🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

Epoch AI의 AI Data Centers Hub는 위성 이미지, 허가 문서, 공개 자료를 바탕으로 전 세계 주요 AI 데이터센터 60곳의 전력, 연산, 비용, 건설 일정을 추정·검증한 공개 데이터베이스입니다.

📌 핵심 요약

• 이 데이터셋은 2026년 6월 25일 기준 60개 AI 데이터센터를 추적하며, 총 880만 H100-equivalent 연산 규모와 9.4GW의 IT 전력 용량, 12개 소유자를 포함합니다.
• AI 데이터센터는 AI 특화 하드웨어를 운영하는 하나 이상의 인접 건물 묶음으로 정의되며, 캠퍼스와 단일 건물을 별도로 구분하지 않습니다.
• 전력 기준 최대 시설은 Amazon 소유의 Anthropic-Amazon New Carlisle이며, 연산 기준 최대 시설은 Meta의 Meta Prometheus로 제시됩니다.
• 추적 대상은 미국에 가장 많이 집중되어 있고, 특히 텍사스·오하이오·버지니아·아이오와·인디애나와 같은 지역 및 전력·광섬유 인프라 인근에 새 시설이 모이는 흐름이 나타납니다.
• Epoch AI는 전력·연산·비용 추정에 불확실성이 있음을 명시하며, 위성 이미지·허가 문서·기업 발표·칩 효율 가정 등을 결합해 수치를 산출한다고 설명합니다.

🧩 주요 포인트

1. 이 데이터셋은 2026년 6월 25일 기준 60개 AI 데이터센터를 추적하며, 총 880만 H100-equivalent 연산 규모와 9.4GW의 IT 전력 용량, 12개 소유자를 포함합니다.
2. AI 데이터센터는 AI 특화 하드웨어를 운영하는 하나 이상의 인접 건물 묶음으로 정의되며, 캠퍼스와 단일 건물을 별도로 구분하지 않습니다.
3. 전력 기준 최대 시설은 Amazon 소유의 Anthropic-Amazon New Carlisle이며, 연산 기준 최대 시설은 Meta의 Meta Prometheus로 제시됩니다.
4. 추적 대상은 미국에 가장 많이 집중되어 있고, 특히 텍사스·오하이오·버지니아·아이오와·인디애나와 같은 지역 및 전력·광섬유 인프라 인근에 새 시설이 모이는 흐름이 나타납니다.
5. Epoch AI는 전력·연산·비용 추정에 불확실성이 있음을 명시하며, 위성 이미지·허가 문서·기업 발표·칩 효율 가정 등을 결합해 수치를 산출한다고 설명합니다.

🧠 상세 정리

1. 데이터셋의 목적과 전체 규모

Epoch AI의 AI Data Centers Hub는 세계 주요 AI 데이터센터에 관한 공개적이고 엄밀한 데이터를 제공하는 것을 목표로 합니다. 2026년 6월 25일 업데이트 기준으로 60개 사이트, 880만 H100-equivalent, 9.4GW의 IT 전력 용량, 12개 소유자를 추적한다고 제시합니다. 데이터는 고해상도 위성 이미지, 허가 문서, 공개 자료, 데이터센터 건설 방식에 대한 이해를 바탕으로 독립적으로 추정됩니다. 각 데이터 포인트는 팀의 검토를 거친다고 설명하며, 단순 목록이 아니라 전력·연산·비용·건설 일정까지 함께 다루는 데이터 허브의 성격을 가집니다.

2. AI 데이터센터의 정의

원문은 AI 데이터센터를 AI에 특화된 하드웨어를 운영하는 하나 이상의 건물 묶음으로 정의합니다. 이 하드웨어에는 GPU뿐 아니라 Google TPU와 같은 맞춤형 칩도 포함되며, 데이터센터는 AI 모델 실험, 학습, 배포에 사용될 수 있습니다. 건물들이 얼마나 가까워야 하는지에 대해 엄격한 거리 기준은 두지 않지만, 일반적인 기준으로는 10km 이내를 제시합니다. 또한 여러 건물로 구성된 캠퍼스와 단일 건물을 별도 범주로 구분하지 않고, 공유된 하드웨어 소유자나 시설 운영자가 있는 인접 시설을 하나의 데이터센터로 다룹니다.

3. 전력 기준으로 본 최대 AI 데이터센터

AI IT 전력 기준으로 현재 추적되는 최대 AI 데이터센터는 인디애나주 New Carlisle의 Anthropic-Amazon New Carlisle로, Amazon이 소유하며 1,092MW를 사용하는 것으로 제시됩니다. 그 뒤를 Microsoft Fairwater Atlanta가 859MW, Meta Prometheus가 820MW, Colossus 2가 661MW, OpenAI Stargate Abilene이 590MW로 따릅니다. 이 순위는 데이터센터가 단순한 서버 시설을 넘어 대규모 전력 인프라와 직접 연결된 산업 시설이라는 점을 보여줍니다. 원문은 전력 규모를 통해 AI 데이터센터의 물리적·에너지적 크기를 비교할 수 있도록 구체적인 수치를 함께 제공합니다.

4. 연산 기준으로 본 최대 AI 데이터센터

연산 용량 기준으로는 오하이오주 New Albany의 Meta Prometheus가 76만 3천 H100-equivalent로 가장 큰 시설로 제시됩니다. 이어서 Microsoft Fairwater Atlanta가 74만 3천 H100-equivalent, Anthropic-Amazon New Carlisle이 68만 7천 H100-equivalent, Colossus 2가 55만 6천 H100-equivalent, OpenAI Stargate Abilene이 51만 H100-equivalent로 나옵니다. 전력 순위와 연산 순위가 완전히 같지는 않다는 점은 데이터센터 규모를 볼 때 전력뿐 아니라 칩 종류와 효율도 함께 고려해야 함을 시사합니다. 원문은 같은 시설이라도 전력 용량과 실제 추정 연산 용량이 서로 다른 지표로 평가된다는 구조를 분명히 합니다.

5. 지리적 분포와 입지 조건

추적된 대규모 AI 데이터센터는 미국에 가장 많이 위치하며, 특히 텍사스 13곳, 오하이오 5곳, 버지니아 5곳, 아이오와 4곳, 인디애나 3곳이 언급됩니다. 미국 외 시설로는 말레이시아 조호르바루의 DayOne Nusajaya와 중국 장베이의 Alibaba Zhangbei가 제시됩니다. 많은 신규 사이트는 미국 중서부와 남부의 주요 전력 인프라 및 광섬유 네트워크 인근에 모여 있다고 설명됩니다. 이는 AI 데이터센터의 입지가 토지 확보만의 문제가 아니라 전력 공급, 냉각, 네트워크 연결성과 밀접하게 연결되어 있음을 보여줍니다.

6. 전력 소비와 실제 시설 부담

원문은 60개 AI 데이터센터의 합산 IT 전력 용량을 9.4GW로 제시하지만, 냉각과 기타 인프라 오버헤드를 포함한 전체 시설 전력은 이보다 20~50% 높다고 설명합니다. 이에 따라 이 60개 사이트의 실제 시설 용량 발자국은 12.2GW로 추정되며, 이는 뉴욕시의 피크 수요 11GW보다 큰 규모로 비교됩니다. 다만 평균 전력 사용량은 유휴 시간과 유지보수 때문에 보통 용량의 60~80% 수준이라고 덧붙입니다. 개별 사이트 규모도 50MW 미만에서 1000MW 초과까지 넓게 분포하며, 작은 도시는 물론 중형 도시 전력 수요와 비교될 정도의 차이를 보입니다.

7. 하드웨어와 추정 방법

주요 AI 데이터센터에는 NVIDIA H100, H200, B200 GPU, Google TPU v5·v6 칩, AWS Trainium2 가속기 등이 배치된다고 원문은 설명합니다. 소유자별로 하드웨어 선택도 다르며, Google은 맞춤형 TPU를 사용하고 Amazon은 Trainium을 배치하며 Meta, xAI, Microsoft는 주로 NVIDIA GPU를 사용한다고 제시됩니다. 연산 용량은 대체로 전력에서 출발해 사용 가능성이 높은 칩의 에너지 효율을 바탕으로 계산되며, 이 판단에는 Chip Owners 데이터셋이 활용됩니다. 드물게 특정 칩의 종류와 수량이 보고된 경우에는 그 정보를 바탕으로 연산 추정이 이루어지고, 자본 비용은 일반적인 와트당 비용 모델에 따라 전력에서 계산됩니다.

8. 데이터 범위와 기존 GPU Clusters 데이터베이스와의 차이

이 데이터베이스는 2025년 중반부터 전 세계 최대급 AI 데이터센터를 지속적으로 추적해 온 노력의 결과라고 설명됩니다. 2026년 4월 기준으로, 칩 제조사가 전 세계에 공급한 AI 연산량 중 약 27%를 포괄한다고 추정하며, 이때 칩 판매에서 배치까지 한 분기 정도의 지연을 가정합니다. 특히 2024년부터 2028년 사이의 가장 큰 AI 데이터센터에 대한 coverage가 강하다고 밝히며, 기록적인 연산 용량을 가진 시설의 다수를 포착한다고 봅니다. 반면 deprecated GPU Clusters 데이터베이스는 데이터센터 전체가 아니라 AI 및 기타 용도의 컴퓨팅 클러스터를 추적했고, 본 데이터베이스는 프로젝트 수준에서 현재와 향후 대형 데이터센터에 초점을 맞추며 허가 문서와 위성 이미지 같은 1차 자료를 더 많이 사용한다고 구분합니다.

9. 불확실성, 사용자 표기, 학습 실행 가능성

Epoch AI는 전력, 연산, 비용, 건설 일정 추정에 불확실성이 있음을 명시적으로 모델링합니다. 전력 용량 추정은 80%의 경우 실제값의 1.4배 이내, 연산 용량은 1.5배 이내, 비용은 1.6배 이내일 것으로 기대하며, 일정 추정은 80%의 경우 실제 날짜에서 6개월 이내일 것으로 봅니다. 데이터센터 사용자나 제휴 관계가 불확실할 때는 “Speculative”와 “Likely” 태그를 사용해 근거 수준을 구분합니다. 또한 하나의 데이터센터 전체를 단일 AI 모델 학습에 쓰는 것은 가능하지만 자주 일어나지는 않으며, 실제로는 여러 작업이 병렬로 실행되거나 여러 사용자에게 분할되고, 이론적 피크 성능 대비 실제 성능도 보통 20~50% 수준이라고 설명합니다.

🧾 핵심 주장 / 시사점

• AI 데이터센터의 경쟁력은 단순히 칩 수량이 아니라 전력 확보, 냉각 인프라, 네트워크 접근성, 건설 일정이 결합된 물리적 실행 능력으로 측정되고 있습니다.
• 전력 기준 순위와 연산 기준 순위가 다르기 때문에, 데이터센터 규모를 평가할 때는 MW 같은 에너지 지표와 H100-equivalent 같은 연산 지표를 함께 봐야 합니다.
• Epoch AI가 불확실성 범위와 추정 방법을 공개한 점은 이 데이터셋이 확정된 회계 자료가 아니라 공개 자료 기반의 검증된 추정치라는 점을 이해하는 데 중요합니다.

✅ 액션 아이템

• 2026년 6월 25일 기준 60개 시설의 880만 H100-equivalent 연산량, 9.4GW IT 전력, 12개 소유자 수치를 기준값으로 확정해 분석 출발점을 정합화한다.
• Anthropic-Amazon New Carlisle의 전력 최대치와 Meta Prometheus의 연산 최대치를 기준으로, 위성 이미지·허가 문서·기업 공개자료 기반 추정값의 산출 가정을 동일 축에서 점검한다.
• 미국 텍사스·오하이오·버지니아·아이오와·인디애나의 전력·광섬유 인접 신설 부지 추이를 집중 감시해 지역군별 분포 변화 동향을 점검한다.

❓ 열린 질문

• 위성 이미지·허가 문서·기업 발표·칩 효율 가정 결합 산정값의 불확실성은 어떤 범위의 오차로 수치화하는 것이 가능한가?
• AI 데이터센터를 인접 건물 묶음으로만 정의할 때 캠퍼스형과 단일 건물형 시설이 실제 용량 비교에서 어떤 편향을 유발할 수 있는가?
• 현재 미국 편중 추적 구조에서 텍사스·오하이오·버지니아·아이오와·인디애나 외 지역을 언제까지 보강 대상으로 전환해야 공간 분포 편차를 줄일 수 있는가?