📖 예상 읽기 시간 10분 · 🔄 마지막 업데이트 2026-05-05
🎯 TL;DR
– 한 줄 결론: AI 데이터센터 물 사용은 전체의 0.055%, 공포는 과장됐습니다
– 왜 중요한가: AI 환경 논쟁이 데이터 없이 감정적으로 흐르고 있음
– 누가 읽어야 하나: AI 도입 검토 중인 기업, 환경·정책 담당자, 기술 기자
– 핵심 수치: 연간 2만 에이커-피트 — 캘리포니아 전체 물 사용의 0.055%
– 3분 안에 알게 되는 것: 실제 계산 과정·4개 AI 모델 교차 검증·맥주와의 비교·진짜 교훈
이 글에서 알려드리는 핵심 3가지입니다.
• UC Davis Jay Lund 명예교수의 직접 계산 + 4개 AI 교차 검증 결과입니다.
캘리포니아 데이터센터 물 사용량은 전체의 0.055%입니다
• 센트럴 애리조나에서는 맥주 생산이 데이터센터보다 물을 더 많이 소비한다는 연구 결과도 있습니다
• 문제는 물 사용 자체가 아니라, 숫자 없는 공포 마케팅 — AI는 오히려 이런 정책 논의를 더 정교하게 만들 도구입니다
AI가 대량의 물을 소비한다는 이야기, 많이 들어보셨을 겁니다.
“챗GPT 질문 한 번에 물 500ml”, “AI가 지구 물을 말린다” 같은 헤드라인은 이제 일상이 됐습니다.
그런데 잠깐 — 진짜 데이터를 본 사람은 얼마나 될까요?
UC Davis의 Jay Lund 명예교수가 2026년 4월 26일 California WaterBlog에 게재한 글입니다.
복잡한 모델링도, 거대한 연구비도 아닙니다.
기초 물리학과 4개 AI 모델만으로 추정한 결과죠.
결론은 간단합니다 — 여러분이 생각했던 것보다 훨씬, 훨씬 적습니다.
어떻게 계산했는지, 숫자가 왜 이렇게 작은지, 그리고 이 논쟁에서 우리가 진짜 배워야 할 교훈은 무엇인지 정리했습니다.
하나씩 살펴보겠습니다.
계산은 어떻게 했나 — 물리학 교과서로 시작한 추정
Lund 교수는 가장 단순한 접근법을 택했습니다.
에너지 소비량을 물 증발량으로 환산하는 기초 물리학입니다.
데이터센터가 쓰는 전기는 결국 열이 되고, 그 열을 식히는 과정에서 물이 증발한다는 원리입니다.
먼저 기본 데이터를 수집했습니다.
캘리포니아 내 데이터센터 바닥 면적은 약 1,500만 평방피트, 약 340에이커입니다.
데이터센터 랙(rack)의 열 방출량은 평방미터당 2~12kW 수준입니다.
이 열을 100% 효율로 물 증발로 전환한다고 가정하면, 평방미터당 하루 70~420mm의 물이 증발합니다.
실제 산업용 냉각 효율 60~90%를 적용하면 범위는 더 넓어집니다 — 평방미터당 하루 80~700mm.
연간으로 환산하면 제곱미터당 29~255m의 물 기둥 높이입니다.
1,500만 평방피트, 즉 약 140만 평방미터에 이 값을 곱하면 연간 4,000만~3억 5,700만 세제곱미터가 나옵니다.
에이커-피트 단위로는 32,000~290,000 에이커-피트입니다.
비교 기준: 캘리포니아의 연간 인간 물 사용량은 약 4,000만 에이커-피트입니다.
즉 가장 넓은 추정치로도 전체의 0.7%에 불과합니다.
AI 4개도 물어봤다 — 교차 검증 결과
Lund 교수는 여기서 멈추지 않고, 본인이 계산한 값을 AI 모델 4개로 다시 교차 검증했습니다.
“캘리포니아 데이터센터에서 연간 증발하는 물의 양은 얼마인가? 대부분 증발식 냉각을 사용한다고 가정하라”는 프롬프트였습니다.
4개 모델의 추정 범위는 다음과 같습니다.
챗GPT: 20,000~400,000 에이커-피트.
Claude: 14,400~21,500 에이커-피트(증발식 냉각 100% 미만 가정).
Gemini: 2,300~40,500 에이커-피트.
Co-Pilot: 30,000~50,000 에이커-피트(광범위 추정으론 10,000~100,000).
전체적으로 2,300에서 400,000 에이커-피트까지 범위가 넓지만, 가장 좁은 합의 추정치는 약 20,000 에이커-피트입니다.
이는 캘리포니아 전체 인간 물 사용량 4,000만 에이커-피트의 0.055%에 해당합니다.
좀 더 보수적으로 넓은 범위(32,000~290,000 에이커-피트)로 계산해도 0.08%~0.7%입니다.
캘리포니아의 700만 에이커 관개 농지 중 10,000~100,000에이커를 공급할 수 있는 정도의 양입니다.
💡 이 섹션 한 줄: 사람의 손 계산이나 AI 추정이나 결론은 같습니다 — 생각보다 훨씬 적습니다
비교해보면 더 선명해진다 — 맥주 vs 데이터센터
숫자의 감을 잡기 위해 다른 산업과 비교해보면 차이는 더 극명해집니다.
Arizona State University의 Kyl Center(2026) 연구 결과입니다.
센트럴 애리조나에서는 맥주 생산이 데이터센터보다 물을 더 많이 소비했습니다.
맥주 양조는 누구나 당연하게 여기는 산업입니다.
그런데 그 맥주 공장이 AI 데이터센터보다 물을 더 많이 쓴다면, AI 물 사용에 대한 공포는 과연 균형 잡힌 것일까요?
Lund 교수는 이 대목에서 핵심을 정확히 짚습니다.
“모든 물 문제는 결국 지역적(local)입니다.”
데이터센터가 몰려 있고 수자원 인프라가 취약한 일부 지역에서는 분명 관리가 필요합니다.
하지만 캘리포니아 전체로 보면 이슈의 규모 자체가 과장되어 있다는 것이 Lund 교수의 진단입니다.
오히려 물 사용량이 감소 추세인 많은 대도시 지역에서는, 데이터센터의 일정한 물 수요가 상수도 사업자에게 안정적인 수익원이 될 수도 있습니다.
무조건적인 공포보다 지역별 데이터에 기반한 접근이 필요하다는 뜻입니다.
💡 이 섹션 한 줄: AI 물 사용, 맥주보다 적습니다 — 지역별 데이터로 접근해야 합니다
진짜 문제는 물이 아니다 — 숫자 없는 공포 마케팅
Lund 교수의 글에서 가장 날카로운 지적은 따로 있습니다.
AI 물 사용 논쟁의 진짜 문제는 데이터를 생략한 공포 마케팅이라는 점입니다.
언론과 일부 연구자들이 대중의 관심을 옹호와 연구비 확보의 기회로 삼고 있다는 지적입니다.
그는 “너무 많은 기자와 학자, 활동가들이 물 사용 정보 부족을 핑계로 추측에 몰두하고 있다”고 꼬집습니다.
기초 물리학만으로도 충분히 추정 가능한데, 그조차 하지 않은 채 AI 기업의 ‘불투명성’만 비판한다는 겁니다.
Lund 교수가 이 계산 과정에서 AI를 유용한 도구로 활용했다는 점이 재미있습니다.
“AI는 빠른 예비 추정에 유용하며, 잘 질문하면 계산 과정 대부분을 보여줍니다.”
정작 AI가 이런 정책 논의를 더 정교하게 만들 수 있는 도구라는 점을 직접 실증한 셈입니다.
덧붙인 한마디가 특히 기억에 남습니다.
“이 글을 쓰면서 내가 숨 쉬며 내뿜은 수증기가, AI 추정 4회에 소비된 물보다 더 많을 것입니다.”
💡 이 섹션 한 줄: 숫자 없이 공포만 퍼뜨리는 게 진짜 낭비입니다 — AI는 해결 도구입니다
AI 환경 논쟁, 어떻게 접근해야 하나 — 3가지 교훈
Lund 교수가 제시하는 교훈은 크게 세 가지입니다.
첫째, 캘리포니아에서 AI 데이터센터 물 사용에 대해 당장 패닉에 빠질 필요는 없습니다.
물론 AI가 가져올 진짜 중요한 문제들(인류 문명의 종말 가능성까지 포함해)은 분명 존재합니다.
하지만 물 사용만큼은 데이터가 말해주는 대로 받아들일 필요가 있습니다.
둘째, AI는 정책 논의를 더 정교하게 만드는 도구가 될 수 있습니다.
Lund 교수처럼 AI에 추정을 맡기고, 각 모델이 내놓은 가정과 근거를 비교 검토하는 방식은 기존에 없던 새로운 정책 분석 방법론입니다.
“오늘날 AI가 있는데, 정직한 추정조차 시도하지 않고 논의하는 것은 변명의 여지가 없다”는 일침도 남깁니다.
셋째, 근거 있는 추정조차 시도하지 않는 얕은 논의를 경계해야 합니다.
“사실은 사실이지만, 인식이 현실입니다(Facts are facts, but perception is reality).”
데이터 없이 인식만으로 흘러가는 공론장이 더 큰 문제라는 지적입니다.
💡 이 섹션 한 줄: 데이터를 보고 판단합시다 — AI 물 사용은 생각보다 훨씬 작은 이슈입니다
자주 묻는 질문
Q. AI 챗봇 질문 한 번에 정말 물 500ml가 들어가나요?
추정 방식에 따라 크게 달라집니다.
이번 계산은 개별 질문 단위가 아니라 데이터센터 전체 연간 증발량을 다룹니다.
‘질문당 물 소비량’은 추정 가정에 따라 수십~수백 배 차이가 날 수 있으므로 단일 숫자를 맹신하지 않는 것이 좋습니다.
Q. 다른 주는 캘리포니아보다 더 심각한가요?
Lund 교수도 데이터센터가 더 많고 수자원 인프라가 덜 발달한 주에서는 상황이 다를 수 있다고 인정합니다.
중요한 건 ‘전국 평균’이 아니라 지역별 물 스트레스와 인프라를 함께 고려한 판단입니다.
Q. AI 물 사용은 앞으로 증가하지 않나요?
증가할 가능성은 분명 있습니다.
다만 냉각 기술 효율이 함께 발전하고 있으며, 지역에 따라서는 물 수요가 오히려 상수도 재정에 도움이 될 수도 있습니다.
무조건적인 증가만 가정하기보다 기술 변화와 지역 특성을 함께 봐야 합니다.
Q. 왜 언론은 AI 물 사용을 과장해서 보도할까요?
Lund 교수는 뉴스 가치와 연구비 확보라는 현실적 이유를 지목합니다.
공포는 클릭을 부르고, 위기 담론은 연구비를 끌어옵니다.
여기에 ‘AI 기업은 불투명하다’는 프레임까지 더해지면, 데이터보다 내러티브가 앞서기 쉬운 구조입니다.
Q. 한국 데이터센터 물 사용량은 어떤가요?
한국도 점차 데이터센터 밀집 지역(경기·인천 등)에서 수자원 영향 논의가 시작되고 있습니다.
국내 연구는 아직 미국만큼 축적되지 않았지만, Lund 교수의 방법론(전력→열→증발량 환산)은 어디든 적용 가능한 기초 계산법입니다.
결론 — 데이터를 봅시다
AI가 물을 다 먹고 있다는 이야기는, 적어도 캘리포니아에서는 사실이 아닙니다.
전체 물 사용의 0.055%, 맥주 생산보다 적은 양입니다.
UC Davis 명예교수가 기초 물리학으로 계산하고 4개 AI로 교차 검증한 결과입니다.
더 중요한 건 이 논쟁이 던지는 구조적 질문입니다.
우리는 새로운 기술 앞에서 왜 데이터보다 공포를 먼저 믿게 될까요?
AI 환경 논쟁뿐 아니라 거의 모든 신기술 논쟁에서 반복되는 패턴 아닐까요?
AI 기업의 투명성 부족을 비판하는 건 타당합니다.
하지만 정보 부족을 핑계로 추정조차 포기하는 건 비판이 아니라 포기입니다.
Lund 교수가 보여준 것처럼, 손에 쥔 기초 과학과 도구만으로도 충분히 숫자는 뽑을 수 있습니다.
감사합니다.
출처
-
Lund, J. (2026, April 26). AI Water Use Distractions and Lessons for California. California WaterBlog. https://californiawaterblog.com/2026/04/26/ai-water-use-distractions-and-lessons-for-california/
-
Kyl Center for Water Policy (2026). Large Non-Agricultural Water Uses in Central Arizona. Arizona State University. https://issuu.com/asuwattscollege/docs/kyl_center_-_industrial_water_use_placeholder
-
Han, et al. (2026). Small Bottle, Big Pipe: Quantifying and Addressing the Impact of Data Centers on Public Water Systems. arXiv:2603.02705. https://arxiv.org/pdf/2603.02705
