greenai.guide

होम › लेख › AI कितना पानी इस्तेमाल करता है?

लेख

AI कितना पानी इस्तेमाल करता है?

अपडेट किया गया · 13 मिनट में पढ़ें

संक्षेप में

AI मुख्य रूप से दो तरह से पानी इस्तेमाल करता है: सीधे, डेटा सेंटरों को ठंडा करने के लिए, और परोक्ष रूप से, उन बिजलीघरों में जो उनकी बिजली बनाते हैं। हर टेक्स्ट prompt पर प्रकाशित आँकड़े 0.26 mL (Gemini के लिए Google का आँकड़ा) से लगभग 45 mL (Mistral AI का life-cycle आँकड़ा) तक हैं, मुख्य रूप से इसलिए कि वे अलग-अलग चीज़ें गिनते हैं। कुल मिलाकर AI का पानी उपयोग बड़ा है और बढ़ रहा है: 2023 में अमेरिकी डेटा सेंटरों ने सीधे लगभग 66 अरब लीटर पानी की खपत की, और अपनी बिजली के ज़रिए परोक्ष रूप से लगभग 800 अरब लीटर, और वह पानी कहाँ से लिया जाता है, यह उतना ही मायने रखता है जितना यह कि कितना।

मुख्य बातें

  • Google एक मीडियन Gemini टेक्स्ट prompt के लिए 0.26 mL पानी बताता है; Mistral AI का life-cycle आकलन 400-token के एक जवाब को 45 mL पर रखता है।
  • Li और साथियों का अनुमान है कि Microsoft के अमेरिकी डेटा सेंटरों में GPT-3 की training में 5.4 मिलियन लीटर पानी की खपत हो सकती है, जिसमें 700,000 लीटर साइट पर।
  • Lawrence Berkeley National Laboratory का अनुमान है कि 2023 में अमेरिकी डेटा सेंटरों ने सीधे 66 अरब लीटर पानी की खपत की, और बिजली उत्पादन के ज़रिए परोक्ष रूप से लगभग 800 अरब लीटर।
  • Li और साथियों का अनुमान है कि 2027 में दुनिया भर की AI माँग 4.2–6.6 अरब घन मीटर पानी की निकासी (withdrawal) के लिए ज़िम्मेदार हो सकती है, जिसमें से 0.38–0.60 अरब की खपत होगी।
  • Microsoft की पानी की खपत उसके 2020 और 2025 के वित्त वर्षों के बीच लगभग दोगुनी होकर 3,990 से 8,170 मेगालीटर हो गई; 2025 में इसका 48% जल-संकट वाले इलाक़ों में था।
  • AWS 2025 के लिए 0.12 लीटर प्रति kWh की वैश्विक water usage effectiveness बताता है, जबकि जिस अमेरिकी बिजली पर वह निर्भर है वह बिजलीघर पर लगभग 3–4.5 लीटर प्रति kWh पानी की खपत करती है।

AI कितना पानी इस्तेमाल करता है? हर prompt पर उतना नहीं जितना कई सुर्ख़ियाँ बताती हैं, पर कुल मिलाकर, और कुछ जगहों पर, ज़्यादातर लोगों की सोच से ज़्यादा। AI का पानी उपयोग ज़्यादातर डेटा सेंटरों को ठंडा करने और उनकी बिजली बनाने से आता है। यह पेज AI की पानी की खपत के प्रकाशित आँकड़े बताता है, समझाता है कि उनमें इतना अंतर क्यों है, और बताता है कि क्या अब भी अज्ञात है।

एक AI prompt कितना पानी इस्तेमाल करता है?

हर टेक्स्ट prompt पर एक मिलीलीटर के छोटे-से हिस्से से लेकर कुछ दसियों मिलीलीटर तक, इस पर निर्भर करते हुए कि क्या गिना गया। प्रकाशित आँकड़ों की आपस में तुलना नहीं हो सकती, इसलिए हर एक को उसकी सीमा के साथ पढ़ें।

आँकड़ा इसमें क्या शामिल है स्रोत
हर मीडियन Gemini टेक्स्ट prompt पर 0.26 mL डेटा सेंटर का साइट पर पानी, मई 2025 Google, 2025
Le Chat के हर 400-token जवाब पर 45 mL life-cycle आकलन, जिसमें सर्वर बनाने जैसे upstream प्रभाव शामिल हैं Mistral AI, 2025
लगभग हर 10–50 मध्यम लंबाई के GPT-3 जवाबों पर 500 mL साइट पर और बिजलीघर का पानी, जो इस पर बदलता है कि वह कहाँ और कब चलता है Li, Yang, Islam और Ren, 2025

Google अपने आँकड़े को लगभग पाँच बूँद पानी बताता है; यह डेटा सेंटरों की साइट पर पानी की दक्षता से निकाला गया है और इसमें बिजली बनाने में इस्तेमाल हुआ पानी शामिल नहीं है। Mistral का आँकड़ा मुख्य रूप से इसलिए बड़ा है कि यह एक life-cycle आकलन है, जो सलाहकार कंपनी Carbone 4 और फ़्रांसीसी पर्यावरण एजेंसी ADEME के साथ किया गया, और यह सिर्फ़ साइट पर कूलिंग नहीं, बल्कि सर्वर बनाने जैसे upstream प्रभाव भी गिनता है। Li और साथियों का अनुमान एक पुराने मॉडल के लिए है, पर उसने एक ऐसी बात दिखाई जो अब भी सच है: AI का एक ही जवाब डेटा सेंटर और दिन के समय के हिसाब से कई गुना ज़्यादा पानी इस्तेमाल कर सकता है।

AI पानी कैसे इस्तेमाल करता है?

सीधे, डेटा सेंटरों को ठंडा करने के लिए पानी को भाप बनाकर, और परोक्ष रूप से, बिजली बनाने और चिप बनाने में इस्तेमाल हुए पानी के ज़रिए। Li और साथी कार्बन के हिसाब की तर्ज़ पर तीन scopes बताते हैं।

  1. साइट पर (scope-1) पानी। सर्वर जो बिजली इस्तेमाल करता है, उसका लगभग सारा हिस्सा गर्मी बन जाता है। कई डेटा सेंटर यह गर्मी cooling towers या वाष्पीकरण की मदद वाली air cooling से बाहर निकालते हैं, जो पानी को भाप बनाकर उड़ा देती हैं। सर्वर के अंदर liquid cooling, जैसे direct-to-chip cooling, अपने-आप में पानी की खपत नहीं करती; मायने यह रखता है कि facility आख़िर में गर्मी को बाहर कैसे छोड़ती है।
  2. साइट से बाहर (scope-2) पानी। थर्मल बिजलीघर, जो ईंधन जलाते हैं या परमाणु गर्मी इस्तेमाल करते हैं, उन्हें ठंडा करने के लिए पानी चाहिए। Li और साथी अमेरिकी औसत को पैदा हुए हर किलोवाट-घंटे पर लगभग 43.8 लीटर निकासी और 3.1 लीटर खपत पर रखते हैं। Lawrence Berkeley National Laboratory ने अमेरिकी डेटा सेंटरों के लिए, उनकी जगहों के ग्रिडों को देखते हुए, हर kWh पर 4.52 लीटर खपत का अनुमान लगाया।
  3. Embodied (scope-3) पानी। चिप और सर्वर बनाने में बड़ी मात्रा में ultrapure पानी चाहिए, और छोड़े गए कुछ पानी में रासायनिक कचरा हो सकता है।

निकासी और खपत में क्या अंतर है?

निकासी (withdrawal) किसी नदी, aquifer या आपूर्ति से लिया गया पानी है; खपत (consumption) वह हिस्सा है जो लौटाया नहीं जाता, ज़्यादातर भाप बनने से। किसी स्थानीय इलाक़े से खोए गए पानी का बेहतर माप खपत है; जहाँ आपूर्ति तंग हो, वहाँ निकासी मायने रखती है। कंपनियों की रिपोर्टें और अध्ययन दोनों इस्तेमाल करते हैं, इसलिए तुलना से पहले देखें कि कोई आँकड़ा किसका है।

डेटा सेंटर कुल मिलाकर कितना पानी इस्तेमाल करते हैं?

साइट पर हर साल अरबों लीटर, और अपनी बिजली के ज़रिए इससे कई गुना ज़्यादा। राष्ट्रीय और वैश्विक आँकड़े अनुमान हैं; सभी डेटा सेंटर पानी का उपयोग नहीं बताते।

  • अमेरिका: Lawrence Berkeley National Laboratory का अनुमान है कि 2023 में डेटा सेंटरों ने सीधे लगभग 66 अरब लीटर पानी की खपत की, जो 2014 में 21.2 अरब थी, और इसमें hyperscale और colocation साइटों का हिस्सा 84% था। उसने बिजली के ज़रिए उनके परोक्ष जल पदचिह्न को लगभग 800 अरब लीटर पर रखा, जो सीधे आँकड़े का लगभग बारह गुना है, और उसे उम्मीद है कि 2028 में अकेले hyperscale डेटा सेंटर सीधे 60–124 अरब लीटर की खपत करेंगे।
  • दुनिया भर का AI: Li और साथियों का अनुमान है कि 2027 में दुनिया भर की AI माँग 4.2–6.6 अरब घन मीटर पानी की निकासी के लिए ज़िम्मेदार हो सकती है, जो आधे यूनाइटेड किंगडम की सालाना निकासी से ज़्यादा है, और जिसमें से 0.38–0.60 अरब घन मीटर की खपत होगी।

सीधे और परोक्ष पानी के बीच का बड़ा अंतर ही अनुमानों के अलग होने का मुख्य कारण है। जो अध्ययन सिर्फ़ कूलिंग का पानी गिनता है, वह बिजलीघरों को शामिल करने वाले अध्ययन से कहीं कम आँकड़ा देगा।

एक AI मॉडल की training में कितना पानी लगता है?

गिने-चुने प्रकाशित अनुमानों के अनुसार, एक बड़े मॉडल के लिए लाखों से लेकर मिलियनों लीटर तक।

  • GPT-3: Li और साथियों का अनुमान है कि Microsoft के अमेरिकी डेटा सेंटरों में इसकी training में कुल 5.4 मिलियन लीटर पानी की खपत हो सकती है, जिसमें 700,000 लीटर साइट पर भाप बना।
  • Mistral Large 2: Mistral AI के life-cycle आकलन ने training और 18 महीने के इस्तेमाल को 281,000 घन मीटर पानी की खपत पर रखा।

बहुत कम model cards पानी के बारे में कुछ बताते हैं। Li और साथियों ने ध्यान दिलाया कि model cards में कार्बन उत्सर्जन तो आम तौर पर होता है, पर साइट पर पानी का उपयोग भी अक्सर ग़ायब रहता है।

AI कंपनियाँ पानी के बारे में क्या बताती हैं?

उनका कुल पानी उपयोग बढ़ रहा है, और कुछ अब हर किलोवाट-घंटे पर दक्षता बताती हैं। आँकड़े सालाना sustainability रिपोर्टों से आते हैं और स्व-घोषित हैं, हालाँकि कुछ की बाहरी पुष्टि (assurance) हुई है।

कंपनी आँकड़ा वर्ष
Microsoft पानी की खपत 8,170 मेगालीटर, FY2020 के 3,990 से ज़्यादा; निकासी 13,266 मेगालीटर वित्त वर्ष 2025
Alphabet (Google) पानी की खपत 10,869 मिलियन गैलन (लगभग 41 अरब लीटर), पूरी कंपनी में 2025
Google लगभग 7.7 अरब गैलन की भरपाई (replenished), जो उसकी ताज़े पानी की खपत का लगभग 78% है 2025
AWS IT load के हर kWh पर 0.12 लीटर का वैश्विक WUE, 2024 से 20% बेहतर 2025

WUE (water usage effectiveness), जिसे The Green Grid ने परिभाषित किया है, IT ऊर्जा के हर किलोवाट-घंटे पर साइट पर इस्तेमाल हुए पानी के लीटर हैं। यह दक्षता का एक उपयोगी माप है, पर इसमें बिजलीघर का पानी शामिल नहीं होता और यह इस बारे में कुछ नहीं बताता कि स्थानीय इलाक़े में पानी की कमी है या नहीं। "भरपाई" (replenishment) का मतलब है ऐसी परियोजनाओं को पैसा देना जो जलग्रहण क्षेत्रों में पानी लौटाती हैं; इससे डेटा सेंटर द्वारा लिया जाने वाला पानी कम नहीं होता। देखें PUE और WUE को समझना।

जगह इतनी ज़्यादा मायने क्यों रखती है?

क्योंकि सूखे इलाक़े में लिया गया एक लीटर, पर्यावरण और समाज के लिए, वहाँ लिए गए एक लीटर से कहीं ज़्यादा महँगा है जहाँ पानी भरपूर है। जलवायु और कूलिंग का डिज़ाइन हर किलोवाट-घंटे पर पानी के उपयोग को बहुत बदल देते हैं।

Microsoft के साइट-दर-साइट आँकड़े यह फैलाव दिखाते हैं। उसके 2025 के वित्त वर्ष में, Phoenix, Arizona के आसपास उसके डेटा सेंटरों ने लगभग 954,000 MWh बिजली इस्तेमाल की और 981 मेगालीटर पानी निकाला; Dublin, Ireland के आसपास वालों ने ज़्यादा बिजली, लगभग 1.3 मिलियन MWh, इस्तेमाल की और 18 मेगालीटर पानी निकाला। पूरी कंपनी में, 2025 की उसकी पानी की खपत का 48% ऊँचे या बेहद ऊँचे जल-संकट वाले इलाक़ों में था, जिसका आकलन World Resources Institute के Aqueduct टूल से किया गया।

समय भी मायने रखता है, और यह कार्बन के उलट खिंच सकता है। Li और साथियों ने पाया कि पानी की दक्षता जगह के साथ-साथ घंटे के हिसाब से भी बदलती है: दिन की गर्मी में साइट पर पानी का उपयोग बढ़ता है, जबकि ग्रिड अक्सर तब सबसे साफ़ होता है जब सौर ऊर्जा भरपूर हो। कार्बन घटाने का मतलब "सूरज के पीछे चलना" हो सकता है और पानी घटाने का मतलब उससे "उलटा चलना", इसलिए दोनों पदचिह्नों को आँख मूँदकर एक-दूसरे के बदले नहीं, बल्कि साथ तौलना होगा। अगर आपके पास कोई डेटा सेंटर बनने वाला है, तो देखें मेरे पास बनने वाले डेटा सेंटर पर अपनी बात रखें।

AI के पानी उपयोग के बारे में क्या अनिश्चित है?

बारीकी में, ज़्यादातर चीज़ें: बहुत कम providers हर काम के पानी के आँकड़े प्रकाशित करते हैं, तरीक़े अलग-अलग हैं, और स्थानीय प्रभाव शायद ही कभी बताए जाते हैं। मुख्य कमियाँ:

  • सीमाएँ। सिर्फ़ साइट पर, या बिजलीघर और निर्माण का पानी भी? अकेले यही हर prompt पर 0.26 mL और 45 mL के बीच के ज़्यादातर फैलाव को समझा देता है।
  • निकासी या खपत। कुछ आँकड़े एक बताते हैं, कुछ दूसरा।
  • जगह और समय। वैश्विक औसत स्थानीय संकट को छिपा देते हैं, और बहुत कम कंपनियाँ साइट-स्तर का डेटा प्रकाशित करती हैं।
  • AI का हिस्सा। कंपनियों के कुल आँकड़ों में सभी डेटा सेंटर और अक्सर दफ़्तर भी आते हैं; AI को अलग से नहीं बताया जाता।
  • अनुमान। 2027–2030 के पूर्वानुमान AI की बढ़त, कूलिंग तकनीक और ग्रिड के बारे में मान्यताओं पर निर्भर हैं।

कुछ जगहों पर रिपोर्टिंग बेहतर हो रही है। EU में, कम से कम 500 kW IT बिजली माँग वाले डेटा सेंटरों के संचालकों को Delegated Regulation 2024/1364 के तहत ऊर्जा और पानी का उपयोग बताना होता है। दूसरी जगहों पर खुलासा ज़्यादातर स्वैच्छिक है।

AI कम पानी कैसे इस्तेमाल कर सकता है?

कम गणना करें, उसे सही जगहों पर चलाएँ, और सही कूलिंग और बिजली चुनें। ऊर्जा घटाने वाले वही क़दम पानी भी घटाते हैं।

आगे क्या करें

अक्सर पूछे जाने वाले सवाल

ChatGPT कितना पानी इस्तेमाल करता है?

OpenAI ने पानी का कोई आँकड़ा प्रकाशित नहीं किया है। Li और साथियों का अनुमान था कि GPT-3 को लगभग 10 से 50 मध्यम लंबाई के जवाबों के लिए 500 mL की एक बोतल पानी की खपत करनी पड़ती थी, इस पर निर्भर करते हुए कि वह कहाँ और कब चला। इस पुराने अनुमान में बिजलीघरों का पानी शामिल है; दूसरे मॉडलों के लिए कंपनियों के नए आँकड़े इससे कम हैं।

एक AI prompt कितना पानी इस्तेमाल करता है?

प्रकाशित आँकड़े एक मीडियन Gemini टेक्स्ट prompt के लिए 0.26 mL (Google, 2025) से लेकर पूरे जीवन-चक्र में गिने गए Mistral के 400-token के एक जवाब के लिए 45 mL तक हैं। यह अंतर ज़्यादातर इस बारे में है कि क्या गिना गया: सिर्फ़ साइट पर कूलिंग, या पूरा जीवन-चक्र जिसमें सर्वर बनाने जैसे upstream प्रभाव भी शामिल हैं।

डेटा सेंटर पानी क्यों इस्तेमाल करते हैं?

मुख्य रूप से गर्मी निकालने के लिए। कई डेटा सेंटर cooling towers या वाष्पीकरण की मदद वाली कूलिंग इस्तेमाल करते हैं, जो पानी को भाप बनाकर उड़ा देती हैं। उनकी बिजली बनाने वाले बिजलीघर भी पानी इस्तेमाल करते हैं, और चिप बनाने के लिए बेहद शुद्ध (ultrapure) पानी चाहिए।

पानी की निकासी और खपत में क्या अंतर है?

निकासी (withdrawal) किसी स्रोत से लिया गया पूरा पानी है, जिसका बड़ा हिस्सा लौटा दिया जाता है। खपत (consumption) वह पानी है जो लौटाया नहीं जाता, ज़्यादातर इसलिए कि वह भाप बन जाता है। किसी स्थानीय इलाक़े से खोए गए पानी का बेहतर माप खपत है।

डेटा सेंटर में WUE क्या है?

Water usage effectiveness: IT ऊर्जा के हर किलोवाट-घंटे पर साइट पर इस्तेमाल हुए पानी के लीटर। कम होना बेहतर है। AWS 2025 के लिए 0.12 L/kWh बताता है। WUE में बिजली बनाने में इस्तेमाल हुआ पानी शामिल नहीं होता, जो अक्सर कहीं ज़्यादा होता है।

क्या AI का पानी उपयोग एक समस्या है?

यह इस पर निर्भर है कि यह कहाँ होता है। 2027 में दुनिया भर में AI की पानी निकासी का Li और साथियों का अनुमान आधे यूनाइटेड किंगडम की सालाना निकासी से ज़्यादा है, और Microsoft की 2025 की पानी की खपत का 48% जल-संकट वाले इलाक़ों में था। संकट वाले इलाक़े से लिया गया एक लीटर, पानी से भरपूर इलाक़े से लिए गए एक लीटर से कहीं ज़्यादा मायने रखता है।

AI कम पानी कैसे इस्तेमाल कर सकता है?

कम गणना करें, काम को ठंडे या पानी से भरपूर इलाक़ों में और पानी के हिसाब से कुशल समय पर चलाएँ, और ऐसे कूलिंग सिस्टम इस्तेमाल करें जो पानी को भाप बनाकर न उड़ाएँ। व्यक्तियों के लिए, ऊर्जा बचाने वाली वही आदतें पानी भी बचाती हैं, क्योंकि पानी का उपयोग ऊर्जा के उपयोग के साथ चलता है।

स्रोत

  1. Making AI less 'thirsty': uncovering and addressing the secret water footprint of AI models, Li, Yang, Islam and Ren (arXiv 2304.03271, v5) (2025)
  2. Measuring the environmental impact of delivering AI at Google scale, Elsworth et al., Google (2025)
  3. Our contribution to a global environmental standard for AI, Mistral AI (2025)
  4. 2024 United States Data Center Energy Usage Report, Lawrence Berkeley National Laboratory (2024)
  5. 2026 environmental data fact sheet, Microsoft (2026)
  6. Alphabet FY2025 environmental indicators assurance letter (Schedule of select environmental metrics), Alphabet (2026)
  7. Read our 11th annual Environmental Report, Google (2026)
  8. 2025 AWS sustainability summary, Amazon Web Services (2026)
  9. Water Usage Effectiveness (WUE): a Green Grid data center sustainability metric (White Paper 35), The Green Grid (2011)
  10. Commission Delegated Regulation (EU) 2024/1364 on the first phase of the establishment of a common Union rating scheme for data centres, European Commission (2024)
लेख

AI कितनी बिजली इस्तेमाल करता है?

AI कितनी बिजली खाता है? ChatGPT, Gemini, reasoning, इमेज, वीडियो और coding agents के हर prompt के आँकड़े, डेटा सेंटरों का कुल उपयोग, स्रोतों सहित।

लेख

AI का कार्बन फ़ुटप्रिंट क्या है?

AI का कार्बन फ़ुटप्रिंट समझें: हर prompt पर उत्सर्जन, model cards से training उत्सर्जन, embodied carbon, बिजली ग्रिड का असर और बड़ी टेक कंपनियों के उत्सर्जन के रुझान।

मैं कैसे…?

मैं AI के वॉटर फ़ुटप्रिंट (पानी की खपत) का अनुमान कैसे लगाऊँ?

ऊर्जा और डेटा सेंटर की वॉटर यूसेज इफ़ेक्टिवनेस से AI के पानी के उपयोग का अनुमान लगाएँ, बिजली बनाने में लगा पानी जोड़ें, और बताएँ कि पानी कहाँ इस्तेमाल हुआ।

मैं कैसे…?

मैं AI के पानी के फ़ुटप्रिंट को कैसे कम करूँ?

कम कंप्यूट इस्तेमाल करके, कम जल-संकट और अच्छे WUE वाले होस्ट और क्षेत्र चुनकर, और भारी काम का समय सही रखकर AI में पानी की खपत घटाएँ।

हमसे जुड़ें

धरती पर AI का असर घटाने में मदद करें

नई गाइड, फ़ंडिंग कॉल और निर्देशिका लिस्टिंग ईमेल से पाएँ, लगभग महीने में एक बार। या निर्देशिकाओं में अपना प्रोडक्ट, कोर्स, PhD या शोध जोड़ें।

कोई ट्रैकिंग नहीं। एक क्लिक में सदस्यता छोड़ें। जुड़ने के दूसरे तरीके · गोपनीयता