융도엔지니어링은 1988년 창업 이후 올해로 38주년을 맞은 건축설비 엔지니어링 전문기업이다. 건축기계설비설계와 소방설비설계, 방재계획, 시공감리분야의 앞선 기술력과 차별된 컨설팅, 국내외 다수의 초대형 건축물들의 쾌적한 실내공간 구현과 효율적인 에너지사용 실현을 완성해가고 있다.

 

축적된 기술경험을 바탕으로 건축물의 안정성, 효율성, 경제성을 고려한 최적의 설계 솔루션 제공과 고객의 요구와 프로젝트 특성에 맞는 고품질 엔지니어링 서비스를 수행하고 있다.

 

특히 데이터센터분야에서는 디지털산업 성장과 AI기술 확산에 따른 고밀도·고신뢰 인프라 구축 요구에 대응해 전문 설계 역량을 강화하고 있다.

 

정종현 융도엔지니어링 본부장(부사장)을 만나 AI 데이터센터 확산 이후 달라진 설계트렌드와 액체냉각 설계 시 주의할 사항에 대해 들어봤다.

 

■ AI DC 확산 이후 DC설계에서 가장 크게 달라지고 있는 부분은

AI 데이터센터 확산으로 데이터센터 설계에서 가장 크게 달라진 점은 고밀도 전력 공급과 냉각시스템 강화다. 기존 데이터센터는 CPU 중심의 일반 서버를 운영했지만 AI 데이터센터는 GPU와 AI 가속기를 대규모로 사용하면서 랙당 전력소비와 발열 증가에 따라 Cooling Capacity, ΔT, Water Quality뿐만 아니라 유량분배와 차압을 포함한 Hydraulic Balance까지 동시에 검토해야 한다. 이에 따라 설계의 핵심이 공간 활용보다 안정적인 전력공급과 효율적인 열관리로 바뀌고 있다.

 

특히 기존의 공랭식 냉각만으로는 고밀도 AI랙의 열을 경제적이고 안정적으로 처리하는 데 한계가 있어 직접 액체를 이용하는 액체냉각(DLC) 적용이 빠르게 확대되고 있다. 또한 전력설비와 UPS용량이 확대되고 전력공급이 안정적인 지역을 데이터센터 입지로 선택하는 사례도 늘어나고 있다.

 

네트워크 설계도 변화하고 있다. 대규모 AI학습을 위해 GPU간 초고속·저지연 통신이 중요해지면서 고대역폭 네트워크와 효율적인 서버 배치가 필수요소가 됐다.

 

AI 데이터센터는 전력, 냉각, 네트워크를 통합적으로 최적화하는 고성능 인프라 중심으로 설계가 변화하고 있으며 이러한 점이 기존 데이터센터와 가장 큰 차이점이다.

 

■ 기존 공랭식 데이터센터 설계가 한계에 부딪히는 지점은

GPU서버와 고밀도 AI랙의 증가로 기존 공랭식(Air Cooling) 데이터센터 설계는 경제성과 에너지효율 측면에서 한계가 있다. 기존 데이터센터는 CPU 중심의 낮은 전력밀도를 기준으로 설계돼 랙당 5~15kW 수준의 전력을 처리했지만 AI 데이터센터에서는 GPU를 대량으로 탑재한 고밀도 랙이 50~150kW 이상의 전력을 소비하면서 발열이 급격히 증가하고 있다. 이처럼 높은 열 발생은 공기만으로 냉각하기 어려워 서버성능 저하와 장비고장 위험을 높인다.

 

또한 공랭식 냉각은 충분한 냉각을 위해 대량의 차가운 공기를 지속적으로 공급해야 하므로 냉각설비의 전력소비가 크게 증가한다. 이로 인해 데이터센터의 에너지효율이 낮아지고 운영 비용도 상승하게 된다. 국부적인 Hot Spot 발생 가능성이 증가하고 냉각기류 확보를 위해 랙 간 이격거리가 증가해 공간 활용에도 제약이 발생한다.

 

■ 랙당 전력밀도는 과거와 비교해 어느 정도 변하고 있나

AI 데이터센터 확산으로 설계단계에서 검토되는 랙(Rack)당 전력밀도(Power Density)는 과거와 비교해 크게 증가하고 있다. 일반적인 기업용 데이터센터는 CPU 기반 서버를 중심으로 운영돼 랙당 약 5~10kW, 고성능환경에서도 10~15kW 수준을 기준으로 설계됐다.

 

그러나 AI 학습과 추론에 사용되는 GPU서버는 전력소비와 발열이 매우 크기 때문에 최근 AI 데이터센터에서는 30~60kW가 일반적인 설계 수준이며 Hyperscale AI 데이터센터는 80~120kW 이상, 차세대 GPU 플랫폼은 150kW 이상도 검토되고 있다. 이는 과거대비 약 5~10배 이상 높은 수준으로, 기존 공랭식 냉각만으로는 안정적인 운영이 어려운 환경이다.

 

이처럼 랙당 전력밀도가 급격히 증가하면서 높은 발열을 효과적으로 제거하기 위해 DLC와 같은 액체냉각기술이 핵심 설계 요소로 자리 잡고 있다.

 

■ 향후 데이터센터 설계 변화는

최근 기존 공랭식 설비를 최대한 활용하면서 랙 후면에 RDHx(Rear Door Heat Exchanger)를 적용하는 하이브리드 냉각방식도 함께 검토되고 있으며 랙 전력밀도에 따라 공랭식, RDHx, DLC를 단계적으로 적용하는 사례가 증가하고 있다.

 

향후 데이터센터 설계는 공랭식에서 액체냉각 중심으로 점진적으로 전환되겠지만 상당 기간 공랭식과 액체냉각을 함께 사용하는 하이브리드방식이 유지될 가능성이 높다. 모든 워크로드가 초고밀도 AI서버를 사용하는 것은 아니며 일반적인 기업용 애플리케이션과 클라우드 서비스는 여전히 공랭식만으로도 충분히 운영할 수 있기 때문이다.

 

반면 생성형 AI학습과 대규모 추론서비스는 GPU서버의 전력밀도가 지속적으로 증가하면서 공랭식만으로는 발열을 효과적으로 제어하기 어려운 수준에 이르고 있다. 이에 따라 신규 AI 데이터센터와 고성능 컴퓨팅(HPC)시설에서는 DLC를 기본설계로 채택하는 사례가 빠르게 늘어나고 있다. 액체냉각은 열제거효율이 높고 에너지소비를 줄일 수 있어 고밀도 AI랙 운영에 적합한 방식으로 평가된다.

 

향후 데이터센터는 AI 서버에는 액체냉각을, 일반 서버에는 공랭식을 적용하는 하이브리드 구조가 당분간 주류를 이룰 가능성이 높다. 다만 AI 서버의 전력밀도가 계속 증가하고 액체냉각기술의 비용과 운영성이 개선된다면 장기적으로는 고밀도 AI영역에서는 액체냉각이 사실상의 표준 냉각방식으로 자리잡을 가능성이 높다.

 

■ 액체냉각을 적용하더라도 공랭식 냉각이 완전히 사라지지 않는 이유는

액체냉각기술이 빠르게 확산되고 있지만 공랭식 냉각이 완전히 사라지지 않는 이유는 데이터센터의 모든 설비가 고밀도 AI 서버 환경을 필요로 하는 것은 아니기 때문이다. 실제 데이터센터는 AI 연산 영역과 일반 업무처리영역이 함께 운영되는 경우가 많다. 이에 따라 고밀도 GPU서버가 설치된 AI존에는 DLC를 적용하고 일반 서버구역은 공랭식을 유지하는 하이브리드 냉각방식이 효율적인 대안이 된다. 또한 액체냉각시스템을 적용하더라도 전원장비, 스토리지, 네트워크장비 등 일부 시설은 여전히 공기냉각이 필요하다.

 

결론적으로 액체냉각 확대는 공랭식 냉각의 완전한 대체가 아니라 AI시대의 높은 열밀도 문제를 해결하기 위한 보완적 전환으로 볼 수 있다. 향후 데이터센터는 장비특성과 운영목적에 따라 공랭식과 액체냉각을 조합하는 하이브리드 구조가 상당기간 유지될 것으로 예상된다.

 

■ 설계사무소 입장에서 CDU는 어떤 의미의 장비인가

설계사무소 입장에서 CDU는 열교환기, 순환펌프 및 제어시스템을 일체화해 FWS(Facility Water System)와 TCS(Technology Cooling System)를 안정적으로 연결하는 핵심 인터페이스 장비로서 IT장비와 건물설비(Facility)를 연결하는 경계(Boundary)역할을 수행한다. 기존 데이터센터는 공조기와 냉각탑, 냉동기 등 공랭식 중심의 열관리 구조였지만 최근 GPU서버와 고밀도 AI랙이 증가하면서 서버에서 발생하는 고열을 직접 제거하기 위한 액체냉각시스템의 중요성이 커지고 있다.

 

CDU는 중앙 냉각설비와 서버 내부 냉각루프 사이에서 냉각수의 온도, 유량, 압력 등을 제어하고 안정적으로 열을 전달하는 역할을 하며 단순한 기계설비장비가 아니라 AI 데이터센터의 냉각성능과 운영안정성을 결정하는 핵심 인터페이스다.

 

설계단계에서는 CDU 적용 여부에 따라 데이터센터 공간계획과 기계설비 구성이 크게 달라진다. CDU 설치 공간 확보, 배관 경로 및 샤프트 계획, 장비 반입·유지관리 공간 검토, 기존 냉각 시스템과의 연계 등이 필요하며 랙 배치와 전력밀도 계획에도 영향을 준다. 특히 고밀도 AI랙이 적용되는 환경에서는 CDU용량과 위치가 데이터센터 레이아웃을 결정하는 주요 요소가 된다.

 

■ L2L CDU와 L2A CDU를 설계 관점에서 어떻게 구분하나

L2L(Liquid to Liquid) CDU와 L2A(Liquid to Air) CDU는 모두 액체냉각시스템에서 사용되지만 설계관점에서는 열을 최종적으로 어떻게 처리하는지와 데이터센터 냉각인프라 구성에 따라 구분할 수 있다.

 

L2L CDU는 서버 냉각루프의 열을 별도의 시설냉각수 루프로 전달하는 방식이다. CDU 내부의 열교환기를 통해 IT장비 측 액체와 중앙 냉각시스템 측 액체가 분리되며 냉각수의 온도·유량·압력을 안정적으로 제어한다. 이 방식은 높은 열제거성능과 확장성을 확보할 수 있어 대규모 AI 데이터센터와 고밀도 GPU랙 환경에 적합하다.

 

반면 L2A CDU는 서버에서 회수한 열을 내장된 Air Heat Exchanger와 Fan을 이용해 실내로 방열하므로 실내공조부하 증가와 공간제약을 함께 고려해야 한다. 기존 시설을 부분적으로 AI환경으로 전환하거나 액체냉각 적용 범위가 제한적인 경우 활용성이 높지만 대규모 고밀도 AI랙에서는 방열용량과 공간효율 측면에서 한계가 발생할 수 있다.

 

L2L CDU는 신규 AI 데이터센터를 위한 고밀도·확장형 설계방식, L2A CDU는 기존 데이터센터 인프라를 활용한 단계적 전환방식으로 구분할 수 있다. 이에 따라 적용방식은 목표 랙 전력밀도, 기존 냉각설비 수준, 향후 증설 계획, 운영목적을 기준으로 결정해야 한다.

 

 

■ 액체냉각 데이터센터 설계에서 FWS와 TCS는 어떻게 구분하나

액체냉각 데이터센터 설계에서 FWS와 TCS는 냉각수의 역할과 적용범위에 따라 구분되는 두 가지 주요 냉각회로다. 두 시스템은 CDU를 기준으로 분리되며 데이터센터의 안정적인 열관리를 위해 각각 다른 기능을 수행한다.

 

FWS는 시설 측 냉각수시스템으로, Chiller Plant, Cooling Tower, Dry Cooler, Hybrid Cooler 등 건물측 열원설비와 연계되는 Facility Water System이며 CDU까지 안정적인 냉각수를 공급하는 시스템이다. FWS는 대량의 열을 외부 냉각 인프라로 전달하는 역할을 하며 일반적으로 냉각수 품질관리와 설비효율, 이중화 구성이 중요한 설계요소가 된다.

 

반면 TCS는 IT장비 측 냉각시스템으로, CDU와 GPU서버 내부의 콜드플레이트(Cold Plate) 또는 액체냉각장치 사이를 연결하는 폐쇄형 냉각루프다. TCS는 고밀도 AI 랙에서 발생하는 열을 직접 전달하는 역할을 하므로 일정한 온도와 유량 유지, 수질관리, 누수방지설계가 매우 중요하다.

 

FWS는 기존 기계설비 영역에 가까운 건물 인프라 측 냉각 설계, TCS는 AI 데이터센터 특화설비인 IT장비 연계 냉각설계로 구분할 수 있다. 이에 따라 CDU는 두 시스템을 연결하는 핵심 인터페이스 역할을 하며 설계단계에서는 FWS와 TCS의 용량, 배관구성, 제어방식, 유지관리 계획을 통합적으로 검토해야 한다.

 

■ 액체냉각 배관의 누수감지, 구역별 차단, 플러싱, 수질관리는 설계단계에서 어떻게 반영되나

액체냉각 데이터센터 설계에서는 배관누수, 오염, 냉각성능 저하가 AI서버 운영에 직접적인 영향을 줄 수 있기 때문에 누수감지, 구역별 차단, 플러싱, 수질관리 요소를 설계 초기 단계부터 반영해야 한다.

 

먼저 누수감지시스템은 CDU, 랙 연결부, 배관 접속부 등 누수 가능성이 높은 위치를 중심으로 계획한다. Leak Detection Cable이나 Sensor를 설치하고 BMS·DCIM과 연계해 실시간 감시와 경보가 가능하도록 구성한다. 또한 배관경로는 누수 발생 시 피해범위를 최소화할 수 있도록 케이블 트레이와 분리하거나 방수구역을 고려한 공간계획이 필요하다.

 

구역별 차단설계는 장애발생 시 데이터센터 전체 운영중단을 방지하기 위한 요소다. TCS 배관은 랙 또는 Row 단위의 냉각존으로 구분하고 각 구역에 차단밸브를 설치해 특정 영역만 격리할 수 있도록 설계한다. 이를 위해 CDU 용량, 배관 헤더 구성, 밸브위치를 초기 레이아웃 단계에서 함께 검토해야 한다.

 

플러싱계획은 시공 후 배관 내부의 이물질 제거와 냉각수 품질 확보를 위한 필수과정이다. 설계단계에서 플러싱용 접속구, 배수 포인트, 임시 순환 경로 등을 반영해야 하며 시운전 과정에서 유량·압력·수질기준을 만족하는지 검증해야 한다.

 

또한 수질관리시스템은 액체냉각의 장기 신뢰성을 결정하는 중요한 요소다. 냉각수의 부식, 미생물 발생, 입자오염을 방지하기 위해 필터, 수질센서, 약품관리, 폐쇄형 순환구조 등을 고려해야 한다. 특히 TCS는 GPU 서버와 직접 연결되므로 일정한 수질 기준 유지가 필요하다.

 

액체냉각 데이터센터 설계는 단순히 냉각용량을 확보하는 것을 넘어 누수 대응, 유지관리, 시운전, 수질 안정성을 포함한 운영 중심 설계가 필요하다.

 

■ CDU는 기존 칠러, 냉각탑, 드라이쿨러, 냉수펌프와 어떻게 연계되나

액체냉각 데이터센터에서 CDU는 기존 냉각설비와 AI서버 측 액체냉각시스템을 연결하는 핵심 인터페이스장비다. CDU는 단독으로 냉각을 수행하는 장비가 아니라 칠러(Chiller), 냉각탑, 드라이쿨러, 냉수펌프 등 기존 시설 냉각 시스템(FWS)과 연계되어 GPU 서버 냉각을 위한 최적의 냉각 조건을 제공한다. 또한 CDU의 부하 변화에 따른 가변유량(Variable Flow) 제어와 ΔT 최적화를 통해 냉각 효율을 높일 수 있도록 설계하는 것이 중요하다.

 

일반적인 구성에서는 CDU는 칠러뿐만 아니라 외기조건에 따라 Dry Cooler와 직접 연계해 Free Cooling을 외기조건이 허용되는 기간에는 Compressor 운전을 최소화해 에너지절감 효과를 얻을 수 있다. 냉수를 생산하고 냉수펌프가 이를 CDU까지 순환시키며 CDU는 열교환기를 통해 시설 측 냉각수와 서버 측 냉각수(TCS)를 분리하고 서버에서 발생한 열을 FWS로 전달한다. 이후 회수된 열은 냉각탑이나 드라이쿨러 등을 통해 외부로 방출된다.

 

설계 시 CDU와 냉각설비의 용량매칭이 중요하다. AI 랙의 높은 전력밀도를 고려하여 칠러 용량, 냉수 배관 규모, 펌프 용량, 냉각탑 또는 드라이쿨러의 방열 능력을 함께 검토해야 한다. 또한 CDU 이중화 구성과 유지보수를 고려한 배치 계획도 필수적이다.

 

특히 고효율 운영을 위해서는 계절과 부하조건에 따라 칠러와 드라이쿨러를 조합하는 방식도 고려할 수 있다. 저부하 또는 외기조건이 유리한 경우에는 프리쿨링을 활용하고 고부하 상황에서는 칠러시스템이 보조하는 형태로 에너지효율을 높일 수 있다.

 

 

■ 인랙, 인로우, 룸레벨 CDU 중 설계관점에서 장단점은

액체냉각 데이터센터 설계에서 CDU의 설치방식은 인랙(In-Rack), 인로우(In-Row), 룸레벨(Room-Level)방식으로 구분되며 각 방식은 냉각효율과 공간 활용, 유지관리 측면에서 서로 다른 장단점을 가진다.

 

인랙 CDU는 랙 내부 또는 랙과 인접한 위치에 CDU를 설치하는 방식으로, 냉각 대상과 거리가 짧아 배관손실이 적고 랙별 냉각제어가 용이하다. 고밀도 AI랙을 독립적으로 운영하거나 특정 랙의 높은 냉각요구에 대응하기 유리하다. 반면 랙 공간을 차지하고 장비 중량이 증가하며 랙 수가 증가할수록 CDU 관리대상이 많아져 유지관리와 운영 복잡성이 증가하는 단점이 있다.

 

인로우 CDU는 여러 랙 사이의 Row단위로 CDU를 배치하는 방식이다. 인랙방식보다 CDU 설치대수를 줄일 수 있어 관리효율이 높고 다수의 AI랙을 하나의 냉각그룹으로 구성하기 적합하다. 또한 랙 증설이나 배치 변경에 비교적 유연하다. 그러나 CDU 장애 발생 시 동일 Row에 연결된 여러 랙에 영향을 줄 수 있으며, 랙 배치와 배관 계획을 함께 고려해야 한다.

 

룸레벨 CDU는 데이터센터실 또는 별도 기계공간에 대용량 CDU를 설치하는 방식이다. 중앙 집중 관리가 가능하고 유지보수 공간 확보가 용이하며, 대규모 AI 데이터센터에서 용량 확장과 이중화 설계에 유리하다. 반면 CDU에서 각 랙까지 연결되는 배관 길이가 증가하여 배관 공간, 압력 손실, 누수 감지 및 유지관리 계획을 세밀하게 검토해야 한다.

 

인랙 CDU는 특정 고밀도 랙 중심의 소규모 환경, 인로우 CDU는 중간 규모 AI 클러스터, 룸레벨 CDU는 대규모 확장형 AI 데이터센터에 적합하다.

 

■ 국내 AI 데이터센터 액체냉각 설계역량을 높이기 위해 가장 시급한 과제는

액체냉각 기반 데이터센터 설계 경험 확보와 표준화된 설계기준 마련이다. 기존 국내 데이터센터는 공랭식 냉각을 중심으로 발전해 왔기 때문에 고밀도 GPU서버를 적용하는 AI 데이터센터에 필요한 액체냉각 설계 경험과 운영데이터가 아직 충분하지 않은 상황이다.

 

가장 먼저 필요한 것은 FWS, TCS, CDU, 배관 및 수질관리 등 액체냉각 특화 설계기준 정립이다. 액체냉각시스템은 단순히 기존 냉수시스템을 확장하는 방식이 아니라 IT장비와 직접 연결되는 구조이므로 냉각조건·이중화 방식·누수대응·유지관리기준 등을 종합적으로 검토해야 한다.

 

또한 전문 설계인력 양성이 중요하다. 액체냉각 데이터센터는 기계설비기술뿐만 아니라 GPU 서버특성, 랙 전력밀도, 운영방식에 대한 이해가 필요하므로 건축·기계·전기·IT분야간 협업역량이 요구된다. 실제 프로젝트 경험을 통해 설계 검증 능력을 축적하는 과정도 필수적이다.

 

마지막으로 국내 환경에 적합한 실증 프로젝트와 레퍼런스 확보가 필요하다. 다양한 냉각방식의 적용 결과와 운영데이터를 축적해야 향후 대규모 AI 데이터센터 설계 시 안정성과 경제성을 확보할 수 있다.

 

이에 따라 국내 AI 데이터센터 경쟁력 확보를 위해서는 설계기준 표준화와 실증 프로젝트 확대, 그리고 기계·전기·IT분야의 협업을 기반으로 한 전문인력 양성이 동시에 추진돼야 한다. 또한 ASHRAE, Open Compute Project(OCP) 등 글로벌 표준을 국내 설계기준과 연계해 적용할 수 있는 체계 마련도 시급하다. 이러한 기반이 마련될 때 국내 기업들도 글로벌 수준의 AI 데이터센터 설계경쟁력을 확보할 수 있을 것이다.