2025년 11월 현재 미국에 상장되어 있는 소형 모듈식 원자로(SMR) 관련 주식들이 급락하고 있습니다.
투자자들은 ‘핵심 사업 전망’에 수상한 신호가 있다고 판단했습니다.
그 신호는 중국의 AI 효율성 논문에서 시작했습니다.
이 글에서는 왜 과학 논문 하나가 수십억 달러의 시장을 뒤흔들었는지, 그리고 AI 에너지 효율화가 SMR 산업의 가장 중요한 전제를 어떻게 무너뜨렸는지 확인해 보겠습니다.
AI와 전력 수요의 운명
SMR 스타트업들의 성장 스토리는 매우 단순했습니다.
세계가 AI 혁명에 빠져들면서 엄청난 전력이 필요하게 되었고, 기존 대형 원자력 발전소는 건설 비용과 시간이 많이 소요되므로, 소형이면서 빠르게 배포할 수 있는 SMR이 ‘미래의 에너지 솔루션’이 될 것이라는 논리였습니다.
특히 2024년 말부터 2025년 초까지, 트럼프 행정부가 2050년까지 핵 발전 용량을 400GW로 4배 증가시킨다는 정책과 기술 거물들의 지속적인 지지가 이 시나리오를 강화했습니다.
하지만 문제가 있었습니다.
이러한 논리는 ‘AI의 전력 소비가 계속 증가한다’는 가정에 전적으로 의존했습니다.
만약 AI 모델이 더 효율적이게 되거나 같은 일을 더 적은 전력으로 할 수 있게 된다면 SMR 수요 전망 자체가 흔들릴 것입니다.
10월의 전환점 – AI는 90%까지 효율화 가능하다
2025년 10월 중순, 월스트리트가 주목한 논문이 등장했습니다.
런던 대학교 컴퓨터 과학과(UCL)에서 발표한 연구로, 제목은 충격적이게도 ‘실질적인 변화를 통해 AI 에너지 수요를 최대 90%까지 줄일 수 있다’였습니다.
이 연구는 UNESCO 보고서로 발표되었고, 다양한 산업 분석 플랫폼을 통해 빠르게 확산되었습니다.
연구팀 Meta의 LLaMA 3.1 8B 모델을 테스트하며 발견한 연구 내용은 아래와 같습니다.
- 숫자 반올림
- 모델의 내부 계산에서 사용하는 소수점 자리를 줄이면 정확도 손실 없이 에너지 사용을 감소시킬 수 있습니다.
- 지시문 및 응답 길이 단축
- 사용자의 입력과 AI의 출력 길이를 줄이면 에너지 효율이 극적으로 개선됩니다.
- 소형 특화 모델 사용
- 특정 작업(번역 및 요약 등)에 대해 거대한 만능 모델 대신 작고 특화된 모델을 사용하면 에너지 사용량을 90% 이상 줄일 수 있습니다.
한 날치 기준으로, 이런 절감은 영국 가정 30,000가구의 하루 전력량과 같습니다.
반복 작업(번역 및 요약)의 경우, 에너지 절감이 90%를 초과했으며, 이는 34,000가구를 하루 동안 전력 공급할 수 있는 규모입니다.
AI 효율화의 다중 전선 – 기술의 집단 공격
더욱 중요한 점은 이것이 단독 분제가 아니라는 것입니다.
AI 에너지 효율화는 여러 기술 전선에서 동시에 일어나고 있습니다.
뉴로모르픽 컴퓨팅은 뇌의 신경망 구조를 모방하는 기술입니다.
전통적 컴퓨터와 달리, 뉴로모르픽 칩은 미동기 스파이킹 이벤트를 통해 통신하며, 메모리와 계산을 지역적으로 결합합니다.
결과적으로 에너지 효율이 100배에서 1,000배까지 향상될 수 있습니다.
IBM의 TrueNorth 칩은 초당 460억 시냅스 연산을 화트당 수행합니다.
포토닉 신경망(광자 신경망)은 더욱 야심찬 접근입니다.
전기 신호 대신 빛을 사용해 신경망 연산을 수행하는 기술입니다.
빛은 전자보다 빠르고, 광학 장치는 열 손실이 거의 없습니다.
마이크로링 공진기, Mach-Zehnder 간섭계, 위상 변화 물질 등이 광자 칩 위의 뉴런과 시냅스로 작동합니다.
현재 연구는 작은 신경망 구현 단계이지만, 테라헤츠르 대역폭에서도 최소 열 발산으로 신경망 추론을 실행할 수 있는 미래를 제시합니다.
스핀트로닉 신경망(자기 기반 신경망)도 발전하고 있습니다.
자기 터널 접합(MTJ)을 사용한 기억 장치가 효율적인 시냅스로 작동하며, MTJ 기반 로직인메모리는 기존 CMOS 설계 대비 약 90% 전력 감소를 달성했습니다.
시간의 비극 – 2027년 VS 2025년
여기서 핵심적인 시간 괴리가 나타납니다.
이들 새로운 AI 칩 기술들 (뉴로모르픽, 포토닉, 스핀트로닉)은 2025~2028년 사이에 상용 배포 단계에 접어들 것으로 예상됩니다.
반면 SMR 기업들은(Oklo, NuScale, Nano Nuclear)은 2027년에서 2030년에 상용 운용이 가능한 것으로 보고 있습니다.
투자자들이 우려하는 시나리오는 ‘SMR이 전력을 공급할 준비를 갖추는 바로 그 시점에, AI는 이미 훨씬 더 효율적인 칩들로 업그레이드되어 있을 것이다’입니다.
특히 포토닉이나 뉴로모르픽 기술이 상용화되면, AI 데이터센터의 전력 수요 자체가 현재 전망의 50~90%까지 감소할수 있습니다.
거시적 수치 – 에너지 모델 선택의 파괴력
더욱 광범위한 연구는 모델 선택만으로도 AI 에너지 소비를 27.8% 줄일 수 있다고 제시합니다.
이는 2025년 기준으로 전 세계적으로 31.9TWh의 절감을 의미하는데, 이는 5개의 핵발전소 연간 출력량과 같습니다.
더 극단적인 시나리오는 특정 작업에 대해 98%까지의 에너지 절감이 가능합니다.
NVIDIA의 보고에 따르면, 지난 10년간 대형 언어 모델(LLM) 추론의 에너지 효율이 100,000배 향상되었습니다.
이것은 반도체 발전, 알고리즘 최적화, 그리고 모델 설계의 세 가지 분야에서 동시다발적 진보가 있었음을 의미합니다.
SMR의 거대한 미스매치
SMR 산업의 핵심 전체인 ‘폭발적인 AI 전력 수요’가 동시에 세 가지 이유로 흔들리고 있습니다.
- 소프트웨어 최적화
- 모델 선택, 양자화, 더 작은 모델 사용으로 이미 에너지가 대폭 절감되어 있습니다.
- 하드웨어 혁신
- 뉴로모르픽, 포토닉, 스핀트로닉 칩이 2025~2028년 상용화되면서 에너지 효율이 100~1,000배 향상될 것입니다.
- 타이밍 불일치
- 이 모든 기술은 SMR가 첫 전력 생산을 할 예정인 2027~2030년 보다 먼저 시장에 나올 것입니다.
SMR 기업들이 8년 전에 이를 예측했다면, 수요 전망을 대폭 낮췄을 것입니다.
하지만 이들은 2024~2025년 초의 AI 열풍에 편승해 극도록 낙관적인 수요 모델을 구축했고, 이제 시장은 그 가정을 재평가하고 있습니다.