greenai.guide

홈 › 글 › AI 에너지 사용량 통계 (2026년 11월 업데이트)

글

AI 에너지 사용량 통계 (2026년 11월 업데이트)

업데이트 · 7분 분량

요약

이 AI 에너지 통계는 AI의 전력, 물, 탄소에 관한 가장 유용한 수치 40개를 모은 것으로, 각 수치를 1차 출처에서 확인하고 해당 연도를 밝혔습니다. 요약하면, 데이터 센터는 2024년에 약 415 TWh의 전력(전 세계 총량의 약 1.5%)을 사용했고, IEA는 2030년까지 약 950 TWh로 늘어날 것으로 예상합니다. 제공업체 자체 수치로 일반적인 텍스트 프롬프트 하나는 약 0.24~0.34 Wh를 쓰지만, 이미지, 동영상, 긴 입력, 추론은 훨씬 많이 씁니다.

핵심 내용

  • IEA에 따르면 데이터 센터는 2024년에 약 415 TWh의 전력을 사용해 전 세계 총량의 약 1.5%를 차지했고, 2025년에는 485 TWh를 사용했습니다.
  • IEA는 2030년까지 약 950 TWh, 즉 전 세계 전력 수요의 약 3%를 전망합니다. AI 중심 데이터 센터의 전력 사용량은 2025년에 50% 늘었습니다.
  • 제공업체들은 텍스트 프롬프트당 약 0.24 Wh(Google, Gemini 텍스트 프롬프트 중앙값)와 0.34 Wh(OpenAI, ChatGPT 질의 평균)를 보고합니다.
  • Hugging Face의 2025년 시험에서 추론 모델은 표준 모델보다 평균 30배 많은 에너지를 썼습니다.
  • GPT-3 학습에는 약 1,287 MWh가 쓰였고 약 552톤의 CO₂e가 배출된 것으로 추정됩니다.
  • 2025년 아일랜드에서 데이터 센터는 계량된 전력의 23%를 사용했습니다.

이 페이지는 사람들이 가장 많이 찾는 AI 에너지 통계를 모은 것으로, 각 수치를 1차 출처에서 확인하고 해당 연도를 함께 적었습니다. 수치를 빠르게 찾는 데 활용하시고, 중요한 곳에 인용하기 전에는 출처를 직접 확인하십시오.

핵심 AI 에너지 통계는 무엇일까요?

데이터 센터는 전 세계 전력의 약 1.5%를 쓰며, 이 비율은 2030년까지 대략 두 배가 될 전망이고, 그 주된 원인은 AI입니다. 일반적인 텍스트 프롬프트는 1와트시에 훨씬 못 미치는 에너지를 쓰지만, 이미지, 동영상, 매우 긴 입력, 추론은 훨씬 많이 씁니다. 아래 표에는 열 개 분야로 나눈 수치 40개가 있습니다. 출처마다 수치가 다르거나 수치가 범위로 제시된 경우에는 범위를 그대로 적었습니다.

데이터 센터 전력

IEA에 따르면 데이터 센터는 2024년에 약 415 TWh, 2025년에 485 TWh를 사용했습니다. 1테라와트시(TWh)는 10억 킬로와트시입니다.

# 통계 출처 연도
1 데이터 센터는 2024년에 약 415 TWh의 전력을 사용해 전 세계 소비량의 약 1.5%를 차지했습니다. 국제에너지기구(IEA) 2025
2 데이터 센터 전력 사용량은 2025년에 17% 늘어 485 TWh가 되었습니다. IEA 2026
3 IEA는 2030년까지 약 950 TWh, 즉 전 세계 전력 수요의 약 3%를 전망합니다. IEA 2026
4 2035년 전망치는 IEA 시나리오에 따라 700~1,700 TWh입니다. IEA 2025
5 데이터 센터 전력 사용량은 2017년 이후 매년 약 12%씩 늘었습니다. IEA 2025
6 2030년까지 전 세계 전력 수요 증가분의 약 10분의 1을 데이터 센터가 차지할 것입니다. IEA 2025

수요가 집중된 곳

소수의 국가와 지역이 부하의 대부분을 짊어지고 있습니다. 이것이 전력망에 어떤 의미인지는 AI와 데이터 센터 전력 수요를 참고하십시오.

# 통계 출처 연도
7 2030년까지 전 세계 데이터 센터 전력 증가분의 약 80%를 미국과 중국이 차지합니다. IEA 2025
8 미국 데이터 센터는 2023년에 176 TWh, 즉 미국 전력의 약 4.4%를 사용했습니다. 로런스 버클리 국립연구소(LBNL) 2024
9 미국 데이터 센터는 2028년까지 325~580 TWh, 즉 미국 전력의 6.7~12%를 사용할 것으로 전망됩니다. LBNL 2024
10 2030년까지 미국 전력 수요 증가분의 거의 절반을 데이터 센터가 차지합니다. IEA 2025
11 데이터 센터는 2025년 아일랜드 계량 전력의 23%를 사용했으며, 2015년에는 5%였습니다. 아일랜드 중앙통계청(Central Statistics Office) 2026
12 데이터 센터는 2023년 버지니아주 전력의 거의 4분의 1을 사용했습니다. 전력연구소(Electric Power Research Institute) 2024

AI가 차지하는 비중

데이터 센터 전력 중 AI가 차지하는 비중에 대한 정확한 공개 수치는 없지만, AI가 가장 빠르게 성장하는 부분입니다.

# 통계 출처 연도
13 AI 중심 데이터 센터의 전력 사용량은 2025년에 50% 늘었습니다. IEA 2026
14 주로 AI에 쓰이는 가속 서버의 전력 사용량은 IEA 기준 시나리오에서 매년 30%씩 늘어날 것으로 전망됩니다. IEA 2025
15 일반적인 AI 중심 데이터 센터 하나는 100,000가구만큼의 전력을 사용합니다. IEA 2025

프롬프트당 에너지

제공업체 자체 수치로 일반적인 텍스트 프롬프트는 약 0.24~0.34 Wh입니다. 이 수치는 자체 보고된 것이고, 방법이 서로 다르며, 텍스트만 다룹니다. 측정이 병목이다를 참고하십시오.

# 통계 출처 연도
16 Gemini Apps 텍스트 프롬프트 중앙값은 0.24 Wh를 쓰고, 0.03 g CO₂e를 배출했으며, 0.26 mL의 물을 소비했습니다. Google (Elsworth et al.) 2025
17 가장 효율적인 데이터 센터에서 가동 중인 AI 칩만 계산하면 같은 프롬프트가 0.10 Wh입니다. Google (Elsworth et al.) 2025
18 ChatGPT 평균 질의 한 번은 약 0.34 Wh와 약 0.000085갤런의 물을 씁니다. Sam Altman, OpenAI 2025
19 일반적인 GPT-4o 질의는 약 0.3 Wh를 쓰며, 10,000 token 입력에서는 약 2.5 Wh, 100,000 token 입력에서는 거의 40 Wh로 늘어납니다. Epoch AI 2025
20 Mistral Large 2의 400 token 응답 하나는 1.14 g CO₂e를 배출하고 45 mL의 물을 씁니다. Mistral AI 2025
21 추론 모델은 표준 모델보다 평균 30배 많은 에너지를 썼고, 한 모델은 추론을 켰을 때 150~700배 많이 썼습니다. Hugging Face AI Energy Score 2025

이미지와 동영상

이미지와 동영상 생성은 텍스트 작업보다 훨씬 많은 에너지를 씁니다.

# 통계 출처 연도
22 이미지 생성은 1,000장당 평균 약 2.9 kWh를 썼는데, 텍스트 분류는 1,000건당 0.002 kWh였습니다. Luccioni, Jernite, Strubell 2024
23 시험한 이미지 모델 중 가장 비효율적인 모델은 이미지 한 장에 스마트폰 충전량의 약 절반을 썼습니다. Luccioni, Jernite, Strubell 2024
24 오픈 텍스트-동영상 모델은 짧은 클립 하나에 0.14 Wh에서 415 Wh 이상까지 썼으며, 에너지는 해상도와 길이에 따라 제곱으로 늘었습니다. Delavande, Pierrard, Luccioni 2025

학습 실행

대형 모델 학습에는 기가와트시 단위의 에너지가 들 수 있지만, 최신 모델 개발사 대부분은 이를 공개하지 않습니다.

# 통계 출처 연도
25 GPT-3 학습에는 약 1,287 MWh가 쓰였고 약 552톤의 CO₂e가 배출된 것으로 추정됩니다. Patterson et al., Google 2021
26 BLOOM 학습은 전력에서 약 24.7톤의 CO₂e를 배출했으며, 제조와 유휴 하드웨어까지 포함하면 50.5톤입니다. Luccioni, Viguier, Ligozat 2022
27 Llama 3.1 모델 학습에는 3,930만 GPU 시간과 11,390톤의 CO₂e(지역 기준)가 들었습니다. Meta 2024
28 Mistral Large 2의 학습과 18개월간의 사용으로 20.4킬로톤의 CO₂e가 발생했고 281,000 m³의 물이 소비되었습니다. Mistral AI 2025

물

AI는 주로 데이터 센터 냉각에, 그리고 간접적으로는 발전에 물을 씁니다. AI의 물 발자국을 추정하는 방법을 참고하십시오.

# 통계 출처 연도
29 Microsoft의 미국 데이터 센터에서 GPT-3를 학습하면 담수 700,000리터가 직접 증발할 수 있습니다. Li, Yang, Islam, Ren 2023 (2025 개정)
30 2027년 전 세계 AI 수요는 42억~66억 m³의 취수량을 차지할 수 있습니다. Li, Yang, Islam, Ren 2023 (2025 개정)
31 Google은 2025년 데이터 센터와 사무실에서 410억 리터(109억 갤런)의 물을 소비했고, 담수 소비량의 약 78%를 보충했습니다. Google 2026

탄소와 기업 배출량

대형 AI 제공업체의 배출량은 대규모 청정에너지 구매에도 불구하고 늘고 있습니다.

# 통계 출처 연도
32 Google의 목표 기준(ambition-based) 배출량은 2025년 약 1,450만 톤 CO₂e로, 2024년보다 18%, 2019년보다 81% 늘었습니다. Google 2026
33 Microsoft의 총배출량은 2025 회계연도에 약 2,030만 톤 CO₂e로, 2020년의 약 1,290만 톤보다 많습니다. Microsoft 2026
34 Amazon의 절대 배출량은 2024년에서 2025년 사이 16% 늘어 8,085만 톤 CO₂e가 되었습니다. Amazon 2026
35 생성형 AI는 2020~2030년에 걸쳐 총 120만~500만 톤의 전자 폐기물을 더할 수 있습니다. Wang et al., Nature Computational Science 2024

하드웨어와 소프트웨어는 훨씬 효율적이 되고 있지만, 수요는 그보다 빠르게 늘고 있습니다.

# 통계 출처 연도
36 주요 머신러닝 하드웨어의 에너지 효율은 해마다 약 40% 좋아집니다. Epoch AI 2024
37 2026년 11월 Green500 목록에서 가장 에너지 효율이 높은 슈퍼컴퓨터인 프랑스의 KAIROS는 와트당 73.28 기가플롭스를 냅니다. TOP500 2026
38 킬로와트시당 계산 횟수는 1946년부터 2009년까지 약 1.57년마다 두 배가 되었습니다('쿠미의 법칙'). Koomey et al. 2011

제공업체와 연구자가 보고한 효율 향상

보고된 향상 폭은 크지만, 대부분 자체 보고이거나 직접 고른 기준선과 비교해 측정한 것입니다.

# 통계 출처 연도
39 Google은 12개월 동안 Gemini 텍스트 프롬프트 중앙값당 에너지가 33분의 1로, 탄소가 44분의 1로 줄었다고 보고합니다. Google (Elsworth et al.) 2025
40 작업 특화 소형 모델은 에너지 사용을 최대 90%, 더 짧은 프롬프트와 응답은 50% 넘게 줄일 수 있습니다. UNESCO, 유니버시티 칼리지 런던 2025

자주 인용되는 수치가 두 개 더 있습니다. NVIDIA는 2024년, 자사 Blackwell 플랫폼이 대규모 언어 모델 추론에서 이전 세대보다 비용과 에너지 소비를 최대 25배 줄인다고 밝혔습니다. 이는 특정 작업 부하에 대한 공급업체의 주장입니다. 또 Google 연구자들은 2021년, 모델, 데이터 센터, 프로세서의 선택에 따라 학습의 탄소 발자국을 최대 약 100~1,000배 줄일 수 있다고 추정했습니다. 이런 향상을 실제로 얻는 방법은 에너지 효율적인 AI를 참고하십시오.

대중의 인식

적어도 미국에서는 AI의 환경 영향에 대한 우려가 커지고 있습니다. 다른 지역의 조사 근거는 더 부족합니다.

  • 2026년 미국인의 53%가 AI의 환경 영향을 매우 또는 몹시 우려했으며, 2025년에는 41%였습니다 (AP-NORC와 시카고 대학교 에너지정책연구소).
  • 2025년 미국인의 72%가 적어도 어느 정도 우려했습니다(같은 조사 기관).
  • 영국에서는 정부의 2024년 대중 인식 추적 조사에서 54%가 AI가 기후 변화 감시에 도움이 될 것으로 기대했으며, 이런 낙관에 비해 AI의 부정적인 환경 영향에 대한 인식은 그만큼 높지 않다고 지적했습니다.

수치를 고르는 방법

1차 출처를 쓰고, 연도를 밝히며, 수치에 논란이 있는 경우 범위를 우선합니다.

  • 1차 출처만 사용합니다. 각 수치는 뉴스 보도가 아니라 발행 기관의 보고서, 논문, 페이지에서 직접 확인합니다. 1차 출처를 찾지 못한 수치는 뺐습니다.
  • 발표된 그대로 적습니다. 출처가 말하지 않는 값으로 수치를 반올림하지 않습니다. 직접 계산한 것이 있으면 그렇다고 밝힙니다.
  • 경계가 중요합니다. 프롬프트당 수치는 무엇을 계산에 넣느냐에 따라 달라집니다. Google 자체 수치도 가동 중인 칩만 계산하면 0.24 Wh에서 0.10 Wh로 낮아집니다. 기업 수치는 자체 보고이며 독립적으로 감사받지 않았습니다.
  • 논란이 있으면 범위로 제시합니다. 전망치는 시나리오에 따라 다르므로, 숫자 하나를 고르지 않고 범위를 보여 줍니다.
  • 오래된 수치는 표시합니다. 신경 구조 탐색을 포함한 학습 실행 하나에 대해 널리 인용되는 2019년 추정치(약 626,000 lb의 CO₂e)는 이후 Google 연구자들이 실제 비용을 과대평가했다고 주장했기 때문에 표에 넣지 않았습니다.

다른 곳에서 본 수치를 확인하려면 AI 에너지 사용에 관한 주장을 확인하는 방법을 참고하십시오.

마지막 확인

이 페이지의 모든 수치는 2026년 11월 20일에 출처에서 마지막으로 확인했습니다. IEA, 각국 통계청, 주요 제공업체가 새 데이터를 발표하면 페이지를 업데이트합니다. 더 새로운 수치나 오류를 발견하시면 문의해 주십시오.

다음에 할 일

자주 묻는 질문

AI는 에너지를 얼마나 쓰나요?

AI에 대한 단일 수치는 없습니다. IEA는 2024년 모든 데이터 센터가 약 415 TWh, 즉 전 세계 전력의 약 1.5%를 사용했다고 추정하며, 그중 AI 중심 데이터 센터가 가장 빠르게 성장하는 부분으로, 2025년 전력 사용량이 50% 늘었습니다.

ChatGPT 질문 한 번에 에너지가 얼마나 드나요?

OpenAI 최고경영자는 2025년 평균 질의 한 번에 약 0.34 Wh라고 밝혔고, Epoch AI는 일반적인 GPT-4o 질의를 독자적으로 약 0.3 Wh로 추정했습니다. 입력이 매우 길면 이 값이 크게 늘어납니다. Epoch AI는 100,000 token 입력에서 거의 40 Wh로 추정합니다.

AI 이미지 한 장을 생성하는 데 에너지가 얼마나 드나요?

Luccioni, Jernite, Strubell의 2024년 연구에서 이미지 생성은 평균 1,000장당 약 2.9 kWh, 장당 약 2.9 Wh였습니다. 가장 비효율적인 모델은 이미지 한 장에 스마트폰 충전량의 약 절반을 썼습니다.

AI는 물을 얼마나 쓰나요?

Google은 Gemini 텍스트 프롬프트 중앙값에 0.26 mL의 물을, Mistral은 Mistral Large 2의 400 token 응답에 45 mL를 보고합니다. 연구자들은 2027년 전 세계 AI 수요가 42억~66억 세제곱미터의 취수량을 차지할 수 있다고 추정합니다.

GPT-3를 학습하는 데 에너지가 얼마나 들었나요?

Google 연구자들은 2021년 발표에서 GPT-3 학습에 1,287 MWh의 전력과 약 552톤의 CO₂e가 들었다고 추정했습니다. 더 새롭고 큰 모델의 학습 에너지는 대부분 공개되지 않습니다.

데이터 센터는 전력의 몇 퍼센트를 쓰나요?

2024년 전 세계 약 1.5%(IEA), 2023년 미국 4.4%(로런스 버클리 국립연구소), 2025년 아일랜드 계량 전력의 23%(아일랜드 중앙통계청)입니다.

AI의 에너지 효율은 좋아지고 있나요?

작업당으로는 그렇습니다. Google은 Gemini 프롬프트 중앙값의 에너지가 1년 만에 33분의 1로 줄었다고 보고하며, Epoch AI는 주요 AI 칩의 에너지 효율이 해마다 약 40% 좋아진다고 봅니다. 그래도 수요가 더 빠르게 늘기 때문에 총사용량은 여전히 늘고 있습니다.

사람들은 AI의 환경 영향을 걱정하나요?

적어도 미국에서는 점점 더 그렇습니다. AP-NORC와 시카고 대학교의 여론조사에 따르면 2026년 미국인의 53%가 AI의 환경 영향을 매우 또는 몹시 우려했으며, 이는 2025년 41%보다 늘어난 수치입니다.

출처

  1. Energy and AI: executive summary, International Energy Agency (2025)
  2. Key questions on energy and AI, International Energy Agency (2026)
  3. DOE releases new report evaluating increase in electricity demand from data centers (2024 United States Data Center Energy Usage Report, LBNL), US Department of Energy and Lawrence Berkeley National Laboratory (2024)
  4. Data centres metered electricity consumption 2025: key findings, Central Statistics Office, Ireland (2026)
  5. Powering data centers: U.S. energy system and emissions impacts of growing loads, Electric Power Research Institute (2024)
  6. Measuring the environmental impact of delivering AI at Google scale, Elsworth et al., Google (2025)
  7. The gentle singularity, Sam Altman (OpenAI) (2025)
  8. How much energy does ChatGPT use?, Epoch AI (2025)
  9. Our contribution to a global environmental standard for AI, Mistral AI (2025)
  10. AI Energy Score v2: refreshed leaderboard, now with reasoning, Hugging Face (Luccioni and Gamazaychikov) (2025)
  11. Power hungry processing: watts driving the cost of AI deployment?, Luccioni, Jernite and Strubell (FAccT 2024) (2024)
  12. Video killed the energy budget: characterizing the latency and power regimes of open text-to-video models, Delavande, Pierrard and Luccioni (2025)
  13. Carbon emissions and large neural network training, Patterson et al., Google (2021)
  14. Energy and policy considerations for deep learning in NLP, Strubell, Ganesh and McCallum (2019)
  15. Estimating the carbon footprint of BLOOM, a 176B parameter language model, Luccioni, Viguier and Ligozat (2022)
  16. Llama 3.1 model card, Meta (2024)
  17. Making AI less 'thirsty': uncovering and addressing the secret water footprint of AI models, Li, Yang, Islam and Ren (2025)
  18. Google 2026 environmental report, Google (2026)
  19. 2026 environmental data fact sheet, Microsoft (2026)
  20. 2025 Amazon sustainability report, Amazon (2026)
  21. E-waste challenges of generative artificial intelligence, Wang, Zhang, Tzachor and Chen, Nature Computational Science (2024)
  22. Leading ML hardware becomes 40% more energy-efficient each year, Epoch AI (2024)
  23. Implications of historical trends in the electrical efficiency of computing, Koomey, Berard, Sanchez and Wong, IEEE Annals of the History of Computing (2011)
  24. Green500, November 2026, TOP500 (2026)
  25. NVIDIA Blackwell platform arrives to power a new era of computing, NVIDIA (2024)
  26. AI large language models: new report shows small changes can reduce energy use by 90%, UNESCO and University College London (2025)
  27. 2026 poll: Americans' views on the impact of AI and data centers, Energy Policy Institute at the University of Chicago and AP-NORC (2026)
  28. 2025 poll: Americans' views on the environmental impact of AI, Energy Policy Institute at the University of Chicago and AP-NORC (2025)
  29. Public attitudes to data and AI: tracker survey (wave 4), Department for Science, Innovation and Technology (2024)

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