संक्षेप में
किसी व्यवसाय के लिए ग्रीन AI का मतलब है कम ऊर्जा, कम पैसे और कम कार्बन में AI से वे नतीजे पाना जिनकी आपको ज़रूरत है। ज़्यादातर बचत कुछ ही फ़ैसलों से आती है: AI का इस्तेमाल सिर्फ़ वहीं करना जहाँ वह सचमुच फ़ायदा दे, वह सबसे छोटा मॉडल चुनना जो काम अच्छी तरह कर दे, ऐसे सप्लायर चुनना जो अपना ऊर्जा डेटा प्रकाशित करते हैं, और कोई भी दावा करने से पहले मापना।
मुख्य बातें
- ज़्यादातर व्यवसायों में सबसे सस्ता, सबसे तेज़ और सबसे ग्रीन AI आम तौर पर एक ही होता है: छोटे मॉडल, कम टोकन, कम दोबारा काम।
- अंतरराष्ट्रीय ऊर्जा एजेंसी का अनुमान है कि 2024 में डेटा सेंटरों ने लगभग 415 TWh बिजली इस्तेमाल की, जो दुनिया की कुल खपत का लगभग 1.5% है, और 2030 तक इसके लगभग 945 TWh होने का अनुमान है।
- किसी एक ही काम के लिए, उस काम के लिए बने (टास्क-स्पेसिफ़िक) मॉडल सामान्य-उद्देश्य वाले जनरेटिव मॉडलों से कई गुना (orders of magnitude) सस्ते चल सकते हैं।
- सप्लायरों से प्रति अनुरोध ऊर्जा, उनके डेटा सेंटर और मापने का तरीक़ा पूछें, और जवाबों को अनुबंध में लिखवाएँ।
- ऐसा कोई ग्रीन दावा न करें जिसे आप मापे गए या साफ़ स्रोत वाले आँकड़ों से साबित न कर सकें।
किसी व्यवसाय को ग्रीन AI की परवाह क्यों करनी चाहिए?
क्योंकि जो चीज़ें AI को ज़्यादा ग्रीन बनाती हैं, वही ज़्यादातर उसे सस्ता, तेज़ और भरोसेमंद भी बनाती हैं। कम कंप्यूटेशन का मतलब है कम बिल, जल्दी जवाब और कम इंतज़ार। जो आदतें ऊर्जा बर्बाद करती हैं, जैसे लंबे prompt, बार-बार कोशिश और ज़रूरत से बड़े मॉडल, वे पैसा और कर्मचारियों का समय भी बर्बाद करती हैं।
2026 में ब्रिटेन में गणितज्ञों, कंप्यूटर वैज्ञानिकों और उद्योग के लोगों का एक ग्रीन AI सैंडपिट (गहन चर्चा कार्यशाला) इसी तरह के निष्कर्ष पर पहुँचा: ख़रीदार लागत, गति और गुणवत्ता देखकर चुनते हैं, इसलिए ग्रीन AI को इन चीज़ों के साथ आना होगा, इनसे होड़ नहीं करनी होगी। व्यवसाय के लिए यह अच्छी ख़बर है। कम फ़ुटप्रिंट के लिए आपको नतीजों से समझौता शायद ही कभी करना पड़ता है।
ध्यान देने के चार और कारण हैं:
- पैमाना। अंतरराष्ट्रीय ऊर्जा एजेंसी (IEA) का अनुमान है कि 2024 में डेटा सेंटरों ने लगभग 415 TWh बिजली इस्तेमाल की, जो दुनिया की बिजली का लगभग 1.5% है, और उसका अनुमान है कि 2030 तक यह दोगुने से ज़्यादा बढ़कर लगभग 945 TWh हो जाएगी, जिसमें बढ़ोतरी का सबसे बड़ा कारण AI होगा। आपका AI इस्तेमाल उसी माँग का हिस्सा है।
- रिपोर्टिंग। अगर आप ऊर्जा और उत्सर्जन की रिपोर्ट देते हैं, तो AI अब उस संख्या का हिस्सा है, चाहे आप उसे गिनें या नहीं।
- नियमन। नियम AI और डेटा सेंटर प्रदाताओं से ऊर्जा डेटा माँगने लगे हैं (नीचे देखें), जिससे आपको सप्लायरों के बारे में बेहतर जानकारी मिलती है।
- भरोसा। ग्राहक, कर्मचारी और निवेशक अधिकाधिक पूछते हैं कि आप AI का इस्तेमाल कैसे करते हैं। साफ़ और ईमानदार जवाब मदद करते हैं।
AI में ऊर्जा कहाँ ख़र्च होती है?
किसी आम व्यवसाय की AI ऊर्जा का ज़्यादातर हिस्सा inference (अनुमान लगाना) पर जाता है, यानी अनुरोधों का जवाब देने के लिए मॉडल चलाने पर, न कि उसे ट्रेन करने पर। आप लगभग कभी भी ख़ुद कोई बड़ा मॉडल ट्रेन नहीं करते, लेकिन हर prompt, हर स्वचालित वर्कफ़्लो और आपके सॉफ़्टवेयर का हर AI फ़ीचर किसी न किसी के हार्डवेयर पर inference चलाता है।
ऊर्जा मुख्य रूप से इन जगहों पर इस्तेमाल होती है:
| चरण | क्या होता है | नियंत्रण किसके पास है |
|---|---|---|
| ट्रेनिंग | मॉडल डेटा से सीखता है, एक बार या कभी-कभार | ज़्यादातर मॉडल प्रदाता |
| फ़ाइन-ट्यूनिंग | किसी मौजूदा मॉडल को आपके काम के लिए ढाला जाता है | आप या आपका सप्लायर |
| Inference | मॉडल हर अनुरोध का जवाब देता है | साझा: कितना और कौन-सा मॉडल, यह आप चुनते हैं |
| डेटा सेंटर | कूलिंग, बिजली का रूपांतरण, नेटवर्किंग | होस्टिंग प्रदाता |
| हार्डवेयर | चिप और सर्वर बनाना (embodied कार्बन) | प्रदाता, इस बात से कि उपकरण कितने समय तक रखे जाते हैं |
व्यवसाय के लिए inference वह हिस्सा है जिसे आप सबसे ज़्यादा बदल सकते हैं। इसकी मात्रा इन बातों पर निर्भर करती है:
- मॉडल का आकार और प्रकार। Luccioni, Jernite और Strubell के एक अध्ययन में पाया गया कि एक ही काम के लिए सामान्य-उद्देश्य वाले जनरेटिव मॉडल टास्क-स्पेसिफ़िक सिस्टमों की तुलना में कई गुना महँगे चलते थे। उनके परीक्षणों में तस्वीरें बनाने में औसतन प्रति 1,000 अनुरोध लगभग 2.9 kWh लगे, जबकि टेक्स्ट को वर्गीकृत करने में लगभग 0.002 kWh;
- टोकन की संख्या (टेक्स्ट के वे टुकड़े जिन्हें मॉडल पढ़ता और लिखता है)। लंबे prompt, चिपकाए गए दस्तावेज़ और लंबे-चौड़े जवाब, सब जुड़ते जाते हैं;
- कितनी कॉल कोई वर्कफ़्लो करता है। योजना बनाने, जाँचने और दोबारा कोशिश करने वाले एजेंट एक काम के लिए दर्जनों कॉल कर सकते हैं; और
- कहाँ और कब यह चलता है, क्योंकि एक किलोवाट-घंटे में कितना कार्बन है, यह स्थानीय बिजली ग्रिड पर निर्भर करता है।
प्रति अनुरोध पैमाने का अंदाज़ा देने के लिए: Google बताता है कि उसकी Gemini ऐप्स को भेजे गए एक मध्यिका (median) टेक्स्ट prompt में 0.24 Wh ऊर्जा लगी, और यह आँकड़ा एक साल में 33 गुना घट गया। प्रदाता अलग-अलग तरीक़ों से मापते हैं, इसलिए ऐसी संख्याओं को सिर्फ़ संकेत मानें, और ब्योरे क्यों मायने रखते हैं, यह जानने के लिए AI ऊर्जा का मापन देखें।
हम सही मॉडल कैसे चुनें?
वह सबसे छोटा मॉडल इस्तेमाल करें जो काम भरोसे के साथ कर दे, और इसे अपने ख़ुद के काम पर परखें। ईमेल छाँटने, इनवॉइस से फ़ील्ड निकालने, सारांश बनाने या अनुवाद जैसे कई व्यावसायिक कामों के लिए छोटा या विशेष मॉडल काफ़ी होता है।
UNESCO और University College London ने पाया कि उपयुक्त कामों पर छोटे, टास्क-स्पेसिफ़िक मॉडलों के इस्तेमाल से प्रदर्शन खोए बिना ऊर्जा खपत 90% तक घट सकती है, और छोटे prompt और जवाब इसे आधे से ज़्यादा घटा सकते हैं।
व्यावहारिक क़दम:
- अपने AI कामों की सूची बनाएँ और हर काम के लिए "काफ़ी अच्छा" का मतलब तय करें, उदाहरण के लिए इनवॉइस के 98% फ़ील्ड सही।
- छोटे से बड़े मॉडल आज़माएँ, असली मामलों के एक नमूने पर। जो पहला मॉडल मानक पर खरा उतरे, वहीं रुक जाएँ।
- अनुरोधों को route करें। रोज़मर्रा के अनुरोध छोटे मॉडल को भेजें और सिर्फ़ कठिन अनुरोध बड़े मॉडल को। इसे अक्सर model routing कहा जाता है।
- झूठी बचत से सावधान रहें। जो मॉडल बहुत छोटा है और विफल हो जाता है, जिससे बड़े मॉडल पर दोबारा चलाना पड़ता है, वह सीधे बड़े मॉडल पर जाने से ज़्यादा ऊर्जा ले सकता है। प्रति कॉल लागत नहीं, पहली बार में सफलता मापें।
- दोबारा बनाने के बजाय दोबारा इस्तेमाल करें। जहाँ वही जवाब, टेम्पलेट या कोड का टुकड़ा फिर चाहिए, उसे सहेजकर दोबारा इस्तेमाल करें, बजाय इसके कि हर बार मॉडल से पूछें। ITEA की एक शोध परियोजना GreenCode बताती है कि वह अपने AI इस्तेमाल को कम रखने के लिए retrieval, सबसे सस्ते सक्षम हिस्से तक routing और शेड्यूलिंग का इस्तेमाल करती है।
स्वतंत्र रेटिंग खुले (open) मॉडलों की तुलना में मदद कर सकती हैं। Hugging Face और साझेदारों द्वारा शुरू किया गया AI Energy Score आम कामों पर ऊर्जा दक्षता के लिए मॉडलों को एक से पाँच स्टार तक रेटिंग देता है। इस पर और जानकारी सही मॉडल चुनना और जनरेशन से ज़्यादा ऑर्केस्ट्रेशन में है।
हमें AI सप्लायरों से क्या पूछना चाहिए?
संख्याएँ, तरीक़े और स्थान पूछें, और जवाबों को अनुबंध में डालें। कई सप्लायर अभी पूरे जवाब नहीं दे पाते, लेकिन पूछने से माँग का संकेत जाता है और पता चलता है कि कौन इसे गंभीरता से लेता है।
टेंडर और नवीनीकरण में शामिल करने के लिए सवाल:
- प्रति अनुरोध ऊर्जा। जिन मॉडलों का हम इस्तेमाल करेंगे, उनके लिए एक आम अनुरोध या प्रति 1,000 टोकन पर ऊर्जा (Wh) कितनी है? क्या यह मापी गई है या अनुमानित, और कैसे?
- सिस्टम की सीमा। क्या इस आँकड़े में खाली पड़ी क्षमता, कूलिंग और नेटवर्किंग शामिल हैं, या सिर्फ़ चिप?
- यह कहाँ चलता है। हमारा काम किन डेटा सेंटरों और क्षेत्रों में होस्ट होता है? उनका power usage effectiveness (PUE, कुल सुविधा ऊर्जा और कंप्यूटिंग ऊर्जा का अनुपात) और पानी का इस्तेमाल कितना है?
- बिजली। कितना हिस्सा घंटे-दर-घंटे स्वच्छ बिजली से मिलाया जाता है, न कि सालाना प्रमाणपत्रों से ढका जाता है?
- मॉडल के विकल्प। क्या हम छोटे मॉडल चुन सकते हैं, या अनुरोधों को मॉडलों के बीच route कर सकते हैं? जहाँ डेटा स्थानीय रहना ज़रूरी है, क्या हम अपने हार्डवेयर पर चला सकते हैं?
- रिपोर्टिंग। क्या आप हमारे खाते के लिए हर महीने ऊर्जा और उत्सर्जन का डेटा ऐसे रूप में देंगे जिसे हम अपनी रिपोर्टिंग में इस्तेमाल कर सकें?
- हार्डवेयर की उम्र। आप सर्वरों को कितने समय तक सेवा में रखते हैं, और उसके बाद उनका क्या होता है?
- बदलाव की सूचना। अगर आप हमारी सेवा के पीछे का मॉडल बदलेंगे, तो क्या हमें बताएँगे?
EU के दो क़ानून जानने लायक़ हैं, EU के बाहर भी, क्योंकि बड़े सप्लायर इन्हें व्यापक रूप से लागू करते हैं:
- EU AI Act सामान्य-उद्देश्य वाले AI मॉडलों के प्रदाताओं से मॉडल की ज्ञात या अनुमानित ऊर्जा खपत का दस्तावेज़ बनाने की माँग करता है (Annex XI)।
- Energy Efficiency Directive कम से कम 500 kW की IT बिजली माँग वाले डेटा सेंटरों के संचालकों से ऊर्जा प्रदर्शन, जिसमें ऊर्जा और पानी का इस्तेमाल शामिल है, एक यूरोपीय डेटाबेस को रिपोर्ट करने की माँग करता है (Delegated Regulation 2024/1364)।
हमारी टिकाऊ AI ख़रीद गाइड में सवालों का ज़्यादा पूरा सेट है, और होस्टिंग और डेटा सेंटर बताती है कि जवाबों का क्या मतलब है। आप प्रोडक्ट डायरेक्टरी में सप्लायर और कंसल्टेंट डायरेक्टरी में स्वतंत्र मदद पा सकते हैं।
हम AI ऊर्जा और उत्सर्जन कैसे मापें?
जो माप सकते हैं, मापें, बाक़ी का खुलकर अनुमान लगाएँ, और उन चीज़ों पर नज़र रखें जो आपके नियंत्रण में हैं। पूरी तरह सटीक आँकड़े शायद ही कभी मिलते हैं, लेकिन एक जैसा तरीक़ा अपनाने से आप देख पाते हैं कि सुधार हो रहा है या नहीं।
- आपका अपना हार्डवेयर या क्लाउड मशीनें। CodeCarbon जैसे ओपन-सोर्स टूल प्रोसेसर और मेमोरी द्वारा ली गई बिजली और स्थानीय ग्रिड की कार्बन तीव्रता से उत्सर्जन का अनुमान लगाते हैं।
- तीसरे पक्ष की AI सेवाएँ। इस्तेमाल हुए टोकन, कॉल और मॉडल दर्ज करें। अगर सप्लायर प्रति अनुरोध ऊर्जा का आँकड़ा देता है, तो उससे गुणा करें। अगर नहीं, तो कोई प्रकाशित अनुमान इस्तेमाल करें और यह बात बताएँ।
- इकाइयाँ। ऊर्जा kWh में और उत्सर्जन kg CO₂e (कार्बन डाइऑक्साइड समतुल्य) में रिपोर्ट करें, और बताएँ कि आपने कौन-सा ग्रिड फ़ैक्टर इस्तेमाल किया।
- प्रति नतीजा। सिर्फ़ कुल नहीं, हर उपयोगी नतीजे पर ऊर्जा का हिसाब रखें, उदाहरण के लिए प्रति प्रोसेस किया गया इनवॉइस। इससे दोबारा काम और दोबारा कोशिशों का असर दिखता है।
देखें AI ऊर्जा कैसे मापें और मापन ही असली अड़चन क्यों है।
CSRD और ESG रिपोर्टिंग में AI कहाँ आता है?
AI की बिजली आपकी ऊर्जा खपत का हिस्सा है, इसलिए वह किसी अलग रिपोर्ट में नहीं, बल्कि आपकी मौजूदा उत्सर्जन रिपोर्टिंग में आती है। ज़्यादातर रिपोर्टिंग ढाँचों में, जहाँ आप हार्डवेयर चलाते हैं वहाँ यह ख़रीदी गई बिजली (Scope 2) में आती है, और जहाँ आप क्लाउड या AI सेवाओं का इस्तेमाल करते हैं वहाँ ख़रीदी गई सेवाओं (Scope 3) में।
EU में Corporate Sustainability Reporting Directive (CSRD) का दायरा 2026 में घटा दिया गया। फ़रवरी 2026 में Council of the EU की अंतिम मंज़ूरी इसे उन कंपनियों तक सीमित करती है जिनके 1,000 से ज़्यादा कर्मचारी हैं और जिनका शुद्ध सालाना कारोबार €450 million से ज़्यादा है। अगर आप इससे नीचे हैं, तब भी दायरे में आने वाले बड़े ग्राहक आपसे डेटा माँग सकते हैं, या आप स्वेच्छा से रिपोर्ट करना चुन सकते हैं। EU के बाहर, अपने राष्ट्रीय नियम और जिन स्वैच्छिक ढाँचों का आप पालन करते हैं, उन्हें जाँचें।
आपकी बाध्यता जो भी हो, AI को किसी भी दूसरी महत्वपूर्ण ऊर्जा खपत की तरह लें: तरीक़ा, सीमा और अनिश्चितता बताएँ।
हम कर्मचारियों में अच्छी आदतें कैसे डालें?
लोगों से हर बार ऊर्जा के बारे में सोचने को कहने के बजाय, उन्हें कुछ सरल नियम दें और डिफ़ॉल्ट रूप से सही टूल दें। आदतें वहाँ सबसे ज़्यादा मायने रखती हैं जहाँ बहुत से लोग दिन में कई बार AI इस्तेमाल करते हैं।
- सही टूल चुनें। सर्च इंजन, टेम्पलेट, स्प्रेडशीट और मौजूदा सॉफ़्टवेयर अक्सर काफ़ी होते हैं। AI वहाँ इस्तेमाल करें जहाँ वह सचमुच समय बचाए या गुणवत्ता सुधारे।
- संक्षेप में रहें। साफ़ सवाल पूछें, छोटे जवाब माँगें, और जब एक हिस्सा काफ़ी हो तो पूरा दस्तावेज़ न चिपकाएँ।
- "स्लॉट मशीन" जैसे इस्तेमाल से बचें। किसी तस्वीर या जवाब को बार-बार दोबारा बनवाना महँगा है। इसके बजाय अनुरोध को बेहतर बनाएँ।
- कंपनी के टूल में डिफ़ॉल्ट रूप से छोटे मॉडल रखें, और ज़रूरत पड़ने पर बड़े मॉडल उपलब्ध रहें।
- जो इस्तेमाल नहीं हो रहा, उसे बंद करें। सॉफ़्टवेयर में डिफ़ॉल्ट रूप से चालू AI फ़ीचर और खाली पड़ी टेस्ट मशीनें, सभी ऊर्जा लेती हैं।
- भारी काम शेड्यूल करें। जो बैच काम रुक सकता है, जैसे रात भर दस्तावेज़ प्रोसेस करना, उसे तब चलाया जा सकता है जब ग्रिड ज़्यादा स्वच्छ हो।
इन्हें एक छोटी नीति में लिखें; हमारी ग्रीन AI नीति गाइड में एक टेम्पलेट है, और AI का कुशल इस्तेमाल में रोज़मर्रा के और सुझाव हैं।
हम इसके बारे में ईमानदारी से कैसे बात करें?
सिर्फ़ उन्हीं चीज़ों के बारे में दावे करें जिन्हें आपने मापा है, एक बताई गई आधार-रेखा (baseline) के मुक़ाबले, और सीमाएँ भी शामिल करें। "टिकाऊ AI" या "कार्बन-न्यूट्रल AI" जैसे अस्पष्ट दावे नियामकों और ग्राहकों की कड़ी जाँच को न्योता देते हैं।
अच्छे तरीक़े:
- आधार-रेखा ("हमारे पिछले मॉडल की तुलना में") और मापने का तरीक़ा बताएँ।
- दक्षता (प्रति काम कम ऊर्जा) को कुल खपत (जो फिर भी बढ़ सकती है) से अलग रखें। सस्ता AI अक्सर ज़्यादा AI इस्तेमाल की ओर ले जाता है, जिसे रिबाउंड प्रभाव कहा जाता है।
- किसी सेवा को ग्रीन कहने के लिए सिर्फ़ ऑफ़सेट या सालाना नवीकरणीय ऊर्जा प्रमाणपत्रों पर निर्भर न रहें।
- याद रखें कि किसी प्रदाता का ख़ुद बताया गया आँकड़ा किसी दूसरे के आँकड़े से तुलना-योग्य न भी हो।
इस पर और जानकारी ईमानदार ग्रीन दावे और दक्षता पर्याप्तता नहीं है में है।
आगे क्या करें
- अपने AI इस्तेमाल का नक़्शा बनाएँ। इस्तेमाल हो रहे टूल, मॉडल और स्वचालित वर्कफ़्लो की सूची बनाएँ, और मोटे तौर पर यह कि हर एक कितनी बार चलता है।
- एक बड़ी मात्रा वाला काम चुनें और परखें कि क्या कोई छोटा मॉडल आपके गुणवत्ता मानक पर खरा उतरता है।
- टोकन और कॉल का हिसाब रखना शुरू करें अपनी मुख्य AI सेवाओं के लिए, और जहाँ आप अपना हार्डवेयर चलाते हैं वहाँ ऊर्जा का।
- ऊपर दिए सप्लायर सवाल जोड़ें अपने अगले टेंडर या अनुबंध नवीनीकरण में।
- कर्मचारियों के लिए एक छोटी नीति प्रकाशित करें कि AI कब और कैसे इस्तेमाल करना है, हमारी नीति गाइड की मदद से।
- दावों की समीक्षा करें जो आपकी मार्केटिंग और रिपोर्टों में हैं, ईमानदार दावों की गाइड के आधार पर।
- ज़रूरत हो तो मदद लें कंसल्टेंट डायरेक्टरी से, और टूल प्रोडक्ट डायरेक्टरी में खोजें।
अक्सर पूछे जाने वाले सवाल
क्या ग्रीन AI ज़्यादा महँगा पड़ता है?
आम तौर पर नहीं। मुख्य उपाय, जैसे छोटे मॉडल, छोटे prompt और कम बार दोहराए गए रन, API के बिल और जवाब आने का समय भी घटाते हैं। अतिरिक्त लागत ज़्यादातर कर्मचारियों के समय की होती है, मापने के लिए और मॉडलों के बीच routing सेट करने के लिए।
क्या हमें अपने AI की ऊर्जा खपत की रिपोर्ट देनी होती है?
ज़्यादातर जगहों पर अलग मद के रूप में नहीं। लेकिन AI की बिजली आपकी ऊर्जा खपत और उत्सर्जन का हिस्सा है, इसलिए यह व्यापक रिपोर्टिंग के भीतर आती है, जैसे दायरे में आने वाली कंपनियों के लिए EU का CSRD, या स्वैच्छिक ESG रिपोर्टिंग।
क्या छोटा मॉडल हमेशा ज़्यादा ग्रीन होता है?
नहीं। बहुत छोटा मॉडल विफल हो सकता है और दोबारा कोशिश करने या बड़े मॉडल पर दूसरा रन चलाने की मजबूरी पैदा कर सकता है। अपने असली काम पर परखें: सबसे ग्रीन मॉडल वह सबसे छोटा मॉडल है जो पहली बार में सही जवाब दे।
जिस क्लाउड AI सेवा को हम ख़ुद नहीं चलाते, उसकी ऊर्जा हम कैसे मापें?
सप्लायर से प्रति अनुरोध ऊर्जा और उसके पीछे का तरीक़ा पूछें। जहाँ वे न बताएँ, वहाँ प्रति prompt के प्रकाशित अनुमानों का साफ़ चेतावनियों के साथ इस्तेमाल करें, और उन चीज़ों पर नज़र रखें जो आपके नियंत्रण में हैं, जैसे टोकन और कॉल की संख्या।
स्रोत
- Energy and AI, International Energy Agency (2025)
- Power Hungry Processing: Watts Driving the Cost of AI Deployment?, Luccioni, Jernite and Strubell, ACM FAccT (2024)
- Smarter, smaller, stronger: resource-efficient generative AI and the future of digital transformation, UNESCO and University College London (2025)
- Measuring the environmental impact of delivering AI at Google scale, Elsworth et al., Google (2025)
- Council signs off simplification of sustainability reporting and due diligence requirements, Council of the European Union (2026)
- AI Act, Annex XI: technical documentation for providers of general-purpose AI models, European Commission AI Act Service Desk (2024)
- Commission Delegated Regulation (EU) 2024/1364 on the rating scheme for data centres, EUR-Lex (2024)
- CodeCarbon, CodeCarbon (2026)
- Announcing AI Energy Score ratings, Hugging Face (2025)
- Green AI and energy-aware computing, GreenCode (ITEA) (2026)
संबंधित
टिकाऊ AI ख़रीद
AI आपूर्तिकर्ताओं से ऊर्जा, कार्बन और पानी के बारे में क्या पूछें, कौन-से सबूत माँगें, और कौन-सी अनुबंध शर्तें टिकाऊपन के वादों को लागू करवाने लायक बनाती हैं।
काम के हिसाब से सही मॉडल चुनें
AI को सही आकार कैसे दें: छोटे या विशेष मॉडल कब चुनें, बड़ा फ्रंटियर मॉडल कब अपनी लागत वसूलता है, रूटिंग कैसे काम करती है और AI कब न इस्तेमाल करें।
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।
AI के बारे में ईमानदार ग्रीन दावे
AI के बारे में ग्रीनवॉशिंग से कैसे बचें: आप क्या दावा कर सकते हैं और क्या नहीं, रिबाउंड प्रभाव, ईमानदार रिपोर्टिंग, और पर्यावरणीय दावों पर UK, EU और US के नियम।