💻 computer science

The Rising Unsustainability of AI Graphics Cards Production

이 연구는 2013년부터 2025년까지 AI 그래픽 카드 생산으로 인한 환경 파괴가 가속화되고 있음을 추정하며, 운영 효율성의 향상에도 불구하고 제조 과정에서의 자원 고갈과 탄소 배출 증가로 인해 구조적 정책 변화, 내구성이 있는 하드웨어 설계, 그리고 영구적 성장에서 벗어나는 문화적 전환이 필요함을 밝히고 있다.

원저자: Clément Morand, Aurélie Névéol, Anne-Laure Ligozat

게시일 2026-07-03

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Clément Morand, Aurélie Névéol, Anne-Laure Ligozat

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

개요: "두뇌"에 숨겨진 비용

인공지능(AI)의 열풍을 거대하고 똑똑한 신도시를 건설하는 대규모 건설 프로젝트라고 상상해 보십시오. 사람들은 모두 이 도시의 불을 밝히고 컴퓨터를 돌리는 데 드는 전기 사용량(즉, "운영" 비용)에 대해 이야기합니다.

하지만 이 논문은 우리가 그 벽돌을 만드는 것 자체에 드는 비용을 간과하고 있다고 주장합니다. 저자들은 그래픽 카드(AI를 구동하는 특수 컴퓨터 칩)에 초점을 맞췄습니다. 그들은 이 칩들을 더 효율적으로 작동하게 만들려고 노력하고 있지만, 정작 이 칩들을 제조하는 과정이 매년 더 더럽고, 무거워지며, 자원 집약적으로 변하고 있다는 사실을 발견했습니다.

조사 내용: "벽돌" 추적하기

연구원들은 탐정처럼 NVIDIA의 워크스테이션용 그래픽 카드(AI에 사용되는 고성능 "벽돌")의 역사(2013년부터 2025년까지)를 추적했습니다.

그들은 174개의 서로 다른 카드 모델로 구성된 데이터셋을 구축했습니다. 환경 파괴 정도를 이해하기 위해 그들은 **전과정 평가(LCA)**라는 방법을 사용했습니다. 이것을 "요람에서 대문까지(cradle-to-gate)"의 감사라고 생각하면 됩니다:

요람(Cradle): 원자재 금속과 광물을 채굴하는 단계.
대문(Gate): 완성된 카드가 조립 라인에서 나오는 순간.
참고: 이들은 카드가 데이터 센터에서 실제로 작동할 때 사용하는 전력은 계산에 포함하지 않았습니다. 오직 카드를 만드는 데 드는 비용만을 계산했습니다.

그들은 두 가지 주요 지표를 측정했습니다:

탄소 발자국: 카드를 만드는 데 배출되는 온실가스의 양 (예: 공장의 배기가스).
자원 고갈: 카드를 만드는 데 소모되는 지구의 유한한 금속(금, 구리, 희토류 등)의 양.

연구 결과: 더 크고, 더 빠르고, 더 비싸게

연구 결과, 명확하고 우려스러운 추세가 발견되었습니다: 단 하나의 그래픽 카드를 만드는 것이 시간이 흐를수록 훨씬 더 해로워지고 있다는 점입니다.

1. "슈퍼 사이즈" 효과

비유: 스마트폰을 상상해 보십시오. 10년 전의 스마트폰은 작은 화면과 작은 카메라를 가지고 있었습니다. 오늘날의 스마트폰은 거대한 화면, 거대한 카메라, 그리고 초고속 프로세서를 갖추고 있습니다.
현실: AI 카드도 이와 같은 길을 걸어왔습니다. 카드 내부의 "두뇌"(GPU)는 물리적으로 더 커졌고, 메모리(저장 용량)는 폭발적으로 늘어났습니다.
함정: 내부 기술이 더 정밀해졌음에도 불구하고(더 미세한 회로 사용), 칩의 순수한 크기와 필요한 메모리의 양이 너무 빠르게 증가하여, 카드 한 장을 만드는 데 드는 환경적 비용이 2013년 이후 4배나 증가했습니다.
- 2013년: 카드 한 장을 만드는 데 약 50kg의 CO2 배출 발생.
- 2025년: 카드 한 장을 만드는 데 약 200kg의 CO2 배출 발생.

2. "리바운드(반동)"의 덫

비유: 만약 당신이 초연비 자동차를 구매했다면 기분이 좋을 것입니다. 하지만 그 효율성 덕분에 당신이 매일 10배 더 멀리 운전하게 된다면, 결국 이전보다 더 많은 연료를 사용하게 될 것입니다.
현실: 엔지니어들은 칩을 더 에너지 효율적으로 만들었습니다. 하지만 이 칩들이 너무 효율적이기 때문에, 기업들은 더 큰 카드를 구매하고 더 세게 가동합니다. 논문은 칩 자체는 개선되었지만, 단일 카드를 구동하는 데 필요한 총 에너지는 오히려 약간 증가했다고 지적합니다. 왜냐하면 우리가 칩에 훨씬 더 많은 일을 시키고 있기 때문입니다.

3. 판매량의 폭발적 증가

비유: 단순히 벽돌 하나가 더 무거워진 것이 아니라, 이제는 집 대신 마천루를 짓고 있는 것입니다.
현실: 이러한 카드들의 판매량이 급증했습니다. 2022년에는 기업들이 수십만 개의 카드를 구매했지만, 2024년에는 분기당 100만 개 이상을 구매하고 있습니다.
결과: 이 카드들을 만드는 데서 발생하는 전체 환경 피해가 급증했습니다. 저자들은 2024년에 판매된 카드들을 제조하는 데 발생하는 오염이 덴마크 코펜하겐 같은 도시에 사는 70만 명의 연간 배출량과 거의 맞먹는다고 계산했습니다.

"베이스(Base)" 문제

연구진은 피해를 세 부분으로 나누었습니다:

GPU (두뇌): 시간이 갈수록 상황이 악화됨.
메모리 (저장 장치): 훨씬 더 악화됨 (가장 빠르게 증가하는 피해 원인).
베이스 (케이스, 냉각 장치 및 회로 기판): 이 부분은 대략 비슷하게 유지되지만, GPU와 메모리가 점점 거대해짐에 따라 "베이스"가 전체 문제에서 차지하는 비중은 아주 작아 보입니다.

결론: 효율성만으로는 충분하지 않다

이 논문은 냉혹한 진실과 함께 결론을 맺습니다: 우리는 단순히 "친환경 방식"만으로는 이 문제를 해결할 수 없습니다.

오해: 많은 이들이 데이터 센터를 태양광 에너지로 돌리기만 하면 AI 환경 위기를 해결할 수 있다고 생각합니다.
현실: 클린 에너지를 사용하는 것은 운영 비용에는 도움이 되지만, 제조 비용에는 아무런 도움이 되지 않습니다. 피해는 카드가 콘센트에 꽂히기도 전에 이미 발생합니다.

최종 비유:
당신이 지구를 구하기 위해 전기차를 운전하려고 노력한다고 상상해 보십시오. 그것은 좋은 일입니다! 하지만 당신이 매달 새 차를 사고 기존의 차를 폐기장에 버리고 있다면, 그 모든 새 차를 제조하는 과정에서 발생하는 환경적 피해가 운전하며 얻는 이득을 결국 압도하게 될 것입니다.

저자들은 AI 산업이 "더 강력한 것"이 항상 "더 나은 것"이라고 가정하는 것을 멈춰야 한다고 주장합니다. 그들은 우리가 **충족성(sufficiency)**을 고려해야 한다고 제안합니다. 즉, 매년 이 거대하고 자원을 탐하는 카드를 정말로 만들어야 하는지, 아니면 우리가 가진 것을 더 오래 사용할 방법을 찾을 수 있는지 질문해야 한다는 것입니다.

요약하자면: 이 논문은 AI 혁명의 "벽돌"이 생산되는 과정에서 점점 더 독성이 강해지고 있으며, 단순히 이 칩들을 깨끗한 전기로 돌리는 것만으로는 제조 과정에서 발생하는 피해를 해결할 수 없다고 경고합니다.

기술 요약: AI 그래픽 카드 생산의 지속 불가능성 심화

문제 제기
인공지능(AI) 인프라의 급격한 확장은 하드웨어, 특히 AI 학습의 핵심인 그래픽 카드에 대한 막대한 투자를 유도했습니다. 데이터 센터의 운영 에너지 소비와 탄소 배출에는 상당한 관심이 기울여져 왔으나, 이러한 하드웨어 부품의 생산과 관련된 환경적 피해는 여전히 충분히 연구되지 않은 상태로 남아 있습니다. 기존 문헌은 라이프사이클 데이터의 투명성이 부족한 경우가 많으며, 서버 및 사용자 기기에 대한 파라메트릭 모델은 존재하지만, 그래픽 카드(특히 자원 고갈 및 내재 탄소와 관련하여)에 관한 고품질 데이터는 매우 희소했습니다. 이러한 격차는 대규모 데이터 센터 프로젝트가 설치당 수십만 개의 그래픽 카드를 필요로 하는 상황에서, AI 분야의 지속 불가능성을 온전히 이해하는 것을 방해합니다. 나아가, 현재의 완화 전략은 주로 전력 공급을 친환경화하는 데 집중되어 있으며, 이는 하드웨어 제조와 관련된 가속화되는 영향을 해결하지 못합니다.

방법론
이러한 격차를 해소하기 위해, 저자들은 2013년부터 2025년 2월 사이에 출시된 NVIDIA 워크스테이션 그래픽 카드를 대상으로 '요람에서 문까지(Cradle-to-Gate)' 방식의 속성적 전과정 평가(LCA)를 수행했습니다.

데이터 큐레이션: 저자들은 174개의 워크스테이션 그래픽 카드 모델로 구성된 데이터셋을 구축했습니다. 데이터 출처로는 TechPowerUp GPU 데이터베이스, 위키피디아, 그리고 공식 NVIDIA 데이터시트(불일치 해결을 위한 참조용으로 사용)가 포함되었습니다. 수집된 주요 기술 파라미터에는 출시일, GPU 다(die) 면적, 기술 노드, 메모리 유형, 메모리 크기 및 열 설계 전력(TDP)이 포함됩니다.
파라메트릭 모델링: 본 연구는 하드웨어 생산 영향을 추정하기 위해 MLCA(Boavizta 데이터 기반)에 구현된 파라메트릭 모델을 변형하여 적용했습니다. 이 모델은 그래픽 카드를 다음과 같은 구성 요소의 합으로 취급합니다:
- GPU 다(Die): 다 표면적과 고정된 단위 면적당 영향( $cm^2$ 당 영향, Intel CPU 생산 데이터에서 유도됨)을 기반으로 영향을 계산합니다.
- 메모리: 전체 메모리 용량에 필요한 메모리 다 면적을 추정하고(일정한 메모리 밀도 계수 사용), 이를 메모리 다의 단위 면적당 영향과 곱하여 계산합니다.
- 기본 구성 요소: 케이싱, 히트싱크, 인쇄 회로 기판(PCB) 및 상류 운송을 설명하기 위해 일정한 영향 값을 할당합니다.
영향 범주: 평가는 두 가지 주요 지표에 집중했습니다:
1. 탄소 발자국: $kgCO_2$ eq 단위의 지구 온난화 지수(GWP)로 측정됩니다.
2. 금속 자원 고갈: 원소의 추상적 고갈 잠재력(ADPe)을 $kgSb$ eq(안티모니 등가량) 단위로 측정합니다.
글로벌 규모 분석: 개별 카드당 생산 영향을 Epoch AI(2022–2025)의 판매 데이터와 결합하여, AI 그래픽 카드 조달로 인해 발생하는 총 글로벌 환경 피해를 추정했습니다.

주요 기여

데이터셋 공개: 저자들은 2013년부터 2025년 사이에 출시된 NVIDIA 워크스테이션 그래픽 카드의 환경적 피해를 기록한 큐레이션된 데이터셋과 재현성을 위한 코드를 제공합니다.
추세 분석: 본 연구는 지난 10년 동안 개별 그래픽 카드의 환경적 영향이 지속적으로 증가했다는 증거를 제시합니다.
조달 트렌드: 본 논문은 그래픽 카드 조달량의 성장과 누적 생산 피해의 가속화 사이의 관계를 분석하여 판매량 성장을 연결합니다.

결과

하드웨어 진화: 12년의 기간 동안 평균 GPU 다 면적은 선형적으로 증가한 반면, 기술 노드 크기는 감소(더 미세한 노드)했습니다. 메모리 크기(GB)는 기하급수적으로 성장했습니다(연평균 성장률 약 30%). 컴퓨팅 효율의 개선에도 불구하고, 카드의 총 에너지 소비량(TDP)은 리바운드 효과와 일치하게 약간 증가했습니다.
생산 영향:
- 탄소 발자국 (GWP): 단일 워크스테이션 카드의 생산 탄소 발자국은 2013년 약 50 $kgCO_2$ eq에서 최근 모델의 경우 약 200 $kgCO_2$ eq로 상승했습니다.
- 자원 고갈 (ADPe): 단위당 금속 자원 고갈은 약 0.01 $kgSb$ eq로 비교적 일정하게 유지되었으나, 영향의 구성 성분은 변화했습니다.
- 구성 요소의 변화: 과거에는 기본 구성 요소(PCB, 케이싱)가 자원 고갈을 주도했으나, GPU와 메모리로부터 발생하는 영향의 비중이 커졌습니다. 최근 몇 년간 메모리는 GWP 영향의 주요 원인이 된 반면, ADPe에 대해서는 기본 구성 요소가 여전히 지배적입니다.
글로벌 규모: 2022년 1분기부터 2024년 3분기 사이에 판매된 NVIDIA AI 카드의 누적 생산 피해는 급격한 증가를 보였습니다. 이 기간 동안의 총 추정 GWP(약 698 $ktCO_2$ eq)는 지구 경계 조건 하에서의 약 70만 명의 연간 배출량과 맞먹습니다.
검증: 본 연구의 파라메트릭 모델은 이전의 독립적인 연구들(예: Lees-Perasso et al., ADEME) 및 H100과 같은 특정 모델에 대한 NVIDIA의 공개 데이터와 일치하는 결과를 나타냈으며, 차이는 일반적으로 허용 가능한 범위(예: GWP 기준 <33%) 내에 있었습니다.

의의 및 주장
본 논문은 AI 커뮤니티가 지속 가능성을 달성하기 위해 운영 효율성 개선(예: 에너지 효율적 학습 또는 탄소 인지 컴퓨팅)에만 의존할 수 없다고 주장합니다. 본 연구는 생산 관련 영향이 가속화되고 있으며, 이것이 AI 분야의 환경적 발자국에서 흔히 간과되는 중요한 부분을 차지하고 있음을 강조합니다.

저자들은 빈번한 업데이트, 증가하는 다(die) 크기, 그리고 기하급수적인 판매 성장으로 특징지어지는 현재의 AI 하드웨어 발전 궤적이 글로벌 지속 가능성 한계 및 지구 경계와 근본적으로 상충된다고 주장합니다. 그들은 AI의 지속 불가능성을 해결하기 위해서는 점진적인 최적화를 넘어 "충족성(sufficiency)"으로 나아가야 한다고 단언합니다. 이는 정책적 개입, 수명 연장에 초점을 맞춘 하드웨어 설계, 그리고 영구적인 성장과 성능 향상의 명령으로부터의 문화적 전환을 포함한 구조적 변화를 필요로 합니다. 본 연구는 AI 인프라의 물질적 함의를 완전히 파악하기 위해 라이프사이클 데이터에 대한 투명성 제고가 시급함을 강조합니다.