E8, 시뮬레이션·AI 기반 데이터센터 냉각 예측 기술 구현

NFLOW Ai 데이터센터. ⓒ E8

[프라임경제] 피지컬 인공지능(AI) 운영 플랫폼 기업 E8(418620)는 자사 물리 예측 솔루션 NFLOW Ai에 데이터센터 냉각 환경을 예측하는 기능을 구현했다고 30일 밝혔다. 

서버실 안의 온도와 공기 흐름을 미리 계산하고, 장비에 무리가 가지 않는 범위에서 냉방 전력을 가장 적게 쓰는 운전 설정을 AI가 찾아 제안하는 방식이다.

데이터센터 전기 사용량에서 서버 다음으로 큰 몫을 차지하는 것이 서버를 식히는 냉각 설비다. 

이 효율을 나타내는 지표가 PUE인데, 데이터센터 전체 전력을 서버 등 IT 장비가 쓴 전력으로 나눈 값이다. 1에 가까울수록 부대설비에 쓰이는 전기가 적다는 뜻이다. 이 지표는 한동안 빠르게 좋아졌지만 최근에는 개선 속도가 크게 둔화됐다. 

업타임 인스티튜트의 2025년 글로벌 데이터센터 조사에 따르면 응답 기업의 평균 PUE는 1.54로, 6년 연속 큰 변화가 없었다. 지난 2007년 2.5 수준에서 2014년 1.65까지 내려간 뒤 2020년대에 들어서는 1.5대에서 움직이고 있다. 

설비 교체로 얻을 수 있는 개선은 이미 상당 부분 반영된 것으로 풀이된다.

문제는 이 지표가 시설 전체의 평균이라는 점에 있다. 어떤 구역은 지나치게 차갑게, 다른 구역은 위험할 만큼 뜨겁게 운전되고 있어도 평균으로 계산하면 드러나지 않는다. 

이미 지나간 결과를 정리한 값이어서 지금 무엇을 바꿔야 하는지 알려주지도 못한다. 그래서 현장에서는 안전한 쪽을 택하게 된다. 찬 공기를 조금만 덜 차갑게 넣어도 전기는 절약되지만, 어디까지 올려도 괜찮은지 알 수 없어 필요한 것보다 넉넉하게 식히는 경우가 많다. 

서비스가 멈추면 안 되는 환경에서 설정을 바꿔 보며 확인하는 것 자체가 부담이기 때문이다. 결국 "혹시 몰라 더 쓰는 전력"이 매달 비용으로 쌓인다.

E8관계자는 "평균 지표로는 잘 잡히지 않는 국소 문제가 실제 운영에서는 더 자주 발목을 잡는다"며 "예측 기반 접근이 이 간극을 메울 수 있는지가 저희가 보고 있는 부분"이라고 말했다. 

NFLOW Ai는 사용자가 서버실 형상과 운전 조건을 입력하면 온도와 공기 흐름이 어떻게 형성될지 예측한다. 기존에도 이런 계산은 가능했지만, 조건 하나를 계산하는 데 오랜 시간이 걸려 여러 경우를 비교하기 어려웠다. NFLOW Ai는 미리 수행한 다수의 계산 결과를 AI가 학습해 두는 방식으로 이 시간을 크게 줄였다.

계산이 빨라지면 비교가 가능해진다. 냉방 온도를 어느 수준으로 맞추고 공조 설비를 어떻게 운전할지는 경우의 수가 많아 사람이 하나씩 확인하기 어렵다. 

NFLOW Ai는 AI가 이 조합들을 자동으로 살펴본 뒤, 장비가 견딜 수 있는 온도 범위를 지키면서 냉방 전력이 가장 적게 드는 운전 설정을 제시한다.

설비를 직접 조작하지는 않는다. 기존에 쓰던 관리 시스템을 교체할 필요 없이 예측과 제안까지만 담당하며, 실제로 설정을 바꿀지는 담당자가 판단한다. 예측 결과에는 그 값을 어느 정도 믿을 수 있는지도 함께 표시해, 학습해 둔 범위에서 많이 벗어난 조건이라면 이를 알려준다.

E8관계자는 "데이터센터는 저희가 오래 다뤄 온 열 흐름 해석이 비교적 자연스럽게 이어지는 영역"이라며 "냉각 판단에 근거를 더하는 방식이 현장에서 어떻게 받아들여질지 살펴보고 있다"고 말했다.