인간의 뇌는 약 20와트로 작동합니다. 선전의 '라인샤인(LineShine)' 슈퍼컴퓨터는 4천2백2십만 와트를 소비합니다. 이 격차는 AI 에너지 사용에 관한 인터넷 상의 대표적 논쟁이 되었지만, 대부분은 잘못된 주장입니다.
비교 자체는 유효합니다. 하지만 SNS에서 회자되는 수치는 모두 한 편의 논문에서 출발합니다. 가장 광범위하게 인용되는 수치는 3년 동안 잘못 인용되어 왔습니다.
China just topped the global supercomputer ranking for the first time since 2017.
— IT Guy (@T3chFalcon) June 24, 2026
LineShine. Shenzhen. 2.198 exaflops. 2 quintillion calculations per second. 20% faster than the US's El Capitan.
built entirely on domestic Chinese CPUs. no Nvidia. no US chips. no export controls… https://t.co/Tuuk6svl6l pic.twitter.com/fwFKWN0Mr4
AI 에너지 사용: 20와트로 실제 가능한 것
20와트라는 수치는 수십 년간의 대사 측정 결과에 기반합니다. 뇌는 체중의 약 2%이지만, 안정 시 산소 소비량의 약 20%를 차지합니다.
뉴런 수는 생각보다 불확실합니다. 널리 인용되는 860억 개라는 숫자는 네 명의 남성 뇌에서 산출된 것으로, 현재 학술지 브레인(Brain)에서 논란이 되고 있습니다.
바이럴 게시물에는 종종 20와트 대신 12와트가 등장합니다. 2023년 프론티어스 인 아티피셜 인텔리전스(Frontiers in Artificial Intelligence) 논문에 출처 표기 없이 제시된 수치입니다.
같은 논문에서 모두가 공유하는 숫자도 나왔습니다. 저자들은 인간 뇌를 디지털로 재현하려면 27억 와트가 필요하다고 추정했습니다.
그 추정치는 1천만 뉴런 시뮬레이션을 쥐 뇌 규모로 확대하고, 다시 천 배로 곱해서 산출되었습니다.
이 논문은 또한 시뮬레이션이 실제 생물학보다 약 3만 배 느리게 작동했음을 언급합니다. 그러나 SNS 게시물들은 이 부분을 생략합니다. 이차 출처들은 해당 수치를 블루 브레인 프로젝트(Blue Brain Project)에서 나왔다고 오인하지만, 실제로 해당 프로젝트에서 발표된 적은 없습니다.
링크드인에서 ‘인간의 뇌는 생각에 12와트만 필요하다’고 주장하는 바이럴 게시물. 출처: Evolving AI 신뢰할 수 있는 수치도 존재합니다. 에포크 AI(Epoch AI)는 2025년 초 기준 챗GPT의 일반적인 질의가 0.3와트시 소모된다고 추정했습니다. 학술지 ‘줄(Joule)’에 실린 동료 검토 논문에서는 0.31와트시로 나왔습니다.
서로 독립적인 두 방식의 결과가 이 정도로 비슷하게 나오는 경우는 드뭅니다. 그러나 이 수치는 업무량에 따라 크게 달라집니다. 더 긴 답변을 생성하는 추론 모델은 훨씬 더 많은 에너지가 필요합니다.
생물학과 실리콘, 그리고 실리콘이 따라 한 점
피질 활동은 드뭅니다. 평균 발화율은 1Hz 미만이며, 에너지는 클럭 주기가 아니라 변화 자체를 따라 사용됩니다.
현대 AI도 이 결론에 독립적으로 도달했습니다. 키미 K2(Kimi K2)는 토큰당 1조4십억 개 중 326억 개의 파라미터를 활성화합니다. 이는 약 3.1%입니다.
이 비율은 빠르게 내려가고 있습니다. 믹스트럴(Mixtral)은 2023년에 전체 파라미터 중 약 28%를 사용했지만, 딥시크V3(DeepSeek-V3)는 최근 5.5%만 사용합니다.
생물학은 낮은 정밀도로 계산합니다. 뇌 속 뉴런에서 32비트 수준의 정밀한 값은 존재하지 않습니다.
반도체 업체들도 비슷한 방식을 따랐습니다. 딥시크(DeepSeek)는 6710억 개 파라미터 모델을 8비트 정밀도로 학습했습니다. 엔비디아(NVIDIA)는 이후 120억 파라미터 모델을 4비트로 사전학습까지 했습니다.
로그 스케일에서의 전력 소모: 뇌에서 데이터 센터까지 / 출처: BeInCrypto 세 번째 차이는 가장 크면서 가장 덜 모방된 부분입니다. 뇌는 기억과 계산을 같은 물리적 공간에서 수행합니다.
디지털 기계는 이를 분리해 처리합니다. 스탠포드의 마크 호로위츠(Mark Horowitz)는 그 격차의 비용을 보여주었습니다. 메모리에서 오퍼랜드를 가져오는 데 산술 연산 자체보다 수백 배 더 많은 에너지가 소비될 수 있습니다.
도착하지 않은 뇌 닮은 칩
뉴런을 모방하려는 하드웨어는 한계를 드러냈습니다. 뉴로모픽 또는 아날로그 시스템 중, 실제 최첨단 모델을 생산 환경에서 학습하거나 구동한 사례는 없습니다.
인텔의 할라 포인트(Hala Point)는 1,152개 칩에 11억5천만 개의 인공 뉴런을 탑재했습니다. 이는 샌디아 국립 연구소(Sandia National Laboratories)에 설치된 연구 프로토타입입니다. 인텔 뉴로모픽 컴퓨팅 랩의 책임자인 마이크 데이비스(Mike Davies)는 2024년 더레지스터(The Register)와의 인터뷰에서 다음과 같이 말했습니다:
“현재로서는 어떤 LLM도 하라 포인트에 매핑하지 않습니다. 그 방법을 저희는 모릅니다.”
상업적 상황은 한층 더 미약합니다. 브레인칩은 이 분야에서 대표 상장기업입니다. 이 회사는 지난 3월 분기에 고객 수령액 70만 달러와 운영 지출 530만 달러를 보고했습니다.
다른 회사들은 완전히 멈췄습니다. 레인 AI는 1억 5천만 달러를 모으려 했으나 실패했고, 2025년에 매각을 모색했습니다.
이 분야 내부의 연구자들은 순환적인 문제를 설명합니다. 테네시 대학교 녹스빌 전기공학 및 컴퓨터과학 조교수 캐서린 슈먼은 말했습니다:
“하드웨어 회사들은 킬러 앱이 나오기를 기다립니다. 하지만 프로토타입 하드웨어 없이 그러한 앱을 만드는 방법을 이해하는 것은 매우 어렵습니다.” - 캐서린 슈먼, 테네시 대학교 녹스빌 조교수
20명이 넘는 연구자들이 2025년 네이처 합의 논문에 서명했습니다. 이 논문은 해당 분야에 필요한 생태계가 여전히 부족하다고 주장했습니다.
생물학의 원리는 성공했습니다. 그 원리를 구현한 하드웨어는 성공하지 못했습니다.
모두가 같은 전자를 두고 경쟁합니다
지금은 효율성이 중요합니다. 전기가 결정적 제약이 되었기 때문입니다. 국제에너지기구는 2025년 전 세계 데이터센터 소비가 485테라와트시라고 추정했습니다.
AI 특화 시설들은 그 해에만 50% 성장했습니다. 해당 기관은 2030년까지 3배로 늘어날 것으로 예상합니다.
칩 공급이 아니라, 전력망 접근성이 신규 건설의 관문이 되었습니다. 로렌스 버클리 국립 연구소에 따르면, 연계 요청에서 상업 운영까지 중간 기간은 5년을 넘습니다.
마이크로소프트 CEO 사티아 나델라는 11월에, 자사에 꽂을 수 없는 프로세서가 보관되어 있다고 밝혔습니다. 부족한 것은 실리콘이 아니라 전기가 공급되는 건물입니다. 기관 투자자들도 전력망 준비에 관한 질문을 제기했습니다.
비트코인 채굴자들은 바로 이 문제를 10년 동안 해결해왔습니다. 채굴자들은 전력을 확보한 부지, 전력 계약, 연동 권리를 보유하고 있습니다. 신규업체들은 이런 권리를 얻기까지 수년을 기다려야 합니다.
이 결과로 채굴업은 에너지 및 인프라 사업이 되었습니다. 이미 운영 중인 부지를 전환하는 데는 메가와트당 약 3백만~4백만 달러가 듭니다. 신규 부지 건설에는 1메가와트당 1천만~1천2백만 달러가 필요하다고 반에크는 평가합니다.
체결된 계약 가치는 막대합니다. 상장 채굴자들은 총 700억 달러가 넘는 AI 관련 계약을 체결했습니다.
실제 가동된 용량은 훨씬 조용한 이야기를 보여줍니다. 2026년 2분기 자료에 따르면, 실제 가동된 용량은 업계 전체에서 약 750메가와트입니다.
코어사이언티픽이 그 중 약 437메가와트를 차지합니다. 갤럭시의 헬리오스 캠퍼스는 133, 테라울프가 102, IREN이 50, 라이엇이 25를 공급합니다. Hut 8은 949메가와트 계약만 있고, 실제로는 가동된 용량이 없습니다.
실제 가동된 용량과 계약된 용량 / 출처: BeInCrypto 이러한 전환에는 큰 비용이 들었습니다. 채굴업체 MARA와 클린스파크의 분기별 합산 손실은 8억 5천1백만 달러에 달했습니다.
대부분의 채굴 용량은 전환되지 못할 것입니다. 7월 발표된 예비 캠브리지 설문 자료에 따르면, 채굴자의 약 10%만이 AI에 전력을 할당했습니다.
장애물은 물리적입니다. 채굴은 중단을 허용하지만, AI 임차인은 안정적인 전력, 고밀도 냉각, 원격지에서는 드문 광케이블을 요구합니다.
그럼에도 방향은 명확합니다. 코어사이언티픽의 수익 중 83%는 공동구축에서, 채굴 자체는 13%에 불과합니다.
투자자들은 그러한 변화를 가격에 반영했습니다. 계약이 체결된 채굴 업체들은 실제 가동 중인 전력 대비 훨씬 높은 배수로 거래되고 있습니다. 한편, 다음 AI 투자처는 점점 칩이 아니라 전력처럼 보입니다.
효율성으로는 AI 에너지 문제를 해결할 수 없는 이유
지금까지 효율성 향상이 수요 증가를 흡수해왔습니다. 전 세계 데이터센터 컴퓨팅은 2010년부터 2018년까지 550% 증가했으나, 에너지 사용량은 약 6%만 상승했습니다.
하지만 이러한 패턴이 깨졌습니다. 미국 데이터센터 에너지 사용량은 2014년 58테라와트시에서 2023년 176테라와트시로 증가했습니다.
진화는 엄격한 한계 아래서 최적화되었습니다. 해골이 200와트를 소비하면 그 소유자는 사망했을 것이기에, 효율성만이 유일한 답이었습니다.
AI는 이러한 한계를 경험한 적이 없습니다. 대신 자본의 한계를 마주했으며, 자본은 전기보다 훨씬 더 쉽게 확장됩니다.
이제 상황이 달라지고 있습니다. 현재는 생물학이 더 효율적인지에 대한 논의가 아니라, 돈이 아니라 전력이 무엇을 구축할지 결정할 때 AI가 무엇이 될지에 대한 질문이 남아 있습니다.
kr.beincrypto.com 에서 Jakub Dziadkowiec의 원본 기사 뇌, 20와트 사용…AI는 발전소 필요 읽기