AI-ड्रिव्हन डेटा सेंटर्सचा विस्तार पुढील तीन प्रकारच्या पर्यावरणीय धोक्यांना कारणीभूत ठरत आहे: वाढते उत्सर्जन, वाढता पाणी वापर आणि इलेक्ट्रॉनिक कचरा. तर ई-कचऱ्याचा पर्यावरणीय परिणाम आणि महत्त्वाची खनिजे व दुर्मिळ धातूंच्या नुकसानीकडे अद्याप पुरेसे लक्ष दिले गेलेले नाही.
Image Source: Getty Images
कृत्रिम बुद्धिमत्तेचा (AI) अखंड विस्तार आता पर्यावरणीय परिणामांच्या दृष्टीने अर्थपूर्ण परीक्षणाकडे वळू लागला आहे, जरी ते अद्याप असमान स्वरूपाचे आहे. इंटरनॅशनल एनर्जी एजन्सी (IEA) च्या 2025 च्या अहवालानुसार, डेटा सेंटर्सचा वीज वापर 2017 पासून दरवर्षी 12 टक्क्यांनी वाढला आहे, आणि सध्या या मागणीपैकी जवळपास 60 टक्के भाग जीवाश्म इंधनांद्वारे पूर्ण केला जातो. पाण्याच्या वापराबाबतही चिंता वाढली आहे: अंदाजानुसार, जागतिक स्तरावर डेटा सेंटर्स दरवर्षी सुमारे 560 अब्ज लिटर पाणी वापरतात, जे 2030 पर्यंत 1.2 ट्रिलियन लिटरपर्यंत वाढू शकते. आणखी एका समिक्षित (peer-reviewed) अभ्यासानुसार, 2025 मध्ये AI-आधारित डेटा सेंटर्सचा पाणी वापर जागतिक बाटलीबंद पाण्याच्या वापरापेक्षा अधिक होता, जो सुमारे 446 अब्ज लिटर प्रति वर्ष आहे.
उत्सर्जन आणि पाणी वापर वाढवण्याबरोबरच, जो पर्यावरणीय चर्चेचा मुख्य विषय राहिला आहे आणि डेटा सेंटर्सच्या पर्यावरणीय परिणामातील एक महत्त्वाचा पैलू तुलनेने कमी चर्चिला गेला आहे तो म्हणजे मोठ्या प्रमाणात निर्माण होणारा इलेक्ट्रॉनिक कचरा (ई-वेस्ट) आणि इतर हार्डवेअर अवशेष. सध्याच्या प्रणाली या प्रमाणातील ई-कचऱ्याचे व्यवस्थापन करण्यास सक्षम नाहीत. मोठ्या प्रमाणात ई-कचरा लँडफिलमध्ये टाकला जातो किंवा जाळला जातो, ज्यामुळे त्याची पुनर्प्राप्ती होण्याऐवजी हवा आणि पाण्याच्या गुणवत्तेवर थेट परिणाम होतो.
डेटा सेंटर्सचा विस्तार पर्यावरणासाठी तीन पातळ्यांवर गंभीर धोका निर्माण करतो. उत्सर्जन, पाण्याचा वापर आणि कचरा निर्मिती ज्यामुळे होणारा पर्यावरणीय खर्च कोणत्याही नफ्याने भरून निघू शकत नाही. भारताच्या AI इम्पॅक्ट समिटनंतर डेटा सेंटर्सचा विस्तार एक स्पष्ट राष्ट्रीय प्राधान्य म्हणून पाहिले जात आहे. फेब्रुवारी 2026 मध्ये झालेल्या या शिखर परिषदेसमोर पंतप्रधान मोदी यांनी म्हटले, “आम्ही संपूर्ण जगातील डेटा भारतात साठवण्यासाठी आमंत्रित करतो.” डेटा सार्वभौमत्व (data sovereignty) हे निश्चितच महत्त्वाचे आहे; ग्लोबल साऊथ देश मोठ्या प्रमाणात डेटा निर्माण करतात, परंतु अमेरिका (US) एकटाच जागतिक डेटा सेंटर क्षमतेपैकी 44 टक्के वाटा राखतो. या असमतोलामुळे विकसनशील देशांमध्ये डेटा सार्वभौमत्व आणि देशांतर्गत पायाभूत सुविधांमध्ये गुंतवणुकीची महत्त्वाकांक्षा वाढली आहे.
मात्र, अनेकांच्या मते AI विकासासाठी डेटा सेंटर पायाभूत सुविधा वाढवणे हे या असमतोलाचे थेट समाधान नाही आणि ते अधिक समस्या निर्माण करू शकते. देशांतर्गत डेटा पायाभूत सुविधांची गरज योग्य आहे, परंतु त्याचा पर्यावरणावर होणारा परिणाम अधिक गांभीर्याने विचारात घेणे आवश्यक आहे. डेटा सेंटर्स आधीच संसाधन-आधारित क्षेत्र आहे; त्यांची ऊर्जा गरज, पाण्याचा वापर आणि ई-कचऱ्याची निर्मिती एकत्रितपणे दबाव वाढवतात. भारतात हे तीनही मुद्दे विशेषतः चिंताजनक आहेत.
AI संबंधित हार्डवेअरचा व्यावसायिक वापर कालावधी कमी असतो; GPUs आणि सर्व्हर्स साधारणतः 2 ते 5 वर्षांत बदलले जातात, आणि नवीन मॉडेल्स आल्याने ते लवकरच कालबाह्य ठरतात. अंदाजानुसार, केवळ जनरेटिव्ह AI मुळेच 2030 पर्यंत सुमारे 5 दशलक्ष मेट्रिक टन ई-कचरा निर्माण होऊ शकतो. प्रगत चिप्सवरील US निर्यात निर्बंधांमुळे जुने हार्डवेअर वापरणाऱ्या देशांमध्ये प्रति संगणकीय उत्पादन एककासाठी सुमारे 14 टक्के अधिक ई-कचरा निर्माण होतो.
भारतासाठी ही परिस्थिती आधीपासून अस्तित्वात असलेल्या कचरा व्यवस्थापन संकटावर अधिक भार टाकते; त्याचे परिणाम केवळ सैद्धांतिक नाहीत. दिल्लीतील मंडोली औद्योगिक क्षेत्रातील अनौपचारिक ई-कचरा पुनर्प्रक्रिया स्थळांवर करण्यात आलेल्या संशोधनात, भूजलातील जड धातूंचे प्रमाण भारतीय मानके आणि WHO च्या पिण्याच्या पाण्याच्या मर्यादेपेक्षा अधिक आढळले. पुनर्वापरयोग्य नसलेले घटक उघडपणे जाळले किंवा टाकून दिले जातात, ज्यामुळे डिऑक्सिन्स, PM10 आणि जड धातूंचे कण हवेत मिसळतात, आणि या भागातील लोकसंख्या आधीच कोळशावर चालणाऱ्या ऊर्जा प्रकल्पांमुळे आणि भूजलाच्या अतिवापरामुळे प्रभावित आहे. आर्थिक वर्ष 2023-24 मध्ये भारताने 1.75 लाख मेट्रिक टन ई-कचरा निर्माण केला, आणि औपचारिक प्रक्रिया क्षमता आधीच अपुरी आहे. 2026 मधील CPCB च्या अहवालानुसार 17 राज्ये आणि केंद्रशासित प्रदेशांमध्ये एकही नोंदणीकृत पुनर्प्रक्रिया सुविधा नाही. औपचारिक व्यवस्थेत सामावू न शकणारा कचरा अनौपचारिक क्षेत्रात जातो आणि माती व पाण्यात मिसळतो, जे आधीच डेटा सेंटर्सच्या ऊर्जा आणि शीतकरणाच्या मागण्यांमुळे प्रभावित आहेत. ‘त्रिपक्षीय धोका’ वेगवेगळ्या संकटांना जन्म देत नाही; त्याचे परिणाम एकत्रितपणे वाढतात, आणि शेवटी पर्यावरणालाच त्याची किंमत चुकवावी लागते.
लवकर हार्डवेअर बदल टाळण्यासाठी धोरणे तयार करण्यासाठी नवीन तंत्रज्ञानाची गरज नाही, मात्र यासाठी आवश्यक धोरणात्मक इच्छाशक्ती सध्या दिसून येत नाही. केंद्रीय बजेट 2026 मध्ये भारतीय डेटा सेंटर्सद्वारे क्लाउड सेवा पुरवणाऱ्या परदेशी कंपन्यांना 2047 पर्यंत करसवलत देण्याचा प्रस्ताव आहे. हा तटस्थ गुंतवणूक संकेत नाही; उलट, सरकारकडे जबाबदार पायाभूत सुविधा उभारणीसाठी अटी घालण्याची सर्वाधिक संधी असताना वित्तीय नियंत्रणच काढून टाकले जात आहे. ई-वेस्ट (मॅनेजमेंट) रुल्स, 2022 अंतर्गत अनिवार्य एक्सटेंडेड प्रोड्युसर रिस्पॉन्सिबिलिटी (EPR) पालन, सत्यापित पुनर्प्रक्रिया भागीदारी आणि 17 राज्यांतील तफावत दूर करणाऱ्या प्रादेशिक सुविधा या गुंतवणूक करारांमध्ये ऐच्छिक अटी म्हणून नव्हे, तर अनिवार्य अटी म्हणून समाविष्ट केल्या पाहिजेत. अशा जोखमी असलेल्या उद्योगासाठी करमाफी देताना पालनाची हमी नसणे योग्य नाही.
पुनर्प्रक्रियेतील तफावत भरून काढली तरी त्यातून मर्यादितच दिलासा मिळू शकतो. संशोधनातून स्पष्ट झाले आहे की, विशेषतः ई-कचऱ्याच्या बाबतीत पुनर्प्रक्रियेला संरचनात्मक मर्यादा आहेत. इलेक्ट्रॉनिक उपकरणे पुनर्प्रक्रिया लक्षात घेऊन तयार केली जात नाहीत, आणि योग्य पुनर्प्रक्रियेचे अर्थशास्त्रही अनेकदा त्याच्या विरोधात जाते. भारत जगाला ग्लोबल साउथसाठी डिजिटल पायाभूत सुविधा उभारण्याचे आमंत्रण देत आहे. मात्र, ही पायाभूत सुविधा प्रथम उभारणाऱ्या देशांच्या शोषणाधारित मॉडेलची पुनरावृत्ती करणे आणि त्यांच्या कामासोबत त्यांचा कचरा देखील स्वीकारणे, यामुळे डेटा सार्वभौमत्व साध्य होणार नाही. AI चा सध्याचा विस्तार कदाचित दीर्घकाळ टिकणार नाही, पण त्यातून निर्माण होणारा कचरा नक्कीच टिकून राहील.
कृष्णा वोहरा हे ऑब्झर्व्हर रिसर्च फाउंडेशनच्या सेंटर फॉर इकॉनॉमी अँड ग्रोथ येथे ज्युनिअर फेलो आहेत.
The views expressed above belong to the author(s). ORF research and analyses now available on Telegram! Click here to access our curated content — blogs, longforms and interviews.
Krishna Vohra is a Junior Fellow in Climate and Energy at the Centre for Economy and Growth. His research spans across resource governance, circular economy, ...
Read More +
PREV
