greenai.guide

홈 › 글 › AI 전력 소비량: AI는 에너지를 얼마나 쓸까?

글

AI 전력 소비량: AI는 에너지를 얼마나 쓸까?

업데이트 · 8분 분량

요약

ChatGPT나 Gemini 같은 챗봇에 보내는 일반적인 짧은 텍스트 프롬프트는 제공업체 자체 수치와 독립 추정치에 따르면 약 0.2~0.4와트시의 전기를 씁니다. TV를 몇 초 켜 두는 정도입니다. 긴 입력, 추론 모델, 이미지, 영상, 코딩 에이전트에서는 AI 에너지 사용량이 가파르게 늘어나며, 작업 하나에 수십 배에서 수천 배를 더 쓸 수 있습니다. 국제에너지기구(IEA)에 따르면 2025년 데이터 센터 전체가 약 485 TWh의 전기를 썼고, 이 수치가 늘어나는 주된 이유는 AI입니다.

핵심 내용

  • Google은 2025년 5월 Gemini 텍스트 프롬프트 중앙값이 0.24 Wh라고 보고했고, OpenAI 최고경영자는 ChatGPT 질의 평균을 약 0.34 Wh로 제시했습니다. 둘 다 자체 보고 수치입니다.
  • Epoch AI는 일반적인 GPT-4o 질의를 약 0.3 Wh로 추정하며, 입력이 10,000 token이면 약 2.5 Wh, 100,000 token이면 40 Wh 가까이로 늘어난다고 봅니다.
  • Hugging Face의 AI Energy Score 시험에서 추론 모델은 일반 모델보다 평균 30배 많은 에너지를 썼습니다.
  • 공개 모델 시험에서 이미지 한 장을 생성하는 데 평균 약 2.9 Wh, 짧은 AI 영상 하나에 약 90 Wh가 들었습니다.
  • AI 코딩 에이전트를 많이 쓴 사례를 분석한 결과, 직접 입력한 프롬프트 하나당 약 150 Wh로 추정되었습니다. 챗봇 프롬프트 중앙값의 약 600배입니다.
  • IEA는 2025년 데이터 센터가 약 485 TWh를 썼다고 추정합니다. 1년 만에 17% 늘어난 것이며, 2030년에는 약 950 TWh에 이를 것으로 예상합니다.

AI는 에너지를 얼마나 쓸까요? 챗봇에 짧은 질문 하나를 하는 데는 아주 적게, 1와트시에도 못 미치는 양을 씁니다. 긴 문서, 추론 모드, 이미지, 영상, 코딩 에이전트에는 훨씬 더 많이 씁니다. 그리고 매일 수십억 건의 요청이 쌓이면서 AI 에너지 소비는 이제 전력 계획을 좌우할 만큼 커졌습니다. 이 페이지는 공개된 가장 좋은 수치를 모아 각각의 출처를 밝히고, 수치가 왜 서로 다른지 설명합니다.

ChatGPT나 Gemini 프롬프트 하나에 에너지가 얼마나 드나요?

현재 가장 좋은 수치로 보면, 대형 챗봇에 보내는 짧은 텍스트 프롬프트는 약 0.2~0.4와트시(Wh)를 씁니다. 1와트시는 1와트짜리 기기가 1시간 동안 쓰는 에너지입니다.

가장 많이 인용되는 수치는 제공업체 자신에게서 나옵니다.

  • Google은 2025년 Gemini 앱의 텍스트 프롬프트 중앙값이 0.24 Wh를 썼다고 보고했습니다. 논문은 이를 텔레비전을 9초도 안 되게 시청하는 것과 비교합니다.
  • OpenAI 최고경영자는 2025년 ChatGPT 질의 평균이 약 0.34 Wh를 쓴다고 썼습니다. 산정 방법은 공개되지 않았습니다.
  • 독립 연구 단체인 Epoch AI는 하드웨어와 모델 크기에 관한 공개 정보를 바탕으로 일반적인 GPT-4o 질의를 약 0.3 Wh로 추정했습니다.

세 수치는 비슷하지만 같은 조건의 비교는 아닙니다. 중앙값은 평균이 아니고, 각 수치는 무엇을 셀지의 경계를 서로 다른 곳에 긋습니다. 또한 모두 짧은 텍스트 프롬프트만 다룹니다.

작업별 에너지: 수치 비교

AI 작업당 에너지는 짧은 프롬프트의 1와트시 미만부터 에이전트 세션의 수백 와트시까지 천 배 넘게 차이 납니다. 아래 표는 공개된 주요 수치입니다. 자체 보고 수치는 서비스를 운영하는 회사에서 나오고, 추정치와 측정치는 독립 연구자에게서 나옵니다.

작업 에너지 출처와 연도 유형
Gemini 텍스트 프롬프트 중앙값 0.24 Wh Google, 2025 자체 보고, 방법 공개
ChatGPT 질의 평균 약 0.34 Wh OpenAI 최고경영자, 2025 자체 보고, 방법 미공개
일반적인 GPT-4o 질의 약 0.3 Wh Epoch AI, 2025 독립 추정
GPT-4o, 짧은 프롬프트(입력 100 token, 출력 300) 0.42 Wh Jegham et al., 2025 독립 추정
입력 10,000 token의 GPT-4o급 질의 약 2.5 Wh Epoch AI, 2025 독립 추정
입력 100,000 token의 GPT-4o급 질의 40 Wh 가까이 Epoch AI, 2025 독립 추정
긴 프롬프트(입력 10,000, 출력 1,500): Llama 3.1 8B 대 DeepSeek-R1 약 0.44 Wh 대 약 29 Wh Jegham et al., 2025 독립 추정
추론 모델 대 일반 모델 평균 30배 많음 Hugging Face AI Energy Score, 2025 측정, 공개 모델
생성 이미지 한 장 약 2.9 Wh(1,000장당 2.9 kWh) Luccioni, Jernite and Strubell, 2024 측정, 공개 모델
짧은 생성 영상 하나 한 모델에서 약 90 Wh, 모델에 따라 0.14 Wh에서 415 Wh 넘게 Delavande, Pierrard and Luccioni, 2025 측정, 공개 모델
코딩 에이전트 세션 중앙값 약 41 Wh Couch, 2026 독립 추정
코딩 에이전트, 직접 입력한 프롬프트당(많이 쓰는 경우) 약 150 Wh(범위 60–290 Wh) Hausfather, 2026 독립 추정

token(토큰)은 텍스트 조각으로, 영어 단어로 치면 대략 4분의 3 단어입니다. 이미지와 영상 수치는 연구용 하드웨어에서 돌린 공개 모델에서 나온 것입니다. 상용 서비스는 이보다 더 효율적일 수도, 덜 효율적일 수도 있으며, 대부분은 수치를 공개하지 않습니다.

추론 모델, 이미지, 에이전트는 왜 더 많이 쓰나요?

요청 하나에 훨씬 많은 계산을 하기 때문입니다. 에너지는 모델이 읽고 쓰는 token 수와 모델의 크기에 따라 늘어납니다.

  • 추론 모델은 답하기 전에 숨겨진 긴 풀이 과정을 씁니다. Hugging Face의 AI Energy Score 팀은 같은 모델이라도 추론을 켜고 돌리면 껐을 때보다 150~700배 많은 에너지를 쓰고, 300~800배 많은 token을 쓴다는 것을 발견했습니다.
  • 긴 입력은 전부 처리해야 합니다. Epoch AI의 추정치는 입력이 아주 긴 문서를 붙여 넣은 크기인 100,000 token으로 늘어나면 약 0.3 Wh에서 40 Wh 가까이로 올라갑니다.
  • 이미지와 영상은 많은 픽셀에 걸쳐 여러 단계로 생성됩니다. Delavande, Pierrard, Luccioni는 영상 에너지가 해상도와 길이에 따라 제곱으로 늘어난다는 것을 발견했고, 짧은 클립 하나를 텍스트 답변의 약 2,000배로 추산했습니다.
  • 에이전트는 모델을 거듭 호출하며, 매번 점점 커지는 맥락을 다시 읽습니다. Anthropic은 자사 에이전트가 보통 채팅의 약 4배, 멀티 에이전트 시스템은 약 15배의 token을 썼다고 보고했습니다.

AI 코딩 에이전트는 에너지를 얼마나 쓰나요?

추정치는 일반적인 세션의 수십 와트시부터 많이 쓴 하루의 1킬로와트시 이상까지 다양합니다. 코딩 에이전트의 에너지 수치를 공개하는 AI 회사는 없으므로, 현재 구할 수 있는 가장 좋은 수치는 token 수를 바탕으로 한 신중한 독립 추정치입니다.

Simon Couch는 모델 호출 24번, 약 590,000 token이 든 Claude Code 세션 중앙값을 약 41 Wh로 추정했습니다. 기후 과학자 Zeke Hausfather는 자신이 8주 동안 많이 쓴 기록을 남겼습니다. 직접 입력한 프롬프트 1,138개가 14,000번이 넘는 모델 호출과 32억 token을 일으켰고, 그중 96%는 캐시된 맥락을 다시 읽은 것이었습니다. 그는 전체를 약 170 kWh (범위 70–330 kWh), 프롬프트당 약 150 Wh, 세션 중앙값을 약 0.6 kWh로 추정했으며, 이를 휴대전화를 약 50번 충전하는 것과 비교합니다. 에이전트 AI와 token 낭비를 참고하십시오.

훈련과 추론 중 어느 쪽 비용이 더 큰가요?

널리 쓰이는 모델이라면 보통 모델을 돌리는 것(추론)이 훈련보다 비용이 큽니다. 훈련은 큰 일회성 비용이고, 추론은 요청 하나당 작지만 수십억 번 반복됩니다.

공개된 훈련 수치는 그 규모를 보여 줍니다.

  • GPT-3(2020): Google의 Patterson 연구진은 훈련에 1,287 MWh의 전기가 쓰였다고 추정했습니다.
  • Llama 3.1(2024): Meta의 모델 카드는 세 가지 모델 크기에 H100 칩으로 3,930만 GPU 시간이 들었고, 그중 3,084만 시간이 가장 큰 4,050억 매개변수 모델에 쓰였다고 보고합니다.

반대편에서 Patterson 연구진은 머신러닝 작업량의 80–90%가 추론이라는 NVIDIA의 추정과, 자사 클라우드의 머신러닝 수요 중 90%가 추론이라는 Amazon Web Services의 주장을 인용합니다. 이런 균형 때문에 프롬프트당 에너지가 줄어드는 것이 매우 중요하지만, 그것만으로는 충분하지 않은 이유이기도 합니다. 사용량이 더 빠르게 늘고 있기 때문입니다. 효율은 충분성이 아니다를 참고하십시오.

데이터 센터와 AI는 전체적으로 전기를 얼마나 쓰나요?

국제에너지기구(IEA)는 2025년 데이터 센터가 약 485 TWh를 썼다고 추정하며, 2030년에는 세계 전력의 약 3%인 약 950 TWh에 이를 것으로 예상합니다. 1테라와트시(TWh)는 10억 킬로와트시입니다.

  • IEA는 2024년 데이터 센터 사용량을 세계 전력의 약 1.5%인 약 415 TWh로 보았습니다. 2026년 4월 업데이트에서는 2025년에 485 TWh로 1년 만에 17% 늘었고, AI 중심 데이터 센터가 쓴 전기는 50% 늘었다고 보고했습니다.
  • IEA는 2030년까지 증가분의 80% 가까이를 미국과 중국이 차지하고, 주로 AI용인 가속 서버가 증가분의 거의 절반을 이끌 것으로 예상합니다.
  • 미국에서는 Lawrence Berkeley National Laboratory가 2023년 데이터 센터가 국가 전력의 4.4%인 약 178 TWh를 썼으며 2028년에는 6.7–12%에 이를 수 있다고 추정했습니다.

데이터 센터는 AI 작업을 따로 계량하지 않기 때문에 AI만의 믿을 만한 세계 수치는 없습니다. 기업 보고서는 추세를 보여 줍니다. Microsoft의 전기 사용량은 2020 회계연도 약 10.8 TWh에서 2025년 약 37.0 TWh로 늘었고, Google은 2025년 전력 수요가 37% 늘어 사상 최대 증가를 기록했다고 보고했습니다. 왜 지금 그린 AI가 중요한가를 참고하십시오.

AI 에너지 수치는 왜 이렇게 제각각인가요?

연구마다 서로 다른 하드웨어에서, 서로 다른 모델과 작업을 두고, 서로 다른 것을 세기 때문입니다. 차이의 대부분은 네 가지 요인으로 설명됩니다.

  1. 시스템 경계. Google 자체 논문에 따르면, 작동 중인 AI 칩만 세면 프롬프트 중앙값당 0.10 Wh이지만, 호스트 프로세서와 메모리, 수요에 대비해 대기 중인 유휴 용량, 데이터 센터 냉각을 더하면 두 배가 넘는 0.24 Wh가 됩니다. 측정이 병목이다를 참고하십시오.
  2. 하드웨어와 가동률. 새 칩일수록 와트당 더 많은 일을 하고, 바쁜 서버는 한가한 서버보다 더 많은 요청에 간접 비용을 나눕니다.
  3. 모델 크기. Jegham 연구진의 추정에서 긴 프롬프트 하나는 작은 Llama 3.1 8B 모델에서 약 0.44 Wh, 대형 추론 모델인 DeepSeek-R1에서 약 29 Wh가 들었습니다.
  4. token. 더 긴 입력, 더 긴 답변, 숨겨진 추론, 반복되는 에이전트 단계는 모두 token을 늘리며, 에너지도 그에 따라 늘어납니다.

두 가지를 더 주의하십시오. 수치는 빨리 낡습니다. Google은 1년 사이 프롬프트 중앙값당 에너지가 33분의 1로 줄었다고 보고했습니다. 그리고 자체 보고 수치는 독립적으로 확인할 수 없습니다. 어떤 수치를 보면 무엇을, 어떤 경계에서, 언제 측정했는지 물어보십시오. AI 에너지 사용에 관한 주장을 확인하는 방법을 참고하십시오.

AI 에너지는 일상적인 것들과 비교하면 어느 정도인가요?

짧은 텍스트 프롬프트는 대부분의 가정용 전기 사용에 비하면 작지만, 에이전트나 영상을 많이 쓰는 경우는 그렇지 않습니다. 아래 비교는 출처 자신이 든 것입니다.

  • Google은 0.24 Wh인 Gemini 프롬프트 중앙값을 텔레비전을 9초도 안 되게 시청하는 것과 비교합니다.
  • Hausfather는 자신이 많이 쓴 코딩 에이전트 세션 중앙값(약 0.6 kWh)을 휴대전화를 약 50번 충전하는 것과, 그런 사용의 하루 평균(약 3 kWh)을 냉장고 두 대 넘게 돌리는 것과 비교합니다.
  • Couch는 자신의 코딩 에이전트 사용 하루 중앙값(약 1,300 Wh)을 식기세척기를 매일 한 번 더 돌리는 것과 비교합니다.
  • Google은 2009년 웹 검색 1회 평균이 약 0.3 Wh를 쓴다고 밝혔는데, 오늘날 짧은 텍스트 프롬프트와 비슷한 수준입니다. 두 수치는 시기와 방법이 크게 다릅니다.

요청 하나하나가 크다는 것이 요점이 아닙니다. 습관이 중요하다는 것입니다. 추론 모델을 고르는 것, 긴 문서를 붙여 넣는 것, 이미지를 한꺼번에 여러 장 생성하는 것, 에이전트를 계속 돌려 두는 것은 저마다 작업의 에너지를 몇 배로 늘릴 수 있습니다. 내 AI 에너지 사용을 제대로 가늠하기를 참고하십시오.

AI 에너지 사용을 줄이려면 무엇을 할 수 있나요?

일을 해낼 수 있는 가장 작은 도구를 쓰고, 덜 요구하십시오. 가장 큰 절약은 제공업체를 바꾸는 것이 아니라 불필요한 작업을 피하는 데서 나옵니다.

조직이라면 측정에서 시작하십시오. AI 에너지 측정하기, AI API 호출의 에너지 추정하기, AI를 효율적으로 쓰기를 참고하십시오.

다음에 할 일

자주 묻는 질문

ChatGPT 질문 한 번에 전기가 얼마나 드나요?

OpenAI 최고경영자는 2025년에 ChatGPT 질의 평균이 약 0.34와트시를 쓴다고 밝혔고, Epoch AI는 일반적인 GPT-4o 질의를 독립적으로 약 0.3 Wh로 추정했습니다. 긴 입력, 추론 모드, 이미지 생성은 훨씬 많이 씁니다.

AI는 프롬프트 하나당 에너지를 얼마나 쓰나요?

짧은 텍스트 프롬프트의 경우 공개된 수치는 0.2~0.4 Wh 부근에 몰려 있습니다. Google은 Gemini 프롬프트 중앙값을 0.24 Wh로 보고합니다. 긴 프롬프트를 넣은 대형 모델의 독립 추정치는 약 29 Wh에 이르고, 에이전트 방식의 코딩 세션은 수백 와트시를 쓸 수 있습니다.

AI는 Google 검색보다 에너지를 더 많이 쓰나요?

공개된 수치로 보면 짧은 텍스트 프롬프트는 그렇지 않습니다. Google은 2009년에 검색 1회 평균이 약 0.3 Wh를 쓴다고 밝혔고, 지금은 Gemini 텍스트 프롬프트 중앙값을 0.24 Wh로 보고합니다. 두 수치는 16년 차이가 나고 측정 방식도 다르므로 대략적인 참고로만 보십시오. 긴 작업, 추론, 이미지, 에이전트 작업은 훨씬 많이 씁니다.

AI는 전체적으로 전기를 얼마나 쓰나요?

AI만 따로 떼어 낸 믿을 만한 수치는 없습니다. 국제에너지기구는 2025년 전체 데이터 센터가 약 485 TWh를 써서 1년 만에 17% 늘었고, AI 중심 데이터 센터의 사용량은 50% 늘었으며, 2030년에는 전체가 세계 전력의 약 3%인 약 950 TWh에 이를 것으로 추정합니다.

AI는 훈련과 사용 중 어느 쪽이 에너지를 더 많이 쓰나요?

대형 모델 하나를 훈련하는 것은 큰 일회성 비용입니다. 예를 들어 GPT-3는 1,287 MWh로 추정됩니다. 그러나 인기 있는 모델은 수십억 번 사용되며, Google 연구진이 인용한 업계 추정에 따르면 머신러닝 작업량의 80–90%가 추론입니다.

AI 에너지 추정치는 왜 이렇게 제각각인가요?

서로 다른 것을 세기 때문입니다. 데이터 센터 냉각, 유휴 서버, 호스트 컴퓨터를 포함하자 Google 자체 수치가 0.10 Wh에서 0.24 Wh로 두 배 넘게 늘었습니다. 모델 크기, 하드웨어, 프롬프트 길이, 생성되는 token 수에 따라서도 답이 달라집니다.

AI 이미지 생성에는 에너지가 얼마나 드나요?

Luccioni, Jernite, Strubell의 공개 모델 시험에서 이미지 생성은 평균 1,000장당 약 2.9 kWh, 즉 한 장에 약 2.9 Wh를 썼습니다. 텍스트 하나를 분류하는 것보다 천 배 넘게 많은 양입니다.

내가 쓰는 AI의 에너지 사용을 어떻게 줄일 수 있나요?

간단한 작업에는 더 작거나 빠른 모델을 쓰고, 프롬프트와 대화를 짧게 유지하고, 필요하지 않을 때는 추론 모드를 끄고, 이미지와 영상을 덜 생성하십시오. 그 작업에 AI가 애초에 필요한지 묻는 것이 가장 많이 절약됩니다.

출처

  1. Measuring the environmental impact of delivering AI at Google scale, Elsworth et al., Google (2025)
  2. The gentle singularity, Sam Altman (OpenAI) (2025)
  3. How much energy does ChatGPT use?, Epoch AI (2025)
  4. How hungry is AI? Benchmarking energy, water and carbon footprint of LLM inference, Jegham et al. (arXiv 2505.09598, v6) (2025)
  5. AI Energy Score v2: refreshed leaderboard, now with reasoning, Luccioni and Gamazaychikov, Hugging Face (2025)
  6. Power hungry processing: watts driving the cost of AI deployment?, Luccioni, Jernite and Strubell, ACM FAccT 2024 (2024)
  7. Video killed the energy budget: characterizing the latency and power regimes of open text-to-video models, Delavande, Pierrard and Luccioni (arXiv 2509.19222) (2025)
  8. The real energy use of agentic AI, Zeke Hausfather, The Climate Brink (2026)
  9. Electricity use of AI coding agents, Simon P. Couch (2026)
  10. How we built our multi-agent research system, Anthropic (2025)
  11. Carbon emissions and large neural network training, Patterson et al. (arXiv 2104.10350) (2021)
  12. Powering a Google search (Italian edition: Dare energia alle ricerche su Google), Google (2009)
  13. Llama 3.1 8B model card, Meta (2024)
  14. Energy and AI, International Energy Agency (2025)
  15. Key questions on energy and AI, International Energy Agency (2026)
  16. 2024 United States Data Center Energy Usage Report, Lawrence Berkeley National Laboratory (2024)
  17. 2026 environmental data fact sheet, Microsoft (2026)
  18. Read our 11th annual Environmental Report, Google (2026)

함께하기

AI가 지구에 미치는 영향을 함께 줄여 주세요

새 가이드, 지원 공모, 디렉터리 등록 소식을 한 달에 한 번 정도 이메일로 받아 보세요. 또는 제품, 강좌, 박사 과정, 연구를 디렉터리에 추가하세요.

추적하지 않습니다. 클릭 한 번으로 구독을 해지할 수 있습니다. 다른 참여 방법 · 개인정보 보호