속보는 하루를 살고, 명작은 10년을 산다. 오늘의 뉴스를, 내일이 아닌 10년 뒤에도 다시 찾게 될 이야기로 기록합니다.

  탈탄소 소재 시장이 지금 열리고 있다 지금 세계 소재산업에서 중요한 변화가 시작되고 있다. 예전에는 철강이나 알루미늄 같은 소재를 선택할 때 가격, 품질, 생산능력, 납기 가 가장 중요한 기준이었다. 그런데 이제 여기에 새로운 기준이 들어오고 있다. 바로 “이 소재를 만드는 과정에서 탄소를 얼마나 배출했는가” 다. 이 변화가 본격적으로 나타나기 시작한 계기가 탄소국경조정제도(CBAM) 다. EU는 2023년부터 2025년까지 과도기를 거쳐 2026년 1월 1일부터 CBAM 확정제도 를 시행했다. 적용 대상에는 철강, 알루미늄, 시멘트, 비료, 전력, 수소 등이 포함된다. CBAM의 중요한 점은 탄소배출을 단순한 환경지표로만 보지 않는다는 것이다. 제품이 유럽으로 들어올 때 생산 과정에서 발생한 탄소배출량을 계산하고, 그에 따른 비용을 반영하는 체계 가 만들어졌다. 이렇게 되면 소재를 생산하는 기업 입장에서도 탄소배출량은 더 이상 공장 안에서만 관리하는 문제가 아니다. 같은 철강을 생산하더라도 어떤 생산방식을 사용했는지에 따라 제품이 시장에서 부담해야 하는 비용이 달라질 수 있기 때문이다. 결국 소재산업의 경쟁 기준 자체가 바뀌기 시작하고 있다. 가격과 품질이 좋은 소재를 만드는 것에서 끝나는 것이 아니라, 필요한 품질을 유지하면서 탄소배출까지 낮춘 소재를 생산할 수 있는지 가 새로운 경쟁 요소로 들어오기 시작한 것이다. 여기서 중요한 것은 탈탄소 소재가 완전히 새로운 제품 하나를 만들어내는 시장이 아니라는 점이다. 지금까지 자동차, 조선, 건설, 에너지, 산업기계 등에 사용해온 거대한 소재의 생산방식이 저탄소 방식으로 전환되면서 기존 소재시장 안에서 새로운 수요와 거래 기준이 만들어지는 과정 이다. 따라서 탈탄소 소재 시장은 언젠가 생길 미래시장이 아니다. 탄소배출이 실제 비용과 무역 조건에 연결되기 시작하면서, 소재를 선택하는 기준 자체가 바뀌고 있는 현재진행형 시장이다. 그리고 이 변화가 중요한 이유는 단순히 친환경 소재 하나가 추가되는 데 있지...

    조선소에 휴머노이드 로봇이 실제로 들어오기 시작했다 휴머노이드 로봇이 조선소에 들어간다는 이야기는 더 이상 먼 미래의 이야기가 아니다. 중요한 변화는 로봇을 개발한다는 발표 자체가 아니라, 실제 선박을 만드는 조선소를 휴머노이드의 개발·검증 현장으로 사용하기 시작했다는 점 이다. 삼성중공업은 2026년 9월 한국로봇융합연구원과 함께 조선 제조현장에 특화된 자율작업 로봇과 제조용 휴머노이드, AI 로봇 솔루션을 공동 개발하고 현장 실증까지 추진하기로 했다. 협약 이후에는 거제조선소의 실제 생산현장을 직접 확인했다. 대형 구조물을 조립하는 작업부터 곡면 구조물을 가공하는 작업, 블라스팅과 같은 생산공정까지 살펴보면서 휴머노이드가 실제 조선소의 어떤 작업에 들어갈 수 있는지를 현장에서 검증하는 단계 로 넘어간 것이다. 여기서 중요한 것은 삼성중공업이 이번에 처음 조선소 로봇을 시작한 것이 아니라는 점이다. 삼성중공업과 한국로봇융합연구원은 이전부터 조선소에 로봇을 적용해왔다. 용접 로봇을 개발하고, 작업 대상물을 인식해 자동으로 용접하는 기술 등을 실제 생산현장에 적용해 온 경험이 있다. 즉 이번 휴머노이드 개발은 갑자기 등장한 새로운 프로젝트가 아니다. 기존 조선 자동화 기술을 휴머노이드라는 새로운 형태의 로봇으로 확장하는 과정 에 가깝다. HD현대도 비슷한 방향으로 움직이고 있다. HD현대는 조선소의 핵심 작업 가운데 하나인 용접을 수행하는 휴머노이드 를 개발하고 있으며, 실제 선박 건조 과정에서 확보한 작업 데이터를 활용해 로봇의 이동·인지·용접 제어 능력을 높이고 있다. 특히 중요한 것은 연구실에서만 로봇을 시험하는 것이 아니라 실제 조선소 환경에서 작업 가능성을 확인하는 단계까지 개발 범위를 확대하고 있다는 점 이다. 이것은 조선업의 로봇화가 기존의 고정형 자동화 설비 중심에서 한 단계 달라질 수 있다는 신호다. 기존 자동화는 특정 작업을 반복하도록 설비를 만들어야 했다. 반면 휴머노이드는 사람이 움직이고 작업하던 공간에 들어가 이동하...

    AI 데이터센터가 늘어날수록 커지는 전력기기 시장, HD현대일렉트릭의 다음 성장 인공지능 산업이 빠르게 성장하면서 지금까지 시장의 관심은 주로 GPU와 HBM 같은 AI 반도체 에 집중됐다. 하지만 AI 산업이 실제로 확대되기 위해서는 반도체만큼 중요한 기반시설이 필요하다. 바로 전력 인프라 다. AI 데이터센터는 일반적인 데이터센터보다 훨씬 많은 연산을 수행한다. GPU와 서버가 늘어날수록 필요한 전력도 함께 증가한다. 결국 데이터센터를 하나 더 건설한다는 것은 서버만 추가하는 것이 아니라, 그 시설에 필요한 전력을 안정적으로 공급할 수 있는 전력설비까지 함께 구축해야 한다는 의미다. 전기는 발전소에서 만들어진다고 바로 데이터센터에서 사용할 수 있는 것이 아니다. 발전된 전력을 먼 거리까지 보내고, 필요한 전압으로 변환하고, 각 시설에 안정적으로 공급하기 위해서는 송전망과 변전설비, 변압기, 차단기, 배전기기 등 다양한 장비가 필요하다. 여기서 중요한 변화가 나타나고 있다. AI의 성장이 전력 수요 증가로 이어지고, 전력 수요 증가가 다시 전력 인프라 투자로 연결되는 구조 가 만들어지고 있는 것이다. 특히 미국에서는 AI 데이터센터뿐 아니라 반도체 공장과 산업시설의 전력 수요도 증가하고 있다. 동시에 오래된 전력망을 교체하고 새로운 송전·변전 인프라를 구축해야 하는 투자도 진행되고 있다. 이런 환경에서는 전력기기의 중요성이 높아질 수밖에 없다. HD현대일렉트릭은 바로 이 전력 인프라에 필요한 변압기와 차단기, 배전기기, 회전기기 등을 생산하는 기업이다. 따라서 이 회사를 단순한 전통적인 전력기기 업체로만 바라보기보다는 AI 시대에 증가하는 전력 수요를 실제 설비 투자로 연결하는 기업 이라는 관점에서 볼 필요가 있다. 물론 AI 산업이 성장한다고 해서 HD현대일렉트릭의 실적이 자동으로 증가하는 것은 아니다. 실제로 중요한 것은 AI와 데이터센터에서 발생한 전력 수요가 실제 전력망 투자와 장비 발주로 이어지고 있는가 다. 이 부분에서 최근...

  AI가 느려진 것이 아니라 데이터센터를 마음대로 늘릴 수 없는 시대 최근 AI 관련주가 조정을 받으면서 시장에서는 다시 ‘AI 감속론’ 이라는 이야기가 나오고 있다. 하지만 실제 산업 현장에서 벌어지고 있는 상황을 보면 조금 다르게 볼 필요가 있다. AI에 대한 수요가 사라져서 데이터센터 투자가 줄어드는 것이 아니라, 오히려 필요한 데이터센터를 원하는 속도로 증설하기 어려운 상황 이 나타나고 있기 때문이다. AI 서비스를 운영하려면 막대한 연산능력이 필요하다. 이를 위해서는 GPU 서버를 넣을 공간만 확보한다고 끝나는 것이 아니다. 전력 공급, 변압기와 배전설비, 냉각 시스템, GPU, HBM과 메모리, 스토리지, 네트워크 장비까지 동시에 준비되어야 한다. 문제는 이 모든 요소를 한꺼번에 확보하기가 쉽지 않다는 것이다. 특히 대규모 AI 데이터센터는 일반 데이터센터보다 훨씬 높은 전력과 냉각 능력을 요구한다. 부지를 확보했다고 해서 바로 가동할 수 있는 사업이 아니다. 전력망 연결과 각종 설비 구축에 시간이 필요하고, 핵심 장비 역시 공급 일정을 맞춰야 한다. 결국 AI를 더 많이 사용하고 싶은 기업은 늘어나는데 이를 받아줄 새로운 데이터센터의 공급 속도가 따라가지 못하는 상황 이 만들어지고 있다. 이것이 지금 AI 산업에서 우리가 주목해야 할 첫 번째 병목이다. 따라서 최근 AI 투자에 대한 시장의 우려를 단순히 “AI 열기가 식었다” 라고 해석하기보다, “AI 수요를 실제 인프라가 얼마나 빠르게 받아낼 수 있는가” 라는 관점에서 볼 필요가 있다. 그리고 데이터센터의 공급이 제한될수록 그 안에 들어가는 메모리와 스토리지, 그리고 데이터를 빠르게 이동시키는 네트워크의 중요성은 오히려 더 커질 수 있다. 이제부터 봐야 할 것은 바로 그 부분이다.  데이터센터를 늘리려 해도 가장 먼저 부딪히는 현실 AI 데이터센터 증설이 어려운 이유는 단순히 건물을 지을 공간이 부족해서가 아니다. 대규모 AI 데이터센터 하나를 구축하려면 전력과 냉각, 서버와 ...

SK하이닉스는 왜 25조원 전기료 선납을 거절했을까 오늘 시장에서 눈에 띄는 소식이 하나 나왔다. 삼성전자와 SK하이닉스가 한국전력이 제안한 5년치 전기요금 약 25조원 선납 방안 을 거절한 것으로 알려졌다. 한전은 삼성전자에 약 20조원, SK하이닉스에 약 5조원의 전기요금을 미리 납부받는 방안을 제안했다. 확보한 자금은 용인·호남 반도체 클러스터를 비롯한 대규모 전력망 건설 재원으로 활용하려는 구상이었다.  하지만 두 회사는 내부 검토 끝에 참여가 어렵다는 입장을 전달했다. 이유를 단순하게 보면 5년 동안 발생할 전기요금을 지금 미리 지급하는 것이 기업 입장에서 부담스럽기 때문 이다. 현재 반도체 업황이 좋다고 하더라도 그 실적과 전력 사용량을 5년 뒤까지 동일하게 가정하고 거액의 비용을 선집행하기는 쉽지 않다.  여기서 중요한 것은 삼성전자와 SK하이닉스가 전력 공급을 거부했다는 이야기가 아니라는 점 이다. 두 회사가 거절한 것은 전력망 건설을 위한 5년치 전기요금 선납 방식 이다. 오히려 이 사건에서 투자자가 주목해야 할 부분은 그 반대편에 있다. 한전이 왜 삼성전자와 SK하이닉스에게 25조원이라는 거액을 미리 받아 전력망을 건설하려 했을까. 그만큼 앞으로 필요한 전력 인프라 투자가 커지고 있기 때문이다. 반도체 공장이 늘어나면 전력 사용량도 함께 증가한다. 여기에 AI 데이터센터까지 빠르게 늘어나면서 전력 수요가 기존 산업과 다른 규모로 확대되고 있다. 결국 AI와 반도체의 성장은 GPU와 HBM만으로 끝나는 이야기가 아니다. 반도체 공장을 돌리고 AI 데이터센터를 가동하려면 먼저 전력이 필요하고, 그 전력을 공급하기 위해서는 발전소뿐 아니라 송전망과 변전설비, 변압기, GIS, 스위치기어 등 전력 인프라가 함께 확대돼야 한다. 이번 25조원 선납 논란은 바로 이 지점을 보여준다. AI와 반도체 산업의 성장이 계속될수록 ‘누가 더 좋은 반도체를 만드는가’뿐 아니라 ‘누가 필요한 전력을 제때 공급할 수 있는가’도 중요한 산업 경쟁력이 될...

  삼성전자는 왜 이제 반도체 공장 안에서 AI를 돌리려 하는가? 반도체 공장은 이제 단순히 웨이퍼를 넣고 제품을 만들어내는 제조시설이 아니다. 공정이 미세해지고 생산 과정이 복잡해질수록 공장 안에서 만들어지는 데이터의 양과 종류도 함께 늘어나고 있다. 하나의 반도체가 만들어지기까지는 수많은 공정이 이어진다. 장비의 상태부터 공정 조건, 웨이퍼 검사 결과, 품질 정보까지 각각의 단계에서 데이터가 발생한다. 문제는 데이터가 많아지는 것 자체가 아니다. 이렇게 쌓인 데이터를 얼마나 빠르게 연결하고 판단할 수 있느냐가 생산 경쟁력으로 바뀌고 있다는 것이다. 특히 AI 반도체처럼 성능 요구가 높아지고 공정이 복잡해질수록 작은 차이가 제품의 품질과 생산성에 영향을 줄 수 있다. 과거에는 엔지니어가 공정 데이터를 확인하고 이상 징후를 찾아내면서 제조 조건을 조정했다면, 앞으로는 AI가 수많은 데이터를 동시에 분석하면서 사람이 놓치기 쉬운 패턴을 찾아내는 방식으로 바뀔 수 있다. 삼성전자가 최근 프랑스 AI 기업 미스트랄 AI와 반도체 설계·제조에 특화된 AI를 개발하기로 한 이유도 여기에 있다. 삼성전자는 자사의 반도체 기술·제조 데이터와 미스트랄 AI의 모델 기술을 결합해 데이터 분석, 결함 예측, 공정 최적화 등에 활용할 계획이라고 밝혔다.  여기서 중요한 것은 AI가 공장에 추가되는 하나의 소프트웨어가 아니라는 점 이다. 삼성전자는 이미 2030년까지 생산시설을 AI 기반 공장으로 전환하겠다는 전략을 발표했고, 제조 전 과정에 AI와 디지털 트윈, AI 에이전트 등을 적용한다는 방향을 제시했다.  결국 반도체 공장의 변화는 이렇게 볼 수 있다. 사람이 데이터를 보고 판단하는 공장 에서 AI가 데이터를 실시간으로 분석하고 사람이 그 결과를 활용하는 공장 으로 이동하는 것이다. 그리고 이 변화가 중요한 이유는 단순히 공장의 자동화 수준을 높이기 위해서가 아니다. 반도체에서는 데이터를 얼마나 빨리 분석하고 공정에 다시 반영하느냐가 결국 생산성...

   GPU를 확보해도 전력이 없으면 AI 데이터센터는 돌아가지 않는다 AI 산업을 이야기하면 가장 먼저 GPU와 HBM이 떠오른다. 실제로 AI 서버를 구축하려면 고성능 GPU와 이를 뒷받침하는 메모리가 필요하다. 하지만 AI 데이터센터의 규모가 커질수록 새로운 문제가 나타나고 있다. “GPU를 얼마나 확보했느냐”가 아니라 “그 GPU에 전력을 공급할 수 있느냐”가 중요한 문제가 되기 시작한 것이다. AI 데이터센터는 일반적인 데이터센터보다 전력 사용량이 빠르게 증가하고 있다. 글로벌 데이터센터의 전력 소비량은 2026년 약 565TWh로 전년보다 26% 증가할 것으로 전망되고 있으며, AI에 최적화된 서버가 전력 소비 증가를 주도하고 있다.  IEA 역시 데이터센터의 전력 소비가 2030년까지 2025년 대비 거의 두 배로 증가할 것으로 전망한다. 특히 AI 중심 데이터센터의 전력 사용 증가 속도는 전체 데이터센터보다 훨씬 빠를 것으로 예상된다. ( I 여기서 중요한 것은 전기는 GPU처럼 주문한다고 바로 확보할 수 있는 부품이 아니라는 점 이다. GPU는 생산된 제품을 공급받으면 서버에 설치할 수 있지만, 데이터센터에 필요한 전력은 발전설비뿐 아니라 송전망과 변전설비, 계통 연결까지 함께 준비되어야 한다. 즉 AI 데이터센터를 하나 더 짓는다는 것은 단순히 건물과 서버를 추가하는 문제가 아니다. 그만큼의 전력을 실제로 공급할 수 있는가 라는 문제가 먼저 해결돼야 한다. 한국에서도 이 문제가 점점 현실적인 문제가 되고 있다. 삼성전자와 SK하이닉스의 반도체 투자 확대와 AI 데이터센터 증가로 국내 전력 수요가 크게 늘어날 가능성이 제기되고 있으며, 최근에는 추가 전력 수요가 25~30GW에 이를 수 있다는 전망까지 나왔다.  결국 AI 산업의 성장 속도와 전력 인프라를 확충하는 속도 사이에 차이가 생기기 시작한 것이다. GPU가 AI의 연산을 담당한다면 전력은 그 연산을 실제로 움직이게 하는 기반이다. 그래서 앞으로 AI ...

  농기계 회사가 왜 AI 반도체를 개발할까? 대동 농기계라고 하면 대부분 트랙터나 콤바인부터 떠올린다. 그동안 농기계 산업의 경쟁력은 얼마나 강한 엔진을 만들고, 얼마나 편리한 장비를 생산하느냐 에 가까웠다. 그런데 이 시장의 경쟁 방식이 달라지고 있다. 농촌의 인력 부족이 심해지고 있고, 농업 현장에서는 더 적은 인력으로 더 넓은 면적을 관리해야 하는 상황이 만들어지고 있다. 단순히 엔진의 힘을 높이는 것만으로는 해결하기 어려운 문제다. 결국 농기계가 사람을 대신해 판단하고 움직이는 방향 으로 발전해야 한다. 여기에서 AI가 등장한다. 트랙터가 단순히 앞으로 움직이는 것과 스스로 작업하는 것은 완전히 다르다. 밭에 장애물이 있는지, 작물이 어디에 있는지, 어느 방향으로 이동해야 하는지, 지금 속도를 줄여야 하는지, 작업기를 어떻게 움직여야 하는지를 스스로 판단해야 한다. 사람이 운전한다면 눈으로 보고 머리로 판단한 뒤 손과 발로 조작하면 된다. 하지만 자율주행 농기계에서는 이 과정을 기계가 대신해야 한다. 카메라와 각종 센서가 주변 환경을 보고, AI가 데이터를 분석하고, 시스템이 판단한 결과를 바탕으로 트랙터와 로봇이 움직이는 구조다. 이 순간부터 농기계는 단순한 기계가 아니다. 하나의 거대한 AI 시스템으로 바뀌기 시작한다. 그리고 여기서 중요한 문제가 생긴다. AI가 주변 환경을 실시간으로 판단하려면 엄청난 양의 데이터를 처리해야 한다. 그런데 농업 현장은 데이터센터처럼 거대한 서버를 옆에 설치해 놓고 사용할 수 있는 공간이 아니다. 트랙터와 로봇 안에서 데이터를 빠르게 처리해야 한다. 전력도 제한적이고, 통신 환경도 항상 안정적인 것은 아니다. 그래서 AI 반도체의 역할이 중요해진다. 대동이 최근 AI와 자율주행, 로봇 분야로 사업을 확장하는 이유도 바로 이 변화와 연결해서 볼 필요가 있다. 농기계에 AI가 들어가기 시작하면 경쟁의 기준 자체가 바뀐다. 과거에는 엔진 → 변속기 → 작업기 → 내구성 이 중요했다면, 앞으로는 센서 → AI 반도...