요약
AI를 어디서 실행하는지는 어떻게 실행하는지만큼 중요할 수 있습니다. 저탄소 전력을 쓰는 지역을 고르고, 호스팅 업체에 재생에너지 주장만이 아니라 PUE, WUE, 위치 기반 탄소 수치를 요청하세요. 그리고 깨끗한 데이터센터가 낭비가 많은 소프트웨어를 효율적으로 만들어 주지는 않는다는 점을 기억하세요.
핵심 내용
- IEA는 데이터센터가 2024년에 약 415 TWh, 즉 전 세계 전력의 약 1.5%를 사용했다고 추정하며, 2030년에는 약 945 TWh에 이를 것으로 전망합니다.
- 전력망 탄소 집약도는 나라, 지역, 시간대에 따라 달라서, 같은 작업이라도 위치와 시간에 따라 탄소 비용이 달라집니다.
- PUE는 유용한 작업이 아니라 건물의 부가 에너지를 측정합니다. Uptime Institute의 2025년 조사에서 평균은 1.54였고, 6년 동안 거의 변하지 않았습니다.
- 인증서에 기반한 재생에너지 주장은 실제 전력망을 바꾸지 않습니다. 위치 기반 수치도 함께 요청하세요.
- 물도 중요합니다. WUE를 요청하고, 그 수치에 해당 시설의 전력을 생산하는 데 쓰인 물이 포함되는지 물어보세요.
AI가 어디서 실행되는지가 왜 중요한가요?
같은 계산이라도 데이터센터와 그 뒤에 있는 전력에 따라 탄소, 물, 전력망에 미치는 영향이 크게 달라지기 때문입니다. Patterson과 동료들은 데이터센터, 프로세서, 모델의 선택을 함께 바꾸면 훈련의 탄소 발자국이 최대 약 100~1,000배까지 달라질 수 있다는 사실을 발견했습니다.
규모도 커지고 있습니다. 국제에너지기구(IEA)는 데이터센터가 2024년에 약 415 TWh의 전력, 즉 전 세계 소비량의 약 1.5%를 사용했다고 추정합니다. 기본 시나리오에서는 이 수치가 2030년까지 약 945 TWh로 대략 두 배가 될 것으로 전망하며, 가장 큰 요인은 AI입니다.
전력망 탄소 집약도는 어떻게 비교하나요?
후보 지역마다, 작업이 실행될 시간대의 전력망 탄소 집약도를 확인하세요. 탄소 집약도는 킬로와트시당 CO₂ 환산 그램으로 측정하며, 발전원 구성에 따라 달라집니다. 수력, 원자력, 풍력, 태양광은 낮고 석탄과 가스는 높습니다. 나라마다, 한 나라 안의 지역마다, 그리고 시간마다 달라집니다.
- 데이터 출처: Electricity Maps는 많은 나라를 다룹니다. 영국(그레이트브리튼)에서는 National Energy System Operator의 Carbon Intensity API가 14개 지역의 예측치를 제공합니다.
- 소프트웨어에 관한 결정에는 위치 기반 수치를 사용하세요. Green Software Foundation의 SCI 사양은 위치 기반 전력망 집약도를 사용하며 인증서와 상쇄(오프셋)는 제외합니다.
- 시간을 맞추세요. 연평균은 바람 부는 밤과 바람 없는 겨울 저녁의 차이를 가립니다. 시간이 유연한 작업은 더 깨끗한 시간대로 옮길 수 있습니다. 효율적인 훈련과 추론을 참고하세요.
PUE, WUE 같은 지표는 무엇을 알려 주나요?
각 지표는 좁은 질문 하나에 답합니다. 여러 지표를 요청하고, 각 지표가 무엇을 빠뜨리는지 알아 두세요.
| 지표 | 측정하는 것 | 알려 주지 않는 것 |
|---|---|---|
| PUE(전력 사용 효율) | 시설 전체 에너지 ÷ IT 장비 에너지, 최솟값은 1.0 | 서버가 유용한 일을 하는지, 탄소, 물 |
| WUE(물 사용 효율) | IT 에너지 kWh당 물 사용량(리터), "사이트" 기준 또는 "소스" 기준(전력 생산에 쓰인 물 포함) | 지역의 물 부족 정도 |
| CUE(탄소 사용 효율) | IT 에너지 kWh당 탄소 | 소프트웨어의 효율 |
| ERE / ERF(에너지 재사용) | 폐열 재사용의 효과 | PUE에 합쳐 버리면 아무것도 알려 주지 않음 |
| 서버 가동률 | IT 장비가 얼마나 바쁘게 일하는지 | 탄소 집약도 |
두 가지 주의할 점이 있습니다.
- PUE는 정체되어 있습니다. Uptime Institute의 2025년 조사에서 가중 평균 PUE는 1.54였고, 거의 변하지 않은 지 6년째입니다. 또한 서버가 거의 놀고 있어도 PUE는 아주 좋아 보일 수 있습니다.
- PUE는 1.0 아래로 내려갈 수 없습니다. 호스팅 업체가 열을 재사용한다며 1.0 미만의 수치를 내세운다면, The Green Grid의 의도대로 열 재사용을 별도의 ERE 또는 ERF 수치로 요청하세요.
EU에서는 설치된 IT 전력이 500 kW 이상인 데이터센터가 위임규정 2024/1364에 따라 에너지, PUE, WUE, 에너지 재사용, 재생에너지 수치를 매년 유럽 데이터베이스에 보고해야 합니다. 이 보고서는 EU 호스팅 업체를 비교할 때 유용한 자료입니다.
"재생에너지 100%" 주장을 믿어도 되나요?
출발점으로 삼되, 어떻게 산정했는지 물어보세요. 대부분은 특정 시간에 시설이 끌어 쓰는 전기가 아니라, 1년 단위로 맞춘 인증서나 전력구매계약(PPA)에 근거합니다.
- GHG Protocol의 Scope 2 지침은 위치 기반 배출량(지역 전력망 평균 기준)과 시장 기반 배출량(계약과 인증서 반영)을 구분하며, 그런 계약을 이용할 수 있는 기업에는 둘 다 보고하도록 요구합니다.
- Green Web Foundation은 두 수치가 크게 다를 수 있으므로 구매자가 AI 공급업체에 둘 다 요청하라고 권합니다.
- 재생에너지 공급이 추가적인지(그렇지 않았다면 생기지 않았을 새로운 발전인지), 시설이 쓰는 전력망에 지역적인지, 연 단위가 아니라 시간 단위로 매칭되는지 물어보세요.
- 깨끗한 전력은 한정되어 있습니다. "친환경" 호스팅 위의 낭비가 많은 소프트웨어도 다른 이들이 쓸 수 있었던 전력을 쓰고, 하드웨어도 여전히 필요합니다. 친환경 호스팅은 효율을 보완할 뿐, 대신하지는 않습니다.
AI는 물을 얼마나 쓰나요?
냉각 설계, 기후, 전력원에 따라 크게 달라지므로 시설별 수치를 요청하세요.
- Google은 자체 산정 방식으로, 2025년 Gemini 텍스트 프롬프트 하나(중앙값)에 물 0.26 mL가 쓰인다고 보고합니다.
- Li와 동료들은 현장 냉각과 전력 생산에 쓰이는 물을 포함하면, 전 세계 AI 수요가 2027년에 42억~66억 세제곱미터의 물 취수를 차지할 수 있다고 전망합니다.
- 물은 지역적인 문제입니다. 물 부족 지역의 1리터는 물이 풍부한 곳의 1리터보다 더 중요합니다. 시설이 어디에 있고 물을 어떻게 조달하는지 물어보세요.
새로운 AI 처리 용량은 어디에 두어야 하나요?
깨끗한 에너지가 풍부하고, 물이 부족하지 않으며, 폐열을 활용할 수 있는 곳입니다. 수학자, 컴퓨터 과학자, 산업계가 참여한 2026년 영국 그린 AI 샌드핏(집중 토론 워크숍)에서는, 전력망이 받아들이지 못해 재생 전력이 자주 출력 제한되는 곳에 데이터센터를 두어 남는 에너지를 버리지 않고 쓰는 방안을 논의했습니다. 입지에는 전력망 용량, 인허가, 지역 사회, 데이터 주권도 관련됩니다. 소버린 AI와 지속 가능성을 참고하세요.
자체 워크로드라면 다음과 같이 하세요.
- 지연을 감수할 수 있는 작업(훈련, 배치 추론, 평가)은 법적·보안 요건을 충족하는 지역 가운데 탄소가 가장 낮은 곳에 두세요.
- 대화형 서비스는 사용자 가까이에 배포하되, 비슷한 지역이라면 더 깨끗한 곳을 고르세요.
- 대용량 데이터셋을 옮기는 데 드는 에너지와 비용도 고려하세요.
체크리스트
- [ ] 후보 지역의 전력망 탄소 집약도를, 가능하면 시간대별로 비교했다
- [ ] PUE, WUE(사이트 및 소스 기준), CUE, 열 재사용 수치를 요청했다
- [ ] 위치 기반 배출량과 시장 기반 배출량을 모두 요청했다
- [ ] 재생에너지 주장의 추가성, 지역성, 시간 단위 매칭 여부를 확인했다
- [ ] 물 사용 수치와 지역의 물 부족 정도를 고려했다
- [ ] 유연한 워크로드를 저탄소 지역과 시간대에 배치했다
- [ ] 호스팅이 얼마나 친환경적이든 효율 개선 작업을 계속하고 있다
다음에 할 일
- 공급업체가 실행하는 것을 포함해, 현재 AI 워크로드가 어디서 실행되는지 목록을 만드세요.
- 각 지역의 전력망 탄소 집약도를 확인하고, 옮길 수 있는 작업을 적어 두세요.
- 호스팅 업체에 위의 질문을 보내세요. 계약 문구는 지속 가능한 AI 조달을 활용하세요.
- 운영 대시보드에 부하와 비용 옆에 전력망 탄소 집약도를 표시하세요.
- 무엇을 중앙에서 실행하고 무엇을 로컬에서 실행할 수 있는지 정하세요. 엣지 또는 클라우드를 참고하세요.
- 호스팅이 친환경적이라고 설명하기 전에 정직한 친환경 주장을 읽어 보세요.
자주 묻는 질문
좋은 PUE는 어느 정도인가요?
PUE는 시설 전체 에너지를 IT 장비 에너지로 나눈 값이므로 이론상 최솟값은 1.0입니다. Uptime Institute의 2025년 조사에서 업계 평균은 1.54였습니다.
데이터센터가 재생에너지 100%를 쓴다면 제 AI는 탄소 배출이 0인가요?
꼭 그렇지는 않습니다. 이런 주장은 대개 연간 인증서나 계약에 근거합니다. 특정 시간대에 시설은 여전히 지역 전력망에서 전기를 끌어 쓰므로, 위치 기반 배출량과 가능하다면 시간 단위 매칭 데이터를 요청하세요.
데이터센터는 물을 얼마나 쓰나요?
냉각 설계와 기후에 따라 크게 다릅니다. Google은 Gemini 텍스트 프롬프트 하나(중앙값)에 물 0.26 mL가 쓰인다고 보고합니다. 연구자들은 2027년 전 세계 AI의 물 취수량을 42억~66억 세제곱미터로 전망합니다.
항상 가장 친환경적인 지역을 골라야 하나요?
시간이 유연하고 지연을 감수할 수 있는 작업이라면 대개 그렇습니다. 대화형 서비스라면 탄소를 지연 시간, 데이터 보호 규정, 복원력, 데이터 이동 비용과 함께 따져 보세요.
출처
- Energy and AI, International Energy Agency (2025)
- Uptime Institute Global Data Center Survey 2025, Uptime Institute (2025)
- Water Usage Effectiveness (WUE): a Green Grid data center sustainability metric (White Paper 35), The Green Grid (2011)
- ERE: a metric for measuring the benefit of reuse energy from a data center, The Green Grid (2010)
- Measuring the environmental impact of delivering AI at Google scale, Google (arXiv 2508.15734) (2025)
- Making AI Less 'Thirsty': Uncovering and Addressing the Secret Water Footprint of AI Models, Li, Yang, Islam and Ren (arXiv 2304.03271) (2023)
- GHG Protocol Scope 2 Guidance, GHG Protocol (2015)
- Software Carbon Intensity (SCI) specification, Green Software Foundation (2024)
- Commission Delegated Regulation (EU) 2024/1364 on the first phase of a common Union rating scheme for data centres, EUR-Lex (2024)
- Carbon Intensity API, National Energy System Operator (2025)
- Carbon Emissions and Large Neural Network Training, Patterson et al. (arXiv 2104.10350) (2021)
- Thinking about using AI? Here's what you can and (probably) can't change about its environmental impact, Green Web Foundation (2024)
관련 내용
지속 가능한 AI 조달
AI 공급업체에 에너지, 탄소, 물에 대해 무엇을 물어야 하는지, 어떤 증거를 요청할지, 지속 가능성 약속을 강제할 계약 조항은 무엇인지 안내합니다.
엣지냐 클라우드냐: AI는 어디에서 실행해야 할까요?
기기·엣지 AI와 중앙 데이터센터를 에너지, 네트워크, 하드웨어, 개인정보, 회복력 면에서 비교하고 단계별로 결정하는 방법을 안내합니다.
효율적인 AI 훈련과 추론
개발자와 연구자가 AI 에너지를 줄이는 기법: 가지치기, 희소성, 양자화, 증류, KV 캐시, 배칭, 혼합 정밀도, 스케줄링을 다룹니다.
소버린 AI와 지속 가능성
여러 나라가 국가 AI 모델과 컴퓨팅에 투자하고 있습니다. 소버린 AI와 공공 AI에 대한 찬반 논거와 에너지·물에 미치는 영향을 살펴봅니다.