# AI 에너지 라벨과 벤치마크

> 2026년 AI 에너지 등급 현황: AI Energy Score, MLPerf Power, EU AI Act 문서화, 데이터 센터 등급, 라벨이 보여 줄 수 있는 것을 정리합니다.

Source: https://greenai.guide/ko/기사/ai-에너지-라벨과-벤치마크/  
Updated: 2026-11-19

## 요약

아직 AI 모델에 대한 공식 에너지 라벨은 없지만, 그 기초 요소는 이미 있습니다. AI Energy Score는 공개 모델에 별 1~5개의 등급을 매기고, MLPerf Power는 하드웨어 시스템을 벤치마크하며, EU는 범용 AI 모델에 에너지 문서화를 요구하고 데이터 센터 등급 제도를 만들고 있습니다. EU는 에너지 효율적인 AI 측정 연구도 입찰에 부쳤으며, 라벨이 논의되고 있습니다.

## 핵심 내용

- 2025년 2월에 출시된 AI Energy Score는 측정된 GPU 에너지를 바탕으로 각 작업 안에서 모델에 별 1~5개의 등급을 매깁니다.
- MLPerf Power는 초소형 기기부터 데이터 센터 랙까지, 머신러닝 시스템 전체의 에너지 효율을 측정합니다.
- EU AI Act에 따라 범용 AI 제공자는 알려진 또는 추정된 에너지 소비량을 문서화해야 하지만, 이 문서는 소비자가 아니라 규제 당국에 제출됩니다.
- EU는 데이터 센터에 A–G 방식의 등급 제도를 만들고 있으며, AI 에너지·배출 라벨로 이어질 수 있는 연구를 입찰에 부쳤습니다.
- 라벨은 같은 조건의 선택지를 서로 비교해 순위를 매길 수는 있지만 모든 것을 담을 수는 없습니다. 하드웨어, 설정, 실제 사용 방식이 모두 결과를 바꿉니다.

냉장고, 세탁기, 전구에는 구매자가 한눈에 비교할 수 있는 에너지 라벨이 붙어 있습니다. 왜 AI 모델에는 그런 라벨이
없느냐고 묻는 사람이 늘고 있습니다. 짧게 답하면, AI에 라벨을 붙이는 일은 냉장고보다 어렵지만 그 작업은 이미 상당히
진행되고 있습니다. 이 글은 2026년 말 현재 무엇이 있는지, 그리고 라벨이 무엇을 알려 줄 수 있고 무엇을 알려 줄 수
없는지 정리합니다.

## AI에 대한 공식 에너지 라벨이 있나요? {#is-there-an-official-energy-label-for-ai}

**아니요, 아직 없습니다.** 자발적인 등급과 벤치마크, EU의 에너지 사용 문서화 법적 의무, 그리고 라벨로 이어질 수 있는
유럽연합 집행위원회의 작업이 있습니다. 하지만 이 중 어느 것도 아직 냉장고 같은 소비자용 라벨은 아닙니다.

## AI Energy Score란 무엇인가요? {#what-is-the-ai-energy-score}

**표준 작업에서 측정한 에너지 사용량을 바탕으로 한, AI 모델용 자발적 별점 등급입니다.** Hugging Face가 Salesforce,
Cohere, 카네기멜런대학교 등과 함께 2025년 2월에 시작했습니다.

작동 방식은 다음과 같습니다.

- 모든 모델에 같은 종류의 GPU를 사용해, 정해진 일반 작업 세트에서 모델을 실행합니다.
- 정해진 수의 질의에 쓰인 GPU 에너지를 측정합니다.
- 각 모델은 **같은 작업 및 크기 등급의 다른 모델과 비교해** 별 1~5개를 받습니다. 새 모델이 추가되면 등급이 다시
  보정됩니다.

첫 발표에서는 10개 작업에 걸쳐 166개 모델을 평가했습니다. 2025년 말에 나온 두 번째 버전은 추론(reasoning)을 벤치마크
작업으로 추가했습니다. Hugging Face는 추론 모델이 추론 기능이 없거나 꺼 둔 모델보다 평균 약 30배 많은 에너지를 썼다고
보고했는데, 이는 주로 훨씬 더 많은 출력 토큰을 만들어 내기 때문입니다.

이 점수의 강점은 추정이 아니라 측정한 값이라는 점, 그리고 모든 모델에 같은 조건을 쓴다는 점입니다. 한계는 포괄
범위입니다. 비공개 상용 모델은 제공자가 참여를 선택해야만 포함될 수 있습니다.

## MLPerf Power와 ML.ENERGY Leaderboard란 무엇인가요? {#what-are-mlperf-power-and-the-ml-energy-leaderboard}

**통제된 조건에서 에너지를 측정하는 벤치마크로, 하나는 하드웨어 시스템용, 다른 하나는 공개 모델용입니다.**

- **MLPerf Power**는 업계 컨소시엄 MLCommons가 만든 것으로, 표준 MLPerf 워크로드를 실행하는 머신러닝 시스템 전체의
  에너지 효율을 측정합니다. 2025년 논문은 20개가 넘는 조직이 제출한 60개 시스템에서 얻은 1,841개의 측정값을
  보고하며, 그 범위는 마이크로와트급 기기부터 메가와트급 데이터 센터 시스템까지입니다. 이는 구매자가 모델이 아니라
  하드웨어를 비교하는 데 도움이 됩니다.
- **ML.ENERGY Leaderboard**는 미시간대학교(University of Michigan)가 만든 것으로, 널리 쓰이는 공개 모델의 추론
  에너지를 알려진 하드웨어에서 측정하고, 다른 사람이 측정을 재현할 수 있도록 도구를 공개합니다.

고성능 컴퓨팅에는 선례가 있습니다. Green500 목록은 표준 벤치마크에서의 와트당 성능으로 슈퍼컴퓨터 순위를 매깁니다.
거친 척도이지만 모두가 같은 시험을 치르기 때문에 비교할 수 있고, 수년 동안 효율 향상을 이끌어 왔습니다. AI 벤치마크도
결국 같은 길을 갈 수 있습니다. 완벽하지는 않지만 함께 쓰기 때문에 유용한 것입니다.

## EU 법은 무엇을 요구하나요? {#what-does-eu-law-require}

**범용 AI 모델에 대한 문서화, 데이터 센터에 대한 보고, 그리고 향후 표준을 위한 틀입니다.**

- **AI Act 부속서 XI(Annex XI).** 범용 AI 모델 제공자는 "모델의 알려진 또는 추정된 에너지 소비량"을 문서화해야
  합니다. 알려지지 않은 경우에는 사용된 계산 자원에 관한 정보를 바탕으로 할 수 있습니다. 이 문서는 대중이 아니라
  EU AI 사무국(AI Office)과 각국 당국에 제출됩니다.
- **AI Act 제40조(Article 40).** 집행위원회의 표준화 요청은 범용 모델의 에너지 효율적 개발을 포함해 AI 시스템의 자원
  성능을 개선하기 위한 보고 및 문서화 절차를 다룹니다. 이 표준들은 아직 개발 중입니다.
- **데이터 센터.** 위임 규정(EU) 2024/1364에 따라 IT 전력이 500 kW 이상인 데이터 센터는 매년 에너지 및 지속 가능성
  지표를 보고해야 합니다. 2026년 집행위원회는 그다음 단계로, 전력 사용 효율(PUE)과 물 사용 효율(WUE) 같은 지표에
  등급을 매기는 제도를 제안했습니다. 이 제안은 검토 중이며 아직 시행되지 않았습니다.

## EU는 AI 에너지 라벨을 개발하고 있나요? {#is-the-eu-developing-an-ai-energy-label}

**검토하고 있습니다.** 집행위원회는 AI Act에 따라 에너지 효율적이고 저배출인 AI를 측정하고 장려하기 위한 입찰을
진행했으며, 여기에는 AI 에너지·배출 라벨의 가능성이 포함됩니다. 2026년에는 대상을 정한 의견 수렴도 했습니다. 라벨이
실제로 나올지, 그리고 AI Act가 그 법적 근거가 되는지는 정해지지 않았습니다. 첫 번째 틀이 나온다면 정밀한 점수보다는
불확실성의 폭이 넓은 안내서에 가까울 가능성이 큽니다.

EU 밖에서는 대부분 자발적입니다. 영국과 미국에는 AI 에너지 라벨 요건이 없습니다. 조직들은 AI Energy Score 같은
자발적 제도와, 작업 단위당 탄소 비율을 정의하지만 그 자체로 비교 라벨은 아닌 소프트웨어 탄소 집약도(Software Carbon
Intensity) 사양인 ISO/IEC 21031:2024 같은 표준에 의존합니다.

## AI에 라벨을 붙이는 일은 왜 냉장고보다 어려울까요? {#why-is-labelling-ai-harder-than-labelling-a-fridge}

**같은 모델이라도 하드웨어, 설정, 작업에 따라 에너지 사용량이 달라지기 때문입니다.** 냉장고는 매일 같은 일을 합니다.
AI 모델의 작업당 에너지는 다음에 따라 달라집니다.

- **하드웨어:** 칩 세대, 칩 개수, 전력 및 부스트 설정.
- **소프트웨어:** 추론 엔진, 배칭, 양자화, 캐싱.
- **작업:** 프롬프트 길이, 답변 길이, 추론 모드 사용 여부.
- **환경:** 실험실 벤치마크인지, 최대 부하에 대비해 여유 용량을 남겨 둔 바쁜 운영 데이터 센터인지.
- **품질:** 에너지를 덜 쓰지만 오답이 더 많은 모델은 전체적으로 비용이 더 클 수 있습니다.

따라서 라벨은 조건을 고정해야 하며, 그러면 비교는 가능해지지만 현실성은 떨어집니다. 이는 자동차 연비 시험이 감수하는
것과 같은 절충입니다.

## 그동안 구매자는 무엇을 요구해야 할까요? {#what-should-a-buyer-ask-for-meanwhile}

**명시된 조건에서 측정한 작업당 에너지와 그에 따른 품질을 함께 요구해야 합니다.** 실제로는 다음과 같습니다.

- 모델에 AI Energy Score나 다른 독립적인 측정값이 있는지 묻습니다.
- 공급업체의 수치가 어떤 하드웨어, 지역, 설정을 전제로 하는지 묻습니다.
- 일반적인 벤치마크가 아니라 *여러분의* 작업에서의 에너지와 품질을 요구합니다.
- "35배 더 효율적" 같은 비율은 신중하게 받아들입니다. 이런 비율은 제품만큼이나 비교 기준에 대해서도 많은 것을
  말해 줍니다.

[지속 가능한 AI 조달](/ko/모범-사례/지속-가능한-ai-조달/)과 [측정이 병목이다](/ko/기사/측정이-그린-ai의-병목입니다/)를
참고하십시오.

## 다음에 할 일 {#what-to-do-next}

- 검토 중인 공개 모델의 AI Energy Score를 확인하고, 필요를 충족하는 모델 중 가장 효율적인 것을 고르십시오.
- AI 계약에 에너지 보고를 포함하십시오. [지속 가능한 AI 조달](/ko/모범-사례/지속-가능한-ai-조달/)을 참고하십시오.
- 자체 워크로드를 측정하십시오. [AI 에너지 측정하기](/ko/모범-사례/ai의-에너지와-탄소를-측정하는-방법/)를 참고하십시오.
- 자사 마케팅에서 근거 없는 효율 주장을 피하십시오. [정직한 친환경 주장하기](/ko/모범-사례/ai에-관한-정직한-친환경-주장/)를
  참고하십시오.
- [제품 디렉터리](/ko/제품/)에서 등급이 매겨진 도구와 서비스를 찾아보십시오.

## 자주 묻는 질문

### AI 모델에 대한 에너지 라벨이 있나요?

공식 라벨은 없습니다. AI Energy Score는 표준 작업에서 모델을 평가하는 자발적 별점 등급입니다. 유럽연합 집행위원회(European Commission)는 라벨로 이어질 수 있는 에너지 효율적 AI 측정 연구를 의뢰했지만, 아직 채택된 라벨은 없습니다.

### AI Energy Score란 무엇인가요?

Hugging Face가 Salesforce, Cohere, 카네기멜런대학교(Carnegie Mellon University) 등과 함께 2025년 2월에 시작한 프로젝트입니다. 표준 작업에서 모델이 쓰는 GPU 에너지를 측정하고, 같은 작업의 다른 모델과 비교해 각 모델에 별 1~5개의 등급을 매깁니다.

### MLPerf Power란 무엇인가요?

MLCommons 컨소시엄의 벤치마크로, 표준 MLPerf 워크로드를 실행하는 머신러닝 하드웨어·소프트웨어 시스템의 에너지 효율을 마이크로와트급 기기부터 메가와트급 데이터 센터 시스템까지 측정합니다.

## 출처

- [Announcing AI Energy Score ratings](https://huggingface.co/blog/sasha/announcing-ai-energy-score), Hugging Face (2025)
- [AI Energy Score v2: refreshed leaderboard, now with reasoning](https://huggingface.co/blog/sasha/ai-energy-score-v2), Hugging Face (2025)
- [AI Energy Score](https://oecd.ai/en/catalogue/tools/ai-energy-score), OECD.AI catalogue of tools (2025)
- [MLPerf Power: benchmarking the energy efficiency of machine learning systems from µWatts to MWatts for sustainable AI](https://arxiv.org/abs/2410.12032), Tschand et al., MLCommons, HPCA 2025 (2025)
- [The ML.ENERGY benchmark: toward automated inference energy measurement and optimization](https://arxiv.org/abs/2505.06371), Chung et al., NeurIPS Datasets and Benchmarks (2025)
- [Regulation (EU) 2024/1689 (AI Act), Annex XI](https://ai-act-service-desk.ec.europa.eu/en/ai-act/annex-11), European Union (2024)
- [Regulation (EU) 2024/1689 (AI Act), Article 40](https://ai-act-service-desk.ec.europa.eu/en/ai-act/article-40), European Union (2024)
- [Artificial Intelligence Act: call for tenders to measure and foster energy-efficient and low-emission AI](https://digital-strategy.ec.europa.eu/en/funding/artificial-intelligence-act-call-tenders-measure-and-foster-energy-efficient-and-low-emission), European Commission (2025)
- [Commission Delegated Regulation (EU) 2024/1364 on the first phase of the establishment of a common Union rating scheme for data centres](https://eur-lex.europa.eu/eli/reg_del/2024/1364/oj), European Commission (2024)
- [European Commission proposes mandatory sustainability label for data centres](https://www.lw.com/en/insights/european-commission-proposes-mandatory-sustainability-label-for-data-centres), Latham & Watkins (2026)
- [Software Carbon Intensity (SCI) specification](https://greensoftware.foundation/standards/sci/), Green Software Foundation (2024)
- [TOP500 and Green500 lists](https://top500.org/lists/green500/), TOP500 (2026)
