[기고] AI 시대 청정 기저전원, 원자력발전
인공지능(AI)의 일상화와 첨단산업의 성장에 따라 이를 뒷받침할 전력 확보가 국가 에너지정책의 최우선 현안으로 떠올랐다. 최근 제12차 전력수급기본계획 수립 과정에서도 AI 데이터센터와 첨단 산업단지의 신규 부하를 어떻게 전망하고 수용할 것인지가 핵심 쟁점으로 다뤄졌다.

한편에서는 차세대 반도체의 전력 대비 성능 향상, 고효율·경량화 AI 모델의 등장, 부지 선점을 노린 투기적 허수 신청 등을 근거로 AI발 전력수요 급증이 과장됐다는 회의론도 제기됐다. 그러나 전력계통과 에너지 정책 관점에서 보면 이는 기술 진화의 구조적 특성과 전력망의 물리적 제약을 과소평가한 시각이다. 기술 효율성이 높아질수록 자원 소비가 줄어들기보다 총수요가 증가하는 ‘제본스의 역설’이 AI에서도 나타난다. 연산 단가가 낮아질수록 AI 활용 분야가 확대되고, AI가 단순 사전학습에서 테스트 타임 컴퓨팅(TTC)과 인간 개입 없이 상시 작동하는 자율형 AI 에이전트로 진화하면서 전체 연산량 증가가 효율 개선 효과를 압도할 가능성이 크다.

더 중요한 것은 국가 전체 발전량보다 전력 피크 수요와 입지 집중도다. AI 가속기 확산으로 서버 랙당 전력밀도가 높아지고, 대규모 데이터센터는 막대한 투자비를 회수하기 위해 연중 높은 부하율로 가동된다. 현재 데이터센터 건설이 지연되는 주된 원인 역시 수요 부족이 아니라 망 접속 대기와 변압기·가스터빈 등 기자재 공급망 병목이다. 글로벌 빅테크가 재무적 부담을 감수하면서 원전 전력구매계약(PPA)과 소형모듈원전(SMR)에 대규모 투자를 추진하는 현실도 안정적인 전력 확보가 실제 경쟁력 문제임을 보여준다.

전력 인프라의 과잉투자와 과소투자 위험은 대칭적이지 않다. 데이터센터는 23년이면 건설할 수 있지만 기저발전원은 710년, 초고압 송전망은 10년 이상 걸린다. 보수적인 전망에 기대 투자를 미루다가 실제 수요가 급증하면 물리적 리드타임 때문에 단기간에 대응하기 어렵다. 이는 전력가격 상승과 첨단 제조업 경쟁력 저하로 이어질 가능성이 있다. 반면 여유 전력은 산업 전기화와 청정수소 등 다른 탈탄소 수요로 활용할 수 있다.

결국 핵심은 엄격한 탈탄소화 제약 속에서 거대한 경직성 부하를 어떻게 경제적으로 뒷받침할 것인가다. 국토가 협소하고 산지가 많으며 인접국과 계통이 연결되지 않은 ＇전력 섬＇인 한국에서 변동성 재생에너지만으로 24시간 가동하는 첨단 산업단지를 지탱하려면 대규모 초과설비와 에너지저장장치(ESS), 계통 안정화 비용이 뒤따를 수밖에 없다. 원전은 제한된 부지에서 대규모 무탄소 전력을 낮은 비용으로 연중 안정적으로 공급할 수 있는 현실적이고 검증된 수단이다. 재생에너지와 원전·SMR 등 고밀도 무탄소 전원을 조화롭게 결합해야 한다.

이제 단일 수요 예측치 논쟁에 매몰되기보다 ‘후회 없는(No-regret) 인프라 투자’로 정책의 중심을 옮겨야 한다. 인허가 단계에서 투기적 허수 신청은 걸러내되, 장거리 송전망 건설의 시간적 한계를 보완하도록 수요지 인근에 전원을 배치하고 지역별 차등요금제 등을 통해 비수도권 분산을 유도해야 한다. 적기에 저렴하고 안정적인 무탄소 전력을 공급할 수 있는 국가만이 AI 시대 산업 경쟁력과 산업 주권을 지켜낼 수 있다.