BloombergNEF 데이터센터 가스 전망, AI 성장에 화석연료 경로 제시

BloombergNEF는 미국 데이터센터의 천연가스 수요 전망치를 2035년까지 하루 약 180억 입방피트로 상향했다. 이는 9개월 전 추정치의 거의 두 배다. 이 전망은 AI 인프라 경쟁을 파이프라인, 발전소, 유틸리티 계획, 기후 공약을 둘러싼 훨씬 더 큰 시험대로 바꾼다.

이 전망이 제안된 모든 AI 캠퍼스가 건설된다는 뜻은 아니다. 이는 지연될 가능성이 큰 프로젝트를 이미 제외한 기본 시나리오를 반영한다. 이러한 조정 이후에도 데이터센터는 미국 천연가스 수요의 가장 큰 신규 원천 중 하나가 된다.

핵심 갈등은 더 이상 단순히 AI 성장과 전력망 용량의 대립이 아니다. 속도와 장기 에너지 전략의 대립이다. Meta, Microsoft, Google, Amazon 등 운영사들은 더 느린 전력망 및 발전 프로젝트가 완공되기 전에 신뢰할 수 있는 전력을 필요로 한다.

천연가스는 전력망을 통해서든 데이터센터 옆에 건설된 발전소를 통해서든 이러한 안정적인 출력을 제공한다. 그러나 가스는 연료 가격 변동 노출, 지역 대기오염, 탄소 배출, 수십 년간 이어지는 인프라 약정도 수반한다.

BloombergNEF의 데이터센터 가스 전망은 두 배로 늘었다

BloombergNEF의 수정 전망은 AI 인프라 계획이 기존 에너지 모델이 반영할 수 있었던 속도보다 더 빠르게 움직이고 있음을 시사한다.

새로운 전망에 따르면 미국 데이터센터는 2035년까지 하루 약 180억 입방피트의 천연가스를 소비할 수 있다. 이는 10년간 약 150억 입방피트/일(Bcf/d)의 증가에 해당한다.

전망된 증가분만으로도 거의 모든 국가의 현재 가스 소비량을 웃돈다. 전망과 함께 보도된 비교에 따르면 중국, 러시아, 이란, 미국만이 이보다 더 많이 소비한다.

이 규모는 독일과 일본의 소비량을 합친 수준도 넘어선다. 국가들은 여러 경제 부문에서 가스를 사용하기 때문에 이 비교가 완벽하지는 않다. 그러나 특화된 디지털 산업이 주요 에너지 소비자가 될 수 있음을 보여준다.

BloombergNEF의 추정은 공개된 프로젝트 발표만을 기반으로 하지 않는다. 이 모델은 제안된 다수의 데이터센터가 실제 가동에 이르지 못할 가능성도 반영한 것으로 알려졌다.

이 단서는 중요하다. 발표된 용량은 기존 전력망, 장비 공급업체, 건설 시장이 제공할 수 있는 수준을 크게 웃돈다. 프로젝트는 송전망 접근성, 인허가, 터빈, 용수, 자금 조달 또는 확정 고객의 부재로 무산될 수 있다.

이러한 프로젝트를 걸러낸 뒤에도 BloombergNEF는 데이터센터가 미국 가스 수요 증가의 두 번째로 큰 원천이 될 것으로 예상한다. 이 기간에는 액화천연가스 수출만이 더 많은 수요를 추가할 전망이다.

가스 전망은 BloombergNEF의 전력 전망에 대한 또 다른 큰 폭의 수정 뒤에 나왔다. 이 회사의 용량 전망은 2035년까지 미국 데이터센터 용량 194기가와트가 가동될 것으로 예상한다.

이 추정치는 회사의 이전 전망보다 83% 높았다. 또한 데이터센터가 2035년까지 미국 전력의 약 5분의 1을 소비할 수 있음을 시사했다.

BloombergNEF는 비정상적으로 빠른 연결 일정 아래에서도 전력망이 여전히 19GW의 공급 격차에 직면할 것이라고 계산했다. 기본 시나리오에서 이 격차를 메우려면 최대 48GW의 현장 가스 발전이 필요하다.

현장 발전은 지역 전력망에 전적으로 의존하는 대신 고객 계량기 뒤편에서 이뤄진다. 이는 송전망 업그레이드가 끝나기 전에 캠퍼스가 가동을 시작하도록 도울 수 있다.

따라서 새로운 가스 전망은 연료 수요에 대한 단순한 조정 이상의 의미를 가진다. 데이터센터 용량, 전력 소비, 전용 발전이라는 세 가지 확대되는 추정치를 연결한다.

각 추정치는 여전히 불확실한 가정에 의존한다. AI 하드웨어 효율은 개선될 수 있고, 발표된 캠퍼스는 취소될 수 있으며, 대체 발전원은 더 빠르게 공급될 수 있다.

그럼에도 그 방향성은 점점 더 무시하기 어려워지고 있다. 상향 조정이 이뤄질 때마다 유틸리티에는 완벽한 정보를 기다리는 것 자체가 위험을 수반한다고 알린다. 동시에 기술 기업에는 이제 컴퓨팅 조달이 에너지 조달에 달려 있음을 보여준다.

이는 AI를 구축하는 사업의 성격을 바꾼다. 기업은 첨단 칩을 확보하고 캠퍼스를 건설한 뒤 충분한 전력이 뒤따를 것이라고 가정할 수 없다. 전력은 초기 설계의 일부로 계약하고, 생산하고, 저장하고, 공급해야 한다.

그 결과 AI 배포에 새로운 병목이 생긴다. 업계는 수년간 GPU 확보 경쟁을 벌였다. 이제는 전력망 연결, 가스 터빈, 파이프라인, 그리고 이를 운영할 허가를 두고 경쟁하고 있다.

AI 전력 수요는 전력망보다 빠르게 움직이고 있다

이 압력은 데이터센터 건설 일정과 지역 전력 시스템 확장을 위한 더 느린 시간표 사이의 불일치에서 비롯된다.

대형 AI 캠퍼스는 유틸리티가 주요 송전 프로젝트를 승인하고 완공하는 것보다 더 빠르게 계획 단계에서 건설 단계로 넘어갈 수 있다. 신규 송전선은 종종 여러 관할 구역을 통과하며 장기간의 심사를 필요로 한다.

발전소 역시 장비 제약에 직면한다. 가스 터빈 제조업체는 긴 수주 잔량을 관리해야 하며, 변압기와 개폐 장치는 여전히 신속한 조달이 어렵다.

이러한 시점 문제는 천연가스에 실용적 이점을 제공한다. 가스 발전기는 급전 가능한 전력을 공급할 수 있어, 전력 수요 변화에 따라 운영사가 생산량을 올리거나 낮출 수 있다.

AI 시설은 고가의 컴퓨팅 하드웨어를 24시간 가동하기 때문에 이러한 제어를 중시한다. 전력 공급이 불안정하면 자금 조달, 인력, 냉각 비용이 계속 발생하는 동안 칩은 유휴 상태에 놓인다.

기업이 데이터센터 옆에 발전 설비를 배치할 수 있을 때 그 매력은 더욱 커진다. 전용 발전소는 과부하된 연결에 대한 의존도를 낮추고 일부 송전 지연을 피할 수 있다.

그러나 현장 가스 발전이 모든 제약을 없애지는 않는다. 발전소에는 여전히 터빈, 연료 공급, 환경 승인, 계통 연계 장비가 필요하다. 유지보수나 공급 중단에 대비한 백업 시스템도 필요할 수 있다.

파이프라인 역시 또 다른 제약이다. 한 지역이 풍부한 가스 자원을 보유하더라도 여러 신규 발전소에 공급할 충분한 지역 운송 용량이 없을 수 있다.

이 때문에 기존 통행권, 저장 시설, 파이프라인 연결은 전략적 가치를 얻고 있다. PwC의 가스 인프라 분석은 인허가, 터빈, 파이프라인, 용수, 시간을 희소 자원으로 설명한다.

PwC는 AI와 연계된 미국의 추가 가스 수요가 2035년까지 7.6~11.5Bcf/d에 이를 수 있다고 추정한다. 그 범위는 BloombergNEF의 최신 총량보다 낮은데, 이는 부분적으로 모델마다 AI 관련 수요를 다르게 정의하기 때문이다.

이 차이는 잘못된 정밀성을 경계하게 해야 한다. 국가 AI 가스 소비량을 기록하는 단일 계량기는 없다. 분석가들은 제안된 용량, 완공률, 가동률, 효율성, 예상 전력원을 결합해야 한다.

그럼에도 모델들은 작동 원리에는 동의한다. 데이터센터 용량이 늘어나면 대규모의 지속적인 전력 수요가 생긴다. 이후 전력망 지연은 전용 발전의 매력을 높인다.

Lawrence Berkeley National Laboratory는 같은 압력에 대한 또 다른 관점을 제공한다. 이 기관의 2025년 업데이트는 데이터센터가 2030년까지 미국 전력의 11.8%를 차지할 수 있다고 추정한다.

국가 에너지 보고서는 9.5~15.3%의 시나리오 범위를 제시한다. 이 범위는 장비 출하량, 시설 유형, 냉각, 운영 관행에 관한 불확실성을 반영한다.

이 비율이 중요한 이유는 데이터센터가 지리적으로 수요를 집중시키기 때문이다. 국가 전력망은 추가 부하를 감당할 수 있어 보일 수 있지만, 특정 유틸리티 관할 구역은 심각한 부족에 직면할 수 있다.

북부 버지니아는 이러한 집중을 보여준다. 구축된 광섬유 네트워크와 클라우드 인프라는 시설 클러스터를 끌어들였고, 지역 송전 계획에 이례적인 압력을 가했다.

신규 프로젝트는 가용 토지나 에너지 자원을 보유한 텍사스, 오하이오, 펜실베이니아, 루이지애나 등 다른 시장으로 확산되고 있다. 이러한 이동이 인프라 압력을 없애지는 않는다. 압력을 재분배할 뿐이다.

유틸리티는 제안된 모든 캠퍼스가 확정되기 전에 어느 정도의 발전 및 송전 설비를 구축할지 결정해야 한다. 너무 적게 건설하면 프로젝트는 대기하거나 자체 발전을 설치하게 된다.

너무 많이 건설하면 일반 고객이 불필요한 인프라 비용을 떠안을 수 있다. 규제 당국은 어떤 비용이 데이터센터 개발업체에 속하고 어떤 비용이 일반 전기요금에 포함돼야 하는지 판단해야 한다.

이 결정은 AI 에너지 논쟁에 직접적인 소비자 차원을 부여한다. 모델 출시 지연은 기술 기업에 영향을 미친다. 잘못 배분된 유틸리티 투자는 서비스 지역의 모든 가정과 기업에 영향을 줄 수 있다.

천연가스는 시점 문제를 해결하지만 고착화 문제를 만든다

가스는 AI 캠퍼스에 더 빨리 안정적인 전력을 공급할 수 있지만, 그 결과로 만들어진 인프라는 이를 정당화한 수요 가정보다 더 오래 지속될 수 있다.

데이터센터를 위해 건설된 가스 발전소는 일시적인 소프트웨어 배포가 아니다. 파이프라인, 터빈, 인허가, 자금 조달 구조는 수십 년간 남을 수 있다.

이러한 긴 수명은 AI 전망과 불일치를 만든다. 컴퓨팅 수요는 빠르게 변하지만, 물리적 에너지 자산은 훨씬 긴 기간에 걸쳐 투자를 회수한다.

개발업체는 캠퍼스가 수년간 거의 최대 용량으로 운영될 것이라고 예상할 수 있다. 그러나 더 새로운 칩은 전력 단위당 더 많은 연산을 제공할 수 있고, 작업 부하는 다른 지역으로 이동할 수 있다.

수요는 예상보다 더 빠르게 증가할 수도 있다. 이 경우 전용 가스 발전소는 가교 인프라에서 AI 경제의 영구적 기반으로 확장될 수 있다.

따라서 “가교”라는 단어는 겉보기보다 더 큰 불확실성을 담고 있다. 가교는 다른 에너지 시스템으로 이어져야 한다. 대체 수단이 도착하지 않으면 고착화가 된다.

International Energy Agency는 재생에너지가 2030년까지 전 세계 데이터센터 추가 전력 수요의 거의 절반을 공급할 것으로 예상한다. 천연가스와 석탄은 합쳐서 40% 이상을 공급할 것이다.

IEA의 기본 시나리오에서 데이터센터에 공급되는 전력 생산량은 2024년 460테라와트시에서 2030년 1,000TWh 이상으로 증가한다. 2035년에는 1,300TWh에 도달한다.

IEA의 에너지 공급 전망은 더 빠른 AI 확장도 모델링한다. 해당 시나리오에서 데이터센터 전력은 2035년까지 2,000TWh에 근접한다.

전력망 연결 대기열은 청정 발전원이 이처럼 높은 수요를 얼마나 빠르게 충족할 수 있는지를 제한한다. 그 결과 화석연료는 예상 밖 증가분에서 더 큰 비중을 차지한다.

이 메커니즘은 기업의 재생에너지 계약이 물리적 문제를 해결하지 못하는 이유를 설명한다. 기업은 청정에너지 인증서를 구매할 수 있지만, 해당 시설은 여전히 가스를 태우는 지역 시스템에서 전력을 끌어올 수 있다.

입지와 시점은 신규 부하에 실제로 반응하는 발전기를 결정한다. 다른 시장의 태양광 프로젝트가 야간에 운영되는 AI 클러스터에 반드시 전력을 공급하는 것은 아니다.

배터리는 시간대 사이에 전력을 이동시키고 최대 수요를 줄일 수 있다. 하지만 높은 가동률의 캠퍼스가 필요로 하는 지속적인 에너지를 독자적으로 생산할 수는 없다.

원자력은 안정적인 저탄소 발전을 제공하며, 여러 기술 기업이 이를 추진하고 있다. 그러나 신규 원자로는 보통 데이터센터보다 더 긴 개발 일정을 거친다.

기존 원전의 재가동이나 운영 중인 발전소의 전력 구매는 개별 프로젝트에 도움이 될 수 있다. 그러나 이러한 선택지는 지리적 조건과 가용한 원전 설비에 의해 제한된다.

지열 에너지 역시 낮은 운영 배출량으로 안정적인 출력을 제공할 수 있어 관심을 끈다. 단기적인 기여도는 시추 성능, 프로젝트 실행력, 적합한 입지에 달려 있다.

천연가스는 이용 가능하고 익숙하며 출력 조절이 가능하다는 이유로 현재의 많은 비교에서 우위를 차지한다. 전력망 발전과 독립형 캠퍼스 시스템 모두를 지원할 수 있다.

그러나 이 장점에는 배출량 외의 비용이 따른다. 전용 가스를 사용하는 AI 운영자는 연료 공급, 원자재 시장, 환경 규제에 노출된다.

이러한 방식은 기업이 갖춰야 할 전문성도 바꿀 수 있다. 기술 기업들은 파이프라인 운영사, 터빈 제조사, 전력회사, 대기질 규제기관과 협상해야 한다.

클라우드 고객에게는 이러한 결정이 결국 컴퓨팅 비용과 서비스 제공 지역에 영향을 미칠 수 있다. 에너지 집약적 워크로드는 전력 공급이 더 빠르고 예측 가능한 지역으로 이동할 수 있다.

따라서 개발자와 기업 구매자는 지리적 위치를 AI 아키텍처의 일부로 다뤄야 한다. 모델 성능도 중요하지만, 컴퓨팅 지역을 뒷받침하는 에너지 시스템은 용량, 안정성, 미래 비용을 좌우한다.

전망이 일일 180억 입방피트(Bcf/d) 달성을 보장하지는 않는다

BloombergNEF의 데이터센터 가스 수요 전망에 대한 가장 강력한 반론은 AI 수요와 프로젝트 완공 모두 여전히 이례적으로 예측하기 어렵다는 점이다.

헤드라인 수치는 많은 변수를 하나의 숫자로 압축한다. 이 변수들이 조금만 달라져도 2035년의 결과는 달라질 수 있다.

한 변수는 발표된 시설 중 실제 운영에 도달하는 시설의 수다. 미국의 개발 파이프라인에는 자금 조달이 완료되기 전에 부지, 연결망 또는 고객을 찾는 투기성 프로젝트가 포함돼 있다.

일부 제안은 동일한 제한된 전력망 용량을 두고 경쟁한다. 이들을 모두 독립적인 미래 수요로 계산하면 예상 결과를 과장하게 된다.

BloombergNEF는 완료되지 않을 프로젝트를 추정치에서 제외한다고 말한다. 다만 공개 보도만으로는 기반이 되는 독점 모델의 모든 프로젝트별 가정을 확인할 수 없다.

이는 독립적인 평가를 제한한다. 독자는 방향성과 보고된 총량은 평가할 수 있지만, 공개 정보만으로 전체 전망을 재현할 수는 없다.

두 번째 변수는 가동률이다. 명시된 최대 용량을 보유한 데이터센터가 매시간 그만큼의 전력을 반드시 소비하는 것은 아니다.

학습 클러스터는 강도 높은 수요를 만들 수 있는 반면, 추론 워크로드는 사용자 활동에 따라 달라질 수 있다. 운영자는 일부 컴퓨팅 작업을 전력 가용성에 맞춰 배치할 수도 있다.

세 번째 변수는 하드웨어 효율이다. 새로운 세대의 가속기는 에너지 단위당 더 많은 작업을 처리할 수 있지만, 전체 소비량은 여전히 늘어날 수 있다.

효율성은 고정된 워크로드에 필요한 에너지를 줄인다. 그러나 더 저렴해진 컴퓨팅으로 고객의 사용량이 크게 증가할 경우 수요 감소를 보장하지는 않는다.

이러한 반등 효과는 AI 에너지 불확실성의 중심에 있다. 더 나은 칩은 전력 수요 증가를 억제할 수도 있고, 추가 모델과 자동화 서비스의 경제성을 높일 수도 있다.

네 번째 변수는 전력 구성이다. BloombergNEF의 전망은 특히 전력망 연결이 계속 제약되는 곳에서 가스가 신규 부하의 상당 부분을 담당한다고 가정한다.

송전망 건설이 더 빨라지면 이 가정은 약화될 것이다. 재생에너지, 저장장치, 원자력 재가동, 향상된 지열 시스템 또는 유연한 컴퓨팅의 도입이 빨라져도 마찬가지다.

미국 가스 시장은 또 다른 불확실성을 제기한다. 에너지정보청에 따르면 총 소비량은 이미 2025년에 사상 최고인 일일 920억 입방피트를 기록했다.

그해 전력 부문은 일일 358억 입방피트를 소비했다. 2024년 대비 감소했음에도 이 부문은 미국 최대 가스 소비 부문으로 남았다.

EIA의 소비 데이터는 날씨, 태양광 증설, 배터리, 전력 수요가 연간 가스 사용량을 서로 다른 방향으로 움직일 수 있음을 보여준다.

데이터센터 전력용으로 일일 최대 150억 입방피트가 추가되면 LNG 수출, 산업 수요, 가정 난방, 생산 증가, 파이프라인 제약과 상호작용하게 된다.

공급 또는 공급망이 수요를 따라가지 못하는 지역에서는 가격이 오를 수 있다. 가격 상승은 가스 발전과 대체 전력원의 경제성을 다시 바꿀 것이다.

환경 정책 역시 결과를 바꿀 수 있다. 가스 발전소는 이산화탄소를 배출하며, 생산과 운송 과정에서는 강력한 온실가스인 메탄이 방출될 수 있다.

지역 사회의 반대는 질소산화물, 물 사용량, 소음, 전력 비용의 분담에 집중될 수 있다. 인허가 저항은 발전 시설과 데이터센터 자체 모두를 지연시킬 수 있다.

따라서 일일 180억 입방피트라는 예상치는 예정된 결과가 아니라 시나리오로 읽어야 한다. 이는 AI 확장이 가능한 한 경로를 따를 경우 필요한 시스템을 설명한다.

이 구분이 전망의 중요성을 낮추는 것은 아니다. 최종 수요가 확실해지기 전에 계획 결정은 내려진다. 전력회사와 개발업체는 불확실성의 범위가 넓은 상태에서 행동해야 한다.

위험은 양방향으로 존재한다. 인프라를 적게 구축하면 경제적으로 가치 있는 기반시설이 지연될 수 있다. 과도하게 구축하면 실제로 나타나지 않은 수요를 전제로 설계된 자산의 비용을 고객이 부담하게 될 수 있다.

AI 가스 확충 비용은 누가 부담하는가

결정적인 정책 질문은 단순히 신규 가스 설비가 건설되는지가 아니라, 누가 그 비용을 지불하고 위험을 부담하는가다.

데이터센터 개발업체는 전용 발전 설비를 직접 조달할 수 있다. 이 방식은 전력의 혜택을 받는 기업에 더 많은 프로젝트 위험을 부담시킨다.

규제 대상 전력회사가 예상되는 데이터센터 성장에 맞춰 발전 설비, 파이프라인, 변전소 또는 송전망을 건설할 때는 경계가 불분명해진다. 전력회사는 승인된 비용을 고객 요금으로 회수한다.

규제기관은 대형 고객에게 장기 계약 체결이나 재정 보증 제공을 요구할 수 있다. 이러한 보호장치는 다른 고객이 중단된 시설의 비용을 부담할 가능성을 줄인다.

다만 수요가 단계적으로 도착할 때 계약 설계는 어려워진다. 캠퍼스는 계획된 용량의 일부로 시작한 뒤 반복적인 증설을 요청할 수 있다.

전력회사는 더 많은 전력 판매에 고정 시스템 비용을 분산할 수 있기 때문에 대형 고객을 높이 평가하기도 한다. 그러나 신규 인프라 비용이 창출하는 수익을 초과하면 그 이점은 사라진다.

따라서 요금 설계는 여러 질문에 답해야 한다. 실제로 확약된 용량은 얼마인가? 고객은 얼마나 오래 남아야 하는가? 건설이 중단되면 누가 비용을 내는가?

같은 질문은 가스 인프라에도 적용된다. 여러 발전소에 공급하는 파이프라인 연장은 한 데이터센터가 폐쇄된 뒤에도 유용하게 남을 수 있다.

반대로 전용 지선은 하나의 캠퍼스가 방향을 바꾸면 좌초 자산이 될 수 있다. 그 가치는 대체 고객과 지역 네트워크 설계에 달려 있다.

지역 사회는 비금전적 비용도 부담한다. 신규 발전 설비는 지역 대기오염, 물 수요, 교통량, 산업용 토지 사용을 늘릴 수 있다.

혜택으로는 건설 일자리, 세수, 투자 유치가 포함될 수 있다. 그 균형은 지역과 개발업체와 협상한 조건에 따라 달라진다.

기후 공약은 또 다른 배분 문제를 만든다. 대형 기술 기업들은 야심 찬 배출량 목표를 발표했지만, AI 확장은 전력 수요를 늘린다.

재생에너지를 구매하면 새로운 청정 프로젝트를 지원할 수 있다. 그러나 그런 프로젝트가 가동되기 전 시설에 전력을 공급하는 전용 가스 발전소의 배출량을 없애지는 못한다.

탄소 포집은 일부 가스 발전소의 배출량을 줄일 수 있다. 그 효과는 포집률, 운영 성능, 운송 네트워크, 영구 저장에 달려 있다.

상쇄배출권 사용은 발전소 자체를 바꾸기보다 회계 처리의 층위를 하나 더 추가한다. 이해관계자들은 계약상 주장과 전력 생산의 물리적 배출량을 점점 더 구분하고 있다.

클라우드 배출량이 자체 보고의 일부가 되기 때문에 기업 고객은 이 구분을 주시해야 한다. 워크로드의 탄소 발자국은 일부는 실행되는 장소와 시간에 좌우된다.

대규모로 AI를 사용하는 기업은 지역별 발전 구성과 시간대별 배출량에 관한 더 상세한 정보가 필요할 수 있다. 연간 재생에너지 매칭은 지역 간의 중요한 차이를 가릴 수 있다.

이는 기업 내부의 지식 관리 과제이기도 하다. 인프라 팀, 지속가능성 조직, 조달 담당자, 경영진은 동일한 가정에 기반해 협업해야 한다.

검색 가능한 AI 지식 베이스는 팀이 에너지 계약, 용량 전망, 규제 결정을 보존하는 데 도움을 줄 수 있다. 불확실성을 해소할 수는 없지만, 가정을 가시화할 수 있다.

전망이 이처럼 빠르게 바뀔 때 이러한 가시성은 중요하다. BloombergNEF의 큰 폭 상향 조정은 인프라 전략이 수개월 안에 낡아질 수 있음을 보여준다.

전력회사가 투기적 요청을 공식 투자로 전환할수록 비용 논쟁은 심화될 것이다. 가장 강력한 보호책은 프로젝트 비용과 취소 위험을 투명하게 배분하는 것이다.

그러한 보호장치가 없다면, 지역 사회는 AI 개발업체가 우선적 접근권을 받고 다른 고객이 재정적·환경적 결과를 떠안는다고 결론 내릴 수 있다.

가스 전망의 유효성을 보여줄 세 가지 신호

전력망 연결, 실제 캠퍼스 건설, 가스 장비 공급이 2035년 전망이 강화될지 약화될지를 결정할 것이다.

첫 번째 신호는 발표된 데이터센터 용량이 실제 운영 부하로 전환되는 정도다. 보도자료와 토지 매입만으로는 충분하지 않다.

투자자는 완공된 건물, 설치된 컴퓨팅 장비, 계약된 고객, 측정된 전력회사 수요를 지켜봐야 한다. 발표와 운영 간 격차가 커지면 전망은 약화될 것이다.

두 번째 신호는 신규 전력망 연결의 속도다. BloombergNEF의 가스 전망은 부분적으로 송전과 발전이 데이터센터 건설 속도를 따라가지 못한다는 데 기반한다.

계통연계 승인이 더 빨라지면 더 많은 프로젝트가 지역 전력을 사용할 수 있다. 이것이 전력을 자동으로 청정하게 만들지는 않지만, 전용 가스 설비 건설은 줄일 수 있다.

연결 대기 적체가 지속되면 현장 발전의 논리는 강화된다. 기존 발전소와 파이프라인 네트워크 인근 캠퍼스의 전략적 가치도 높아질 것이다.

Lawrence Berkeley National Laboratory의 전망은 더 가까운 검증 지점을 제공한다. 장비 출하와 전력회사 부하가 누적될수록 2030년 범위는 검증하기 쉬워질 것이다.

전국 소비량이 해당 범위의 상단에 가까워지면 2035년 BloombergNEF 시나리오는 더 신뢰할 만해 보일 것이다. 부하 증가가 더디면 더 낮은 가스 수요 경로를 뒷받침하게 된다.

세 번째 신호는 확정된 장비와 연료 인프라다. 터빈 주문, 제조 용량, 파이프라인 승인, 완공된 발전소가 예비 제안보다 더 중요하다.

개발업체는 터빈 납품 슬롯을 확보하기 전에 가스 발전 캠퍼스를 발표할 수 있다. 긴 장비 리드타임은 운영 개시를 의도한 날짜보다 수년 늦출 수 있다.

파이프라인 프로젝트도 자체적인 승인 및 건설 위험에 직면한다. 안정적인 연료 공급이 없는 발전소는 신뢰할 수 있는 현장 전력으로 기능할 수 없다.

국제에너지기구는 2030년까지 주로 미국에서 데이터센터에 공급하는 현장 천연가스 설비가 15~27GW에 이를 수 있다고 추정한다. 이 범위 내 실제 배치는 이른 시기의 시험대가 될 것이다.

기술 기업의 청정에너지 프로젝트도 동일한 측정 대상에 포함돼야 한다. AI 부하가 증가하는 지역에 새로운 원자력, 지열, 재생에너지, 저장 용량이 도입되면 가스 전망은 약화될 수 있다.

계약 발표를 완료된 대체 공급으로 계산해서는 안 된다. 관련 신호는 컴퓨팅 장비가 전력을 필요로 하는 시간에 실제 운영 중인 캠퍼스에 전력이 공급되는지다.

독자는 천연가스 가격과 전력요금 심의 절차도 주시해야 한다. 연료비 상승은 다른 발전원, 효율성, 워크로드 유연성의 상대적 경제성을 높일 수 있다.

규제 당국은 대규모 부하 고객에게 더 강력한 재무 보증을 요구할 수 있다. 이는 투기적 프로젝트를 걸러내고, 어떤 개발사가 자신의 전망에 따른 비용을 감수할 의향이 있는지를 드러낼 것이다.

향후 몇 분기는 2035년까지 이어지는 전망을 확정하지는 못할 것이다. 다만 그 기반 메커니즘이 가속하고 있는지는 보여줄 수 있다.

가동 중인 데이터센터 부하가 증가하고, 접속 대기열이 지속되며, 가스 설비가 건설 단계에 진입한다면 BloombergNEF의 추정치는 더 큰 지지를 얻게 된다. 이 연결고리 중 하나라도 끊기면 결과는 하향 조정된다.

BloombergNEF의 데이터센터 가스 전망은 결국 피할 수 없는 법칙이 아니라 하나의 선택을 측정한다. 미국은 전력망, 발전, 저장장치, 유연성 자원을 여러 방식으로 조합해 AI 수요를 충족할 수 있다.

현재 천연가스는 안정적인 전력을 확보하는 가장 빠르고 익숙한 경로를 제공한다. 그 우위는 대체 인프라가 너무 늦게 도입되는 동안에만 유지된다.

개발사, 정책 입안자, 기업 AI 구매자에게 유용한 질문은 구체적이다. 어떤 프로젝트가 전력을 확보했는지, 그 전력 비용은 누가 조달하는지, 그리고 이후 가스를 무엇으로 대체할 것인가?

이 질문들에 대한 답을 추적하면 오늘의 가교가 일시적 대응에 그칠지, 아니면 미국 AI의 지속적인 에너지 기반이 될지를 알 수 있다.