E8, 시뮬레이션·AI 기술 데이터센터 냉각 예측에 적용

• 

[이데일리 권오석 기자] 피지컬AI 운영 플랫폼 기업 E8(418620)(이에이트)이 자사 물리 예측 솔루션 ‘NFLOW Ai’에 데이터센터 냉각 환경을 예측하는 기능을 구현했다고 30일 밝혔다. 서버실 내부 온도와 공기 흐름을 사전에 계산한 뒤, 장비 허용 범위 내에서 냉방 전력을 최소화하는 운전 설정을 AI가 찾아 제안하는 구조다.

(사진=E8)

데이터센터 전력 사용량에서 서버 다음으로 비중이 큰 요소는 서버를 식히는 냉각 설비다. 냉각 효율을 나타내는 대표 지표가 PUE(Power Usage Effectiveness)로, 데이터센터 전체 전력 사용량을 서버 등 IT 장비 전력 사용량으로 나눈 값이다. 1에 가까울수록 IT 장비 이외 부대설비에 쓰이는 전력이 적다는 의미다.

업타임 인스티튜트의 2025년 글로벌 데이터센터 조사에 따르면 응답 기업의 평균 PUE는 1.54로, 6년 연속 큰 변화가 없는 상태다. 2007년 약 2.5 수준에서 2014년 1.65까지 빠르게 내려간 뒤 2020년대 들어서는 1.5대에서 정체 양상을 보이고 있다. 설비 교체를 통한 효율 개선 효과가 상당 부분 이미 반영됐다는 해석이 나온다.

PUE가 시설 전체의 평균값이라는 점도 한계로 지적된다. 일부 구역은 과도하게 낮은 온도로, 다른 구역은 허용 범위에 근접할 정도로 높은 온도로 운전되더라도 평균값만 보면 문제가 드러나지 않는다. 과거 운전 결과를 요약한 값이어서 현 시점에서 어떤 설정을 바꿔야 하는지 판단 근거를 제공하지도 못한다.

이 때문에 현장에서는 안전을 우선시해 냉각을 넉넉하게 잡는 경우가 많다. 냉각 온도를 조금만 높여도 전력 사용량은 줄어들지만, 어디까지 올려도 무리가 없는지 알 수 없어 ‘혹시 몰라 더 쓰는 전력’이 비용으로 누적되는 구조다. 서비스 중단 위험이 큰 환경에서 냉각 설정을 직접 바꿔가며 검증하는 것도 부담 요인으로 작용한다.

E8에 따르면 NFLOW Ai는 사용자가 서버실 형상과 운전 조건을 입력하면 온도 분포와 공기 흐름을 예측한다. 기존에도 유사한 계산은 가능했지만, 조건 하나를 계산하는 데 시간이 오래 걸려 여러 경우를 비교하기 어려웠다. NFLOW Ai는 다양한 조건에 대한 사전 계산 결과를 AI가 학습해 두는 방식으로 계산 시간을 크게 축소했다.

계산 속도가 빨라지면서 조건 조합 간 비교가 가능해졌다. 냉방 온도 설정과 공조 설비 운전 방식에는 경우의 수가 많아 사람이 일일이 검토하기 어렵다. NFLOW Ai는 AI가 가능한 조합을 자동으로 탐색해 장비가 견딜 수 있는 온도 범위를 유지하면서 냉방 전력 사용이 가장 적게 드는 운전 설정을 제안한다.

솔루션은 설비를 직접 제어하지 않고 예측·제안 역할만 수행하며, 실제 설정 변경 여부는 담당자가 판단한다. 예측 결과에는 신뢰도 지표도 함께 제공해, 학습 범위를 벗어난 조건에서는 불확실성이 크다는 점을 표시한다.

E8 관계자는 “데이터센터는 회사가 그동안 다뤄 온 열 흐름 해석이 비교적 자연스럽게 확장되는 영역”이라며 “냉각 판단에 정량적인 근거를 더해 주는 방식이 현장에서 어떻게 활용되는지 지켜보고 있다”고 말했다.