AI의 발전은 막대한 전력 소비와 탄소 배출을 동반합니다.
큰 LLM 한 번 학습에 가정 100가구의 1년치 전력이 들고, 전 세계 데이터센터의 전력 사용이 2030년까지 두 배로 늘 것이라는 예측이 나옵니다.
이 환경 비용이 점점 큰 사회적 우려로 자리잡고 있습니다.
구체적 수치를 보면 충격적입니다.
GPT-3 학습에 약 1,287MWh 전력 사용(미국 가정 100가구의 1년치), 탄소 배출 552톤.
GPT-4는 그 5~10배로 추정.
ChatGPT 한 번의 검색이 일반 구글 검색의 약 10배 전력을 씁니다.
AI 추론(서비스)은 누적되면 학습보다 더 큰 전력을 씁니다.
환경 영향은 전력만이 아닙니다.
데이터센터의 「냉각용 물 사용」도 막대합니다.
GPT-3 학습에 약 70만 리터의 깨끗한 물이 쓰였다는 연구가 있고, 미국·아일랜드·싱가포르 등 데이터센터가 많은 지역에서는 물 부족 우려가 커지고 있습니다.
산업의 대응은 두 가지 방향입니다.
첫째, 「에너지 효율 향상」 — 모델 양자화, 효율적 아키텍처, 더 효율적인 GPU(Blackwell 등).
둘째, 「청정 에너지 전환」 — 구글·마이크로소프트·아마존 모두 데이터센터의 재생에너지 100% 사용을 목표로 하고 있고, 마이크로소프트는 핵발전소까지 매입했습니다.
개인 사용자도 작은 영향을 줄 수 있습니다.
「불필요한 LLM 호출 줄이기」, 「작업에 맞는 적당한 크기의 모델 사용(GPT-4 대신 GPT-4o-mini)」, 「로컬 모델로 가능한 작업은 로컬에서」 같은 행동이 누적되면 의미 있는 절감이 됩니다.
한 줄 요약
AI 학습·서비스에는 막대한 전력과 물이 소비됩니다.
GPT-3 한 번 학습에 가정 100가구 1년치 전력이 들고, 산업은 효율 향상과 청정 에너지 전환으로 대응 중입니다.
더 알아볼 것
- GPT-3·GPT-4 학습의 환경 영향
- 마이크로소프트의 핵발전소 매입
- Green AI — 환경 친화적 AI 연구
