, 전력 인프라 기업의 ‘실제 수혜’는 크게 달라질 수 있다.
전력요금과 규제, 결국 시민이 지불하는 비용
전기 먹는 AI의 비용은 결국 세 갈래로 나뉘어 사회에 전가된다.
전기요금
대규모 전력 수요가 늘어나면, 도매 전력 가격과 계통 안정화 비용이 상승할 수 있다.
지금까지는 누진제 구조와 정책 요금 조정으로 가려져 왔지만, 장기적으로는 기업·가계 모두에게 단가 인상 압력이 돌아온다.
세금·재정
송배전망·발전소·재생에너지 지원 등 인프라 투자에는 공공 재원이 들어간다.
국가채무, 에너지 관련 세제, 보조금 구조를 통해 시민이 간접적으로 부담하게 된다.
환경·지역 갈등
발전소·송전선 건설 과정에서 환경 훼손, 지역 주민 갈등이 반복적으로 발생해왔다.
AI 데이터센터를 유치한 지역은 일자리를 얻는 대신, 전력망 부담과 환경 리스크를 떠안게 된다.
이 지점에서 정책의 역할은 분명해진다. AI의 경제적 이익을 유지하면서, 인프라 리스크와 사회적 비용을 관리하기 위해서는 전력 효율 의무화, 데이터센터 입지·전력 사용 규제, 재생에너지 연계 의무 등 다양한 수단을 검토할 수밖에 없다.
4장. 투자자와 시민이 함께 봐야 할 ‘AI-전력-반도체’ 삼각 구도
개인 투자자: “AI 테마주”가 아니라 “에너지 구조”까지 봐야 한다
삼성전자·SK하이닉스·두산에너빌리티는 지금 한국 증시에서 AI–전력–반도체 삼각 구도를 상징적으로 보여주는 종목이다. 다만 필자는 이 종목들을 볼 때, 단순히 “AI 붐, 그래서 오른다”라는 1차원적 시각을 넘어 다음 세 가지 축을 함께 보길 권한다.
AI 수요의 질과 지속 가능성
단순한 ‘유행’인지, 생산성 향상과 산업 구조 변화로 이어지는 구조적 수요인지 구분해야 한다.
기업 IT 예산, 클라우드 사용량, 국가별 AI 투자 정책 등이 중장기 수요를 가늠하는 단서가 된다.
전력 인프라와 규제 리스크
각국 정부가 데이터센터 전력 사용에 규제를 도입할 경우, AI 인프라 투자 속도는 조정될 수 있다.
전기요금 상승, 탄소세·탄소국경조정 등 환경 규제는 전반적인 IT·제조 비용 구조를 바꾼다.
에너지 전환과 원전·재생에너지의 역할
AI 데이터센터와 재생에너지(태양광·풍력)를 어떻게 연결할 것인지, 원전 비중을 어떻게 조정할 것인지에 따라 전력 믹스가 달라진다.
두산에너빌리티 같은 기업은 이 변화의 한가운데에 서 있다. 원전·가스터빈·풍력·수소 등 포트폴리오의 방향성은 AI 전력 시대에 중요한 변수다.
이 관점에서 보면, 투자자는 더 이상 개별 종목의 P/E, P/B만 볼 수 없다. “AI–전력–반도체”라는 세 개의 톱니바퀴가 어떻게 맞물리는지를 함께 짚어야 한다. 예컨대, 관련 산업 동향이나 에너지·AI 정책을 읽기 위해 꾸준히 자료를 찾아보는 것이 필요하다. 이런 흐름을 공부하는 과정에서 실무자들이 참고하는 해외 리포트나 기술서적도 도움이 되는데, 전력·반도체 구조를 다루는 입문용 서적을 찾을 때는 온라인 서점이나 커머스 플랫폼(예를 들어 이렇게 정리된 추천 목록을 제공하는 이 링크)를 활용해 기본기를 다지는 것도 방법이다.
물론 이 글은 특정 종목 매수·매도를 권유하는 성격이 아니다. 다만 “AI 수요가 곧 전력 수요이며, 그것이 곧 반도체와 인프라의 밸류 체인으로 이어진다”는 구조를 이해하느냐가 향후 투자 판단의 질을 구분 짓는 요소가 될 수 있다는 점은 분명하다.
시민·소비자: AI의 편리함 뒤에 가려진 전기요금·탄소·지역 갈등
투자자가 아니더라도, 시민·소비자 입장에서 이 문제는 생활과 멀리 있지 않다.
전기요금
AI 데이터센터가 늘어나면, 장기적으로는 전력 수요 곡선이 높아진다.
전기요금 체계 개편이나 요금 인상 논쟁이 반복될 때, “AI 산업 vs 일반 가계·중소기업”의 부담 배분 문제가 떠오를 수밖에 없다.
탄소 배출과 기후
AI가 쓰는 전기의 상당 부분이 화석연료 기반 발전에서 나온다면, AI 확산은 탄소 배출 증가와 직결된다.
탄소 중립을 위해서는 AI 데이터센터가 재생에너지·원전 등 상대적으로 탄소 집약도가 낮은 전원과 어떻게 연계되는지가 중요해진다.
지역 발전소·송전선 이슈
수도권·대도시 인근 데이터센터 전력 수요를 맞추기 위해, 외곽 지역에 발전소와 초고압 송전선이 들어서는 패턴은 이미 수차례 반복된 바 있다.
“AI 서비스의 편리함을 누리는 지역”과 “그 전기를 공급하기 위해 환경·경관·건강 리스크를 감내하는 지역”의 불균형은 민주적 논의를 필요로 한다.
결국 AI는 우리 삶을 더 편리하게 만드는 도구이면서 동시에 공공 인프라를 갉아먹을 수 있는 거대한 수요원이기도 하다. 어느 쪽으로 기울지를 결정하는 것은 기술이 아니라 사회적 합의와 제도 설계다.
“AI가 설계하는 더 똑똑한 칩과 전력망” vs “사용량을 정하는 것은 인간”
한편으로는 낙관론도 존재한다. AI 자체가 더 효율적인 칩과 전력망을 설계하는 도구로 활용될 수 있다는 시나리오다.
칩 설계 자동화(EDA) 분야에서는 이미 AI를 활용해 회로 설계·배치를 최적화하는 시도가 진행 중이다.
전력망 운영에서도 AI는 수요 예측, 설비 이상 감지, 재생에너지 출력 변동 대응 등에서 중요한 역할을 할 수 있다.
궁극적으로는 “AI가 설계한 고효율 칩이 AI를 구동하고, AI가 제어하는 스마트그리드가 전력망을 운영한다”는 선순환 구조도 그려볼 수 있다.
그러나 필자는 이 낙관이 사용량의 문제를 자동으로 해결해주지는 않는다고 본다.
“AI가 설계하는 더 똑똑한 칩과 전력망이 등장하더라도, 그 AI를 얼마나, 어디에, 어떤 속도로 쓸지는 여전히 인간의 사회적 합의 문제다.”
AI가 효율을 높여줄 수는 있다. 하지만 그 효율성 덕분에 우리는 더 많은 서비스를, 더 자주, 더 저렴하게 쓰고 싶어질 것이다. 브레이크와 액셀을 어디까지 밟을지 결정하는 손은 결국 우리에게 있다.
결론(에필로그) – 반도체 호황만으로는 설명되지 않는 한국 경제의 다음 페이지
지금 한국 경제를 바라보는 가장 단순한 서사는 이렇다. “삼성전자와 SK하이닉스 실적 호황 → 한국 GDP 반등 → 코스피 사상 최고치.” 이 서사가 완전히 틀린 것은 아니다. 하지만 거기서 멈추면 AI와 전력이라는 거대한 변수를 놓치게 된다.
반도체가 한국 경제를 다시 끌어올리고 있는 것은 분명하다. 그러나 그 반도체를 굴리는 전기는 아직 충분히 준비되어 있지 않다. AI가 만들어낼 부가가치와 일자리, 산업 경쟁력을 누리기 위해서는, 누가 어떤 방식으로 그 전력 비용을 감당할 것인지에 대한 사회적 합의가 뒤따라야 한다.
이 글을 읽는 독자라면 한 번쯤 이런 질문을 던져볼 필요가 있다. “우리는 어떤 속도의 AI를, 어떤 전력 믹스와 어떤 전기요금을 감수하면서 받아들일 것인가.” 그리고 “그 선택의 결과로 얻는 이익과 부담은, 누구에게 얼마나 공정하게 돌아가고 있는가.”
![[2026 반도체 대전망] SK하이닉스 HBM4 초격차와 230조 원대 역대급 영업이익, 슈퍼사이클의 실체는?](https://pep.pe.kr/wp-content/plugins/contextual-related-posts/default.png "[2026 반도체 대전망] SK하이닉스 HBM4 초격차와 230조 원대 역대급 영업이익, 슈퍼사이클의 실체는?")
