AI 데이터센터는 환경에 해로운가?

AI 데이터센터는 실제로 환경에 부담을 줄 수 있지만, 모든 AI 데이터센터가 자동적으로 환경에 해롭다고 단정 짓는 것은 지나치게 단순한 생각입니다. 동일한 워크로드라도 전력망, 냉각 시스템, 지역의 수자원 상황, 하드웨어 효율성에 따라 미치는 영향은 매우 다를 수 있습니다.

대부분 저탄소 전력을 사용하고, 효율적인 냉각 방식을 적용하며, 투명한 보고 체계를 갖춘 데이터 센터는 화석 연료 의존도가 높은 전력망에 의존하거나, 부족한 지역 수자원을 소비하거나, 이미 한계에 다다른 전력 시스템에 부담을 주는 데이터 센터와는 탄소 발자국이 다릅니다.

중요한 질문은 AI 데이터센터가 추상적인 차원에서 볼 때 좋은지 나쁜지가 아닙니다. 핵심은 데이터센터가 무엇을 소비하는지, 어디에 위치해 있는지, 무엇을 대체하거나 가능하게 하는지, 그리고 지역 사회가 그 장단점을 명확히 파악할 수 있는지 여부입니다.

AI 데이터센터는 연산을 수행하기 위해 존재합니다. 대규모 AI 시스템은 빽빽하게 채워진 GPU 랙, 고대역폭 네트워킹, 스토리지, 메모리 및 전원 공급 장비를 기반으로 합니다. 이러한 시스템이 모델을 훈련하거나 추론 요청을 처리할 때, 지속적으로 전력을 소비합니다.

해당 전력이 환경에 미치는 영향은 전력망에 크게 좌우됩니다. 저탄소 전력망에서 생산된 1메가와트시는 주로 석탄이나 가스로 생산된 1메가와트시와 기후에 미치는 영향이 다릅니다. 그렇기 때문에 건물 내부의 설비만큼이나 위치도 중요합니다.

AI가 왜 그렇게 많은 에너지를 소비하는지에 대한 더 자세한 설명은 다음을 참조하십시오. AI는 왜 그렇게 많은 전력을 소비할까요?.

AI 칩은 열을 발생시킵니다. 데이터센터는 서버의 안정성과 효율성을 유지하기 위해 이 열을 제거해야 합니다. 일부 시설은 공기 냉각을 사용하고, 일부는 냉각수 순환 시스템을 사용하며, 일부는 증발 냉각을 사용하기도 하고, 많은 시설은 외부 환경에 따라 방식을 전환하는 하이브리드 설계를 채택하고 있습니다.

수냉식 냉각 방식은 특정 조건에서 전력 수요를 줄일 수 있지만, 동시에 해당 지역의 물 소비량을 증가시킬 수도 있습니다. 이러한 상충 관계는 그 자체로 좋거나 나쁘다고 단정할 수 없습니다. 이는 해당 지역의 기후, 물 부족 상황, 에너지 구성, 그리고 사용되는 물이 식수인지, 재이용수인지, 아니면 다른 방식으로 관리되는지에 따라 달라집니다.

냉각 및 물 사용에 대한 자세한 내용은 다음을 참조하십시오. AI 데이터센터는 왜 물을 그렇게 많이 사용할까?.

AI 데이터센터에서 발생하는 탄소 배출의 대부분은 간접적인 것입니다. 서버 자체는 일반적으로 시설 내에서 이산화탄소를 배출하지 않지만, 서버를 가동하는 데 사용되는 전기는 전력망 어딘가에서 화석 연료를 통해 생산된 것일 수 있습니다.

즉, 동일한 AI 모델이라도 실행 시기와 장소에 따라 탄소 발자국이 달라질 수 있습니다. 지역별 전력망 탄소 집약도, 재생에너지 조달 비율, 예비 발전 용량, 시간대별 전력 수요-공급 균형 조정 등은 모두 실제 탄소 발자국에 영향을 미칠 수 있습니다.

AI에 특화된 세부적인 에너지 조달 내역이 공개되는 경우가 드물기 때문에, 탄소 배출량 추정치는 대략적인 방향성을 나타내는 것으로 간주해야 합니다. 정확한 전 세계 총량을 알고 있는 척하는 것보다 투명한 가정을 제시하는 편이 더 신뢰할 만합니다.

데이터센터는 물리적 산업 시설입니다. 데이터센터를 운영하려면 부지, 전력망 연결, 변전소, 광케이블, 백업 시스템, 건축 자재 및 냉각 인프라가 필요합니다. 전 세계적인 탄소 배출 문제가 주요 쟁점으로 부각되고 있더라도, 해당 프로젝트가 승인될지 여부는 지역적 영향에 따라 결정될 수 있습니다.

지역사회는 물 사용, 전기 요금, 전력망 과부하, 소음, 세제 혜택, 토지 이용, 공사로 인한 불편, 또는 약속된 일자리 수가 대중의 지지 규모에 부합하는지 여부 등에 대해 우려할 수 있습니다. 이러한 우려 사항은 모든 지역에서 똑같은 것은 아닙니다.

그렇기 때문에 철저한 환경 영향 평가는 AI 수요의 총량만을 살펴서는 안 됩니다. 특정 데이터센터가 특정 전력망, 유역 및 지역 사회에 어떤 영향을 미치는지 살펴봐야 합니다.

AI 인프라에 대한 공개 보고는 개선되고 있지만, 여전히 불완전한 상태입니다. 많은 기업이 에너지나 물 사용량과 같은 기업 차원의 수치를 공개하고 있지만, AI 워크로드, 개별 시설 또는 특정 모델 실행 시스템을 구분하는 데 필요한 세부 정보를 항상 공개하는 것은 아닙니다.

명확한 공개 정보가 없는 경우, 외부 추정치는 공개된 보고서, 인프라 관련 가정, 하드웨어 사양 및 연구 결과를 종합하여 산출해야 합니다. 이를 통해 유용한 대략적인 규모를 파악할 수는 있지만, 이는 감사를 거친 시설 수준의 측정 결과와 혼동해서는 안 됩니다.

투명성이 높아지면 논의가 더욱 실질적으로 이루어질 것입니다. 즉, 얼마나 많은 전력이 필요한지, 어떤 전력망 자원이 사용되는지, 냉각 시스템은 어떻게 작동하는지, 어떤 수원이 활용되는지, 그리고 그 영향이 시간이 지남에 따라 어떻게 변화하는지 등을 더 구체적으로 다룰 수 있을 것입니다.

AI 데이터센터의 환경적 영향은 더 효율적인 칩, 개선된 모델 서비스, 소형화된 전용 모델, 열 재이용, 냉각 시스템 개선, 최적의 입지 선정, 저탄소 전력 사용 및 강화된 보고 기준을 통해 개선될 수 있습니다.

효율성만으로는 전체적인 환경 영향을 줄일 수 있다고 보장할 수 없습니다. AI 사용량이 효율성 향상 속도보다 빠르게 증가한다면, 총 전력 수요, 냉각 수요 및 인프라 확충 규모는 여전히 증가할 수 있습니다.

현실적인 결론은 다소 미묘합니다. AI 데이터센터가 본질적으로 나쁜 것은 아니지만, 환경에 전혀 영향을 미치지 않는 것도 아닙니다. 이러한 데이터센터의 환경적 성과는 공학적 선택, 지역별 자원 제약, 대중에 대한 책임성, 그리고 해당 데이터센터가 충족하도록 설계된 수요의 규모에 따라 달라집니다.