गुगल आणि ओपनएआयने गेल्या वर्षभरात लोकांना आश्वस्त केले आहे की एआय क्वेरी लहान टीव्ही क्लिपपेक्षा जास्त वीज वापरते. हवामान शास्त्रज्ञ Zeke Hausfather कडून नवीन वास्तविक-जागतिक ऑडिट स्वायत्त AI एजंट्ससाठी सत्य अधिक गंभीर आहे: ते मानक चॅट एक्सचेंजपेक्षा अंदाजे *600 पट अधिक ऊर्जा खर्च करू शकतात. 8 ऑगस्ट 2026 रोजी प्रकाशित झालेले निष्कर्ष, द क्लायमेट ब्रिंक* वरील विश्लेषणामध्ये, AI च्या पर्यावरणीय पदचिन्हांबद्दलच्या प्रश्नांना ताजी निकड जोडतात कारण उद्योग नेहमीच स्वायत्त एजंट्सकडे वळतो. उद्योगाला आकार देणाऱ्या शाश्वतता वादावर चालू असलेल्या अहवालासाठी, आमचे AI उद्योग कव्हरेज फॉलो करा.
बिग टेकच्या ऊर्जा दाव्यांवर एक वास्तविकता तपासणी
गेल्या वर्षी, Google ने नोंदवले की मिडियन मिथुन मजकूर प्रॉम्प्ट फक्त 0.24 वॅट-तास (Wh) वीज वापरतो — टेलिव्हिजनच्या नऊ सेकंदांपेक्षा कमी. ओपनएआयचे सीईओ सॅम ऑल्टमन यांनी 2009 मधील Google शोधच्या बरोबरीने, अंदाजे 0.34 Wh वर सरासरी ChatGPT क्वेरीचा अंदाज घेऊन समान आकृती ऑफर केली.
दोन्ही संख्या एका अरुंद, सर्वोत्तम-केस परिस्थितीचे वर्णन करतात: एकच मजकूर एक्सचेंज ज्यामध्ये कोणतेही विस्तारित तर्क नाही, कोणतेही वेब शोध नाहीत, मल्टीमोडल प्रक्रिया नाही आणि लूपिंग एजंट वर्तन नाही. हौसफादरने सांगितल्याप्रमाणे, ते तर्क मॉडेलसाठी खाते नाही जे प्रति क्वेरी अनेक टोकन्स व्युत्पन्न करतात, बहु-एजंट सिस्टम जे स्वायत्तपणे चालतात किंवा एजंट प्रत्येक टप्प्यावर पुन्हा वाचतात अशा कॅस्केडिंग संदर्भासाठी.
आठ आठवडे, 3.2 अब्ज टोकन
हॉसफादर, एक हवामान शास्त्रज्ञ, यांनी अँथ्रोपिकच्या क्लॉड कोड कोडिंग एजंटच्या स्वतःच्या वापराचा आठ आठवड्यांपर्यंत बारकाईने तपशीलवार मागोवा घेतला. क्लॉड कोड प्रत्येक मॉडेल कॉलसाठी API द्वारे नोंदवलेल्या अचूक टोकन संख्येसह, प्रत्येक सत्राचे संपूर्ण स्थानिक लॉग स्टोअर करतो, त्यामुळे एजंट प्रत्यक्षात काय मागणी करतो याचे अचूक चित्र तो पुन्हा तयार करू शकतो.
संख्या धक्कादायक आहेत. त्याच्या १,१३८ टाइप केलेल्या प्रॉम्प्ट्सने १४,००० मॉडेल कॉल पेक्षा जास्त ट्रिगर केले — प्रत्येक प्रॉम्प्ट सरासरी सुमारे बारा. प्रत्येक प्रॉम्प्टने सरासरी २.९ दशलक्ष टोकन प्रक्रिया केली, एका सामान्य चॅट एक्सचेंजसाठी अंदाजे हजार टोकन्सच्या तुलनेत. एकूण, त्याच्या एजंटने या कालावधीत 3.2 अब्ज टोकन प्रक्रिया केली.
एक धक्कादायक तपशील: अंदाजे त्या टोकनपैकी 96 टक्के कॅशे रीड होते. प्रत्येक 14,000 पायऱ्यांवर, एजंट पुढे काय करायचे हे ठरवण्यापूर्वी त्याचे संपूर्ण संचित संदर्भ पुन्हा वाचतो. हाऊसफादर हा मजकूर प्रत्यक्षात स्क्रीनवर दिसतो — मॉडेलचे आउटपुट — प्रक्रिया केलेल्या सर्व टोकनपैकी फक्त 0.4 टक्के आहे. लपविलेले संगणकीय खर्च जवळजवळ संपूर्णपणे पडद्यामागे घडते.
टोकनचे विजेमध्ये भाषांतर करणे
कोणत्याही बाहेरील पक्षाला फ्रंटियर मॉडेलसाठी प्रति टोकन ऊर्जा खर्चाची अचूक माहिती नसल्यामुळे, हॉसफादरने वेगवेगळ्या गृहितकांसह तीन स्वतंत्र अंदाज पद्धती वापरून त्याच्या टोकन संख्यांचे विद्युत मूल्यांमध्ये रूपांतर केले. त्याचा सर्वोत्कृष्ट अंदाज 70 ते 330 kWh च्या अनिश्चिततेच्या श्रेणीसह, आठ आठवड्यांमध्ये डेटा सेंटर विजेचा एकूण वापर सुमारे 170 किलोवॅट-तास (kWh) इतका ठेवतो.
प्रति प्रॉम्प्ट, ते अंदाजे 150 Wh पर्यंत कार्य करते — मध्य चॅट प्रॉम्प्टच्या सुमारे 600 पट ऊर्जा. त्याच्या मिडियन क्लॉड कोड सत्राने सुमारे 0.6 kWh वापरले, स्मार्टफोन चार्ज करण्यासाठी आवश्यक असलेल्या विजेच्या अंदाजे पन्नास पटीने. सरासरी दिवशी, त्याच्या एजंटचा वापर 3.0 kWh (1.2 ते 5.9 kWh पर्यंत) पर्यंत पोहोचला, दोन घरगुती रेफ्रिजरेटर्सच्या दैनंदिन ड्रॉपेक्षा जास्त.
त्याचा सर्वात सखोल दिवस — जेव्हा अनेक समांतर एजंट्सने विस्तृत जिओडेटा विश्लेषण चालवले — अंदाजे 11 kWh वापरला, जो सरासरी यूएस कुटुंबाच्या दैनंदिन वीज वापराच्या एक तृतीयांशपेक्षा जास्त आहे.
एजंट वापराच्या वर्षासाठी याचा अर्थ काय आहे
पूर्ण वर्षासाठी मोजलेले, Hausfather चे एजंट-आधारित कार्यप्रवाह अंदाजे 1.1 megawatt-hours (MWh) डेटा सेंटर विजेचा वापर करेल, ज्याची श्रेणी 0.4 ते 2.2 MWh आहे — सरासरी यूएस कुटुंब दरवर्षी जे वापरते त्याच्या सुमारे एक दशांश. सरासरी यू.एस. वीज मिश्रणावर आधारित, जे प्रति वर्ष अंदाजे 370 किलोग्राम CO2-समतुल्य उत्सर्जन मध्ये अनुवादित करते.
संदर्भासाठी, ते एका वर्षासाठी इलेक्ट्रिक कपडे ड्रायर चालवण्यापेक्षा (सुमारे 262 किलो) आणि सॅन फ्रान्सिस्को ते न्यूयॉर्क (सुमारे 700 किलो) राउंड-ट्रिप इकॉनॉमी फ्लाइटच्या थेट उत्सर्जनापेक्षा जास्त आहे. हॉसफादरने नमूद केले आहे की हे ठराविक यूएस गॅस-चालित कारच्या वार्षिक उत्सर्जनाच्या सुमारे आठ टक्के आहे आणि अमेरिकेच्या वार्षिक कार्बन फूटप्रिंटच्या अंदाजे दोन टक्के आहे.
"हे एकाच वेळी एक मोठे उत्सर्जन स्त्रोत आहे आणि माझ्या एकूण कार्बन फूटप्रिंटचा तुलनेने माफक भाग आहे," त्याने लिहिले.
रिअल लीव्हर्स: क्लीन पॉवर आणि स्मार्ट राउटिंग
हौसफादर हा मुद्दा वैयक्तिक अपराधीपणाभोवती न ठेवण्याची काळजी घेतात. जड वापरकर्त्यांच्या लहान गटाचा संयम "कोणतेही वक्र वाकणार नाही," तो तर्क करतो. त्याऐवजी, तो दोन स्ट्रक्चरल लीव्हर हायलाइट करतो.
प्रथम, लहान मॉडेल्सवर सोपी कार्ये राउट केल्याने अर्थपूर्ण फरक पडतो. लहान मॉडेल्स फ्रंटियर मॉडेल्सपेक्षा अंदाजे प्रति टोकन पाच ते सात पट कमी ऊर्जा वापरतात. दुसरे — आणि सर्वात महत्त्वाचे म्हणजे — विजेची कार्बन तीव्रता हा स्वतःच प्रमुख घटक आहे. जर हाच वर्कलोड मोठ्या प्रमाणात स्वच्छ उर्जेवर चालला तर, कार्बन फूटप्रिंट अंदाजे 90 टक्के** कमी होईल.
समस्या तेजीच्या मागे इंधन आहे. हॉसफादरच्या मते, यू.एस. डेटा सेंटरसाठी जवळपास नियोजित ऑन-साइट वीज निर्मितीचा तीन चतुर्थांश भाग नैसर्गिक वायूवर चालतो, याचा अर्थ AI संगणनाचा जलद विस्तार मोठ्या प्रमाणात जीवाश्म इंधनांद्वारे अंडरराइट केला जात आहे.
एजंट स्केल म्हणून एक चेतावणी
हौसफादरचे अंदाज, वाजवी असले तरी, अंदाज राहतात — आणि ते सध्याच्या वापराच्या पद्धती प्रतिबिंबित करतात. एआय लॅब आधीच एजंट-आधारित सिस्टम तैनात करण्यासाठी धावत आहेत जी दिवस, आठवडे किंवा अगदी महिने स्वायत्तपणे चालतात. जर ती दृष्टी पूर्ण झाली तर, प्रति "वापरकर्ता" उर्जेचा वापर अजून खूप वर चढू शकेल.
त्याचा केंद्रीय संदेश असा आहे की Google आणि OpenAI यांनी प्रसिद्ध केलेल्या प्रति-क्वेरी आकडे तंत्रज्ञान कसे विकसित होत आहे याचे वास्तव विकृत करतात. "एक 'प्रॉम्प्ट' हे शेवटी AI चे एकक नाही जे 'ट्रिप्स' हे ड्रायव्हिंगचे मोजमाप आहे यापेक्षा जास्त वापरत नाही; तुम्ही किती दूर गेलात हे महत्त्वाचे आहे," हॉसफादरने लिहिले.
AI च्या पुढे रहा
स्वायत्त एजंट नवीनतेपासून डीफॉल्ट इन्फ्रास्ट्रक्चरकडे जाताना, त्यांचे छुपे ऊर्जा बिल दुर्लक्षित करणे कठीण होईल. AI संशोधन, टिकाऊपणा आणि क्षेत्राला आकार देणाऱ्या कंपन्यांवर सतत, तथ्य-तपासणी केलेल्या अहवालासाठी, आमचे मुख्यपृष्ठ बुकमार्क करा आणि अधिक AI बातम्या वाचा → https://aibuzzwire.news.
