1. 데이터센터 전력 소비의 폭증: 세계 5위 에너지 소비국 규모

텍사스주 애빌린의 허허벌판. 한밤중에도 거대한 건물 하나가 밝게 빛납니다. OpenAI의 스타게이트 프로젝트 1호 데이터센터입니다. 이 건물 하나가 삼키는 전력은 1.2기가와트. 75만 가구가 쓸 수 있는 양입니다. 그런데 이것은 시작에 불과합니다. OpenAI는 앞으로 4년간 5,000억 달러를 쏟아부어 총 10기가와트의 인공지능 인프라를 구축하겠다고 선언했습니다. 네덜란드 한 나라가 소비하는 전력량과 맞먹는 규모입니다.

숫자가 말해주는 현실은 냉혹합니다. 국제에너지기구(IEA)가 2026년 4월에 발표한 보고서에 따르면, 전 세계 데이터센터의 전력 소비량은 2024년 기준 약 415테라와트시(TWh)로 추산됩니다. 세계 전체 전력 소비의 1.5%에 해당하는 수치입니다. 이 수치가 2030년까지 945TWh로 두 배 이상 뛸 것이라는 게 IEA의 전망이거든요. 일본 전체가 1년 동안 쓰는 전력량에 육박합니다. 인공지능에 특화된 데이터센터만 따로 떼어 보면 상황은 더 급박합니다. IEA는 인공지능 중심 데이터센터의 전력 소비가 2025년 한 해에만 50% 급증했다고 밝혔습니다. 일반 데이터센터보다 훨씬 빠른 속도입니다.

구글 검색 한 번에 소모되는 전력은 0.3와트시. 같은 질문을 ChatGPT에게 던지면 2.9와트시가 날아갑니다. 열 배 가까운 차이입니다. 샘 알트만이 사용자들에게 "AI에게 고맙다고 인사하지 말아달라"고 부탁한 이유가 여기에 있습니다. 매일 수억 명이 "고맙습니다"를 입력할 때마다 AI는 답변을 생성하느라 전기를 한 번 더 태웁니다. 하루 90억 건의 검색이 모두 AI 텍스트 쿼리로 전환되면 연간 추가 전력 소비량만 10TWh에 달합니다. 그런데 텍스트는 시작일 뿐입니다. 동영상 생성, 추론, 에이전트 작업처럼 새롭게 등장하는 인공지능 기능들은 텍스트 생성보다 수백 배, 때로는 수천 배 더 많은 에너지를 잡아먹습니다.

돈의 흐름이 이 광풍의 규모를 보여줍니다. 아마존, 알파벳, 메타, 마이크로소프트, 오라클 등 5대 빅테크 기업의 자본지출(CAPEX)은 2025년에 4,000억 달러를 돌파했습니다. 2026년에는 6,000억 달러를 넘어설 전망입니다. 2024년의 두 배가 넘는 규모인 셈이죠. 이 돈의 대부분은 AI 칩, 서버, 데이터센터 인프라에 쏟아집니다. IEA는 이 5개 기업의 자본지출 규모가 이미 전 세계 석유 및 천연가스 생산에 투입되는 투자 총액을 넘어섰다고 지적했습니다. 에너지를 캐내는 데 들어가는 돈보다 에너지를 소비하는 인프라를 짓는 데 더 많은 돈이 들어가는 세상. 이것이 2026년의 현실입니다.

브루킹스 연구소의 분석은 한 발 더 나아갑니다. 2026년 말까지 데이터센터의 글로벌 전력 소비가 1,050TWh에 이를 수 있다는 추산입니다. 만약 데이터센터가 하나의 국가라면 일본과 러시아 사이, 세계 5위 에너지 소비국이 되는 셈입니다. AI 저널리스트 카렌 하오의 말이 떠오릅니다. "AI 제국은 자원을 탐욕스럽게 소모하는 현실 세계의 제국과 전적으로 똑같다." 디지털 세상의 편리함 뒤에 숨은 물리적 대가를, 우리는 너무 오래 외면해왔습니다.

2. AI가 절약하는 에너지와 소비하는 에너지의 교차점

해시드(Hashed)의 김서준 대표는 "다가오는 30개의 균열" 메모에서 이런 전망을 내놓았습니다. "전력 그리드 AI가 피크 수요를 깎는다." 날씨, 산업 가동률, 가정의 전력 사용 패턴을 실시간으로 예측해 초 단위로 전력을 조율하는 기술이 이미 실증 단계에 들어섰다는 겁니다. 에너지저장장치(ESS)의 최적 운영만으로도 피크 수요를 상당 폭 줄일 수 있다는 데이터가 쌓이고 있습니다. 김서준 대표는 이 항목의 3년 내 실현 확률을 70%로 매겼습니다.

실제로 인공지능은 에너지를 아끼는 쪽에서도 성과를 보여주고 있습니다. 구글은 데이터센터 냉각 시스템에 인공지능을 적용해 냉각 전력을 40% 줄이는 데 성공했습니다. 덴마크의 해상 풍력 발전 단지에서는 인공지능이 기상 데이터를 실시간으로 읽어 터빈 날개 각도를 조절합니다. 발전 효율이 올라가고 전력망이 안정됩니다. 스마트 빌딩, 전력망 최적화, 신소재 개발. 탄소를 줄이는 영역에서 인공지능의 역할은 분명히 존재합니다. IEA 역시 인공지능이 다른 부문에서 효율을 끌어올려 데이터센터 추가 배출분을 상쇄할 수 있다는 "탐색적 분석(exploratory analysis)" 결과를 제시한 바 있습니다.

문제는 그 상쇄가 현실에서 일어나고 있느냐는 점입니다. IEA는 같은 보고서에서 냉정하게 덧붙였습니다. "AI 도입이 이러한 배출 감소를 실현할 만큼 충분한 모멘텀이 아직 존재하지 않는다." 인공지능이 에너지를 절약해줄 것이라는 기대는 있지만, 그 기대가 실제 감축으로 이어지는 경로는 아직 불확실하다는 뜻입니다.

제번스의 역설(Jevons Paradox)은 바로 이 지점을 찌릅니다. 증기기관의 효율이 좋아지자 석탄 소비가 오히려 늘어난 19세기 영국의 역설이, 인공지능 시대에 정확히 반복되고 있습니다. 알고리즘이 효율적으로 변할수록 사람들은 더 많이 씁니다. 텍스트 생성이 빨라지니 동영상 생성을 시도하고, 동영상이 되니 에이전트에게 복잡한 작업을 통째로 맡깁니다. 각 단계마다 에너지 소비는 수백 배씩 뜁니다. 효율이 좋아진 만큼 쓰임새가 폭발적으로 늘어나면서, 절약분은 증가분에 잡아먹히는 구조입니다.

인공지능이 기후 위기를 해결하는 구원자가 될 것인지, 에너지 고갈을 재촉하는 촉매가 될 것인지. 이 질문의 답은 결국 기술의 효율 개선 속도와 인공지능 수요의 팽창 속도 사이의 경주에 달려 있습니다. 지금까지의 추세를 보면, 수요 쪽이 압도적으로 앞서고 있습니다. 네덜란드 중앙은행의 데이터 과학자 알렉스 데 브리스의 경고가 여전히 유효한 이유입니다. "AI는 에너지 집약적이기 때문에, 실제로 필요하지도 않은 모든 종류의 작업에 AI를 투입하는 것은 쓸데없는 낭비다."

3. 물 소비와 탄소 배출: AI 학습의 숨겨진 환경 비용

아리조나주 사막 한가운데에 들어선 데이터센터들은 전력만큼이나 물을 빨아들입니다. 서버 가속기가 뿜어내는 열을 식히려면 대량의 물이 냉각탑을 통해 증발해야 하는데, 이 물은 원래 수원지로 돌아가지 않습니다. 증발이라는 말이 핵심입니다. 냉각에 투입된 물의 대부분이 공기 중으로 사라져버리는 것이죠.

규모를 가늠해봅시다. 텍사스주만 놓고 보면, 휴스턴첨단연구센터(HARC)와 휴스턴대학의 공동 연구에 따르면 2025년 데이터센터의 물 소비량은 490억 갤런, 2030년에는 3,990억 갤런에 달합니다. 2030년 수치는 미국 최대 저수지인 레이크 미드(Lake Mead)의 수위를 1년 만에 약 5미터 낮추는 양과 같습니다. 텍사스 한 주의 이야기일 뿐인데도 이 정도입니다.

구글은 2023년 한 해 동안 61억 갤런(약 231억 리터)의 물을 썼습니다. 소규모 도시 하나의 연간 사용량에 맞먹습니다. 오리건주 댈러스에서는 구글 데이터센터가 지역 전체 물 사용량의 25%를 차지하고, 2017년부터 2022년 사이 물 소비가 세 배로 불어났습니다. 농민들이 농지를 포기하고 가정에서 수돗물 공급이 끊기는 와중에도, 데이터센터의 냉각탑은 멈추지 않습니다.

탄소 배출 역시 심각합니다. VU 암스테르담의 알렉스 데 브리스 연구팀이 2025년 12월 발표한 논문에 따르면, 인공지능 시스템의 탄소 발자국은 2025년 기준으로 3,260만 톤에서 최대 7,970만 톤에 이릅니다. 뉴욕시 전체의 연간 배출량에 맞먹는 규모입니다. 물 발자국은 3,125억에서 7,646억 리터. 전 세계에서 1년 동안 소비되는 생수 총량에 근접하는 수치입니다. 그런데 이 숫자조차 과소 추정일 가능성이 높습니다. 데이터센터 운영자들이 AI 워크로드와 비AI 워크로드를 구분해서 환경 보고를 하지 않기 때문에 정확한 파악 자체가 불가능하다고 연구팀은 지적했습니다.

기업들의 약속과 현실 사이의 간극도 커지고 있습니다. 마이크로소프트의 2025년 환경 지속가능성 보고서는 2020년 이후 에너지 사용량이 168% 증가했고 총 배출량이 23.4% 늘었다고 시인했습니다. 구글은 "탄소 중립을 달성한 최초의 기업"이라는 타이틀을 스스로 내려놓았습니다. AI 기술 확장과 데이터센터 확충 때문에 탄소 배출이 계속 늘고 있기 때문입니다. 가디언의 조사에 따르면, 구글, 마이크로소프트, 메타, 애플 등이 공식 발표하는 배출 수치는 실제의 7.62배나 적을 수 있다는 추정도 나왔습니다.

반도체 제조 공정에서 소모되는 화학 물질과 에너지, 수명이 다한 서버들이 쏟아내는 전자 폐기물까지 합산하면 인공지능의 환경 비용은 우리가 인식하는 것보다 훨씬 큽니다. 인공지능이 생성하는 지식의 풍요 뒤에는 지구의 유한한 자원이 소비되고 있다는 사실을, 탄소 발자국뿐 아니라 물 발자국까지 포함하는 총체적 지표로 직시해야 할 때입니다.

4. AI 인프라의 지역 편중이 만드는 전력망 스트레스

더블린에서는 데이터센터가 도시 전체 전력의 79%를 차지합니다. 도시가 아니라 서버팜이 전기를 쓰기 위해 존재하는 것 같은 수치입니다. 아일랜드 전체로 범위를 넓혀도 데이터센터의 전력 점유율은 21%이고, IEA는 2026년까지 이 비율이 32%로 치솟을 것으로 내다봤습니다. 미국 버지니아주에서는 이미 전체 전력의 26%를 데이터센터가 가져갑니다.

문제는 전력망이 이런 속도의 수요 증가를 견디도록 설계되지 않았다는 점입니다. 전력망은 본래 점진적인 수요 변화를 전제로 만들어집니다. 그런데 인공지능 데이터센터의 수요는 점진적이 아니라 폭발적입니다. 미국 전력 관리 기구 PJM의 관할 지역에서는 태양광 발전소가 전력망에 연결하려면 메가와트당 10만 달러, 한화로 약 1억 3,000만 원을 내야 합니다. 새로운 송전선을 건설하는 데는 계획 수립, 정부 허가, 주민 동의, 실제 시공까지 합쳐 10년 이상이 걸립니다. 2테라와트가 넘는 재생에너지 프로젝트가 전력망 연결 허가를 기다리고 있지만, 역사적으로 100개 중 겨우 15개만 허가를 받았습니다.

가트너는 2027년까지 기존 AI 데이터센터의 40%에서 전력 가용성 문제가 터질 것이라고 예측했습니다. 전기가 모자라서 AI가 멈추는 상황이 현실이 될 수 있다는 경고입니다. 북미전력계통신뢰도협회(NERC)도 미국 국토의 절반 이상에서 향후 10년간 전력 공급 부족이 발생할 가능성을 경고하고 있습니다. 조지아주는 AI 데이터센터 건설로 인해 10년간 필요한 전력량 전망치를 기존 예상의 17배로 상향 조정했습니다.

이런 상황에서 역설적인 일이 벌어지고 있습니다. 미래 기술인 인공지능이 과거의 에너지원인 석탄을 되살리는 겁니다. 캔자스, 네브래스카, 위스콘신, 사우스캐롤라이나주에서 폐쇄 예정이던 석탄화력발전소들의 가동이 연장되고 있습니다. 기후변화 대응이라는 시대적 과제와 정면으로 부딪히는 선택입니다. 동시에 소형모듈원전(SMR)에 대한 관심이 급격히 커지고 있습니다. SMR 건설 파이프라인은 2024년 말 25기가와트에서 2026년 45기가와트로 확대됐습니다. 스리마일 아일랜드 원전 재가동 결정은, 인공지능을 위해 환경 리스크를 기꺼이 감수하겠다는 상징적 선언이었습니다.

지역 편중은 지정학적 리스크이기도 합니다. 특정 지역에 집중된 데이터센터가 자연재해나 지정학적 갈등으로 멈추면, 전 세계 인공지능 서비스가 동시에 마비될 수 있습니다. 분산이 답이라는 건 누구나 압니다. 그러나 전력 수급이 원활하고 네트워크 지연(Latency)이 짧은 부지는 지구상에 그리 많지 않습니다.

김서준 대표는 이 문제에 대해 흥미로운 제안을 내놓았습니다. "분산 발전의 시대로 가야 한다. 전기를 많이 쓰는 곳은 기업들이 알아서 만들어 쓰라는 환경을 만들어줘야 한다. 정부가 모든 것을 통제하는 것은 지양해야 한다. 그래야 계통의 부담이 줄고 그리드도 원활해진다." 한일 전력선 연결이라는 대담한 구상도 이 맥락에서 나옵니다. 한국과 일본이 해저 케이블로 전력을 공유하면 잉여 전력을 사고팔 수 있는 시장이 형성되고, 양국 모두 고비용 사회로 빠져드는 것을 막을 수 있다는 논리입니다.

결국 인공지능의 에너지 문제는 기업의 기술 혁신만으로 풀리지 않습니다. 전력망 설계, 발전소 입지, 지역 주민과의 합의, 국가 간 에너지 협력까지 아우르는 복합적인 과제입니다. IEA가 2026년 보고서에서 짚은 것처럼, "인공지능 혁명의 속도는 그것을 뒷받침하는 물리적, 사회적, 경제적 시스템의 속도와 점점 더 어긋나고 있습니다." 데이터센터를 짓는 데는 2~3년이면 됩니다. 그 데이터센터에 전기를 공급할 발전소와 송전선을 짓는 데는 10년이 넘게 걸립니다. 이 시차가 해소되지 않는 한, 인공지능의 확산 속도를 조절하는 것은 코드가 아니라 물리적 현실이 될 것입니다.