संक्षेप में
AI ऊर्जा के ये आँकड़े AI की बिजली, पानी और कार्बन से जुड़े 40 सबसे उपयोगी आँकड़े हैं, हर एक अपने मूल स्रोत पर जाँचा हुआ और तारीख़ के साथ। संक्षेप में, डेटा सेंटरों ने 2024 में लगभग 415 TWh बिजली इस्तेमाल की (दुनिया की कुल बिजली का लगभग 1.5%), IEA को 2030 तक लगभग 950 TWh की उम्मीद है, और प्रदाताओं के अपने आँकड़ों के अनुसार एक सामान्य टेक्स्ट प्रॉम्प्ट लगभग 0.24–0.34 Wh इस्तेमाल करता है, जबकि इमेज, वीडियो, लंबे इनपुट और रीज़निंग कहीं ज़्यादा इस्तेमाल करते हैं।
मुख्य बातें
- IEA के अनुसार डेटा सेंटरों ने 2024 में लगभग 415 TWh बिजली इस्तेमाल की, जो दुनिया की कुल खपत का लगभग 1.5% है, और 2025 में 485 TWh।
- IEA का अनुमान है कि 2030 तक यह लगभग 950 TWh होगी, यानी दुनिया की बिजली माँग का लगभग 3%; AI-केंद्रित डेटा सेंटरों की बिजली खपत 2025 में 50% बढ़ी।
- प्रदाता प्रति टेक्स्ट प्रॉम्प्ट लगभग 0.24 Wh (Google, मीडियन Gemini टेक्स्ट प्रॉम्प्ट) और 0.34 Wh (OpenAI, औसत ChatGPT क्वेरी) बताते हैं।
- Hugging Face के 2025 के परीक्षणों में रीज़निंग मॉडलों ने सामान्य मॉडलों से औसतन 30 गुना ज़्यादा ऊर्जा इस्तेमाल की।
- GPT-3 की ट्रेनिंग में अनुमानित 1,287 MWh बिजली लगी और लगभग 552 टन CO₂e उत्सर्जन हुआ।
- 2025 में आयरलैंड की मीटर की गई बिजली का 23% डेटा सेंटरों ने इस्तेमाल किया।
यह पेज AI ऊर्जा के वे आँकड़े इकट्ठा करता है जिन्हें लोग सबसे ज़्यादा खोजते हैं, हर एक अपने मूल स्रोत पर जाँचा हुआ, और उस साल के साथ जिस पर वह लागू होता है। किसी आँकड़े को जल्दी ढूँढ़ने के लिए इसका इस्तेमाल करें, और किसी अहम जगह उसे उद्धृत करने से पहले स्रोत देख लें।
AI ऊर्जा के मुख्य आँकड़े क्या हैं?
डेटा सेंटर दुनिया की लगभग 1.5% बिजली इस्तेमाल करते हैं, 2030 तक यह लगभग दोगुनी होने वाली है, और इसका मुख्य कारण AI है। एक सामान्य टेक्स्ट प्रॉम्प्ट एक वाट-घंटे का छोटा-सा हिस्सा इस्तेमाल करता है, जबकि इमेज, वीडियो, बहुत लंबे इनपुट और रीज़निंग कहीं ज़्यादा इस्तेमाल करते हैं। नीचे की तालिकाएँ दस समूहों में 40 आँकड़े देती हैं। जहाँ स्रोत असहमत हैं या कोई आँकड़ा एक दायरा है, वहाँ दायरा दिया गया है।
डेटा सेंटर की बिजली
IEA के अनुसार डेटा सेंटरों ने 2024 में लगभग 415 TWh और 2025 में 485 TWh बिजली इस्तेमाल की। एक टेरावाट-घंटा (TWh) एक अरब किलोवाट-घंटे के बराबर है।
| # | आँकड़ा | स्रोत | वर्ष |
|---|---|---|---|
| 1 | डेटा सेंटरों ने 2024 में लगभग 415 TWh बिजली इस्तेमाल की, जो दुनिया की कुल खपत का लगभग 1.5% है। | International Energy Agency (IEA) | 2025 |
| 2 | डेटा सेंटरों की बिजली खपत 2025 में 17% बढ़कर 485 TWh हो गई। | IEA | 2026 |
| 3 | IEA का अनुमान है कि 2030 तक यह लगभग 950 TWh होगी, यानी दुनिया की बिजली माँग का लगभग 3%। | IEA | 2026 |
| 4 | IEA के अलग-अलग परिदृश्यों में 2035 के अनुमान 700 से 1,700 TWh तक हैं। | IEA | 2025 |
| 5 | 2017 से डेटा सेंटरों की बिजली खपत हर साल लगभग 12% बढ़ी है। | IEA | 2025 |
| 6 | 2030 तक दुनिया की बिजली माँग में होने वाली बढ़ोतरी का लगभग दसवाँ हिस्सा डेटा सेंटरों का होगा। | IEA | 2025 |
माँग कहाँ केंद्रित है
कुछ ही देश और क्षेत्र ज़्यादातर भार उठाते हैं। ग्रिड के लिए इसका क्या मतलब है, यह जानने के लिए देखें AI और डेटा सेंटर की बिजली माँग।
| # | आँकड़ा | स्रोत | वर्ष |
|---|---|---|---|
| 7 | 2030 तक डेटा सेंटरों की बिजली खपत में दुनिया भर की बढ़ोतरी का लगभग 80% संयुक्त राज्य अमेरिका और चीन में होगा। | IEA | 2025 |
| 8 | अमेरिकी डेटा सेंटरों ने 2023 में 176 TWh इस्तेमाल की, जो अमेरिका की बिजली का लगभग 4.4% है। | Lawrence Berkeley National Laboratory (LBNL) | 2024 |
| 9 | अनुमान है कि 2028 तक अमेरिकी डेटा सेंटर 325–580 TWh इस्तेमाल करेंगे, यानी अमेरिका की बिजली का 6.7–12%। | LBNL | 2024 |
| 10 | 2030 तक अमेरिका की बिजली माँग में होने वाली बढ़ोतरी का लगभग आधा हिस्सा डेटा सेंटरों का है। | IEA | 2025 |
| 11 | 2025 में आयरलैंड की मीटर की गई बिजली का 23% डेटा सेंटरों ने इस्तेमाल किया, जबकि 2015 में यह 5% था। | Central Statistics Office, Ireland | 2026 |
| 12 | 2023 में Virginia की लगभग एक-चौथाई बिजली डेटा सेंटरों ने इस्तेमाल की। | Electric Power Research Institute | 2024 |
AI का हिस्सा
डेटा सेंटरों की बिजली में AI के हिस्से का कोई सटीक सार्वजनिक आँकड़ा नहीं है, लेकिन AI सबसे तेज़ी से बढ़ने वाला हिस्सा है।
| # | आँकड़ा | स्रोत | वर्ष |
|---|---|---|---|
| 13 | AI-केंद्रित डेटा सेंटरों की बिजली खपत 2025 में 50% बढ़ी। | IEA | 2026 |
| 14 | IEA के बुनियादी परिदृश्य में त्वरित (accelerated) सर्वरों की बिजली खपत, जो मुख्य रूप से AI के लिए इस्तेमाल होते हैं, हर साल 30% बढ़ने का अनुमान है। | IEA | 2025 |
| 15 | एक सामान्य AI-केंद्रित डेटा सेंटर 100,000 घरों जितनी बिजली इस्तेमाल करता है। | IEA | 2025 |
प्रति प्रॉम्प्ट ऊर्जा
प्रदाताओं के अपने आँकड़े एक सामान्य टेक्स्ट प्रॉम्प्ट को लगभग 0.24–0.34 Wh पर रखते हैं। ये ख़ुद बताए गए आँकड़े हैं, अलग-अलग तरीक़ों से निकाले गए हैं और केवल टेक्स्ट पर लागू होते हैं। देखें माप ही असली रुकावट है।
| # | आँकड़ा | स्रोत | वर्ष |
|---|---|---|---|
| 16 | एक मीडियन Gemini Apps टेक्स्ट प्रॉम्प्ट ने 0.24 Wh इस्तेमाल की, 0.03 g CO₂e उत्सर्जित किया और 0.26 mL पानी खपाया। | Google (Elsworth et al.) | 2025 |
| 17 | सबसे कुशल डेटा सेंटरों में केवल सक्रिय AI चिप गिनने पर उसी प्रॉम्प्ट के लिए 0.10 Wh आता है। | Google (Elsworth et al.) | 2025 |
| 18 | एक औसत ChatGPT क्वेरी लगभग 0.34 Wh और लगभग 0.000085 गैलन पानी इस्तेमाल करती है। | Sam Altman, OpenAI | 2025 |
| 19 | एक सामान्य GPT-4o क्वेरी लगभग 0.3 Wh इस्तेमाल करती है, जो 10,000 टोकन के इनपुट पर लगभग 2.5 Wh और 100,000 टोकन के इनपुट पर लगभग 40 Wh तक पहुँच जाती है। | Epoch AI | 2025 |
| 20 | Mistral Large 2 का 400 टोकन का एक जवाब 1.14 g CO₂e उत्सर्जित करता है और 45 mL पानी इस्तेमाल करता है। | Mistral AI | 2025 |
| 21 | रीज़निंग मॉडलों ने सामान्य मॉडलों से औसतन 30 गुना ज़्यादा ऊर्जा इस्तेमाल की; एक मॉडल ने रीज़निंग चालू होने पर 150–700 गुना ज़्यादा इस्तेमाल की। | Hugging Face AI Energy Score | 2025 |
इमेज और वीडियो
इमेज और वीडियो बनाने में टेक्स्ट के कामों से कहीं ज़्यादा ऊर्जा लगती है।
| # | आँकड़ा | स्रोत | वर्ष |
|---|---|---|---|
| 22 | इमेज जनरेशन में औसतन प्रति 1,000 इमेज लगभग 2.9 kWh लगे, जबकि प्रति 1,000 टेक्स्ट वर्गीकरण 0.002 kWh। | Luccioni, Jernite and Strubell | 2024 |
| 23 | परखे गए सबसे कम कुशल इमेज मॉडल ने प्रति इमेज लगभग आधे स्मार्टफ़ोन चार्ज जितनी ऊर्जा इस्तेमाल की। | Luccioni, Jernite and Strubell | 2024 |
| 24 | ओपन टेक्स्ट-टू-वीडियो मॉडलों ने प्रति छोटी क्लिप 0.14 Wh से लेकर 415 Wh से ज़्यादा तक इस्तेमाल की, और ऊर्जा रिज़ॉल्यूशन और लंबाई के साथ वर्ग (quadratic) अनुपात में बढ़ी। | Delavande, Pierrard and Luccioni | 2025 |
ट्रेनिंग रन
एक बड़े मॉडल की ट्रेनिंग में गीगावाट-घंटे लग सकते हैं, लेकिन सबसे नए मॉडलों के ज़्यादातर डेवलपर यह नहीं बताते।
| # | आँकड़ा | स्रोत | वर्ष |
|---|---|---|---|
| 25 | GPT-3 की ट्रेनिंग में अनुमानित 1,287 MWh लगी और लगभग 552 टन CO₂e उत्सर्जन हुआ। | Patterson et al., Google | 2021 |
| 26 | BLOOM की ट्रेनिंग से बिजली के कारण लगभग 24.7 टन CO₂e उत्सर्जन हुआ, या निर्माण और निष्क्रिय हार्डवेयर को मिलाकर 50.5 टन। | Luccioni, Viguier and Ligozat | 2022 |
| 27 | Llama 3.1 मॉडलों की ट्रेनिंग में 3.93 करोड़ (39.3 million) GPU घंटे लगे और 11,390 टन CO₂e (लोकेशन-आधारित) उत्सर्जन हुआ। | Meta | 2024 |
| 28 | Mistral Large 2 की ट्रेनिंग और उसके 18 महीनों के उपयोग से 20.4 किलोटन CO₂e उत्सर्जन हुआ और 281,000 m³ पानी खपा। | Mistral AI | 2025 |
पानी
AI मुख्य रूप से डेटा सेंटरों को ठंडा करने के लिए, और अप्रत्यक्ष रूप से बिजली बनाने के लिए, पानी इस्तेमाल करता है। देखें AI के वॉटर फ़ुटप्रिंट का अनुमान कैसे लगाएँ।
| # | आँकड़ा | स्रोत | वर्ष |
|---|---|---|---|
| 29 | Microsoft के अमेरिकी डेटा सेंटरों में GPT-3 की ट्रेनिंग सीधे 700,000 लीटर मीठा पानी भाप बनाकर उड़ा सकती थी। | Li, Yang, Islam and Ren | 2023 (revised 2025) |
| 30 | 2027 में दुनिया भर की AI माँग 4.2–6.6 अरब m³ पानी की निकासी के लिए ज़िम्मेदार हो सकती है। | Li, Yang, Islam and Ren | 2023 (revised 2025) |
| 31 | Google ने 2025 में अपने डेटा सेंटरों और दफ़्तरों में 41 अरब लीटर (10.9 अरब गैलन) पानी खपाया, और अपनी मीठे पानी की खपत का लगभग 78% फिर से भरा। | 2026 |
कार्बन और कंपनियों का उत्सर्जन
सबसे बड़े AI प्रदाताओं का उत्सर्जन बढ़ रहा है, जबकि वे बड़ी मात्रा में स्वच्छ ऊर्जा ख़रीद रहे हैं।
| # | आँकड़ा | स्रोत | वर्ष |
|---|---|---|---|
| 32 | Google का लक्ष्य-आधारित (ambition-based) उत्सर्जन 2025 में लगभग 1.45 करोड़ (14.5 million) टन CO₂e था, जो 2024 से 18% और 2019 से 81% ज़्यादा है। | 2026 | |
| 33 | Microsoft का कुल उत्सर्जन उसके 2025 वित्त वर्ष में लगभग 2.03 करोड़ (20.3 million) टन CO₂e था, जबकि 2020 में लगभग 1.29 करोड़ (12.9 million)। | Microsoft | 2026 |
| 34 | Amazon का निरपेक्ष उत्सर्जन 2024 से 2025 तक 16% बढ़कर 8.085 करोड़ (80.85 million) टन CO₂e हो गया। | Amazon | 2026 |
| 35 | जनरेटिव AI 2020–2030 के दौरान कुल मिलाकर 12–50 लाख (1.2–5.0 million) टन इलेक्ट्रॉनिक कचरा बढ़ा सकता है। | Wang et al., Nature Computational Science | 2024 |
हार्डवेयर और दक्षता के रुझान
हार्डवेयर और सॉफ़्टवेयर बहुत ज़्यादा कुशल हो रहे हैं, लेकिन माँग उससे तेज़ी से बढ़ रही है।
| # | आँकड़ा | स्रोत | वर्ष |
|---|---|---|---|
| 36 | अग्रणी मशीन लर्निंग हार्डवेयर हर साल लगभग 40% ज़्यादा ऊर्जा-कुशल हो जाता है। | Epoch AI | 2024 |
| 37 | नवंबर 2026 की Green500 सूची का सबसे ऊर्जा-कुशल सुपरकंप्यूटर, फ़्रांस का KAIROS, 73.28 गीगाफ़्लॉप्स प्रति वाट देता है। | TOP500 | 2026 |
| 38 | 1946 से 2009 तक प्रति किलोवाट-घंटा गणनाएँ लगभग हर 1.57 साल में दोगुनी हुईं ("Koomey का नियम")। | Koomey et al. | 2011 |
प्रदाताओं और शोधकर्ताओं द्वारा बताए गए दक्षता लाभ
बताए गए लाभ बड़े हैं, लेकिन ज़्यादातर ख़ुद बताए गए हैं या किसी चुने हुए आधार (baseline) से मापे गए हैं।
| # | आँकड़ा | स्रोत | वर्ष |
|---|---|---|---|
| 39 | Google बताता है कि 12 महीनों में प्रति मीडियन Gemini टेक्स्ट प्रॉम्प्ट ऊर्जा 33 गुना और कार्बन 44 गुना घटा। | Google (Elsworth et al.) | 2025 |
| 40 | किसी ख़ास काम के लिए बने छोटे मॉडल ऊर्जा उपयोग 90% तक घटा सकते हैं, और छोटे प्रॉम्प्ट व जवाब 50% से ज़्यादा। | UNESCO and University College London | 2025 |
दो और आँकड़े अक्सर उद्धृत किए जाते हैं। NVIDIA ने 2024 में कहा कि उसका Blackwell प्लेटफ़ॉर्म बड़े भाषा मॉडल के inference (चलाने) के लिए अपनी पिछली पीढ़ी की तुलना में लागत और ऊर्जा खपत 25 गुना तक घटाता है; यह किसी ख़ास वर्कलोड के लिए विक्रेता का दावा है। और Google के शोधकर्ताओं ने 2021 में अनुमान लगाया कि मॉडल, डेटा सेंटर और प्रोसेसर का चुनाव ट्रेनिंग के कार्बन फ़ुटप्रिंट को लगभग 100 से 1,000 गुना तक घटा सकता है। व्यवहार में ऐसे लाभ कैसे पाएँ, इसके लिए देखें ऊर्जा-कुशल AI।
लोगों की राय
AI के पर्यावरणीय असर को लेकर चिंता बढ़ रही है, कम से कम अमेरिका में। दूसरी जगहों के सर्वेक्षण के प्रमाण कम हैं।
- 2026 में 53% अमेरिकी AI के पर्यावरणीय असर को लेकर बेहद या बहुत चिंतित थे, जबकि 2025 में यह 41% था (AP-NORC और University of Chicago का Energy Policy Institute)।
- 2025 में 72% अमेरिकी कम से कम कुछ हद तक चिंतित थे (वही पोल करने वाले)।
- UK में, सरकार के 2024 के public attitudes tracker में पाया गया कि 54% लोगों को उम्मीद थी कि AI जलवायु परिवर्तन की निगरानी में मदद करेगा, और यह भी दर्ज किया गया कि इस आशावाद के साथ AI के नकारात्मक पर्यावरणीय असर की उतनी जागरूकता नहीं थी।
हम आँकड़े कैसे चुनते हैं
हम मूल स्रोत इस्तेमाल करते हैं, साल बताते हैं, और जहाँ आँकड़े विवादित हों वहाँ दायरे को प्राथमिकता देते हैं।
- केवल मूल स्रोत। हर आँकड़ा प्रकाशक की अपनी रिपोर्ट, पेपर या पेज पर जाँचा जाता है, समाचारों की कवरेज पर नहीं। जहाँ हमें मूल स्रोत नहीं मिला, वह आँकड़ा छोड़ दिया गया है।
- जैसा प्रकाशित हुआ, वैसा ही। हम आँकड़ों को गोल करके ऐसा कुछ नहीं बनाते जो स्रोत नहीं कहता। जहाँ हम ख़ुद कुछ गणना करते हैं, वहाँ यह बता देते हैं।
- सीमाएँ मायने रखती हैं। प्रति प्रॉम्प्ट आँकड़े इस पर निर्भर करते हैं कि क्या गिना गया है: अगर केवल सक्रिय चिप गिने जाएँ तो Google का अपना आँकड़ा 0.24 Wh से घटकर 0.10 Wh हो जाता है। कंपनियों के आँकड़े ख़ुद बताए गए हैं और उनका स्वतंत्र ऑडिट नहीं हुआ है।
- विवाद हो तो दायरा। अनुमान परिदृश्य के हिसाब से बदलते हैं, और हम कोई एक संख्या चुनने के बजाय पूरा दायरा दिखाते हैं।
- पुराने आँकड़ों पर निशान। neural architecture search के साथ एक ट्रेनिंग रन के लिए 2019 का एक बहुत उद्धृत अनुमान (लगभग 626,000 lb CO₂e) बाद में Google के शोधकर्ताओं के अनुसार असली लागत को बढ़ा-चढ़ाकर बताता था; हमने उसे तालिकाओं में शामिल नहीं किया है।
कहीं और देखा गया कोई आँकड़ा जाँचने के लिए देखें AI ऊर्जा उपयोग के किसी दावे की जाँच कैसे करें।
पिछली जाँच
इस पेज के सभी आँकड़े आख़िरी बार 20 नवंबर 2026 को उनके स्रोतों पर जाँचे गए। जब IEA, राष्ट्रीय सांख्यिकी कार्यालय या बड़े प्रदाता नया डेटा प्रकाशित करते हैं, तो हम यह पेज अपडेट करते हैं। अगर आपको कोई नया आँकड़ा या कोई ग़लती दिखे, तो कृपया हमसे संपर्क करें।
आगे क्या करें
- जब आप AI ऊर्जा के आँकड़े उद्धृत करें, तो इस पेज या किसी ख़ास तालिका का लिंक दें, और मूल स्रोत का नाम लें।
- निजी उपयोग को संदर्भ में रखने के लिए देखें अपने AI ऊर्जा उपयोग को सही संदर्भ में कैसे देखें।
- अपने AI की ऊर्जा मापने के लिए देखें AI की ऊर्जा और कार्बन कैसे मापें।
- सप्लायरों से उनके आँकड़े माँगें: देखें किसी AI कंपनी से ऊर्जा के आँकड़े कैसे माँगें।
- अपना फ़ुटप्रिंट घटाने के लिए देखें ऊर्जा-कुशल AI।
अक्सर पूछे जाने वाले सवाल
AI कितनी ऊर्जा इस्तेमाल करता है?
AI के लिए कोई एक आँकड़ा नहीं है। IEA का अनुमान है कि 2024 में सभी डेटा सेंटरों ने लगभग 415 TWh बिजली इस्तेमाल की, जो दुनिया की बिजली का लगभग 1.5% है, और इसमें सबसे तेज़ी से बढ़ने वाला हिस्सा AI-केंद्रित डेटा सेंटरों का है: 2025 में उनकी बिजली खपत 50% बढ़ी।
एक ChatGPT क्वेरी कितनी ऊर्जा इस्तेमाल करती है?
OpenAI के मुख्य कार्यकारी ने 2025 में एक औसत क्वेरी के लिए लगभग 0.34 Wh बताया, और Epoch AI ने स्वतंत्र रूप से एक सामान्य GPT-4o क्वेरी के लिए लगभग 0.3 Wh का अनुमान लगाया। बहुत लंबे इनपुट इसे तेज़ी से बढ़ा देते हैं: Epoch AI के अनुमान में 100,000 टोकन के इनपुट पर यह लगभग 40 Wh हो जाता है।
AI से एक इमेज बनाने में कितनी ऊर्जा लगती है?
Luccioni, Jernite और Strubell के 2024 के एक अध्ययन में इमेज जनरेशन में औसतन प्रति 1,000 इमेज लगभग 2.9 kWh लगे, यानी हर इमेज पर लगभग 2.9 Wh। सबसे कम कुशल मॉडल ने प्रति इमेज लगभग आधे स्मार्टफ़ोन चार्ज जितनी ऊर्जा इस्तेमाल की।
AI कितना पानी इस्तेमाल करता है?
Google एक मीडियन Gemini टेक्स्ट प्रॉम्प्ट के लिए 0.26 mL पानी बताता है, और Mistral, Mistral Large 2 के 400 टोकन के जवाब के लिए 45 mL। शोधकर्ताओं 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।
GPT-3 को ट्रेन करने में कितनी ऊर्जा लगी?
2021 में प्रकाशित अनुमान में Google के शोधकर्ताओं ने GPT-3 की ट्रेनिंग के लिए 1,287 MWh बिजली और लगभग 552 टन CO₂e बताया। नए, बड़े मॉडलों की ट्रेनिंग ऊर्जा ज़्यादातर बताई नहीं जाती।
डेटा सेंटर कितने प्रतिशत बिजली इस्तेमाल करते हैं?
2024 में दुनिया भर में लगभग 1.5% (IEA), 2023 में संयुक्त राज्य अमेरिका में 4.4% (Lawrence Berkeley National Laboratory) और 2025 में आयरलैंड की मीटर की गई बिजली का 23% (Central Statistics Office)।
क्या AI ज़्यादा ऊर्जा-कुशल हो रहा है?
हाँ, प्रति काम। Google बताता है कि उसके मीडियन Gemini प्रॉम्प्ट की ऊर्जा एक साल में 33 गुना घटी, और Epoch AI पाता है कि अग्रणी AI चिप हर साल लगभग 40% ज़्यादा ऊर्जा-कुशल हो रहे हैं। फिर भी कुल उपयोग बढ़ रहा है, क्योंकि माँग उससे तेज़ी से बढ़ती है।
क्या लोग AI के पर्यावरणीय असर को लेकर चिंतित हैं?
बढ़ते हुए, कम से कम अमेरिका में: AP-NORC और University of Chicago के एक पोल में पाया गया कि 2026 में 53% अमेरिकी AI के पर्यावरणीय असर को लेकर बेहद या बहुत चिंतित थे, जबकि 2025 में यह 41% था।
स्रोत
- Energy and AI: executive summary, International Energy Agency (2025)
- Key questions on energy and AI, International Energy Agency (2026)
- DOE releases new report evaluating increase in electricity demand from data centers (2024 United States Data Center Energy Usage Report, LBNL), US Department of Energy and Lawrence Berkeley National Laboratory (2024)
- Data centres metered electricity consumption 2025: key findings, Central Statistics Office, Ireland (2026)
- Powering data centers: U.S. energy system and emissions impacts of growing loads, Electric Power Research Institute (2024)
- Measuring the environmental impact of delivering AI at Google scale, Elsworth et al., Google (2025)
- The gentle singularity, Sam Altman (OpenAI) (2025)
- How much energy does ChatGPT use?, Epoch AI (2025)
- Our contribution to a global environmental standard for AI, Mistral AI (2025)
- AI Energy Score v2: refreshed leaderboard, now with reasoning, Hugging Face (Luccioni and Gamazaychikov) (2025)
- Power hungry processing: watts driving the cost of AI deployment?, Luccioni, Jernite and Strubell (FAccT 2024) (2024)
- Video killed the energy budget: characterizing the latency and power regimes of open text-to-video models, Delavande, Pierrard and Luccioni (2025)
- Carbon emissions and large neural network training, Patterson et al., Google (2021)
- Energy and policy considerations for deep learning in NLP, Strubell, Ganesh and McCallum (2019)
- Estimating the carbon footprint of BLOOM, a 176B parameter language model, Luccioni, Viguier and Ligozat (2022)
- Llama 3.1 model card, Meta (2024)
- Making AI less 'thirsty': uncovering and addressing the secret water footprint of AI models, Li, Yang, Islam and Ren (2025)
- Google 2026 environmental report, Google (2026)
- 2026 environmental data fact sheet, Microsoft (2026)
- 2025 Amazon sustainability report, Amazon (2026)
- E-waste challenges of generative artificial intelligence, Wang, Zhang, Tzachor and Chen, Nature Computational Science (2024)
- Leading ML hardware becomes 40% more energy-efficient each year, Epoch AI (2024)
- Implications of historical trends in the electrical efficiency of computing, Koomey, Berard, Sanchez and Wong, IEEE Annals of the History of Computing (2011)
- Green500, November 2026, TOP500 (2026)
- NVIDIA Blackwell platform arrives to power a new era of computing, NVIDIA (2024)
- AI large language models: new report shows small changes can reduce energy use by 90%, UNESCO and University College London (2025)
- 2026 poll: Americans' views on the impact of AI and data centers, Energy Policy Institute at the University of Chicago and AP-NORC (2026)
- 2025 poll: Americans' views on the environmental impact of AI, Energy Policy Institute at the University of Chicago and AP-NORC (2025)
- Public attitudes to data and AI: tracker survey (wave 4), Department for Science, Innovation and Technology (2024)
संबंधित
AI और डेटा सेंटर की बिजली माँग
डेटा सेंटर की बिजली खपत और AI की बिजली माँग आसान भाषा में: IEA के अनुमान, आयरलैंड और Virginia जैसे हॉटस्पॉट, ग्रिड का जवाब और सरकारी नीतियाँ।
ऊर्जा-कुशल AI: AI की बिजली खपत कैसे कम करें
ऊर्जा-कुशल AI व्यवहार में: AI की बिजली खपत सबसे ज़्यादा घटाने वाले उपाय, क्रम से, छोटे मॉडल और quantisation से लेकर routing, caching और जगह तक।
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।
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।