एक AI चैट असिस्टेंट से सवाल पूछने में उपयोगकर्ता को कुछ सेकंड लगते हैं। लेकिन उस उत्तर के पीछे विशाल डेटा सेंटर होते हैं जहाँ हज़ारों शक्तिशाली चिप्स चलते हैं और जिन्हें लगातार ठंडा रखना पड़ता है। AI के प्रसार ने इन सुविधाओं की ऊर्जा आवश्यकताओं को वैश्विक एजेंडे में शीर्ष पर पहुँचा दिया है।
आंकड़े क्या कहते हैं?
अंतर्राष्ट्रीय ऊर्जा एजेंसी (IEA) की 2025 की रिपोर्ट "Energy and AI" के अनुसार, 2024 में डेटा सेंटरों ने लगभग 415 टेरावाट-घंटे बिजली की खपत की, जो वैश्विक बिजली उपयोग का लगभग 1.5 प्रतिशत है। रिपोर्ट के बेस केस में, 2030 तक इसके बढ़कर लगभग 945 टेरावाट-घंटे होने की उम्मीद है, जो दोगुने से भी अधिक है। इस वृद्धि का मुख्य कारण AI के लिए उपयोग किए जाने वाले त्वरित सर्वर हैं।
हालाँकि वैश्विक हिस्सा छोटा दिखता है, लेकिन खपत कुछ खास जगहों पर केंद्रित है। अधिकांश वृद्धि अमेरिका और चीन में है, और कुछ क्षेत्रों में जहाँ डेटा सेंटर केंद्रित हैं, स्थानीय पावर ग्रिड गंभीर दबाव में हैं।
प्रशिक्षण और उपयोग
ऊर्जा दो चरणों में खर्च होती है: एक बड़े मॉडल को प्रशिक्षित करने के लिए हफ़्तों या महीनों तक हज़ारों चिप्स चलाने की आवश्यकता होती है। एक बार मॉडल रिलीज़ हो जाने के बाद, लाखों उपयोगकर्ताओं द्वारा किया गया प्रत्येक अनुरोध (इनफेरेंस) भी ऊर्जा की खपत करता है। जैसे-जैसे उपयोग फैलता है, कुल खपत में इनफेरेंस का हिस्सा बढ़ता जाता है। इमेज और वीडियो जेनरेट करने के लिए आमतौर पर टेक्स्ट जेनरेट करने की तुलना में कहीं अधिक कंप्यूटिंग पावर की आवश्यकता होती है।
वॉटर फुटप्रिंट (जल पदचिह्न)
कुछ डेटा सेंटर अपने सर्वरों के लिए इवेपोरेटिव कूलिंग (वाष्पीकरण शीतलन) का उपयोग करते हैं, जिसमें पानी की महत्वपूर्ण मात्रा खर्च होती है। बिजली पैदा करने वाले पावर प्लांट का भी एक अप्रत्यक्ष वॉटर फुटप्रिंट होता है। इसलिए, सूखे से प्रभावित क्षेत्रों में नए डेटा सेंटर प्रोजेक्ट विवाद का विषय बन सकते हैं।
समाधानों की खोज
- कुशल हार्डवेयर: प्रत्येक नई चिप पीढ़ी का लक्ष्य कम ऊर्जा के साथ समान कार्य करना है।
- छोटे मॉडल: कई कार्यों के लिए, बड़े मॉडलों के बजाय छोटे और अधिक कुशल मॉडल पर्याप्त हो सकते हैं।
- स्वच्छ ऊर्जा: टेक कंपनियाँ नवीकरणीय और परमाणु ऊर्जा समझौतों की ओर रुख कर रही हैं।
- स्मार्ट कूलिंग और स्थान: लिक्विड कूलिंग, अपशिष्ट गर्मी का पुन: उपयोग और ठंडी जलवायु में निर्माण करने से दक्षता में सुधार होता है।
एक उपयोगकर्ता के रूप में मैं क्या कर सकता हूँ?
व्यक्तिगत उपयोग का प्रभाव अपने आप में छोटा है, लेकिन अनावश्यक रूप से बड़ी संख्या में इमेज या वीडियो जेनरेट न करना, सरल सवालों के लिए सर्च इंजन का उपयोग करना और एक स्पष्ट प्रॉम्प्ट में कार्य माँगना, समय और ऊर्जा दोनों की बचत करता है।
दक्षता को कैसे मापा जाता है? PUE
डेटा सेंटर द्वारा उपयोग की जाने वाली सारी बिजली कंप्यूटरों तक नहीं पहुँचती; एक महत्वपूर्ण हिस्सा कूलिंग, पावर कन्वर्जन और लाइटिंग जैसे सपोर्ट सिस्टम द्वारा उपयोग किया जाता है। इस अंतर को मापने के लिए सबसे व्यापक रूप से उपयोग किया जाने वाला संकेतक PUE (पावर यूसेज इफेक्टिवनेस) है।
- परिभाषा: PUE एक सुविधा की कुल ऊर्जा खपत और उसके IT उपकरणों द्वारा खपत की गई ऊर्जा का अनुपात है; इसे 2007 में उद्योग संघ 'द ग्रीन ग्रिड' द्वारा प्रस्तावित किया गया था।
- आदर्श मान: 1.0 का मान सैद्धांतिक सीमा है जहाँ पूरी ऊर्जा IT उपकरणों तक पहुँचती है; मान जितना अधिक होगा, सपोर्ट सिस्टम का हिस्सा उतना ही बड़ा होगा।
- उद्योग औसत: अपटाइम इंस्टीट्यूट के वैश्विक डेटा सेंटर सर्वेक्षणों में, हाल के वर्षों में औसत PUE 1.5–1.6 के आसपास रहा है।
PUE एक उपयोगी माप है लेकिन अपने आप में पर्याप्त नहीं है: यह उपयोग की गई बिजली के स्रोत, पानी के उपयोग या हार्डवेयर के कितनी कुशलता से चलने को नहीं दर्शाता है।
स्थानीय प्रभाव और पारदर्शिता
हालाँकि वैश्विक स्तर पर बिजली की खपत में डेटा सेंटरों का हिस्सा अभी भी सीमित है, लेकिन कुछ क्षेत्रों में उनका प्रभाव बहुत अधिक स्पष्ट है। उदाहरण के लिए, आयरलैंड के सेंट्रल स्टैटिस्टिक्स ऑफिस के अनुसार, 2023 में देश की कुल मीटर बिजली खपत में डेटा सेंटरों की हिस्सेदारी लगभग 21 प्रतिशत थी।
इस तरह का केंद्रीकरण ग्रिड क्षमता, बिजली की कीमतों और जल संसाधनों के बारे में स्थानीय बहसों को जन्म दे रहा है। अपने संशोधित ऊर्जा दक्षता निर्देश (Energy Efficiency Directive) के तहत, यूरोपीय संघ ने एक निश्चित आकार से बड़े डेटा सेंटरों के लिए अपनी ऊर्जा और पानी के उपयोग की रिपोर्ट करना अनिवार्य करना शुरू कर दिया है। विशेषज्ञ इस बात पर जोर देते हैं कि आर्टिफिशियल इंटेलिजेंस की वास्तविक पर्यावरणीय लागत को समझने के लिए, कंपनियों के लिए मॉडल और सुविधा स्तर पर अधिक विस्तृत और तुलनीय डेटा साझा करना महत्वपूर्ण है।
स्रोत और आगे पढ़ने के लिए
- अंतर्राष्ट्रीय ऊर्जा एजेंसी (IEA), “Energy and AI” रिपोर्ट (2025)।
- IEA, “Electricity 2025” रिपोर्ट।
- Li, P. et al., “Making AI Less ‘Thirsty’”, Communications of the ACM (2025)।
- The Green Grid – PUE: A Comprehensive Examination of the Metric
- Uptime Institute – Global Data Center Survey 2024
- CSO Ireland – Data Centres Metered Electricity Consumption 2023
एक टिप्पणी छोड़ें
आपका ईमेल पता प्रकाशित नहीं किया जाएगा। आवश्यक फ़ील्ड * से चिह्नित हैं