AI 탄소배출 거래제: 효율성으로 접근성·지속가능성 확보

초록

본 논문은 대규모 AI 모델의 과도한 연산 사용이 학계·중소기업의 진입 장벽을 높이고 환경에 큰 부담을 주는 현상을 지적한다. 이를 해결하기 위해 ‘AI 캡‑앤‑트레이드’라는 시장 기반 메커니즘을 제안한다. 연산량(FLOP) 혹은 탄소 배출량에 상한을 설정하고, 초과분에 대해 허가증을 구매·판매하도록 함으로써 효율성을 경제적 이익으로 전환한다. 저자는 이 제도가 연산량을 감소시켜 배출을 낮추고, 효율성을 갖춘 기업·연구기관에 재정적 보상을 제공해 접근성을 향상시킬 수 있음을 이론적으로 증명한다.

상세 분석

논문은 먼저 현재 AI 산업이 ‘하이퍼스케일링’ 전략에 의존하고 있음을 정량적 데이터로 보여준다. 예를 들어, 최신 대형 언어 모델(Large Language Model, LLM)의 학습에 필요한 FLOP이 10^27 수준에 이르고, 일일 2.5 억 건의 쿼리를 처리하는 OpenAI만 해도 연간 약 1 ronnaFLOP(10^27 FLOP)의 추론 연산을 수행한다는 추산을 제시한다. 이를 GPU 비용과 전력 소비로 환산하면 수십억 달러와 매일 수백 톤의 CO₂ 배출이 발생한다. 이러한 규모는 학계와 스타트업이 감당할 수 없는 장벽을 만든다.

접근성 측면에서 저자는 ‘컴퓨팅 독점’이 혁신을 억제하고 인재 유출(‘brain drain’)을 가속화한다는 점을 강조한다. 동시에, 전력 사용이 대부분 비재생 에너지에 의존하기 때문에 AI 사용이 환경에 미치는 부정적 외부효과가 급증하고 있음을 지적한다.

이에 대한 정책적 대안으로 기존 환경 규제(포터 가설, 배출권 거래제 등)를 AI 연산에 적용한 ‘AI 캡‑앤‑트레이드’를 제안한다. 핵심 메커니즘은 다음과 같다. ① 정부 혹은 국제 기구가 연간 전체 AI 연산량 혹은 탄소 배출량에 상한(Cap)을 설정한다. ② 각 기업은 할당된 배출권(또는 FLOP 허가증)을 초기 할당량으로 받으며, 초과 사용 시 시장에서 추가 허가증을 구매해야 한다. ③ 효율성을 개선해 할당량 이하로 운영하는 기업은 남은 허가증을 판매해 수익을 창출한다.

이 구조는 전통적인 Pigouvian 세금과 달리 ‘거래’를 통한 가격 신호를 제공한다. 효율성 개선이 직접적인 재무 이익으로 연결되므로 기업의 R&D 인센티브가 자연스럽게 형성된다. 저자는 수학적 모델을 통해 (1) 전체 연산량이 할당량 이하로 수렴하고, (2) 효율성을 갖춘 기업이 평균보다 높은 수익을 얻으며, (3) 배출권 가격이 충분히 높을 경우 시장 전체의 탄소 배출이 감소한다는 것을 증명한다.

또한, 중국의 수출 규제에 의해 촉발된 ‘컴퓨팅 효율 경쟁’ 사례를 들어, 외부 압력이 효율 혁신을 촉진할 수 있음을 실증적으로 뒷받침한다. DeepSeek와 같은 기업이 희소성(sparsity) 및 압축 기술을 활용해 동일 성능을 절반 이하의 연산량으로 달성한 사례는, 효율성 인센티브가 실제 성장과 비용 절감을 동시에 달성할 수 있음을 보여준다.

정책 실행 시 고려해야 할 과제도 논의한다. 첫째, 연산량·배출량 측정 표준화가 필수이며, 이를 위해 주요 AI 기업이 공개한 FLOP·에너지 데이터가 참고된다. 둘째, 재생 에너지 사용 기업에 대한 추가 보조금·세액공제 등 ‘크레딧’ 제도를 병행하면 초기 전환 비용을 완화할 수 있다. 셋째, 국제 협력이 필요하다. AI는 글로벌 서비스이므로 단일 국가의 캡만으로는 효과가 제한적이며, 다자간 협약을 통해 배출권 거래 시장을 글로벌화해야 한다.

마지막으로, 논문은 캡‑앤‑트레이드가 단순 환경 정책을 넘어 AI 산업 구조를 다변화하고, 과점(Oligopoly) 구조를 완화해 장기적인 AGI 안전성에도 긍정적 영향을 미칠 수 있다고 주장한다.