지속가능성

지리정보 분석을 통한 지속 가능한 투자 포트폴리오의 기후 위험 수치화

Wed, 14 Sep 2022 00:00:00 +0000

* 본 아티클의 원문은 2022년 7월 12일 Google Cloud 블로그(영문)에 게재되었습니다.

금융 서비스 기관에서는 기후 변화에 대처하는 데 있어 해당 기관이 수행할 수 있는 중요한 역할에 대한 인식이 점점 더 높아지고 있습니다. 금융 기관은 대출 및 투자 포트폴리오를 통한 자본 배분자로서 폭넓은 경제 영역에서 기업 개발 및 운영을 위한 재정 관련 리소스를 관리합니다.

이 자본 배분 책임은 위험 조정 수익을 최적화하기 위해 위험 평가와 성장 기회 간의 균형을 유지합니다. 산불 및 물 부족과 같은 물리적 위험과 관련된 기후 위험을 식별, 분석, 보고, 모니터링하는 것은 포트폴리오 위험 관리의 필수 요소가 되고 있습니다.

클라우드 기반 포트폴리오 기후 위험 분석 시스템 구현

이러한 기후 위험을 계량화하기 위해 이 설계 패턴에는 금융 서비스 기관이 자체 환경에서 포트폴리오 기후 위험 분석 시스템을 구현하는 데 사용할 수 있는 클라우드 기반 빌드 구성요소가 포함됩니다. 이 패턴에는 RS Metrics의 샘플 데이터 세트가 포함되어 있으며 BigQuery, 데이터 스튜디오, Vertex AI Workbench, Cloud Run과 같은 여러 Google Cloud 제품을 활용합니다. 기술 아키텍처는 다음과 같습니다.

클라우드 기반 포트폴리오 기후 위험 분석을 위한 기술 아키텍처

이 패턴을 시작하려면 소스 코드 저장소를 참조하고, 포트폴리오 관리의 기본 지리정보 기술 및 비즈니스 사용 사례에 대해 자세히 알아보려면 이 게시물의 나머지 내용을 읽어보세요. 저장소에 제공된 Terraform 코드를 사용하면 선택한 Google Cloud 프로젝트에 샘플 데이터 세트 및 애플리케이션 구성요소를 배포할 수 있습니다.README에는 단계별 안내가 있습니다.

기술 자산을 배포한 후 패턴의 기술 기능을 숙지할 수 있도록 다음 단계를 수행하는 것이 좋습니다.

예시 데이터 스튜디오 대시보드를 살펴보고 데이터 세트 및 포트폴리오 위험 분석을 익히세요(아래의 스크린샷 참조).
보다 심층적인 분석을 위해 Cloud Run과 함께 배포된 R Shiny 앱을 살펴보세요.
Vertex AI Workbench를 확인하고 포함된 Python 기반 Jupyter 노트북에서 제공되는 데이터 탐색 분석을 살펴보세요.
BigQuery로 전송하여 이 패턴에 대한 샘플 데이터를 직접 쿼리하세요.

포트폴리오 기후 위험 분석 데이터 스튜디오 대시보드. 이 대시보드는 BigQuery에 저장된 샘플 기후 위험 데이터를 시각화하고 선택 항목 및 필터를 기반으로 화재 및 물 부족 위험 총점을 동적으로 표시합니다.

세분화된 객관적 데이터의 중요성

다양한 기후 변화 시나리오에서 기후 위험에 대한 노출을 평가하려면 지리정보 계층, 기후 모델에 대한 전문 지식을 조합하고 회사 운영 정보를 사용해야 할 수 있습니다. 위치에 따라 제조 시설이나 사무실 건물과 같은 회사의 물리적 자산은 다양한 유형의 기후 위험에 취약할 수 있습니다. 사막에 위치한 시설은 물 부족 상황을 더 많이 경험할 가능성이 높고, 해수면 근처에 위치한 공장은 해안 침수의 위험이 더 큽니다.

자산별 물리적 기후 위험 분석

Google Cloud 파트너인 RS Metrics는 투자 가능한 광범위한 상장 주식에 적용할 두 가지 데이터 제품인 ESGSignals® 및 AssetTracker®를 제공합니다. 이러한 제품에는 생물 다양성, 온실 가스(GHG) 배출, 물 부족, 토지 사용, 물리적 기후 위험 등 50가지 변화 및 물리적 기후 위험 측정항목이 포함됩니다. 이러한 개념을 소개하기 위해 먼저 물 부족 위험과 화재 위험이라는 두 가지 주요 물리적 위험에 대해 설명하겠습니다.

물 부족 위험

물 부족은 자산의 물 수요가 해당 자산에서 사용할 수 있는 물의 양을 초과하여 물 비용이 증가하거나 극단적인 경우 물 공급이 완전히 중단될 때 발생합니다. 이는 자산의 단위 경제에 부정적인 영향을 미치거나 심지어 자산이 폐쇄되는 결과를 초래할 수 있습니다. CDP의 2020년 보고서에 따르면 설문조사에 응답한 357개 기업은 물 위험의 잠재적인 재정적 영향이 총 3,010억 달러에 이를 것이라고 밝혔습니다.

투자자에게 자산 위치 데이터가 없는 경우에는 Ceres의 2020년 보고서에 기술된 산업 평균 물 사용량과 유역 수위 위험 정보를 사용하여 물 부족 위험을 추정합니다. 하지만 ESGSignals®를 사용하면 유역과 하위 유역 수위, 가뭄 심각도, 증발산량, 수백만 개별 자산의 지표수 가용성으로부터 기상 및 수자원 변수를 통합하여 보다 세분화된 접근을 취할 수 있습니다.

2자리 수의 수문학적 단위를 보여주는 북미 유역 지도. 출처: usgs.gov

증산과 증발로 구성된 증발산량을 보여주는 지구 표면의 물 순환. 출처: Wikipedia

예를 들어 물 사용이 매우 집약적인 광업을 살펴보겠습니다. 칠레 광업부에서 발표한 공개 데이터 세트에 따르면 칠레의 Cerro Colorado 구리 광산은 2019년에 71,700미터톤의 구리를 생산했습니다. ESGSignals®는 이 광산 자산이 심각한 물 부족을 겪고 있는 것으로 식별하여 물 위험 점수를 100점 만점에 75점으로 평가했습니다. 이와 같은 자산에서 효율성 향상과 담수화를 통해 물 소비를 줄이면 인근 지역 사회의 귀중한 수자원을 절약할 뿐만 아니라 시간이 지남에 따라 운영 비용이 절감됩니다.

ESGSignals®의 화재 위험 및 물 부족 위험 점수(범위: 0~100)에서 계산된 자산별 전체 위험 점수를 보여주는 지도. 중간 팝업: BHP Group의 Cerro Colorado 구리 광산과 관련된 자산 정보 및 점수. 출처: RS Metrics 포트폴리오 기후 위험 Shiny 앱.

화재 위험

최근 몇 년 간 산불로 인해 막대한 피해가 발생했습니다. 예를 들어 경제학자들은 2019~2020년 오스트레일리아에서 산불 사태가 벌어지면서 약 1,030억 오스트레일리아 달러의 재산 피해와 경제적 손실이 발생한 것으로 추정했습니다. 이러한 산불은 오스트레일리아에 위치한 모든 종류의 상업 시설 운영에 안전 및 운영상의 위험을 초래합니다.

ESGSignals® 화재 위험 점수는 과거의 화재 사건, 근접성, 화재 규모와 회사 자산 위치(AssetTracker®)를 조합하여 계산됩니다. ESGSignals® 평가에 따르면 오스트레일리아에 위치한 대부분의 광산 자산은 화재 위험에 대해 중간부터 높은 수준까지 노출되어 있습니다.

Google Earth Engine 2021년 같은 회사 소유의 두 공장에서 100km 이내에 발생한 산불을 묘사한 애니메이션. 자산 (a)는 화재 위험이 높은 자산으로 간주되는 반면 자산 (b)는 상대적으로 화재 위험이 낮습니다. 화재 데이터 소스: NASA FIRMS.

자산별 기후 위험 분석을 포트폴리오 관리에 통합

지금까지 자산별 기후 위험의 메커니즘을 알아봤으니 이제 포트폴리오 관리자가 포트폴리오 선택, 포트폴리오 모니터링, 회사 관여를 포함한 포트폴리오 관리 프로세스에 이러한 분석을 통합할 수 있는 방법을 중점적으로 살펴보겠습니다.

포트폴리오 선택

포트폴리오 선택에는 다양한 투자 도구가 포함될 수 있습니다. 심사에서 포트폴리오 관리자는 필터링 기준을 설정하여 포트폴리오에 포함하거나 제외할 회사를 선택합니다. 자산별 기후 위험 점수는 기타 재무적 또는 비재무적 요인과 함께 이러한 심사 기준에 포함될 수 있습니다.

예를 들어, 포트폴리오 관리자는 자산별 물 부족 평균 점수가 30점 미만인 회사를 검색할 수 있습니다. 그 결과, 주어진 벤치마크 지수보다 물 부족으로 인한 위험이 전반적으로 낮은 투자 포트폴리오를 구성할 수 있습니다(아래 그림 참조).

자산별 물 부족 평균 점수가 30점 미만인 회사 선별을 통한 포트폴리오 선택을 보여주는 포트폴리오 기후 위험 분석 데이터 스튜디오 대시보드. 이 경우 종합 점수는 물 부족 위험 점수와 화재 위험 점수의 평균으로 정해집니다.

포트폴리오 모니터링

포트폴리오 모니터링의 경우 포트폴리오 내 기존 보유 자산에 대한 물리적 기후 위험의 기준선을 먼저 설정하는 것이 중요합니다. 그런 다음 물 부족, 산불 또는 기타 물리적 기후 위험 측정항목의 변화를 찾는 주기적인 보고 프로세스를 만들 수 있습니다. 위험 점수에 중대한 변동이 있으면 목표 위험 프로필을 충족하기 위해 포트폴리오를 재조정하는 것과 같이 차선책을 결정하기 위한 보다 자세한 분석이 시작됩니다.

2018년부터 2021년까지 3개의 기업 자산에 대한 화재 위험 점수 모니터링(화재 위험 점수를 낮음, 낮음~중간, 중간~높음으로 표시). 더 많은 시계열 분석은 소스 코드 저장소를 참조하세요.

포트폴리오 관여

일부 포트폴리오 관리자는 주주 발의 또는 기업 투자자 관리팀과의 회의를 통해 포트폴리오에 포함된 회사에 관여합니다. 이러한 투자자들에게는 기후 위험에 크게 노출된 자산을 명확하게 식별하는 것이 중요합니다.

포트폴리오 관리자는 영향을 받을 가능성이 가장 높은 위치에 집중하기 위해 수백만 개의 AssetTracker 위치를 물 부족 또는 화재 위험 점수에 따라 정렬하고 이러한 순위 목록의 최상위에 있는 회사에 관여할 수 있습니다. 위험도가 가장 높은 자산의 위험 완화 기회를 강조하는 것이 효과적인 관여 우선순위 전략입니다.

포트폴리오 관여의 도구로 사용하는 포트폴리오 기후 위험 분석 데이터 스튜디오 대시보드. 화재 위험 점수를 기준으로 고위험 자산이 있는 회사가 목록의 상단에 표시됩니다.

포트폴리오 관리 너머로 확장

물리적 기후 위험 분석에 자산별 접근 방식을 적용하면 위에 제시된 포트폴리오 관리의 사용 사례 외에도 도움을 얻을 수 있습니다. 예를 들어 상업은행의 위험 관리자는 이 방법론을 사용하여 보증 및 지속적인 대출 평가 중에 대출 위험을 계량화할 수 있습니다. 또한 보험 회사는 이러한 기법을 사용하여 신규 및 기존 보험 계약자 모두에 대한 위험 평가 및 가격 결정을 개선할 수 있습니다.

BigQuery의 지리정보 분석 기능을 통해 추가 지리정보 데이터 세트를 이 패턴에 사용된 데이터 세트와 혼합하면 보다 유용한 정보를 얻을 수 있습니다. GEOGRAPHY 데이터 유형으로 인코딩된 점 또는 다각형과 같은 데이터 세트의 위치 정보를 사용하면 공간 JOIN 기능과 결합할 수 있습니다. 예를 들어 위험 분석가는 AssetTracker 데이터를 BigQuery 공개 데이터(예: Census Bureau US Boundaries 데이터 세트에서 제공되는 국가, 주, 의회 선거구 또는 우편번호의 인구 정보)와 결합할 수 있습니다.

클라우드 기반 데이터 환경은 기업이 이러한 워크플로 및 기타 지속 가능성 분석 워크플로를 관리하는 데 도움이 될 수 있습니다. Google Cloud 파트너인 Infosys는 청사진과 디지털 데이터 인텔리전스 자산을 제공하여 안전한 데이터 공동작업 공간에서 지속 가능성 목표의 실현을 가속화함으로써 RS Metrics 지리정보 데이터, 기업 데이터, 디지털 데이터와 같은 정보 자산을 연결, 수집, 연관시켜 금융 가치 사슬 전반에서 ESG 인텔리전스를 활성화합니다.

자세한 내용이 궁금하신가요?

RS Metrics의 ESGSignals®를 사용한 세분화된 자산별 위험 측정항목 분석에 대해 자세히 알아보려면 최근 진행되었거나 향후 개최될 웹 세미나를 확인하거나 여기에서 직접 문의하세요

Infosys의 지속 가능성 서비스에 대한 자세한 내용은 여기에서 Infosys 지속 가능성팀에 문의하시기 바랍니다. Google Cloud용 Infosys ESG Intelligence Cloud 솔루션의 데모가 필요한 경우 여기에서 Infosys 데이터 분석 및 AI팀에 문의하세요.

업종별로 기후 변화에 따른 난제를 해결하는 데 도움이 되는 최신 전략 및 도구에 대해 자세히 알아보려면 최근 진행된 Google Cloud Sustainability Summit의 주문형 세션을 시청하세요.

도움을 주신 분들에게 드리는 감사 인사

저자들은 Infosys 공동작업자인 마노즈쿠마르 나그데브, 루시라즈 프라딥 자이스왈, 파드마자 바이디아나단, 아난다쿠마르 카얌부, 비노드 메논, 라잔 파드마나반에게 감사를 표합니다. 또한 RS Metrics의 라쉬미 보미리야, 데시 스토에바, 코니 야네바, 랜디카 H와 Google의 아룬 산타나고팔란, 셰인 글래스, 데이비드 사바테르 딘터에게도 감사 인사를 전합니다.

면책조항

이 웹사이트에 포함된 정보는 정보 제공만을 위한 것으로서 투자, 법률, 세금 또는 기타 자문을 위한 것이 아니며 투자 결정 또는 기타 결정을 위해 제공되는 것이 아닙니다. 모든 콘텐츠는 저자와 게시자가 법률, 경제, 투자 또는 기타 전문적인 문제 및 서비스에 대한 자문을 제공하지 않는다는 점을 이해한다는 전제로 제공됩니다.

Google Cloud, 90% 무탄소 에너지로 운영되는 세계 최대 규모의 Cloud TPU v4 기반 일반 공개 ML 허브 출시

Tue, 31 May 2022 03:00:00 +0000

* 본 아티클의 원문은 2022년 5월 12일 Google Cloud 블로그(영문)에 게재되었습니다.

Google 검색과 YouTube 같은 Google 제품에서 볼 수 있는 최첨단 기능은 커스텀 머신러닝(ML) 가속기인 Tensor Processing Unit(TPU)을 토대로 실현된 것입니다. 이 가속기를 Google Cloud 고객에게 Cloud TPU로 제공하고 있습니다. ML 역량, 성능, 확장성에 대한 고객 요구가 그 어느 때보다도 빠르게 증가하고 있습니다. 차세대 인공지능(AI)의 근본적인 발전을 위해 오늘 Google은 미리보기 버전의 Cloud TPU v4 포드 기반 Google Cloud 머신러닝 클러스터를 발표했습니다. 이는 세계에서 가장 빠르고 가장 효율적이며 지속 가능한 ML 인프라 허브 중 하나입니다.

Cloud TPU v4 포드 기반의 Google Cloud ML 클러스터를 사용하면 연구원과 개발자가 AI의 최전방에서 정교한 모델을 학습시킴으로써 혁신적인 대규모 자연어 처리(NLP), 추천 시스템, 컴퓨터 비전 알고리즘 등의 워크로드를 지원할 수 있습니다. 9 엑사플롭스급의 최고 집계 성능을 제공하는 Cloud TPU v4 포드 클러스터는 누적 컴퓨팅 성능 측면에서 세계 최대의 공공 활용 ML 허브이며 90%의 무탄소 에너지로 운영됩니다.

"IT 의사 결정권자 2,000명을 대상으로 실시한 최근 설문조사에 따르면 부적절한 인프라 기능이 AI 프로젝트 실패의 근본 원인으로 작용하는 경우가 많은 것으로 나타났습니다. 목적에 맞게 빌드된 기업용 AI 인프라의 중요성이 커짐에 따라 Google은 오클라호마에서 9 엑사플롭스급의 집계 컴퓨팅 성능을 제공하는 새로운 머신러닝 클러스터를 출시했습니다. 90% 무탄소 에너지로 운영되는 것으로 보고된 세계 최대 규모의 일반 공개 ML 허브라고 생각합니다. 이는 지속 가능성을 염두에 두고 AI 인프라를 혁신하려는 Google의 지속적인 노력을 보여줍니다." - 맷 이스트우드, IDC 연구 부문 수석 부사장

가능성 확장

Google I/O 2021에서 Cloud TPU v4를 발표한 뒤 Google은 Cloud TPU v4 포드 사전 체험판을 Cohere, LG AI연구원, Meta AI, Salesforce Research를 포함한 주요 AI 연구팀 여러 곳에 제공했습니다. 연구팀은 체험판에 만족하며 그 장점으로서 빠른 상호 연결 및 최적화된 소프트웨어 스택을 통해 제공되는 TPU v4의 뛰어난 성능과 확장성, 새로운 TPU VM 아키텍처로 자체 대화형 개발 환경을 설정할 수 있는 능력, JAX, PyTorch 또는 TensorFlow를 아우르며 원하는 프레임워크를 사용할 수 있는 유연성을 꼽았습니다. 이러한 특성 덕분에 연구팀에서는 우수한 성능 및 탄소 효율성을 바탕으로 대규모 최첨단 ML 모델을 학습시키며 AI의 한계를 뛰어넘고 있습니다.

Cohere에서는 언어 생성, 분류, 검색을 위한 API를 포함한 최첨단 자연어 처리(NLP) 서비스를 구축합니다. 이러한 도구는 Cohere가 JAX를 사용하여 Cloud TPU로 처음부터 학습시키는 일련의 언어 모델을 기반으로 합니다. Cloud TPU v3 포드에서 Cloud TPU v4 포드로 전환한 결과, 초대형 모델의 학습 시간이 70% 개선되어 연구원들이 반복 작업을 빠르게 수행하고 고객에게 더 높은 품질의 결과를 제공할 수 있게 되었습니다. 탄소 발자국의 혁신적인 절감 또한 Cloud TPU v4 포드의 만족도를 높인 주요 요인이었습니다. 에이단 고메즈, Cohere CEO 겸 공동 설립자

LG AI연구원은 TPU v4가 상용화되기 전부터 전략적 연구 파트너로서 테스트에 참여해 3,000억 개 매개변수 규모의 초거대 AI인 LG EXAONE을 학습시켰습니다. 멀티모달 기능을 갖춘 LG EXAONE은 TPU v4와 6,000억 개 이상의 토큰 텍스트 코퍼스 및 2억 5,000만 개가 넘는 이미지로 구성된 방대한 데이터를 사용해 학습하여 커뮤니케이션, 생산성, 창의성 등의 측면에서 인간 전문가를 뛰어넘는 것을 목표로 하고 있습니다. TPU v4의 성능은 동급 최고의 컴퓨팅 아키텍처를 능가했을 뿐만 아니라 고객 중심 지원에서도 기대 이상이었습니다. Google과 협력하게 된 것을 매우 기쁘게 생각하며 더 나은 삶을 위해 AI를 발전시킨다는 궁극적인 비전을 달성할 수 있도록 전략적 파트너십을 굳건히 이어갈 것입니다. 배경훈 박사, LG AI연구원 원장

더 크고 혁신적인 모델을 수용하면서도 모델의 학습 속도를 높이는 것을 목표로 TPU v4 테스트를 수행하기 시작했습니다. PyTorch, XLA, TPU v4 기반 시스템 사용을 통해 컴퓨터 비전 연구의 한계를 뛰어넘을 수 있기를 기대합니다. 롱항 후, Meta AI 연구 과학자

TPU v4 사전 체험판을 사용한 덕분에 간단한 영어 프롬프트를 실행 가능한 코드로 전환하는 160억 개의 매개변수를 갖춘 자동 회귀 언어 모델인 CodeGen 프로젝트의 대화형 AI 프로그래밍에 혁신을 가져올 수 있었습니다. 학습 샘플 수에 비례하도록 모델 매개변수의 수를 조정하면 모델 성능이 뚜렷하게 향상된다는 경험적 관찰을 토대로 이 모델을 거대한 크기로 만들었습니다. 이러한 현상은 '눈금 바꿈 법칙'으로 알려져 있습니다. TPU v4는 이러한 유형의 수평 확장 ML 학습을 위한 탁월한 플랫폼으로서 다른 유사 AI 하드웨어 대안에 비해 상당한 성능상의 이점을 제공합니다. 에릭 네이캄프, Salesforce 연구 과학자

또한 TPU v4를 통해 Google 연구팀은 2개의 TPU v4 포드로 학습시켜 최근 출시한 PaLM(Pathways Language Model)을 포함하여 언어 이해, 컴퓨터 비전, 음성 인식 등 여러 분야에서 혁신을 이룰 수 있었습니다.

“고급 AI 하드웨어의 접근성을 높이기 위해 몇 년 전 TPU Research Cloud(TRC) 프로그램을 출범하여 전 세계 수천 명의 ML 연구원에게 TPU를 무료로 액세스할 수 있는 기회를 제공했습니다. 그 결과, 'AI를 사용한 페르시아어 시 쓰기'부터 '컴퓨터 비전 및 행동 유전학을 사용하여 수면과 운동으로 유발된 피로감의 구분'에 이르기까지 다양한 주제를 다룬 수백 편의 논문과 오픈소스 GitHub 라이브러리가 발표되었습니다. Cloud TPU v4 출시는 Google 연구팀과 TRC 프로그램 모두에게 중요한 이정표입니다. AI를 좋은 일에 사용하기 위해 전 세계 ML 개발자들과 오랜 시간 협업하게 된 것을 매우 기쁘게 생각합니다.” - 제프 딘, Google 연구 및 AI 부문 수석 부사장

지속 가능한 ML 혁신

이 모든 연구가 무탄소 에너지를 토대로 한다는 사실이 Google Cloud ML 클러스터의 가장 특별한 점 중 하나입니다. 지속 가능성을 위한 노력의 일환으로 Google은 2017년부터 데이터 센터 및 클라우드 리전의 연간 에너지 소비량을 100% 재생 에너지로 대체하고 있습니다. Google은 2030년까지 기업 전반에서 매일 매시간 무탄소 에너지(CFE)로 운영하는 것을 목표로 합니다. ML 클러스터가 구축된 Google 오클라호마 데이터 센터는 동일한 그리드 내에서 매시간 90% 무탄소 에너지로 운영하면서 이 목표를 향해 순조롭게 나아가고 있습니다.

직접적인 클린 에너지 공급 외에도 이 데이터 센터는 Power Usage Efficiency(PUE) 지수 1.10을 달성하며 세계에서 가장 에너지 효율적인 데이터 센터 중 한 곳이 되었습니다. 더불어 TPU v4 칩은 최대 전력에서 지원하는 최고 와트당 FLOPS 영역에서 TPU v3의 3배에 달하는 성능과 뛰어난 에너지 효율성을 제공합니다. 이렇게 우수한 클린 전력이 공급되는 데이터 센터에서 에너지 효율적인 ML관련 하드웨어를 운영하며 동시에 Cloud TPU v4는 3가지 주요 권장사항을 통하여 에너지 사용량 및 탄소 배출량을 현저하게 줄일 수 있는 방법을 제안합니다.

독보적인 확장성과 가격 대비 뛰어난 성능

최고의 ML팀과 협업하면서 지속 가능성 외에 확장성과 가격 대비 성능이 또 다른 두 가지 주요 쟁점이라는 사실을 확인했습니다. 오클라호마의 ML 클러스터는 모델 학습에 필요한 용량을 업계 최고 수준의 청정 클라우드에서 우수한 가격 대비 성능으로 제공합니다. Cloud TPU v4는 이러한 문제를 해결하는 데에 있어 중추적인 역할을 합니다.

확장성: 각 Cloud TPU v4 Pod는 호스트별로 업계 최고의 초당 6테라비트(Tbps) 대역폭에 버금하는 초고속 상호 연결 네트워크를 통해 연결된 4,096개 칩으로 이루어져 있어 대규모 모델의 빠른 학습이 가능합니다.

가격 대비 성능: 각 Cloud TPU v4 칩은 Cloud TPU v3보다 2.2배 높은 최고 FLOPS를 지원하며 달러당 최고 FLOPS는 1.4배 더 우수합니다. 또한 Cloud TPU v4는 수천 개의 칩을 통해 수직 확장되어 ML 모델 학습 시 매우 높은 FLOPS 사용률을 달성합니다. 시스템을 비교할 때 최고 FLOPS를 기준으로 사용하는 경우가 많지만, 실제로 모델 학습 효율성을 결정하는 것은 규모에 따른 지속적인 FLOPS입니다. Cloud TPU v4은 높은 네트워크 대역폭과 컴파일러 최적화 덕분에 다른 시스템보다 월등히 우수합니다. 따라서 이를 기반으로 FLOPS 사용률을 높이면 학습 시간이 짧아지고 비용 효율이 탁월해질 것입니다.

칩 특성	Cloud TPU v3	Cloud TPU v4
칩당 최고 컴퓨팅	123테라플롭(bf16)	275테라플롭(bf16 또는 int8)
HBM2 용량 및 대역폭	32GiB, 900GB/초	32GiB, 1,200GB/초
측정된 최소/평균/최대 전력	123/220/262W	90/170/192W
TPU Pod 크기	칩 1,024개	칩 4,096개
상호 연결 토폴로지	2D 토러스	3D 토러스
포드당 최고 컴퓨팅	126페타플롭(bf16)	1.1엑사플롭(bf16 또는 int8)
포드당 올리듀스 대역폭	340TB/초	1.1PB/초
포드당 바이섹션 대역폭	6.4TB/초	24TB/초

표 1: Cloud TPU v4 Pod는 큰 발전을 이룬 FLOPS, 상호 연결, 에너지 효율성을 통해 최첨단 성능을 제공합니다.

4개의 칩(TPU VM 1개)부터 수천 개의 칩에 이르는 구성으로 Cloud TPU v4 Pod 슬라이스를 사용할 수 있습니다. 전체 포드보다 작은 이전 세대 TPU의 슬라이스에는 토러스 링크('랩어라운드 연결')가 없었지만 64개 이상의 칩으로 구성된 모든 Cloud TPU v4 Pod 슬라이스에는 3차원 모두에 토러스 링크가 있어 집합 통신 작업에 더 높은 대역폭을 제공합니다.

또한 Cloud TPU v4는 단일 기기에서 TPU v3의 16GiB에서 향상된 32GiB 메모리를 전부 사용하도록 지원하고, 최대 2배 더 빠른 임베딩 가속화를 제공하여 대규모 추천 모델 학습 성능을 개선해 줍니다.

가격 책정

Cloud TPU v4 Pod 액세스 권한은 평가(주문형), 선점형, 약정 사용 할인(CUD) 옵션으로 제공됩니다. 자세한 내용은 이 페이지를 참조하세요.

지금 시작하기

Google 서비스를 지원하는 최첨단 ML 인프라를 모든 사용자에게 제공하게 되어 기쁩니다. 커뮤니티에서 어떻게 Cloud TPU v4에 조합된 업계 최고의 확장성, 성능, 지속 가능성, 비용 효율성을 활용하여 가지고 올 차세대 ML 혁신이 매우 기대가 됩니다.

AI 워크로드에 Cloud TPU v4 Pod를 사용할 준비가 되셨나요? Google Cloud 계정 관리자에게 문의하거나 이 양식을 작성하세요.

오픈소스 ML 연구에 Cloud TPU를 이용해 보고 싶나요? TPU Research Cloud 프로그램을 확인하세요.

감사의 말씀

이번 출시가 가능하도록 도움을 주신 Cloud TPU 엔지니어링 및 제품팀에 감사의 말씀을 전합니다. 이 블로그 게시물을 위해 도움을 주신 소프트웨어 엔지니어인 제임스 브래드베리, 아웃바운드 제품 관리자인 바이바브 싱, 제품 관리자인 아루쉬 셀반에게도 감사의 말씀 전합니다 .

Active Assist 권장사항을 통한 탄소 발자국 절감

Fri, 22 Apr 2022 00:00:00 +0000

* 본 아티클의 원문은 2022년 2월 17일 Google Cloud 블로그(영문)에 게재되었습니다.

지난해 Google Cloud의 모든 고객으로부터 집계한 합산 데이터를 분석한 결과, 총 600,000kgCO2e 이상이 유휴 상태의 프로젝트에서 발생한 것으로 나타났습니다. 유휴 상태란 제거하거나 다시 시작할 수 있는 상태를 의미합니다. 이 수치는 거의 10,000그루의 나무를 심는 효과와 맞먹는 규모입니다. 오늘 Google Cloud에서는 이제 Active Assist 지속가능성 권장사항을 통해 유휴 워크로드를 간편하게 파악할 수 있다는 소식을 전해드립니다.

Active Assist는 Google Cloud의 AIOps 솔루션의 일부로서 데이터, 인텔리전스, 머신러닝을 사용하여 클라우드 복잡성을 완화하고 관리 업무를 줄여 줍니다. Active Assist 포트폴리오는 Policy Intelligence, Network Intelligence Center, Predictive Autoscaler, 다양한 Google Cloud 서비스용 권장사항 등의 제품 및 도구로 구성되며 모두 사용자가 운영 목표를 달성할 수 있도록 지원하는 것에 초점을 두고 있습니다. 오늘 Google Cloud에서는 지속가능성 목표를 달성하고 워크로드의 탄소 발자국을 줄이는 데 도움이 되도록 Active Assist의 범위를 확대합니다.

클라우드 인프라와 관련된 탄소 배출량은 전체 환경 발자국에서 큰 부분을 차지할 수 있습니다. Google Cloud에서 실행하기로 선택한 것은 훌륭한 첫걸음입니다. Google Cloud에서는 데이터 센터에서 사용되는 에너지를 2017년부터 100% 재생 에너지로 대체했으며 2030년까지 무탄소 에너지로 상시 운영하기 위해 노력하고 있습니다. Google Cloud에서 운영을 시작하면 사용량을 최적화하는 조치를 통해 워크로드의 총 탄소 배출량을 감축할 수 있습니다.

미사용 프로젝트의 탄소 영향 평가

이제 Active Assist 미사용 프로젝트 추천자를 사용하여 유휴 프로젝트를 제거함으로써 감축 가능한 총 탄소 배출량을 예측할 수 있습니다. 이에 따라 조직의 모든 프로젝트에 대한 풍부한 사용률 통계를 얻고 머신러닝을 사용하여 미사용 가능성이 높은 유휴 상태의 프로젝트를 파악할 수 있습니다. 이제 Active Assist가 사용률 통계의 일부로 제공하는 데이터 포인트에 carbonFootprintDailyKgCO2 필드가 포함되어 특정 프로젝트와 관련된 탄소 배출량을 추정할 수 있습니다. 또한 권장사항도 유휴 프로젝트를 제거했을 때 매월 감축할 수 있는 CO2를 킬로그램 단위로 예측합니다.

이러한 기능은 Recommender API, 권장사항 허브, 탄소 발자국 대시보드, BigQuery 권장사항 내보내기를 통해 제공되며 회사의 기존 도구 및 워크플로와 간편하게 통합할 수 있습니다.

Carbon Sense 제품군 소개

글로벌 IT 리더 중 90%가 디지털 애플리케이션과 인프라의 지속가능성 강화를 최우선으로 추진함에 따라 Google에서는 Active Assist의 권장사항과 같은 AIOps 기능을 비롯한 Google Cloud 내 다양한 제품에 지속적으로 투자하여 지속가능성 목표 달성을 돕고 있습니다. 그 일환으로 고객이 새로운 기능을 손쉽게 찾아 활용할 수 있도록 기존 제품과 신제품을 Carbon Sense 제품군에 통합하고 있습니다. Carbon Sense는 탄소 배출량을 정확하게 보고하고 감축할 수 있는 기능 모음입니다. Active Assist는 Google Cloud 사용에 따른 총 탄소 배출량을 파악하고 측정할 수 있는 탄소 발자국 등의 제품과 사용자가 보다 청정한 리전에서 워크로드를 실행할 수 있도록 지원하는 저탄소 신호를 Carbon Sense 제품군에서 결합합니다. 앞으로 몇 달에 걸쳐 Carbon Sense와 관련된 소식이 계속 업데이트될 예정이니 기대해 주세요.

지속가능성 권장사항 시작하기

Active Assist 지속가능성 권장사항을 시작하려면 탄소 발자국 대시보드와 권장사항 허브에서 유휴 상태에 있을 가능성이 있는 프로젝트를 검토하고 해당 프로젝트와 관련된 탄소 배출량을 평가하세요. 관련하여 Google Cloud Console에서 권장사항을 확인하세요.

권장사항을 보려면 미사용 프로젝트 추천자에 대한 IAM 권한과 특정 조직 내 리소스를 볼 수 있는 권한이 있어야 합니다.

또한 조직에서 BigQuery로 권장사항을 자동으로 내보낸 다음 데이터 스튜디오 또는 Looker를 사용해 유휴 프로젝트를 조사할 수 있습니다. 또는 연결된 시트로 Google Workspace Sheets를 사용하여 SQL 쿼리를 작성할 필요 없이 BigQuery에 저장된 데이터와 상호작용할 수 있습니다.

다른 추천자와 마찬가지로개인 정보 보호 및 보안 설정의 투명성 및 제어 탭에서 적절한 데이터 그룹을 비활성화하여 언제든 조직이나 프로젝트의 데이터 처리를 선택 해제할 수 있습니다.

미사용 프로젝트 추천자를 사용하여 유휴 클라우드 리소스와 관련된 탄소 발자국을 줄이는 데 도움을 얻으시길 바라며 이 기능에 대한 피드백과 의견을 기다립니다. 의견이 있으시면 언제든지 active-assist-feedback@google.com으로 보내주세요. 아울러 Google Cloud에서 개발하는 새로운 기능을 사전 체험해 보려면 Active Assist 신뢰할 수 있는 테스터 그룹에 가입해 주세요.

2021년이 상시 무탄소 에너지 운영 목표에 획기적인 해였던 이유

Thu, 27 Jan 2022 00:00:00 +0000

* 본 아티클의 원문은 2021년 12월 17일 Google Cloud 블로그(영문)에 게재되었습니다.

대규모 기후 변화 대응책을 마련하고자 고심하는 이들에게 2021년은 의미 있는 한 해였습니다. Google에서는 2030년까지 전 세계의 모든 데이터 센터, 클라우드 리전, 캠퍼스를 상시 무탄소 에너지(CFE)로 운영한다는 목표를 발표한 후 맞은 첫 해를 마무리하고 있습니다.

Google은 전 세계 5곳의 데이터 센터에서 90%를 상회하는 비율의 CFE 운영률을 달성했습니다. 자랑스러운 성과입니다. Google은 이미 모든 데이터 센터에서 2019년에는 61%였던 상시 무탄소 에너지 비중을 2020년에 67%로 끌어올렸습니다. 아울러 연간 전력 소비량 100%를 재생 에너지로 대체하는 데 4년 연속 성공했습니다.

Google은 상시 무탄소 에너지 운영이라는 자체적인 목표를 설정함으로써 전력 시스템 전체를 탈탄소화하는 데 필요한 과제와 전략을 강조하고자 합니다. 상시 클린 에너지 운영 원칙을 채택하는 비즈니스와 정부가 늘고 있는 것에 대해서도 매우 기쁘게 생각합니다. 또한 선도적인 연구 기관에서는 상시 무탄소 에너지 충당 노력이 전력 시스템에 변혁을 가져오고 배출량을 줄이며 첨단 클린 에너지 기술의 상용화를 앞당길 수 있음을 입증하고 있습니다.

모두를 위한 무탄소 에너지 미래 실현

2022년에도 Google은 무탄소 에너지를 구입하고, 신기술 발달을 꾀하며, 더 나은 공공 정책을 지지한다는 3가지 방향성을 가지고 목표를 달성하는 데 전념할 것입니다. 그와 동시에 Google Cloud 고객을 비롯해 계속 성장 중인 생태계를 지원하기 위해 Google의 자체 목표를 충족할 뿐 아니라 보다 광범위한 시장에서 혁신적인 변화를 일으키는 솔루션과 도구를 제공할 것입니다.

클린 에너지 구매

Google은 2021년에 1기가와트에 달하는 새로운 무탄소 에너지를 구매하여 전 세계에 공급하는 계약서에 서명했습니다. 가장 눈에 띄는 점은 구매하는 무탄소 리소스 포트폴리오의 폭을 넓혀 클린 에너지의 시간별 수급 충당률을 높이는 새로운 방식을 개발했다는 사실입니다.

5월에는 에너지 공급업체 AES와 새로운 방식의 계약을 맺어 풍력, 태양광, 수력, 저장소 프로젝트 포트폴리오에서 최대 500MW의 전력을 조달하기로 했습니다. 이는 버지니아 지역의 데이터 센터를 시간당 90% 무탄소로 운영할 수 있는 양입니다. 몇 개월 후 Google은 ENGIE와도 유사한 계약을 체결했음을 발표하고, 2022년부터 독일 내 운영 에너지의 무탄소 에너지 비중을 80% 가깝게 끌어올리는 무탄소 에너지 포트폴리오를 개발하기로 했습니다. 이러한 거래가 상시 CFE 목표를 추진하는 타사에 청사진 역할을 할 수 있길 바라며 타사에서도 해당 거래를 도입하는 경우가 늘고 있다는 점을 기쁘게 생각합니다.

시간당 클린 에너지 구매 방식을 채택하는 조직이 늘면서 목표 달성률을 추적하고 인증할 수 있는 방법이 필요하게 되었습니다. Google은 미국의 에너지 인증 등록업체인 M-RETS와 협업하여 시간별 에너지원 인증 제도(T-EAC)를 파일럿으로 운영하기로 했습니다. 이 계측 수단은 전기 발전 방법, 위치, 시기를 추적합니다. T-EAC는 상세한 청정 전기 발전 데이터와 소비자 요청을 투명하게 보여주는 것은 물론, 조직이 에너지 사용 방식을 이해하고 최적화하는 데 도움이 되는 소프트웨어 솔루션 개발을 지원하는 역할도 합니다. Google은 T-EAC의 국제 표준을 개발하는 선도업체인 EnergyTag에 Google.org에서 출자한 €530,000를 지원하는 등 전 세계로 이러한 솔루션을 확장하는 중대한 노력에 힘을 보태고 있습니다.

새로운 클린 에너지 기술 개발

상시 수급 목표를 달성하고 전력망을 탈탄소화하려면 바람이 불지 않고 햇빛이 비추지 않는 공백기를 채울 수 있는 기술 개발이 시급합니다.

Google은 5월에 차세대 지열 프로젝트를 발표해 라스베이거스의 클라우드 리전을 비롯한 네바다 전역의 데이터 센터와 인프라를 포괄하는 전력망에 무탄소 에너지를 공급하기로 했습니다. 클린 에너지 스타트업인 Fervo와 파트너십을 맺어 진행되는 이 프로젝트는 지열 발전 전력의 새 지평을 여는 첨단 시추, 머신러닝, 기타 기술을 사용해 중요한 '상시' 무탄소 에너지원을 제공합니다.

Google은 탄소 지능형 컴퓨팅을 통해 클린 에너지 수요 관리 방법을 계속 최적화했습니다. 그 덕분에 이제 여러 지역을 포괄하는 상대적인 무탄소 에너지 수급 상황을 고려해 이전 가능한 컴퓨팅 작업을 여러 데이터 센터 사이에 옮길 수 있게 되었습니다.

의미 있는 정책 변화 지지

Google은 상시 무탄소 에너지 실현에 전념함으로써 무탄소 전력망을 완전히 실현하는 시기를 앞당길 수 있길 바라고 있습니다. 이러한 미래를 실현하려면 정책 혁신이 필수적인 만큼 Google은 오랜 시간 동안 전력망 탈탄소화를 가속화하고 에너지 소비자를 지원하는 정책을 적극적으로 지지해 왔습니다.

올해에는 청정 대기 태스크포스(Clean Air Task Force), 환경 보호 기금(Environmental Defense Fund)을 비롯한 주요 단체와 더불어 미국 연방 정부에서 상시 무탄소 에너지 구매 목표를 도입할 것을 촉구했습니다. 연방 정부는 세계에서 가장 많은 전기를 소비하는 당사자인 만큼 상시 클린 에너지의 수요를 늘리는 데 크게 기여할 수 있기 때문입니다. 그 결과 2030년까지 정부 시설의 절반을 상시 무탄소 에너지로 운영한다는 공약이 담긴 새로운 행정 명령이 내려진 것에 대해 매우 기쁘게 생각합니다. 전력망을 완전히 탈탄소화하려면 더욱 강력한 정책이 필요하기에 Google은 의회에서 인프라 및 예산 조정 패키지 중 기후 및 클린 에너지 조항에 대해 공개적인 지지 입장을 표명했습니다. 아울러 미국의 클린 에너지 구매자 협회(Clean Energy Buyers Association, CEBA)와 유럽의 리소스(Re-Source) 같은 조직에 자금 및 리더십 지원을 제공하여 클린 에너지 접근을 더욱 쉽게 만들고 전력망 단위의 탈탄소화를 발전시키려는 노력도 지속적으로 펼치고 있습니다.

또한 모두를 위한 지속가능한 에너지(Sustainable Energy for All)와 UN에서 새롭게 추진하고 있는 상시 무탄소 에너지 협약(24/7 Carbon-Free Energy Compact)의 일환으로 비즈니스와 정부가 전력 탈탄소화를 촉진하는 움직임을 보이는 것을 기쁘게 생각합니다. Google은 이 협약의 협력사로서 글로벌 생태계 구축을 돕고 있으며 이 생태계는 다른 에너지 소비자가 상시 CFE 목표를 채택하고 전 세계의 전력망 탈탄소화를 가속화하는 데 도움이 될 것입니다. 이러한 과정에서 전력 데이터 액세스 범위를 전역으로 확대하려는 노력에도 힘을 보태고 있습니다. 금년에 Google.org는 전력 및 탄소 강도에 관한 세부 데이터를 제공하는 선도 기업인 electricityMap에 100만 유로의 지원금을 출자했습니다. electricityMap은 플랫폼에 새로운 데이터를 공급하고 전력 데이터의 접근성을 높일 뿐 아니라 정책 입안자, 학술 연구 기관, 민간 조직이 지속 가능한 전력 소비의 주요 요인을 이해하고 무탄소 솔루션의 수요를 높일 수 있도록 돕는 데 Google의 자금을 사용할 것입니다.

무탄소 여정에 동참하기

Google은 2030년 목표의 무탄소 에너지 실현을 위해 노력하며 얻은 교훈과 이점을 업계에서 가장 깨끗한 클라우드인 Google Cloud 사용 고객과 타사에 계속 공유하고 있습니다.

올해에는 저탄소 배지와 리전 선택 도구를 도입했습니다. 리전 선택 도구는 고객이 실행할 Google Cloud 리전을 선택하는 데 있어 무탄소 에너지 데이터를 활용해 비용, 최종 사용자 도달 지연 시간, 탄소 발자국 같은 중요한 입력 값을 평가하도록 도와줍니다. 10월에는 고객이 Google Cloud Platform 사용 시 발생하는 총 탄소 배출량을 수치화할 수 있는 탄소 발자국이란 무료 제품을 출시했습니다. Etsy와 Salesforce 같은 고객은 이미 이러한 제품의 기능을 활용해 IT와 관련된 탄소 배출을 정확하게 보고하고 감축하기 위한 방법을 찾고 있습니다.

2022년 들어서도 상시 무탄소 에너지를 달성해 가는 과정과 고객이 지속가능성 목표를 달성하기 위해 Google과 협업할 수 있는 방법을 계속 업데이트해 드리겠습니다.

속도, 가격, 친환경을 기준으로 내게 맞는 Google Cloud 리전을 선택하세요

Fri, 02 Jul 2021 00:00:00 +0000

* 본 아티클의 원문은 2021년 4월 21일 Google Cloud 블로그(영문)에 게재되었습니다.

지속가능성을 위해 모두가 힘을 합치면 더 많은 성과를 이룰 수 있습니다. 이 때문에 Google Cloud는 비영리단체, 연구 기관, 정부, 기업과 협력하여 유의미한 변화를 앞당겨줄 기술과 도구를 구축하고 있습니다.

머신러닝과 같은 기술이 Wildlife Insights 등에서 수행하는 생물 다양성 및 복원 프로젝트에서 종 식별과 같은 고유한 과제를 해결하는 데 매우 유용한 것으로 입증되고 있습니다. BigQuery 같은 데이터 분석 도구는 실시간 에너지 소비에 대한 통계를 제공하여 E.ON의 에너지 관리자가 비용 절감 및 CO2 발자국 감소를 위한 결정을 내리는 데 도움을 줍니다. 그리고 효율성이 탁월한 인프라를 통해 Carrefour 등의 고객이 에너지 사용량을 줄이도록 돕고 있습니다. Google Cloud에서 제공하는 모든 도구를 사용해 지속 가능한 디지털 혁신을 이룰 수 있도록 노력하고 있습니다.

Google은 업계 최고 수준의 클린 클라우드를 운영하고 있으며 점점 더 많은 클라우드 고객과 협력하여 운영 시 발생하는 탄소 배출량을 줄이고 있습니다. 90% 이상의 글로벌 IT 리더가 지속가능성 측정항목을 현재 보고 중이거나 이를 계획하고 있으며 그 중 26%는 지난해 배출 감소 프로젝트를 서둘러 추진했습니다.^[1] 작년에 Google은 50개 이상의 기업 고객과 협력하여 IT 자산이 탄소 배출량에 미치는 영향을 평가했습니다. 디지털 이미지 라이브러리부터 대규모 데이터 레이크까지 고객의 결단과 Google의 탄소 중립 클라우드 덕분에 잠재적 순 이산화탄소 감축량이 몇 천 킬로그램의 CO2e에서 수 킬로톤에 이르는 것으로 확인되었습니다.

Google은 전 세계 연간 전력 소비량을 모두 풍력 및 태양 에너지로 대체했으며(Google Cloud Platform 및 Workspace의 순 탄소 배출량 0 달성) 상시 무탄소 에너지로 운영되고 있습니다. 전력 공급을 친환경 연료로 대체하는 것은 무탄소 미래를 실현하고 기후 변화가 미칠 최악의 결과를 피하는 데 중요합니다.

고객의 친환경 실천을 돕기 위해 지난달 대다수 Google Cloud 리전의 시간당 평균 무탄소 에너지 비율(CFE%)을 공유했습니다. 오늘 이 데이터를 활용하는 새로운 도구인 Google Cloud 리전 선택 도구를 소개합니다. 이 도구는 고객이 가격, 최종 사용자 지연 시간, 탄소 발자국 등의 주요 입력 값을 평가하여 실행할 Google Cloud 리전을 선택하도록 도와줍니다.

리전 선택 도구를 사용하면 '중요하지 않음'부터 '중요함'까지 요소를 비교 검토하고 해당하는 경우 사용자 트래픽이 발생하는 리전을 선택할 수 있습니다. 설문조사에 참여한 약 90%의 개발자 및 IT 임원^[2]이 더 지속 가능한 데이터 센터 옵션으로 이전할 의사가 있다고 밝혔습니다. 이 도구가 3가지 입력 값을 사용해 빠른 결정을 내리는 데 도움이 될 것입니다.

탄소 발자국은 각 리전의 무탄소 에너지 공급량을 기준으로 합니다.
비용은 해당 리전의 일반적인 컴퓨팅 인스턴스 가격을 사용합니다.
지연 시간은 선택한 국가와 리전의 도시 또는 국가 간의 물리적 거리를 사용해 근사치로 계산됩니다.

권장 Google Cloud 리전 목록은 도구에 입력한 값에 따라 동적으로 변경되며 순위가 책정됩니다. 워크로드 유형마다 요구사항이 다르기 때문에 각자 다른 우선순위를 쉽게 테스트할 수 있습니다. Google 연구^[3]에 따르면 사용자 트래픽을 제공하는 프로덕션 워크로드는 성능 또는 지연 시간이, HR 또는 결제 같은 내부 시스템에서는 성능과 데이터 상주가 가장 중요한 요구사항인 경우가 많았습니다. 하지만 일괄 작업 또는 백업과 같은 최선형 워크로드의 경우 다른 어떤 요인보다도 탄소 점수가 중요한 특성으로 지목되었습니다.

여러 기업, 특히 Snap Inc.와 이 기업의 지속가능성 리더인 에밀리 바턴은 디지털 인프라가 탄소 배출량에 미치는 영향을 줄이는 것을 기업의 중요한 지속가능성 목표로 삼고 있습니다. “Google과 협력하여 Snap 사용자에게 더 유용한 결정을 내리도록 무탄소 에너지 데이터 및 탄소 관련 사항을 고려하고 있습니다.”라고 에밀리 바턴은 말했습니다.

마찬가지로 Salesforce와 같은 고객은 Google의 CFE 데이터를 사용해 자체 인프라와 이 기업에서 제공하는 서비스의 전력 공급을 친환경 연료로 대체하여 탄소 발자국을 줄이고 있습니다.

Google은 애플리케이션 개발, 데이터 센터 마이그레이션, 멀티 리전 또는 멀티 클라우드 설계 및 아키텍처 작업에서 탄소 발자국을 고려하도록 노력하고 있습니다. Google 파트너 중에서도 SADA Systems 등이 이러한 노력에 동참하고 있습니다. “고객에게 혁신적인 솔루션을 제공하기 위해 노력하는 주요 Google Cloud 파트너로서 지속가능성을 목표로 삼게 되어 기쁘게 생각합니다.”라고 선임 솔루션 설계자, 브라이언 석은 말했습니다. “CFE 측정과 오늘 도입되는 새로운 도구는 이미 SADA에서 자체 Google Cloud 기반 솔루션을 설계하는 방식에 영향을 미치고 있으며 자사는 고객에게 보다 지속 가능한 솔루션을 지원하기 위한 전략을 발전시켜 나갈 것입니다.”

지속 가능한 미래를 만드는 것은 협력이 필요한 일입니다. 고객과 협력하여 탄소 배출량을 줄이고 지구의 자원을 보호할 새로운 방법을 모색하고 재생 에너지를 효율적으로 활용하며 IT 인프라의 지속가능성을 개선하게 되어 기쁘게 생각합니다. Google의 클라우드 지속가능성 현황과 Google의 성과를 확인하고 다음 Google Cloud 프로젝트에 리전 선택 도구를 사용해 보세요.

^{[1]IDG, 'No Turning Back: How the Pandemic Has Reshaped Digital Business Agendas', 2021년}

^{[2] 미국 IT 임원 및 개발자를 대상으로 한 Google Cloud 무탄소 에너지 우선순위 설문조사}

^{[3] 미국 IT 임원 및 개발자를 대상으로 한 Google Cloud 무탄소 에너지 우선순위 설문조사}

4년 연속 100% 재생 에너지 사용 목표 달성 및 향후 목표

Tue, 25 May 2021 00:00:00 +0000

2020년 다시금 Google이 전 세계 전력 사용량의 100%를 재생 에너지로 대체했다는 발표를 하게 된 것을 자랑스럽게 생각합니다. 2017년 Google은 유사한 규모의 기업 가운데 최초로 100% 재생 에너지 사용 목표를 달성한 이후 매년 이 목표를 이루었습니다. 지금까지 Google은 50여 개의 재생 에너지 프로젝트를 통해 총 5.5기가와트에 달하는 전력 구매 계약을 체결했습니다. 이는 옥상 태양광 1백만 개에 해당하는 용량입니다.

Google 데이터 센터의 컴퓨팅 양이 계속 증가하고 있기 때문에 매년 100% 재생 에너지 사용 목표를 달성하는 것이 쉬운 일은 아닙니다. 특히 많은 사람들이 업무, 학습, 진료, 첫 데이트, 모임 등을 온라인에서 수행한 2020년에는 목표를 달성하기가 더 어려웠습니다. 2020년 Google Meet 및 Google Duo에서 1조 분이 넘는 영상 통화를 호스팅했음에도 불구하고 Google은 그에 맞춰 재생 에너지를 조달했습니다.

100% 재생 에너지 사용 목표의 달성은 우선 사용하는 에너지 양을 줄이는 일에서 시작됩니다. 최근 연구 결과에 따르면 컴퓨팅 요구가 550% 증가했음에도 불구하고 전 세계 데이터 센터 전력 소비량은 지난 10년간 거의 변함이 없었습니다. Google이 이러한 추세를 주도해 왔습니다. 5년 전과 비교해 같은 양의 전력으로 약 7배의 컴퓨팅 성능을 제공하고 있습니다.
지난해에 목표를 달성할 수 있었던 것도 2019년 말에 발표한 글로벌 재생 에너지 합의 패키지 덕분입니다. 2020년 한 해 동안 이러한 프로젝트가 활성화되면서 수백 개의 터빈과 수십만 개의 태양열 전지판이 새로 설치되어 풍력과 태양열을 전기로 변환하기 시작했습니다.

2020년에 시작된 Google 재생 에너지 프로젝트는 4개 대륙에 걸쳐서 진행되고 있습니다. 특히 주목할 만한 몇 가지 사례를 소개합니다.

바람이 거센 북해에 설치된 Google 최초의 해상풍력 발전소 프로젝트를 통해 벨기에 데이터 센터를 운영하는 전력망에 전자를 공급하기 시작했습니다.
칠레에서는 남아메리카의 부하 증가에 부응하기 위해 안토파가스타 지역에 위치한 새 태양광 발전소에서 전력을 구입하기 시작했습니다.
수백 채의 공공 주택 옥상에 설치된 태양열 전지판으로 육지가 제한된 싱가포르에 새로운 클린 에너지를 공급하고 있습니다.
미국 전역에서 대규모 태양광 및 풍력 프로젝트를 진행하여 오클라호마에서 앨라배마, 버지니아에 이르는 데이터 센터에 전력을 공급하고 있습니다.

다음 목표는 무엇일까요? Google은 4년 연속 연간 전력 소비량을 재생 에너지로 대체한 것에 만족하지 않고 더 큰 목표를 향해 나아가고 있습니다. 2030년까지 Google이 운영하는 모든 장소에서 상시 무탄소 에너지만 사용한다는 목표를 세웠습니다. 새로운 설명 자료에서 다루었듯이 이 목표를 달성하려면 탄소 순배출량을 제로로 만드는 '배출 및 상쇄 감축' 모델에서 벗어나 운영 시 애초에 탄소를 배출하지 않는 '절대적 제로'를 목표로 해야 합니다. 이 과제를 해결하는 것은 Google에 중요할 뿐만 아니라 전력망을 무탄소 에너지로 완전히 전환하는 데에도 필수적입니다. 자체 운영을 위한 솔루션 개발 노력을 통해 Google이 이러한 움직임에 앞장설 수 있기를 바랍니다. 자세한 내용은 순다 피차이 Google CEO가 2021년 지구의 날을 맞아 발표한 Google 진행상황 업데이트를 확인하세요.