AI 전력 효율 30배 좋아졌는데, 왜 전력 수요는 더 늘어날까

어제 외국인 수급과 전력 인프라를 다루면서 AI 데이터센터發 전력수요 증가를 짚었다. 그런데 최근 엔비디아가 공개한 숫자를 보면 의문이 하나 생긴다. 차세대 GPU 베라 루빈이 같은 전력으로 최대 30배 더 많은 작업을 처리한다면, 오히려 전력 수요는 줄어야 하는 것 아닐까. 이번 글은 바로 이 질문에서 시작한다.

🔍 베라 루빈이 공개한 숫자

8월 24일 엔비디아는 차세대 아키텍처 베라 루빈(Vera Rubin)의 실측 성능 데이터를 처음 공개했다. NVIDIA가 공개한 초기 측정 결과에서 Vera Rubin NVL72는 GB300 NVL72 대비 메가와트(MW)당 처리량 최대 30배, 100만 토큰당 비용은 최대 35배 절감된 것으로 나타났다. 다만 이 30배는 특정 모델·특정 워크로드 조건에서 나온 최대치다. AI 작업 전반이 30배 효율적이 됐다는 뜻은 아니다.

측정에는 SemiAnalysis AgentX라는 벤치마크가 쓰였다. AgentX는 단순히 질문 하나를 던지고 답을 받는 테스트가 아니라, 코딩 에이전트가 실제 작업을 수행하면서 추론하고, 도구를 호출하고, 다시 결과를 받아 작업을 이어가는 에이전틱 워크로드를 그대로 재현한 벤치마크다.

이 결과는 엔비디아가 자체 측정한 초기 결과이며, SemiAnalysis의 독립적인 검토는 아직 진행 중이다. 앞서 7월 말 CoreWeave가 독립적으로 측정한 결과에서는 GB200 대비 최대 10배 수준이 제시된 바 있다. 비교 대상 세대와 워크로드 조건이 달라 이번 30배와 직접 비교하기는 어렵지만, 아직 초기 단계라 측정 주체마다 숫자 편차가 크다는 점 자체가 이 기술이 얼마나 새로운지를 보여준다.

이 30배도 갑자기 튀어나온 숫자는 아니다. 엔비디아 자료에 따르면 GB300도 이전 세대인 H200 대비 DeepSeek V4 Pro 모델에서 메가와트당 처리량이 최대 15배, 특정 모델에서는 최대 80배까지 개선됐다. H200에서 GB300, 다시 베라 루빈으로 이어지며 세대를 거칠 때마다 효율 개선 폭이 커지는 흐름이다.

💡 그런데 왜 전력 수요는 줄지 않을까

여기서 자연스럽게 드는 생각이 있다. “효율이 이렇게 좋아지면 전력 소비량 자체가 줄어드는 것 아닌가?”

19세기 영국에서 증기기관의 석탄 효율이 크게 개선됐다. 사람들은 석탄 소비가 줄어들 거라 예상했다. 하지만 실제로는 석탄을 쓰는 곳이 늘면서 전체 석탄 소비량이 오히려 증가했다. 이를 경제학자 윌리엄 제본스의 이름을 따 제본스 역설이라 부른다. 기술이 효율을 높인다고 해서 그 기술의 전체 사용량까지 줄어드는 것은 아니라는 뜻이다.

다만 이게 항상 성립하는 법칙은 아니다. AI로 옮기면 이렇다. 전력당 처리량이 늘면 같은 전력으로 더 많은 AI 작업을 처리할 수 있다. 이는 AI 사용 비용 하락으로 이어진다. 비용이 낮아지면 더 많은 기업과 서비스가 AI를 도입한다. 에이전트·추론·검색·코딩 같은 워크로드가 늘어난다. 사용량이 효율 개선 속도보다 더 빠르게 늘어난다면, 절약되는 전력보다 새로운 연산에 쓰이는 전력이 더 커질 수 있다.

🤖 에이전트가 연산을 더 많이 요구하는 이유

이 흐름을 이해하려면 단순 챗봇과 에이전틱 AI의 차이를 봐야 한다. 에이전틱 AI란 사람이 하나의 지시를 내리면 스스로 여러 단계의 작업을 이어가며 처리하는 AI를 말한다.

“이 기업의 실적을 분석해줘”라는 질문에 단순 AI는 답변 하나를 내놓는다. 반면 에이전트는 공시 검색, 뉴스 검색, 경쟁사 비교, 재무자료 분석, 계산, 추가 검색, 결과 검증, 최종 보고서 작성까지 여러 단계를 거친다. 질문 하나가 여러 번의 추론과 도구 호출로 늘어나는 셈이다.

효율이 좋아진 만큼 AI가 처리할 수 있는 업무 범위 자체가 커진다. 제본스 역설이 AI 인프라에서 재현될 수 있는 지점이 바로 여기다.

⚡ 그래서 다시, 전력 인프라 이야기로

어제 다룬 12차 전기본 재전망을 다시 불러오면 이 흐름이 왜 중요한지 명확해진다. 2040년 최대전력 전망은 158.4~165.0GW로 상향됐고, 첨단산업 +20.6GW와 데이터센터 +7.9GW를 합치면 순증분만 28.5GW에 달한다.

효율 개선에도 AI 연산량과 데이터센터 투자가 그보다 더 빠르게 늘어난다면, 전력 인프라 투자 수요 역시 계속 커질 수 있다. 발전량뿐 아니라 이를 실어 나르는 송배전·변압기 투자도 함께 필요해지는 구조는 그대로 유지되는 셈이다. 연산량이 늘어난다는 건 결국 메모리 대역폭 수요도 함께 커진다는 뜻이라, 차세대 메모리 쪽 수요 확대 가능성도 같이 지켜볼 부분이다.

🚀 한 줄 요약

AI 반도체의 효율 개선은 전력 수요를 없애는 기술이 아니라, 더 많은 AI 연산을 같은 전력에서 처리할 수 있게 만드는 기술이다. 문제는 AI 사용량이 그보다 더 빠르게 늘어날 수 있다는 데 있다.

💬 독자 의견

“AI 반도체 효율이 30배 좋아지면 전력수요도 줄어들 것”이라고 생각했나요? 아니면 효율이 좋아질수록 AI 사용량이 더 늘어날 거라고 보시나요?

이 글은 투자 판단을 위한 참고 자료이며, 특정 종목의 매수·매도를 권유하지 않습니다.