[2026-07-22 | Viz Insight] AI 전력 소비를 세 개의 척도로 읽다: Our World in Data 데이터 시각화 리뷰

2025년 기준 전 세계 데이터센터(data center)의 전력 소비량은 485테라와트시(terawatt-hour, TWh)에 달한다. 독일의 연간 전력 발전량과 맞먹는 수치로, 전 세계 전력 발전량의 약 1.5퍼센트를 차지했다. 이 중 인공지능(artificial intelligence, AI) 전용 데이터센터가 소비한 전력은 약 155테라와트시이며, 전 세계 전력의 약 0.5퍼센트 수준이다. 인공지능 수요가 가파르게 늘면서 2030년에는 데이터센터 전력 소비량이 전 세계 발전량의 3퍼센트까지 두 배로 늘어날 전망이다. 이때 인공지능 데이터센터 전력 사용량은 비인공지능 데이터센터와 대등한 수준에 이를 것으로 예상된다. 국가별로는 미국 전체 전력 소비량의 5퍼센트가 데이터센터에 쓰이고, 아일랜드는 비중이 20퍼센트를 넘어섰다. 챗지피티(ChatGPT)나 제미나이(Gemini) 같은 대규모 언어모델(large language model, LLM)로 일상적인 텍스트 질문을 한 번 할 때 드는 전력은 0.24에서 0.34와트시(watt-hour, Wh) 수준이다. 복잡한 추론이나 7만 5000단어에 달하는 긴 문맥을 처리할 때는 최대 40에서 50와트시까지 급증한다.

그림 1. Stacked bar chart of projected global electricity use by data centers in 2025 and a base-case projection for 2030, where most of the increase is expected to come from AI-focused data centers. It shows totals rising from 485 TWh 1.5% of global electricity in 2025 — split into 155 TWh for AI-focused and 330 TWh for non-AI centers — to 945 TWh 3% of global electricity in 2030 — split into 465 TWh AI-focused and 480 TWh non-AI. Data source: IEA 2026. License: CC BY to Our World in Data. · 출처: Our World in Data · 라이선스: CC BY

아워월드인데이터(Our World in Data)의 해나 리치 연구원은 국제에너지기구(International Energy Agency, IEA), 에너지연구소(Energy Institute, EI), 민간 연구 단체 에포크 에이아이(Epoch AI) 등의 공개 보고서를 토대로 분석 데이터를 구성했다. 분석 범위는 2020년부터 2025년까지의 전력 사용 실적과 2030년까지의 시나리오별 전망이다. 전 세계 전력 생산량 대비 데이터센터 전력 소비 점유율은 백분율로, 거시적 전력량은 테라와트시로 표기했다. 개인 단위 세부 분석에서는 정보 검색과 처리 과정에서 늘어나는 질의당 추가 전력 수요를 와트시로 측정했다.

전체 데이터센터 소비 전력을 보여주는 누적 막대 차트(stacked bar chart)는 세로축 높이인 시각 변수(visual variable)를 전력 사용량인 데이터 변수(data variable)에 매핑했다. 막대를 구성하는 분할 영역 면적과 색상은 인공지능용과 비인공지능용 데이터센터라는 범주형 변수(categorical variable)를 나타낸다. 면적과 높이를 결합한 설계 덕분에 전체 전력 시장의 성장과 세부 구성 요소의 변화 양상을 한눈에 파악할 수 있다. 전력 소비량의 구성 비중만 표시하는 파이 차트(pie chart)로는 2025년에서 2030년 사이에 발생하는 절대적인 소비량 증가세를 전달하기 어렵다. 두 전망기관의 수치 격차를 보여주는 선 차트(line chart)는 선의 세로 위치를 전력량에, 가로 위치를 시간축에 대입했다. 선의 흐름은 두 예측 모델의 격차가 해를 거듭할수록 벌어지는 현상을 직관적으로 부각한다. 묶은 막대 차트(grouped bar chart)는 해마다 발생하는 격차를 정량적으로 비교하기 좋다. 반면 시간 흐름에 따라 점진적으로 벌어지는 추세를 보여주는 힘은 떨어진다.

그림 2. Line chart of global power demand from data centers in terawatt-hours TWh where two sources’ estimates diverge and both increase from 2020 to 2025. Energy Institute/S&P Global estimates which include crypto mining are much higher and grow from about 411 TWh in 2020 to about 788 TWh in 2025, while IEA estimates which exclude crypto mining rise from about 270 TWh to about 485 TWh, widening the gap. Source: IEA 2026 and Energy Institute 2026. License: CC BY. · 출처: Our World in Data · 라이선스: CC BY

인공지능 질의와 일상 활동의 소비 전력을 수평 막대 차트(horizontal bar chart)로 대조해, 독자가 체감하기 힘든 미시적 수치와 거시적 실생활을 연결하고 심리적 장벽을 해소했다. 막대 길이를 소비 전력 수치에 매핑하고, 아래로 갈수록 값이 커지도록 서열화해 설계했다. 단순 텍스트 질문 한 번에 소모되는 전력은 눈에 보이지 않을 만큼 미미한 0.3와트시 수준이다. 반면 1분 동안 샤워기를 틀 때 소비하는 전력은 160와트시에 달해 막대 길이가 화면을 가득 채운다. 두 활동의 극단적인 크기 대비는 단일 질문이 미치는 환경적 영향 우려를 덜어주고, 실제 그리드(grid)에 가해지는 집합적 수요가 얼마나 중요한지 환기한다. Bick et al. (2024). The Rapid Adoption of Generative AI에서 다룬 전례 없는 기술 보급 속도는 개별 연산 효율이 중요하다는 점을 강조한다. 연산 효율을 개선하는 일이 전체 전력망을 안정화할 장기적 열쇠임을 일깨운다.

시각화 엔진은 아워월드인데이터가 오픈소스로 배포한 아워월드인데이터 그래퍼(Our World in Data Grapher) 라이브러리를 사용했다. 전체 시각화 시스템은 타입스크립트(TypeScript) 언어를 기반으로 구축했다. 웹 프론트엔드는 리액트(React) 프레임워크와 상태 관리 도구 몹엑스(MobX)를 결합해 차트 요소를 실시간으로 다시 그린다. 데이터 관리 체계는 마이에스큐엘(MySQL) 데이터베이스에 저장된 테이블 정보와 제이슨(JSON) 형식 설정을 응용 프로그램 인터페이스(application programming interface, API)로 전송받아 화면에 표시한다.

그림 3. Our World in Data 데이터 시각화 · 출처: Our World in Data · 라이선스: CC BY

유사한 주제를 다룬 블룸버그 그래픽스(Bloomberg Graphics)의 기사형 시각화 프로젝트인 ‘인공지능 데이터센터가 전력 요금을 치솟게 한다(AI Data Centers Are Sending Power Bills Soaring)’는 로컬 그리드의 병목 현상과 주민이 체감하는 공공요금 인상 영향을 심층 보도했다. 블룸버그는 입체적인 삼차원(three-dimensional, 3D) 지도와 화면 스크롤에 반응하는 스크롤리텔링(scrollytelling)을 활용해 미국의 특정 송전 구역에 전력 부하가 쏠리는 현상을 시각적으로 재현했다. 반면 아워월드인데이터는 복잡한 지리 공간 분석(geospatial analysis)을 제외하고, 전 세계 총량 비교와 예측 모델 간 격차 검증 등 정형화된 차트를 연속으로 구성해 거시적 논점 연구에 집중했다.

참고 출처

• 참고자료 바로가기

How much energy do data centers and artificial intelligence use?