전력망을 분석하는 AI와 다섯 회사의 서로 다른 작업
엔비디아는 9월 21일 뉴욕 기후 주간을 맞아 ThinkLabs AI, Atomic Canyon, Redwood Materials, TerraPower, Commonwealth Fusion Systems의 활용 사례를 소개했다. 다섯 회사가 수행하는 작업은 전력망 연결 검토부터 문서 검색, 저장 시스템, 원전 부지 설계, 핵융합 장치 실험까지 다르다. 원문은 ThinkLabs가 CUDA를 이용한 디지털 트윈과 에이전트로 전력망을 시뮬레이션하고 연결상의 장벽을 다루는 사례를 설명한다. 이런 분석 도구의 역할과 실제 계통 연결의 승인·공사·운영은 각각 다른 단계다. AI를 활용한다는 공통점만으로 모든 회사가 이미 동일한 사업 성과를 냈다는 결론은 생기지 않는다.
원자력 지식 보조는 자료에 접근하는 기능
Atomic Canyon의 8월 공식 발표는 Neutron 기반 NIVA를 INPO·EPRI·NEI와 협력해 만들고 해당 조직의 북미 상업 원자력 회원 발전소에 제공한다고 설명한다. 출시 구성은 규제 지침·기술 보고서 등에서 답을 찾는 지식 보조와 관련 운영 경험을 찾아 대화하는 기능이다. 회사는 답에 출처를 표시해 전문가가 기록을 확인하는 방식을 강조한다. 문제 해결 보조 기능은 당시 개발 중이며 그해 후반 시범 적용을 목표로 했다. 출시한 기능과 개발 목표를 한꺼번에 완료된 제품 범위로 합치지 않았다. 이 발표에서 확인되는 것은 지식 접근을 지원하는 소프트웨어이며 발전소의 제어 동작이나 모든 답변의 정확성을 인증한 결과는 아니다.
TerraPower의 시간 비교는 부지별 설계 시연
TerraPower와 SoftServe는 3월 25일 Omniverse 기반으로 개발하는 엔지니어링 플랫폼의 시연을 공개했다. 부지의 지반 모델링과 계통 연결 분석, 설비 배치를 연결해 초기 설계의 조건을 살피는 구성이다. 회사가 제시한 18개월에서 최소 8주라는 비교는 공개한 시연에서의 부지별 설계 작업에 관한 설명이다. 원전 전체의 인허가와 건설, 상업 운전을 그 기간에 마쳤다는 뜻이 아니다. 지형 충돌과 제외 구역, 비용의 선택 관계를 설계 단계에 시각화한다는 방향도 제시했다. 실제 현장의 설계 작업에 어떤 입력과 조건을 넣었는지, 그 이후의 절차가 어떻게 이어지는지가 이 시간 비교의 적용 범위를 결정한다.
CFS는 실험 장치와 시뮬레이션을 연결하려 한다
CFS의 1월 공식 발표는 SPARC 핵융합 장치의 디지털 트윈을 NVIDIA·Siemens와 개발하는 협력을 설명한다. Siemens의 설계·제품 수명 관리 도구에서 만든 장치와 조립 데이터를 Omniverse·OpenUSD 및 물리 모델과 연결하는 방식이다. 회사는 가상 환경에서 가설을 시험하고 실제 장치의 실험 결과를 시뮬레이션과 비교할 계획이라고 밝혔다. 수년에 걸린 수동 실험을 수주간의 가상 최적화로 압축할 수 있다는 표현도 회사가 제시한 기대다. 이는 전체 발전소가 이미 계통에 전력을 판매한다는 발표가 아니다. 연구 장치의 설계·실험을 지원하는 환경과 미래 상업 발전 계획의 달성 여부는 나눠 읽어야 한다.
Redwood의 배터리는 에너지를 저장·공급하는 수단
Redwood는 공식 연간 회고에서 기존 배터리 팩을 다시 사용하는 방식으로 전력망 규모의 에너지 저장 사업을 확장했다고 설명한다. Crusoe의 AI 시설에 전력을 공급하는 마이크로그리드 배포 사례도 회사가 제시했다. 엔비디아 원문이 이 배터리를 현장 저장 장치로 소개하는 맥락과 연결된다. 배터리 팩의 재사용은 그 안의 모든 재료가 재활용 원료로 다시 제조됐다는 주장과 다르다. 저장 장치는 충전된 에너지를 필요한 때 공급하는 역할을 하므로 그 자체가 발전원이라는 뜻도 아니다. 전력 공급 시스템의 비용·배출을 판단하려면 에너지원과 충방전·운영 조건까지 필요하다. 사례 소개만으로 모든 AI 시설에 같은 절감 수치를 적용하지 않았다.
각 도구가 바꾸는 작업과 최종 결과의 거리
다섯 사례의 공통점은 AI를 에너지라는 큰 이름 아래 넣기보다 구체적인 업무에 연결한다는 데 있다. 전력망 분석은 연결 검토에, 문서 검색은 기록의 활용에, 디지털 트윈은 설계와 실험의 반복에, 배터리는 공급 시점의 조정에 쓰인다. 따라서 효과를 살필 때도 해당 작업의 시간·자료 접근·설계 조건과 최종 발전량·운전·전체 배출량을 같은 지표로 세면 안 된다. 특히 개발 중인 플랫폼의 시연과 회원 발전소에 제공되는 소프트웨어는 진행 상태가 다르다. 이번 소개는 서로 다른 활용 경로를 보여주지만 전체 에너지 체계의 성과를 하나의 AI 모델 효과로 입증하는 비교 시험은 제시하지 않는다.
출처
NVIDIA Blog의 원출처와 본문에 표시한 참고자료를 바탕으로 한국어로 재구성했습니다. ‘ARCH.B 분석’은 자료를 읽고 덧붙인 편집 해석입니다.
5 Companies Using NVIDIA AI for Clean Energy (새 창)
