하지만 이 수치들은 하드웨어 및 사용 가정을 기반으로 하며, 이 가정들이 정확하지 않을 수 있습니다.
The Guardian에 따르면, OpenAI의 GPT-5 AI 모델은 이전 모델들보다 성능이 크게 향상되었지만, GPT-4 버전에 비해 전력 소모량이 약 8.6배나 더 많을 것으로 추정됩니다. 하지만 OpenAI가 최신 모델의 에너지 사용량을 공식적으로 공개하지 않아, 전체적인 에너지 소비 규모에 대한 우려가 커지고 있습니다. 다만, 현재까지 발표된 수치는 단지 추정치이며, 이 추정치 자체도 여러 추정치에 기반하고 있습니다.
Rhode Island 대학교(University of Rhode Island)의 AI 연구소는 GPT-5가 쿼리당 평균 18와트시(Wh)를 약간 넘게 소비할 것으로 추정했습니다. 이 추정치를 바탕으로 하루 동안 ChatGPT가 보고한 25억 건의 요청을 이 모델에 모두 처리할 경우, 최대 45기가와트시(GWh)에 달하는 전력 사용량이 발생할 수 있다고 밝혔습니다.
하루 에너지 사용량 45 GWh는 엄청난 규모입니다. 일반적인 현대 원자력 발전소가 원자로 1개당 시간당 1~1.6 GW의 전력을 생산하는 점을 감안할 때, 쿼리당 18 Wh를 소비하는 GPT-5를 구동하는 데이터 센터는 2개에서 3개의 원자력 발전소와 동등한 전력 규모가 필요하며, 이는 한 소규모 국가를 가동하기에 충분한 양입니다.
(참고: 대만은 2030년까지 전력 수요가 5GW 이상 증가하여 약 4백만 가구에 전력을 공급할 수 있을 것으로 예상하고 있습니다.)
(참고: Nvidia 기반 테스트 결과에 따르면, AI 데이터 센터는 전력 사용량을 거의 실시간으로 유연하게 조절할 수 있으며, 이는 에너지 소비에 대한 글로벌 시사점을 던져줍니다.)
이 연구소는 GPT-5가 길이가 중간 정도인 1,000 토큰 응답을 생성하는 데 최대 40와트시(Wh)의 전력을 소모하며, 평균은 18.35 Wh를 약간 넘는다고 추정하여 보고서를 작성했습니다. 이는 GPT-4가 2.12 Wh를 소비한 것보다 높은 수치입니다. 다만, OpenAI의 o3(25.35 Wh)와 Deepseek의 R1(20.90 Wh)을 제외한 다른 테스트 모델들보다는 높은 수치입니다.
다만, 이 연구소의 테스트 방법론은 이상적이지 않은 부분이 있습니다.
연구팀은 GPT-5의 전력 소비량을 두 가지 주요 요소를 결합하여 측정했습니다. 첫째는 주어진 요청에 응답하는 데 걸리는 응답 시간이며, 둘째는 모델 구동 하드웨어의 추정 평균 전력 소비량입니다.
OpenAI가 정확한 배포 세부 정보를 공개하지 않아, 연구진은 하드웨어 구성을 추측할 수밖에 없었습니다. 그들은 OpenAI의 최신 AI 모델이 Microsoft Azure에 호스팅된 Nvidia DGX H100 또는 DGX H200 시스템에 배포되었을 가능성이 높다고 보고 있습니다. 이에 따라 쿼리 응답 시간을 하드웨어의 추정 전력 소비량에 곱하여, 비교에 사용된 1,000 토큰 벤치마크와 같은 다양한 결과물에 대한 와트시 수치를 도출했습니다.
이 하드웨어 추정치에는 GPU 외의 부품(예: CPU, 메모리, 스토리지, 냉각 장치)도 고려되었으며, Power Usage Effectiveness (PUE), Water Usage Effectiveness (WUE), Carbon Intensity Factor (CIF)와 같은 Azure 전용 환경 승수(multiplier)가 적용되었습니다. 물론, 만약 Azure와 OpenAI가 Nvidia의 Blackwell 하드웨어(최대 네 배 빠름)를 사용하는 경우, 이 추정치는 달라질 수 있습니다.
GPT-5는 전문가 혼합(mixture-of-experts) 설계를 채택하고 있어, 모든 요청에 모든 파라미터가 활성화되는 것이 아니기 때문에 일부 짧거나 간단한 쿼리에서는 전력 소비가 줄어드는 효과가 있습니다. 하지만 The Guardian이 인용한 Shaolei Ren 같은 연구원들은, 이 모델이 처리 시간이 길어지는 추론 모드를 가지고 있어 동일한 답변에 대해 전력 소비량을 5배에서 10배까지 증가시킬 수 있다고 지적합니다(즉, 쿼리당 40 Wh를 초과할 수 있습니다).
[참고]
(결론적으로, 본 기사는 AI 기술의 발전 속도가 빠르지만, 전력 소비량 증가와 환경적 영향을 최소화하기 위한 에너지 효율화 연구가 필수적임을 시사합니다.)