AI가 물을 마신다 — 그런데 물을 아끼면 전기를 더 쓴다

70만 리터와 66억 세제곱미터

한 논문의 초록 안에 물의 양을 말하는 숫자 두 개가 나란히 있습니다.

첫째 숫자는 70만 리터입니다. GPT-3라는 언어 모델을 마이크로소프트의 최신 미국 데이터센터에서 한 번 훈련하면, 깨끗한 담수 70만 리터를 곧바로 증발시킬 수 있습니다. 둘째 숫자는 42억~66억 세제곱미터입니다. 전 세계 AI 수요가 2027년 한 해에 끌어다 쓸 것으로 전망되는 물의 양입니다. 덴마크가 한 해에 끌어다 쓰는 물 전체의 4~6배보다 많고, 영국의 절반보다 많은 양입니다 (arXiv:2304.03271v5).

두 숫자는 단위부터 다릅니다. 1세제곱미터는 가로·세로·높이가 각각 1미터인 상자를 가득 채운 물로, 1000리터입니다. 둘째 숫자는 첫째보다 천 배 큰 눈금으로 적혀 있습니다. 분모도 다릅니다. 첫째는 모델 하나를 훈련하는 한 번이고, 둘째는 전 세계 한 해입니다.

그리고 두 숫자는 세는 물이 다릅니다. 첫째는 증발해 사라진 물이고, 둘째는 끌어다 쓴 물입니다. 끌어다 쓴 물은 그 자리에서 없어지지 않습니다. 일부는 증발하고 나머지는 어딘가로 돌아갑니다.

이 둘을 섞으면 셈이 어긋납니다. 미국 화력발전소가 강이나 지하수에서 끌어다 쓰는 물의 약 32퍼센트는 발전하지 않는 동안 끌어 올린 물입니다. 그리고 2015년의 한 검토는, 물 부족을 경고한 연구들이 사라진 물 대신 끌어다 쓴 물을 근거로 삼은 것을 첫 번째 오류로 꼽습니다. 둘 다 다음 절에서 자세히 봅니다. 그런데 우리가 늘 듣는 문장에는 그 구분이 없습니다.

"AI가 물을 마신다."

이 글은 그 문장을 세 가지로 나눠 검사합니다. 무엇을 얼마나 마시는지, 마시지 않으려 하면 대신 무엇을 쓰게 되는지, 그리고 그 답이 왜 장소마다 달라지는지입니다. 그 과정에서 물을 두 군데로 나눠 셉니다. 데이터센터 안에서 쓰는 물과, 그 데이터센터가 쓰는 전기를 만드는 발전소가 쓰는 물입니다.

읽기 전에 알아 둘 것이 두 가지 있습니다. 첫째, 인용하는 연구의 근거 등급이 고르지 않습니다. 이 주제는 2026년에 쏟아진 프리프린트가 많고, 프리프린트 공개는 동료심사 여부와 무관합니다. 모의실험만으로 낸 결과, 공장 한 곳의 사례, 특정 지역에만 해당하는 결과도 인용하는데, 그때마다 표시했습니다. 둘째, 이 글은 냉각 장치의 물리를 다시 설명하지 않습니다. 계산이 만든 열을 어디로 어떻게 버리는가는 「공기로는 더 이상 안 된다 — 계산이 만든 열은 어디로 가는가」가 설명합니다. 여기서 보는 것은 물과 전기가 서로 자리를 바꾸는 방식 하나뿐입니다. AI가 쓰는 전기를 다 합치면 얼마인가라는 논쟁은 「AI는 전기를 얼마나 쓰는가 — 자료마다 숫자가 갈리는 진짜 이유」에 있습니다.

끌어다 쓴 물과 사라진 물

미국 화력발전소들이 끌어 올린 물의 약 32퍼센트는, 그 발전소가 전기를 만들고 있지 않은 동안에 끌어 올린 것입니다 (DOI: 10.1115/power-icope2017-3763). 미국 에너지정보청이 발전소별로 끌어 올린 물의 양과 발전량과 설비 구성을 한 데이터베이스로 묶어 공개했고, 덕분에 발전기 한 대 단위까지 들여다볼 수 있게 되면서 나온 값입니다.

발전하지 않는데 물을 끌어 올리는 이유는 운전 방식에 있습니다. 저자들이 현장 관계자를 인터뷰해 정리한 바로는, 수요가 가장 많을 때 돌리는 첨두 발전소와 그 중간쯤에서 돌리는 중간 부하 발전소는 냉각계통을 미리 돌려 두기도 합니다. 운영자가 발전하라고 지시하면 곧바로 응할 수 있게 하려는 것입니다. 펌프 마모를 줄이려는 고려와 물의 화학 상태 관리도 이유로 꼽혔습니다.

이 숫자가 이상하게 들리는 것은 "물을 쓴다"는 말이 실제로는 두 가지를 뜻하기 때문입니다. 취수는 강이나 지하수, 상수도에서 끌어온 물의 양이고, 소비는 그중 증발해 그 유역으로 돌아오지 않은 물의 양입니다. 빨래를 헹구고 하수구로 흘려보낸 물은 취수이고, 냄비에 올려 김으로 날아간 물은 소비입니다. 발전하지 않는 발전소가 끌어 올린 물은 취수에 잡히지만, 그 물이 통째로 사라지지는 않습니다.

냉각탑은 이 둘을 한 장치 안에서 동시에 합니다. 물을 계속 돌려 쓰면서도 두 갈래로 재고를 잃는데, 하나는 증발이고 하나는 배수입니다 (DOI: 10.1115/power2015-49201). 배수 쪽은 이 글에 계속 나오므로 이름을 붙여 둡니다. 농축 배수(blowdown)는 냉각수를 돌려 쓰는 동안 남은 물에 소금기가 진해져서, 설비가 상하기 전에 일부러 버리는 물입니다. 국을 오래 끓이면 짜져서 물을 더 붓거나 한 국자 덜어 내야 하는 것과 같습니다. 같은 논문은 냉각탑이 산업과 상업을 통틀어 물을 가장 크게 재이용하는 설비라고 적으면서, 그 성적이 지역 기후에 크게 좌우된다고 덧붙입니다.

그러면 소비를 재면 될 것 같지만, 그 자료가 없습니다. 물수지 방정식이 수문학의 한복판에 있는데도, 2018년 기준으로 사람과 경제가 실제로 소비한 물에 대한 실측은 없었습니다 (DOI: 10.5194/hess-2018-53, 공개 심사 중인 토론 논문). 다만 같은 초록의 결론은 반대쪽을 향합니다. 저자는 이미 가진 취수 자료로도 답할 수 있는 물 관리·정책 질문이 넓게 있다고 적고, 더 나은 소비 조사가 마련되기를 기다리는 동안에는 지금 가진 취수 자료가 가장 중요한 과학적·실용적 목적 몇 가지에 충분하다고 결론짓습니다. 취수 자료는 그것이 무엇을 세는지 알고 쓰면 여전히 쓸모가 있습니다.

이 구분 하나로 결론이 정반대로 나온 검토도 있습니다. 미국 여러 지역에 곧 광범위한 물 부족이 온다고 경고한 연구들을 2015년의 한 검토 논문이 다시 읽었습니다. 그 결론은 전력 생산이 대부분 지역에서 물 부족을 부르지는 않을 것이라는 쪽이었습니다. 첫 번째 이유가 바로 이 구분입니다. 그 경보성 연구들이 물의 수요와 공급 사이 간극을 재면서, 소비 대신 취수에 잘못 의존했다는 것입니다. 저자는 시장이 재이용과 새 공급을 늘리고 기술이 절약과 효율을 밀어 올릴 것이며, 가격 규제와 수리권과 행정구역 경계를 겨눈 정책이 부족을 줄이거나 없앨 수 있다고도 적습니다 (DOI: 10.2166/wp.2015.060, 2015년 검토·미국 한정).

그래서 이 글에 나오는 모든 물 수치에는 꼬리표가 하나씩 붙어야 합니다. 끌어온 물(취수)인가, 사라진 물(소비)인가.

지표는 하나인데 세는 게 다르다

데이터센터에서 보고된 항목 83건을 한자리에 모아 놓고 보면 물을 쓰는 양의 폭이 아주 큽니다. 어떤 시설은 물이 사실상 필요 없다고 보고하고, 어떤 시설은 계산에 쓴 전기 1킬로와트시마다 물이 최대 2.5리터까지 나간다고 보고합니다 (DOI: 10.3390/fluids11080201).

이 값을 재는 눈금에 이름이 있습니다. 물사용효율(water usage effectiveness, WUE)은 시설이 쓴 물의 양을, 계산 장비에 실제로 들어간 전기로 나눈 값입니다. 전기 1킬로와트시를 계산에 쓸 때 물이 몇 리터 나갔는지를 잽니다. 전력사용효율과 같은 꼴입니다. 전력사용효율은 시설 전체가 끌어다 쓴 전기를 그중 계산 장비에 실제로 들어간 전기로 나눈 값이고(「AI는 전기를 얼마나 쓰는가 — 자료마다 숫자가 갈리는 진짜 이유」), 물사용효율은 그 분자만 물로 바꾼 것입니다.

폭이 이렇게 큰 것은 냉각 방식이 갈리기 때문입니다. 증발식 냉각은 물을 증발시켜 열을 버리는 방식이고, 건식 냉각은 물 대신 공기만으로 열을 버리는 방식입니다. 땀을 흘려 몸을 식히는 것이 증발식, 선풍기 바람만으로 식히는 것이 건식입니다. 앞의 조사에서 물이 사실상 필요 없다고 보고한 쪽은 폐회로 액체 냉각을 쓰는 건식 시설이었고, 킬로와트시당 2.5리터까지 간 쪽은 증발식 계열이었습니다.

같은 조사에서 83건 중 23곳이 킬로와트시당 0.4리터를 넘었습니다. 0.4리터는 업계 협약이 제시한 목표치인데, 붙어 있는 조건이 셋입니다. 신규 시설일 것, 음용수를 쓸 것, 물이 귀한 지역일 것입니다. 마지막 조건에도 이름이 있습니다. 물 스트레스(water stress)는 그 지역에서 쓰려는 물의 양이 그곳에 실제로 있는 물의 양에 얼마나 육박하는지를 나타낸 값입니다. 잔에 남은 물의 양보다, 그 물을 몇 명이 동시에 마시려 하는지에 가까운 값입니다. 그러니 협약의 0.4리터는 물 스트레스 지역에서 음용수를 쓰는 신규 시설에 붙은 목표치이고, 조건을 하나라도 떼면 그대로 적용되지 않습니다.

같은 논문의 저자들은 이 지표가 무엇을 재는지도 정리합니다. 보고된 물사용효율은 시설 단위의 운영 지표이고, 서버가 내는 열 가운데 증발로 버려지는 몫이 그 값을 정합니다. 서버 쪽에서 열을 잘 빼내는 성능은 물사용효율을 낮게 만들 수 있는 조건일 뿐, 그 값을 결정하지는 않는다고 저자들은 적습니다. 이 정리가 물사용효율에 꼬리표를 붙여 줍니다. 값을 정하는 것이 증발로 버려지는 몫이라면, 이 눈금의 분자는 사라진 물(소비)에 가깝습니다.

전체에서 차지하는 크기도 볼 필요가 있습니다. 미국 데이터센터의 물 소비는 하루 17억 리터로, 미국 전체 물 소비 하루 1조 2180억 리터에 비하면 데이터센터 몫은 작습니다 (DOI: 10.1038/s41545-021-00101-w, 2021년 검토). 다만 이 17억 리터가 직접 냉각분만인지, 그 전기를 만드느라 발전소가 쓴 물까지인지는 초록이 갈라 적지 않습니다. 같은 초록에는 다른 두 숫자가 붙어 있습니다. 어떤 경우에는 냉각에 직접 쓴 물의 57퍼센트가 음용수에서 왔고, 물 소비를 재고 있는 데이터센터 운영자는 3분의 1이 안 됩니다. 데이터센터의 물은 전국 총량에서는 작은 몫이지만, 그 값을 재는 운영자부터 적습니다.

지표 자체가 흔들린다는 지적도 있습니다. EU는 개정 에너지효율지침으로 데이터센터에 시설 단위 에너지·물 실적을 재고 보고하고 공개하라고 요구합니다. 이 지침이 승인한 두 지표인 전력사용효율과 물사용효율이 효율이 좋아졌다는 착시를 만들도록 비틀릴 수 있다고 한 논문은 주장합니다. 저자들은 이것을 "효율의 역설"이라 부릅니다. 점수를 좋게 받으려면 더 큰 AI 데이터센터로 개조하는 쪽이 유리해지고, 그 값은 전력 공급과 주민들의 물 접근에서 치러진다는 것입니다. 저자들의 정책 제안은 세 가지입니다. 효율 개선을 드러내고 인증하게 하는 조치, 지표 개선에 딸린 상충을 문서로 남기게 하는 조치, 그리고 수확 체감과 역효과를 시간에 따라 감시하는 틀입니다 (arXiv:2607.22604v1, 프리프린트·EU 정책 논변). 전력사용효율이 AI 시대에도 제 몫을 하는지 물은 별도의 검토도 물사용효율과 탄소사용효율과 장비 가동률을 함께 봐야 한다는 쪽으로 갑니다 (DOI: 10.38126/jspg280101).

반등효과는 효율이 좋아져 아낀 몫이, 그만큼 더 많이 쓰게 되는 바람에 도로 메워지는 현상입니다. 앞의 효율의 역설은 「AI는 전기를 얼마나 쓰는가 — 자료마다 숫자가 갈리는 진짜 이유」가 전기에서 본 반등효과와 닮은 데가 있습니다. 효율 점수가 좋아지는 것과 쓰는 총량이 줄어드는 것은 같은 일이 아닙니다.

하나를 아끼면 다른 하나를 더 쓴다

브라질 상파울루의 한 제약 공장이 냉각 구성 세 가지를 나란히 놓고 계산했습니다. 세 구성은 모두 칠러, 곧 차가운 물을 만들어 설비를 식히는 냉동기를 씁니다. 둘은 칠러의 열을 냉각탑 물로 버리고 그 보충수의 출처만 다르며, 하나는 공기로만 버립니다. 첫째는 냉각탑 물로 식히는 칠러, 둘째는 같은 칠러에 역삼투 농축수를 보충수로 되쓰는 구성, 셋째는 공기로만 식히는 칠러입니다. 역삼투 농축수는 정수 장치가 깨끗한 물을 걸러 내고 남긴 진한 물이고, 보충수는 냉각탑이 증발과 배수로 잃은 만큼 새로 채우는 물입니다.

공기로만 식히는 구성은 냉각탑 물 소비를 없앴습니다. 대신 전기를 약 29퍼센트 더 썼고, 그 양은 연간 1.7기가와트시였습니다 (DOI: 10.2139/ssrn.7412964, 단일 사례·제약 공장·브라질). 물이 0으로 간 자리에 전기가 들어왔습니다. 이것이 이 글의 뼈대입니다.

같은 연구는 물을 아끼는 쪽의 대가도 잽니다. 역삼투 농축수를 섞자 규소 농도가 올라갔습니다. 그래서 물 한 방울이 버려지기 전까지 돌 수 있는 바퀴 수가 7.4에서 4.3으로 줄었고, 냉각탑 농축 배수는 시간당 1.51세제곱미터에서 2.97세제곱미터로 늘었습니다. 그래도 시스템 전체로는 음용수 소비가 16퍼센트, 폐수 발생이 41퍼센트 줄었고, 전기는 사실상 늘지 않았습니다. 연간 운영비는 세 구성이 각각 539만·501만·513만 헤알이었습니다. 저자들의 결론은 이렇습니다. 평가한 조건에서는 농축수 재이용이 물과 에너지 사이의 균형이 가장 좋았고, 공기 냉각은 직접적인 물 절약을 최대로 하되 그 값을 더 많은 전기 수요로 치렀습니다.

데이터센터에서도 같은 교환이 나타납니다. 미국의 데이터센터 거점 열두 곳에 10메가와트 기준 시설을 놓고, 건식 냉각과 단열 냉각을 비교한 연구가 있습니다. 단열 냉각은 건식 방열기로 들어가는 공기에 물을 뿌려 온도를 낮춰 주는 방식입니다. 물을 계속 뿌리는 운전 조건에서, 단열 냉각은 열을 버리는 데 쓰는 전기를 중앙값 30.5퍼센트, 최대 41퍼센트 줄였습니다. 대가는 아낀 전기 1킬로와트시당 현장에서 쓴 물 약 8~56갤런, 곧 30~210리터였고, 이 폭은 지역에 따라 크게 갈렸습니다 (DOI: 10.2139/ssrn.7238869, 프리프린트·모의실험·ASHRAE 설계조건).

저자들의 판단은 직관과 어긋납니다. 그 현장 물의 양은, 같은 1킬로와트시를 안 썼다면 발전소에서 아꼈을 물보다 대략 한 자릿수 큽니다. 그래서 단열 냉각은 운영 단계의 물을 줄이지 않고, 물 부담을 계통에서 현장으로 옮긴다는 것이 저자들의 결론입니다.

같은 초록은 반대 방향의 결과도 적습니다. 피닉스와 라스베이거스와 투손의 가장 혹독한 설계조건에서는, 건식 냉각이 목표 냉각수 출구 온도인 섭씨 41.7도에 아예 도달하지 못해 주 냉각 기술로 쓸 수 없었습니다. 서른여섯 경우 가운데 두 기술이 모두 가능한 스물아홉 경우만 비교됐고, 초록이 이름을 댄 불가 사례가 이 셋입니다. 비용 순위는 기후보다 전기 요금과 물 요금의 비율이 더 크게 좌우했습니다. 근거의 범위도 분명히 해 둡니다. 이 열두 곳은 애초에 단열 냉각이 잘 들을 만한 곳으로 골랐고, 습한 기후는 저자들이 준비 중인 후속 연구로 미뤘습니다. 저자들은 설계조건, 계통 탄소, 물 스트레스, 전기 대 물 요금비를 짝지은 네 축의 틀을 입지 결정의 근거로 제안하고, 그것이 지금 주 단위로 벌어지는 신규 데이터센터 유예 논쟁에도 걸린다고 적습니다.

반대편, 곧 물을 0으로 만드는 쪽에서도 같은 교환이 보입니다. 도시 기반시설 확충 계획을 시간별 기후 자료와 함께 최적화한 연구가 증발식 냉각과 폐회로 공랭 칠러 두 전략을 놓고 돌려 봤습니다. 대표적인 도시 마이크로그리드 하나를 놓고 돌려 보니, 현장 물 사용을 0으로 만드는 데만 최적화하면 자원 부담이 지역 전력망 쪽으로 옮겨 갔습니다. 그 값으로 저탄소 발전과 에너지 저장, 그리고 총 기반시설 비용을 크게 늘려야 했습니다 (DOI: 10.2139/ssrn.6722099, 프리프린트·모의실험).

액체 냉각 시설의 방열 구성 여섯 가지를 미국 네 거점에서 비교한 연구는, 어떤 구성도 모든 지표에서 앞서지 않으며 최선은 기후와 어떤 지표에 무게를 두느냐에 달렸다고 결론짓습니다. 자원 지표들을 같은 무게로 놓으면 칠러를 곁들인 건식이 0.90~0.95로 가장 높은 점수를 받습니다. 반면 운영비는 물로 식히는 계열이 IT 킬로와트시당 0.100~0.135달러로 가장 낮았습니다. 건식은 자원을 아끼는 대신, 지금의 전기 요금 아래서 상당한 웃돈을 요구한다는 뜻입니다. 그리고 서버가 더 높은 온도를 견디는 세대로 넘어가면 에너지와 물 성적이 모두 좋아져, 칠러 없는 습식 구성이 조사한 모든 거점에서 재정적으로 우세해집니다 (DOI: 10.2139/ssrn.7071714, 프리프린트·모의실험·미국 4개 거점).

이 저울은 데이터센터에서 처음 생긴 것이 아닙니다. 2011년에 석탄과 원자력과 가스복합 발전소를 다섯 부지에서 비교한 연구는, 최적 설계 기준으로 거의 모든 조건에서 습식이 가장 싸고 출력과 효율도 가장 높다고 적습니다. 건식이나 혼합식은 물을 크게 줄이지만 그 절약에 연간 700만~1000만 달러가 들어, 손익분기 물값이 1000갤런당 3~6달러로 나왔습니다 (DOI: 10.1115/imece2011-63135, 2011년·발전소 사례 연구). 물이 그보다 싸면 습식이 이기고, 비싸지면 건식이나 혼합식이 이깁니다.

그 전기를 만드는 데도 물이 든다

미국 하이퍼스케일 데이터센터, 곧 거대 클라우드 기업이 짓는 초대형 시설 472곳의 위치를 전력 지역과 유역과 물 스트레스 자료에 붙여 본 지도가 있습니다. 기준 가정 아래 운영 단계 물 소비가 연간 약 3000억 리터로 나왔고, 시나리오에 따라 2050억에서 4510억 리터 사이였습니다. 이 총량의 4분의 3은 그 시설들 안에서 나간 물이 아니었습니다 (arXiv:2607.02531v1, 프리프린트).

나머지 물은 발전소에서 나갔습니다. 간접 물 사용(indirect water use)은 그 시설이 쓴 전기를 만드느라 발전소가 대신 쓴 물입니다. 전기요금 고지서에는 안 찍히지만, 멀리 떨어진 발전소에서 이미 증발해 사라진 물입니다. 이 지도에서 데이터센터 물 소비의 4분의 3이 이 간접 물이었습니다.

같은 연구의 두 번째 발견이 더 중요합니다. 현장 물과 간접 물은 지도 위에서 서로 다른 곳에 몰립니다. 현장 냉각 부담은 서부와 중남부의 물 스트레스 유역에 쌓이고, 전기에 딸린 물은 화석 발전 비중이 높은 동부 몇몇 계통 지역에 쌓입니다. 균형책임구역은 한 지역 안에서 전력의 수요와 공급을 맞추는 일을 맡은 운영 단위인데, 데이터센터를 품은 24개 균형책임구역 가운데 세 곳이 전기 관련 물의 59퍼센트를 차지했습니다. 저자들은 경로를 갈라 놓아야 어떤 결정이 어디서 중요한지가 보인다고 정리합니다. 냉각 설계와 물 조달은 국지적으로, 전력 계획과 조달은 광역으로 다뤄야 한다는 것입니다.

앞 절의 결과와 부딪히는 것처럼 보이는 대목이 있습니다. 간접 물이 총량의 4분의 3인데, 열두 도시 비교에서는 발전소에서 아끼는 물이 현장에서 쓰는 물의 10분의 1밖에 안 됐습니다.

두 값은 다른 질문의 답이라 크기를 직접 견줄 수 없습니다. 4분의 3은 이미 돌아가고 있는 472곳의 물이 어느 경로로 나가는지를 나눈 몫의 배분입니다. 10분의 1은 냉각 방식을 하나 바꿀 때 두 항목이 얼마씩 움직이는지를 잰 한 걸음의 교환비입니다. 회계 기준도 다릅니다. 4분의 3은 초록이 '소비'라고 못 박은 값이고, 교환비는 현장 물과 상류 물이 취수인지 소비인지를 초록이 적지 않은 값입니다. 그리고 교환비는 애초에 건조한 기후로 고른 열두 거점에서 나왔습니다. 결국 둘 중 어느 쪽이 커지는지는 그 지역 전기가 물을 얼마나 쓰느냐에 달렸고, 그건 데이터센터 설계자가 고를 수 있는 값이 아닙니다. 이 대조는 두 논문을 나란히 놓고 우리가 정리한 것이고, 어느 한 논문이 적어 놓은 문장은 아닙니다.

그러면 전기를 탈탄소하면 간접 물도 줄어들 것 같지만, 그렇지 않을 수 있습니다. 유럽 전역의 전력 흐름을 15분 단위로 추적해 탄소발자국과 물발자국을 함께 계산한 도구가 있습니다. 물발자국은 어떤 활동에 딸려 쓰인 물의 양입니다. 이 도구의 결과로는 탈탄소와 물 사용 사이에 상충이 있으며, 저수지형 수력이 저탄소 계통에서도 물발자국을 키우는 두드러진 몫을 합니다. 같은 연구는 국경을 넘나드는 전력 거래와 시간에 따른 변동을 무시하면 두 발자국 모두 크게 어긋나게 추정된다고 덧붙입니다 (arXiv:2601.11623v2, 프리프린트).

중국 발전 부문의 물 계수를 모은 문헌 검토도 나란한 그림을 줍니다. 발전용 물 소비의 50퍼센트가 석탄 몫이었고, 물 소비 원단위, 곧 전기 한 단위를 만들 때 소비하는 물의 평균은 수력이 가장 컸습니다. 이 둘은 다른 축의 값이라 겹쳐 읽으면 안 됩니다. 앞은 총량이 어디로 갔는지이고, 뒤는 단위당 세기입니다. 같은 초록은 천연가스 발전의 물 소비 원단위를 다룬 연구가 아예 없었고 취수 쪽 연구도 부족했다고 적습니다 (DOI: 10.3390/su10041181, 문헌 검토·중국 한정).

탄소와 물을 동시에 좋게 만들기도 쉽지 않습니다. 지리적으로 흩어진 데이터센터에 계산 작업을 배치하는 문제에서, 탄소와 물은 서로 어긋나 있어 하나만 최적화하면 다른 하나가 나빠집니다. 이를 발견한 연구는 둘을 함께 최적화하는 스케줄러를 내놓습니다 (arXiv:2501.17944v2, 프리프린트).

작업 배치와 발전소 운전을 물까지 고려해 조정하면 얼마나 얻을지에 대해, 한 모의실험이 내놓은 답은 몇 퍼센트 수준입니다. 급전, 곧 어느 발전소를 얼마나 돌릴지 정하는 최적화 안에 물 흐름을 직접 집어넣은 프레임워크가 있습니다. 연구용 표준 모의 전력망인 IEEE 30버스와 118버스 시험 계통에서, 이 틀은 물이 제약된 조건일 때 발전 관련 담수 취수를 약 3~5퍼센트 줄였습니다 (arXiv:2605.25854v1, 프리프린트·시험 계통 모의). 공짜로 얻는 몫치고는 의미 있지만, 자릿수를 바꾸는 크기는 아닙니다.

그래서 총량이 아니라 어디인가

미국 열 곳의 데이터센터 부지에서 지역사회의 물 공급 설비에 얹힌 부담을 재 보니, 가장 가벼운 곳과 가장 무거운 곳이 세 자릿수만큼 벌어졌습니다. 그 지역 호스트 용량의 0.2퍼센트에서 134퍼센트까지입니다 (arXiv:2606.21760v1, 프리프린트·미국 10개 부지). 초록은 그 부담을 '물 소비 영향 지수'로 재서 '호스트 용량'과 견주는데, 그 용량이 정확히 무엇의 용량인지는 더 밝히지 않습니다. 134퍼센트는 그 부지의 부담이 기준 용량을 넘어선다는 뜻입니다. 같은 논문은 세 가지가 따로 연구돼 왔지만 하나의 되먹임 고리를 이룬다고 봅니다. 냉각에 물이 들고, 물 부족이 입지를 제약하고, AI 도구가 물 시스템의 효율을 개선할 수 있다는 것입니다.

그래서 같은 1리터도 어디서 언제 쓰였느냐에 따라 무게가 달라집니다. 이 점을 겨눈 연구는 선행 연구가 대체로 총 사용량을 줄이는 데 집중해 왔다고 지적합니다. 그리고 카운티 단위와 월 단위로 물 가용성을 반영하는 스트레스 보정 틀을 제안하고, 여기에 전기에 딸린 물까지 넣습니다. 그 틀 위에서 작업 스케줄링, 빗물 수집, 그리고 물을 안 쓰는 대안으로서의 건식 냉각을 함께 검토합니다 (arXiv:2607.22617v1, 프리프린트). 물이 귀한 곳과 때에 쓴 1리터는, 물이 넉넉한 곳과 때에 쓴 1리터보다 무겁습니다.

국지적으로 먼저 걸리는 것은 연간 총량보다 한여름 첨두에 관을 통과할 수 있는 물의 양입니다. 미국 데이터센터의 직접 취수를 공공 수도 체계 관점에서 따져 본 연구는, 2024년의 물 사용 강도가 그대로 유지된다면 2030년까지 하루 6억 9700만~14억 5100만 갤런의 새 수도 용량이 필요해진다고 추정합니다. 뉴욕시 하루 평균 공급량이 약 10억 갤런입니다. 물 사용 강도가 해마다 10퍼센트씩 좋아지는 낙관 시나리오에서는 2억 2700만~6억 400만 갤런으로 내려갑니다. 그래도 IT 부하가 크게 늘면 한 해의 대부분 동안 뉴욕시 절반을 먹일 만한 용량이 필요할 수 있습니다. 그 새 용량의 값은 100억 달러 규모이고, 고성장 시나리오에서는 580억 달러까지 갑니다 (arXiv:2603.02705v2, 프리프린트).

이 숫자들은 한 해 동안 쓴 양이 아니라 가장 많이 쓰는 날을 버틸 수 있는 관의 굵기, 곧 용량입니다. 그리고 여기서 이 글의 두 축, 물과 전기가 다시 만납니다. 같은 연구가 지적하듯, 물 용량 제약에 걸린 운영자는 효율이 떨어지는 건식 냉각에 기대게 될 수 있고, 그러면 여름 첨두에 전력망을 더 압박합니다. 같은 논문은 이 영향이 데이터센터를 품은 지역사회에 크게 몰린다고도 적습니다. 저자들의 권고는 넷입니다. 첨두 물 사용량 공개, 기업과 지역사회의 협약, 지역이 남은 수도 용량을 지킬 수 있게 하는 "용량 중립" 접근, 그리고 물과 전력을 함께 놓고 짜는 계획입니다.

부담은 고르게 퍼지지도 않습니다. 데이터센터는 한 곳씩 오지 않고 무리 지어 제안되며, 그래서 지방 상수도와 전력망과 토지 이용 틀에 얹히는 영향이 겹쳐 커집니다 (arXiv:2602.10526v1, 프리프린트·전문가 회의 보고). 같은 보고는 조지아주가 성장과 지속가능성·형평·지역사회 보호 사이에서 균형을 잡도록 돕는 정책 로드맵도 내놓습니다. 작업을 여러 지역 데이터센터로 나눠 보내는 기존 방식이 오히려 지역 간 환경 불평등을 키울 수 있다는 모의 결과도 있습니다. 같은 연구는 형평을 명시적으로 넣은 배치가 탄소와 물 양쪽에서 지역 격차를 크게 줄인다는 것을 보입니다 (arXiv:2307.05494v2, 프리프린트·데이터센터 10곳 트레이스 모의).

가상의 배치를 놓고 계산하면 격차가 더 선명해집니다. GPU 1024장짜리 클러스터를 증발식 냉각으로 아랍에미리트에 두면 연간 3000만 리터가 넘는 물을 소비하게 됩니다. 그 나라는 물 스트레스가 "극도로 높음"으로 분류된 곳입니다 (arXiv:2607.13443v1, 프리프린트·가상 배치 모형). 저자들은 어느 나라도 AI 주권, 환경 영향 최소화, 시민이 감당할 수 있는 자원 접근을 동시에 최대로 가져갈 수 없다는 삼중 딜레마를 제시합니다. 그리고 물사용효율 의무 보고와 기후 취약성 입지 평가를 설계 원칙으로 제안합니다.

옮길 수 있는 물도 있습니다. 훈련은 모델을 만드는 과정이고, 추론은 다 만들어진 모델을 한 번 쓰는 일입니다. 둘은 입지 제약이 다릅니다. 추론은 응답이 늦지 않게 사용자 가까이 있어야 하지만 훈련에는 그런 제약이 없어서, 네브래스카 시골의 500메가와트 훈련 클러스터도 버지니아 애시번의 같은 규모와 똑같은 모델을 만들어 냅니다 (DOI: 10.2139/ssrn.6823640, 프리프린트). 물의 관점에서 이 사실이 뜻하는 바는 하나입니다. AI가 쓰는 물 가운데 훈련에 딸린 몫은 지도 위에서 움직일 수 있는 물입니다.

값을 바꾸는 선택지들

스페인 타라고나의 한 석유화학 단지는 도시 하수를 처리한 재생수를 에브로 강물에 최대 40퍼센트까지 섞어, 에틸렌 분해 설비의 냉각탑 보충수로 넣었습니다. 물 한 방울이 버려지기 전까지 도는 바퀴 수가 4에서 최대 7로 늘었고, 총 보충수 수요가 22퍼센트, 농축 배수가 50퍼센트 줄었습니다. 재생수는 부식을 막는 성분이 적은 물이지만, 약품 처리를 맞추고 실시간으로 감시해 부식을 목표 한도 안에 묶어 두었습니다. 밀은 인치를 천으로 나눈 두께 단위로 한 해에 금속이 깎여 나간 두께를 재는데, 탄소강과 구리 합금의 부식은 각각 연간 1밀과 0.24밀 아래로 유지됐습니다. 레지오넬라균도 검출되지 않았습니다 (DOI: 10.2166/wpt.2026.290, 전규모 단일 사례·석유화학·스페인).

이 선택지를 데이터센터 쪽으로 옮겨 놓고 생애주기 전체로 따진 연구가 있습니다. 재이용에도 값이 있습니다. 폐수 재이용 시나리오는 담수를 쓸 때보다 지구온난화 기여가 약 두 배였고, 그 차이의 약 80퍼센트가 하수를 처리하는 에너지에서 나왔습니다. 한외여과와 역삼투를 쓰는 처리 구성으로 가면 에너지가 담수의 다섯 배를 넘습니다. 다만 물이 도는 바퀴 수가 늘어 농축 배수와 약품이 줄면서 상쇄됩니다 (DOI: 10.31224/7240, 프리프린트·생애주기 평가).

같은 논문의 뒷부분은 방향을 바꿉니다. 계통을 완전히 탈탄소된 조건으로 놓고 다시 계산하면 재이용의 온실가스가 크게 줄고, 약품 생산이 주된 배출원으로 남습니다. 저자들은 오늘 준공해 2050년까지 돌리는 냉각 설비라면 생애의 대부분을 재이용의 온실가스 벌점이 미미한 계통에서 보내고, 물 절약은 처음부터 온전히 쌓인다고 봅니다. 재생수는 담수를 1대 1로 대체합니다. 재이용 쪽 전기와 약품이 늘어나 생기는 간접 물 벌점은 세제곱미터당 약 0.93리터로, 직접 대체 편익의 0.1퍼센트에 못 미칩니다. 이 값이 취수인지 소비인지는 초록이 적지 않습니다.

그런데도 재생수를 어디서나 쓰지 않는 것은 되는 조건이 까다롭기 때문입니다. 마이크로소프트 퀸시 사례를 기준점으로 삼고 구글 더글러스 카운티와 아마존웹서비스를 비교 사례로 놓은 연구는 기술과 규제와 재무 세 축을 모두 봅니다. 기술 축은 수질, 냉각계통과의 호환성, 공급 신뢰도, 감시와 예비 용량, 잔재물 처리입니다. 규제 축은 허용된 용도와 방류 요건, 권한 소재, 주민 수용, 거버넌스입니다. 재무 축은 자본비와 운영비, 요금 설계, 장기 인수 계약, 신용 있는 수요, 현금흐름 확실성, 위험 배분입니다. 저자의 결론은 짧습니다. 어느 한 축만으로는 충분하지 않습니다. 세 축이 동시에 맞아떨어져야 재생수가 기술적으로 가능한 자원에서 비용을 회수할 수 있는 공공 서비스로 바뀝니다 (DOI: 10.2139/ssrn.7292218, 다중 사례 연구).

그리고 무엇을 되쓰느냐에 따라 값이 다른 데서 치러집니다. 염분이 진한 역삼투 농축수를 섞은 제약 공장에서는 물이 덜 돌고 농축 배수가 늘었습니다. 역삼투로 걸러 낸 재생수를 섞은 타라고나 단지에서는 반대로 바퀴 수가 늘고 농축 배수가 줄었고, 생애주기 평가에서도 한외여과와 역삼투를 쓴 구성은 바퀴 수가 늘어 농축 배수가 줄어드는 것으로 계산됐습니다. 그 대신 재생수 쪽은 처리하는 데 에너지가 듭니다.

무엇을 물어야 하는가

그래서 "이 데이터센터는 물을 얼마나 쓰는가"라는 질문 하나로는 답이 나오지 않습니다. 답할 수 있는 것은 다음 다섯 질문입니다.

① 이 숫자는 끌어온 물인가, 사라진 물인가. 같은 시설에서 두 값이 크게 벌어질 수 있고, 한 검토는 취수를 소비인 양 읽은 것이 과거 물 부족 경보의 첫 번째 오류였다고 지적합니다 (DOI: 10.2166/wp.2015.060).

② 그 물이 어느 유역에서, 몇 월에 나갔는가. 같은 1리터의 무게가 장소와 계절에 따라 달라지고 (arXiv:2607.22617v1), 부지에 따라 지역에 얹히는 부담이 호스트 용량의 0.2퍼센트에서 134퍼센트까지 벌어집니다 (arXiv:2606.21760v1).

③ 현장 물을 0으로 만들면 전기가 얼마나 늘고, 그 전기는 물을 얼마나 쓰는가. 브라질의 한 제약 공장에서 세 냉각 구성을 견줘 보니 공기 냉각이 전기를 약 29퍼센트 더 썼습니다 (DOI: 10.2139/ssrn.7412964). 현장 물 0에만 최적화하면 부담이 전력망 쪽으로 옮겨 간다는 모의가 있고 (DOI: 10.2139/ssrn.6722099), 간접 물 사용이 총량의 4분의 3이라는 지도가 있습니다 (arXiv:2607.02531v1).

④ 그 지역에서 먼저 동나는 것이 물인가, 전기인가, 관로 용량인가. 셋은 다른 자원이고 서로를 밀어냅니다. 물 용량에 걸리면 건식에 기대게 될 수 있고, 그러면 전력 첨두를 더 압박합니다 (arXiv:2603.02705v2).

⑤ 누가 재고 있고, 그 값은 공개되는가. 물 소비를 재는 운영자가 3분의 1이 안 되고 (DOI: 10.1038/s41545-021-00101-w), 공개된 지표조차 비틀릴 수 있습니다 (arXiv:2607.22604v1).

마지막 질문이 나머지 넷을 떠받칩니다. 앞의 네 질문에 답하려면 먼저 누군가 재고 공개해야 하기 때문입니다. 물 스트레스 지역의 AI 데이터센터 성장을 거버넌스 문제로 다룬 논의는 필요한 것을 셋으로 적습니다. 수문 조건 선별, 공개, 그리고 물 배분의 형평을 지키는 안전장치입니다. 구체적으로는 누적 취수량, 가뭄 민감도, 비상시 감축, 주민 참여, 강제력 있는 보고를 함께 평가하는 장소 기반 규제를 요구합니다 (DOI: 10.4018/979-8-2600-2761-5.ch007).

미국의 AI 데이터센터가 낳는 환경·경제 영향을 종합한 연구도 같은 결론에 섭니다. 영향은 시설 설계만으로 정해지지 않고, 그 시설이 놓인 전력과 물과 토지 시스템이 함께 정합니다 (arXiv:2608.09882v1, 프리프린트). 같은 연구는 에너지 효율과 냉각 구성과 운영 전략의 개선이 이 영향을 줄일 수 있다고도 적는데, 그 효과 역시 계통 조건에 달렸다고 덧붙입니다.

물과 전기는 같은 저울의 두 접시입니다. 한쪽을 눌러 내리면 다른 쪽이 올라오는 경우가 많고, 둘을 함께 낮춘 사례에도 조건이 붙어 있습니다. 농축수 재이용은 그 공장의 조건에서, 고온 서버 세대는 모의실험에서 그랬습니다. 고를 수 있는 것은 대개 저울을 어디에 놓느냐입니다.

그래서 "AI가 물을 마신다"는 문장은 아직 끝나지 않은 문장입니다. 어디서, 어느 계절에, 무엇 대신 마시는지를 적어 넣어야 비로소 대답할 수 있는 문장이 됩니다.

근거 논문

arXiv·SSRN·리서치스퀘어에 공개된 글은 「프리프린트」로 표시했고, 그 뒤 학술지에 실렸는지는 따로 확인하지 않았습니다. 모의실험 전용·단일 사례·특정 지역 한정인 결과는 본문에서 그때마다 표시했습니다.

• "Making AI Less 'Thirsty'" (2023, 프리프린트) — arXiv:2304.03271v5 — GPT-3 훈련이 직접 증발시킬 수 있는 담수 70만 리터, 2027년 전 세계 AI 취수 전망 42억~66억 세제곱미터.
• "Effects of Cooling System Operations on Withdrawal for Thermoelectric Power" (2017) — DOI: 10.1115/power-icope2017-3763 — 화력발전 취수의 약 32퍼센트가 발전하지 않는 동안 일어난다.
• "Water Consumption of Cooling Towers in Different Climatic Zones of the U. S." (2015) — DOI: 10.1115/power2015-49201 — 냉각탑은 물을 돌려 쓰면서도 증발과 배수로 재고를 잃고, 성적은 기후에 좌우된다.
• "When is water withdrawal data enough?" (2018, 공개 심사 중인 토론 논문) — DOI: 10.5194/hess-2018-53 — 소비 실측이 없다는 지적과 함께, 지금의 취수 자료가 중요한 목적 몇 가지에는 충분하다는 결론.
• "The electricity–water nexus: is a crisis imminent?" (2015, 검토·미국 한정) — DOI: 10.2166/wp.2015.060 — 경보성 연구들이 소비 대신 취수에 의존했다는 지적과, 전력 생산이 대부분 지역에서 물 부족을 부르지는 않을 것이라는 반대 결론.
• "A Review of Thermal Management in Modern Data Centres" (2026) — DOI: 10.3390/fluids11080201 — 보고 항목 83건의 물사용효율. 건식 폐회로는 사실상 무수, 증발식은 최대 2.5 L/kWh, 23곳이 0.4 L/kWh 초과.
• "Data centre water consumption" (2021, 검토) — DOI: 10.1038/s41545-021-00101-w — 미국 데이터센터 물 소비 하루 17억 리터 대 전체 1조 2180억 리터, 냉각 직접분의 57퍼센트가 음용수인 경우, 측정 운영자 3분의 1 미만.
• "The Fallacy of Sustainable Generative AI" (2026, 프리프린트·EU 정책 논변) — arXiv:2607.22604v1 — 전력사용효율·물사용효율이 효율 착시를 만들도록 비틀릴 수 있다는 "효율의 역설"과 세 정책 제안.
• "Is Power Usage Effectiveness (PUE) Still Fit for Purpose?" (2026, 통합 검토) — DOI: 10.38126/jspg280101 — AI 시대의 전력사용효율 적합성 재검토와 보완 지표 종합.
• "Enhancing Industrial Water Security through Reverse Osmosis Concentrate Reuse" (2026, 단일 사례·제약 공장·브라질) — DOI: 10.2139/ssrn.7412964 — 세 냉각 구성 비교. 공기 냉각은 냉각탑 물을 없애고 전기를 약 29퍼센트 더 썼다.
• "When Does Adiabatic Cooling Outperform Dry Cooling?" (2026, 프리프린트·모의실험) — DOI: 10.2139/ssrn.7238869 — 단열 냉각이 방열 전기를 중앙값 30.5퍼센트 절감, 대가는 kWh당 현장 물 8~56갤런으로 상류 절약분보다 한 자릿수 크다. 피닉스 등 셋은 건식 불가.
• "Uncovering the burden shifting of data center cooling" (2026, 프리프린트·모의실험) — DOI: 10.2139/ssrn.6722099 — 현장 물 0에만 최적화하면 부담이 지역 전력망 쪽으로 옮겨 간다.
• "The Energy-Water-Carbon Nexus of Liquid-Cooled Data Centers" (2026, 프리프린트·모의실험·미국 4개 거점) — DOI: 10.2139/ssrn.7071714 — 모든 지표에서 앞서는 구성은 없다. 자원 지표는 건식이, 운영비는 수냉이 우세.
• "Cost/Performance Comparisons of Water Conserving Power Plant Cooling Systems" (2011, 발전소 사례 연구) — DOI: 10.1115/imece2011-63135 — 최적 설계 기준 거의 모든 조건에서 습식이 가장 싸고 출력·효율이 높다. 손익분기 물값 1000갤런당 3~6달러.
• "The Hidden Water Geography of U.S. Hyperscale Data Centers in the AI Era" (2026, 프리프린트) — arXiv:2607.02531v1 — 472곳 지도. 운영 물 소비 연 약 3000억 리터, 전기 관련 물이 4분의 3, 24개 중 3개 구역이 그 59퍼센트.
• "Wattnet" (2026, 프리프린트) — arXiv:2601.11623v2 — 유럽 15분 해상도 전력 흐름 추적. 저수지형 수력이 저탄소 계통에서도 물발자국을 키운다.
• "Operational Water Withdrawal and Consumption Factors for Electricity Generation Technology in China" (2018, 문헌 검토·중국 한정) — DOI: 10.3390/su10041181 — 발전용 물 소비의 50퍼센트가 석탄, 평균 원단위는 수력이 최대. 가스 발전 원단위 연구는 부재.
• "WaterWise" (2025, 프리프린트) — arXiv:2501.17944v2 — 탄소와 물이 어긋나 하나만 최적화하면 다른 하나가 나빠진다. 공동 최적화 스케줄러 제안.
• "From Accounting to Coordination" (2026, 프리프린트·시험 계통 모의) — arXiv:2605.25854v1 — 급전에 물을 내재화해 발전 관련 담수 취수를 약 3~5퍼센트 절감.
• "AI Data Centers and the Water Use Feedback Loop" (2026, 프리프린트·미국 10개 부지) — arXiv:2606.21760v1 — 지역사회 부담이 호스트 용량의 0.2퍼센트에서 134퍼센트까지. 냉각 물·입지 제약·AI의 물 효율 기여가 하나의 되먹임 고리.
• "Balancing Bits and Drops" (2026, 프리프린트) — arXiv:2607.22617v1 — 카운티·월 단위 스트레스 보정 틀과 전기에 딸린 물로의 확장.
• "Small Bottle, Big Pipe" (2026, 프리프린트) — arXiv:2603.02705v2 — 2030년까지 새 수도 용량 하루 6억 9700만~14억 5100만 갤런. 영향은 데이터센터를 품은 지역사회에 크게 몰린다.
• "The Infrastructure Equation" (2026, 프리프린트·전문가 회의 보고) — arXiv:2602.10526v1 — 군집 입지가 상수도·전력망·토지 영향을 키운다.
• "Towards Environmentally Equitable AI via Geographical Load Balancing" (2023, 프리프린트·트레이스 모의) — arXiv:2307.05494v2 — 기존 부하 분산이 환경 불평등을 키울 수 있고, 형평 인식 배치가 격차를 줄인다.
• "The Environmental Cost of Digital Sovereignty" (2026, 프리프린트·가상 배치 모형) — arXiv:2607.13443v1 — GPU 1024장 클러스터를 증발식으로 아랍에미리트에 두면 연 3000만 리터 초과 소비.
• "Follow the Curtailment" (2026, 프리프린트) — DOI: 10.2139/ssrn.6823640 — 추론은 지연 제약으로 사용자 가까이 있어야 하지만 훈련에는 그 제약이 없다.
• "Wastewater reuse for industrial cooling towers: a full-scale case study" (2026, 전규모 단일 사례·석유화학·스페인) — DOI: 10.2166/wpt.2026.290 — 재생수 최대 40퍼센트 혼합으로 순환 바퀴 수 4에서 7, 보충수 22퍼센트 감소.
• "Reclaiming Cooling" (2026, 프리프린트·생애주기 평가) — DOI: 10.31224/7240 — 재이용의 온실가스는 약 2배지만 탈탄소 계통에서는 벌점이 미미해진다.
• "Technical, Regulatory, and Financial Conditions for Bankable Water Reuse Projects" (2026, 다중 사례 연구) — DOI: 10.2139/ssrn.7292218 — 기술·규제·재무 세 축이 동시에 맞아야 재생수가 회수 가능한 서비스가 된다.
• "Governing AI Data Center Growth in Water-Stressed Regions" (2026, 단행본 장) — DOI: 10.4018/979-8-2600-2761-5.ch007 — 수문 조건 선별·공개·형평 안전장치를 묶은 규제 틀.
• "Environmental and Economic Implications of Artificial Intelligence Data Centers in the United States" (2026, 프리프린트) — arXiv:2608.09882v1 — 영향은 시설 설계가 아니라 전력·물·토지 시스템이 정하고, 효율·냉각·운영 개선의 효과도 계통 조건에 달렸다.