AI के पास पैसा और चिप्स हैं। बिजली असली बाधा क्यों बनती जा रही है

मान लीजिए किसी क्लाउड प्रोवाइडर ने हज़ारों एडवांस्ड AI चिप्स हासिल कर लिए हैं। सर्वर तैयार हैं, ग्राहकों की माँग इंतज़ार कर रही है, और निवेश को पहले ही मंज़ूरी मिल चुकी है।

फिर भी एक व्यावहारिक सवाल बाक़ी रहता है: क्या प्रस्तावित डेटा सेंटर को ज़रूरी जगह पर पर्याप्त भरोसेमंद बिजली मिल सकती है?

किसी आधुनिक AI सुविधा को सैकड़ों मेगावाट की ज़रूरत हो सकती है। कुछ योजनाबद्ध कैंपस इससे भी बड़े हैं। बिजली को नज़दीकी पावर लाइन से सीधे नहीं लिया जा सकता। नए लोड को बिना पूरे सिस्टम को अस्थिर किए संभालने के लिए ग्रिड में पर्याप्त जनरेशन, ट्रांसमिशन क्षमता, सबस्टेशन, और स्थानीय वितरण उपकरण होने चाहिए।

चिप्स ऑर्डर किए जा सकते हैं और इमारतों के लिए फंडिंग मिल सकती है — इस मौलिक ढाँचे की योजना बनाने और उसे बनाने से कहीं ज़्यादा तेज़ी से। यही वजह है कि बिजली AI की वृद्धि पर लगने वाली अहम सीमाओं में से एक बनती जा रही है।

हालाँकि, यह कहना सही नहीं है कि दुनिया में बस “बिजली ख़त्म हो रही है।” यह सीमा आम तौर पर क्षेत्रीय होती है। किसी देश के पास कुल मिलाकर पर्याप्त बिजली हो सकती है, जबकि कोई ख़ास टेक्नोलॉजी हब मांगी गई जगह और समय पर एक और बड़ा डेटा सेंटर नहीं जोड़ पाता।

AI, डेटा-सेंटर बिजली के सवाल को कैसे बदल देता है

जनरेटिव AI से पहले भी डेटा सेंटर मौजूद थे। वे पहले से ही सर्च इंजन, बिज़नेस सॉफ़्टवेयर, वीडियो स्ट्रीमिंग, वित्तीय सिस्टम, और पब्लिक क्लाउड चला रहे थे। AI इनमें कई नए दबाव जोड़ देता है।

किसी बड़े मॉडल को ट्रेन करना हज़ारों एक्सेलेरेटर्स को लंबे समय तक साथ लाता है। मॉडल को सर्व करना—जिसे इन्फ़रेंस कहते हैं—जितने ज़्यादा लोग और एप्लिकेशन इसका इस्तेमाल करते हैं, उतनी ही लगातार माँग बना सकता है। एजेंट-आधारित सिस्टम एक यूज़र टास्क पूरा करने के लिए कई मॉडल कॉल और टूल कॉल कर सकते हैं।

चिप्स गर्मी भी पैदा करते हैं। उस गर्मी को हटाने के लिए कूलिंग उपकरण चाहिए, जो बिजली खपत करते हैं और डिज़ाइन के हिसाब से पानी भी इस्तेमाल कर सकते हैं। बैकअप सिस्टम, स्टोरेज, नेटवर्किंग, और पावर-कन्वर्ज़न उपकरण और ज़रूरतें जोड़ देते हैं।

इंटरनेशनल एनर्जी एजेंसी (IEA) का अनुमान है कि वैश्विक डेटा-सेंटर बिजली खपत 2025 में लगभग 485 टेरावाट-घंटे से बढ़कर 2030 तक लगभग 950 टेरावाट-घंटे हो सकती है। फिर भी यह वैश्विक बिजली माँग का लगभग 3% ही होगा, दुनिया की ज़्यादातर बिजली नहीं। मुश्किल एकाग्रता (concentration) की है: नई माँग बड़े हिस्सों में आती है, और अक्सर उन्हीं क्षेत्रों में जहाँ पहले से कई डेटा सेंटर चल रहे हैं।

IEA का अनुमान है कि 2030 तक वैश्विक डेटा-सेंटर बिजली-खपत वृद्धि में अमेरिका और चीन की हिस्सेदारी लगभग 80% होगी। इसलिए राष्ट्रीय आँकड़े स्थानीय इंजीनियरिंग समस्या को छुपा देते हैं।

बिजली से इस्तेमाल-योग्य AI क्षमता तक का रास्ता

पैसा और चिप्स एक लंबी कड़ी के अंत के पास बैठे होते हैं:

जनरेशन → ट्रांसमिशन → सबस्टेशन → डेटा सेंटर पावर सिस्टम → कूलिंग → सर्वर → इस्तेमाल-योग्य AI क्षमता

किसी भी बिंदु पर कमज़ोरी पूरे प्रोजेक्ट को देरी में डाल सकती है।

जनरेशन

अतिरिक्त बिजली किसी को पैदा करनी होती है। उपयुक्त जगहों पर नवीकरणीय ऊर्जा तुलनात्मक रूप से तेज़ी से बनाई जा सकती है, लेकिन इसका उत्पादन बदलता रहता है। लगातार सेवा बनाए रखने के लिए स्टोरेज, लचीली माँग, या अन्य जनरेशन की ज़रूरत पड़ सकती है। प्राकृतिक गैस भरोसेमंद क्षमता दे सकती है लेकिन ईंधन और उत्सर्जन से जुड़ी चिंताएँ बढ़ाती है। परमाणु ऊर्जा स्थिर, कम-कार्बन बिजली देती है, हालाँकि नए प्लांट्स को आमतौर पर लंबे विकास समय की ज़रूरत होती है।

संभावित जवाब एक ही जीतने वाले स्रोत के बजाय बदलता हुआ मिश्रण है। IEA का अनुमान है कि नवीकरणीय ऊर्जा और प्राकृतिक गैस इस दशक में अधिकांश अतिरिक्त माँग को पूरा करेंगे, और परमाणु ऊर्जा का भी योगदान रहेगा।

ट्रांसमिशन और सबस्टेशन

बिजली ग्रिड में कहीं उपलब्ध हो सकती है लेकिन चुनी गई जगह तक न पहुँच पाए। नई हाई-वोल्टेज लाइनों, ट्रांसफ़ॉर्मर, और सबस्टेशन के लिए लंबी योजना, मंज़ूरी, और निर्माण चक्र चाहिए हो सकते हैं। बड़े ट्रांसफ़ॉर्मर के अपने अलग निर्माण समय भी होते हैं।

यह एक असहज मौलिक-ढाँचे की सच्चाई सामने लाता है: किसी ऊर्जा अनुबंध पर हस्ताक्षर करने का मतलब यह गारंटी नहीं कि भौतिक ग्रिड तय समय पर ज़रूरी बिजली पहुँचा ही देगा।

ग्रिड कनेक्शन

एक यूटिलिटी को यह अध्ययन करना होता है कि प्रस्तावित सुविधा नेटवर्क को कैसे प्रभावित करती है। इसके लिए डेवलपर को अपग्रेड के लिए फंड देने या यह शर्तें मानने के लिए कहा जा सकता है कि वह कब और कितनी बिजली इस्तेमाल कर सकता है।

तेज़ी से बदलते माँग के अनुमान इसे और मुश्किल बना देते हैं। यूटिलिटीज़ को बहुत बड़े प्रोजेक्ट्स के लिए कई अनुरोध मिल सकते हैं, जिनमें से कुछ कभी बनेंगे ही नहीं। सबके लिए योजना बनाना अनावश्यक निवेश का जोखिम रखता है। बहुत कम के लिए योजना बनाना देरी वाले कनेक्शन और खोए हुए आर्थिक विकास का जोखिम रखता है।

स्थानीय अनुमति

डेटा सेंटर ज़मीन, बिजली, और पानी के अन्य इस्तेमालों से मुक़ाबला करते हैं। समुदाय यह सवाल उठा सकते हैं कि क्या उन्हें नए मौलिक ढाँचे, शोर, पानी के इस्तेमाल, या ऊँची सिस्टम लागत को सही ठहराने लायक़ पर्याप्त नौकरियाँ या टैक्स राजस्व मिलेगा।

इसका मतलब है कि कोई प्रोजेक्ट वित्तीय रूप से व्यावहारिक और तकनीकी रूप से संभव होते हुए भी स्थानीय स्वीकृति हासिल करने में विफल रह सकता है। इसलिए रोके गए या देरी से चल रहे प्रोजेक्ट्स की बताई गई क़ीमत को अकेले बिजली की कमी का सबूत नहीं माना जाना चाहिए। इसमें अनुमति, पानी, ज़मीन के इस्तेमाल, लागत बँटवारे, और सार्वजनिक भरोसे का भी हाथ हो सकता है।

दक्षता मदद करती है—लेकिन कुल माँग कम नहीं करती

AI चिप्स और मॉडल अधिक दक्ष होते जा रहे हैं। क्वांटाइज़ेशन मॉडल वेट्स में इस्तेमाल होने वाली प्रिसिज़न को कम कर सकता है। बेहतर मॉडल आर्किटेक्चर कम गणनाओं में उपयोगी काम कर सकते हैं। सॉफ़्टवेयर रिक्वेस्ट को बैच कर सकता है, कैश किए गए नतीजों का दोबारा इस्तेमाल कर सकता है, और सामान्य काम को छोटे मॉडल की तरफ़ भेज सकता है।

ये सुधार मायने रखते हैं। ये किसी दिए गए काम के लिए ज़रूरी बिजली और लागत को कम करते हैं।

लेकिन कम लागत अक्सर इस्तेमाल बढ़ा देती है। किसी सस्ते मॉडल को ज़्यादा प्रोडक्ट्स में जोड़ा जा सकता है, ज़्यादा लोग इस्तेमाल कर सकते हैं, या कोई ऑटोमेटेड एजेंट इसे बार-बार कॉल कर सकता है। यह रिबाउंड इफ़ेक्ट का एक रूप है: प्रति-कार्य खपत घटती है, फिर भी कुल खपत बढ़ती रहती है क्योंकि कार्यों की संख्या उससे तेज़ी से बढ़ती है।

सही निष्कर्ष यह नहीं है कि दक्षता बेकार है। सही निष्कर्ष यह है कि दक्षता और क्षमता योजना को साथ-साथ देखना ज़रूरी है।

ऑपरेटर क्या आज़मा रहे हैं

कोई एक समाधान नहीं है, लेकिन कई तरीक़े देरी कम कर सकते हैं या दबाव घटा सकते हैं।

जहाँ बिजली उपलब्ध है, वहाँ बनाएँ

AI मौलिक ढाँचे को पारंपरिक ऑफ़िस टेक्नोलॉजी जैसे ही जगह के पैटर्न का पालन करने की ज़रूरत नहीं। जो ट्रेनिंग जॉब्स थोड़ी नेटवर्क देरी झेल सकते हैं, उन्हें उपलब्ध जनरेशन के पास रखा जा सकता है। फ़ाइबर, वर्कफ़ोर्स, और उपकरणों तक पहुँच अब भी मायने रखती है, फिर भी यह स्थापित डेटा-सेंटर क्षेत्रों में दबाव कम कर सकता है।

कुछ वर्कलोड को लचीला बनाएँ

हर AI काम एक ही पल में चलना ज़रूरी नहीं। कुछ ट्रेनिंग, टेस्टिंग, और बैच इन्फ़रेंस को अलग समय या क्षेत्र में तब ले जाया जा सकता है जब ग्रिड पर कम दबाव हो। इंटरैक्टिव सेवाओं में कम लचीलापन होता है क्योंकि यूज़र तुरंत जवाब चाहते हैं।

अहम फ़र्क़ वह काम जो इंतज़ार कर सकता है और वह काम जो हमेशा उपलब्ध रहना चाहिए, इन दोनों के बीच है।

स्टोरेज और माइक्रोग्रिड का इस्तेमाल करें

बैटरियाँ छोटे बिजली बदलावों को संतुलित कर सकती हैं, पीक माँग घटा सकती हैं, और बैकअप ऑपरेशन में मदद कर सकती हैं। IEA का अनुमान है कि 2030 तक डेटा सेंटर वैश्विक स्तर पर लगभग 20–25 गीगावाट बैटरी स्टोरेज लगा सकते हैं।

कुछ सुविधाएँ माइक्रोग्रिड या ऑन-साइट जनरेशन पर भी विचार कर रही हैं। ये रेज़िलिएंस बढ़ा सकते हैं और किसी एक ग्रिड कनेक्शन पर निर्भरता घटा सकते हैं। ये ईंधन, उत्सर्जन, रखरखाव, सुरक्षा, और साझा मौलिक ढाँचे की लागत कौन उठाएगा — इन सवालों को ख़त्म नहीं करते।

नई आपूर्ति के लिए अनुबंध करें

टेक्नोलॉजी कंपनियाँ नवीकरणीय, परमाणु, और अन्य जनरेशन के लिए दीर्घकालिक समझौतों पर हस्ताक्षर कर रही हैं। ऐसे समझौते नई आपूर्ति के लिए धन जुटाने में मदद कर सकते हैं। इन्हें तुरंत भौतिक डिलीवरी समझने की ग़लती नहीं करनी चाहिए: जनरेशन, ट्रांसमिशन, और कनेक्शन का काम अब भी पूरा होना बाक़ी रहता है।

टेक्नोलॉजी पेशेवरों के लिए इसका क्या मतलब है

क्लाउड क्षमता अब सिर्फ़ एक सॉफ़्टवेयर-ख़रीद का सवाल नहीं रही।

बड़े AI सिस्टम डिज़ाइन करने वाले आर्किटेक्ट्स को क्षेत्रीय क्षमता, मॉडल दक्षता, और वर्कलोड लचीलेपन पर विचार करना चाहिए। प्लेटफ़ॉर्म टीमों को यह समझना ज़रूरी है कि कौन-से वर्कलोड समय या जगह बदल सकते हैं। FinOps टीमों को यह उम्मीद रखनी चाहिए कि बिजली की उपलब्धता और मौलिक-ढाँचे की प्रतिबद्धताएँ क़ीमत को प्रभावित करेंगी। बिज़नेस लीडर्स को उन योजनाओं पर सवाल उठाना चाहिए जो यह मान लेती हैं कि माँगा गया हर एक्सेलेरेटर घोषित तारीख़ पर इस्तेमाल-योग्य क्षमता बन जाएगा।

ज़्यादातर सॉफ़्टवेयर पेशेवरों को पावर-सिस्टम इंजीनियरिंग में महारत हासिल करने की ज़रूरत नहीं। उन्हें बस चार बातें समझनी चाहिए:

1. कंप्यूटिंग क्षमता एक भौतिक डिलीवरी कड़ी पर निर्भर करती है।
2. यह सीमा क्षेत्र के हिसाब से बहुत अलग हो सकती है।
3. प्रति-AI-कार्य दक्षता, कुल माँग कम होने की गारंटी नहीं देती।
4. अगर ट्रांसमिशन, सबस्टेशन, या अनुमतियाँ न हों, तो सिर्फ़ ज़्यादा जनरेशन काफ़ी नहीं है।

व्यावहारिक निष्कर्ष

AI मौलिक ढाँचे को अक्सर चिप्स और पूँजी की दौड़ के रूप में बताया जाता है। यह नज़रिया अधूरा है।

AI क्षमता की अगली इकाई को सही जगह पर बिजली, उसका समर्थन कर सकने वाला ग्रिड कनेक्शन, उसकी गर्मी हटा सकने वाली कूलिंग, और मौलिक ढाँचे को अपनाने को तैयार समुदाय — इन सबकी भी ज़रूरत है। हर हिस्सा अपने अलग समय-चक्र पर काम करता है।

बिजली AI के विस्तार को ख़त्म नहीं करेगी। यह तय करेगी कि विस्तार कहाँ होता है, क्षमता कितनी जल्दी इस्तेमाल-योग्य बनती है, और कौन-से प्रोजेक्ट सिर्फ़ घोषणाएँ बनकर रह जाते हैं, ऑपरेटिंग सिस्टम नहीं बन पाते।

और गहराई से जानें

• Key Questions on Energy and AI — Executive Summary — डेटा-सेंटर और AI बिजली माँग पर IEA के नवीनतम वैश्विक अनुमान। 24 सितंबर 2026 को समीक्षित।
• Energy and AI: Energy demand from AI — क्षेत्रीय माँग अनुमान और AI-केंद्रित सुविधाओं की भूमिका।
• Energy and AI: Energy supply for AI — नवीकरणीय ऊर्जा, प्राकृतिक गैस, और परमाणु ऊर्जा से अनुमानित योगदान।
• Speed to Power: Solutions for Accelerating Large Load Connections — बड़े-लोड कनेक्शन की चुनौतियों और समाधानों पर Lawrence Berkeley National Laboratory की समीक्षा।
• Powering Intelligence 2026 — अमेरिकी डेटा-सेंटर बिजली माँग और ग्रिड योजना पर EPRI के परिदृश्य।