느린부자

  AI 반도체라고 하면 대부분 엔비디아의 GPU부터 떠올립니다. 실제로 AI 연산에서 GPU는 매우 중요한 역할을 합니다. 하지만 최근 AI 반도체 시장을 공부하다 보면 GPU 못지않게 자주 등장하는 부품이 있습니다. 바로 HBM(High Bandwidth Memory) 입니다. 처음 HBM이라는 단어를 접했을 때는 단순히 '속도가 빠른 메모리' 정도로 생각하기 쉽습니다. 그런데 AI 데이터센터가 확대되면서 HBM은 단순한 메모리 제품을 넘어 AI 반도체 성능을 좌우하는 핵심 부품 중 하나 로 자리 잡고 있습니다. 그렇다면 왜 AI 시대에는 HBM이 중요해진 것일까요? GPU가 아무리 빨라도 데이터를 빨리 보내지 못하면 문제가 생긴다 AI 반도체를 이해할 때 가장 먼저 생각해야 할 부분은 연산 능력과 데이터 이동 입니다. GPU가 아무리 많은 계산을 할 수 있어도 필요한 데이터를 제때 공급받지 못하면 GPU의 연산 능력을 충분히 활용하기 어렵습니다. 쉽게 비유하면 GPU가 고성능 공장이라면 HBM은 공장에 원재료를 빠르게 공급하는 물류 시스템에 가깝습니다. 공장의 생산 능력만 높인다고 전체 생산량이 무조건 증가하는 것은 아닙니다. 원재료 공급이 늦어지면 생산라인이 기다려야 하기 때문입니다. AI도 비슷합니다. 대규모 AI 모델은 엄청난 양의 데이터를 처리해야 하고, 이 데이터를 연산 장치에 빠르게 공급하는 것이 중요합니다. 그래서 AI 반도체에서는 단순히 GPU의 연산 성능뿐 아니라 얼마나 많은 데이터를 얼마나 빠르게 주고받을 수 있는가 라는 문제가 중요해지고 있습니다. 이 과정에서 HBM의 역할이 커지고 있습니다. HBM은 일반 DRAM과 무엇이 다를까? HBM은 여러 개의 메모리 칩을 수직으로 쌓아 사용하는 구조가 특징입니다. 여러 개의 DRAM 다이를 위로 쌓고 TSV(Through Silicon Via) 라는 기술을 이용해 칩 사이를 연결합니다. 기존 메모리와 비교하면 데이터를 이동시키는 통로를 더 넓게 구성할 수 있다는 것이 중요한 특...

  AI 산업의 성장으로 데이터센터에 대한 투자도 빠르게 확대되고 있다. 과거 데이터센터의 입지를 결정할 때는 통신망과 기업 접근성, 부지 비용 등이 중요한 요소였다. 그러나 생성형 AI와 고성능 컴퓨팅이 확대되면서 새로운 조건이 부각되고 있다. 바로 전력 공급 능력 이다. AI 데이터센터는 기존의 일반적인 데이터센터보다 높은 전력 밀도를 요구할 수 있으며, 서버뿐 아니라 냉각과 전력변환 설비까지 함께 고려해야 한다. 결국 데이터센터의 입지를 판단하는 기준이 IT 인프라에서 에너지 인프라까지 확대되고 있는 것이다. 1. 데이터센터의 입지에서 전력이 중요한 이유 데이터센터는 전력을 지속적으로 소비하는 시설이다. 특히 AI 데이터센터에서는 GPU 등 고성능 연산장비가 대규모로 사용된다. AI 모델의 학습과 추론 과정에서는 상당한 연산량이 필요하고, 서버가 가동되는 동안 발생하는 열을 관리하기 위한 냉각 시스템도 필요하다. 따라서 데이터센터의 전력 수요는 서버만으로 결정되지 않는다. 전체 전력 인프라는 크게 보면 다음과 같이 연결된다. 발전 → 송전 → 변전 → 배전 → 데이터센터 전력설비 → 서버 및 냉각설비 어느 한 부분에서 전력 공급이 제한되면 전체 데이터센터 운영에도 영향을 줄 수 있다. 2. 데이터센터를 많이 짓는 것보다 어려운 것은 전력망 연결이다 AI 데이터센터에 대한 투자 발표가 늘어나더라도 모든 프로젝트가 즉시 운영되는 것은 아니다. 대규모 데이터센터는 상당한 규모의 전력을 필요로 하기 때문에 해당 지역 전력계통의 여유가 중요하다. 전력망에 여유가 부족하다면 추가적인 송전·변전 설비가 필요할 수 있다. 이 과정에는 시간이 걸린다. 따라서 데이터센터 사업에서 중요한 것은 단순히 “몇 MW 규모의 데이터센터를 건설한다” 는 발표가 아니다. 실제 전력 공급이 가능한지, 계통 연결이 어느 단계까지 진행됐는지 확인해야 한다. 이 차이는 AI 관련 산업을 분석할 때 상당히 중요하다. 3. 수도권 집중이 전력 문제를 키울 수 있는 이유 우리나라의 산업과 ...

  원자력발전소는 하나의 기업이 만드는 제품이 아니다. 하나의 원전 프로젝트에는 발전소 설계, 주요 기자재 제작, 건설, 각종 계측·제어 시스템, 보조설비, 시운전, 운영과 유지보수 등 여러 분야가 연결된다. 따라서 원전 산업을 투자 관점에서 이해하려면 단순히 '원전 관련주'라는 분류보다 밸류체인(value chain) 을 먼저 이해할 필요가 있다. 이번 글에서는 특정 종목의 투자 판단보다는 원전 프로젝트를 구성하는 주요 산업 영역을 살펴본다. 1. 발주와 프로젝트 개발 대규모 원전 프로젝트는 먼저 사업을 추진할 주체와 프로젝트가 정해지는 것에서 시작한다. 발전사업자나 관련 기관이 프로젝트를 추진하고, 발전소의 규모와 기술 방식, 사업 구조 등을 결정하게 된다. 이 단계에서는 프로젝트 전체의 방향이 결정되기 때문에 이후 설계와 기자재, 건설업체의 참여에도 영향을 줄 수 있다. 주식시장에서는 이 단계의 뉴스가 상당히 크게 보도되는 경우가 있다. 하지만 프로젝트 전체 규모와 개별 공급기업의 사업 규모는 구분해서 볼 필요가 있다. 2. 설계와 엔지니어링 원전 프로젝트에서 설계와 엔지니어링은 핵심적인 초기 단계다. 발전소의 전체적인 구조뿐 아니라 각종 설비와 시스템을 어떻게 구성할지 기술적으로 검토해야 한다. 한국의 원전 산업을 살펴보면 한국전력기술과 같은 기업이 이 영역과 연결되어 있다. 이 단계의 특징은 제조나 건설과는 사업의 성격이 다르다는 점이다. 즉 '원전 관련 기업'이라는 하나의 분류 안에서도 설계 기업과 제조기업은 서로 다른 비즈니스 모델을 갖는다. 3. 주요 기자재 제조 원전 건설에는 다양한 기자재가 필요하다. 특히 원자로와 발전소의 핵심 설비 가운데 일부는 높은 수준의 기술력과 품질관리가 요구된다. 국내에서는 두산에너빌리티가 원전 주요 기자재 제조 분야에서 중요한 기업으로 거론된다. 다만 기업을 분석할 때는 '원전 기자재 기업'이라는 한 문장으로 사업 전체를 판단해서는 안 된다. 두산에너빌리티의 경우 원전 외...

 미국 증시 및 국내 증시에서 전력 인프라 관련주들이 큰 관심을 받을 때, 저는 두산에너빌리티(034020)에 진입했습니다. 그러나 철저한 분석 없이 시장 분위기에 쏠려 진입한 결과는 참혹했습니다. 매수 후 주가는 계속 밀려났고, 한때 수익률이 -40%까지 하락 하는 경험을 했습니다. 다행히 최근 업황 회복과 함께 주가가 반등하여 현재 손실 폭은 약 -10% 수준으로 줄어들었습니다. 이 쓰라린 -40%의 손실 과정은 저에게 중요한 질문을 던져주었습니다. "유망한 산업(AI 전력망·원전)이라는 유행이 개별 기업의 적정 가치와 모든 매수 시점을 정당화해 주는가?" 이에 대한 답을 찾기 위해 두산에너빌리티의 포트폴리오를 다시 냉정하게 분석했습니다. 1. 단순 원전주를 넘어선 '종합 발전설비 기업' 두산에너빌리티를 단순히 '원전 테마주'로만 분류하는 것은 기업의 전체 가치를 조망하기에 불충분합니다. 회사의 본업은 원전, 가스복합발전(가스터빈), 신재생, 수소, SMR 을 아우르는 종합 발전 EPC 및 주기기 제조입니다. 최근 수주 공시를 통해 확인되는 실적은 이러한 사업 다각화를 입증합니다. 오만 미스파(Misfah) 가스복합발전 프로젝트 : 약 9,300억 원 규모. 1,700MW급 대형 플랜트의 EPC 수행 및 스팀터빈/발전기 공급 (2029년 4월 완공 예정). 하동 복합발전소 프로젝트 : 약 6,658억 원 규모의 가스복합발전 주기기 공급 및 시공 계약. 미래 전력망은 단일 발전원에 의존하지 않습니다. 기저전력을 제공하는 원전과 함께, 전력 피크 타임에 빠르게 출력을 조절할 수 있는 가스복합발전의 수요 역시 견조하게 유지 되고 있습니다. 2. SMR 공급망(Supply Chain) 진입의 실질 현황 두산에너빌리티는 글로벌 SMR 선도 기업들과의 파트너십을 통해 단순 기대를 넘어 실제 제작 계약 단계로 진입하고 있습니다. [테라파워 SFR 나트륨 원자로] ➔ 핵심 기자재(원자로 격납용기, 내부 구조물) 제작 계약...

  최근 증시에서 원전 관련주가 다시 강한 주목을 받고 있습니다. 과거 원전 관련 이슈가 주로 정부의 정책 방향이나 정치적 논쟁 중심이었다면, 최근 시장이 원전을 바라보는 시선은 AI 데이터센터 급증에 따른 실질적인 '전력난 해소'로 이동했습니다. AI 기술이 고도화될수록 대규모 GPU 클러스터와 데이터센터 증설이 필수적이며, 이는 전력 소비의 기하급수적인 폭증으로 이어집니다. 결국 글로벌 빅테크 기업들의 AI 주도권 경쟁은 반도체 수급을 넘어 "안정적이고 막대한 전력을 어떻게 확보할 것인가"로 확장되고 있습니다. 1. AI 데이터센터의 전력 소모량: 우리나라 전력의 23.5%? 국회예산정책처 분석 자료에 따르면, 정부의 AI 데이터센터 구축 계획에 따른 향후 예상 전력 소모량은 엄청난 규모입니다. 정부 구축 계획 : 2029년까지 지방 거점 중심 8.4GW, 2035년까지 총 18.4GW 확장 연간 전력 사용량 추정 : 2031년 약 58.9TWh ➔ 2037년 이후 약 128.9TWh 로 폭증 128.9TWh라는 숫자는 우리나라 전체 전력 소비량의 약 23.5%에 달하는 양입니다. 가동률과 사업 진행 속도에 따른 추정치이지만, 핵심은 AI 산업이 성장할수록 기저전력 인프라 확충이 필수 불가결하다는 방향성 입니다. 2. 기저전력으로서의 원전과 SMR(소형모듈원자로)의 역할 태양광, 풍력 등 신재생에너지의 비중을 늘리는 것도 중요하지만, 24시간 365일 정전 없이 작동해야 하는 AI 데이터센터에는 발전량의 변동성을 보완할 튼튼한 '기저전력(Baseload)'이 반드시 요구됩니다. [AI 데이터센터 24시간 가동] ➔ [기저전력 필수] ➔ [원전 + 신재생 + ESS + 송전망 복합 운용] 구분 대형 원전 SMR (소형모듈원자로) 발전 용량 1,000MW 이상 대용량 300MW 이하 소형 모듈 입지 및 건설 해안가 대규모 입지, 긴 건설 기간 공장 제작 후 모듈화, 데이터센터 인근 배치 유리 주요 역할 국가 단위...

                우주기반 우주감시위성과 지상연계 우주상황인식체계 운용 이미지. 한화시스템 제공 주식투자 경험이 거의 없던 시절, 12,000원대라는 저평가 구간에서 한화시스템(KRX: 272210)을 발굴하여 매달 1~3주씩 모아간 적이 있습니다. 올해 초 7만 원대 구간에서 일부 물량을 정리하여 실질적인 이사 비용(약 1,200만 원 수익)으로 활용했고, 이후 주가가 18만 원대까지 급등하는 과정을 목도하며 기업의 가치 체인과 보유(Holding)의 중요성 을 깊이 체득했습니다. 현재 잔여 물량(120주 이상)은 +200% 수준의 수익률 을 기록 중이며, 차분히 적립식 매수를 재개하고 있습니다. 한화시스템이 최근 발표한 보도자료를 기반으로 기업의 펀더멘털 변화를 분석합니다. 1. R&D 최상위 검증: 국내 최초 7회 연속 'CMMI 레벨 5' 획득 한화시스템은 글로벌 연구개발(R&D) 프로세스 평가 지표인 CMMI(Capability Maturity Model Integration) 최신 3.0 버전에서 최고 등급인 '레벨 5'를 획득 했습니다. 국내 역대 최장 기록 : 2009년 첫 획득 이후 17년간 최상위 등급 유지 (7회 연속). 수출 시 핵심 경쟁력 : 록히드마틴, 보잉 등 글로벌 방산기업들이 사업 협력 및 수출 계약 시 필수 조건으로 요구하는 국제 표준 인증. 적용 분야 : 레이다, 위성, 함정전투체계(CMS), 지휘통제·통신 전 분야의 R&D 정량적 관리 체계 공인. 2. 사업 구조의 체질 개선: 단품 수주 ➔ '통합 대공망' 및 '현지 합작법인(JV)' 한화시스템의 해외 사업은 기존 단일 무기체계 부품 공급에서 국가 단위 복합 방공망 구축 솔루션 사업자 로 전환되고 있습니다. 구분 과거 (개별 무기 공급) 현재 (통합 대공방어 솔루션) 사업 범위 천궁-II 다기능레이다(MFR) 및 단일 부품 수출 장·중·단거리 방공망 + 대드론체계(C-UAS...

                                            삼성중공업이 건조한 LNG운반선. /삼성중공업 제공                 주식 초보 시절 제가 저지른 가장 기억에 남는 실수 중 하나는 삼성중공업(010140) 투자였습니다. 주가가 6,000원대에 형성되어 있을 때 약 120주를 매수했었습니다. 당시에는 사이클이나 기업 가치에 대한 이해가 거의 없었습니다. 주가가 기대만큼 빠르게 움직이지 않자 조급해진 저는 결국 120주를 모두 매도해 버렸습니다. 이후 삼성중공업 주가는 큰 폭으로 상승했습니다. 수익을 놓친 것은 아쉬웠지만, 그보다 더 큰 배움은 단기 주가 변동과 장기적인 기업 사업성 사이의 차이를 내가 얼마나 모르고 있었나 를 깨달은 점이었습니다. 1. 단기 주가에서 기업 사업 추적으로의 변화 투자 초기 저의 판단 방식은 매우 단순했습니다. [주식 매수] ➔ [즉각적인 상승 기대] ➔ [주가 보류/정체] ➔ [조급함에 매도] 수주잔고, 조선업 인도 사이클, 마진 개선, 현금흐름 등을 전혀 파악하지 않았던 것입니다. 삼성중공업은 제게 중요한 교훈을 주었습니다. 기업은 투자자 개인의 조급한 일정표에 맞춰 움직이지 않는다는 사실 입니다. 2. 핵심 펀더멘털: 수주잔고와 수익성 전환 현재 제가 삼성중공업을 바라보는 시선은 단기 차트가 아닌 사업의 실행력에 맞춰져 있습니다. 고부가가치 선박 수주 : 고마진 LNG 운반선 및 원유 운반선 수주 지속 수주 목표 달성률 : 연간 상선 및 해양 수주 목표의 80% 이상을 안정적으로 달성 중 재무 지표 검증 : 과거 수주 물량이 실제 매출, 영업이익, 자유현금흐름(FCF)으로 차분히 전환되는지 확인 3. 신규 모멘텀: ...

투자자로서 자신의 계좌에서 -50% 손실 을 기록 중인 종목을 공개하고 분석하는 것은 결코 유쾌한 일이 아닙니다. 미국 증시의 대표적인 에너지저장장치(ESS) 기업인 플루언스 에너지(Fluence Energy, NASDAQ: FLNC)가 바로 저의 그 종목입니다. 매수 초기에는 양호한 수익을 냈으나, 이후 주가 조정을 거치며 현재 제 매수가 대비 약 50% 하락한 상태입니다. 그러나 단순한 감정적 버티기(HODL) 대신, "AI 시대의 전력망ESS 산업 성장이 플루언스의 실질적인재무적 펀더멘털로 연결되고 있는가?"라는 원천적인 투자 아이디어(Thesis)를 냉정하게 재검증하고자 합니다. 1. 매수 아이디어의 재점검: ESS 산업 vs. 플루언스 개별 기업 이 주식을 집어 들었던 출발점은 플루언스라는 개별 기업이 아닌, 전력망 체질 변화에 따른 ESS 산업의 거대한 구조적 확장 이었습니다. AI 데이터센터 전력 폭증 ➔ 신재생에너지(태양광·풍력) 발전 비중 확대 ➔ 전력망 간헐성 완화 필요 ➔ ESS 도입 필수화 AI 데이터센터의 24시간 연속 전력 수요와 신재생에너지의 불규칙한 발전 시점 간의 간극을 메우는 것은 오직 대규모 ESS 인프라뿐입니다. 따라서 "ESS 시장의 장기적 팽창"이라는 1차 명제는 여전히 유효 합니다. 2. 독일 LEAG 프로젝트로 본 실질 사업 진행 상황 최근 발표된 플루언스의 사업 경과 중 주목할 만한 부분은 독일 에너지 기업 LEAG와의 대형 그리드 배터리 프로젝트 입니다. 하이너스브뤼크(Heinersbrück) 프로젝트 : 독일 동부 과거 석탄 광산 부지에 400MWh 규모의 ESS 시설 건설 착공 (2027년 완공 목표). 기가배터리(GigaBattery) 파이프라인 : 동일 지역 내 1GW / 4GWh 규모의 대형 기가배터리 사업 추가 추진. 과거 탄소 배출의 주범이었던 석탄 광산 부지가 신재생에너지와 ESS가 결합된 차세대 전력망 거점으로 재탄생하고 있다는 점은, 플루언스가 실제 대륙급 ...

 As AI data centers scale rapidly, grid stability and power management have become critical bottlenecks. This infrastructure shift is propelling Energy Storage Systems (ESS) into the spotlight as an indispensable asset for the modern power grid. ESS stores electrical energy during low-demand periods and dispatches it during peak demand, stabilizing intermittent renewable energy sources like solar and wind while meeting the continuous power demands of AI computing. 1. AI Data Centers and the Role of ESS AI workloads require high power density and uninterrupted supply. ESS addresses these demands through two main mechanisms: Peak Shaving & Load Balancing : Charging during off-peak hours and discharging during high-tariff peak hours to lower operational costs. Grid Resilience : Providing immediate frequency regulation to prevent voltage drops or blackouts at data center facilities. 2. The Second Life of EV Batteries (UBESS) A compelling evolution in the ESS sector is the reuse of...

  AI 산업의 성장으로 데이터센터의 전력 수요가 증가하면서 전력 인프라에 대한 관심이 높아지고 있다. 이 과정에서 함께 주목받는 분야가 ESS(Energy Storage System) 다. ESS는 전력을 저장했다가 필요한 시점에 공급하는 시스템이다. 단순한 전력 저장을 넘어 재생에너지의 변동성을 보완하고 전력망의 안정적인 운영을 지원하는 역할까지 확대되고 있다. AI 데이터센터와 ESS AI 데이터센터는 일반적인 데이터센터보다 높은 전력 밀도를 요구하는 경우가 많다. 따라서 전력 생산량뿐 아니라 전력을 언제, 어떻게 안정적으로 공급할 것인지 가 중요한 문제가 된다. ESS는 이 과정에서 하나의 해결 수단이 될 수 있다. 전력 수요가 낮거나 전력 가격이 상대적으로 낮은 시간에 전력을 저장하고 필요할 때 공급하는 방식이 가능하기 때문이다. 특히 재생에너지와 ESS의 결합은 중요한 의미를 가진다. 태양광과 풍력은 발전량이 시간과 기상 조건에 따라 달라지기 때문에 전력 생산과 소비 사이의 시간 차이를 조정할 수 있는 저장장치가 필요하다. 새로운 관심사, 사용후 전기차 배터리 ESS 시장을 공부하면서 또 하나의 중요한 변화가 눈에 들어온다. 바로 전기차 사용후 배터리의 재사용 이다. 전기차에서 일정 기간 사용된 배터리는 차량용으로 요구되는 성능을 충족하기 어려워질 수 있다. 하지만 이것이 곧 배터리 전체의 사용 가치가 사라졌다는 의미는 아니다. 차량보다 상대적으로 다른 성능 조건을 요구하는 ESS 등의 분야에서 재사용 가능성을 검토할 수 있다. 실제로 국내에서도 현대차·기아, LG에너지솔루션, 현대엔지니어링, 원익피앤이 등이 참여해 사용후 전기차 배터리를 활용한 UBESS 실증이 진행되고 있다. 기사에서 소개된 실증은 200kWh 규모의 ESS를 전기차 급속충전기와 연계하는 방식이다. 이런 실증의 핵심은 단순한 기술 시연이 아니다. 사용후 배터리가 실제 사업으로 연결될 수 있는지 확인하는 과정 이라는 점에서 의미가 있다. ...

While market attention remains centered on GPUs, a structural bottleneck is emerging in the AI ecosystem: without sufficient and efficient power infrastructure, advanced AI chips cannot run. As AI data centers scale rapidly, energy consumption, cooling demands, water usage, and power delivery efficiency have become critical operational challenges. 1. Power Density and Environmental Impact AI workloads demand significantly higher power density than traditional cloud infrastructure. The total power profile includes both compute energy and intensive cooling system loads : AI Compute Demand ➔ High Thermal Output ➔ Intensive Cooling Power ➔ Grid Strain This massive power footprint also raises environmental concerns regarding carbon emissions from fossil-fuel generation and substantial water consumption for liquid cooling. 2. AC/DC Hybrid Architecture & 800VDC Innovation To mitigate power loss during transmission, industrial leaders like ABB and BCG emphasize AC/DC hybrid topologies an...

 인공지능 산업을 이야기할 때 가장 먼저 떠오르는 것은 반도체입니다. 특히 AI 모델의 학습과 추론을 담당하는 GPU는 AI 산업 성장의 핵심 부품으로 평가받고 있습니다. 하지만 AI 산업을 조금 더 넓게 바라보면 다른 문제가 나타납니다. GPU가 아무리 많아도 전력이 없으면 데이터센터를 운영할 수 없습니다. 최근 AI 데이터센터의 급격한 확대와 함께 전력 수요, 냉각, 물 사용, 전력망 연결 문제가 동시에 부각되는 이유입니다. AI 데이터센터의 전력 수요가 커지는 구조 AI 데이터센터와 기존 데이터센터의 차이를 이해하려면 전력 밀도 를 볼 필요가 있습니다. AI 연산에는 고성능 GPU가 대규모로 사용됩니다. GPU가 많이 탑재된 서버는 높은 연산 능력을 제공하지만 그만큼 상당한 전력을 필요로 합니다. 또 하나의 문제가 있습니다. 전력은 결국 열로도 이어집니다. 고성능 서버에서 발생하는 열을 적절하게 제거하지 못하면 장비의 안정적인 운영이 어려워지기 때문에 데이터센터에는 냉각 시스템이 필요합니다. 따라서 AI 데이터센터의 전력 수요를 단순히 서버가 사용하는 전력만으로 생각해서는 안 됩니다. 컴퓨팅 전력 + 냉각 + 전력변환 및 각종 설비 가 함께 고려되어야 합니다. AI 모델의 규모가 커지고 연산량이 증가할수록 데이터센터의 전력 인프라 역시 더욱 중요해질 수밖에 없습니다. 환경 문제까지 연결되는 데이터센터 데이터센터의 증가는 전력 문제에서 끝나지 않습니다. 전 세계적으로 데이터센터가 소비하는 전력이 증가하면 발전 과정에서 발생하는 탄소배출 문제도 함께 고려해야 합니다. 특히 전력 생산 과정에서 화석연료 의존도가 높다면 데이터센터 확산이 환경 부담 증가로 이어질 수 있습니다. 냉각을 위한 물 사용도 중요한 문제입니다. 결국 AI 산업의 지속적인 성장을 위해서는 컴퓨팅 성능 뿐만 아니라 전력 확보와 효율적인 냉각, 에너지 효율, 환경 부담 까지 함께 관리해야 하는 상황입니다. 그래서 등장한 것이 AC/DC 하이...