생성형 AI 확산으로 데이터센터 전력 소비가 급증하는 가운데, 암모니아 발전과 신형 메모리(HBM3E) 같은 신기술들이 에너지 절감에 나서고 있습니다.

문제는 그 규모입니다. 국제에너지기구(IEA)는 2030년까지 전 세계 데이터센터의 전력 사용량이 612TWh에서 최대 945TWh에 이를 것으로 전망했는데요, 이는 일본이나 캐나다 같은 나라의 연간 전력 소비량과 맞먹는 수준입니다. 수억 명의 사용자가 매일 생성형 AI에 요청하면서 얼마나 막대한 에너지가 필요한지를 보여주는 숫자죠.

AI 시스템이 전력을 소비하는 방식을 들여다보면 더 복잡한데요. 대규모 언어 모델이 처음 학습되는 단계부터 엄청난 에너지가 필요합니다. 예를 들어 GPT-3의 훈련에는 약 1,287MWh의 전력이 들어갔으며, 이는 미국 평균 가정 118가구가 1년간 쓸 수 있는 양이고, 이 과정에서 배출된 이산화탄소는 502톤에 달했어요. 그런데 학습이 끝난 뒤가 더 큰 부하입니다. 이미 훈련된 모델이 사용자의 질문에 답하는 '추론' 단계에서 AI 모델의 평생 에너지 소비량 중 약 60%가 소모되는데, 수억 명의 전 세계 사용자가 매일 질문을 던지면서 연간 기가와트시(GWh) 규모의 에너지가 지속적으로 쓰입니다.

이 같은 도전에 맞춰 기업들이 기술 솔루션을 제시하고 있습니다. 암모니아 발전은 기존 화석 연료 중심의 발전 체계를 친환경으로 전환할 수 있는 방안으로 주목받고 있고, 신형 메모리 HBM3E는 전력 효율을 이전 세대 대비 약 10~12% 개선하면서 대규모 데이터센터의 운영 비용을 대폭 낮울 수 있습니다. 온세미컨덕터 최고경영자는 "칩 자체보다 전기가 문제"라고 지적했는데, 이는 차세대 AI의 주요 병목이 연산 성능에서 전력 공급으로 옮겨갔음을 의미합니다.

전력 우위를 둘러싼 국가 간 경쟁도 심화되고 있어요. 미국은 노후 전력망의 병목 현상으로 일부 지역의 전기 요금이 급등했고, 전력 부족이 AI 성장을 제약할 수 있다는 우려도 커지고 있는 반면, 중국은 국가 차원에서 전력 인프라를 확충하며 공급 과잉 상태를 유지하고 있습니다. 에너지 안정성 확보가 AI 경쟁력을 결정하는 요소로 떠오른 만큼, 앞으로 각국이 어떻게 이 과제를 풀어내는지가 주요 관전 포인트입니다.