AI FUTURE COLUMN · AI와 에너지
전기와 물을 먹고 자라는 AI
인공지능의 숨겨진 비용은 얼마인가
생성형 AI의 화면은 가볍고 빠르다. 질문을 입력하면 몇 초 안에 글과 이미지, 코드가 만들어진다. 하지만 이 간단한 화면 뒤에서는 수많은 반도체가 전기를 소비하고, 냉각설비가 열을 식히며, 발전소와 전력망이 데이터센터를 떠받친다. AI는 디지털 기술이지만 그 성장은 매우 물리적인 자원을 요구한다.
AI의 비용은 서비스 이용료만으로 계산할 수 없다. 반도체와 데이터센터의 건설비, 지속적으로 소비되는 전력, 냉각에 필요한 물과 장비, 탄소배출과 전력망 확충, 지역사회가 부담하는 환경 비용까지 함께 살펴봐야 한다.
1. 무료로 보이는 AI에도 실제 비용은 존재한다
많은 생성형 AI 서비스는 무료로 사용할 수 있거나 비교적 낮은 월 구독료를 받는다. 그래서 사용자는 AI가 문장이나 이미지를 만드는 데 큰 비용이 들지 않는다고 생각하기 쉽다.
그러나 이용자가 지불하는 구독료는 AI 시스템 전체 비용의 일부일 뿐이다. AI 기업은 모델을 만들기 위해 반도체와 서버를 구매하고, 데이터센터를 건설하거나 클라우드 사업자의 연산자원을 빌려야 한다.
모델을 개발한 뒤에도 비용은 계속 발생한다. 이용자가 질문할 때마다 서버가 계산을 수행하고, 장비에 전력을 공급하고, 발생한 열을 제거해야 한다.
학습 비용
방대한 데이터를 이용해 새로운 AI 모델을 만드는 과정에서 발생한다.
고성능 반도체를 오랜 시간 가동해야 하므로
많은 연산자원과 전력이 필요하다.
추론 비용
완성된 모델이 사용자의 질문을 처리하고 결과를 만드는 과정에서 발생한다.
한 번의 비용은 학습보다 작지만,
수많은 이용자가 반복해서 사용하면 전체 비용이 커진다.
AI 서비스가 확산될수록 학습보다 추론이 차지하는 비중도 커질 수 있다. 모델을 한 번 만든 뒤 수억 명이 매일 사용하는 구조에서는 일상적인 사용 자체가 거대한 인프라 수요를 만들기 때문이다.
2. AI가 치르는 네 가지 비용
① 연산 비용
AI 가속기와 서버, 고대역폭 메모리, 저장장치와 통신장비를 구매하고 교체하는 데 들어가는 비용이다.
② 에너지 비용
서버를 구동하는 전력뿐 아니라 냉각장치, 전력변환 설비와 네트워크 장비를 운영하는 데 지속적으로 전기가 필요하다.
③ 자원·환경 비용
냉각용 물, 반도체 생산에 필요한 자원, 발전 과정의 탄소배출과 폐기되는 전자장비가 포함된다.
④ 사회적 비용
데이터센터 주변의 전력망 부담, 물 사용을 둘러싼 갈등과 토지 이용, 전기요금과 지역 주민의 부담까지 포함한다.
AI의 진짜 비용을 이해하려면 이 네 가지 비용을 서로 분리해서 보아서는 안 된다. 더 강력한 반도체를 설치하면 연산 능력은 높아지지만 전력 밀도와 냉각 부담도 함께 증가한다.
3. 데이터센터는 얼마나 많은 전기를 사용하는가
국제에너지기구에 따르면 전 세계 데이터센터는 2024년 약 415TWh의 전력을 사용한 것으로 추정된다. 이는 세계 전력 소비량의 약 1.5%에 해당한다.
데이터센터의 전력 소비는 최근 5년 동안 연평균 약 12% 증가했으며, AI의 확산으로 성장 속도가 더 빨라질 가능성이 있다.
IEA의 기본 전망에서는 전 세계 데이터센터 전력 소비량이 2030년 약 945TWh에 이를 수 있다. 2024년과 비교하면 약 두 배 수준이다.
데이터센터의 세계 전력 소비 비중만 보면 아직 전체의 일부라고 할 수 있다. 그러나 데이터센터는 특정 지역에 집중되는 경우가 많다. 따라서 세계 평균보다 시설이 들어서는 지역의 전력망과 발전설비에 미치는 영향이 훨씬 크게 나타날 수 있다.
전력 수요는 데이터센터의 종류와 크기에 따라 크게 다르다. 전통적인 데이터센터가 수십 MW 규모로 운영되는 경우가 많다면, 대형 AI 데이터센터는 100MW를 넘어설 수 있다.
중요한 것은 단순한 연간 전력량만이 아니다. 데이터센터는 하루 중 특정 시간에만 가동하는 시설이 아니라 높은 수준의 안정성을 유지하며 계속 운영돼야 한다.
따라서 많은 전기를 생산하는 것뿐 아니라 24시간 안정적으로 전달할 수 있는 전력망과 비상전원 체계가 필요하다.
4. 데이터센터의 전기는 어디에 사용되는가
데이터센터가 사용하는 전기가 모두 AI 계산에 투입되는 것은 아니다. 서버와 연산장비 외에도 저장장치, 네트워크, 냉각과 전력변환 설비가 전기를 소비한다.
| 구성 요소 | 주요 역할 | 전력 소비 특징 |
|---|---|---|
| 서버와 AI 가속기 | AI 학습과 추론 계산 수행 | 현대 데이터센터 평균 전력 수요의 약 60%를 차지 |
| 저장장치 | 데이터와 모델, 결과 저장 | 전체 전력 소비의 약 5% 수준 |
| 네트워크 장비 | 서버와 데이터 사이의 연결 | 전체 전력 소비의 최대 약 5% 수준 |
| 냉각·환경 제어 | 서버실의 온도와 습도 관리 | 시설 효율에 따라 약 7%에서 30% 이상까지 차이 |
| 전력변환·비상설비 | 전압 변환과 정전 대응 | 안정적 운영을 위해 반드시 필요한 시설 |
효율적인 초대형 데이터센터에서는 냉각이 차지하는 비중을 낮출 수 있다. 반면 오래되거나 효율이 낮은 시설에서는 냉각과 환경 제어가 전체 전력 소비의 30%를 넘을 수도 있다.
따라서 같은 양의 AI 연산을 제공하더라도 어떤 데이터센터에서 처리하느냐에 따라 필요한 전력량과 환경 영향은 달라질 수 있다.
5. AI는 왜 물을 사용하는가
AI가 직접 물을 마시는 것은 아니다. 데이터센터의 서버에서 발생한 열을 제거하는 과정에서 물이 사용될 수 있다.
서버가 전기를 사용하면 대부분의 에너지가 열로 바뀐다. 이 열을 제거하지 못하면 장비의 성능이 떨어지고 수명과 안정성에도 문제가 생긴다.
일부 데이터센터는 냉각탑을 이용한다. 서버실에서 회수한 열을 냉각수로 옮긴 뒤, 물을 증발시켜 외부로 열을 방출하는 방식이다.
증발한 물은 다시 사용할 수 없기 때문에 지속적으로 새로운 물을 보충해야 한다. 물속의 미네랄 농도가 지나치게 높아지는 것을 막기 위해 일부 물을 배출하는 과정에서도 추가 사용량이 발생한다.
데이터센터의 물 사용 효율은 흔히 WUE라는 지표로 측정한다. 일정 기간 시설에서 사용한 물의 양을 IT 장비가 사용한 전력량으로 나눠 계산한다.
단위는 일반적으로 IT 전력 1kWh당 사용한 물의 리터 수로 표시한다. 수치가 낮을수록 같은 연산설비를 운영하면서 현장에서 사용하는 물이 적다는 뜻이다.
하지만 WUE 수치만으로 모든 물 사용을 설명할 수는 없다. 데이터센터 현장에서 직접 사용하는 물뿐 아니라 전기를 생산하는 발전소에서도 물이 사용될 수 있기 때문이다.
따라서 AI의 물 발자국은 데이터센터의 직접 물 사용과 전력 생산 과정의 간접 물 사용을 함께 고려해야 한다.
6. 모든 데이터센터가 같은 양의 물을 사용하는 것은 아니다
데이터센터의 물 사용량은 하나의 고정된 숫자로 말하기 어렵다. 다음 조건에 따라 크게 달라질 수 있다.
- 공랭식·수랭식·액침식 등 냉각 방식
- 지역의 기온과 습도
- 서버와 반도체의 전력 밀도
- 재활용수 사용 여부
- 데이터센터의 운영 효율
- 전력을 생산하는 발전원의 구성
- 연산을 수행하는 시간대와 계절
추운 지역에서는 외부 공기를 이용해 냉각 부담을 줄일 수 있다. 반대로 덥고 건조한 지역에서는 증발 냉각의 효과가 높을 수 있지만 물 부족 문제와 충돌할 수 있다.
한 번의 질문이 소비하는 전력과 물은 모델의 크기, 답변 길이, 서버 효율, 데이터센터 위치와 냉각 방식에 따라 달라진다. 특정 연구의 조건에서 나온 수치를 모든 AI 서비스에 동일하게 적용하면 실제 영향을 왜곡할 수 있다.
AI 서비스의 환경 영향을 비교하려면 단일 질문의 추정치보다 기업과 데이터센터가 공개하는 연간 전력 사용량, WUE, PUE, 에너지원과 탄소배출량을 함께 보는 것이 더 적절하다.
7. 냉각 방식에 따라 전력과 물의 관계가 달라진다
데이터센터는 전력 소비와 물 사용을 동시에 줄이려고 노력하지만, 두 목표가 항상 같은 방향으로 움직이는 것은 아니다.
물을 적게 쓰는 냉각 방식이 더 많은 전기를 요구할 수 있고, 전력 효율이 높은 증발식 냉각이 더 많은 물을 사용할 수도 있다.
| 냉각 방식 | 장점 | 비용과 고려사항 |
|---|---|---|
| 공랭식 냉각 | 현장 물 사용을 줄일 수 있음 | 고온 환경과 고밀도 장비에서는 전력 소비가 증가할 수 있음 |
| 증발식 냉각 | 기후 조건에 따라 높은 전력 효율 확보 | 물을 지속해서 보충해야 하며 가뭄 지역에서는 부담이 큼 |
| 직접 수랭식 | 고성능 반도체의 열을 가까운 곳에서 제거 | 배관, 누수 관리와 수질 관리가 필요 |
| 액침 냉각 | 고밀도 장비의 열을 효과적으로 제거 | 초기 설비비와 장비 호환성, 유지보수 방식이 달라짐 |
중요한 것은 모든 지역에 동일한 냉각 방식을 적용하는 것이 아니다. 기후와 물 사정, 전력 구성과 장비 밀도를 고려해 지역별로 가장 적합한 방식을 선택해야 한다.
8. AI의 비용에는 데이터센터 건설비도 포함된다
AI 산업의 비용은 매달 지불하는 전기요금과 수도요금에 그치지 않는다. 시설을 건설하기 전부터 막대한 투자가 필요하다.
- AI 가속기와 서버 구매
- 데이터센터 건축과 토지 확보
- 변전소와 송전망 연결
- 냉각장비와 배관 설치
- 광통신망과 네트워크 구축
- 배터리와 비상발전기 설치
- 보안과 화재 대응 설비
AI 반도체는 빠르게 발전한다. 기존 장비가 물리적으로 고장 나지 않았더라도 새로운 세대의 반도체보다 전력 효율과 성능이 낮으면 경제성이 떨어질 수 있다.
따라서 데이터센터 운영자는 장비 구매비뿐 아니라 교체 주기와 전자폐기물 처리까지 고려해야 한다.
AI 수요를 지나치게 낙관해 데이터센터를 과도하게 건설하면 이용률이 낮은 시설과 부채가 남을 수 있다. 반대로 수요를 과소평가하면 전력망과 연산자원이 부족해진다. AI 인프라 투자는 성장 전망뿐 아니라 실제 이용률과 지역의 전력 수용능력을 함께 따져야 한다.
9. 전기를 어디에서 생산하느냐도 중요하다
데이터센터가 같은 양의 전력을 사용하더라도 그 전력이 어떤 에너지원에서 생산됐는지에 따라 탄소배출과 환경 영향은 달라진다.
IEA는 2024년 전 세계 데이터센터에 공급된 전력 가운데 석탄이 약 30%, 재생에너지가 약 27%, 천연가스가 약 26%, 원자력이 약 15%를 차지한 것으로 분석한다.
이는 기업이 계약한 전력의 명목상 구성보다 실제 데이터센터가 연결된 지역 전력망의 발전 구성을 기준으로 한 분석이다.
재생에너지 구매계약을 맺었다고 하더라도 데이터센터가 전력을 사용하는 시간과 장소에 실제로 청정전력이 공급되는지까지 살펴봐야 한다.
- 시설이 연결된 지역 전력망의 발전원 구성
- 재생에너지 구매가 실제 신규 발전 투자로 이어졌는지
- 24시간 전력 소비와 청정전력 생산 시간이 일치하는지
- 비상발전기가 어떤 연료를 사용하는지
- 반도체와 서버 제조 과정의 내재 탄소가 포함됐는지
AI의 탄소비용은 데이터센터 운영 과정에서 발생하는 배출뿐 아니라 반도체와 서버, 건물을 생산하는 과정의 배출까지 포함해야 한다.
10. AI 비용을 지역사회가 대신 부담할 수 있다
데이터센터는 국가와 지역에 투자와 세수, 일부 일자리와 디지털 인프라를 제공할 수 있다. 그러나 비용과 편익이 항상 같은 지역과 사람에게 돌아가는 것은 아니다.
데이터센터는 많은 전력을 사용하지만 시설이 완공된 이후의 상시 고용 인원은 전통적인 제조공장보다 적을 수 있다.
반면 지역사회는 송전선로와 변전소 건설, 물 사용, 소음, 비상발전기 배출과 토지 이용 변화의 영향을 받을 수 있다.
대형 수요처를 위해 전력망을 확충하는 비용이 일반 소비자의 전기요금에 어떤 방식으로 반영되는지도 중요한 문제다.
AI의 편리함은 전국과 세계의 사용자가 누리지만, 전력과 물, 토지의 부담은 데이터센터가 위치한 지역에 집중될 수 있다. 따라서 AI 산업의 비용을 기업의 운영비로만 계산해서는 안 된다. 지역사회가 떠안는 비용과 얻는 편익을 함께 공개해야 한다.
11. 효율이 좋아지면 전체 소비량도 줄어들까
AI 반도체와 소프트웨어의 효율은 빠르게 개선되고 있다. 같은 작업을 수행하는 데 필요한 전력이 줄어들면 개별 AI 사용의 에너지 비용도 낮아질 수 있다.
그러나 효율 향상이 전체 소비량 감소를 보장하지는 않는다. AI가 더 저렴하고 빨라지면 이용자가 늘어나고, 더 복잡한 작업과 긴 추론, 여러 단계의 AI 에이전트 사용이 증가할 수 있기 때문이다.
IEA는 AI 작업당 전력 소비가 빠르게 낮아지고 있음에도 이용 확대와 고연산 서비스 증가로 데이터센터 전체 전력 소비는 계속 증가할 것으로 전망한다.
자동차 한 대의 연비가 좋아져도 자동차 수와 이동거리가 크게 늘면 전체 연료 소비량은 증가할 수 있다. AI도 마찬가지다. 한 번의 작업이 효율적으로 바뀌더라도 이용 횟수와 작업 규모가 더 빠르게 증가하면 전체 전력 소비는 늘어날 수 있다.
따라서 기업은 “모델 효율이 향상됐다”는 설명뿐 아니라 전체 전력과 물 사용량이 실제로 어떻게 변했는지도 함께 공개해야 한다.
12. 지속 가능한 AI를 위해 무엇을 공개해야 하는가
AI 기업의 환경 정보를 비교하기 어려운 이유는 기업마다 공개 범위와 측정 방법이 다르기 때문이다.
일부 기업은 전체 데이터센터의 전력과 물 사용량을 공개하지만, AI 서비스가 그중 얼마를 사용했는지는 구분하지 않는다. 다른 기업은 효율 지표만 공개하고 절대 사용량은 밝히지 않기도 한다.
- 연간 전체 전력 사용량과 전년 대비 변화
- 데이터센터별 또는 지역별 전력 사용량
- 전력망의 실제 에너지원 구성
- PUE 등 데이터센터 전력 효율
- 현장 물 사용량과 WUE
- 식수·공업용수·재활용수의 사용 비중
- 가뭄 또는 물 부족 지역에서의 운영 기준
- 직접배출과 전력 사용에 따른 간접배출
- 서버와 반도체 제조 과정의 내재 탄소
- 지역사회와의 비용·편익 공유 방안
기업마다 같은 기준으로 정보를 공개해야 이용자와 정부, 투자자가 환경 성과를 비교할 수 있다.
13. 개인 사용자는 AI의 환경비용을 어떻게 바라봐야 할까
AI의 환경비용을 알게 됐다고 해서 모든 사용을 중단해야 한다는 결론으로 갈 필요는 없다.
검색, 번역, 장애인의 정보 접근, 의료 연구와 에너지 시스템 최적화처럼 AI가 만들어내는 사회적 편익도 존재한다.
중요한 것은 사용량만이 아니라 어떤 목적을 위해 어느 정도의 연산을 사용하는가이다.
- 같은 결과를 얻기 위해 불필요하게 요청을 반복하지 않기
- 간단한 작업에 지나치게 고성능인 모델을 사용하지 않기
- 길고 복잡한 결과물이 실제로 필요한지 먼저 판단하기
- 사용하는 서비스가 환경 정보를 공개하는지 살펴보기
- AI를 통해 얻는 가치와 소비되는 자원을 함께 고려하기
그러나 개인의 절약만으로 문제를 해결할 수는 없다. 가장 큰 책임은 데이터센터의 위치와 에너지원, 모델과 반도체의 효율을 결정하는 기업과 정책기관에 있다.
결론: AI의 가격표에는 전기와 물도 적혀야 한다
생성형 AI는 화면 안에서 작동하지만 그 기반은 반도체와 서버, 발전소와 전력망, 냉각장치와 물 위에 세워져 있다.
사용자가 보는 서비스 가격에는 이러한 비용이 모두 드러나지 않는다. 일부 비용은 기업이 부담하지만, 일부는 지역의 전력망과 환경, 물 자원과 주민의 삶으로 이전될 수 있다.
AI 산업이 성장하는 것 자체가 문제는 아니다. 문제는 성장의 비용을 측정하지 않거나 누가 부담하는지 알 수 없는 상태에서 더 많은 시설과 서비스를 확대하는 것이다.
지속 가능한 AI를 위해서는 더 효율적인 반도체와 냉각기술뿐 아니라 전력과 물 사용량을 투명하게 공개하고, 지역사회의 비용과 편익을 공정하게 나누는 제도가 필요하다.
AI가 만들어내는 답변은 보이지 않는 자원에서 나온다. 이제 우리는 AI가 무엇을 만들어내는가뿐 아니라, 그것을 만들기 위해 무엇을 소비하는가도 함께 물어야 한다.
댓글
댓글 쓰기