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

건설업계도 피지컬 AI 실험 중, 관건은 로봇보다 현장 데이터다

국내 건설사들이 인공지능(AI)과 로보틱스를 건설 현장에 적용하려는 실험을 늘리고 있다. GS건설은 로봇을 활용한 자재 운반·반복 작업 자동화를 검토하고, 현대건설은 AI 카메라 기반 안전 기술을 도입하려는 중이다. 다만 실제 안착까지는 사람과 AI의 협업 방식, 현장 작업자의 데이터 활용 체계 같은 숙제가 남아 있다.

ai-ml

AI 모델 접속도 수출통제 대상이 되면 벌어지는 일

앤트로픽이 미국 정부 수출통제 지침에 따라 최신 AI 모델 접근을 출시 사흘 만에 차단했다는 사례를 통해, 클라우드 AI 모델 접근권이 국가 안보와 산업정책에 종속될 수 있다는 문제가 드러났다. 데이터 주권만으로는 부족하고, 모델 능력과 연산 접근권까지 포함한 소버린 AI 전략이 필요하다는 논점이다.

ai-ml

건설 현장에 AI 로봇이 들어오려면 아직 데이터와 협업 방식이 숙제

GS건설, 현대건설, 삼성물산 등 국내 건설사가 AI와 로봇 기술을 현장 자동화와 안전관리, 단지 서비스에 적용하려는 움직임을 보이고 있다. 다만 사람과 로봇이 함께 일하는 방식, 실증 사례 축적, 현장 작업자의 데이터 활용 체계가 갖춰져야 실제 확산이 가능하다는 지적이 나온다.

ai-ml

라벨링 1천 장을 100장으로 줄인다는 슈퍼브에이아이의 비전 AI 플랫폼

슈퍼브에이아이가 2026 스마트테크 코리아에서 데이터 구축부터 모델 개발, 운영까지 묶은 슈퍼브 플랫폼을 공개했다. 비전 파운데이션 모델로 라벨링 부담을 줄이고, 대규모 언어 모델과 비디오 언어 모델을 결합해 텍스트 명령만으로 CCTV 속 위험 상황을 찾는 기능까지 제시했다.

ai-ml

프롬프트만으로 게임 만드는 시대, 진짜 어디까지 왔나

AI가 이미지·영상·코드 생성을 넘어, 탐험 가능한 3D 세계와 게임 프로토타입까지 만들기 시작했다. 구글 딥마인드의 프로젝트 지니부터 오버데어, 버스에잇, 바르코까지 사례는 늘고 있지만, 물리 오류·레이턴시·최적화·조작감 같은 완성도 문제는 아직 사람 몫으로 남아 있다.