AI 데이터 센터가 에너지 사용량을 늘리고 있지만, 투명성은 부족하다

AI는 에너지 수요를 빠르게 증가시키고 있지만, 기술 회사들의 투명성 부족으로 인해 실제 규모는 여전히 불분명합니다.

최근 Nature에서의 분석은 AI의 에너지 요구량이 점점 증가하고 있지만, 그 내용이 대체로 불투명하다는 것을 강조하고 있습니다. Nature는 버지니아 주 Culpeper 카운티에서 대규모 데이터 센터가 농촌 풍경을 변화시키는 모습을 보고합니다. 이러한 센터들은 ChatGPT와 같은 생성적 AI 모델을 실행하는 데 필수적이며, 대량의 전기를 필요로 합니다.

각 시설은 수만 가구의 전력을 소비할 수 있으며, 이로 인해 비용이 상승하고 지역 전력망에 부담을 줄 수 있습니다. 이미 세계 데이터 센터의 중심지인 버지니아는 다음 10년 동안 전력 수요가 두 배로 늘어날 수 있습니다.

Nature는 이 문제가 버지니아를 넘어서 확산되고 있다고 지적했습니다. AI 기반 데이터 센터들은 전 세계적으로 집중적으로 위치해 있어, 지역 에너지 그리드에 상당한 영향을 미치고 있습니다. 철강 공장이나 석탄 광산과 달리, 데이터 센터들은 자원을 공유하고 효율성을 최적화하기 위해 서로 가까이에 건설됩니다.

아일랜드에서는 이들이 전국 전기 사용량의 20% 이상을 차지하고, 미국의 5개 주에서는 10%를 넘습니다.

AI의 전력 소비가 증가함에도 불구하고, 그 에너지 사용에 대한 데이터는 희박합니다. Nature는 연구자들이 기업으로부터 정확한 수치를 얻기 위해 애쓰고 있지만, 간접적인 방법을 사용하여 추정해야 한다고 보고하고 있습니다. 한 가지 방법은 공급망 분석입니다.

2023년에 연구원 Alex de Vries는 Google이 모든 검색에 생성 AI를 통합하면 NVIDIA A100 서버 최대 500,000대를 필요로 하며, 연간 23-29 테라와트 시간(TWh)을 소비할 것이라고 계산했습니다. 이는 Nature에서 보도한 바와 같이 표준 검색에 비해 최대 30배 더 많은 에너지를 소모하는 것입니다.

다른 방법으로는 개별 AI 작업의 에너지 사용량을 측정하는 것이 있습니다. 연구원들은 CodeCarbon과 같은 도구를 사용하여 AI가 생성한 이미지나 텍스트에서의 소비량을 추정합니다.

이 연구들은 이미지를 생성하는 데 대략 0.5 와트시 (Wh)가 소모될 것으로 추정하며, 텍스트 생성은 그보다 약간 더 적게 필요하다는 것을 제안합니다. 그러나 이런 추정치는 Nature에서 보도한 것처럼 구글의 TPU와 같은 독점적인 칩이나 냉각을 고려하지 않았기 때문에 보수적인 것입니다.

AI 모델을 훈련시키는 것도 에너지가 많이 들지만, 수십억 개의 사용자 쿼리에 대답하는 데 드는 에너지는 더욱 많습니다. Nature에 따르면, GPT-3 같은 모델을 훈련시키는 데는 대략 한 기가와트시가 필요하며, 반면에 매일의 AI 쿼리는 연간 테라와트시를 소비합니다.

경쟁이 치열해짐에 따라, 기업들은 AI의 에너지 요구량에 대해 더욱 비밀스럽게 대응하고 있습니다. Google과 Microsoft와 같은 일부 기업은 데이터 센터 확장으로 인한 탄소 배출량 증가를 인정하지만, 구체적인 데이터는 제공하지 않는다고 Nature가 지적했습니다.

Nature는 AI의 지역적 영향에도 불구하고, 그 글로벌 에너지 발자국은 상대적으로 작다고 주장합니다. 국제 에너지 기구는 2022년 데이터 센터가 사용한 전력을 240-340 TWh로 추정하며, 이는 전 세계 전기 사용량의 약 1-1.3%에 해당한다고 합니다.

그러나 AI의 보급이 확대됨에 따라, 수요는 급증할 수 있습니다. 더 나은 데이터 공유 없이는, 정책 입안자들은 AI의 에너지 집약적인 미래에 대한 환경적 영향을 관리하는 데 어려움을 겪을 수 있습니다.