AI의 급성장과 숨겨진 에너지 비용: 기후 영향을 이해하기 위한 세 가지 핵심

내용 정리

MIT Technology Review는 6개월간의 조사 끝에 AI의 에너지 소비와 기후 영향을 분석한 보고서 “Power Hungry”를 발표했습니다. 이 보고서는 AI의 전력 수요를 데이터 중심으로 다룬 가장 포괄적인 연구로, AI가 개인 “한 번의 쿼리(질문)당 특정 양”부터 전체 산업에 이르기까지 얼마나 많은 에너지를 사용하며, 이것이 환경에 어떤 영향을 미치는지 구체적으로 탐구합니다. 아래는 기사에서 강조된 세 가지 주요 테이크어웨이를 상세히 정리한 내용입니다.

 

이미지: https://www.istockphoto.com/

1. AI의 에너지 소비는 쿼리와 모델에 따라 극도로 다양하다

AI가 사용하는 에너지는 고정된 값이 아니라 쿼리의 복잡도, AI 모델의 크기, 생성하는 콘텐츠 유형에 따라 크게 달라집니다. 흔히 “ChatGPT로 이메일을 작성하면 물 500ml(약 한 병) 정도의 에너지가 든다”는 식의 단순 추정치가 알려져 있지만, 실제로는 훨씬 복잡합니다. 주요 발견은 다음과 같습니다:

• 쿼리의 복잡도: 간단한 요청(예: “농담 몇 개 들려줘”)은 적은 에너지를 사용하지만, 복잡한 작업(예: “상세한 여행 일정 작성”)은 최대 10배 더 많은 에너지를 소모합니다.
• 모델 크기의 영향: AI 모델의 매개변수(parameter) 수가 많을수록 에너지 소비가 급증합니다. 대형 모델은 소형 모델보다 동일한 쿼리에 대해 최대 70배 더 많은 에너지를 사용할 수 있습니다.
• 콘텐츠 유형: 텍스트, 이미지, 비디오 생성은 에너지 소비에서 큰 차이를 보입니다. 특히 비디오 생성은 텍스트보다 수백 배 더 많은 에너지를 필요로 합니다.

이 데이터는 오픈소스 AI 모델(소스코드가 공개된 모델)을 사용해 연구자들이 직접 측정한 결과입니다. 반면, OpenAI의 ChatGPT나 Google의 Gemini 같은 비공개 모델은 내부 작동 방식이 공개되지 않아 정확한 에너지 소비를 알기 어렵습니다. 연구팀은 오픈소스 모델을 통해 칩이 특정 작업을 수행할 때 소비하는 에너지를 직접 측정해 비교적 구체적인 데이터를 도출했습니다.

왜 중요한가: AI의 에너지 소비가 일정하지 않다는 점은, AI 사용의 환경 영향을 줄이기 위해 작업별, 모델별 최적화 전략이 필요함을 보여줍니다. 예를 들어, 간단한 작업에는 소형 모델을 사용하는 것이 에너지 효율적일 수 있습니다.

2. 전력망의 에너지원이 AI의 기후 영향을 좌우한다

AI 데이터센터의 에너지 소비가 기후에 미치는 영향은 단순히 전력 사용량뿐 아니라, 그 전기가 어떤 에너지원에서 오는지에 따라 결정됩니다. 이를 정량화하기 위해 연구팀은 탄소 집약도(carbon intensity, 전력 1kWh당 배출되는 이산화탄소량)를 사용해 분석했습니다. 주요 내용은 다음과 같습니다:

• 에너지원의 차이: 데이터센터가 석탄 화력발전으로 가동되면 태양광이나 원자력으로 가동될 때보다 훨씬 더 많은 탄소 배출을 유발합니다. 예를 들어, 석탄 의존도가 높은 웨스트버지니아의 데이터센터에서 실행된 쿼리는 재생에너지 비율이 높은 캘리포니아의 데이터센터보다 약 2배 많은 탄소 배출을 일으킵니다(2024년 평균 데이터 기준).
• 지리적·시간적 변수: 데이터센터의 위치와 쿼리 실행 시간대가 중요합니다. 예를 들어, 태양광 발전이 활발한 낮 시간대에 쿼리를 실행하면 탄소 배출이 줄어들 수 있습니다.
• 데이터센터 건설의 전략적 중요성: 기술 기업들이 데이터센터를 어디에 짓는지, 그 지역의 전력망이 어떤 에너지원에 의존하는지는 AI의 기후 영향을 결정하는 핵심 요소입니다. AI 수요 증가로 전력망에 새로운 부담이 가해지면, 지역 전력망의 에너지 구성도 변화할 가능성이 있습니다.

왜 중요한가: AI의 기후 영향을 최소화하려면 데이터센터를 저탄소 전력망이 잘 구축된 지역에 배치하거나, 재생에너지 사용을 확대해야 합니다. 이는 기술 기업, 정책 입안자, 에너지 공급자에게 모두 중요한 과제입니다.

3. AI의 에너지 소비와 관련된 정보는 여전히 불투명하다

이번 보고서는 AI의 에너지 소비와 배출량을 추정하는 데 있어 가장 구체적이고 포괄적인 데이터를 제공했지만, 여전히 많은 미지의 영역이 남아 있습니다. 주요 한계는 다음과 같습니다:

• 기업의 데이터 비공개: OpenAI, Google 등 주요 AI 모델을 운영하는 기업들은 에너지 소비나 배출량 데이터를 전혀 제공하지 않았습니다. 이로 인해 ChatGPT, Gemini 같은 널리 사용되는 모델의 실제 환경 영향을 추정하기 어렵습니다.
• AI의 보편화와 추적의 어려움: 현재는 주로 특정 사이트나 앱에서 AI를 호출해 사용하지만, 앞으로 AI는 기술 전반에 걸쳐 보이지 않게 통합될 가능성이 높습니다. 예를 들어, Google은 AI를 모든 서비스에 녹여 “보이지 않는” 존재로 만들려 합니다. 이렇게 AI가 일상화되면, 그 에너지 소비를 정확히 추적하고 관리하기는 더욱 어려워집니다.
• 미래 불확실성: AI는 사회, 경제, 전력망에 큰 영향을 미칠 가능성이 높지만, 정확한 데이터가 부족해 이를 예측하거나 대비하는 데 한계가 있습니다.

왜 중요한가: AI의 에너지 소비와 기후 영향을 정확히 파악하려면 기업의 투명한 데이터 공개와 지속적인 연구가 필수적입니다. 이는 전력망 계획, 탄소 배출 목표 설정, 기술 개발 방향을 결정하는 데 중요한 역할을 합니다.

---

보고서의 추가 맥락

• 보고서 구성: “Power Hungry”는 AI의 에너지 수요를 다룬 메인 기사 외에도, 네바다 사막의 데이터센터 붐, AI 성장으로 천연가스 의존이 심화될 가능성, AI 효율성을 높이는 기술 혁신, 원자력이 AI의 에너지 문제를 쉽게 해결할 수 없는 이유 등을 다룬 관련 기사들로 구성되어 있습니다.
• 데이터 수집 과정: 연구팀은 6개월간 주요 연구자들과 협력해 오픈소스 모델을 사용한 실험 데이터를 수집했습니다. 텍스트, 이미지, 비디오 생성 작업을 수행하며 칩의 에너지 소비를 측정해 추정치를 도출했으며, 자세한 방법론은 별도의 “비하인드 스토리” 기사에서 확인할 수 있습니다.
• 보고서의 의의: AI는 앞으로 사회와 경제의 주요 동력이 될 가능성이 높지만, 그 에너지 소비와 기후 영향을 제대로 이해하지 못하면 전력망 과부하, 탄소 배출 증가 같은 부작용을 초래할 수 있습니다. 이번 보고서는 이러한 문제를 조명하며, 기술 개발과 정책 수립에 필요한 토대를 제공합니다.

---

결론

AI의 급성장은 에너지 소비와 기후에 복잡한 도전 과제를 제시합니다. 쿼리와 모델에 따라 에너지 소비가 크게 달라지고, 데이터센터의 전력원이 기후 영향을 결정하며, 주요 AI 모델의 데이터 비공개로 인해 정확한 추정이 어렵습니다. 이를 해결하려면 기업의 투명성, 저탄소 전력망으로의 전환, 효율적인 AI 기술 개발이 필요합니다. 더 자세한 내용은 MIT Technology Review의 메인 기사와 관련 기사를 참고하면 도움이 됩니다.