이에이트가 자사의 물리 예측 설루션 NFLOW Ai(엔플로우 에이아이)에 데이터센터 냉각 환경을 예측하는 기능을 구현했다고 밝혔다. 서버실 내부의 온도와 공기 흐름을 미리 계산하고, 장비에 무리가 가지 않는 범위에서 냉방 전력을 가장 적게 쓰는 운전 설정을 AI가 찾아 제안하는 방식이다.

데이터센터 전기 사용량에서 서버 다음으로 큰 비중을 차지하는 분야는 서버를 식히는 냉각 설비다. 데이터센터 전체 전력을 IT 장비가 쓴 전력으로 나눈 값인 전력효율지수(PUE)는 1에 가까울수록 부대설비에 쓰이는 전기가 적다는 뜻이다. 이 지표는 한동안 빠르게 좋아졌지만 최근에는 개선 속도가 크게 둔화했다. 글로벌 데이터센터 조사 기관 업타임 인스티튜트의 2025년 조사에 따르면 응답 기업의 평균 PUE는 1.54로 6년 연속 큰 변화가 없었다. 2007년 2.5 수준에서 2014년 1.65까지 내려간 뒤 2020년대에 들어서는 1.5 대에서 정체된 모습이다. 설비 교체로 얻을 수 있는 개선이 이미 상당 부분 반영된 까닭이다.

문제는 이 지표가 시설 전체의 평균값이라는 점이다. 특정 구역은 지나치게 차갑고 다른 구역은 위험할 만큼 뜨겁게 운전되어도 평균으로 계산하면 잘 드러나지 않는다. 지나간 결과를 정리한 값이어서 현시점에 어떤 부분을 바꿔야 하는지 알기도 어렵다. 이에 따라 현장에서는 안전 위주의 운전을 택하게 된다. 찬 공기를 조금만 덜 차갑게 넣어도 전기는 절약되지만, 서비스 중단을 우려해 필요 이상으로 냉각하는 경우가 많다. 결과적으로 불필요한 전력 소모가 계속 비용으로 쌓이게 된다.

이에이트에 따르면 평균 지표로는 잡히지 않는 국소 문제가 실제 운영에 악영향을 미치며, 예측 기반 접근은 이러한 간극을 메울 수 있다. NFLOW Ai는 사용자가 서버실 형상과 운전 조건을 입력하면 온도와 공기 흐름이 어떻게 형성될지 예측한다. 기존 수치 해석 기술도 이러한 계산은 가능했으나, 조건 하나를 계산하는 데 시간이 오래 걸려 다양한 경우를 비교하기 힘들었다. NFLOW Ai는 미리 수행한 다수의 계산 결과를 AI가 학습하는 방식으로 계산 시간을 크게 줄였다.

계산 속도가 빨라지면서 여러 조건의 비교 분석이 가능해졌다. NFLOW Ai는 AI가 다양한 운전 조합을 자동으로 검토한 뒤, 장비가 견딜 수 있는 온도 범위를 유지하면서 냉방 전력이 가장 적게 드는 운전 설정을 제안한다.

이 설루션이 설비를 직접 조작하지는 않는다. 기존 관리 시스템을 교체할 필요 없이 예측과 제안 역할만 담당하며, 실제 설정 변경 여부는 현장 담당자가 판단한다. 예측 결과에는 신뢰도 수준도 함께 표시되어, 학습 범위를 벗어난 조건일 경우 이를 사용자에게 알려준다.

이에이트는 데이터센터가 자사가 오랜 기간 다뤄 온 열 흐름 해석 기술을 적용하기 자연스러운 영역이라며, 냉각 판단에 명확한 근거를 더하는 방식이 현장에서 유용하게 활용될 것으로 기대한다고 밝혔다.