संक्षेप में
AI का कार्बन पदचिह्न वह ग्रीनहाउस गैस है जो AI जिस हार्डवेयर और इमारतों पर चलता है उन्हें बनाने में (embodied carbon), और उसके मॉडलों को train करने और चलाने वाली बिजली पैदा करने में (operational carbon) निकलती है। हर टेक्स्ट prompt पर यह छोटा है: Google एक मीडियन Gemini prompt के लिए 0.03 g CO₂ समतुल्य बताता है। पर AI का उत्सर्जन जुड़ता जाता है: GPT-3 की training का अनुमान 552 टन लगाया गया, और AI का विस्तार करते हुए Microsoft का कुल उत्सर्जन 2020 और 2025 के बीच लगभग 12.9 से बढ़कर 20.3 मिलियन टन हो गया। बिजली कहाँ से आती है, यह उतना ही मायने रखता है जितना यह कि कितनी इस्तेमाल होती है।
मुख्य बातें
- Google ने मई 2025 में एक मीडियन Gemini टेक्स्ट prompt के लिए 0.03 g CO₂e (market-based) बताया, जो एक साल में 44 गुना गिरावट है; इसका लगभग एक-तिहाई हिस्सा हार्डवेयर और बिजली के अलावा दूसरे उत्सर्जनों से है।
- Mistral AI के life-cycle आकलन ने Le Chat के 400-token के एक जवाब को 1.14 g CO₂e पर, और Mistral Large 2 की training और 18 महीने के इस्तेमाल को 20,400 टन पर रखा।
- GPT-3 की training का अनुमान 552 टन CO₂e लगाया गया; Meta, Llama 3.1 परिवार के लिए 11,390 टन location-based और शून्य market-based बताता है।
- Microsoft का उत्सर्जन उसके 2020 के वित्त वर्ष में लगभग 12.9 मिलियन टन से बढ़कर 2025 में लगभग 20.3 मिलियन टन हो गया।
- Patterson और साथियों के अनुसार, मॉडल, डेटा सेंटर और processor का चुनाव training के कार्बन को लगभग 100 से 1,000 गुना तक घटा सकता है।
- Lawrence Berkeley National Laboratory के अनुसार, 2023 में अमेरिकी डेटा सेंटरों की बिजली लगभग 74 मिलियन टन CO₂e से जुड़ी थी, यानी औसतन 0.34 kg प्रति kWh।
AI का कार्बन पदचिह्न (carbon footprint) क्या है? यह वह ग्रीनहाउस गैस है जो AI जिस हार्डवेयर और इमारतों पर चलता है उन्हें बनाने में, और उसके मॉडलों को train करने और चलाने वाली बिजली पैदा करने में छोड़ी जाती है। हर prompt पर AI का कार्बन पदचिह्न छोटा है; कुल मिलाकर AI का उत्सर्जन तेज़ी से बढ़ रहा है, क्योंकि डेटा सेंटरों का बिजली उपयोग और निर्माण तेज़ी से बढ़ रहा है। यह पेज प्रकाशित आँकड़े, उनके अलग-अलग होने के कारण, और अपना अनुमान लगाने का तरीक़ा बताता है।
हर prompt पर AI का कार्बन पदचिह्न कितना बड़ा है?
एक छोटे टेक्स्ट prompt के लिए, providers के अपने हिसाब से एक ग्राम CO₂ समतुल्य का छोटा-सा हिस्सा; पूरा जीवन-चक्र गिनने पर ज़्यादा। CO₂ समतुल्य (CO₂e) कार्बन डाइऑक्साइड में दूसरी ग्रीनहाउस गैसों को, उनके गर्म करने के असर के हिसाब से भार देकर, जोड़ता है।
| आँकड़ा | इसमें क्या शामिल है | स्रोत |
|---|---|---|
| हर मीडियन Gemini टेक्स्ट prompt पर 0.03 g CO₂e | बिजली (market-based), साथ में हार्डवेयर और दूसरे उत्सर्जन; मई 2025 | Google, 2025 |
| Le Chat के हर 400-token जवाब पर 1.14 g CO₂e | inference का life-cycle आकलन, उपयोगकर्ता के डिवाइस को छोड़कर | Mistral AI, 2025 |
| हर औसत ChatGPT query पर लगभग 0.34 Wh | सिर्फ़ ऊर्जा; कोई कार्बन आँकड़ा प्रकाशित नहीं | OpenAI के मुख्य कार्यकारी, 2025 |
ChatGPT की हर query का कोई आधिकारिक कार्बन पदचिह्न नहीं है: OpenAI ने ऊर्जा का आँकड़ा दिया है पर कार्बन का नहीं, और कार्बन इस पर निर्भर है कि उसके डेटा सेंटर किन ग्रिडों से बिजली लेते हैं।
Google का आँकड़ा बिजली से 0.023 g और उसके Scope 1 और Scope 3 उत्सर्जन से 0.010 g में बँटता है, जिसमें हार्डवेयर का निर्माण शामिल है। वह एक साल में हर मीडियन prompt के कार्बन में 44 गुना गिरावट भी बताता है। Mistral का आँकड़ा कुछ हद तक इसलिए बड़ा है कि वह जीवन-चक्र का ज़्यादा हिस्सा गिनता है और अलग तरीक़ा इस्तेमाल करता है; दोनों की सीधी तुलना नहीं हो सकती।
भारी इस्तेमाल तस्वीर बदल देता है। Zeke Hausfather ने अनुमान लगाया कि एक AI coding agent का उनका अपना गहन इस्तेमाल, साल में लगभग 1.1 MWh बिजली, साल में लगभग 370 kg CO₂e छोड़ेगा। देखें AI कितनी बिजली इस्तेमाल करता है?
Operational और embodied carbon में क्या अंतर है?
Operational carbon AI चलाने में इस्तेमाल हुई बिजली से आता है; embodied carbon हार्डवेयर और इमारतें बनाने, ढोने और उनका निपटान करने से। ईमानदार पदचिह्न में दोनों शामिल होने चाहिए।
- Operational carbon इस पर निर्भर है कि काम कितनी ऊर्जा लेता है और बिजली कितनी साफ़ है।
- Embodied carbon चिप बनाने, सर्वर निर्माण, डेटा सेंटर के निर्माण और जीवन के अंत पर निपटान से आता है। यह हार्डवेयर के जीवन में उसके किए हर काम में बँट जाता है।
Embodied carbon का हिस्सा बड़ा है। Meta में Wu और साथियों ने 2022 में बताया कि यह Meta की बड़े पैमाने की machine learning के पदचिह्न का लगभग 30% था। Luccioni, Viguier और Ligozat ने BLOOM की training का अनुमान, सिर्फ़ training के दौरान इस्तेमाल हुई dynamic power गिनकर, लगभग 24.7 टन CO₂e, और उपकरण निर्माण से लेकर operational ऊर्जा तक सब कुछ शामिल करने पर लगभग 50.5 टन लगाया। जैसे-जैसे बिजली साफ़ होती है, embodied हिस्सा बढ़ता है, जिससे हार्डवेयर को ज़्यादा समय तक इस्तेमाल में रखना, और उसे व्यस्त रखना, ज़्यादा अहम हो जाता है। देखें AI हार्डवेयर के embodied carbon का हिसाब रखें।
एक AI मॉडल की training से कितना कार्बन निकलता है?
अब तक प्रकाशित बड़े मॉडलों का training उत्सर्जन दसियों से लेकर दसियों हज़ार टन CO₂e तक है। Model cards (मॉडल के साथ जारी होने वाला दस्तावेज़) इन्हें पाने की मुख्य जगह हैं, हालाँकि कई frontier मॉडल कुछ भी प्रकाशित नहीं करते।
| मॉडल | Training उत्सर्जन | आधार | स्रोत |
|---|---|---|---|
| BLOOM (176 अरब parameters, 2022) | लगभग 24.7 t CO₂e; निर्माण और पूरी operational ऊर्जा सहित 50.5 t | स्वतंत्र life-cycle अनुमान | Luccioni, Viguier और Ligozat, 2022 |
| GPT-3 (175 अरब parameters, 2020) | 552 t CO₂e; 1,287 MWh | Google के शोधकर्ताओं का अनुमान | Patterson et al., 2021 |
| Llama 3.1 परिवार (8B, 70B, 405B, 2024) | 11,390 t CO₂e location-based; 0 t market-based | Model card, 39.3 मिलियन GPU-घंटे | Meta, 2024 |
| सिर्फ़ Llama 3.1 405B | 8,930 t CO₂e location-based | Model card | Meta, 2024 |
| Mistral Large 2 (training और 18 महीने का इस्तेमाल) | 20,400 t CO₂e; 281,000 m³ पानी | Life-cycle आकलन | Mistral AI, 2025 |
ये एक-बार की लागतें हैं, पर पूरी कहानी नहीं। Patterson और साथी उद्योग के अनुमान उद्धृत करते हैं कि machine learning कार्यभार का 80–90% inference है, इसलिए एक लोकप्रिय मॉडल के लिए उसके जीवन भर उसे चलाना उसकी training से भारी पड़ सकता है। EU AI Act अब general-purpose AI मॉडलों के providers से नियामकों के लिए ज्ञात या अनुमानित ऊर्जा उपयोग दर्ज करने की माँग करता है। देखें किसी मॉडल की training का कार्बन पदचिह्न मापें।
बिजली ग्रिड AI के उत्सर्जन को कैसे बदलता है?
एक ही किलोवाट-घंटे का कार्बन बहुत अलग हो सकता है, इस पर निर्भर करते हुए कि वह कहाँ और कब इस्तेमाल हुआ। कार्बन तीव्रता (carbon intensity) पैदा हुई बिजली के हर किलोवाट-घंटे पर निकला CO₂e है। ज़्यादातर पनबिजली, परमाणु, पवन या सौर ऊर्जा पर चलने वाले ग्रिड की तीव्रता कम होती है; कोयले या गैस पर चलने वाले की ज़्यादा।
- Lawrence Berkeley National Laboratory का अनुमान है कि अमेरिकी डेटा सेंटरों की 2023 की बिजली, उनकी जगहों के ग्रिडों को देखते हुए, लगभग 74 मिलियन टन CO₂e से जुड़ी थी, यानी औसतन 0.34 kg CO₂e प्रति kWh।
- Patterson और साथियों ने पाया कि मॉडल, डेटा सेंटर और processor का चुनाव training के कार्बन पदचिह्न को लगभग 100 से 1,000 गुना तक घटा सकता है। जगह इन सबसे बड़े लीवरों में से एक है।
इसीलिए यह मायने रखता है कि आप AI कहाँ और कब चलाते हैं। जो training job इंतज़ार कर सकता है, उसे उन घंटों के लिए तय किया जा सकता है जब ग्रिड ज़्यादा साफ़ हो। देखें कम-कार्बन cloud region चुनें, ग्रिड ज़्यादा ग्रीन होने पर training चलाएँ और ग्रिड की कार्बन तीव्रता का डेटा खोजें।
Location-based या market-based: कौन-सी संख्या सही है?
दोनों जायज़ हैं, पर वे अलग-अलग सवालों के जवाब देती हैं, और उनमें फ़र्क़ बहुत बड़ा हो सकता है। Greenhouse Gas Protocol के तहत कोई कंपनी बिजली से होने वाले Scope 2 उत्सर्जन दो तरह से बताती है:
- Location-based उन ग्रिडों की औसत कार्बन तीव्रता इस्तेमाल करता है जिनसे वह असल में बिजली लेती है।
- Market-based उन साफ़ ऊर्जा अनुबंधों और प्रमाणपत्रों को दिखाता है जो कंपनी ख़रीदती है।
Meta, Llama 3.1 की training को 11,390 टन location-based और शून्य market-based बताता है। Microsoft का 2025 का वित्त वर्ष लगभग 12.0 मिलियन टन location-based के मुक़ाबले 2.7 मिलियन market-based Scope 2 उत्सर्जन दिखाता है। Alphabet ने 2025 के लिए 15.1 मिलियन टन location-based के मुक़ाबले 2.8 मिलियन market-based बताया। जब कोई कंपनी अपने AI को "carbon neutral" या "100% नवीकरणीय" कहे, तो देखें कि वह कौन-सा तरीक़ा इस्तेमाल कर रही है। देखें जाँचें कि मेरा AI नवीकरणीय ऊर्जा पर चलता है या नहीं और ईमानदार ग्रीन दावे।
क्या AI की वजह से टेक कंपनियों का उत्सर्जन बढ़ रहा है?
हाँ: सबसे बड़े AI providers बढ़ता कुल उत्सर्जन बताते हैं, मुख्य रूप से डेटा सेंटर बनाने और चलाने से। उनकी सालाना sustainability रिपोर्टें यह रुझान दिखाती हैं।
- Microsoft अपने 2020 के वित्त वर्ष में लगभग 12.9 मिलियन टन CO₂e का कुल उत्सर्जन बताता है, जो 2030 तक carbon negative होने के उसके लक्ष्य का आधार है, और 2025 में लगभग 20.3 मिलियन टन (उसके management-criteria आधार पर)। इसी अवधि में उसका बिजली उपयोग तिगुने से ज़्यादा हो गया, लगभग 10.8 TWh से 37.0 TWh।
- Google ने बताया कि 2025 में उसका operational उत्सर्जन (Scope 1 और market-based Scope 2) 2% घटा, जबकि उसकी बिजली की माँग 37% और supply chain का उत्सर्जन 25% बढ़ा। 2025 के लिए Alphabet के प्रमाणित (assured) आँकड़े लगभग 15.9 मिलियन टन Scope 3 (supply chain) उत्सर्जन दिखाते हैं, जो उसके 2.9 मिलियन टन operational उत्सर्जन के पाँच गुने से ज़्यादा है।
दोनों में पैटर्न एक ही है: साफ़ बिजली ख़रीदने से operational उत्सर्जन थमा हुआ है, पर नई AI क्षमता के पीछे का निर्माण और construction, supply chain के उत्सर्जन को ऊपर धकेल रहा है।
राष्ट्रीय स्तर पर, UK Compute Roadmap के evidence annex ने अनुमान लगाया कि 2025 और 2035 के बीच AI compute से उत्सर्जन 34–123 मिलियन टन CO₂ हो सकता है, जो उस अवधि में UK के अनुमानित उत्सर्जन का लगभग 0.9–3.4% है। यह बड़ा दायरा इस अनिश्चितता को दिखाता है कि कितना compute बनेगा और ग्रिड कितना साफ़ होगा।
AI के कार्बन अनुमान आपस में मेल क्यों नहीं खाते?
क्योंकि वे अलग-अलग चीज़ें गिनते हैं, ग्रिड के अलग-अलग आँकड़े इस्तेमाल करते हैं और जल्दी पुराने पड़ जाते हैं। अंतर के मुख्य स्रोत:
- सीमा। सिर्फ़ चिप, या पूरा सर्वर, कूलिंग और ख़ाली क्षमता? हार्डवेयर का निर्माण? अलग-अलग इस्तेमालों में बँटी training?
- हिसाब का तरीक़ा। ऊपर बताए अनुसार location-based या market-based बिजली।
- ग्रिड और समय। वही मॉडल किसी दूसरे region में, या एक साल बाद, चलाने पर उसका पदचिह्न बहुत अलग हो सकता है।
- कार्यभार। एक छोटा prompt, एक लंबा reasoning जवाब और एक agent session ऊर्जा में हज़ार गुना अलग होते हैं।
कोई आँकड़ा तभी सार्थक है जब उसके साथ उसकी सीमा, तरीक़ा, जगह और तारीख़ हो। देखें ग्रीन AI की सबसे बड़ी रुकावट: माप।
मैं अपने AI इस्तेमाल के कार्बन पदचिह्न का अनुमान कैसे लगाऊँ?
ऊर्जा को ग्रिड की कार्बन तीव्रता से गुणा करें, फिर embodied उत्सर्जन का एक हिस्सा जोड़ें। यही Software Carbon Intensity (SCI) मानक, ISO/IEC 21031:2024, की संरचना है, जो नतीजे को उपयोगी काम की हर इकाई पर दिखाता है, जैसे हर अनुरोध या हर उपयोगकर्ता पर।
- AI के काम की ऊर्जा का अनुमान लगाएँ किलोवाट-घंटे में: अगर आप ख़ुद चलाते हैं तो किसी मीटर या टूल से, या किसी hosted सेवा के लिए हर काम के आँकड़ों से।
- जहाँ काम चलता है वहाँ के ग्रिड की कार्बन तीव्रता पता करें, kg CO₂e प्रति kWh में, आदर्श रूप से उसी घंटे की जब वह चला।
- operational उत्सर्जन के लिए दोनों को गुणा करें।
- embodied उत्सर्जन जोड़ें: हार्डवेयर के निर्माण का पदचिह्न, उसके काम के जीवन में बाँटकर।
- सीमा बताएँ, तरीक़ा (location- या market-based) बताएँ, और एक संख्या की जगह एक दायरा दें।
टूल मदद करते हैं। CodeCarbon और Green Algorithms आपके चलाए code के उत्सर्जन का अनुमान लगाते हैं; EcoLogits, hosted AI मॉडलों को किए गए कॉल के प्रभाव का अनुमान लगाता है। ये अनुमान लगाने वाले टूल हैं, मीटर नहीं। चरण-दर-चरण गाइड: अपना निजी AI कार्बन पदचिह्न निकालें, किसी AI feature का SCI score निकालें और अपने cloud provider का कार्बन डेटा खोजें।
आगे क्या करें
- पहले ऊर्जा घटाएँ: देखें AI का कुशल इस्तेमाल और सही मॉडल चुनना।
- AI वहाँ चलाएँ जहाँ ग्रिड साफ़ हो: देखें hosting और डेटा सेंटर।
- suppliers से हर काम के ऊर्जा और कार्बन आँकड़े, तरीक़े के साथ, माँगें: देखें टिकाऊ AI ख़रीद।
- सीमा और तरीक़ा बताते हुए ईमानदारी से रिपोर्ट करें: देखें ईमानदार ग्रीन दावे।
- offset करने से पहले सोचें: देखें अपने AI इस्तेमाल के कार्बन को offset करें।
- पदचिह्न के दूसरे आधे हिस्से के लिए AI कितना पानी इस्तेमाल करता है? पढ़ें।
अक्सर पूछे जाने वाले सवाल
ChatGPT का कार्बन पदचिह्न कितना है?
OpenAI ने हर query का कोई कार्बन आँकड़ा प्रकाशित नहीं किया है। उसके मुख्य कार्यकारी ने एक औसत query के लिए लगभग 0.34 Wh ऊर्जा बताई; कार्बन इस पर निर्भर करता है कि डेटा सेंटर को बिजली किस ग्रिड से मिलती है। Google, अपने market-based हिसाब से, एक मीडियन Gemini टेक्स्ट prompt के लिए 0.03 g CO₂e बताता है।
एक AI मॉडल की training से कितनी CO₂ निकलती है?
यह दसियों से हज़ारों टन तक होती है। BLOOM की training का अनुमान लगभग 24.7 टन CO₂e लगाया गया (निर्माण और पूरी operational ऊर्जा सहित 50.5), GPT-3 का 552 टन, और Meta तीन Llama 3.1 मॉडलों के लिए 11,390 टन location-based बताता है।
क्या AI का उत्सर्जन बढ़ रहा है?
सबसे बड़े providers के लिए, हाँ। Microsoft का कुल उत्सर्जन उसके 2020 के वित्त वर्ष में लगभग 12.9 मिलियन टन से बढ़कर 2025 में 20.3 मिलियन टन हो गया। Google ने बताया कि 2025 में उसका operational उत्सर्जन 2% घटा, पर डेटा सेंटर बनाने के कारण उसकी supply chain का उत्सर्जन 25% बढ़ा।
AI में embodied carbon क्या है?
चिप, सर्वर और डेटा सेंटर की इमारतें बनाने, ढोने और उनका निपटान करने से होने वाला उत्सर्जन। Meta में Wu और साथियों ने इसे Meta की बड़े पैमाने की machine learning के पदचिह्न का लगभग 30% आँका, और बिजली साफ़ होने पर इसका हिस्सा बढ़ता है।
क्या नवीकरणीय ऊर्जा पर चलने वाले AI का उत्सर्जन शून्य होता है?
असल में नहीं। Market-based हिसाब किसी कंपनी को नवीकरणीय ऊर्जा प्रमाणपत्र ख़रीदने पर बिजली का उत्सर्जन कम या शून्य बताने देता है, जबकि जिस ग्रिड से वह बिजली लेती है वह अब भी जीवाश्म ईंधन जला रहा हो सकता है। Meta, Llama 3.1 की training को 11,390 टन location-based पर शून्य market-based बताता है।
मैं अपने AI इस्तेमाल का कार्बन पदचिह्न कैसे निकालूँ?
इस्तेमाल हुई ऊर्जा (किलोवाट-घंटे में) को उसे देने वाले ग्रिड की कार्बन तीव्रता (kg CO₂e प्रति kWh में) से गुणा करें, फिर हार्डवेयर के embodied उत्सर्जन का एक हिस्सा जोड़ें। CodeCarbon, Green Algorithms और EcoLogits जैसे टूल हर हिस्से का अनुमान लगाने में मदद करते हैं।
क्या AI जलवायु के लिए बुरा है?
यह उत्सर्जन बढ़ाता है, मुख्य रूप से डेटा सेंटरों की बिजली और निर्माण में तेज़ बढ़ोतरी के ज़रिए। कितना, यह इस पर निर्भर है कि उसे कैसे इस्तेमाल किया जाता है, वह कितनी कुशलता से चलता है और ग्रिड कितना साफ़ है। AI दूसरी जगहों पर उत्सर्जन घटाने में भी मदद कर सकता है, पर ये फ़ायदे अपने-आप नहीं मिलते और इन्हें मापना ज़्यादा कठिन है।
स्रोत
- Measuring the environmental impact of delivering AI at Google scale, Elsworth et al., Google (2025)
- Our contribution to a global environmental standard for AI, Mistral AI (2025)
- The gentle singularity, Sam Altman (OpenAI) (2025)
- Carbon emissions and large neural network training, Patterson et al. (arXiv 2104.10350) (2021)
- Llama 3.1 8B model card, Meta (2024)
- Estimating the carbon footprint of BLOOM, a 176B parameter language model, Luccioni, Viguier and Ligozat (arXiv 2211.02001) (2022)
- Sustainable AI: environmental implications, challenges and opportunities, Wu et al., MLSys (2022)
- 2026 environmental data fact sheet, Microsoft (2026)
- Read our 11th annual Environmental Report, Google (2026)
- Alphabet FY2025 environmental indicators assurance letter (Schedule of select environmental metrics), Alphabet (2026)
- 2024 United States Data Center Energy Usage Report, Lawrence Berkeley National Laboratory (2024)
- Scope 2 guidance, Greenhouse Gas Protocol (2015)
- Regulation (EU) 2024/1689 (AI Act), Annex XI, European Union (2024)
- UK Compute Roadmap: evidence annex, Department for Science, Innovation and Technology (2025)
- The real energy use of agentic AI, Zeke Hausfather, The Climate Brink (2026)
- ISO/IEC 21031:2024 Software Carbon Intensity (SCI) specification, ISO/IEC and Green Software Foundation (2024)
- CodeCarbon, CodeCarbon project (2020)
- Green Algorithms: quantifying the carbon footprint of computation, Lannelongue, Grealey and Inouye, Advanced Science (2021)
- EcoLogits, GenAI Impact (2025)
संबंधित
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।
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।
ग्रीन AI होस्टिंग और डेटा सेंटर
AI कहाँ चले, यह कैसे चुनें: ग्रिड की कार्बन तीव्रता, PUE और WUE, नवीकरणीय ऊर्जा के दावे, पानी का उपयोग और स्थान, साथ में होस्ट से पूछने के सवाल।
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।