인공지능(AI)은 전 세계 많은 사람들의 일상생활의 일부가 되어가고 있습니다. 개인 수준에서 사람들은 검색어에 AI 모델을 점점 더 많이 사용하고 있습니다. Google은 여전히 검색 시장을 장악하고 있지만 ChatGPT는 그 지배력에 가장 큰 위협을 가하고 있습니다.
비즈니스 수준에서는 농업에서 의료, 금융에서 엔터테인먼트에 이르기까지 모든 산업에서 제외되지 않으며 전 세계 조직이 AI를 일상 업무에 통합하고 있습니다.
AI에 대한 전 세계의 수요와 사용은 앞으로 기하급수적으로 증가할 것으로 예상되므로 기술 기업은 대규모 데이터 센터를 구축하여 이러한 발전에 대응하고 있습니다. 그러나 이러한 성장에는 에너지 소비, 경제적 비용, 환경에 미치는 영향이라는 대가가 따릅니다. 기존 컴퓨팅은 증가하는 컴퓨팅 및 에너지 수요를 따라잡을 수 없습니다. AI 혁명을 지속하려면 현대 컴퓨팅의 물리학을 다시 생각해야 합니다.
에너지 문제
AI를 고려하지 않더라도 전자 컴퓨팅은 중요한 시점에 있습니다. 무어의 법칙은 실패하고 데나드 스케일링은 무너졌으며 그 결과 과열을 피하기 위해 전원이 공급되지 않거나 유휴 상태로 유지되어야 하는 칩의 트랜지스터 부분인 "다크 실리콘"이 확산되었습니다.
대규모 AI 모델을 훈련하는 것은 쉬운 일이 아닙니다. LLM(대형 언어 모델)은 방대한 양의 데이터를 학습하고 수조 개의 매개변수를 갖습니다. 그들은 프로세스를 수십억 번 예측, 측정, 조정 및 반복합니다. AI 모델을 훈련하는 데 필요한 컴퓨팅 성능은 6개월마다 두 배로 늘어날 것으로 추정됩니다.
이렇게 많은 양의 데이터를 처리하고 이동하려면 대규모 병렬성과 성능이 필요합니다. 기존 컴퓨팅에서는 더 높은 전력을 사용하려면 더 높은 밀도의 시스템이 필요합니다. 밀도가 높을수록 저항이 커지고 저항이 높을수록 열이 높아집니다. 이로 인해 데이터 센터는 많은 에너지를 컴퓨팅에서 냉각으로 전환해야 하며, 전체 데이터 센터 에너지 소비의 최대 40%는 서버 붕괴를 방지하는 데 사용됩니다.
AI를 지원하는 인프라는 이미 어려움을 겪고 있으며 기존 컴퓨팅이 더 이상 미래 개발을 지원할 수 없다는 것이 분명합니다.
경제적 문제
데이터 센터 운영자는 재정적 난관에 직면해 있습니다. 컴퓨팅 밀도를 현재 냉각 시설이 처리할 수 있는 수준으로 제한하여 비즈니스 기능을 방해하거나 열 제한을 밀어붙여 하드웨어 및 구성 요소의 노후화를 가속화하고 운영 비용과 낭비를 늘리는 것입니다.
또한 새로운 데이터 센터를 구축하는 데 드는 비용도 매우 높습니다. - McKinsey는 2030년까지 미화 5조 2천억 달러의 투자가 필요할 것으로 예측합니다. 데이터 센터가 계속해서 기존 컴퓨팅에 의존한다면 비효율적인 인프라에 대한 투자는 엄청난 재정적 위험이 될 것입니다. 일반 소비자도 열악한 경제 상황의 영향을 받습니다. AI가 그리드에 전례 없는 압력을 가하고 데이터 센터의 전력 수요가 증가함에 따라 전기 가격도 상승하고 있습니다. 이러한 비용은 급증하는 전기요금의 형태로 주변 가구에 전가됩니다.
