최근 테크 뉴스레터와 외신 헤드라인에서 공통적으로 반복되는 키워드가 있다. 바로 AI 모델의 성능 경쟁을 넘어, 그 모델을 돌리기 위한 ‘전력 확보 전쟁’이다. 챗GPT 이후 가속화된 LLM(대규모 언어 모델) 열풍은 단순히 알고리즘의 효율성 싸움이 아니라, 누가 더 많은 전기를 안정적으로 공급받느냐는 물리적 인프라 싸움으로 옮겨가고 있다.
1기가와트라는 숫자가 갖는 무게
메타(Meta)가 최근 일주일 사이에 체결한 세 건의 계약은 그 규모부터 압도적이다. 약 1GW(기가와트)에 달하는 태양광 전력을 확보했다는 소식은 단순한 환경 보호 캠페인이 아니다. 1GW는 수십만 가구가 동시에 사용할 수 있는 엄청난 양의 에너지이며, 이는 메타가 그리는 AI의 미래가 얼마나 거대한 전력 소비를 전제로 하고 있는지를 단적으로 보여준다.
구체적으로 살펴보면, 메타는 텍사스주 러벅 인근의 대규모 태양광 발전소로부터 600MW를 구매하는 계약을 맺었다. 여기에 루이지애나주에서도 385MW 규모의 전력을 지원받는 계약을 추가하며 총량을 채웠다. 이 모든 프로젝트가 상업 운전을 시작하는 2027년이 되면, 메타의 데이터센터들은 태양의 에너지를 통해 AI 모델을 학습시키고 추론하는 거대한 연산 공장으로 변모할 것이다.
흥미로운 점은 메타의 올해 총 태양광 구매 용량이 이미 3GW를 넘어섰다는 사실이다. AI 칩셋인 H100 같은 고성능 GPU가 쏟아져 들어올수록 데이터센터의 전력 밀도는 기하급수적으로 높아진다. 이제 빅테크 기업들에게 전력은 단순한 운영 비용이 아니라, 서비스의 생존을 결정짓는 전략적 자산이 되었다.
에너지 조달의 두 얼굴, PPA와 EAC
이번 메타의 행보에서 주목할 지점은 전력을 확보하는 ‘방식’의 차이다. 텍사스 프로젝트의 경우 발전소가 지역 그리드(전력망)에 전기를 공급하고 메타가 그 사용량을 상쇄하는 방식을 취했다. 반면 루이지애나 프로젝트에서는 환경속성구매(EAC, Environmental Attribute Certificates) 방식을 선택했다.
EAC는 실제로 전기를 물리적으로 끌어오는 것이 아니라, 재생에너지를 생산했다는 ‘증서’를 구매함으로써 탄소 배출량을 상쇄하는 개념이다. 이는 과거 재생에너지 비용이 화석 연료보다 비쌌던 시절, 개발자들에게 인센티브를 주기 위해 도입된 제도다. 기업 입장에서는 물리적 송전망 구축이라는 복잡한 절차 없이도 빠르게 ‘친환경 기업’이라는 타이틀을 유지할 수 있는 효율적인 수단이다.
하지만 전문가들의 시선은 곱지 않다. AI로 인해 전력 수요가 폭증하는 상황에서 증서만으로 탄소 발자국을 가리는 것은 일종의 ‘착시 현상’을 일으킬 수 있기 때문이다. 실제로 전기는 탄소를 뿜어내는 화력 발전소에서 쓰면서, 서류상으로만 태양광 에너지를 썼다고 기록하는 것이 과연 진정한 지속 가능성인지에 대한 논쟁은 앞으로 더욱 치열해질 것으로 보인다.
AI 야망과 지구의 물리적 한계
마크 저커버그가 페이스북을 메타로 바꾸며 선언했던 ‘메타버스’의 꿈은 이제 AI라는 새로운 엔진을 달았다. 하지만 소프트웨어의 세계는 무한할지 몰라도, 그것을 지탱하는 하드웨어와 에너지는 철저히 물리적 제약 속에 있다. 데이터센터 하나가 소비하는 전력량이 웬만한 중소도시 전체의 사용량과 맞먹는 시대가 도래한 것이다.
이런 흐름 속에서 태양광은 가장 현실적인 대안이다. 건설 속도가 빠르고 비용이 저렴하기 때문이다. 하지만 태양광은 간헐성이라는 치명적인 약점이 있다. 해가 지면 전기가 나오지 않는다. 결국 메타를 비롯한 빅테크들이 다음 단계로 고민해야 할 지점은 에너지 저장 장치(ESS)의 확충이나, 더 나아가 소형 모듈 원전(SMR) 같은 상시 전력원 확보가 될 가능성이 높다.
결국 AI 경쟁의 승자는 더 똑똑한 모델을 만든 사람이 아니라, 그 모델을 24시간 내내 끄지 않고 돌릴 수 있는 에너지 독립권을 가진 사람이 될지도 모른다. 디지털 혁신이라는 화려한 이름 뒤에는 거대한 태양광 패널 단지와 송전탑이라는 지극히 아날로그적인 인프라 투자가 숨어 있다.
우리가 고민해야 할 지점
이번 메타의 대규모 전력 구매 소식을 접하며 한 가지 의문이 남는다. AI가 인류의 생산성을 획기적으로 높여준다는 약속이, 그 과정에서 소모되는 막대한 지구 자원과 에너지 비용을 정당화할 수 있을까? 효율적인 알고리즘 개발만큼이나 ‘에너지 효율적인 AI’에 대한 논의가 시급한 시점이다.
우리는 이제 AI의 답변 속도나 정확도뿐만 아니라, 그 답변 하나를 얻기 위해 얼마나 많은 전력이 소모되고 어떤 에너지원이 사용되었는지 묻기 시작해야 한다. 기술의 진보가 지구의 한계를 앞지르지 않도록 만드는 균형점, 그것이 지금의 AI 붐 속에서 우리가 놓치지 말아야 할 핵심 질문이 아닐까 싶다.