나는 오늘 아침 외신 뉴스레터를 훑어보다가 메타(Meta)가 이번 주에 무려 1GW(기가와트) 규모의 태양광 에너지를 구매했다는 소식을 접했다. 처음에는 단순히 기업의 사회적 책임(CSR) 차원에서 진행하는 친환경 캠페인 중 하나겠거니 생각했다. 하지만 숫자를 다시 보니 1GW라는 규모가 주는 압박감이 상당했고, 이것이 단순한 ‘이미지 메이킹’이 아니라 생존을 위한 전략적 선택이라는 확신이 들었다.
AI라는 괴물이 먹어치우는 전력의 양
최근 챗GPT를 비롯한 생성형 AI 열풍이 불면서 우리가 간과하고 있었던 사실이 하나 있다. 바로 AI 모델을 학습시키고 추론하는 데 들어가는 천문학적인 전력 소모다. 일반적인 구글 검색 한 번보다 LLM(대규모 언어 모델)에 질문 하나를 던지는 것이 수십 배 더 많은 전기를 사용한다는 이야기는 이제 상식이 되었다.
메타 역시 예외는 아니다. 라마(Llama) 같은 거대 모델을 유지하기 위해 수만 개의 H100 GPU가 탑재된 데이터 센터를 운영해야 하는데, 이 칩들이 뿜어내는 열기를 식히는 냉각 시스템과 연산 장치 자체가 전력 먹는 하마와 같다. 1GW라는 수치는 일반적인 가구 수십만 가구가 동시에 사용할 수 있는 엄청난 양이지만, AI 데이터 센터의 확장 속도를 생각하면 메타에게는 이것조차 ‘최소한의 보험’일지도 모른다.
결국 지금의 빅테크 전쟁은 누가 더 똑똑한 알고리즘을 만드느냐의 싸움을 넘어, 누가 더 안정적이고 저렴하게 전력을 확보하느냐의 에너지 확보 전쟁으로 옮겨가고 있다. 전기가 없으면 아무리 뛰어난 모델이 있어도 무용지물이기 때문이다.
왜 하필 태양광이며, 왜 지금인가
물론 원자력 발전이나 천연가스 같은 대안도 있다. 하지만 메타가 태양광에 집중하는 이유는 명확하다. 첫째는 탄소 중립(Net Zero) 목표 달성이라는 대외적인 명분이고, 둘째는 재생 에너지의 발전 단가가 급격히 낮아졌다는 경제적 실리다.
특히 데이터 센터는 한 번 지어지면 24시간 내내 가동되어야 한다. 전력망(Grid)의 불안정성은 곧 서비스 중단으로 이어지며, 이는 곧 매출 손실과 직결된다. 직접적으로 대규모 재생 에너지 발전 사업과 계약을 맺음으로써 메타는 외부 전력망 의존도를 낮추고, 장기적으로 고정된 비용으로 전력을 공급받는 헷징(Hedging) 전략을 취한 셈이다.
흥미로운 점은 이러한 움직임이 메타뿐만 아니라 마이크로소프트, 구글, 아마존 등 모든 빅테크 기업에서 공통적으로 나타나고 있다는 것이다. 이제 데이터 센터 부지를 선정할 때 가장 먼저 고려하는 조건은 ‘교통의 편리함’이나 ‘인건비’가 아니라, ‘충분한 전력을 끌어올 수 있는 송전망이 있는가’가 되었다.
에너지 자립이 가져올 생태계의 변화
나는 이번 메타의 행보를 보며 앞으로의 AI 산업이 ‘에너지 수직 계열화’ 단계로 진입할 것이라는 생각이 들었다. 과거에 테슬라가 배터리 공장인 기가팩토리를 지어 공급망을 장악했듯이, AI 기업들이 직접 발전소를 짓거나 에너지 기업을 인수하는 모습이 더 자주 보일 것이다.
이런 흐름은 긍정적인 면과 우려되는 면을 동시에 가지고 있다. 긍정적인 면은 빅테크의 막대한 자본이 재생 에너지 시장으로 흘러 들어가 태양광이나 풍력 기술의 혁신을 앞당길 수 있다는 점이다. 기업들이 전력을 확보하기 위해 경쟁할수록 재생 에너지의 효율은 올라가고 설치 비용은 낮아질 것이다.
하지만 우려되는 지점은 ‘에너지 불균형’이다. 거대 자본을 가진 기업들이 지역의 전력 자원을 싹쓸이하게 되면, 정작 해당 지역 주민들이나 중소기업들이 사용할 전력이 부족해지거나 전기 요금이 상승하는 부작용이 발생할 수 있다. AI의 혜택은 전 세계가 누리지만, 그 비용(환경 파괴나 전력 부족)은 특정 지역이 짊어지게 되는 구조가 될 가능성이 크다.
지속 가능한 AI를 향한 질문
결국 우리는 질문을 던져야 한다. 우리가 매일같이 사용하는 편리한 AI 서비스가 지구의 자원을 얼마나 빠르게 소모하고 있는가. 1GW의 태양광 에너지를 구매했다는 소식은 반가운 일이지만, AI 모델이 커지는 속도가 에너지 확보 속도보다 빠르다면 이것은 임시방편에 불과할지도 모른다.
앞으로는 모델의 ‘성능’뿐만 아니라 ‘전력 효율성’이 AI의 핵심 경쟁력이 될 것이다. 적은 전력으로도 동일한 추론 능력을 내는 경량화 모델(sLLM)이나, 하드웨어 차원에서의 저전력 설계가 더욱 중요해지는 이유다. 무조건 큰 모델이 정답인 시대는 가고, 이제는 ‘에너지 효율적인 지능’의 시대가 오고 있다.
이번 사건을 통해 나는 기술의 진보가 단순히 코드 몇 줄이나 GPU 몇 장으로 이루어지는 것이 아니라, 전기와 땅, 그리고 환경이라는 물리적인 토대 위에서 움직인다는 사실을 다시금 깨달았다. 여러분은 어떻게 생각하는가. AI의 무한한 성장이 지구의 물리적 한계와 충돌했을 때, 우리는 어떤 선택을 하게 될까. 다음에는 AI 모델의 효율성을 극대화하는 ‘그린 AI’ 기술들에 대해 좀 더 깊이 조사해 보고 싶다.