Google과 OpenAI는 지난 1년 동안 AI 쿼리가 짧은 TV 클립보다 더 많은 전력을 사용하지 않는다는 사실을 대중에게 확신시켜 왔습니다. 기후 과학자 Zeke Hausfather의 새로운 실제 감사에서는 자율 AI 에이전트에 대한 진실이 훨씬 더 경각심을 불러일으키고 있음을 시사합니다. 즉, 표준 채팅 교환보다 약 600배 더 많은 에너지를 소비할 수 있다는 것입니다. 2026년 8월 8일에 The Climate Brink에 대한 분석에서 발표된 연구 결과는 업계가 상시 자율 에이전트로 전환함에 따라 AI의 환경 영향에 대한 질문에 새로운 긴급성을 추가합니다. 업계를 형성하는 지속 가능성 논쟁에 대한 지속적인 보고를 보려면 AI 산업 보도를 따르세요.

거대 기술 기업의 에너지 주장에 대한 현실 점검

작년에 Google은 Gemini 텍스트 메시지 중앙값이 0.24Wh(와트시)의 전기만을 사용한다고 보고했습니다. 이는 텔레비전의 9초 미만입니다. OpenAI CEO인 Sam Altman은 유사한 수치를 제시하여 평균 ChatGPT 쿼리를 대략 0.34Wh로 추정했는데, 이는 2009년 Google 검색과 동등한 수치입니다.

두 숫자 모두 확장된 추론, 웹 검색, 다중 모드 처리 및 루핑 에이전트 동작이 없는 단일 텍스트 교환이라는 좁은 최선의 시나리오를 설명합니다. Hausfather가 지적했듯이 쿼리당 더 많은 토큰을 생성하는 추론 모델, 자율적으로 실행되는 다중 에이전트 시스템 또는 에이전트가 모든 단계에서 다시 읽는 계단식 컨텍스트를 설명하지 않습니다.

8주, 32억 개의 토큰

기후 과학자인 Hausfather는 Anthropic의 Claude Code 코딩 에이전트 사용을 8주 동안 꼼꼼하게 추적했습니다. Claude Code는 각 모델 호출에 대해 API에서 보고한 정확한 토큰 수를 포함하여 모든 세션의 전체 로컬 로그를 저장하므로 에이전트가 실제로 요구하는 것이 무엇인지에 대한 정확한 그림을 재구성할 수 있습니다.

숫자는 놀랍습니다. 그의 1,138개의 입력된 프롬프트는 14,000개 이상의 모델 호출을 촉발시켰습니다. 이는 프롬프트당 평균 약 12개입니다. 각 프롬프트는 평균 290만 개의 토큰을 처리했는데, 이는 일반적인 채팅 교환의 경우 대략 1,000개의 토큰을 처리한 것과 비교됩니다. 그의 에이전트는 해당 기간 동안 총 32억 개의 토큰을 처리했습니다.

놀라운 세부 사항: 대략 해당 토큰의 96%가 캐시 읽기였습니다. 14,000개 단계 각각에서 에이전트는 다음에 수행할 작업을 결정하기 전에 누적된 전체 컨텍스트를 다시 읽습니다. Hausfather가 화면에서 실제로 보는 텍스트(모델의 출력)는 처리된 전체 토큰의 0.4%에 불과합니다. 숨겨진 계산 비용은 거의 전적으로 뒤에서 발생합니다.

토큰을 전기로 변환

어떤 외부 당사자도 프론티어 모델의 토큰당 정확한 에너지 비용을 알지 못하기 때문에 Hausfather는 서로 다른 가정을 가진 세 가지 독립적인 추정 방법을 사용하여 토큰 수를 전기 가치로 변환했습니다. 그의 최선의 추산에 따르면 총 소비량은 8주 동안 데이터 센터 전력의 약 170kWh이며 불확도 범위는 70~330kWh입니다.

프롬프트당 이는 약 150Wh에 달하며 이는 중간 채팅 프롬프트 에너지의 약 600배입니다. 그의 Claude Code 세션 중앙값은 약 0.6kWh를 소비했는데, 이는 스마트폰 충전에 필요한 전기의 약 50배에 해당합니다. 그의 하루 평균 에이전트 사용량은 3.0kWh(1.2~5.9kWh 범위)에 달했는데, 이는 가정용 냉장고 2대의 일일 사용량보다 많은 수치입니다.

여러 병렬 에이전트가 광범위한 지리 데이터 분석을 실행한 그의 가장 집중적인 날은 평균 미국 가구의 일일 전력 사용량의 3분의 1 이상인 약 11kWh를 소비했습니다.

1년간의 에이전트 사용이 의미하는 바

1년으로 확장하면 Hausfather의 에이전트 기반 워크플로는 약 1.1MWh(메가와트시)의 데이터 센터 전력을 소비하며, 범위는 0.4~2.2MWh입니다. 이는 평균 미국 가구가 연간 사용하는 전력의 약 10분의 1에 해당합니다. 미국 평균 전력 혼합을 기준으로 하면 이는 연간 약 370kg의 CO2 환산 배출량에 해당합니다.

맥락상, 이는 전기 의류 건조기를 1년 동안 가동하는 것(약 262kg)보다 더 많은 양이며, 샌프란시스코에서 뉴욕까지 왕복 이코노미 항공편에서 직접 배출하는 배출량(약 700kg)의 대략 절반에 해당합니다. Hausfather는 이것이 일반적인 미국 휘발유 자동차의 연간 배출량의 약 8%에 해당하며 평균 미국의 연간 탄소 발자국의 약 2%에 해당한다고 지적합니다.

"이것은 동시에 대규모 배출원이자 총 탄소 발자국의 상대적으로 적은 부분입니다."라고 그는 썼습니다.

실제 레버: 깨끗한 성능과 스마트한 라우팅

Hausfather는 개인적인 죄책감을 중심으로 문제를 구성하지 않도록 조심합니다. 소수의 헤비 사용자 그룹에 의한 제한은 "어떤 곡선도 굽히지 않을 것"이라고 그는 주장합니다. 대신 그는 두 가지 구조적 지렛대를 강조합니다.

첫째, 더 간단한 작업을 더 작은 모델로 라우팅하면 의미 있는 차이가 발생합니다. 소형 모델은 프론티어 모델보다 토큰당 대략 5~7배 적은 에너지를 사용합니다. 둘째, 가장 중요한 것은 전기의 탄소 강도 자체가 지배적인 요소입니다. 동일한 작업 부하가 청정 전력으로 실행된다면 탄소 배출량은 약 90% 감소할 것입니다.

문제는 붐 뒤에 있는 연료입니다. Hausfather에 따르면 미국 데이터 센터에 계획된 현장 발전의 거의 4분의 3이 천연 가스로 운영됩니다. 이는 AI 컴퓨팅의 급속한 확장이 대부분 화석 연료에 의해 뒷받침되고 있음을 의미합니다.

상담원 규모에 따른 경고

Hausfather의 추정치는 합리적이지만 여전히 추정치이며 현재 사용 패턴을 반영합니다. AI 연구소는 이미 며칠, 몇 주, 심지어 몇 달 동안 자율적으로 실행되는 에이전트 기반 시스템을 배포하기 위해 경쟁하고 있습니다. 그 비전이 실현된다면 "사용자"당 에너지 소비량은 훨씬 더 높아질 수 있습니다.

그의 핵심 메시지는 Google과 OpenAI가 공개한 쿼리별 수치가 기술이 어떻게 발전하고 있는지에 대한 현실을 왜곡한다는 것입니다. Hausfather는 "'프롬프트'는 궁극적으로 '여행'이 운전을 측정하는 것과 마찬가지로 AI 사용의 단위가 아닙니다. 중요한 것은 얼마나 멀리 가는가"라고 썼습니다.

AI보다 앞서 나가세요

자율 에이전트가 새로운 인프라에서 기본 인프라로 이동함에 따라 숨겨진 에너지 비용을 무시하기가 더 어려워질 것입니다. AI 연구, 지속 가능성 및 해당 분야를 형성하는 기업에 대한 지속적이고 사실 확인된 보고를 받으려면 당사 홈페이지를 북마크에 추가하고 https://aibuzzwire.news에서 AI 뉴스를 더 읽어보세요 →.