본문으로 건너뛰기
피드

AI가 물을 엄청 쓴다는 공포, 숫자로 보면 좀 다르다

ai-ml 약 6분
vote
0
댓글
북마크

캘리포니아 데이터센터의 물 사용량을 물리 계산과 AI 추정으로 따져보면, 전체 인간 물 사용량의 약 0.055% 수준이라는 주장이야. 저자는 AI 데이터센터 물 사용을 걱정하지 말자는 게 아니라, 공포나 감으로 말하지 말고 숫자로 먼저 보자는 쪽에 가까워.

  • 1

    캘리포니아 데이터센터 면적은 약 1500만 제곱피트, 약 340에이커로 추정

  • 2

    데이터센터 물 사용량 합리적 추정치는 연간 약 2만 acre-ft 수준

  • 3

    넓은 추정 범위로는 연간 3만2000~29만 acre-ft, 캘리포니아 인간 물 사용량의 0.08~0.7%

  • 4

    캘리포니아 전체 인간 물 사용량은 연간 약 4000만 acre-ft

  • 5

    중부 애리조나 연구에서는 맥주 생산이 데이터센터보다 물을 더 많이 썼다는 사례가 언급됨

AI 물 사용 공포, 일단 숫자로 보자는 글

  • 저자는 AI 데이터센터 물 사용에 대한 언론과 대중의 공포가 과장되어 있을 수 있다고 봄

    • AI가 데이터와 연산의 공장인 데이터센터 위에서 돌아가는 건 맞음
    • 데이터센터는 전기를 많이 쓰고, 그 전기 사용에서 나오는 열을 식히기 위해 물을 쓸 수 있음
    • 다만 “AI가 물을 엄청 잡아먹는다”는 식의 말은 지역과 규모를 따져봐야 한다는 주장임
  • 캘리포니아 기준으로 데이터센터 물 사용량은 생각보다 작다는 계산이 나옴

    • 캘리포니아 데이터센터 바닥 면적은 약 1500만 제곱피트, 약 340에이커로 추정됨
    • 이를 제곱미터로 바꾸면 약 140만 제곱미터
    • 데이터센터 랙의 열 방출은 제곱미터당 2~12kW 수준으로 잡음
  • 물리 계산으로 보면 증발 냉각만 쓴다는 강한 가정에서도 범위가 나옴

    • 100% 효율이라면 제곱미터당 하루 70~420mm의 물 증발에 해당함
    • 산업용 냉각 효율 6090%를 반영하면 연간 제곱미터당 29255m 증발 수준으로 늘어남
    • 면적당으로 보면 관개 농업보다 25~150배 많은 물을 증발시키는 셈이지만, 문제는 전체 면적이 훨씬 작다는 점임

캘리포니아 전체 물 사용량과 비교하면

  • 저자가 계산한 넓은 추정 범위는 연간 3만2000~29만 acre-ft임
    • 여러 AI 모델에 같은 질문을 던져본 추정 범위는 연간 2300~40만 acre-ft로 더 넓게 나옴
    • 저자는 서로 겹치는 더 좁은 추정치로 연간 약 2만 acre-ft 정도를 합리적 수준으로 봄
    • 개인에게는 큰 물이지만, 주 전체 물 사용량과 비교하면 완전히 다른 그림이 됨

중요

> 캘리포니아의 연간 인간 물 사용량은 약 4000만 acre-ft이고, AI 데이터센터 추정치 2만 acre-ft는 약 0.055% 수준임.

  • 넓은 범위인 3만200029만 acre-ft를 써도 비중은 0.080.7%임

    • 이는 캘리포니아 관개 농지 700만 에이커 중 1만~10만 에이커에 물을 대는 양과 비슷하다고 설명함
    • 중부 애리조나 연구에서는 해당 지역에서 맥주 생산이 데이터센터보다 물을 더 많이 소비했다는 사례도 언급됨
    • 결론은 “무시해도 된다”가 아니라 “비교 단위 없이 공포부터 키우면 이상해진다”에 가까움
  • 저자는 물 문제는 결국 지역 문제라고 못 박음

    • 건조한 서부와 물 인프라가 잘 갖춰진 도시의 상황은 다름
    • 어떤 지역에서는 데이터센터가 부담일 수 있고, 어떤 지역에서는 물 사용량이 줄어든 도시 인프라에 수익원이 될 수도 있음
    • 그래서 전국 단위의 뭉뚱그린 공포보다 지역별 수량과 인프라를 봐야 한다는 얘기임

AI를 계산 도구로 써본 것도 포인트

  • 저자는 자기 계산을 한 뒤 무료 AI 모델 4개로 추정치를 확인해 봄

    • AI들이 제시한 범위는 넓었지만, 대체로 합리적인 추정 범위 안에 들어왔다고 평가함
    • 잘 물어보면 AI가 가정과 출처를 함께 보여줘서 초기 정책 추정에 쓸 만하다는 주장임
    • 반대로 정량 추정 없이 걱정만 늘어놓는 기사나 보고서는 더 엄격히 봐야 한다고 비판함
  • 글의 메시지는 AI 데이터센터를 무조건 옹호하는 쪽이 아님

    • AI에는 인류 문명급 리스크 같은 더 큰 걱정도 있을 수 있다고 농담 섞어 말함
    • 하지만 물 사용 문제만큼은 근거 없는 감정 대신 숫자, 단위, 비교 기준으로 다뤄야 한다는 쪽임
    • “사실은 사실이지만 인식이 현실”이라는 문장을 빌려, 공론장이 수치 없이 떠들썩해지는 문제를 꼬집음

기술 맥락

  • 이 글의 기술적 선택은 데이터센터 물 사용량을 직접 계측값이 아니라 열역학 기반 추정으로 접근한 거예요. 기업들이 물과 전기 사용량을 자세히 공개하지 않는 경우가 많기 때문에, 먼저 전력 사용이 결국 열로 바뀐다는 물리 법칙에서 출발한 거죠.

  • 핵심 가정은 증발 냉각이에요. 서버 랙이 내는 열을 물 증발로 식힌다고 보면, 필요한 냉각량을 물의 증발량으로 환산할 수 있어요. 그래서 제곱미터당 kW, 냉각 효율, 연간 가동 시간을 넣으면 대략적인 물 사용 범위가 나와요.

  • 이 방식의 장점은 논쟁을 숫자로 끌고 온다는 점이에요. 정확한 계량 데이터가 없어도 “캘리포니아 전체 인간 물 사용량 4000만 acre-ft와 비교하면 어느 정도인가”를 계산할 수 있으니까요.

  • 단점도 분명해요. 모든 데이터센터가 같은 냉각 방식을 쓰는 것도 아니고, 지역별 물 부족 정도도 다르거든요. 그래서 저자도 결론을 전국 단위 일반론으로 밀어붙이지 않고, 물 문제는 지역별로 봐야 한다고 정리해요.

AI 인프라 논쟁은 전력, 물, 토지 같은 현실 자원 문제로 내려올수록 감정전이 되기 쉬워. 이 글의 가치는 AI를 옹호한다기보다, 정책 논의에서 대충 무서워하지 말고 일단 단위와 규모를 맞춰 보자는 데 있음.

댓글

댓글

댓글을 불러오는 중...

ai-ml

AI 답변을 그대로 전달하는 ‘인간 프록시’가 되지 말자는 이야기

Slack, PR 리뷰, 메신저 대화에서 AI 답변을 통째로 붙여넣는 습관을 비판한 글이다. 글쓴이는 AI를 쓰는 건 괜찮지만, 결과를 읽고 검증하고 자기 말로 바꾸는 과정이 빠지면 협업에 아무 가치도 더하지 못한다고 지적한다.

ai-ml

LG 엑사원, 정밀진단부터 경구용 비만치료제까지 바이오 AI 사업화 속도냄

LG AI연구원의 초거대 AI 엑사원이 정밀진단과 신약개발 영역에서 실제 사업화 단계로 확장되고 있음. 엔젠바이오는 EGFR 변이 예측 솔루션 상용화 임상에 들어갔고, 디앤디파마텍은 엑사원 케미컬 에이전트로 차세대 펩타이드 신약을 공동 개발함.

ai-ml

생성형 AI 덕에 클라우드 시장, 분기 매출 1,434억 달러 찍음

2026년 2분기 전 세계 클라우드 인프라 서비스 지출이 전년 대비 43% 늘어난 1,434억 달러를 기록했음. 생성형 AI 특화 클라우드 서비스는 165% 폭증했고, AWS·마이크로소프트·구글 3사가 퍼블릭 클라우드 시장의 67%를 차지함.

ai-ml

구글 클라우드, 오라클 기업용 앱에 제미나이 붙인다

구글 클라우드가 오라클의 기업용 애플리케이션 포트폴리오에 제미나이 모델을 확대 적용한다. 오라클 AI 에이전트 스튜디오, 퓨전 애플리케이션, 넷스위트에서 제미나이 기반 AI 기능을 쓸 수 있게 되는 흐름이다.

ai-ml

알리바바, 2.4조 파라미터 ‘큐원 3.8-맥스’로 프런티어 모델 추격

알리바바 클라우드가 2조4천억 개 파라미터와 최대 100만 토큰 컨텍스트 윈도우를 지원하는 멀티모달 대규모 언어 모델 큐원 3.8-맥스를 공개했다. 희소 혼합 전문가 구조로 추론 시 950억 개 파라미터만 활성화하며, 모델 가중치 공개까지 예고해 개방형 AI 생태계 경쟁을 키우겠다는 전략이다.