நாம் இன்று செயற்கை நுண்ணறிவு எனப்படும் AI-யை மிகவும் எளிதாக பயன்படுத்துகிறோம். ஒரு கேள்வியை தட்டச்சு செய்தால் சில நொடிகளில் பதில் கிடைக்கிறது. ஒரு படத்தை உருவாக்கலாம், வீடியோவை உருவாக்கலாம், கட்டுரை எழுதலாம், கணக்குகளை செய்யலாம் என AI பயன்பாடுகள் நாளுக்கு நாள் அதிகரித்து வருகின்றன.
ஆனால் இந்த டிஜிட்டல் உலகத்தின் பின்னால் மிகப்பெரிய physical infrastructure ஒன்று இயங்கி வருகிறது. அதுதான் Data Centre.
AI சேவைகளை இயக்கும் ஆயிரக்கணக்கான servers, அவற்றில் பயன்படுத்தப்படும் powerful processors, அவற்றை குளிர்விக்க வேண்டிய cooling systems மற்றும் அவற்றை இயக்கத் தேவையான மின்சாரம் ஆகியவை இணைந்து மிகப்பெரிய infrastructure-ஐ உருவாக்குகின்றன.
இதனால் ஒரு முக்கியமான கேள்வி எழுகிறது.
AI வளர்ச்சி உண்மையில் எவ்வளவு மின்சாரத்தையும் தண்ணீரையும் பயன்படுத்துகிறது?
AI இயங்குவது எங்கே?
நாம் ChatGPT போன்ற AI சேவையை பயன்படுத்தும்போது, அதன் பின்னால் உள்ள கணக்கீடுகள் நமது smartphone-ல் மட்டும் நடைபெறுவதில்லை.
AI models இயங்குவதற்கு மிகப்பெரிய Data Centres பயன்படுத்தப்படுகின்றன. இங்கு ஆயிரக்கணக்கான servers மற்றும் AI processors தொடர்ந்து இயங்கிக் கொண்டிருக்கும்.
குறிப்பாக generative AI models-க்கு அதிக computational power தேவைப்படுகிறது. AI model-ஐ train செய்வதற்கும், பயனர்கள் கேட்கும் கேள்விகளுக்கு பதில் உருவாக்குவதற்கும் servers தொடர்ந்து வேலை செய்கின்றன.
இந்த servers இயங்குவதற்கு மின்சாரம் தேவைப்படுகிறது.
Data Centre-களின் மின்சார தேவை ஏன் அதிகரிக்கிறது?
International Energy Agency (IEA) வெளியிட்ட சமீபத்திய மதிப்பீட்டின்படி, உலக Data Centre-களின் electricity consumption 2025-ல் சுமார் 485 TWh ஆக இருந்தது.
2030-க்குள் இது சுமார் 950 TWh ஆக கிட்டத்தட்ட இரட்டிப்பாகும் என IEA-வின் base-case projection தெரிவிக்கிறது. 2030-ல் Data Centre-கள் உலகளாவிய electricity demand-ல் சுமார் 3% பங்கு வகிக்கலாம்.
இதில் AI-focused Data Centre-களின் electricity demand இன்னும் வேகமாக வளரக்கூடும். IEA மதிப்பீட்டின்படி, 2025 முதல் 2030 வரை AI-focused Data Centre electricity consumption மூன்று மடங்காக அதிகரிக்கக்கூடும்.
அதாவது AI பயன்பாடு அதிகரிக்கும்போது, அதற்குப் பின்னால் இயங்கும் computing infrastructure-ன் மின்சார தேவையும் அதிகரிக்கிறது.
ஒரு AI கேள்விக்கு எவ்வளவு மின்சாரம்?
இங்கே மிகவும் கவனமாக இருக்க வேண்டிய விஷயம் ஒன்று உள்ளது.
“ஒரு AI கேள்விக்கு இவ்வளவு மின்சாரம்” என்று உலகம் முழுவதற்கும் ஒரே எண்ணை கூற முடியாது.
AI model, hardware, data centre efficiency, கேள்வியின் நீளம், output அளவு, cooling system உள்ளிட்ட பல காரணிகளின் அடிப்படையில் energy consumption மாறுகிறது.
உதாரணமாக, Google தனது 2025 methodology-யில் median Gemini Apps text prompt ஒன்றுக்கு சுமார் 0.24 Wh electricity பயன்படுத்தப்படுவதாக மதிப்பிட்டது. அதே analysis-ல் ஒரு prompt-ன் water consumption சுமார் 0.26 millilitres என மதிப்பிடப்பட்டது.
ஆனால் இது Google-ன் Gemini infrastructure மற்றும் அதன் குறிப்பிட்ட measurement methodology அடிப்படையிலான மதிப்பீடு.
எனவே இதை அனைத்து AI models-க்கும் பொருந்தும் பொதுவான எண்ணாக எடுத்துக்கொள்ளக்கூடாது.
மேலும் AI systems தொடர்ந்து efficient ஆகி வருகின்றன. Google வெளியிட்ட analysis-ல், 2024 முதல் 2025 வரையிலான ஒரு வருட காலத்தில் median Gemini text prompt-ன் energy footprint 33 மடங்கு குறைந்ததாக நிறுவனம் தெரிவித்துள்ளது.
மின்சாரத்துடன் முடிவதில்லை; வெப்பமும் உருவாகிறது
AI servers அதிக computational work செய்யும்போது வெப்பம் உருவாகிறது.
ஆயிரக்கணக்கான powerful processors ஒரே Data Centre-ல் இயங்கும்போது, அவற்றை சரியான temperature-ல் வைத்திருப்பது மிகவும் முக்கியம்.
இதற்காக Data Centre-களில் பல்வேறு cooling technologies பயன்படுத்தப்படுகின்றன.
Air cooling, liquid cooling மற்றும் சில சூழல்களில் water-based cooling systems போன்றவை பயன்படுத்தப்படுகின்றன.
இதனால் AI-ன் environmental footprint பற்றி பேசும்போது மின்சாரத்தை மட்டும் பார்க்க முடியாது.
Cooling-க்கான resource usage-யையும் கணக்கில் எடுத்துக்கொள்ள வேண்டும்.
AI-க்கு தண்ணீர் ஏன் தேவைப்படுகிறது?
Data Centre cooling systems-ல் தண்ணீர் பயன்படுத்தப்படலாம்.
மேலும் Data Centre-க்கு மின்சாரம் வழங்கும் electricity generation system-க்கும் அதன் சொந்த water footprint இருக்கலாம்.
இதனால் AI-ன் water footprint-ஐ இரண்டு முக்கிய கோணங்களில் பார்க்கலாம்.
Direct water use:
Data Centre-ன் cooling operations போன்றவற்றில் நேரடியாக பயன்படுத்தப்படும் தண்ணீர்.
Indirect water use:
Data Centre-க்கு மின்சாரம் உற்பத்தி செய்யும் power system-ன் water footprint.
இதன் காரணமாக ஒரே அளவு computing power கொண்ட இரண்டு Data Centre-களுக்கும் water footprint ஒரே மாதிரியாக இருக்க வேண்டிய அவசியமில்லை.
Location ஏன் முக்கியம்?
ஒரு Data Centre எங்கு அமைக்கப்படுகிறது என்பதும் அதன் environmental impact-ஐ தீர்மானிக்கக்கூடிய முக்கிய காரணிகளில் ஒன்றாகும்.
குளிரான பகுதியில் இருக்கும் Data Centre-க்கு cooling தேவைகள் வேறுபடலாம்.
அதேபோல், தண்ணீர் வளம் குறைவாக உள்ள பகுதியில் பெரிய Data Centre அமைந்தால், அதன் water demand உள்ளூர் அளவில் அதிக முக்கியத்துவம் பெறலாம்.
2025-ல் வெளியான Nature Sustainability ஆய்வு, 2024 முதல் 2030 வரையிலான காலத்தில் அமெரிக்காவில் AI server deployment-ன் annual water footprint 731 முதல் 1,125 million cubic metres வரை இருக்கலாம் என scenario-based modelling மூலம் மதிப்பிட்டது. ஆய்வு location, efficiency மற்றும் electricity grid ஆகியவற்றைப் பொறுத்து இந்த எண்ணிக்கையில் குறிப்பிடத்தக்க uncertainty இருப்பதையும் சுட்டிக்காட்டுகிறது.
இதனால் “AI எவ்வளவு தண்ணீர் குடிக்கிறது?” என்ற கேள்விக்கு ஒரே ஒரு global number கூறுவது சரியான அணுகுமுறை அல்ல.
மின்சாரம் எங்கிருந்து வருகிறது என்பதும் முக்கியம்
Data Centre பயன்படுத்தும் electricity எந்த energy source-ல் இருந்து வருகிறது என்பதும் environmental impact-ல் முக்கியமானது.
Renewable energy, natural gas, coal, nuclear போன்ற பல்வேறு sources உலகின் வெவ்வேறு பகுதிகளில் Data Centre electricity demand-ஐ பூர்த்தி செய்கின்றன.
IEA-வின் 2025 analysis-ல், Data Centre-களின் கூடுதல் electricity demand-ஐ பூர்த்தி செய்வதில் renewables முக்கிய பங்கு வகிக்கும் என மதிப்பிடப்பட்டுள்ளது. அதே நேரத்தில் natural gas மற்றும் பிற sources-ம் பங்களிக்கின்றன.
எனவே Data Centre அதிக மின்சாரம் பயன்படுத்துகிறது என்பதோடு மட்டும் environmental impact-ஐ முடிவு செய்ய முடியாது.
அந்த மின்சாரம் எவ்வாறு உற்பத்தி செய்யப்படுகிறது என்பதும் முக்கியம்.
AI வளர்ச்சி என்றால் சுற்றுச்சூழலுக்கு பாதிப்பு மட்டும்தானா?
அப்படியும் கூற முடியாது.
AI infrastructure தொடர்ந்து efficient ஆகி வருகிறது.
புதிய AI chips, better model architectures, software optimization, improved cooling மற்றும் Data Centre efficiency ஆகியவை ஒரு AI task-க்கு தேவையான energy-ஐ குறைக்க உதவுகின்றன.
IEA-வும் AI task ஒன்றுக்கான electricity consumption வேகமாக குறைந்து வருவதாகவும், ஆனால் AI பயன்பாடு அதிகரிப்பதும் energy-intensive applications வளர்வதும் total electricity demand-ஐ மீண்டும் உயர்த்துவதாகவும் குறிப்பிடுகிறது.
அதாவது இங்கே இரண்டு விஷயங்கள் ஒரே நேரத்தில் நடக்கின்றன.
ஒரு AI task increasingly efficient ஆகிறது.
ஆனால்
AI tasks-ன் எண்ணிக்கையும் பயன்பாடுகளும் வேகமாக அதிகரிக்கின்றன.
இதுதான் மொத்த energy demand அதிகரிப்பதற்கான முக்கிய காரணிகளில் ஒன்று.
எதிர்காலத்தில் என்ன நடக்கலாம்?
AI பயன்பாடு மேலும் அதிகரிக்கும்போது Data Centre infrastructure-ம் விரிவடைய வேண்டியிருக்கும்.
IEA-வின் தற்போதைய projection படி, உலக Data Centre electricity consumption 2030-க்குள் சுமார் 950 TWh ஆகலாம். இது உலக electricity demand-ல் சுமார் 3% பங்காக இருக்கும்.
அதனால் எதிர்கால Data Centre development-ல் மூன்று விஷயங்கள் மிகவும் முக்கியமாகலாம்.
முதல் — Energy efficiency
குறைந்த மின்சாரத்தில் அதிக computing power வழங்கும் chips மற்றும் models.
இரண்டாவது — Water efficiency
குறைந்த தண்ணீரைப் பயன்படுத்தும் cooling technologies.
மூன்றாவது — Clean energy
Data Centre electricity demand அதிகரித்தாலும் carbon emissions-ஐ கட்டுப்படுத்த renewable மற்றும் பிற low-carbon energy sources முக்கிய பங்கு வகிக்கலாம்.
AI-யை நிறுத்த வேண்டுமா?
இந்த விவாதத்தின் நோக்கம் AI பயன்பாட்டை நிறுத்த வேண்டும் என்பதல்ல.
AI மருத்துவம், கல்வி, அறிவியல் ஆராய்ச்சி, software development, business மற்றும் பல துறைகளில் புதிய வாய்ப்புகளை உருவாக்கி வருகிறது.
ஆனால் எந்த technology வேகமாக வளர்ந்தாலும் அதன் infrastructure-ஐ கவனிப்பது அவசியம்.
AI என்பது cloud-ல் மிதக்கும் ஒரு invisible technology மட்டும் அல்ல.
அதன் பின்னால்:
Servers இருக்கின்றன.
Processors இருக்கின்றன.
Data Centres இருக்கின்றன.
மின்சாரம் தேவைப்படுகிறது.
Cooling தேவைப்படுகிறது.
சில இடங்களில் தண்ணீரும் தேவைப்படுகிறது.
அதனால் எதிர்கால AI வளர்ச்சியின் முக்கியமான கேள்வி,
“AI எவ்வளவு powerful ஆகிறது?”
என்பது மட்டும் அல்ல.
“அதை எவ்வளவு efficient மற்றும் sustainable ஆக இயக்க முடியும்?”
என்பதும்தான்.
முடிவாக…
நாம் AI-யிடம் ஒரு கேள்வி கேட்கும்போது, பதில் சில விநாடிகளில் நமக்கு கிடைக்கிறது.
ஆனால் அந்த பதிலின் பின்னால் இருக்கும் infrastructure மிகப்பெரியது.
உலக Data Centre electricity consumption அடுத்த சில ஆண்டுகளில் வேகமாக அதிகரிக்கக்கூடும். அதே நேரத்தில் AI hardware மற்றும் software efficiency-யும் தொடர்ந்து முன்னேறுகிறது. Water footprint-ம் ஒரே மாதிரியானது அல்ல; Data Centre location, cooling technology மற்றும் electricity source போன்ற காரணிகளால் அது மாறுகிறது.
எனவே AI-ன் எதிர்காலத்தைப் பற்றி பேசும்போது technology-யின் capabilities-ஐ மட்டும் பார்க்காமல், அதன் energy, water மற்றும் environmental footprint-ஐயும் புரிந்துகொள்வது முக்கியம்.
AI உலகத்தை மாற்றிக் கொண்டிருக்கிறது.
அடுத்த கேள்வி —
அந்த மாற்றத்தை நாம் எவ்வளவு நிலையான முறையில் உருவாக்கப் போகிறோம்?
ராகவி முத்துக்குமார் | இவள் தமிழி
நான் ராகவி முத்துக்குமார். “இவள் தமிழி” என்ற பெயரில் தமிழ்நாடு மற்றும் உலகின் முக்கிய செய்திகளை மக்களிடம் கொண்டு சேர்த்து வருகிறேன்.
தமிழ்நாடு அரசியல், மாவட்ட செய்திகள், இந்தியா மற்றும் உலக செய்திகள், வேலைவாய்ப்பு, கல்வி, அரசு அறிவிப்புகள் உள்ளிட்ட மக்களுக்கு தேவையான முக்கிய தகவல்களை எளிமையாகவும் தெளிவாகவும் வழங்குவதே எங்களின் நோக்கம்.
உண்மைத்தன்மை, தெளிவு மற்றும் பொறுப்பான செய்தி வழங்கலை அடிப்படையாகக் கொண்டு, வாசகர்களுக்கு பயனுள்ள தகவல்களை தொடர்ந்து வழங்குகிறோம்.
இவள் தமிழி – பெண்ணின் பார்வை… தமிழின் பெருமை…
