생성형 AI 사용량 급증으로 전 세계 데이터센터의 전력 소비가 빠르게 늘고 있으며, 2030년에는 연간 945테라와트시(TWh)를 넘어 현재 한국 연간 전력 소비량(약 600TWh)의 1.6배 수준에 이를 것이라는 분석이 나왔다. 유엔대학교 물·환경·보건연구소(UNU-INWEH)가 2026년 6월 발간한 ‘AI 에너지 사용의 환경비용: 탄소·물·토지 발자국’ 보고서에 따르면, 2025년 기준 전 세계 데이터센터의 연간 전력 사용량은 이미 448TWh로 단일 국가로 환산하면 세계 11위에 해당한다.
보고서는 에너지 소비 증가의 주요 원인으로 생성형 AI의 추론 단계를 꼽았다. 그동안 AI의 에너지 소비는 모델 학습에 집중돼 있다는 인식이 강했지만, 이용자 수가 늘면서 매일 수십억 건의 질문에 응답하는 추론 과정이 전체 AI 에너지 사용의 80~90%를 차지할 것으로 연구진은 내다봤다. 챗GPT가 하루 약 25억 개의 프롬프트를 처리하며, 텍스트 요청 한 건당 평균 0.42Wh를 소비한다고 가정하면 연간 약 383기가와트시(GWh)가 필요하다는 계산이다. AI 이미지 생성은 짧은 텍스트 응답보다 60배, 텍스트 분류보다 1450배 높은 전력을 사용하는 것으로 나타났다.
보고서는 전력 소비 자체보다 더 복잡한 환경 문제도 제기했다. 탄소 배출을 줄이기 위해 석탄을 바이오에너지로 전환할 경우 탄소 발자국은 평균 72% 줄어들지만, 물 사용량은 석탄 대비 평균 30배, 토지 점유는 100배 이상 증가한다는 것이다. 브라질은 수력발전 비중이 커 전력 생산에 따른 탄소 배출이 세계 평균보다 77% 낮지만 물·토지 사용량은 세계 평균의 3배에 달하는 사례로 제시됐다. 데이터센터의 열 방출로 주변 지역 기온이 최대 9.1도까지 상승한다는 연구 결과도 있으며, AI 인프라 교체 주기 단축으로 2030년까지 연간 최대 250만 톤의 전자폐기물이 발생할 것으로 전망됐다.
연구진은 AI 개발사와 서비스 제공자가 학습 및 추론 전 과정에서 소비한 전력량, 탄소·물·토지 발자국을 표준화된 방식으로 공개해야 한다고 촉구했다. 또한 AI 모델을 설계 단계에서부터 에너지 효율을 고려해 만들어야 하며, 데이터센터 지속가능성 평가 기준에 탄소 외에 물·토지 지표도 포함해야 한다고 주문했다. AI 서비스의 혜택은 전 세계 이용자가 누리지만 전력망·수자원·토지 등 자원 부담은 데이터센터가 위치한 지역에 집중된다는 지역 불평등 문제도 함께 지적됐다.
