इंसानी ब्रेन लगभग 20 वॉट एनर्जी पर चलता है। दुनिया का सबसे तेज़ सुपरकंप्यूटर, LineShine (Shenzhen में), 42.2 मिलियन वॉट खर्च करता है। इस फर्क को AI एनर्जी यूज़ पर इंटरनेट सबसे बड़ा बहस का मुद्दा बना चुका है, और इनमें से ज्यादातर बातें ग़लत हैं।
अगर तुलना की बात करें तो यह सही है। लेकिन, सोशल मीडिया पर जो नंबर्स वायरल हो रहे हैं, उनके सोर्स एक ही रिसर्च पेपर से हैं। सबसे ज्यादा चर्चित नंबर पिछले तीन सालों से ग़लत तरीके से बताया जा रहा है।
AI एनर्जी यूज़: सिर्फ 20 वॉट में इंसानी दिमाग क्या कर पाता है?
20 वॉट का आंकड़ा दशकों से मेटाबोलिक माप पर आधारित है। ब्रेन, बॉडी वेट का सिर्फ 2% है, लेकिन रेस्टिंग ऑक्सीजन कंजंप्शन का करीब 20% यूज़ करता है।
न्यूरॉन की संख्या उतनी तय नहीं है जितना दिखाया जाता है। 86 बिलियन का जो नंबर फेमस है, वह सिर्फ चार पुरुष ब्रेन के सैंपल से लिया गया है और अभी जर्नल Brain में डिस्प्यूट किया जा रहा है।
अक्सर वायरल पोस्ट्स में 20 की जगह 12 वॉट का आंकड़ा बताया जाता है। यह नंबर 2023 में आए एक पेपर में बिना किसी सोर्स के लिखा गया है।
यही पेपर वह आंकड़ा भी देता है जो सब लोग शेयर करते हैं। इसमें बताया गया है कि इंसानी ब्रेन को डिजिटल रूप से रीक्रिएट करने पर 2.7 बिलियन वॉट एनर्जी लगेगी।
यह अनुमान 10 मिलियन न्यूरॉन की सिमुलेशन को माउस के स्केल तक एक्सट्रैपोलेट कर, फिर हजार से मल्टीप्लाई करके निकाला गया है।
पेपर में ये भी लिखा है कि सिमुलेशन बायोलॉजी से लगभग 30,000 गुना स्लो चला। लेकिन सोशल पोस्ट्स में इस डिटेल को नजरअंदाज कर दिया गया। सेकेंडरी सोर्सेज फिर इस आंकड़े का क्रेडिट Blue Brain Project को दे देते हैं, जबकि उन्होंने कभी यह पब्लिश नहीं किया।
कई और भरोसेमंद आंकड़े भी पब्लिक हैं। Epoch AI ने अनुमान लगाया है कि 2025 की शुरुआत में एक आम ChatGPT क्वेरी पर 0.3 वॉट-आवर एनर्जी लगती है। peer-reviewed जर्नल Joule में भी 0.31 का आंकड़ा आया है।
दो स्वतंत्र तरीकों का इतने नज़दीक सहमत होना असामान्य है। हालांकि, ये आंकड़ा वर्कलोड के साथ तेज़ी से बदलता है, और वे रीज़निंग मॉडल जिनके जवाब लंबे होते हैं, उनका खर्च कई गुना ज्यादा हो सकता है।
बायोलॉजी क्या अलग करती है, और सिलिकॉन ने क्या कॉपी किया
कॉर्टिकल एक्टिविटी स्पैर्स होती है। औसत फायरिंग रेट 1 Hz से कम रहती है, और एनर्जी क्लॉक साइकिल्स के बजाय बदलाव के हिसाब से चलती है।
मॉडर्न AI भी इसी निष्कर्ष पर खुद ही पहुंच गई। Kimi K2 एक्टिवेट करता है अपने 1.04 ट्रिलियन पैरामीटर्स में से 32.6 बिलियन हर टोकन पर, जो करीब 3.1% है।
यह अनुपात बहुत तेज़ी से गिर रहा है। 2023 में Mixtral ने अपने करीब 28% पैरामीटर्स यूज किए थे, जबकि DeepSeek-V3 अब सिर्फ 5.5% पैरामीटर्स का यूज़ करता है।
बायोलॉजी कम प्रिसीजन में भी कंप्यूट करती है। न्यूरॉन के अंदर कुछ भी 32 बिट्स तक रेज़ॉल्व नहीं होता।
चिपमेकर भी यही रास्ता अपना रहे हैं। DeepSeek ने ट्रेन किया 671 बिलियन पैरामीटर वाला मॉडल सिर्फ आठ-बिट प्रिसीजन में। NVIDIA ने इसके बाद चार-बिट में 12 बिलियन पैरामीटर का मॉडल प्री-ट्रेन किया।
तीसरा फर्क सबसे बड़ा है और सबसे कम कॉपी हुआ है। दिमाग में मेमोरी और कंप्यूटेशन दोनों एक ही physical जगह पर होते हैं।
डिजिटल मशीनें इन दोनों को अलग रखती हैं। Stanford के Mark Horowitz ने दिखाया कि यह अंतर कितना महंगा है। मेमोरी से किसी ऑपरेन्ड को लाना, गणना की तुलना में सैकड़ों गुना ज्यादा एनर्जी ले सकता है।
दिमाग जैसे चिप्स, जो कभी आए ही नहीं
वैसे हार्डवेयर जिन्हें खास तौर पर न्यूरॉन्स को कॉपी करने के लिए बनाया गया, वे लगातार संघर्ष कर रहे हैं। अभी तक किसी भी न्यूरोमोर्फिक या एनालॉग सिस्टम ने प्रोडक्शन में, frontier model को ना ट्रेन किया है और ना ही रन किया है।
Intel का Hala Point 1,152 चिप्स में 1.15 बिलियन आर्टिफिशियल न्यूरॉन्स के साथ आता है। यह अभी भी एक रिसर्च प्रोटोटाइप है जिसे Sandia National Laboratories में इंस्टॉल किया गया है। Intel के Neuromorphic Computing Lab के डायरेक्टर Mike Davies ने 2024 में The Register से बात करते हुए कहा:
“हम फिलहाल किसी भी LLM को Hala Point पर मैप नहीं कर रहे हैं। हमें अभी तक पता नहीं है कि ऐसा कैसे किया जाए।”
कमर्शियल तस्वीर अभी और भी पतली है। BrainChip इस सेक्टर की फ्लैगशिप लिस्टेड कंपनी है। इसने रिपोर्ट किया $700,000 कस्टमर रिसीट्स के रूप में, जबकि मार्च तिमाही में ऑपरेटिंग ऑउटफ्लो $5.3 मिलियन रहा।
बाकी कंपनियां पूरी तरह से रुक गई हैं। Rain AI, जिसने $150 मिलियन जुटाने की कोशिश की और सफल नहीं हो पाई, 2025 में बिक्री का विकल्प तलाश रही थी।
फील्ड के रिसर्चर्स इसे एक सर्कुलर समस्या मानते हैं। University of Tennessee, Knoxville की इलेक्ट्रिकल इंजीनियरिंग और कंप्यूटर साइंस की असिस्टेंट प्रोफेसर Catherine Schuman ने बताया:
“हार्डवेयर कंपनियां उस killer एप्लिकेशन का वेट कर रही हैं, लेकिन इन एप्लिकेशन को बनाना समझना बहुत मुश्किल है जब तक प्रोटोटाइपिंग के लिए हार्डवेयर ही नहीं है।”
2025 में 20 से अधिक रिसर्चर्स ने Nature में एक सहमति पेपर साइन किया। इसमें कहा गया कि इस फील्ड को अब भी अपनी जरूरत के इकोसिस्टम की कमी है।
Biology के principles जीत गए। लेकिन उनके लिए बनाए गए हार्डवेयर को वह सफलता नहीं मिली।
सभी एक ही इलेक्ट्रॉन्स के लिए बोली लगा रहे हैं
अब एफिशिएंसी मैटर करती है क्योंकि बिजली अब बंधनकारी कंडीशन बन गई है। International Energy Agency ने अनुमान लगाया कि 2025 में ग्लोबल डाटा सेंटर कंजम्प्शन 485 टेरावॉट-घंटा था।
AI-फोकस्ड फैसिलिटीज़ सिर्फ एक साल में ही 50% बढ़ गईं। एजेंसी का अनुमान है कि ये 2030 तक तीन गुना हो जाएंगी।
अब कंस्ट्रक्शन में चिप्स की सप्लाई नहीं, बल्कि ग्रिड एक्सेस बाधा बन गई है। Lawrence Berkeley National Laboratory के मुताबिक इंटरकनेक्शन रिक्वेस्ट से लेकर कमर्शियल ऑपरेशन तक का मीडियन टाइम पाँच साल से ज्यादा हो गया है।
Microsoft के CEO Satya Nadella ने नवंबर में बताया कि उनके पास ऐसे प्रोसेसर हैं जिन्हें वो इंस्टॉल नहीं कर पा रहे हैं। वजह है पावर की शॉर्टेज, सिलिकॉन की नहीं। बड़े इन्वेस्टर्स ने भी ग्रिड की तैयारियों पर यही सवाल उठाए हैं।
Bitcoin माइनर्स ने पिछले 10 सालों में ठीक इसी समस्या का हल निकाला है। उनके पास एनर्जाइज़ड साइट्स, पावर एग्रीमेंट्स, और इंटरकनेक्शन राइट्स हैं, जिन्हें नए यूज़र्स को पाने में सालों लग जाते हैं।
इसका नतीजा ये हुआ है कि अब माइनिंग एक एनर्जी और इन्फ्रास्ट्रक्चर बिज़नेस बन गई है। एक वर्किंग साइट को रीट्रोफिट करने में लगभग $3 मिलियन से $4 मिलियन प्रति मेगावाट खर्च होते हैं। वहीं, नए ग्रीनफील्ड कंस्ट्रक्शन की लागत $10 मिलियन से $12 मिलियन तक जाती है, VanEck ने अनुमान लगाया है।
अनाउंस किए गए डील्स के वैल्यू काफी बड़े हैं। पब्लिक माइनर्स ने कुल मिलाकर $70 बिलियन से ज्यादा के AI कॉन्ट्रैक्ट्स साइन किए हैं।
लेकिन डिलीवर की गई कैपेसिटी की कहानी थोड़ी अलग है। सेकंड-क्वार्टर 2026 की रिपोर्ट्स में पूरा सेक्टर मिलाकर करीब 750 मेगावाट ही असल में एनर्जाइज़ड हुए हैं।
इनमें से लगभग 437 मेगावाट Core Scientific के पास हैं। Galaxy का Helios कैंपस 133, TeraWulf 102, IREN 50, और Riot 25 मेगावाट दे पाया है। Hut 8 ने 949 मेगावाट के लिए कॉन्ट्रैक्ट साइन किया है लेकिन कुछ भी एनर्जाइज़ नहीं हुआ है।
यह ट्रांजिशन महंगा साबित हुआ है। माइनर्स MARA और CleanSpark के मिलाकर तिमाही नुकसान अगस्त में $851 मिलियन तक पहुंच गए।
अधिकांश माइनिंग क्षमता शायद कभी ट्रांसफर नहीं होगी। जुलाई में पेश किए गए प्रारंभिक Cambridge सर्वे डेटा के मुताबिक, केवल करीब 10% माइनर्स ने अपनी पावर AI को एलोकेट की है।
इस रास्ते में सबसे बड़ी रुकावट फिजिकल है। माइनिंग में इन्टरप्शन चलता है, लेकिन AI टेनेंट्स को मजबूत और लगातार पावर, डेंस कूलिंग, और फाइबर की जरूरत होती है — जो दूरदराज साइट्स में कम ही मिलती है।
फिर भी, दिशा साफ है। Core Scientific अब अपनी इनकम का 83% कोलोकेशन से कमाता है और सिर्फ 13% माइनिंग से।
निवेशकों ने इस बदलाव को पहले ही प्राइस में शामिल कर लिया है। माइनर्स, जिन्होंने साइन किए गए लीज़ होल्ड किए हैं, अपनी एनर्जीज़्ड पावर के मुकाबले काफी ऊँचे मल्टीपल्स पर ट्रेड कर रहे हैं। इसी बीच, अगला AI बेट अब चिप्स की बजाय बिजली जैसा दिखाई दे रहा है।
AI एनर्जी यूज को एफिशिएंसी क्यों ठीक नहीं कर पाएगी?
अब तक एफिशिएंसी में हुई बढ़ोतरी ने डिमांड ग्रोथ को संभाल लिया था। ग्लोबल डेटा सेंटर कंप्यूट 2010 से 2018 के बीच 550% बढ़ा, जबकि एनर्जी यूज सिर्फ 6% के करीब बढ़ी।
फिर यह पैटर्न टूट गया। यूनाइटेड स्टेट्स में डेटा सेंटर की खपत 2014 में 58 टेरावाट-आवर से बढ़कर 2023 में 176 टेरावाट-आवर हो गई।
इवोल्यूशन हमेशा एक सख्त सीमा के तहत ऑप्टिमाइज़्ड हुआ है। अगर किसी खोपड़ी ने 200 वाट खींचे होते तो मालिक की जान चली जाती, इसलिए एफिशिएंसी ही एकमात्र विकल्प थी।
AI को कभी ऐसी सीमा का सामना नहीं करना पड़ा। इसके सामने कैपिटल की सीमा जरूर रही, और कैपिटल बिजली की तुलना में कहीं ज्यादा आसानी से खिंच सकती है।
अब ये बदल रहा है। अब सवाल यह नहीं है कि बायोलॉजी ज्यादा एफिशिएंट है या नहीं। असली सवाल यह है कि जब पैसे की बजाय पावर यह तय करने लगेगी कि क्या बनेगा, तब AI किस रूप में सामने आएगा।
