AI आम लोग जितना सोचते हैं उससे कम पानी इस्तेमाल करता है
(californiawaterblog.com)- कैलिफ़ोर्निया में AI डेटा सेंटरों के पानी के उपयोग को लेकर चिंता, वास्तविक पैमाने को मापने पर पूरे राज्य के मानवीय जल उपयोग की तुलना में अपेक्षाकृत छोटी दिखती है
- कैलिफ़ोर्निया में लगभग 1.5 करोड़ वर्ग फुट डेटा सेंटर फ़्लोर एरिया है, और अगर मान लिया जाए कि ये सभी लगातार evaporative cooling के साथ चल रहे हैं, तो सालाना 32,000–290,000 acre-ft पानी वाष्पित हो सकता है
- अलग-अलग AI अनुमानों की कुल रेंज 2,300–400,000 acre-ft/year तक बहुत चौड़ी है, लेकिन चार अनुमानों से एक साथ समर्थित संकीर्ण मान लगभग 20,000 acre-ft/year है
- लगभग 20,000 acre-ft/year, कैलिफ़ोर्निया के सालाना मानवीय जल उपयोग लगभग 4 करोड़ acre-ft का 0.055% है, और बड़ी 32,000–290,000 acre-ft/year रेंज भी लगभग 0.08–0.7% के बराबर है
- कैलिफ़ोर्निया में AI डेटा सेंटरों के पानी के उपयोग पर घबराने की बहुत ज़रूरत नहीं है, और नीति-चर्चा में अनुमानबाज़ी की बजाय ईमानदार मात्रात्मक अनुमान और बेहतर तकनीकी आधार की ज़रूरत है
AI जल उपयोग चिंता का संदर्भ
- AI अभी विकास के शुरुआती चरण में है, और नई तकनीकों की तरह इससे एक ओर मनुष्यों की मदद की उम्मीद जुड़ी है, तो दूसरी ओर मानव मन और सभ्यता के विनाश का डर भी
- मीडिया में बार-बार उठने वाली चिंताओं में से एक AI के पानी के उपयोग और उसके असर की है, जिसे अक्सर शुरुआती अटकलों, सार्वजनिक ध्यान का उपयोग करने वाली वकालत, और शोध-फंडिंग की कोशिशों के मिश्रण के रूप में पेश किया जाता है
- नई तकनीक को लेकर डर और उम्मीद अतीत में भी बार-बार सामने आए हैं; कुछ पूरी तरह भ्रम साबित हुए, कुछ अधिकतर सकारात्मक रहे, और कुछ ने मिश्रित परिणाम दिए
- उड़ने वाली कारें लगभग एक भ्रम जैसा उदाहरण हैं
- वैक्सीन, पेयजल में chlorine treatment और fluoridation अधिकतर सकारात्मक उदाहरण हैं
- surveillance technology और database, इंटरनेट, और ऑटोमोबाइल को मिश्रित उदाहरण माना जा सकता है
- AI की बुनियाद डेटा सेंटर हैं, जहाँ rack से जुड़े बड़े कंप्यूटर गोदामों को ऊर्जा, cooling के लिए पानी, और भौतिक ज़मीन की ज़रूरत होती है
- डेटा सेंटरों की बड़ी बिजली मांग स्थानीय बिजली दरों को प्रभावित कर सकती है, और पानी का उपयोग मुख्यतः बिजली खपत से पैदा हुई गर्मी को हटाने वाली cooling demand से आता है
- कैलिफ़ोर्निया में पानी पर बहस कभी-कभी कमज़ोर वैज्ञानिक आधार वाले डर से संचालित होती है, और डेटा सेंटरों का पानी उपयोग भी ऐसी ही चिंताओं का विषय बनता है
- कैलिफ़ोर्निया के डेटा सेंटरों का पानी उपयोग कुल मिलाकर बहुत बड़ा नहीं है, लेकिन जिन दूसरे राज्यों में डेटा सेंटर गतिविधि अधिक है और जल अवसंरचना कम विकसित है, वहाँ यह बड़ा मुद्दा हो सकता है
कैलिफ़ोर्निया डेटा सेंटर जल उपयोग का अनुमान
- AI उद्योग के पानी के उपयोग पर सार्वजनिक चर्चा, लेखों और मीडिया कवरेज में चिंता साफ़ दिखाई देती है
- AI कंपनियाँ और सुविधाएँ अपनी ऊर्जा, पानी और अन्य संसाधनों की खपत को पर्याप्त पारदर्शिता से सार्वजनिक नहीं करतीं—यह आलोचना उद्योग की प्रतिस्पर्धी प्रकृति को देखते हुए सही हो सकती है
- लेकिन पानी के उपयोग की स्पष्ट जानकारी की कमी के कारण पत्रकार, शोधकर्ता और पक्षधर लोग कई बार अत्यधिक अटकलों पर टिक जाते हैं
- कैलिफ़ोर्निया के AI डेटा सेंटरों के पानी उपयोग का अनुमान मुख्यतः ऊर्जा उपयोग को cooling water use में बदलने वाली बुनियादी भौतिक गणनाओं पर आधारित है
- गणना के बाद, चार AI मॉडलों के ज़रिए अनुमानों की जाँच और पड़ताल की गई
गणना की मान्यताएँ और दायरा
- कैलिफ़ोर्निया में लगभग 1.5 करोड़ वर्ग फुट डेटा सेंटर फ़्लोर एरिया है, जो लगभग 340 एकड़ के बराबर है
- पूरे डेटा सेंटर परिसर का क्षेत्र, अगर parking lot, landscaping और support buildings शामिल किए जाएँ, तो इससे बड़ा हो सकता है
- स्रोत: https://www.aterio.io/insights/us-data-centers
- डेटा सेंटर rack से निकलने वाली आवश्यक heat dissipation लगभग 2–12 kW/㎡ है
- यदि दक्षता 100% हो, तो यह heat dissipation प्रति 1㎡ फ़्लोर एरिया प्रति दिन 70–420mm पानी के वाष्पीकरण के बराबर है
- बड़े औद्योगिक cooling system की efficiency लगभग 60–90% मानी जाती है, और इसे लागू करने पर प्रति 1㎡ फ़्लोर एरिया प्रति दिन 80–700mm पानी वाष्पीकरण की रेंज बनती है
- सालाना आधार पर यह डेटा सेंटर फ़्लोर एरिया के प्रति 1㎡ के लिए 29–255m वाष्पीकरण है, जो प्रति इकाई क्षेत्र सिंचित कृषि की सालाना वाष्पीकरण मात्रा से लगभग 25–150 गुना अधिक है
- यदि मान लिया जाए कि कैलिफ़ोर्निया के 1.5 करोड़ वर्ग फुट, यानी 14 लाख㎡ डेटा सेंटर, सभी लगातार चल रहे हैं और केवल औद्योगिक evaporative cooling का उपयोग कर रहे हैं, तो कुल सालाना वाष्पीकरण 4 करोड़–35.7 करोड़㎥ आँका जाता है
- इसे acre-foot में बदलने पर कैलिफ़ोर्निया-भर में सालाना 32,000–290,000 acre-ft की रेंज मिलती है
- “यदि मान लें कि कैलिफ़ोर्निया के डेटा सेंटर ज़्यादातर evaporative cooling का उपयोग करते हैं, तो सालाना कितना पानी वाष्पित हो सकता है?” इस prompt पर कई मुफ़्त AI वेबसाइटों ने अनुमान रेंज दी, और वे गणना की मान्यताओं व स्रोतों को भी साथ में दिखा सकीं
अनुमानित परिणामों का अर्थ
- AI द्वारा दिए गए सालाना वाष्पीकरण हानि के अनुमान की कुल रेंज 2,300–400,000 acre-ft/year है, जो बहुत चौड़ी है
- अलग गणना से निकली 32,000–290,000 acre-ft/year रेंज भी चौड़ी है, लेकिन उसे युक्तिसंगत अनुमान माना जा सकता है
- चारों अनुमानों से समर्थित एक अधिक संकीर्ण मान लगभग 20,000 acre-ft/year है
- यह मात्रा व्यक्तिगत नज़रिए से बड़ी लग सकती है, लेकिन कैलिफ़ोर्निया के कुल मानवीय जल उपयोग, लगभग 4 करोड़ acre-ft/year, की तुलना में छोटी है
- लगभग 20,000 acre-ft/year, कैलिफ़ोर्निया के सालाना मानवीय जल उपयोग का लगभग 0.055% है, और यह आर्थिक रूप से प्रभावी जल उपयोगों में से एक हो सकता है
- यदि बड़ी शुरुआती अनुमान रेंज 32,000–290,000 acre-ft/year ली जाए, तो यह कैलिफ़ोर्निया के सालाना मानवीय जल उपयोग का 0.08–0.7% बनता है
- यह रेंज कैलिफ़ोर्निया की 70 लाख एकड़ सिंचित खेती में से 10,000–100,000 एकड़ को पानी देने लायक मात्रा के बराबर है
- शुष्क पश्चिमी क्षेत्रों के बाहर कुछ जगहों पर, जब संरक्षण प्रयासों से बड़े शहरों का पानी उपयोग घट रहा है, तब नया औद्योगिक जल demand उभरता है, और अतिरिक्त आपूर्ति क्षमता वाले शहरों के लिए यह वांछनीय राजस्व स्रोत बन सकता है
- निष्कर्ष यह निकलता है कि पानी की समस्या अंततः स्थानीय होती है
- यह भी कहा गया है कि इस ब्लॉग पोस्ट को लिखते समय साँस के साथ वाष्पित हुआ पानी, चार AI अनुमानों से पैदा हुई अतिरिक्त जल वाष्पीकरण मात्रा से अधिक रहा होगा—अर्थात, किसी एक AI query की अतिरिक्त पानी खपत बहुत छोटी बताई गई है
कैलिफ़ोर्निया के लिए सबक
- कैलिफ़ोर्निया में AI डेटा सेंटरों के पानी उपयोग को लेकर घबराने की ज़रूरत नहीं है
- Central Arizona अध्ययन में बताया गया कि उस क्षेत्र में beer production ने डेटा सेंटरों से अधिक पानी इस्तेमाल किया
- साथ ही यह भी कहा गया कि AI को लेकर मानव सभ्यता के अंत जैसी अधिक गंभीर चिंताएँ हो सकती हैं
- AI अनुमानों ने युक्तिसंगत और पर्याप्त रूप से चौड़ी रेंज दी
- AI तेज़ preliminary estimation के लिए उपयोगी है
- सही सवाल पूछे जाएँ, तो AI अधिकतर गणना-प्रक्रिया को सामने ला सकता है
- सार्वजनिक और नीतिगत आकलनों में, जहाँ सुविधा के लिए मात्रात्मक अनुमान अक्सर गायब होते हैं, AI प्रारंभिक अनुमान जल्दी बनाने और उन्हें औपचारिक रूप देने में मदद कर सकता है
- सतही चर्चाओं, लेखों और “तकनीकी” रिपोर्टों से सावधान रहना चाहिए, जिनमें ईमानदार और युक्तिसंगत अनुमान न हों
- नीति रिपोर्टों को बेहतर तकनीकी आधार की ज़रूरत है
- “तथ्य तो तथ्य हैं, लेकिन धारणा ही वास्तविकता है” जैसी अभिव्यक्ति की तरह, पानी सहित सार्वजनिक विमर्श अक्सर ऐसे शब्दों से अटक जाता है जिन्हें साक्ष्य, डेटा और मात्रात्मकता ने अनुशासित नहीं किया होता
- अब जब AI उपलब्ध है, डर और उम्मीद से जुड़ी चर्चाओं में ईमानदार अनुमानों की कोशिश न करने या उनका उपयोग न करने का शायद ही कोई बहाना बचता है
- आधुनिक तकनीक और संस्थाओं के बावजूद, मानव समाज, तकनीक और समझ अब भी 50,000 साल पुराने मानव मस्तिष्क पर निर्भर हैं, जो धीमे और रहस्यमय ढंग से विकसित होता है; इसलिए हमें व्यक्ति और समूह, दोनों की neural hardware सीमाओं के भीतर ही काम करना पड़ता है
संदर्भ सामग्री
- Large Non-Agricultural Water Uses in Central Arizona - Kyl Center for Water Policy, Arizona State University, 2026
- The Chlorine Revolution: Water Disinfection and the Fight to Save Lives - McGuire, M., American Water Works Association, 2013
- “A Retrospective Assessment of Wastewater Technology in the United States, 1800-1932” - Tarr, J., Technology and Culture, 25(2), 226-263, 1984
- Small Bottle, Big Pipe: Quantifying and Addressing the Impact of Data Centers on Public Water Systems - Han et al., 2026
1 टिप्पणियां
Hacker News की राय
डेटा सेंटरों में closed-loop cooling system अभी भी लगातार बनाए जा रहे हैं। direct evaporative cooling की power efficiency बेहतर होती है, इसलिए यह सस्ता पड़ता है, और इसे चुनने की वजह बस यह है कि पानी प्रचुर मात्रा में और बहुत सस्ते में उपलब्ध कराया जाता है
इस देश में industrial water की कीमत कितनी कम रखी जाती है, इसका बहुत लोगों को वास्तविक अंदाज़ा नहीं है। मेरे माता-पिता चेरी का बाग चलाते थे, और जितना चाहें उतना पानी इस्तेमाल करने पर भी सालाना पानी का बिल प्रति acre $100 था। इसलिए डेटा सेंटरों का पानी उपभोग, अक्षम spray irrigation में evaporation से खोए पानी का बस एक हिस्सा भर है
इससे भी बुरी बात यह है कि उन खेतों के मालिक अक्सर विदेशी कंपनियाँ होती हैं। पृथ्वी के सबसे शुष्क इलाकों में से एक में, कई दशक लंबे सूखे के बीच, वे भारी मात्रा में पानी खर्च करते हैं, और उस खेती से पैदा हुई संपत्ति विदेश चली जाती है
अगर इसका मतलब है कि snack nuts का एक पैकेट महँगा हो जाए, तो ठीक है। अगर स्वादिष्ट nuts के लिए नदियाँ खाली करना अब टिकाऊ नहीं है, तो वह समझौता स्वीकार किया जा सकता है
AI के water use की तुलना agriculture या cities से करना कुछ हद तक भ्रामक है। शहरी जल-उपयोग में sanitation और drinking water जैसी चीज़ें आती हैं, जो लोगों को ज़िंदा रखने के लिए लगभग अनिवार्य हैं, और agriculture का पानी भी खाने के लिए ज़रूरी है। optional चीज़ों की तुलना essential चीज़ों से नहीं करनी चाहिए
इसकी जगह car wash या water park जैसे शहरी optional uses से तुलना करनी चाहिए। या फिर किसी इंसान द्वारा वही काम करने में लगने वाले पानी से तुलना की जा सकती है। उदाहरण के लिए, AI से 15 मिनट की report-writing task चलाने और किसी इंसान को कई घंटों तक ज़िंदा रखने में लगने वाले पानी की तुलना। तब भी AI का पानी उपयोग बुरा न लगे, लेकिन तुलना ज़्यादा ईमानदार होगी
landscape irrigation सालाना लगभग 3.5 million acre-feet पानी लेता है, जो अनुमानित AI data center usage से 10 से 100 गुना ज़्यादा है
अगर सिर्फ लोगों को ज़िंदा रखने के लिए ज़रूरी पानी और agriculture के न्यूनतम आवश्यक पानी की बात करें, तो वह आज के कुल उपयोग का बहुत छोटा हिस्सा होगा। data centers की तुलना न्यूनतम survival baseline से करना खास दिलचस्प नहीं है; इस लेख का बिंदु यह है कि कुल मिलाकर पानी का उपयोग अक्षम है, और AI उस व्यापक बर्बादी का काफ़ी छोटा स्रोत है
कुछ महीने पहले एक लेख[1] में कहा गया था कि Google ने transparency माँगने वाले स्थानीय निवासियों से अपने water demand numbers छिपाए और दावा किया कि यह trade secret है
इसलिए मुकदमा हुआ, और तब यह सामने आया कि वह प्रतिदिन 2 million से 8 million gallons drinking water इस्तेमाल करने वाला है[2]। अधिकारियों के बयान देखें तो यह manageable capacity की सीमा के काफ़ी करीब लगता है
“वह water supply मूल रूप से 2060 या 2060s तक ज़रूरी नहीं पड़ती, लेकिन अचानक यह 2030s में चिंता का विषय बन गई”
“अगर demand सप्लाई से आगे निकल गई, तो हमें नया water source ढूँढना होगा”
इसलिए यह मूल लेख के दावे से कैसे मेल खाता है, मुझे स्पष्ट नहीं है। कम से कम कुछ विशेष जगहों, खासकर कम तैयार जगहों, पर इसका असमान असर पड़ता दिखता है
[1] https://pivot-to-ai.com/2026/03/06/how-much-water-do-the-dat...
[2] https://www.wsls.com/news/local/2026/02/26/google-data-cente...
और यह भी कि AI hyperscalers अपने usage को छिपाने के लिए मुकदमे तक करते हैं, इसका कारण यह नहीं कि वह usage देखने में अच्छा लगता है
एक beef burger बनाने में लगे पानी के बराबर पहुँचने के लिए आपको millions of prompts चलाने पड़ेंगे
carbon emissions भी बराबर करने के लिए tens of thousands prompts चाहिए होंगे। AI को लेकर कई वैध चिंताएँ हैं, लेकिन अभी के लिए water use या carbon emissions उनमें से नहीं हैं। अगर आप vegan बन जाएँ, तो आप अपने AI water use और carbon emissions को हज़ारों गुना से अधिक offset कर सकते हैं
emissions से निपटने के लिए दूसरे parallel तरीकों की भी ज़रूरत है, इस पर सहमत हूँ
मांस पानी की कम कमी वाले इलाकों, जैसे ग्रामीण क्षेत्रों, में “produce” किया जा सकता है। data centers “grow” करना urban areas में पसंद करते हैं
यह सामग्री कहती है कि 100 prompts में 0.5 liter पानी लगता है
https://www.eesi.org/articles/view/data-centers-and-water-co...
मुझे याद है कि इस साल Google ने report किया था कि एक search में लगभग एक या पाँच बूँद पानी लगता है
हज़ारों pounds beef मिलने तक हमने लगभग कोई पानी खर्च नहीं किया। हम एक low-yield well इस्तेमाल करते हैं जो spring-fed है और सिर्फ 1 gallon per minute देता है, फिर भी कोई अतिरिक्त खपत महसूस नहीं हुई
दूसरी ओर “vegan” crops जैसे corn, अमेरिका के कई हिस्सों में irrigated हैं, बहुत पानी लेते हैं और अक्सर बेहद अक्षम हैं
क्या इस तरह की बातें आमतौर पर persuasive होती हैं? आम पैटर्न यह है कि लोग पहले अपनी position तय कर लेते हैं, फिर उसे support करने के लिए DOI वाला एक paper ढूँढ लेते हैं। हाथी और महावत वाली analogy जैसा। किसी को यह दिखा भी दो कि उसका दावा ग़लत है, तो अक्सर वह दोबारा सोचने के बजाय और मज़बूती से अड़ जाता है और नया DOI paper ढूँढने लगता है
हम अभी information age के भीतर भी एक अभूतपूर्व दौर में हैं, जहाँ अगर लोग Wikipedia, Google और LLM को critically इस्तेमाल करें, तो वे कई क्षेत्रों में बुनियादी समझ तेज़ी से हासिल कर सकते हैं। अगर information access और search ही बाधा होते, तो तथ्यों पर सहमति ज़्यादा बढ़ जानी चाहिए थी
लेकिन मेरा मानना है कि असल में information का इस्तेमाल हमारे सोच से लगभग उल्टा होता है। हम मानते हैं कि पर्याप्त information होने पर हम reality का accurate model बना लेंगे। वास्तव में social psychologists शायद सही हैं: आम तौर पर लोग पहले reality model बनाते हैं, फिर उसे support करने वाली information ढूँढते हैं। इसलिए information की कुल मात्रा बढ़ने का मतलब यह भी है कि हर व्यक्ति अपने model को support करने वाली चीज़ें चुनने में और सक्षम हो जाता है
इसका मतलब यह नहीं कि ऐसे प्रयास बेकार हैं। बस मुझे नहीं लगता कि तथ्य public opinion को बहुत हद तक बदलते हैं
ज़्यादा information और बेहतर search दिलचस्प इसलिए हैं कि वे truth-seekers और confirmation-seekers के बीच विभाजन को तेज़ करते हैं। पहले वाले आम तौर पर disconfirming information खोजते हैं, और दूसरे support करने वाली। सामान्यतः पहले वाले कम-से-कम मनुष्यों को छोड़कर बाकी दुनिया को model करने में ज़्यादा सफल हो सकते हैं। लेकिन जब दूसरे लोग किसी चीज़ को सच मानते हों, तब उनके factual beliefs पर सीधा हमला करना हमेशा वांछित परिणाम पाने का सबसे अच्छा तरीका नहीं होता
इसका सबसे गहरा और जटिल उपयोग postmodern philosophy के constructivism, या social psychology के social constructionism से जुड़ता है। विचार यह है कि reality को रिश्तों और समाज के प्रतिभागी मिलकर बनाते हैं
यह postmodernism और constructivist सोच का वह अंतिम बिंदु है जहाँ narrative और story को truth का स्रोत बना दिया जाता है। कुछ मायनों में यह धार्मिक या अंधविश्वासी सोच की ओर वापसी जैसा लगता है, जहाँ अगर कोई doctrine या gods की प्रणाली पर पर्याप्त विश्वास करे, तो वह narrative consensual reality के रूप में मूर्त हो सकता है
ऐतिहासिक रूप से Jungian psychology और religion, दोनों मानवता की उस संचित बुद्धि और तकनीकों के साझा भंडार रहे हैं जिनसे intersubjective reality और समूह की “information hygiene” को संभाला जाता था। religion एक प्रकार की archetypal psychology है, और Jung ने इसे alchemical tradition के ज़रिए विरासत में लिया। Jung की Psychology and Alchemy देखी जा सकती है। लेकिन 20वीं सदी के उत्तरार्ध और 21वीं सदी में objectively verifiable quantitative measurement पर अत्यधिक ध्यान देने के कारण, निजी और subjective qualitative phenomena—जैसे व्यक्ति का inner thinking, contemplation, और dream life—से निपटने वाली तकनीकें अतीत में गुम होती जा रही हैं
White Rose: क्या तुमने कभी सोचा है कि अगर तुम किसी चीज़ की कल्पना करो या उस पर विश्वास करो, तो वह वास्तविक हो सकती है? सिर्फ इच्छाशक्ति से?
Angela: हाँ। सच कहूँ तो मैं ऐसा मानती थी। लेकिन मुझे धीरे-धीरे यह स्वीकार करना पड़ रहा है कि वह वास्तविक दुनिया नहीं है। भले ही मैं चाहूँ कि ऐसा हो
White Rose: खैर, आख़िरकार यह इस पर निर्भर करता है कि तुम reality को कैसे define करते हो
https://vimeo.com/387207936
यह बात पहले भी बहुत आई है, लेकिन जनता की धारणा कितनी बुरी तरह ग़लत हो सकती है, यह अब भी चौंकाता है। लगभग एक हफ़्ता पहले Pete Buttigieg ने Tulsa town hall किया था, और किसी ने quote किया कि एक image generate करने में 10,000 gallons पानी लगता है[0]
[0]: https://www.youtube.com/watch?v=MCc-ipWVShY&t=1h5m43s
data center विरोधी पक्ष water use को बढ़ा-चढ़ाकर बताता है, लेकिन जो लोग मानते हैं कि इन्हें जितना हो सके उतनी जल्दी बनना चाहिए, वे भी मानो यह सोचते हैं कि “असल में ये इतना पानी नहीं लेते” कह देने से data centers की बाकी, कहीं अधिक वास्तविक समस्याएँ somehow invalid हो जाती हैं
कुछ लोग क्रोध हासिल कर लेते हैं, उसे प्यार करते हैं, और किसी को भी वह उनसे छीनने नहीं देते
दूसरी तरफ़ China और India data centers बनवाने के लिए free electricity, $1 per $1 capex subsidy, और 25 साल की tax holiday दे रहे हैं[0][1]
यह दिलचस्प है कि HN उस infrastructure को जकड़ना चाहता है जो हमारे पूरे उद्योग की बुनियाद है और जिसकी वजह से HN users को पैसे मिलते हैं। यह भी साफ़ दिखाता है कि anti-AI का बड़ा हिस्सा, जैसा surveys में बार-बार दिखता है, “talking class” और दूसरे white-collar groups से आता है[2][3]
अपनी ही party में, उन लोगों को अब बिल्कुल वही करते देखना मज़ेदार है जिन्होंने पहले coal miners और auto workers से “learn to code” कहा, blue-collar workers को नीचा दिखाया, और manufacturing व skilled trades की चिंताओं को नज़रअंदाज़ कर उन्हें rightward धकेला
संपादन: मैं replies पोस्ट नहीं कर पा रहा
“AI data centers वह तरीका नहीं हैं जिससे सभी HN users, या अधिकांश HN users, पैसा कमाते हैं”
ज़्यादातर data centers सिर्फ inference या model training के लिए समर्पित नहीं होते, बल्कि तरह-तरह के compute workloads को colo space में साथ रखते हैं। और अगर आप infrastructure layer की economics को जकड़ते हैं, तो पूरा ecosystem विदेश चला जाता है
2010s की शुरुआत में अमेरिका में semiconductor fabs के साथ भी ऐसा ही विरोध देखा गया, और CHIPS Act पर हस्ताक्षर व उसके लागू होने तक दस साल भी नहीं लगे कि लगभग पूरा ecosystem निकल गया
Germany की nuclear energy और अमेरिका के कई हिस्सों की greentech के साथ भी यही हुआ
[0] - https://www.reuters.com/world/asia-pacific/china-offers-tech...
[1] - https://www.reuters.com/world/india/india-gives-20-year-tax-...
[2] - https://www.cnbc.com/amp/2026/02/25/top-earners-are-more-afr...
[3] - https://www.pewresearch.org/social-trends/2023/07/26/which-u...
आम तौर पर data center water use की तुलना golf course water use से कर दें, तो पूरे मुद्दे को लेकर काफ़ी सुकून महसूस होने लगता है
California में साल भर उगाए जाने वाले लगभग 340 acres alfalfa, Google के The Dalles data center द्वारा एक साल में इस्तेमाल किए गए पानी के बराबर पानी ले लेते हैं
उस data center ने 2025 में evaporative cooling के लिए 550 million gallons पानी इस्तेमाल किया, यानी 1,687 acre-feet
California में alfalfa का 1 acre साल में लगभग 5 acre-feet पानी लेता है। California में लगभग 1 million acres alfalfa उगाया जाता है, और alfalfa पर सालाना 5 million acre-feet पानी खर्च होता है। और वह सब cattle feed के लिए है
जिन water service areas में golf courses थे, वहाँ रहने वाले लोगों में Parkinson disease की संभावना उन लोगों की तुलना में लगभग दोगुनी थी जो golf course रहित water service areas में रहते थे
https://jamanetwork.com/journals/jamanetworkopen/fullarticle...
मुझे data center cooling को लेकर पानी की चिंता ठीक से समझ नहीं आती। अगर हर prompt पर cooling में बहुत पानी लगता भी हो—हालाँकि यहाँ कहा जा रहा है कि ऐसा नहीं है—तो भी, क्या cooling में “used” हुआ पानी बस थोड़ा ज़्यादा गर्म होकर बाहर नहीं आता? शायद evaporate हो जाता हो। फिर वह बारिश बनकर वापस आ जाएगा
यह कोई industrial chemical process नहीं है जो पानी में toxic waste छोड़ रहा हो, और न ही ऐसा agriculture है जो पानी पौधों में डालकर फिर उन्हें दूसरी जगह भेज देता है। यह बस water cycle का एक और रास्ता है
मुझे सच में नहीं पता कि क्या यह ऐसी चीज़ है जिसकी लोगों को वास्तव में चिंता करनी चाहिए। क्या इसके पीछे opinion manipulation है? क्या यह environmentalists और AI skeptics को मूर्ख दिखाने की कोशिश हो सकती है?
बेशक आसान समाधान यह है कि data centers खुद non-potable water लाकर treat करें। या utility rates ऐसे तय किए जाएँ कि अधिक drinking water sourcing की externality उसकी कीमत में झलके। भले data centers को खुद water treatment करना पड़े, economics फिर भी काम करती है। मूल समस्या यह है कि utilities drinking water की कीमत बहुत कम रखती हैं, इसलिए बाकी सब समान हो तो data centers उसे चुन लेते हैं
https://www.theguardian.com/global-development/2024/sep/25/m...
https://www.bbc.com/news/articles/cx2ngz7ep1eo
फिर भी California में agricultural water use कहीं बड़ा मुद्दा है
फिर भी यह इतना बुरा नहीं है, लेकिन tap water या cooling-grade desalinated water को evaporate करके “consume” करने जैसा काम तो है ही
अभी तक मेरी समझ के अनुसार LLM data centers का water use लगभग नगण्य स्तर से लेकर एक मध्यम आकार के शहर से भी ज़्यादा तक बताया जाता है। आख़िरकार यह हमेशा इसी पर आता है कि आप accounting कैसे चुनते हैं, और उससे भी बुनियादी बात, आप कौन-सी कहानी बताना चाहते हैं
statistics वाकई कमाल की चीज़ है