개방형 모델 Kimi K3에 대한 일반적인 요청은 스웨덴 서버에서 실행될 때 약 0.4g의 CO2를 방출합니다. 동일한 하드웨어에서 동일한 요청이 텍사스에서 3.2그램을 방출합니다. 이는 8.5배 더 많은 것입니다. 이러한 격차는 스웨덴 AI 제공업체인 Berget AI가 스톡홀름 환경 연구소(SEI) 및 비영리 단체인 WattTime 및 Klimatkollen의 연구원과 함께 10월 21일 발표한 개별 AI 요청의 탄소 배출량을 계산하는 새로운 오픈 소스 방법의 핵심입니다.

요청별 탄소 계산이 중요한 이유 이 이야기에 대한 자세한 내용은 최신 AI 동향를 참조하세요.

Berget AI에 따르면 AI를 사용하는 대부분의 회사는 AI 사용이 실제로 무엇을 방출하는지 알 방법이 없습니다. 존재하는 공개 수치는 일반적으로 외부에서 추정한 광범위한 평균이며, 가정된 평균 발자국에 총 부피에 대한 추측을 곱하여 계산됩니다. 숫자는 누구도 독립적으로 확인할 수 없습니다.

새로운 방법은 정반대의 접근 방식을 취합니다. 즉, 서버가 실제로 실행되는 지역 전력망의 평균 배출 강도를 기반으로 요청별로 배출 요청을 계산하고 하드웨어 제조에 포함된 탄소를 접습니다. 결과는 사용된 모델, 시간, 프롬프트의 일부가 캐시에서 제공되는지 여부에 따라 달라지므로 각 요청은 균일한 평균이 아닌 개별적으로 계산됩니다.

Berget AI의 CEO인 Andreas Lundmark는 발표에서 "오늘날 대부분의 기업은 AI 사용이 무엇을 방출하는지 알 방법이 없습니다."라고 말했습니다. "이 방법을 통해 우리 고객은 요청에 따라 배출 요청을 따르고 마케팅 대신 데이터로 공급업체를 비교할 수 있습니다. 우리는 대부분의 유럽 구매자가 숫자를 볼 수 있다면 다르게 선택할 것이라는 것을 알고 있습니다."

그리드는 지배적인 변수입니다

헤드라인 비교(스웨덴의 Kimi K3 요청당 CO2 0.4g과 텍사스의 3.2g)는 그리드 혼합의 차이에서만 비롯됩니다. 보도 자료에 따르면 동일한 요청으로 아일랜드에서는 1.6g, 독일에서는 2.5g이 배출됩니다. 기본 하드웨어는 각 경우에 동일하기 때문에 델타는 거의 전적으로 데이터 센터가 연결되는 위치에 따라 달라집니다.

그 변수는 고정된 제약이 아니라 조달 결정이 되고 있습니다. 모든 데이터 센터에서 합법적으로 실행할 수 있는 개방형 모델은 이제 글로벌 AI 트래픽의 점점 더 많은 부분을 처리합니다. Berget AI는 Vercel의 AI Gateway 수치를 인용하여 개방형 가중치 모델이 4월의 11%에서 2026년 6월 토큰의 29%를 제공했음을 보여줍니다. 해당 워크로드의 경우 구매자는 배출량이 실제로 표시되는 지역을 선택할 수 있습니다.

Berget AI의 CTO이자 공동 창립자인 Christian Landgren은 "AI의 발자국에 대한 대부분의 놀라운 수치는 평균에 그 양에 대한 추측을 곱한 결과이며 누구도 이를 확인할 수 없습니다."라고 말했습니다. "유일하게 공정한 비교는 각 요청을 계산하고 합산하는 것입니다. 누구나 확인하고 사용할 수 있도록 판단 결과를 공개했습니다."

기존 표준을 기반으로 구축, MIT에서 출시됨

이 방법은 Green Software Foundation의 SCI for AI 사양을 따르며 GitHub의 MIT 라이선스에 따라 사용할 수 있습니다. Berget AI는 또한 EcoLogits 및 Sustainable AI Group의 CLEER 대시보드와 같은 이전 오픈 소스 추정기를 기반으로 모든 모델 및 지역에 이 방법을 적용하는 공개 계산기를 co2.berget.ai에서 출시했습니다. Berget의 자체 추론 서비스 고객은 모델을 쿼리할 때 회사 콘솔에 배출량이 누적되는 것을 볼 수 있습니다.

파트너들은 Berget의 인프라(에너지, 물, 하드웨어)가 해당 인프라에서 실행되는 Klimatkollen의 Garbo AI의 탄소 발자국과 함께 직접 환경에 미치는 영향을 매핑하고 측정한 다음, 자원 사용을 탄소 및 더 광범위한 환경 영향으로 변환하는 방법에 대한 현재 연구와 측정을 결합했습니다.

수요 증가는 여전히 효율성을 앞지릅니다.

이번 출시는 데이터 센터 전력 소비에 대한 전망이 급격히 높아지는 가운데 이루어졌습니다. SEI의 연구 이사인 Somya Joshi는 AI가 주요 동인으로 데이터 센터의 전력 소비가 2030년까지 두 배 이상 증가하여 약 945TWh에 달할 것으로 예상하는 국제에너지기구(International Energy Agency)의 수치를 지적했습니다.

Joshi는 발표에서 "효율성 향상에 대한 약속은 수요 증가로 인해 더 중요해질 가능성이 높으며 재생 에너지의 배출 감소가 무효화될 수 있습니다."라고 말했습니다. "이와 같은 방법은 정보에 입각한 결정을 위한 투명한 기반을 제공합니다. 이 방법의 장점은 지속 가능한 AI가 가능한 방법과 관련하여 그리드 및 중요 인프라의 위치가 어떻게 중요한지 명확하게 보여주는 것입니다."

AI 구매자에게 미치는 영향

자체 개방형 배포를 실행하는 회사의 경우 실질적인 의미는 간단합니다. 동일한 모델이 지역에 따라 8배까지 달라지는 탄소 가격을 지닐 수 있으며 이제 계약에 서명하기 전에 그 차이를 측정할 수 있는 도구가 존재합니다. Berget AI는 다른 추론 제공업체가 요청별 보고를 채택하여 구매자가 마케팅 주장이 아닌 측정된 수치로 제공업체를 비교할 수 있기를 원한다고 말합니다.

이 방법의 저자는 자신의 수치가 시간당 한계 배출량이 아닌 평균 그리드 혼합을 사용한 위치 기반 추정치라는 점을 인정합니다. 이는 이 도구 클래스에 일반적으로 사용되는 단순화입니다. 그럼에도 불구하고 검토를 위해 모두 게시된 가정의 투명성은 지금까지 AI 에너지 담론을 지배해 온 불투명한 평균과 노력을 구별하는 것입니다.

다른 제공업체가 이를 따를지 여부는 코드보다는 조달 압력에 덜 좌우될 수 있습니다. 기업 구매자가 RFP에서 요청별 배출을 요구하기 시작하면 평균 기반 보고를 방어하기가 더 어려워질 것입니다.

---

AI 최신 소식

최신 AI 뉴스, 분석 및 혁신을 한 곳에서 확인하세요.

AI 뉴스 더 보기 →