궤도 위의 두뇌
2026년 현재, 전 세계 데이터센터 시장 규모는 약 600조 원을 돌파했다.
그런데 이 거대한 시장의 다음 전장이 지구 밖, 즉 궤도 위가 될 수 있다는 이야기가 기술 업계 안에서 퍼지고 있다. 들으면 황당한 것 같지만, 따져보면 이유가 꽤 탄탄하다. 여기에 AI와 반도체 기술의 진화가 맞물리면서, 우주는 더 이상 탐험가들의 낭만적인 무대가 아니라 IT 인프라 경쟁의 최전선이 되고 있다.
궤도 데이터센터와 AI
🛰️ 왜 하필 우주에 데이터센터를?
지구 위 데이터센터의 최대 골칫거리는 냉각이다.
서버가 뿜어내는 열을 식히기 위해 전 세계 데이터센터는 매년 어마어마한 전력과 물을 소비한다. 반면 우주는 태양 쪽을 피하면 섭씨 영하 270도에 가까운 공간이 무한정 펼쳐져 있다. 냉각 비용이 거의 제로에 수렴한다는 뜻이다. 게다가 태양광 에너지는 대기권 흡수 없이 그대로 받을 수 있어, 전력 효율도 지상보다 훨씬 높다.
여기서 AI가 등장한다. 궤도 데이터센터가 현실이 되려면 단순히 서버를 우주로 쏘아 올리는 것만으로는 부족하다. 지구와의 통신 지연을 최소화하고, 인간 없이 스스로 오류를 감지·수리하는 자율 운영 시스템이 필수다. 이게 바로 AI의 역할이다.
이미 구글 딥마인드(Google DeepMind)를 비롯한 거대 AI 연구소들은 수백만 개의 AI 에이전트가 서로 상호작용하는 시나리오를 연구 중이다. 궤도 데이터센터는 그 중 가장 극단적인 실험 환경이 될 수 있다.
업계 리더들이 공통적으로 꼽는 과제는 ‘운영 자동화’다. 사람이 직접 유지·보수할 수 없는 환경에서 AI는 선택이 아니라 전제 조건이다.
🚀 소형 로켓과 반도체의 연결고리
이 흐름과 맞물려, 미국 우주군(U.S. Space Force)은 반덴버그 우주군 기지에 소형·중형 로켓 전용 발사 시설을 새롭게 열었다. 표면적으로는 군사·상업 위성 발사용이지만, 맥락을 보면 더 큰 그림이 보인다. 궤도 데이터센터든 AI 처리 위성이든, 결국 하드웨어를 궤도에 올리는 데는 로켓이 필요하다. 발사 비용이 낮아질수록 우주 AI 인프라 구축의 경제성은 올라간다.
일본의 H3 로켓도 최경량 구성으로 재비행에 나섰다. H3는 소형 위성 군집(constellation, 수십~수백 개의 소형 위성이 연결되어 하나의 네트워크처럼 작동하는 시스템) 배치에 적합한 구성을 갖추고 있어, 아시아권에서도 우주 AI 인프라 경쟁이 본격화되고 있다는 신호다.
한편 스타트업 Stoke Space는 자사 Nova 로켓의 1단 구조 인증을 완료했다. Nova는 완전 재사용을 목표로 설계된 로켓으로, 재사용 로켓의 자동 착륙 알고리즘은 수천 개의 센서 데이터를 실시간으로 분석하는 AI 없이는 불가능하다. 머리카락 굵기의 약 3만 분의 1에 해당하는 3나노미터급 반도체가 탑재된 온보드 컴퓨터가 초당 수조 번의 연산을 수행하며 착륙 궤적을 조정한다.
기회와 리스크
💡 기회 : AI 에이전트가 우주 인프라를 자율 관리한다
구글 딥마인드는 최근 수백만 개의 AI 에이전트가 인간 감독 없이 서로 명령을 주고받는 상황의 위험성을 연구하고 있다고 밝혔다. 이는 역설적으로, 그 기술이 이미 그만큼 현실에 가까워졌다는 뜻이기도 하다. 딥마인드의 AGI 안전 정렬 연구 책임자 로힌 샤(Rohin Shah)는 이 문제를 ‘다음 세대의 핵심 안전 과제’로 명시했다.
우주 환경에서 이 기술이 적용되면 어떤 그림이 나올까.
수백 개의 AI 위성이 서로 데이터를 나누고, 고장난 위성을 대신해 다른 위성이 태스크를 넘겨받고, 지상 명령 없이 궤도를 재배치한다. 인간이 잠든 사이에도 우주 인프라는 24시간 스스로 운영된다. 이것이 궤도 AI 인프라의 궁극적 비전이다.
⚠️ 리스크 : 우주 방사선과 반도체의 전쟁
가장 현실적이고 큰 장벽이 있다.
지구 대기권 밖에는 우주 방사선(cosmic radiation)이 쏟아진다. 이 방사선은 반도체 내부의 회로를 직접 때려 비트 오류(bit flip, 0이 1로 바뀌거나 1이 0으로 바뀌는 오류)를 일으킨다. 지상에서는 무시할 수 있는 수준이지만, 우주에서는 이것이 AI 연산 결과를 완전히 뒤바꿀 수 있다. 예를 들어, 자율 착륙 알고리즘이 방사선으로 인해 ‘1미터 하강’을 ‘128미터 하강’으로 계산한다면? 결과는 끔찍하다.
이 때문에 우주용 반도체는 방사선 내성(radiation hardening)이라는 특수 공정을 거쳐야 한다. 문제는 이 공정이 최신 나노 공정과 병행하기가 매우 어렵다는 점이다. 현재 우주용 반도체 대부분은 의도적으로 구형 공정(28나노~90나노)을 유지한다. 최신 AI 연산에 필요한 고성능 칩을 우주에서 안전하게 쓰려면, 방사선에 강하면서도 연산 밀도가 높은 새로운 반도체 아키텍처가 필요하다. 이것이 현재 NASA, ESA(유럽우주국), 그리고 NVIDIA·Intel 같은 반도체 기업들이 함께 풀고 있는 숙제다.
또 하나의 리스크는 AI 에이전트 간 오작동 연쇄다. 딥마인드가 우려하듯, 수많은 AI가 서로 명령을 주고받다 보면 예상치 못한 행동 패턴이 나타날 수 있다. 지상에서는 서버를 끄면 그만이지만, 궤도 위의 AI 위성은 그게 안 된다.
한국의 우주 AI
한국은 2023년 누리호 성공, 2024년 달 궤도선 다누리의 과학 임무 수행으로 독자 우주 기술의 첫 장을 열었다. 한국천문연구원(KASI)은 현재 위성 데이터 분석에 머신러닝을 적용하는 연구를 진행 중이며, 다누리가 촬영한 달 표면 이미지를 AI로 분류·분석하는 프로젝트도 이 중 하나다. 수작업으로 분석하면 수년이 걸릴 데이터를 AI는 수 주 안에 처리한다.
반도체 측면에서는 삼성전자와 SK하이닉스가 HBM에서 세계 최고 수준의 기술을 보유하고 있다. AI 연산에서 HBM의 수요는 폭발적이다. 하지만 우주 방사선 내성 반도체 분야에서는 아직 독자 기술이 미약하다. 미국·유럽·일본에 비해 우주용 반도체 설계 경험이 부족한 것이 현실이다.
그러나 소형 위성 군집 시장은 지금 막 성장하는 단계이고, 대형 플레이어들이 독점을 굳히기 전의 틈새가 아직 열려 있다. 한국의 강점인 메모리 반도체와 통신 기술을 결합해 ‘우주용 AI 엣지 컴퓨팅(데이터 발생 현장 근처에서 즉시 연산 처리하는 방식)’ 모듈 분야에 특화한다면, 10년 안에 글로벌 공급망의 핵심 부품 역할을 할 수 있다.
우주는 이제 탐험의 공간이 아니라 연산의 공간이 되고 있다. AI가 없으면 궤도 데이터센터도, 재사용 로켓도, 자율 위성 군집도 존재할 수 없다. 그 중심에는 결국 반도체가 있다.