Efficiency vs Demand in AI Electricity: Implications for Post-AGI Scaling

이 논문은 GCAM 모델을 활용해 AI 서비스 성장과 전력 수요 간의 관계를 분석한 결과, 효율성 개선 속도와 소득 증가에 따라 AI 전력 수요가 크게 달라지며 가격 정책만으로는 한계가 있음을 보여줍니다.

핵심

🌟 핵심 비유: "AI 는 거대한 공장을 돌리는 일"

생각해 보세요. AI 는 거대한 전기 공장을 가동하는 것과 같습니다.

• 공장 규모 (AI 서비스 수요): 우리가 AI 를 더 많이 쓸수록 공장은 더 커져야 합니다. (예: 더 많은 챗봇, 더 똑똑한 자율주행차)
• 전기 요금 (전력 소모): 공장이 커지면 당연히 전기세도 많이 나옵니다.
• 기술 혁신 (효율성): 하지만 만약 공장의 기계가 전기를 아끼는 최신형으로 바뀐다면? 공장은 커져도 전기세는 크게 오르지 않을 수도 있습니다.

이 논문은 **"공장이 커지는 속도 (수요)"**와 "전기 아끼는 기술이 발전하는 속도 (효율)" 중 무엇이 더 중요한지 분석했습니다.

---

🔍 연구 결과가 말해주는 3 가지 사실

1. "공장이 커진다고 해서 전기세가 무조건 폭등하는 건 아니다"

많은 사람이 "AI 가 발전하면 전기가 부족해져서 정전이 온다"고 걱정합니다. 하지만 이 연구는 **"그렇지 않다"**고 말합니다.

• 비유: 공장이 10 배 커졌는데, 기계가 10 배 더 효율적으로 변했다면? 전기 사용량은 그대로일 수 있습니다.
• 결론: AI 서비스의 사용량이 늘어나도, 칩 (반도체) 과 데이터센터의 효율이 계속 좋아진다면 전기 수요는 생각보다 훨씬 적게 늘어납니다.

2. "전기값을 올린다고 AI 사용을 줄일 수는 없다"

연구팀은 "전기값을 비싸게 하면 사람들이 AI 사용을 줄이겠지?"라고 생각했지만, 결과는 달랐습니다.

• 비유: AI 는 마치 물이나 전기처럼 우리 삶에 필수적인 '필수품'이 되어가고 있습니다. 물값이 조금 오른다고 해서 물을 아껴 쓰지 않는 것처럼, AI 도 가격에 민감하게 반응하지 않습니다.
• 결론: 전기 요금을 올리거나 가격을 책정하는 것만으로는 AI 의 전기 사용을 통제하기 어렵습니다.

3. "실제 원인은 '부자'가 되는 속도 (소득 증가)"

가장 큰 변수는 전기가 비싸서가 아니라, 우리가 더 부자가 되어 AI 를 더 많이 쓰기 때문입니다.

• 비유: 사람들이 소득이 늘어나면, 더 좋은 차를 사고, 더 큰 집을 사듯, 더 많은 AI 서비스를 사게 됩니다.
• 결론: 경제가 성장하고 사람들이 부자가 될수록, AI 사용량은 기하급수적으로 늘어납니다. 이때 효율 기술이 따라주지 못하면 그때서야 전기 위기가 옵니다.

---

⚖️ 두 가지 미래 시나리오

이 논문은 미래가 두 가지 길로 갈 수 있다고 경고합니다.

🟢 시나리오 A: 효율의 승리 (행복한 미래)

• 상황: AI 칩 기술이 계속 빠르게 발전해서, 똑같은 일을 하더라도 전기를 거의 안 쓰게 됩니다.
• 결과: AI 가 세상을 뒤덮어도 전력망은 견딜 수 있습니다. 전기세 폭탄은 없습니다.

🔴 시나리오 B: 수요의 승리 (위험한 미래)

• 상황: AI 기술 발전이 둔화되거나 멈춥니다. 하지만 사람들은 여전히 부자가 되어 AI 를 더 많이 씁니다.
• 결과: 공장은 계속 커지는데 기계는 구식이라 전기를 많이 먹습니다. 2050 년경에 전력망이 붕괴하거나 탄소 배출이 폭증할 수 있습니다.

---

💡 요약: 우리에게 필요한 것은 무엇인가?

이 연구는 "AI 가 전기를 많이 쓸 것이다"라고 단순히 경고하는 것이 아니라, **"어떤 조건에서 위기가 오는지"**를 보여줍니다.

1. 효율성 유지가 핵심: AI 가 발전할수록 전기를 덜 쓰게 만드는 기술 개발이 가장 중요합니다.
2. 가격 정책은 무력함: 전기값만 올린다고 해결되지 않습니다.
3. 준비 필요: 만약 효율 기술 발전이 멈춘다면, 전력망과 환경 정책이 큰 타격을 입을 수 있으니 미리 대비해야 합니다.

한 줄 요약:

"AI 가 더 똑똑해져서 전기를 아끼는 기술이 계속 발전한다면 우리는 안심해도 되지만, 기술 발전이 멈추고 우리가 AI 를 더 많이 쓰기만 한다면 2050 년에 전력 위기가 올 수 있습니다."

기술 요약

1. 문제 제기 (Problem)

• 배경: 인공지능 (AI) 의 발전과 배포가 가속화되면서 포스트-AGI(인공일반지능) 시대로 진입함에 따라, AI 컴퓨팅으로 인한 전력 수요 증가와 탄소 배출에 대한 우려가 커지고 있습니다.
• 현황: 최근 보고서 (IEA 2025) 에 따르면 데이터센터는 2024 년 전 세계 전력 소비의 약 1.5% 를 차지하며, 연간 12% 의 속도로 성장하고 있습니다.
• 연구 격차: 기존 장기 에너지 - 경제 - 기후 시나리오 모델들은 AI 의 전력 수요를 명시적으로 반영하지 못합니다. 또한, AI 스택의 효율성 향상 (하드웨어 성능 개선) 과 서비스 수요 증가 사이의 상충 관계 (Tension) 가 장기적인 전력 수요 예측에 큰 불확실성을 야기하고 있습니다.
• 핵심 질문: AI 서비스의 성장이 전력 수요로 어떻게 전환되는가? 효율성 개선이 수요 증가를 상쇄할 수 있는 조건은 무엇이며, 언제 전력 시스템이 AI 확장의 주요 제약 요인이 될 것인가?

2. 방법론 (Methodology)

• 모델 확장: 글로벌 변화 분석 모델 (GCAM, Global Change Analysis Model) 에 AI 컴퓨팅 부문을 명시적으로 추가했습니다. GCAM 은 기존에 AI 관련 컴퓨팅 수요를 직접 표현하지 않았으므로, 산업 모듈 내에 새로운 하위 부문으로 통합했습니다.
• 수식 및 변수 정의:
  • AI 서비스 산출량 ($S(t)$): 부동소수점 연산 횟수 (FLOP) 로 정의하며, 거시경제적 동인과 수요 탄력성에 의해 내생적으로 결정됩니다.
  • 컴퓨팅 에너지 강도 ($\gamma(t)$): 단위 연산당 소요 에너지 (Joule/FLOP) 로, 칩 수준의 효율성과 냉각, 네트워킹 등 데이터센터 오버헤드를 포함합니다.
  • 전력 수요 ($E(t)$): $E(t) = S(t) \times \gamma(t)$ 공식으로 계산됩니다.
• 시나리오 설정:
  • 기준 시나리오 (Baseline): 고정된 에너지 강도 ($\gamma$) 를 가정.
  • 효율성 시나리오:
    • Rapid: 2035 년까지 약 2.34 년마다 성능이 2 배 증가 (효율성 급격히 개선).
    • Slow: 10 년당 약 180% 성능 증가 (NVIDIA 칩의 역사적 추세를 반영).
  • 민감도 분석: 가격 탄력성 (-0.2 ~ -1.2) 과 소득 탄력성 (1.6 ~ 3.5) 을 변화시켜 수요 반응성을 테스트했습니다.
• 지역: 미국 (U.S.) 을 대상으로 2050 년 중반까지의 시나리오를 실행했습니다.

3. 주요 기여 (Key Contributions)

• GCAM 내 AI 부문 통합: 거시적 에너지 - 경제 모델에 AI 컴퓨팅을 체계적으로 통합하여, 전력 시스템 역학이 디지털 인프라 확장에 미치는 영향을 정량화했습니다.
• 체제 전환 (Regime Shift) 매핑: 효율성 우위 (Efficiency-dominant) 와 수요 우위 (Demand-dominant) regimes 가 발생하는 조건을 매핑했습니다. 이는 단일 예측이 아닌, 다양한 조건 하에서의 시나리오 템플릿을 제공합니다.
• 탄력성 분석의 통찰: AI 전력 수요가 가격 신호에는 둔감하지만, 소득 성장에는 매우 민감하게 반응함을 규명했습니다.

4. 주요 결과 (Results)

• 전력 수요의 비선형적 성장: AI 서비스의 성장이 전력 수요로 직선적으로 전환되지 않습니다. 결과는 효율성 개선 궤적과 수요 반응성에 크게 의존합니다.
  • 효율성 우위: 지속적인 효율성 개선이 이루어지면 AI 전력 수요는 억제됩니다.
  • 수요 우위: 효율성 개선이 느리거나 정체되면, 중반 세기 (mid-century) 에 소득 기반의 수요가 우세해져 전력 수요가 급증합니다.
• 탄력성 민감도:
  • 가격 탄력성: 전력 가격 변화에 대한 AI 전력 수요의 반응은 미미했습니다 (기준 대비 ±5% 이내). 이는 AI 스택의 높은 고정 자본 비용과 연속 운영 특성 때문입니다.
  • 소득 탄력성: 소득 탄력성에 매우 민감합니다. 소득 탄력성이 높은 경우 (3.5), 중반 세기 전력 수요가 기준 시나리오 대비 약 150% 증가할 수 있습니다. 소득이 증가함에 따라 AI 채택이 새로운 응용 분야와 산업으로 확장되기 때문입니다.
• 체제 임계값 (Regime Thresholds):
  • Rapid 효율성 시나리오: 효율성 이득이 정체될 때까지 수요 주도 증가가 지연됩니다.
  • Slow 효율성 시나리오: 효율성 개선이 지속되더라도 소득 주도 성장이 더 일찍 우세해집니다.
  • 결론: 장기 전망은 효율성 개선의 속도뿐만 아니라 그 지속성 (persistence) 에도 달려 있습니다.

5. 의의 및 함의 (Significance)

• 정책적 시사점: 가격 기반 메커니즘 (예: 전기세 인상) 만으로는 AI 전력 수요를 통제하는 데 한계가 있음을 시사합니다. 대신 효율성 기술의 지속적 발전과 서비스 확장 규모 관리가 핵심입니다.
• 포스트-AGI 시나리오: AI 서비스가 경제 전반에 보편화되는 포스트-AGI 환경에서, 전력 시스템 역학은 디지털 인프라 확장의 1 차적 제약 조건 (first-order constraint) 이 될 수 있습니다.
• 예측의 불확실성 해소: 기존 연구들 간의 예측 차이 (대규모 배출 증가 vs 관리 가능) 는 가정된 효율성 개선 속도와 지속성, 그리고 수요 탄력성 가정의 차이에서 비롯됨을 명확히 했습니다.
• 미래 연구 방향: 본 연구는 미국을 대상으로 했으며, 국가별 시장 구조, 전력 가격 체계, 디지털 채택 경로에 따라 탄력성 중요도가 달라질 수 있으므로 향후 국제적 검증이 필요합니다.

이 논문은 AI 의 전력 소비를 단순한 '기술적 성장'의 문제가 아니라, 효율성 개선과 소득 기반 수요 간의 복잡한 상호작용으로 접근함으로써, 장기적인 에너지 정책 및 기후 시나리오 수립에 중요한 틀을 제공합니다.