2030년까지 생성형 AI가 만들어낼 전자폐기물, 1,600만 톤 육박할 전망… “순환경제 도입 시급”

생성형 AI(Generative AI)의 급속한 발전이 새로운 환경 문제를 야기하고 있다. 중국과학원 도시환경연구소와 캘리포니아 대학교 산타바바라 캠퍼스 연구진이 발표한 최신 연구에 따르면, 2030년까지 생성형 AI 서버에서 발생하는 전자폐기물이 최대 1,600만 톤에 달할 것으로 전망된다. 이는 전 세계 대형 전자폐기물의 약 11%를 차지하는 규모다.

특히 GPT-4, BERT, ERNIE, DeBERTa와 같은 대규모 언어 모델(Large Language Models, LLMs)의 개발과 이미지, 비디오 생성 AI의 성공으로 인해 전 세계적으로 하드웨어 시설이 확장되고 있다. 연구진은 이러한 추세가 지속 가능한 컴퓨팅의 중요성을 더욱 부각시키고 있다고 지적했다.

연구진이 개발한 ‘컴퓨팅 파워 기반 물질흐름분석(CP-MFA)’ 모델에 따르면, AI 서버에서 발생하는 전자폐기물은 북미(58%), 동아시아(25%), 유럽(14%) 등 특정 지역에 집중될 것으로 예측됐다. 이는 AI 데이터센터가 지리적으로 특정 지역에 집중되어 있기 때문이다.

전자폐기물의 연간 복합 성장률(CAGR)은 110%에 달할 것으로 예상된다. 이는 일반적인 전자폐기물의 성장률 2.8%를 크게 상회하는 수치다. 가장 보수적인 시나리오에서도 전자폐기물은 누적 800만 톤에 달할 것으로 예측되며, 이는 전 세계 전자폐기물의 6%를 차지하는 규모다.

더욱 우려되는 점은 이러한 전자폐기물에 포함된 유해 물질이다. 연구진의 분석에 따르면 2030년까지 발생할 전자폐기물에는 납(917킬로톤), 바륨(6킬로톤), 카드뮴(30톤), 안티몬(7킬로톤), 크롬(907톤), 비소(34톤), 수은(7톤) 등의 유해 물질이 포함될 것으로 예상된다. 이러한 물질들은 토양 오염, 지하수 오염을 유발할 수 있으며, 불완전 소각 시 다이옥신과 퓨란 배출로 인한 공중보건 위험도 존재한다.

연구진은 전자폐기물 문제 해결을 위한 세 가지 순환경제 전략을 제시했다. 첫째, 서버의 수명을 1년 연장하는 방안이다. 이를 통해 전자폐기물을 최대 58%(930만 톤) 줄일 수 있다. 특정 사례에서는 서버 수명을 6년까지 연장할 수 있어 더 큰 효과를 기대할 수 있다.

둘째, 단계적 서버 업그레이드를 통한 관리 방안이다. 다만 이 전략은 GPU 업데이트 주기가 일반적으로 2년이라는 점을 고려할 때, 전력 소비량 등 다른 운영 및 재정적 요인들과의 균형을 맞추는 것이 중요하다.

셋째, GPU, CPU 등 주요 모듈을 재사용하는 전략이다. 이를 통해 전자폐기물을 21%(340만 톤) 감축할 수 있다. 이는 노후 서버의 중요 모듈을 분해, 수리, 재조립하여 다운사이클링 컴퓨팅에 재사용하는 방식이다.

AI 서버 폐기물의 재활용은 환경보호뿐만 아니라 경제적으로도 큰 가치를 지닌다. 연구진의 분석에 따르면, 폐기된 서버에서 구리, 납, 알루미늄, 철, 주석, 니켈, 금, 은, 백금, 팔라듐 등의 금속을 재활용할 경우 약 700억 달러의 경제적 가치를 창출할 수 있다. 중간 수준의 시나리오에서도 510억 달러, 보수적 시나리오에서도 240억 달러의 가치가 있는 것으로 분석됐다.

금속 재활용은 원광석 제련 대비 5-90%의 에너지만을 소비하여 탄소 배출도 크게 줄일 수 있다. 특히 전자폐기물에서 금을 추출하는 것은 광석 채굴 대비 이산화탄소 배출량을 80% 줄일 수 있다.

마이크로소프트와 같은 주요 기업들은 이미 순환센터(Circular Centers)를 설립하여 적극적으로 대응하고 있다. 마이크로소프트의 유럽과 북미 순환센터는 매월 1만 대 이상의 폐기 서버를 처리하고 있으며, 이 중 83%의 서버 또는 구성품이 재사용되고 22%의 재료가 재활용되고 있다.

연구진은 전자폐기물의 추적 가능성을 높이기 위해 데이터센터 운영자, 제조업체, 재활용 업체의 진위성을 보장하는 정책이 필요하다고 제안했다. 또한 서버의 수명주기 상태에 대한 투명한 정보와 분석 방법을 통해 재사용, 재활용을 촉진할 수 있다고 강조했다.

기사에 인용된 리포트 원문은 링크에서 확인할 수 있다.

기사는 클로드 3.5 Sonnet과 챗GPT-4o를 활용해 작성되었습니다. 

관련 콘텐츠 더보기