greenai.guide

होम › लेख › AI कितनी बिजली इस्तेमाल करता है?

लेख

AI कितनी बिजली इस्तेमाल करता है?

अपडेट किया गया · 16 मिनट में पढ़ें

संक्षेप में

ChatGPT या Gemini जैसे chatbot को भेजा गया एक आम छोटा टेक्स्ट prompt, कंपनियों के अपने आँकड़ों और स्वतंत्र अनुमानों के अनुसार, लगभग 0.2 से 0.4 वाट-घंटे बिजली इस्तेमाल करता है: लगभग उतनी, जितनी एक TV कुछ सेकंड में इस्तेमाल करता है। लंबे इनपुट, reasoning मॉडल, इमेज, वीडियो और coding agents में AI का ऊर्जा उपयोग तेज़ी से बढ़ता है; ये हर काम में दसियों से हज़ारों गुना ज़्यादा इस्तेमाल कर सकते हैं। कुल मिलाकर, IEA के अनुसार 2025 में डेटा सेंटरों ने लगभग 485 TWh बिजली इस्तेमाल की, और AI इस आँकड़े के बढ़ने का मुख्य कारण है।

मुख्य बातें

  • Google ने मई 2025 में एक मीडियन Gemini टेक्स्ट prompt के लिए 0.24 Wh बताया; OpenAI के मुख्य कार्यकारी ने एक औसत ChatGPT query के लिए लगभग 0.34 Wh बताया। दोनों आँकड़े ख़ुद कंपनियों के बताए हुए हैं।
  • Epoch AI का अनुमान है कि एक आम GPT-4o query लगभग 0.3 Wh लेती है, जो 10,000-token इनपुट के साथ लगभग 2.5 Wh और 100,000-token इनपुट के साथ लगभग 40 Wh तक पहुँच जाती है।
  • Hugging Face के AI Energy Score परीक्षणों में reasoning मॉडलों ने सामान्य मॉडलों से औसतन 30 गुना ज़्यादा ऊर्जा इस्तेमाल की।
  • खुले मॉडलों के परीक्षणों में एक इमेज बनाने में औसतन लगभग 2.9 Wh, और एक छोटा AI वीडियो बनाने में लगभग 90 Wh लगे।
  • एक AI coding agent के भारी इस्तेमाल के एक विश्लेषण ने हर टाइप किए गए prompt पर लगभग 150 Wh का अनुमान लगाया, जो एक मीडियन chat prompt का लगभग 600 गुना है।
  • IEA का अनुमान है कि 2025 में डेटा सेंटरों ने लगभग 485 TWh इस्तेमाल की, जो एक साल में 17% ज़्यादा है, और 2030 तक लगभग 950 TWh की उम्मीद है।

AI कितनी ऊर्जा इस्तेमाल करता है? किसी chatbot से पूछे गए एक छोटे सवाल के लिए बहुत कम: एक वाट-घंटे का छोटा-सा हिस्सा। लंबे दस्तावेज़ों, reasoning मोड, इमेज, वीडियो और coding agents के लिए कहीं ज़्यादा। और रोज़ के अरबों अनुरोधों को मिलाकर, AI की ऊर्जा खपत अब इतनी बड़ी हो चुकी है कि वह बिजली की योजना को प्रभावित करती है। यह पेज सबसे अच्छे सार्वजनिक आँकड़ों को एक जगह लाता है, बताता है कि हर आँकड़ा कहाँ से आया, और समझाता है कि वे अलग-अलग क्यों हैं।

एक ChatGPT या Gemini prompt कितनी ऊर्जा इस्तेमाल करता है?

मौजूदा सबसे अच्छे आँकड़ों के अनुसार, किसी बड़े chatbot को भेजा गया एक छोटा टेक्स्ट prompt लगभग 0.2 से 0.4 वाट-घंटे (Wh) इस्तेमाल करता है। एक वाट-घंटा वह ऊर्जा है जो 1 वाट का एक डिवाइस एक घंटे में इस्तेमाल करता है।

सबसे ज़्यादा उद्धृत आँकड़े ख़ुद कंपनियों से आते हैं:

  • Google ने 2025 में बताया कि Gemini Apps के एक मीडियन टेक्स्ट prompt ने 0.24 Wh इस्तेमाल की। उसका शोध-पत्र इसकी तुलना नौ सेकंड से कम टेलीविज़न देखने से करता है।
  • OpenAI के मुख्य कार्यकारी ने 2025 में लिखा कि एक औसत ChatGPT query लगभग 0.34 Wh इस्तेमाल करती है। कोई तरीक़ा प्रकाशित नहीं किया गया।
  • Epoch AI, एक स्वतंत्र शोध समूह, ने हार्डवेयर और मॉडल के आकार की सार्वजनिक जानकारी के आधार पर एक आम GPT-4o query के लिए लगभग 0.3 Wh का अनुमान लगाया।

ये आँकड़े पास-पास हैं, पर एक जैसी चीज़ की तुलना नहीं करते: मीडियन औसत नहीं होता, और हर आँकड़ा यह सीमा अलग जगह खींचता है कि क्या गिना जाए। ये सिर्फ़ छोटे टेक्स्ट prompts पर लागू होते हैं।

हर काम की ऊर्जा: आँकड़ों की तुलना

हर AI काम की ऊर्जा में हज़ार गुना से भी ज़्यादा का अंतर है, एक छोटे prompt के लिए एक वाट-घंटे से कम से लेकर एक agent session के लिए सैकड़ों वाट-घंटे तक। तालिका मुख्य प्रकाशित आँकड़े दिखाती है। स्व-घोषित आँकड़े सेवा चलाने वाली कंपनी से आते हैं; अनुमान और माप स्वतंत्र शोधकर्ताओं से।

काम ऊर्जा स्रोत और वर्ष प्रकार
मीडियन Gemini टेक्स्ट prompt 0.24 Wh Google, 2025 स्व-घोषित, तरीक़ा प्रकाशित
औसत ChatGPT query लगभग 0.34 Wh OpenAI के मुख्य कार्यकारी, 2025 स्व-घोषित, कोई तरीक़ा नहीं
आम GPT-4o query लगभग 0.3 Wh Epoch AI, 2025 स्वतंत्र अनुमान
GPT-4o, छोटा prompt (100 tokens अंदर, 300 बाहर) 0.42 Wh Jegham et al., 2025 स्वतंत्र अनुमान
10,000-token इनपुट वाली GPT-4o-स्तर की query लगभग 2.5 Wh Epoch AI, 2025 स्वतंत्र अनुमान
100,000-token इनपुट वाली GPT-4o-स्तर की query लगभग 40 Wh Epoch AI, 2025 स्वतंत्र अनुमान
लंबा prompt (10,000 अंदर, 1,500 बाहर): Llama 3.1 8B बनाम DeepSeek-R1 लगभग 0.44 Wh बनाम लगभग 29 Wh Jegham et al., 2025 स्वतंत्र अनुमान
Reasoning बनाम सामान्य मॉडल औसतन 30 गुना ज़्यादा Hugging Face AI Energy Score, 2025 मापा गया, खुले मॉडल
एक बनाई गई इमेज लगभग 2.9 Wh (हर 1,000 पर 2.9 kWh) Luccioni, Jernite और Strubell, 2024 मापा गया, खुले मॉडल
एक छोटा बनाया गया वीडियो एक मॉडल के लिए लगभग 90 Wh; अलग-अलग मॉडलों में 0.14 Wh से 415 Wh से ज़्यादा तक Delavande, Pierrard और Luccioni, 2025 मापा गया, खुले मॉडल
मीडियन coding-agent session लगभग 41 Wh Couch, 2026 स्वतंत्र अनुमान
Coding agent, हर टाइप किए गए prompt पर (भारी इस्तेमाल) लगभग 150 Wh (दायरा 60–290 Wh) Hausfather, 2026 स्वतंत्र अनुमान

एक token टेक्स्ट का एक टुकड़ा है, मोटे तौर पर अंग्रेज़ी के एक शब्द का तीन-चौथाई। इमेज और वीडियो के आँकड़े शोध के हार्डवेयर पर चलाए गए खुले मॉडलों से आते हैं; व्यावसायिक सेवाएँ इनसे ज़्यादा या कम कुशल हो सकती हैं, और ज़्यादातर आँकड़े प्रकाशित नहीं करतीं।

Reasoning मॉडल, इमेज और agents ज़्यादा क्यों इस्तेमाल करते हैं?

क्योंकि वे हर अनुरोध पर कहीं ज़्यादा गणना करते हैं। ऊर्जा इस बात के साथ बढ़ती है कि मॉडल कितने tokens पढ़ता और लिखता है, और मॉडल कितना बड़ा है।

  • Reasoning मॉडल जवाब देने से पहले अंदर ही अंदर सोच की लंबी कड़ियाँ लिखते हैं। Hugging Face की AI Energy Score टीम ने पाया कि reasoning चालू करके चलाने पर उसी मॉडल ने बंद होने की तुलना में 150 से 700 गुना ज़्यादा ऊर्जा इस्तेमाल की, और 300 से 800 गुना ज़्यादा tokens लिखे।
  • लंबे इनपुट पूरे के पूरे प्रोसेस करने पड़ते हैं। जैसे-जैसे इनपुट 100,000 tokens तक बढ़ता है, जो एक बहुत लंबे चिपकाए गए दस्तावेज़ के बराबर है, Epoch AI के अनुमान लगभग 0.3 Wh से लगभग 40 Wh तक बढ़ जाते हैं।
  • इमेज और वीडियो बहुत-से pixels पर कई चरणों में बनाए जाते हैं। Delavande, Pierrard और Luccioni ने पाया कि वीडियो की ऊर्जा resolution और लंबाई के साथ वर्गानुपात में (quadratically) बढ़ी, और एक छोटी क्लिप को एक टेक्स्ट जवाब के लगभग 2,000 गुना पर रखा।
  • Agents मॉडल को बार-बार बुलाते हैं, और हर बार अपना बढ़ता हुआ context फिर से पढ़ते हैं। Anthropic ने बताया कि उसके agents आम तौर पर एक chat के लगभग चार गुना tokens इस्तेमाल करते थे, और multi-agent सिस्टम लगभग पंद्रह गुना।

एक AI coding agent कितनी ऊर्जा इस्तेमाल करता है?

अनुमान एक आम session के लिए दसियों वाट-घंटे से लेकर भारी इस्तेमाल वाले एक दिन के लिए एक किलोवाट-घंटे से ज़्यादा तक हैं। कोई AI कंपनी अपने coding agents के ऊर्जा आँकड़े प्रकाशित नहीं करती, इसलिए सबसे अच्छे उपलब्ध आँकड़े token की गिनती से निकाले गए सावधान स्वतंत्र अनुमान हैं।

Simon Couch ने एक मीडियन Claude Code session का, जिसमें 24 मॉडल कॉल और लगभग 590,000 tokens थे, लगभग 41 Wh का अनुमान लगाया। जलवायु वैज्ञानिक Zeke Hausfather ने अपने भारी इस्तेमाल के आठ हफ़्ते दर्ज किए: 1,138 टाइप किए गए prompts से 14,000 से ज़्यादा मॉडल कॉल और 3.2 अरब tokens हुए, जिनमें से 96% cache किए गए context को दोबारा पढ़ना था। उन्होंने कुल लगभग 170 kWh (दायरा 70–330 kWh), हर prompt पर लगभग 150 Wh, और लगभग 0.6 kWh के एक मीडियन session का अनुमान लगाया, जिसकी तुलना वे एक फ़ोन को लगभग 50 बार चार्ज करने से करते हैं। देखें agentic AI और tokens की बर्बादी।

Training बड़ी लागत है या inference?

व्यापक रूप से इस्तेमाल होने वाले मॉडल के लिए, उसे चलाना (inference) आम तौर पर उसकी training से भारी पड़ता है। Training एक बड़ी एक-बार की लागत है; inference हर अनुरोध पर छोटा है, पर अरबों बार दोहराया जाता है।

प्रकाशित training आँकड़े पैमाना दिखाते हैं:

  • GPT-3 (2020): Google में Patterson और साथियों ने अनुमान लगाया कि training में 1,287 MWh बिजली लगी।
  • Llama 3.1 (2024): Meta का model card इसके तीन मॉडल आकारों के लिए H100 चिप पर 39.3 मिलियन GPU-घंटे बताता है, जिनमें से 30.84 मिलियन सबसे बड़े, 405-अरब-parameter वाले मॉडल के लिए थे।

दूसरी तरफ़, Patterson और साथी NVIDIA के अनुमान उद्धृत करते हैं कि machine learning कार्यभार का 80–90% inference है, और Amazon Web Services का दावा कि उसके cloud में machine learning की 90% माँग inference है। इसी संतुलन की वजह से हर prompt की घटती ऊर्जा इतनी मायने रखती है, और इसी वजह से वह अकेले काफ़ी नहीं है: इस्तेमाल उससे तेज़ी से बढ़ रहा है। देखें दक्षता काफ़ी नहीं है।

डेटा सेंटर और AI कुल मिलाकर कितनी बिजली इस्तेमाल करते हैं?

International Energy Agency (IEA) का अनुमान है कि 2025 में डेटा सेंटरों ने लगभग 485 TWh इस्तेमाल की, और उसे 2030 तक लगभग 950 TWh की उम्मीद है, जो दुनिया की बिजली का लगभग 3% है। एक टेरावाट-घंटा (TWh) एक अरब किलोवाट-घंटे होता है।

  • IEA ने 2024 में डेटा सेंटरों का उपयोग लगभग 415 TWh आँका, जो दुनिया की बिजली का लगभग 1.5% है। अप्रैल 2026 के उसके अपडेट ने 2025 में 485 TWh बताया, जो एक साल में 17% ज़्यादा है, और AI-केंद्रित डेटा सेंटरों की बिजली खपत में 50% की बढ़ोतरी।
  • उसे उम्मीद है कि 2030 तक की बढ़ोतरी का लगभग 80% अमेरिका और चीन से आएगा, और कि accelerated सर्वर, मुख्य रूप से AI के लिए, लगभग आधी बढ़ोतरी के पीछे होंगे।
  • अमेरिका में Lawrence Berkeley National Laboratory का अनुमान है कि 2023 में डेटा सेंटरों ने लगभग 178 TWh, यानी देश की बिजली का 4.4%, इस्तेमाल की, और 2028 तक यह 6.7–12% तक पहुँच सकती है।

अकेले AI का कोई भरोसेमंद वैश्विक आँकड़ा नहीं है, क्योंकि डेटा सेंटर AI के काम को अलग से नहीं मापते। कंपनियों की रिपोर्टें रुझान दिखाती हैं: Microsoft का बिजली उपयोग उसके 2020 के वित्त वर्ष में लगभग 10.8 TWh से बढ़कर 2025 में लगभग 37.0 TWh हो गया, और Google ने 2025 में अपनी बिजली की माँग में 37% बढ़ोतरी बताई, जो उसके इतिहास में सबसे बड़ी है। देखें ग्रीन AI अभी क्यों मायने रखता है।

AI की ऊर्जा के आँकड़ों में इतना अंतर क्यों है?

क्योंकि अध्ययन अलग-अलग चीज़ें गिनते हैं, अलग-अलग हार्डवेयर पर, अलग-अलग मॉडलों और कामों के लिए। ज़्यादातर अंतर चार कारणों से समझ में आता है।

  1. सिस्टम की सीमा। Google का अपना शोध-पत्र दिखाता है कि सिर्फ़ सक्रिय AI चिप गिनने पर हर मीडियन prompt पर 0.10 Wh आता है; host processors और memory, माँग के लिए तैयार रखी गई ख़ाली क्षमता, और डेटा सेंटर की कूलिंग जोड़ने पर 0.24 Wh आता है, जो दोगुने से भी ज़्यादा है। देखें ग्रीन AI की सबसे बड़ी रुकावट: माप।
  2. हार्डवेयर और उपयोग का स्तर। नए चिप हर वाट पर ज़्यादा काम करते हैं, और एक व्यस्त सर्वर अपने ऊपरी ख़र्च को एक शांत सर्वर से ज़्यादा अनुरोधों में बाँट लेता है।
  3. मॉडल का आकार। Jegham और साथियों के अनुमानों में एक लंबे prompt की लागत छोटे Llama 3.1 8B मॉडल पर लगभग 0.44 Wh और एक बड़े reasoning मॉडल DeepSeek-R1 पर लगभग 29 Wh थी।
  4. Tokens। लंबे इनपुट, लंबे जवाब, छिपी reasoning और agent के दोहराए गए क़दम, सभी tokens जोड़ते हैं, और ऊर्जा उनके साथ बढ़ती है।

दो और सावधानियाँ। आँकड़े जल्दी पुराने पड़ते हैं: Google ने एक साल में हर मीडियन prompt की ऊर्जा में 33 गुना गिरावट बताई। और स्व-घोषित आँकड़ों की स्वतंत्र जाँच नहीं हो सकती। जब आप कोई संख्या देखें, तो पूछें कि क्या मापा गया, किस सीमा पर, और कब। देखें AI के ऊर्जा उपयोग के किसी दावे की जाँच कैसे करें।

AI की ऊर्जा रोज़मर्रा की चीज़ों के मुक़ाबले कितनी है?

एक छोटा टेक्स्ट prompt घर के ज़्यादातर बिजली उपयोगों के आगे छोटा है; agents या वीडियो का भारी इस्तेमाल नहीं। ये तुलनाएँ स्रोतों की अपनी हैं:

  • Google अपने 0.24 Wh के मीडियन Gemini prompt की तुलना नौ सेकंड से कम टेलीविज़न देखने से करता है।
  • Hausfather अपने भारी इस्तेमाल में एक मीडियन coding-agent session (लगभग 0.6 kWh) की तुलना एक फ़ोन को लगभग 50 बार चार्ज करने से करते हैं, और ऐसे इस्तेमाल के एक औसत दिन (लगभग 3 kWh) की तुलना दो से ज़्यादा फ़्रिज चलाने से।
  • Couch अपने coding-agent इस्तेमाल के एक मीडियन दिन (लगभग 1,300 Wh) की तुलना हर दिन एक बार अतिरिक्त dishwasher चलाने से करते हैं।
  • Google ने 2009 में कहा था कि एक औसत वेब search लगभग 0.3 Wh इस्तेमाल करती है, जो आज के छोटे टेक्स्ट prompts के मिलते-जुलते स्तर पर है। ये आँकड़े समय और तरीक़े में बहुत दूर हैं।

बात यह नहीं है कि कोई एक अनुरोध बड़ा है। बात यह है कि आदतें मायने रखती हैं: reasoning मॉडल चुनना, लंबे दस्तावेज़ चिपकाना, एक साथ कई इमेज बनाना या किसी agent को चलता छोड़ देना, इनमें से हर एक किसी काम की ऊर्जा को कई गुना बढ़ा सकता है। देखें अपने AI ऊर्जा उपयोग को सही संदर्भ में देखें।

AI का ऊर्जा उपयोग घटाने के लिए आप क्या कर सकते हैं?

वह सबसे छोटा टूल इस्तेमाल करें जो काम कर दे, और उससे कम माँगें। सबसे बड़ी बचत बेकार के काम से बचने से होती है, provider बदलने से नहीं।

संगठनों के लिए शुरुआत माप से होती है: देखें AI की ऊर्जा मापना, AI API कॉल की ऊर्जा का अनुमान लगाएँ और AI का कुशल इस्तेमाल।

आगे क्या करें

अक्सर पूछे जाने वाले सवाल

एक ChatGPT prompt कितनी बिजली इस्तेमाल करता है?

OpenAI के मुख्य कार्यकारी ने 2025 में कहा कि एक औसत ChatGPT query लगभग 0.34 वाट-घंटे इस्तेमाल करती है, और Epoch AI ने स्वतंत्र रूप से एक आम GPT-4o query के लिए लगभग 0.3 Wh का अनुमान लगाया। लंबे इनपुट, reasoning मोड और इमेज बनाना कहीं ज़्यादा इस्तेमाल करते हैं।

AI हर prompt पर कितनी ऊर्जा इस्तेमाल करता है?

एक छोटे टेक्स्ट prompt के लिए प्रकाशित आँकड़े लगभग 0.2 से 0.4 Wh के आसपास हैं: Google एक मीडियन Gemini prompt के लिए 0.24 Wh बताता है। लंबे prompts वाले बड़े मॉडलों के स्वतंत्र अनुमान लगभग 29 Wh तक पहुँचते हैं, और agentic coding sessions सैकड़ों वाट-घंटे इस्तेमाल कर सकते हैं।

क्या AI, Google search से ज़्यादा बिजली इस्तेमाल करता है?

प्रकाशित आँकड़ों के अनुसार, एक छोटे टेक्स्ट prompt के लिए नहीं। Google ने 2009 में कहा था कि एक औसत search लगभग 0.3 Wh इस्तेमाल करती है; अब वह एक मीडियन Gemini टेक्स्ट prompt के लिए 0.24 Wh बताता है। ये आँकड़े 16 साल के अंतर पर और अलग-अलग तरीक़ों से मापे गए हैं, इसलिए इसे मोटा अंदाज़ा ही मानें। लंबे, reasoning, इमेज और agent वाले काम कहीं ज़्यादा इस्तेमाल करते हैं।

AI कुल मिलाकर कितनी बिजली इस्तेमाल करता है?

अकेले AI का कोई भरोसेमंद आँकड़ा नहीं है। International Energy Agency का अनुमान है कि 2025 में सभी डेटा सेंटरों ने लगभग 485 TWh इस्तेमाल की, जो एक साल में 17% ज़्यादा है, कि AI-केंद्रित डेटा सेंटरों का उपयोग 50% बढ़ा, और कि 2030 तक कुल उपयोग लगभग 950 TWh, यानी दुनिया की बिजली का लगभग 3%, हो जाएगा।

AI की training ज़्यादा ऊर्जा लेती है या उसका इस्तेमाल?

एक बड़े मॉडल की training एक बड़ी एक-बार की लागत है, जैसे GPT-3 के लिए अनुमानित 1,287 MWh। पर एक लोकप्रिय मॉडल अरबों बार इस्तेमाल होता है, और Google के शोधकर्ताओं द्वारा उद्धृत उद्योग के अनुमान inference को machine learning कार्यभार का 80–90% बताते हैं।

AI की ऊर्जा के अनुमानों में इतना अंतर क्यों है?

क्योंकि वे अलग-अलग चीज़ें गिनते हैं। डेटा सेंटर की कूलिंग, ख़ाली बैठे सर्वर और host कंप्यूटर शामिल करने से Google का अपना आँकड़ा दोगुने से भी ज़्यादा हो गया, 0.10 Wh से 0.24 Wh। मॉडल का आकार, हार्डवेयर, prompt की लंबाई और बनाए गए tokens की संख्या भी जवाब बदल देते हैं।

AI से इमेज बनाने में कितनी ऊर्जा लगती है?

Luccioni, Jernite और Strubell के खुले मॉडलों के परीक्षणों में इमेज बनाने में औसतन हर 1,000 इमेज पर लगभग 2.9 kWh, यानी हर इमेज पर लगभग 2.9 Wh लगे, जो टेक्स्ट के एक टुकड़े को वर्गीकृत करने से हज़ार गुना से भी ज़्यादा है।

मैं अपने AI इस्तेमाल की ऊर्जा कैसे घटा सकता/सकती हूँ?

आसान कामों के लिए छोटा या तेज़ मॉडल इस्तेमाल करें, prompts और बातचीत छोटी रखें, ज़रूरत न हो तो reasoning मोड बंद रखें, और कम इमेज व वीडियो बनाएँ। सबसे ज़्यादा बचत यह पूछने से होती है कि क्या इस काम के लिए AI की ज़रूरत है भी।

स्रोत

  1. Measuring the environmental impact of delivering AI at Google scale, Elsworth et al., Google (2025)
  2. The gentle singularity, Sam Altman (OpenAI) (2025)
  3. How much energy does ChatGPT use?, Epoch AI (2025)
  4. How hungry is AI? Benchmarking energy, water and carbon footprint of LLM inference, Jegham et al. (arXiv 2505.09598, v6) (2025)
  5. AI Energy Score v2: refreshed leaderboard, now with reasoning, Luccioni and Gamazaychikov, Hugging Face (2025)
  6. Power hungry processing: watts driving the cost of AI deployment?, Luccioni, Jernite and Strubell, ACM FAccT 2024 (2024)
  7. Video killed the energy budget: characterizing the latency and power regimes of open text-to-video models, Delavande, Pierrard and Luccioni (arXiv 2509.19222) (2025)
  8. The real energy use of agentic AI, Zeke Hausfather, The Climate Brink (2026)
  9. Electricity use of AI coding agents, Simon P. Couch (2026)
  10. How we built our multi-agent research system, Anthropic (2025)
  11. Carbon emissions and large neural network training, Patterson et al. (arXiv 2104.10350) (2021)
  12. Powering a Google search (Italian edition: Dare energia alle ricerche su Google), Google (2009)
  13. Llama 3.1 8B model card, Meta (2024)
  14. Energy and AI, International Energy Agency (2025)
  15. Key questions on energy and AI, International Energy Agency (2026)
  16. 2024 United States Data Center Energy Usage Report, Lawrence Berkeley National Laboratory (2024)
  17. 2026 environmental data fact sheet, Microsoft (2026)
  18. Read our 11th annual Environmental Report, Google (2026)
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।

लेख

AI कितना पानी इस्तेमाल करता है?

AI कितना पानी पीता है? हर prompt और हर मॉडल पर AI का पानी, डेटा सेंटरों का पानी, WUE, कंपनियों के आँकड़े, स्थानीय जल संकट और जो अब भी अज्ञात है।

लेख

ग्रीन AI की सबसे बड़ी रुकावट: माप

AI के ऊर्जा आँकड़ों पर भरोसा या तुलना क्यों कठिन है: कंपनियों के अपने आँकड़े, मीटर की जगह अनुमान, अलग-अलग सीमाएँ, और अच्छा माप कैसा हो।

अच्छी प्रैक्टिस

AI की ऊर्जा और कार्बन कैसे मापें

AI के काम की ऊर्जा और कार्बन को मापने या अनुमान लगाने की व्यावहारिक गाइड: टूल, सिस्टम सीमाएँ, प्रति-कार्य पैमाने और अनिश्चितता का ईमानदार हिसाब।

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