산업혁명과 AI 혁명을 관통하는 화석 논리

AI 데이터센터의 전력 수요는 더 이상 기술 업계 안의 비용 문제가 아닙니다. 국제에너지기구는 2024년 데이터센터가 약 415테라와트시를 소비해 세계 전력 사용량의 약 1.5%를 차지했다고 추산했고, 연간 증가율을 12%로 봤습니다. 2030년에는 소비량이 945테라와트시를 넘을 전망입니다. 이런 속도라면 모델 성능 경쟁은 전력망과 발전 설비가 감당할 수 있는 속도와 직접 맞물릴 수밖에 없습니다.

특히 전력 부담의 중심이 모델 학습에서 추론, 즉 이미 학습된 모델을 계속 사용하는 단계로 옮겨가는 흐름은 사업의 경제성을 다시 보게 합니다. 학습은 큰 비용이 드는 한 차례의 작업으로 인식되기 쉽지만, 추론은 서비스가 널리 쓰일수록 반복해서 발생합니다. AI 기능이 제품 곳곳에 들어갈수록 개별 요청의 효율 개선만으로 전체 전력 수요가 줄어든다고 단정하기 어렵습니다. 사용 비용이 낮아져 이용량이 더 빠르게 늘어날 가능성도 있기 때문입니다.

산업혁명기 석탄 발전소가 있던 자리에 대형 데이터센터가 들어선다는 사실은 기술이 물질적 기반에서 벗어나지 못한다는 역설을 선명하게 만듭니다. 디지털 서비스는 화면 속에서 작동하지만, 그 밑에는 발전소와 송전망, 냉각 설비와 부지가 필요합니다. 혁신을 무형의 소프트웨어로만 묘사하면 누가 에너지를 공급하고 그 부담이 어디에 집중되는지 가려질 수 있습니다.

먹이망의 비유는 에너지 흐름의 제약을 이해하는 데 유용하지만, 생태계와 전력 시스템을 완전히 같은 것으로 취급해서는 안 됩니다. 생물학적 먹이 단계마다 에너지가 손실된다는 설명은 제한된 에너지로 복잡한 활동을 유지하는 문제를 떠올리게 합니다. 그러나 전력은 발전원과 저장, 송전 방식에 따라 탄소 배출과 공급 안정성이 달라집니다. 따라서 총소비량뿐 아니라 전력을 언제, 어디서, 어떤 방식으로 생산하는지도 AI의 환경 영향을 판단하는 기준이어야 합니다.

기업이 효율 개선을 내세우더라도 실제 소비량과 이용량이 함께 커지는지 공개해야 하는 이유가 여기에 있습니다. 데이터센터의 전력 수요가 늘어나는 것은 수치로 확인되지만, 앞으로의 부담이 어느 지역과 발전원에 돌아갈지는 전력망 투자와 정책 선택에 따라 달라질 가능성이 큽니다. AI의 진보를 막을지 말지의 선택으로 논점을 좁히기보다, 어떤 사용이 사회적 가치를 만들고 그 에너지 비용을 누가 부담하는지 묻는 편이 생산적입니다. 전력 제약을 계획의 바깥이 아니라 기술 전략의 안쪽에 놓을 때 지속 가능한 확장이 가능합니다.