본문으로 건너뛰기
ReviewRamble

주간 브리프

AI 리뷰를 받은편지함으로.

  • 도구, 모델, MCP 서버, 저장소의 새 리뷰(결론부터)
  • 변경이 있을 때 다시 확인한 가격과 평점
  • 새로 발행된 분석 글

모델, 에이전트, MCP 서버, 그리고 정말 시간을 들일 만한 도구.

일주일에 한 통입니다. 각 브리프의 링크로 구독을 해지할 수 있습니다. 이메일 사용 방식

전력 사용 효율(PUE)

PUE(power usage effectiveness, 전력 사용 효율)는 데이터센터 전체 에너지 사용량을 IT 장비가 사용하는 에너지로 나눈 값입니다. PUE가 1.0이면 모든 전력이 연산에 쓰인다는 뜻이고, 값이 클수록 냉각과 전력 손실에 더 많이 쓰인다는 뜻입니다.

다른 이름: PUE

작성 Divya Sharma · 2026년 11월 20일 확인 · 리뷰 방식

여러분이 호출하는 모든 AI 모델은 냉각과 전력 공급이 필요한 건물 안의 GPU에서 실행됩니다. PUE는 그 부대 소비를 측정합니다. 시설 전체가 끌어오는 전력을 서버, 스토리지, 네트워크 장비에 도달하는 전력으로 나눕니다. PUE 1.5는 연산 1와트마다 0.5와트의 부대 소비가 있다는 뜻입니다.

일반적인 값

Google은 환경 보고서에서 2025년 전체 시설 평균 PUE를 1.09로 보고하고, 같은 해 Uptime Institute 조사 평균으로 1.54를 인용합니다. 100 MW의 IT 부하를 1년 내내 가동하면 이 차이는 약 394,000 MWh의 추가 전력에 해당합니다. 실제 값은 기후, 냉각 설계, 시설 가동률에 따라 달라집니다.

측정하지 않는 것

PUE는 연산이 얼마나 유용한지에 대해서는 아무것도 알려 주지 않습니다. 유휴 서버로 가득한 시설도 PUE는 훌륭할 수 있습니다. 물도 고려하지 않습니다. 증발식 냉각은 물을 더 쓰는 대신 PUE를 낮추는 경우가 많아, 연구자들은 kWh당 리터로 표시하는 물 사용 효율(WUE)을 따로 추적합니다. GPU 클라우드와 셀프 호스팅처럼 공급자를 비교할 때 PUE가 알려 주는 것은 건물이지 토큰당 가격이 아닙니다.

관련 용어

GPU
GPU(graphics processing unit)는 많은 계산을 병렬로 실행하도록 만든, 작은 코어가 많은 프로세서입니다. 행렬 연산 속도 덕분에 AI 모델을 학습하고 실행하는 표준 하드웨어가 되었습니다.
GPU 클라우드
GPU 클라우드(GPU cloud)는 AI 학습, 미세 조정, 추론을 위해 GPU 머신을 시간 단위나 초 단위로 빌려주는 서비스입니다. 네오클라우드(neocloud)라고도 불리는 전문 업체는 GPU에 집중하며, 대형 범용 클라우드보다 저렴한 경우가 많습니다.
셀프 호스팅(AI 모델)
AI 모델 셀프 호스팅(self-hosting)은 제공업체의 API를 호출하는 대신, 자체 서버, 임대한 GPU, 노트북처럼 직접 통제하는 하드웨어에서 모델을 실행하는 것입니다. 모델을 고르고 데이터를 지킬 수 있지만, 인프라를 직접 운영해야 합니다.
추론(인퍼런스)
추론(inference, 인퍼런스)은 학습된 모델을 실행해 새로운 입력으로 출력을 만드는 것으로, LLM이 프롬프트에 대한 답을 생성하는 것이 그 예입니다. 학습과 달리, 사용자가 모델을 호출할 때마다 비용을 내는 단계입니다.
서버리스 GPU(Serverless GPU)
서버리스 GPU(serverless GPU)는 코드나 모델을 배포하면 플랫폼이 요청이 들어올 때만 GPU 워커를 시작하고, 실행된 시간만큼 청구하며, 유휴 시에는 0으로 축소하는 클라우드 모델입니다.

출처