एआई बूम के पीछे पृथ्वी की चीख? अमेरिकी डेटा सेंटर का CO2 उत्सर्जन देश के स्तर पर

एआई बूम के पीछे पृथ्वी की चीख? अमेरिकी डेटा सेंटर का CO2 उत्सर्जन देश के स्तर पर

क्लाउड आसमान के ऊपर नहीं है - अमेरिकी डेटा केंद्र "एक देश के बराबर CO₂" उत्सर्जित करते हैं

जब आप AI से सवाल पूछते हैं, तो कुछ सेकंड में जवाब मिलता है। तस्वीरें क्लाउड में संग्रहीत होती हैं और वीडियो बिना रुके चलते हैं। इस सुविधा से यह कल्पना करना मुश्किल होता है कि दूर के भवनों में बड़ी संख्या में सर्वर चल रहे हैं और लगातार बिजली की खपत कर रहे हैं।

इस अदृश्य भार को ठोस आंकड़ों के साथ दिखाने वाला एक अध्ययन प्रकाशित किया गया है।

जर्मनी के समाचार मीडिया ntv ने 16 नवंबर को रिपोर्ट किया कि हार्वर्ड विश्वविद्यालय और अन्य के अनुसंधान दल ने अमेरिका के बड़े डेटा केंद्रों के 403 संस्थानों के बिजली उपयोग के कारण CO₂ उत्सर्जन को सालाना लगभग 25.7 मिलियन टन के रूप में अनुमानित किया। यह डेनमार्क या बोलीविया जैसे एक देश के वार्षिक उत्सर्जन के करीब है।

हालांकि, "केवल AI से एक देश के बराबर CO₂ निकला" के रूप में पढ़ना, अध्ययन के अर्थ को गलत समझना होगा। इस परिणाम से उठने वाला सवाल केवल AI के उपयोग के पक्ष या विपक्ष का नहीं है। यह सवाल है कि डिजिटल समाज को समर्थन देने वाली बिजली कैसे बनाई जा रही है।


403 संस्थान अमेरिका की बिजली खपत का लगभग 1.8%

अध्ययन ने 2024 मई से 2025 अप्रैल तक संचालित होने वाले अमेरिका के "हाइपरस्केल" कहे जाने वाले बड़े डेटा केंद्रों के 403 संस्थानों को लक्षित किया। अध्ययन के परिणाम शैक्षणिक पत्रिका "Nature Sustainability" में प्रकाशित हुए।

ntv द्वारा प्रस्तुत मुख्य आंकड़ों को संक्षेप में प्रस्तुत करते हुए, यह इस प्रकार है।

विषयअध्ययन और रिपोर्ट में प्रस्तुत सामग्री
लक्ष्यअमेरिका के बड़े डेटा केंद्रों के 403 संस्थान
जांच अवधि2024 मई - 2025 अप्रैल
बिजली उपयोग के कारण CO₂ उत्सर्जनसालाना लगभग 25.7 मिलियन टन
अमेरिका की बिजली खपत में हिस्सेदारीलगभग 1.8%
बिजली का जीवाश्म ईंधन से उत्पन्न हिस्सालगभग 54%

यहां उत्सर्जन का मतलब मुख्य रूप से उन बिजली संयंत्रों से है जो इन संस्थानों के लिए बिजली उत्पन्न करते हैं। इसका मतलब यह नहीं है कि डेटा केंद्र की इमारत से सीधे CO₂ निकल रहा है।

इसके अलावा, इस अध्ययन में सामान्य क्लाउड प्रोसेसिंग भी शामिल है। विश्वविद्यालय की घोषणा में स्पष्ट किया गया है कि उपलब्ध डेटा से सामान्य और AI-विशिष्ट कार्यों के बिजली उपयोग को अलग नहीं किया जा सका।

इसलिए, 25.7 मिलियन टन को सीधे "जनरेटिव AI का उत्सर्जन" नहीं कहा जा सकता। यह अमेरिका के सभी डेटा केंद्रों को कवर करने वाला आंकड़ा भी नहीं है।


बिजली खपत की जांच के लिए "जासूसी कार्य" की आवश्यकता क्यों है

हमारे द्वारा उपयोग की जाने वाली सेवाओं के पीछे, कौन सा संस्थान कितनी बिजली का उपयोग कर रहा है, यह उपयोगकर्ताओं के लिए पता लगाना आसान नहीं है।

इस अध्ययन में, उपग्रह छवियों आदि का उपयोग करके संस्थानों की पहचान की गई और संचालन की शर्तों के अनुसार बिजली खपत का अनुमान लगाया गया, और फिर अमेरिकी पर्यावरण संरक्षण एजेंसी के डेटा का उपयोग करके क्षेत्रीय बिजली उत्पादन संरचना के आधार पर उत्सर्जन को आवंटित किया गया।

इसका मतलब यह नहीं है कि सभी संस्थानों के बिजली मीटर को सीधे पढ़कर कुल किया गया।

ntv ने बताया कि सूचना की कमी के कारण विश्लेषण का अधिकांश हिस्सा "जासूसी कार्य" जैसा बन गया। यह न केवल अनुमान में अनिश्चितता की बात है, बल्कि यह भी है कि समाज के पास इन विशाल बिजली मांग उत्पन्न करने वाले संस्थानों के बारे में पर्याप्त जानकारी नहीं है।

कंपनियों द्वारा निर्धारित ऊर्जा बचत लक्ष्यों या पर्यावरण नीतियों का मूल्यांकन करने के लिए, यह आवश्यक है कि प्रत्येक संस्थान की बिजली खपत और वह बिजली कैसे उत्पन्न की गई, इसकी पुष्टि की जा सके।


उत्सर्जन को प्रभावित करने वाले कारक "कितना उपयोग किया जाता है" और "किससे बनाया जाता है"

इस अध्ययन में ध्यान देने योग्य बात यह है कि बिजली का लगभग 54% मुख्य रूप से प्राकृतिक गैस या कोयला जैसे जीवाश्म ईंधन से उत्पन्न होता है।

उसी प्रदर्शन वाले सर्वर को समान समय के लिए चलाने पर, बिजली आपूर्ति करने वाले क्षेत्र की बिजली उत्पादन संरचना अलग होने पर CO₂ उत्सर्जन में अंतर होता है। बिजली की खपत को कम करने के प्रयास और बिजली के निम्न-कार्बनीकरण को दोनों को आगे बढ़ाने की आवश्यकता है।

यहां, कंपनियों के अनुबंधित बिजली खरीद और वास्तविक क्षेत्रीय बिजली आपूर्ति को अलग से देखना चाहिए।

अंतर्राष्ट्रीय ऊर्जा एजेंसी (IEA) डेटा केंद्रों की बिजली संरचना का विश्लेषण करते समय, कंपनियों द्वारा अनुबंधित बिजली संरचना के बजाय, संस्थान के भीतर उत्पादन या जुड़े बिजली ग्रिड के माध्यम से भौतिक रूप से आपूर्ति की जाने वाली बिजली को देखती है।

पुनःप्राप्य ऊर्जा की खरीद को बढ़ाने का महत्व है। इसके अलावा, यह भी सुनिश्चित करना आवश्यक है कि संस्थान के संचालन के स्थान और समय में कौन सा बिजली स्रोत आपूर्ति का समर्थन कर रहा है।

"क्या आप पुनःप्राप्य ऊर्जा खरीद रहे हैं" का सवाल अकेले बिजली आपूर्ति की वास्तविकता को पूरी तरह से नहीं पकड़ सकता।


SNS पर पर्यावरण के प्रति आलोचना और "तुलना के तरीके" पर सवाल

इस अध्ययन और संबंधित रिपोर्ट को विदेशी मंच Reddit पर भी साझा किया गया। देखे गए पोस्ट और टिप्पणियों में पर्यावरणीय भार के प्रति मजबूत आलोचना और आंकड़ों की व्याख्या पर पुनर्विचार करने की राय दोनों देखी गई।

 

जलवायु मुद्दों से संबंधित समुदायों में, AI के जलवायु समस्याओं के समाधान में सहायक होने की उम्मीद के विपरीत, उस AI को चलाने के लिए जीवाश्म ईंधन की मांग बढ़ने के विरोधाभास को इंगित करने वाले पोस्ट पर ध्यान दिया गया। यह दृष्टिकोण तत्काल बिजली मांग और उत्सर्जन को भविष्य में तकनीक से संभावित लाभ से अधिक महत्व देता है।

दूसरी ओर, तकनीकी समुदाय के संबंधित थ्रेड्स में, डेटा केंद्रों के CO₂ उत्सर्जन के कुल मात्रा को बड़ा मानते हुए भी, अन्य बिजली उपयोगों की तुलना में बिजली स्रोत संरचना को भी ध्यान में रखना चाहिए, इस तरह की टिप्पणियां थीं।

यह राय "बड़े आंकड़े इसलिए बुरा है" के निर्णय से पहले, किस आधार पर तुलना की जा रही है, यह पूछने का सुझाव देती है। हालांकि, यह टिप्पणी स्वयं सभी डेटा केंद्रों के उच्च पर्यावरण प्रदर्शन को प्रमाणित नहीं करती।

ये सीमित ऑनलाइन प्रतिक्रियाएं हैं और संपूर्ण जनमत का प्रतिनिधित्व नहीं करतीं। फिर भी, यह देखा जा सकता है कि चर्चा उत्सर्जन के प्रति आश्चर्य से बिजली स्रोत की गुणवत्ता और तकनीक के लाभों के मूल्यांकन की ओर बढ़ रही है।


"डेनमार्क के बराबर" के आधार पर निष्कर्ष न निकालें

देश के साथ तुलना विशाल आंकड़ों को समझने का एक तरीका हो सकता है। दूसरी ओर, प्रत्येक देश का उत्सर्जन जनसंख्या, औद्योगिक संरचना, लक्षित वर्ष, और संग्रहण सीमा के अनुसार बदलता है।

"एक देश के बराबर" का अभिव्यक्ति पैमाने को व्यक्त करने के लिए तुलना है, न कि उस उद्योग की आवश्यकता या मूल्य का निर्णय।

इसी तरह, अमेरिका की बिजली खपत का लगभग 1.8% के आंकड़े को देखकर समस्या को छोटा मानने का निष्कर्ष नहीं निकाला जा सकता। राष्ट्रीय स्तर पर यह एक निश्चित प्रतिशत में हो सकता है, लेकिन संस्थानों के केंद्रित क्षेत्रों में बिजली आपूर्ति पर प्रभाव बड़ा हो सकता है। IEA ने भी डेटा केंद्रों के वैश्विक स्तर पर प्रतिशत और क्षेत्रीय केंद्रित प्रभाव को अलग-अलग देखने की आवश्यकता पर जोर दिया है।

इसके अलावा, इस अध्ययन की अवधि 2025 अप्रैल तक है। यह 2026 नवंबर की स्थिति को सीधे मापने वाला आंकड़ा नहीं है।

ntv ने बताया कि अध्ययन के लक्षित संस्थानों की औसत बिजली क्षमता लगभग 40 मेगावाट थी, जबकि मेटा के "हाइपरियन" जैसे 5 गीगावाट क्षमता की योजना भी है। योजना की गई क्षमता और वास्तविक बिजली खपत अलग हो सकती है, लेकिन यह भविष्य के संस्थानों के आकार को समझने में महत्वपूर्ण अंतर है।

इस आंकड़े को तेजी से बढ़ते उद्योग के एक समय बिंदु के रूप में पढ़ने की आवश्यकता है।


जापान को भी "आकर्षित करने के बाद की बिजली" पर विचार करने का समय

यह समस्या केवल अमेरिका की नहीं है।

IEA की 2026 की अद्यतन दृष्टिकोण में, विश्व के डेटा केंद्रों की बिजली खपत 2025 के लगभग 485 टेरावाट घंटे से 2030 में लगभग 950 टेरावाट घंटे तक लगभग दोगुनी हो जाएगी। बेशक, यह भविष्य की भविष्यवाणी है और तकनीकी प्रगति, मांग, और आपूर्ति की बाधाओं के कारण बदल सकती है।

जापान के लिए भी IEA ने डेटा केंद्रों के विस्तार आदि के कारण बिजली की मांग में वृद्धि को देखते हुए, पारेषण नेटवर्क की व्यवस्था, क्षेत्रीय इंटरकनेक्शन, और कनेक्शन प्रक्रियाओं के सुधार को मुद्दों के रूप में उठाया है।

इस अमेरिकी अध्ययन से, जापान को तीन बिंदुओं पर विचार करना चाहिए।

पहला, संस्थान और बिजली स्रोत को एक साथ सोचना है। भूमि और संचार लाइनों की स्थिति के अलावा, स्थिर निम्न-कार्बन बिजली को कैसे सुनिश्चित किया जाए, यह महत्वपूर्ण होगा।

दूसरा, क्षेत्रीय प्रभाव और लागत भार को स्पष्ट करना है। जब पारेषण उपकरण आदि को बढ़ाना आवश्यक हो, तो कौन सी लागत किसके द्वारा वहन की जाएगी। आकर्षित करने वाले क्षेत्र और बिजली आपूर्ति करने वाले क्षेत्र दोनों को संतोषजनक स्पष्टीकरण की आवश्यकता होगी।

तीसरा, सत्यापन योग्य जानकारी को बढ़ाना है। बिजली उपयोग, उत्सर्जन, और गणना विधियों को दिखाए बिना, पर्यावरणीय उपायों की प्रभावशीलता का मूल्यांकन करना कठिन होगा।

यह इस अध्ययन का जापान पर सीधे संकेतित निष्कर्ष नहीं है, बल्कि जब इस परिणाम को जापान के निवेश के संदर्भ में देखा जाता है, तो यह मुद्दे हैं।


AI की सुविधा को समर्थन देने वाली शर्तों को दृश्य बनाना

इस अध्ययन ने AI या क्लाउड सेवाओं के लाभ और पर्यावरणीय भार को संतुलित कर, समाज के लिए लाभकारी या हानिकारक होने का निर्णय नहीं लिया।

जो स्पष्ट करने की कोशिश की गई है, वह निर्णय के लिए आवश्यक जानकारी का एक हिस्सा है। कितनी बिजली का उपयोग किया जाता है, किस प्रकार की बिजली उत्पादन का समर्थन है, और कितना CO₂ इसके साथ होता है। यदि ये आंकड़े दिखाई नहीं देते, तो सुधार के परिणामों की पुष्टि करना भी कठिन होगा।

डिजिटल सेवाएं जो स्क्रीन पर हल्के से चलती हैं, वास्तविक बिजली संयंत्रों और पारेषण लाइनों से जुड़ी होती हैं।

AI के प्रदर्शन और उपयोग शुल्क के साथ-साथ, इसे चलाने वाली बिजली की शर्तों को भी देखना होगा। इस बार के 25.7 मिलियन टन के अनुमान ने इस आवश्यकता को उजागर किया है।


स्रोत

  1. ntv: 403 संस्थानों के CO₂ उत्सर्जन, देश के साथ तुलना, जीवाश्म ईंधन का अनुपात, बड़े संस्थान की योजना आदि।
    https://www.n-tv.de/wirtschaft/CO2-Emissionen-von-US-Rechenzentren-so-hoch-wie-die-ganzer-Laender-id31540894.html

  2. हार्वर्ड विश्वविद्यालय सार्वजनिक स्वास्थ्य स्कूल: अनुसंधान विधि, लक्षित अवधि, बिजली खपत का अनुमान, AI उपयोग को अलग नहीं कर सकने जैसी सीमाएं।
    https://hsph.harvard.edu/news/hyperscale-data-centers-energy-consumption-carbon-emissions-newly-estimated-by-researchers/hsph.harvard.edu

  3. Nature Sustainability: इस अध्ययन के शोध पत्र का प्रकाशन स्थल।
    https://www.nature.com/articles/s41893-026-01985-7

  4. IEA "AI के लिए ऊर्जा आपूर्ति": अनुबंधित बिजली संरचना और भौतिक रूप से आपूर्ति की जाने वाली बिजली संरचना के बीच अंतर।
    https://www.iea.org/reports/energy-and-ai/energy-supply-for-aiIEA

  5. IEA "ऊर्जा और AI पर मुख्य प्रश्न": 2025 से 2030 तक डेटा केंद्र बिजली की मांग की अद्यतन दृष्टिकोण।
    https