AI 데이터센터 붐 뒤의 수처리 과제: 냉각 아키텍처, 재이용수, 농축배수비(COC), 농축수 관리가 하이퍼스케일 물 사용을 어떻게 결정하는가

AI 데이터센터의 물 문제는 대개 질문 자체가 너무 좁다

“AI 데이터센터는 물을 얼마나 사용하는가?”라는 질문은 단순해 보이지만, 공학적으로는 충분하지 않다. 물 사용량은 컴퓨팅 부하에 고정된 속성이 아니다. 랙 열밀도와 칩 온도, 공랭과 direct-to-chip(D2C) 중 무엇을 택하는지, 최종 열 방출 방식, 현장의 건구·습구 조건, 이용 가능한 보충수의 수질, 그 물을 안전하게 몇 회 농축할 수 있는지, 그 농축을 가능하게 하는 수처리, 그리고 마지막에 남는 블로다운과 막 농축수의 처분 방식이 연쇄적으로 결정한다.

이 시스템 관점은 빠르게 중요해지고 있다. 미국 EPA의 Water Reuse Action Plan 2.0은 산업 및 데이터센터 냉각에서 재이용수 사용을 확대하는 행동 항목을 명시하고 있다. Water Research Foundation(WRF)도 fit-for-purpose 산업 재이용과 비증발식 냉각을 연구하고 있다. 따라서 물은 더 이상 데이터센터 사업자의 ESG 지표만이 아니라, 입지 선정, 유틸리티 계획, 허가, 열 설계를 동시에 제약하는 인프라 변수다.

AI를 지탱하는 전력 규모도 빠르게 증가하고 있다. Berkeley Lab의 2025년 업데이트는 미국 데이터센터가 2030년에 미국 전체 전력 소비의 약 11.8%를 차지할 가능성을 제시하며, 시나리오 범위는 9.5%–15.3%다. 별도의 Berkeley Lab 연구는 워크로드 수준의 물 사용량 차이가 10,000배를 넘을 수 있으며 서버 효율, 전력망의 물 소비 강도, 이용률, 냉각 기술, 시설 효율, 기후 등이 결정 요인이라고 분석했다. 즉 위치와 아키텍처를 떼어 놓은 “AI 1 kWh당 물 몇 L”이라는 보편 숫자는 방어하기 어렵다.

이 글은 300 MW 연속 IT 부하를 공통 기준으로 두고 Northern Virginia/Loudoun, Dallas–Fort Worth, Phoenix를 대표 시나리오로 비교한다. 중요한 원칙은 공개 실측값과 가정을 섞지 않는 것이다. 연간 습식 열 방출 비율, 예시 보충수 이온 조성, 일부 막 회수율은 공학 시나리오이며 실제 하이퍼스케일 캠퍼스의 공개 운전 데이터가 아니다. 목적은 메커니즘과 규모를 비교하는 것이지, 12개월 원수 분석, 시간별 기상 데이터, 막 벤더 projection, 개별 허가 검토를 대체하는 것이 아니다.

핵심 결론은 다음과 같다.

신규 AI 캠퍼스의 최적 수처리 전략은 먼저 더 많은 물을 찾는 것이 아니다. 우선 증발로 방출해야 하는 열 부하 자체를 최소화하고, 그 뒤 남은 습식 냉각 부하에 대해 fit-for-purpose 수처리를 설계해야 한다.

이는 Atlas WTS의 Data Center Cooling & Water Strategy와 같은 설계 철학이다. 열 아키텍처는 수처리 플랜트보다 상류의 의사결정이다.

300 MW 기준 모델: 물 수요는 어디에서 시작되는가

300 MW IT 부하가 연간 8,760시간 지속된다고 가정하면:

$$E_{IT}=300\ MW\times8{,}760\ h=2.628\ TWh/y$$

습식 냉각 비교에서는 평균 열 방출 부하를 330 MW, 즉 IT 부하의 1.10배로 둔다. 물의 증발잠열을 약 2.43 MJ/kg, 즉 약 0.675 kWh/kg으로 두면, 모든 열을 증발 방식으로 방출할 때의 연간 증발량은:

$$E_{100\%} = \frac{330{,}000\ kW\times8{,}760\ h}{0.675\ kWh/kg} \approx4.283\times10^9\ L/y =4.283\ GL/y$$

비교 시나리오에서는 연간 습식 열 방출 비율을 Virginia 60%, Texas 75%, Phoenix 90%로 둔다.

$$E_{site}=4.283\times f_{wet}$$

사이트	가정한 연간 습식 열 방출 비율	연간 증발량	증발만 환산한 WUE
Northern Virginia	60%	2.57 GL/y	0.98 L/kWh-IT
Dallas–Fort Worth	75%	3.21 GL/y	1.22 L/kWh-IT
Phoenix	90%	3.85 GL/y	1.47 L/kWh-IT

이 값들은 세 지역에서 실제 운영 중인 데이터센터의 WUE가 아니다. 습식 열 방출 의존도가 큰 설계의 노출 기준선이다. 실제 하이퍼스케일 운영자는 다른 열 아키텍처를 통해 훨씬 낮은 WUE를 달성하고 있다. Microsoft는 평균 WUE가 초기 2.3 L/kWh에서 2025년 0.27 L/kWh로 낮아졌다고 보고했고, AWS는 약 0.12 L/kWh를 보고한다. Microsoft는 냉각 증발수를 사용하지 않는 closed-loop D2C 설계도 추진하고 있다. ASHRAE의 2026 AI Data Center Framework는 D2C를 AI/HPC의 사실상 표준 방향으로 다루고 warm-water·chiller-less 설계가 많은 기후에서 냉각수 사용을 거의 0으로 낮출 수 있다고 설명한다.

따라서 이 냉각탑 모델은 최첨단 2026 설계 목표가 아니라, 전통적 또는 습식 열 방출 비중이 큰 시스템의 비교 기준이다.

공개 WUE는 benchmark이지 300 MW 설계 입력값이 아니다

기업 fleet WUE는 현실성 점검에는 유용하지만 특정 부지의 물 수지 자체는 아니다. 기업 WUE는 여러 기후, 설비 세대, 냉각 방식, 임대 용량을 하나의 reporting boundary에 묶을 수 있다. 반면 프로젝트 수준에서는 연중 각 시간에 몇 MW의 열이 증발 장치로 들어가고, 어떤 물 흐름이 그 장치를 지지하는지를 알아야 한다.

연간 WUE가 같아도 필요한 인프라는 크게 다를 수 있다. 한 시설은 소량의 물을 연중 계속 사용하고, 다른 시설은 9개월 동안 거의 물을 쓰지 않다가 가장 더운 몇 주에만 대유량이 필요할 수 있다. 동일한 L/kWh 수치라도 급수관 용량, 저장조, 냉각탑 cell, 블로다운 허가, 처리 피크 유량은 완전히 다르다.

따라서 설계에서는 최소한 다음 네 가지를 분리해야 한다.

$$\text{annual water consumption}$$ $$\text{peak makeup flow}$$ $$\text{peak blowdown / concentrate flow}$$ $$\text{seasonal chemistry at the peak-flow condition}$$

마지막 항목이 특히 자주 빠진다. 물 사용이 최대인 시점에는 순환수 온도와 생물학적 활성이 높고 부식 환경도 더 가혹할 수 있다. 재이용수의 chloride, ammonia, TOC가 계절적으로 변한다면 최악의 수리 조건과 최악의 수질 조건이 동시에 올 수 있다.

통합 공정 모델. 핵심 설계 결정은 수처리 플랜트 앞에 있다. 애초에 얼마의 열을 증발 루프로 보내야 하는가?

세 개의 경계가 필요하다: site water, source water, discharge

Boundary A — site water

시설 경계의 물 사용은:

$$W_{site} = W_{cooling}+W_{humidification}+W_{domestic}+W_{treatment\,loss}$$

으로 나타낼 수 있다. 대형 AI 시설에서는 냉각과 처리 손실이 핵심이지만, 처리 train 자체가 취수량을 증가시킬 수 있기 때문에 경계를 명확히 해야 한다.

Boundary B — source water

더 넓은 경계에서는 전력 생산에서 소비되는 물을 더한다.

$$W_{source} = W_{site}+E_{facility}\times I_{grid,water}$$

$I_{grid,water}$는 전력 공급의 물 소비 강도다. Berkeley Lab의 분석은 grid water consumption이 워크로드 물 사용량을 좌우하는 주요 변수 중 하나임을 보여준다. 현장 증발을 거의 0으로 낮춰도 전력 계통의 물 발자국은 남을 수 있다. 반대로 dry/mechanical cooling의 추가 source-water 부담이 습식 냉각의 수 GL/y 직접 증발보다 훨씬 작을 수도 있다. 이는 슬로건이 아니라 계산 문제다.

Boundary C — watershed / discharge

증기 이외의 잔류 흐름은:

$$W_{residuals} = W_{blowdown} +W_{RO/NF\,reject} +W_{regeneration\,waste} +W_{chemical\,residuals}$$

로 볼 수 있다. 이 경계에서야 비로소 절수가 실제 소비 회피인지, 혹은 문제를 고염 블로다운이나 막 농축수로 옮긴 것인지 확인할 수 있다.

Figure G — Site water는 source water가 아니다. 부지 경계 WUE는 필요하지만 전체 생애주기 물 지표는 아니다.

AI는 수처리 플랜트보다 먼저 냉각 결정을 바꾼다

AI의 고열밀도 랙은 “공기가 주요 열 수송 매체”라는 오래된 전제를 바꾸고 있다. 본 분석에서 중요한 네 가지 냉각 구조는 다음과 같다.

냉각 아키텍처	현장 물 사용	냉각 에너지	기후 민감도	AI 고열밀도 대응	수처리 의미
공랭 + chiller/dry rejection	낮음	중–높음	고온기에 큼	극고밀도에서 제한	개방수 화학은 단순하지만 기계냉각 부담 증가
Evaporative / cooling tower	높음	보통 낮음	wet-bulb 의존 큼	2차 냉각 구조에 따라 다름	scale/corrosion/biofouling, blowdown 부담 최대
D2C + CDU	최종 heat rejection에 따라 다름. dry면 거의 0	낮음	warm-water로 기후 패널티 감소	높음	폐회로 coolant chemistry + 남은 개방탑 화학
Immersion + dry	매우 낮음	낮음	상대적으로 낮음	매우 높음	개방 IT-side water 없음, dielectric fluid/열교환기 적합성 필요

ASHRAE는 warm-water D2C를 chiller-less dry heat rejection으로 이어지는 아키텍처로 다룬다. Microsoft 경험도 증발을 없애면 기계냉각 전력이 늘 수 있지만 chip-level coolant 온도를 높이면 economizer 시간을 늘려 그 패널티를 줄일 수 있음을 보여준다. 따라서 “수냉이 항상 더 친환경적” 또는 “zero-water 냉각이 항상 더 친환경적”이라는 결론은 모두 지나친 단순화다.

Figure D — 개념적 water–energy quadrant. 좌표는 방향성을 위한 것으로 업계 평균 실측값이 아니다.

냉각탑은 단순 열교환기가 아니라 물화학 반응기다

증발 냉각이 남아 있다면 **COC(cycles of concentration)**가 물 양과 수질을 연결하는 가장 중요한 변수 중 하나가 된다. 잘 관리된 시스템에서 drift와 leakage를 무시하면:

$$COC\approx\frac{M}{B}$$ $$B=\frac{E}{COC-1}$$ $$M=E+B=E\frac{COC}{COC-1}$$

여기서 $M$은 보충수, $E$는 증발, $B$는 블로다운이다. DOE는 많은 시스템이 약 2–4 COC에서 운전되고 적절한 수처리가 있으면 6 COC 이상도 가능하다고 설명한다. COC 3에서 6으로 올리면 보충수는 약 20%, 블로다운은 약 50% 감소한다.

그러나 같은 식은 왜 최대 COC가 최적 COC가 아닌지도 보여준다.

COC	Makeup / Evaporation	Blowdown / Evaporation
2	2.000	1.000
3	1.500	0.500
4	1.333	0.333
5	1.250	0.250
6	1.200	0.200
8	1.143	0.143
10	1.111	0.111

COC 3→5에서 보충수는 약 16.7%, 블로다운은 50% 줄어든다. COC 5→8에서는 보충수가 추가로 약 8.6%만 감소한다. 절수 곡선은 빠르게 평탄화된다.

반면 보수적인 용존 성분은 반응이 없다고 가정하면:

$$C_{circulating}\approx C_{makeup}\times COC$$

으로 계속 농축된다. Chloride와 sodium은 이 선형 거동에 비교적 가깝다. Ca, HCO₃, SO₄는 침전이 시작되면 벗어나고, NH₄는 nitrification/stripping, TOC는 생분해·산화·흡착, silica는 중합과 공침에 의해 달라질 수 있다. 따라서 이 식은 screening upper bound이지 실제 운전수의 예측값이 아니다.

Figure B — 이 글의 핵심 tradeoff. 절수 효과는 평탄화되지만 화학 농축은 평탄화되지 않는다.

Atlas WTS의 Cooling Tower Water Balance & LSI Calculator가 유용한 이유도 여기에 있다. 물 수지와 scaling/corrosion 측면을 따로가 아니라 하나의 설계 문제로 봐야 한다.

주요 이온은 농축될수록 어떻게 변하는가

Calcium과 alkalinity는 carbonate 평형으로 연결된다. 물이 증발하면 calcium과 bicarbonate가 농축되고 공기–물 접촉은 CO₂를 제거해 pH를 올릴 수 있다. 따라서 carbonate saturation은 단순 TDS 배수보다 빠르게 증가할 수 있다. CaCO₃ 침전이 시작되면 용존 Ca는 더 이상 선형으로 올라가지 않고, 중요한 질문은 “용존 Ca가 얼마인가?”가 아니라 “Ca가 어디에, 얼마나 빠르게, 어떤 전열면에 석출되는가?”가 된다.

Sulfate는 낮은 농축에서는 보수적으로 거동할 수 있지만 Ca, 온도, ionic strength에 따라 gypsum 등의 scale로 제한될 수 있다. 상류에서 divalent cation을 선택적으로 제거하는 softening/NF가 큰 가치를 갖는 이유다.

Silica에는 모든 재질과 운전조건에 적용되는 단일 한계값이 없다. 용해도와 중합은 pH, 온도, 체류시간, Mg/Al, 표면에 영향을 받는다. 100 mg/L 같은 값은 screening 경고에는 쓸 수 있지만 보편적인 합격/불합격 기준은 아니다. high-COC 설계에서 silica가 매력적인 물 수지를 pilot-test 문제로 바꾸는 경우가 많다.

Chloride는 일반 냉각수 조건에서 쉽게 침전하지 않기 때문에 농축 tracer로 좋지만 부식 제약이 된다. 허용 chloride는 metallurgy, 온도, oxidant residual, crevice, deposit, corrosion inhibitor에 크게 좌우된다.

TOC, ammonia, nutrients는 scale salt가 아니지만 농축되면 미생물 제어를 어렵게 한다. TSS가 낮은 재이용수라도 생분해성 유기물이나 ammonia가 있으면 biological control이 어려울 수 있다. 따라서 turbidity와 TDS만 있는 재이용수 사양은 냉각용으로 불완전하다.

실무 규칙은 명확하다. COC는 단 하나의 숫자가 아니라 동시에 작동하는 모든 화학·재질 제약 중 가장 낮은 허용 농축배수로 결정된다.

Scaling, corrosion, biofouling은 하나의 결합 고장 시스템이다

수처리 프로그램은 scale, corrosion, microbiology를 따로 분류하지만 실제 장비는 세 문제를 독립적으로 경험하지 않는다. Mineral scale은 표면을 거칠게 해 미생물 부착을 돕고, biofilm은 국부 산소 농도와 pH/ORP를 바꿔 under-deposit corrosion을 촉진한다. 부식 생성물은 추가 침전물로 쌓이고 silica, phosphate, suspended solids, organics와 복합 fouling layer를 만든다.

$$\text{fouling layer} = \text{mineral scale} + \text{corrosion products} + \text{biofilm} + \text{suspended solids} + \text{organic foulants}$$

열전달 관점에서는:

$$U_{fouled}^{-1}=U_{clean}^{-1}+R_f$$

이다. fouling resistance $R_f$가 증가하면 총괄 열전달계수가 낮아지고 시설은 더 낮은 냉각수 온도, 더 높은 유량, 더 큰 fan power 또는 chiller work로 보상한다. 수화학 문제가 PUE 문제가 되는 것이다.

재이용수의 가치는 “자동으로 깨끗해서”가 아니라 무엇을 대체하는가에 있다

재이용수는 potable water 수요를 줄이는 매우 강력한 도구지만 “reclaimed”라는 이름만으로 냉각탑에서 쉬운 물인지 어려운 물인지 알 수 없다.

Loudoun Water의 Broad Run Water Reclamation Facility는 좋은 반례다. 이 시설은 primary treatment, 2 mm screening, equalization, MBR, activated carbon, UV를 사용하고 엄격한 nutrient/COD 관리 아래 냉각탑을 포함한 비음용 용도에 고도 처리 재이용수를 공급한다. 이는 일반 secondary effluent와 크게 다르다.

따라서 비교해야 할 것은 potable/reclaimed라는 라벨이 아니라 실제 이온 및 생물학적 프로파일이다.

$$Ca,\ Mg,\ alkalinity,\ SO_4,\ Cl,\ SiO_2,\ PO_4,\ NH_4,\ TOC,\ TSS,\ SDI,\ conductivity$$

그리고:

$$pH,\ temperature,\ microbial\ activity,\ oxidant\ demand,\ seasonal\ variability$$

본 분석은 COC 민감도 비교를 위해 다음과 같은 예시적 보충수 조성(mg/L)을 사용한다. 이는 지역 상수도 연간 실측값이 아니다.

사이트 / 수원	Ca	Mg	HCO₃	SO₄	Cl	SiO₂	TOC	NH₄-N
VA potable	40	10	90	35	25	8	2.0	0.05
VA reclaimed	45	12	100	45	50	10	4.0	0.5
TX potable	65	15	140	60	70	12	2.5	0.05
TX reclaimed	70	18	150	80	100	14	6.0	1.0
AZ potable	75	25	180	90	120	18	2.5	0.05
AZ reclaimed	85	28	190	110	160	20	7.0	1.5

실제 프로젝트는 최소 1년간의 수질 데이터를 사용하고 annual average보다 90th/95th percentile 조건을 평가해야 한다. 여러 하수처리장에서 재이용수를 전환 공급할 수 있다면 source switching도 별도 운전 시나리오로 모델링해야 한다.

Figure C — 보수적 농축 screening. Arizona에서는 COC가 단순 수량 문제가 되기 전에 silica/chloride ceiling이 드러난다.

세 개의 300 MW 사례

물 수지 결과

사이트	COC	Evaporation GL/y	Blowdown GL/y	Makeup GL/y	평균 Makeup MGD
Virginia	3	2.570	1.285	3.854	2.790
Virginia	5	2.570	0.642	3.212	2.325
Virginia	8	2.570	0.367	2.937	2.125
Texas	3	3.212	1.606	4.818	3.487
Texas	5	3.212	0.803	4.015	2.906
Texas	8	3.212	0.459	3.671	2.657
Arizona	3	3.854	1.927	5.782	4.184
Arizona	5	3.854	0.964	4.818	3.487
Arizona	8	3.854	0.551	4.405	3.188

Figure A — 같은 COC라 하더라도 물 시스템 규모는 얼마나 많은 열이 여전히 증발 열 방출로 들어가는지에 크게 좌우된다.

수리학적 교훈은 단순하다. 높은 습식 열 분율을 가진 300 MW 캠퍼스는 작은 산업용수 고객이 아니다. COC 5에서도 모델 보충수는 연간 약 3.2–4.8 GL에 이른다. 화학적 교훈은 더 역설적이다. 물 절약 유인이 가장 큰 사이트일수록 high COC를 화학적으로 달성하기가 가장 어려울 수 있다.

Northern Virginia: 구조적 장점은 재이용수 인프라

Parameter, mg/L	Makeup	COC 3	COC 5	COC 8
Ca	45	135	225	360
Mg	12	36	60	96
HCO₃	100	300	500	800
SO₄	45	135	225	360
Cl	50	150	250	400
SiO₂	10	30	50	80
TOC	4	12	20	32
NH₄-N	0.5	1.5	2.5	4.0

COC 5에서 이론적 chloride는 약 250 mg/L, COC 8에서 약 400 mg/L다. 보편적 부식 한계는 아니지만 conductivity만으로 COC 8을 정할 수 없음을 보여준다.

Virginia의 장점은 기후만이 아니다. Loudoun에는 재이용수 distribution과 고도 처리 인프라가 있어 reclaimed water + moderate COC + hybrid dry/wet heat rejection을 full-flow membrane plant보다 먼저 평가할 현실적 기반이 있다.

첫 검토 train은 다음과 같이 둘 수 있다.

$$\text{Reclaimed water} \rightarrow \text{filtration as required} \rightarrow \text{selective softening} \rightarrow \text{chemical conditioning} \rightarrow \text{cooling system}$$

COC 4–6을 pilot/optimization의 시작 범위로 두는 것이 합리적이다.

Texas: 물의 양과 화학이 동시에 1차 제약이 된다

Parameter, mg/L	Makeup	COC 3	COC 5	COC 8
Ca	70	210	350	560
Mg	18	54	90	144
HCO₃	150	450	750	1,200
SO₄	80	240	400	640
Cl	100	300	500	800
SiO₂	14	42	70	112
TOC	6	18	30	48
NH₄-N	1.0	3	5	8

COC 5에서는 이미 conductivity controller만으로 관리하기 어렵다. Ca와 alkalinity가 동시에 크게 올라가며 보수적 screen에서 chloride 500 mg/L, TOC 30 mg/L에 이른다. COC 8에서는 silica가 100 mg/L를 넘고 chloride는 800 mg/L가 된다.

비교해야 할 세 가지 설계 경로는 다음과 같다.

1. COC 3–4 + 제한적 전처리: 보충수와 블로다운은 크지만 수화학이 단순하다.
2. Softening/NF + COC 5–7: CAPEX는 증가하지만 다가 scale former를 선택적으로 제거한다.
3. D2C + dry/hybrid rejection: 개방 냉각탑으로 들어가는 열 자체를 줄인다.

300 MW 규모에서는 COC 8–10을 강제하기 위해 수처리 복잡성을 계속 올리는 것보다 세 번째 경로가 장기적으로 더 확장성이 높은 경우가 많다.

Arizona: water–energy–chemistry paradox가 가장 선명하다

Parameter, mg/L	Makeup	COC 3	COC 5	COC 8
Ca	85	255	425	680
Mg	28	84	140	224
HCO₃	190	570	950	1,520
SO₄	110	330	550	880
Cl	160	480	800	1,280
SiO₂	20	60	100	160
TOC	7	21	35	56
NH₄-N	1.5	4.5	7.5	12

COC 5에서는:

$$Ca=425\ mg/L$$

CaCO₃ 경도로 환산하면 대략:

$$425\times2.497\approx1{,}061\ mg/L\ as\ CaCO_3$$

그리고:

$$SiO_2\approx100\ mg/L$$ $$Cl^-\approx800\ mg/L$$

이다. 이것은 자동 실패 한계가 아니라, 추가 COC 상승을 material-specific saturation/corrosion model과 실제 chemical program으로 정당화해야 한다는 경고다.

COC 8에서는:

$$SiO_2\rightarrow160\ mg/L$$ $$Cl^-\rightarrow1{,}280\ mg/L$$ $$HCO_3^-\rightarrow1{,}520\ mg/L$$

이 상태에서 “antiscalant를 더 넣고 COC를 계속 높인다”는 접근은 견고하지 않다.

Figure F — source-water scenario마다 chemical ceiling이 다르다. 이 그림은 정성적 screening이며 보편 한계가 아니다.

정성적 risk matrix가 사이트 차이를 분명하게 만든다

Site	COC	Hardness / CaCO₃ scale	Silica / composite scale	Chloride / TDS corrosion	Biofouling	Overall screening risk
Virginia	3	낮음–중간	낮음	중간	중간	중간
Virginia	5	중간	중간	중간	중간–높음	중간
Virginia	8	높음	중간–높음	높음	높음	높음
Texas	3	중간	중간	중간–높음	중간–높음	중간–높음
Texas	5	높음	중간–높음	높음	높음	높음
Texas	8	매우 높음	높음	매우 높음	높음	매우 높음
Arizona	3	높음	중간	높음	중간–높음	높음
Arizona	5	매우 높음	높음	매우 높음	높음	매우 높음
Arizona	8	매우 높음	매우 높음	매우 높음	매우 높음	강화 처리 없이는 권장하지 않음

이 표는 “모든 냉각탑을 COC 8로 운전하면 절수된다”는 접근이 보편 해법이 아님을 보여준다. 실제 COC ceiling은 이론적 용해도 지점이 아니라, 추가 절수보다 전처리, 약품, metallurgy, 세정 빈도, 신뢰성, 농축수 처분 비용이 더 커지는 실무적 지점이다.

Full-flow RO paradox: 전처리가 source-water demand를 늘릴 수 있다

Arizona COC 8에서 냉각탑 보충수는:

$$M_{tower,COC8}=4.405\ GL/y$$

전량을 회수율 80% RO로 만들면:

$$R_{RO}=80\%$$

RO feed는:

$$Feed_{RO}=\frac{4.405}{0.80}=5.506\ GL/y$$

RO concentrate는:

$$5.506-4.405=1.101\ GL/y$$

반면 냉각탑 blowdown은:

$$0.551\ GL/y$$

이다. 즉 전처리 RO가 만드는 농축수는 냉각탑 blowdown의 약 2배다.

Figure E — Pretreatment tradeoff. RO가 silica, TDS, 부식, 신뢰성 때문에 충분히 정당화되더라도 source-water 및 residuals penalty를 물 수지에 포함해야 한다.

이는 RO를 반대한다는 뜻이 아니다. Brackish-water RO는 높은 salt rejection과 silica, TOC, 다가이온 제거에 강하다. 핵심은 “RO + high COC = 최소 환경부하”가 자동으로 성립하지 않는다는 것이다.

실제 제거가 필요한 화학종을 봐야 한다. NF는 Ca²⁺, Mg²⁺ 같은 다가이온을 선택적으로 크게 제거하면서 단가염은 더 통과시킬 수 있다. 제한 인자가 hardness이고 NaCl이 아니라면 선택적 제거가 과도한 처리를 피한다.

따라서 데이터센터 냉각은:

$$\boxed{\text{Partial NF/RO + bypass}}$$

에 특히 적합할 수 있다. 예를 들어 보충수의 50%만 NF로 처리하고 혼합한다면:

$$C_{blend}=0.5C_{NF}+0.5C_{raw}$$

hardness/silica를 COC 5–6 범위까지 낮추면서 full-flow desalination의 취수 및 농축수 penalty를 피할 수 있다. Atlas WTS의 NF System Designer는 다가/단가 분리와 bypass blending에, RO System Designer는 recovery, permeate, concentrate TDS mass balance에 직접 활용할 수 있다.

Fit-for-purpose 처리가 “가능한 한 순수하게”보다 낫다

냉각수는 semiconductor ultrapure water가 아니다. 목표는 최소 TDS가 아니라 필요한 열부하에서 전체 시스템 비용과 위험을 최소화하는 것이다.

$$\min\left[ C_{treatment} +C_{chemical} +C_{blowdown} +C_{energy} +C_{risk} \right]$$

이지:

$$\min(TDS)$$

가 아니다.

기술	주요 역할	feasibility 시작점*	주요 장점	주요 제약 / residual
Lime / chemical softening	Ca, Mg, alkalinity, 일부 silica	jar test + saturation model	대유량에 성숙, 가능한 COC 상승	sludge, 약품, 다단 장치
Na-cycle IX softening	Ca, Mg	hardness leakage + bed capacity	단순, 막 reject 없음	regeneration brine, Na/TDS 잔류
UF	TSS, colloid, microbe, SDI	막/벤더 조건	재이용수 안정화, NF/RO 보호	dissolved salts 제거 안 함
NF	Ca, Mg, 다가이온, 일부 organics	75–90% recovery로 feasibility 후 projection/pilot	RO보다 선택적, 보통 낮은 압력	concentrate 발생, Na/Cl 제거 약함
RO	TDS, hardness, sulfate, chloride, silica, TOC	70–85% recovery로 feasibility 후 projection	가장 강한 수질 안정화	energy + concentrate + pretreatment
GAC	TOC, 미량유기물, oxidant	EBCT 10–20 min 수준 screening 후 pilot	유기부하, oxidant demand 감소	breakthrough, media 교체, bio growth
BAC	생분해성 유기물, 일부 NH₄	pilot 의존	biological nutrient load 감소	startup/미생물 제어 복잡
Chemical conditioning	scale, corrosion, microbiology	보편 ppm 없음	CAPEX 낮고 online 조절	chemical residual, permit, failure sensitivity

* 표의 범위는 feasibility screening 시작점이며 구매 사양이 아니다.

대표 treatment train은 다음과 같이 정리할 수 있다.

저위험 potable / 고도 reclaimed:

$$\text{Source} \rightarrow\text{side-stream filtration} \rightarrow\text{chemical conditioning} \rightarrow\text{tower}$$

중·고 hardness reclaimed:

$$\text{Reclaimed} \rightarrow UF \rightarrow\text{softening or NF} \rightarrow\text{chemical conditioning} \rightarrow COC\ 5{-}7$$

고 TDS / high silica / water-stressed site:

$$\text{Reclaimed} \rightarrow UF \rightarrow\text{partial NF/RO} \rightarrow\text{blend} \rightarrow\text{small wet trim load}$$

그러나 Arizona 같은 사이트에서는 더 강력한 답이:

$$\text{warm-water D2C} \rightarrow\text{dry cooler} \rightarrow\text{adiabatic trim only during extremes}$$

일 수 있다. 즉 점점 더 큰 full-flow water-treatment plant를 짓는 것이 최선은 아니다.

Blowdown과 concentrate는 배관 문제가 아니라 입지 제약이다

COC를 높이면 blowdown의 체적은 줄지만 농도는 올라간다. 성분 $i$의 개념적 mass balance는:

$$\dot m_i = Q_M C_{M,i} - \text{precipitation/consumption}$$

이다. high COC는 sewer hydraulic load를 줄이는 대신 salt concentration, silica/hardness precipitation risk, pretreatment complexity를 증가시키고 downstream membrane recovery와 MLD/ZLD를 더 어렵게 만들 수 있다.

Residual route	적용 조건	Energy	CAPEX	주요 장점	주요 제약
Municipal sewer / POTW	용량·local limit 가능	낮음	낮음	가장 단순	TDS, Cl, 온도, biocide/metal, utility capacity
Deep-well injection	지질·UIC permit 적합	낮음–중간	중간–높음	고염 처리 가능	지리, 허가, well integrity, liability
Evaporation pond	건조 기후·토지 충분	운전 energy 낮음	토지/liner 큼	단순	면적, seepage, ecology, storm capacity
MLD	물 부족하지만 full ZLD 과도	중간–높음	높음	높은 회수율, 작은 잔류액	최종 concentrate 출구 필요
ZLD	liquid discharge 허용 불가	높음	매우 높음	liquid discharge 거의 제거	energy, scale, materials, O&M
Crystallization	고체염 필요	최고	매우 높음	진정한 solid/liquid 말단	energy, scale, salt purity/disposal

EPA Underground Injection Control 제도에서 보듯 deep injection은 규제된 처분 경로이지 설계 말기에 추가할 수 있는 단순 배수관이 아니다. ZLD도 “zero environmental impact”가 아니다. 더 정확히는:

$$\text{liquid discharge} \rightarrow \text{electricity + chemicals + solids}$$

로의 전환이다.

MLD/ZLD 수준을 검토한다면 Atlas WTS의 Process / ZLD resource와 Zero Liquid Discharge Is a Sequencing Problem이 직접 관련된다. membrane-to-thermal handoff가 후단 energy와 CAPEX를 크게 좌우하기 때문이다.

피해야 할 architecture lock-in은 분명하다. 물이 있어 대형 습식 냉각을 먼저 설치하고, COC 화학이 어려워 RO를 추가하며, RO reject와 tower blowdown을 버릴 수 없어 ZLD를 추가한다면, 원래 열 방출 아키텍처가 만든 residuals를 처리하기 위해 상당한 전력을 소비할 수 있다.

Water–energy paradox는 주장하는 것이 아니라 계산해야 한다

Site WUE는:

$$WUE_{site}=\frac{W_{site}}{E_{IT}}$$

더 넓은 source-water 지표는:

$$WUE_{source} = \frac{W_{site}+E_{facility}\times I_{grid,water}}{E_{IT}}$$

이다.

300 MW IT에서 PUE 1.10과 1.20을 비교하는 순수 민감도 사례를 보면 연간 시설 에너지 차이는:

$$2.628\times(1.20-1.10)=0.2628\ TWh$$

즉:

$$262.8\ GWh/y$$

다. marginal grid water-consumption intensity를 0.5 L/kWh로 가정하면 추가 source-water footprint는:

$$262.8\times10^6\times0.5=131.4\ ML/y$$

이고, 1 L/kWh라면 약 263 ML/y다. 적지 않은 양이지만 wet-cooling baseline의 수 GL/y 직접 증발보다 훨씬 작을 수도 있다. 따라서 “dry cooling은 물 사용을 전력망으로 옮길 뿐”과 “zero-site-water는 물 발자국이 0”이라는 두 슬로건은 모두 불충분하다.

운전과 모니터링: 평균 수질에서만 되는 설계는 설계가 아니다

평균 chemistry에서만 high COC가 가능한 설계는 계절적 upset를 기다리는 것과 같다. 재이용수를 쓰는 개방 냉각계에서는 최소한 makeup/circulating conductivity, makeup 및 blowdown 유량, 계산/검증 COC, pH, 온도, oxidant residual 또는 미생물 제어 변수, metallurgy별 corrosion monitoring, turbidity/TSS, hardness, alkalinity, chloride, sulfate, silica, 필요 시 TOC/ammonia를 추적해야 한다.

가장 유용한 운전 모델은 하나의 conductivity setpoint가 아니다. conductivity는 1차 blowdown trigger가 될 수 있지만 source-water chemistry가 변하면 chemistry-specific limit가 COC target을 낮출 수 있어야 한다.

여러 재이용수 공급원이나 potable/reclaimed 전환이 가능하다면 historian에 source-water identity를 남겨야 한다. 모든 보충수를 화학적으로 같은 물로 취급하면 안 된다.

고도 캠퍼스에서는 COC target을 고정값이 아닌 동적 변수로 둘 수 있다.

$$COC_{target}=f(\text{source chemistry},\ temperature,\ metallurgy,\ treatment\ state,\ permit\ margin)$$

이는 opaque한 AI controller가 필요하다는 뜻이 아니다. 명확한 화학 제약, 검증된 sensor, 조건이 나빠질 때 더 안전한 COC를 선택할 수 있는 supervisory layer가 필요하다는 뜻이다.

실제 데이터센터 부지를 위한 의사결정 프레임워크

1. 실제로 증발 열 방출이 필요한 IT heat를 먼저 결정한다

D2C supply/return temperature, dry-bulb/wet-bulb 시간, dry-cooler approach, adiabatic trim, chiller availability, redundancy, heat reuse를 모델링한 후 wet fraction을 정한다.

2. 네 개의 모델을 병렬로 운용한다

$$Thermal\ Model$$ $$Water\ Balance$$ $$Water\ Chemistry$$ $$Residuals/Permit\ Model$$

모델은 서로 변수를 교환해야 한다. coolant temperature가 economizer hours를 바꾸고, wet fraction이 증발을 바꾸며, COC가 makeup/blowdown을 바꾸고, source chemistry가 처리 강도를 바꾸며, membrane recovery가 source-water demand와 concentrate를 바꾼다. 마지막으로 discharge route가 허용 recovery나 COC를 역으로 제약한다.

3. 원수를 하나의 평균값이 아니라 통계 분포로 특성화한다

최소한 다음 항목의 계절/월별 분포를 평가하고 90th/95th percentile을 screening에 사용한다.

$$Ca,\ Mg,\ alkalinity,\ SiO_2,\ SO_4,\ Cl,\ TOC,\ NH_4,\ TSS,\ conductivity$$

4. 재질별 chemistry limit를 정의한다

단일 “최대 TDS”가 아니라:

$$SI_{CaCO_3},\quad SI_{CaSO_4},\quad [SiO_2],\quad [Cl^-],\quad pH,\quad ORP$$

및 metallurgy-specific corrosion, heat-exchanger surface temperature, disinfectant compatibility, deposit monitoring limit를 정의해야 한다.

5. COC를 최대화하지 말고 최적화한다

$$\boxed{ \min J = C_{annualized} +\lambda_1W_{fresh} +\lambda_2E +\lambda_3W_{source} +\lambda_4R_{chemistry} +\lambda_5R_{permit} }$$

제약조건은 예를 들면:

$$SI_i\le SI_{i,max}$$ $$Cl^-\le Cl^-_{material}$$ $$SiO_2\le SiO_{2,max}$$ $$Q_{discharge}\le Q_{permit}$$ $$C_{discharge,i}\le C_{permit,i}$$

이다. 이 구조에서 중요한 실무 결론이 나온다.

최적 COC는 대개 최대 COC가 아니다.

6. 회수율을 고정하기 전에 residuals management를 설계한다

sewer capacity가 제한적이면 그 조건을 막과 냉각탑 최적화에 넣어야 한다. injection이 지질·법적으로 불가능하면 site screening에 들어가야 한다. ZLD만이 가능한 출구라면 그 에너지와 약품 수요도 thermal/water decision에 처음부터 포함해야 한다.

세 시나리오가 시사하는 방향

설계 이슈	Northern Virginia	Texas	Arizona
선호 열 아키텍처	D2C + hybrid dry/wet	D2C + dry/hybrid	Warm-water D2C + predominantly dry
Wet cooling 역할	비교적 큰 assist 가능	peak/seasonal	trim/peak 선호
Makeup source	가능하면 reclaimed 우선	reclaimed/alternative 우선	reclaimed/non-potable 강하게 우선
초기 COC 최적화	4–6	4–6, softening 후 더 높게 검토	high COC 추구부터 시작하지 않음
선호 pretreatment	필요 시 filtration/softening	UF + softening/NF	Partial NF/RO 또는 wet load 축소
Full-flow RO	대개 1순위 아님	수질 의존	신중히 사용
Blowdown strategy	sewer/reuse 가능성 비교적 큼	sewer/MLD/site-specific	MLD/pond/injection/site-specific
가장 큰 구조 리스크	high COC biofouling + chloride	scale + salts + summer demand	water availability + silica + chloride + concentrate

정확한 권고는 실제 기상과 수질에 따라 달라진다. 그러나 구조적 교훈은 동일하다. 가장 건조하고 더운 부지가 물 부족에 대응하기 위해 가장 복잡한 water plant를 건설해야 하는 것은 아니다. 습식 냉각 부하 자체를 줄이는 편이 더 큰 레버리지를 제공할 수 있다.

차세대 데이터센터 물 설계 철학

전통적 순서는 흔히:

$$\text{Data Center} \rightarrow \text{Large Cooling Tower} \rightarrow \text{Find Water} \rightarrow \text{Treat Water} \rightarrow \text{Handle Blowdown}$$

였다.

더 견고한 순서는:

$$\boxed{\text{Minimize Evaporative Heat Load First}}$$ $$\downarrow$$ $$\text{Use Lowest-Value Suitable Water}$$ $$\downarrow$$ $$\text{Treat Only What Chemistry Requires}$$ $$\downarrow$$ $$\text{Optimize COC, Don't Maximize It}$$ $$\downarrow$$ $$\text{Design Residuals Management Before Finalizing Recovery}$$

다.

이는 EPA의 데이터센터 냉각 재이용수 확대, ASHRAE의 warm-water liquid cooling, WRF의 fit-for-purpose reuse, 그리고 하이퍼스케일 사업자의 reclaimed water, hybrid cooling, zero-water-evaporation design 방향과 일치한다.

미디어의 서사는 “AI 데이터센터가 물을 너무 많이 쓴다”로 끝나기 쉽다. 공학적 결론은 더 유용하게 정리할 수 있다.

하이퍼스케일 AI 인프라의 물 문제는 데이터센터가 얼마나 많은 물을 확보할 수 있느냐의 문제가 아니다. 어느 정도의 열을 증발로 방출해야 하는지, 남은 부하에 어떤 등급의 물을 써야 하는지, 그 물을 화학적으로 안전하게 몇 번 농축할 수 있는지, 그리고 끝에 남은 모든 것을 어디로 보낼 것인지에 대한 시스템 설계 문제다.

따라서 차세대 데이터센터 수처리는 단순히 더 큰 RO plant로 정의되지 않을 가능성이 높다. 핵심은 thermal architecture, source-water quality, selective pretreatment, dynamic COC, residuals management의 통합 설계다.

주요 참고자료

• Lawrence Berkeley National Laboratory. United States Data Center Energy Usage Report: 2025 Update.
• Lawrence Berkeley National Laboratory. The water use of data center workloads: A review and assessment of key determinants.
• U.S. EPA. Water Reuse Action Plan 2.0.
• ASHRAE. AI Data Center Framework — Integrated Design Principles.
• ASHRAE. AI Data Center Framework — Energy and Thermal Efficiency.
• Microsoft. Inside Microsoft’s two-decade push to cut water intensity while scaling for growth.
• Amazon. Water stewardship.
• Loudoun Water. Water Reclamation / Broad Run Water Reclamation Facility.
• U.S. Department of Energy. Cooling Water Efficiency Opportunities for Federal Data Centers.
• U.S. Department of Energy. Best Management Practice 10: Cooling Tower Management.
• CDC. Controlling Legionella in Cooling Towers.
• Water Research Foundation. Treating Municipal Reclaimed Water for Multipurpose Industrial Reuse Applications.
• Water Research Foundation. Advancing Non-Evaporative Cooling Technologies in the CII Sector.
• DuPont Water Solutions. Nanofiltration (NF) and Brackish Water Reverse Osmosis Solutions.
• U.S. EPA. General Information About Injection Wells.