बाइट्समागची वॅट्सची लढाई: चीनच्या डेटा सेंटर स्पर्धेला ‘डीपसीक’चा धक्का

'चायना क्रॉनिकल्स' लेख मालिकेतील हा 179 वा लेख आहे.

जून 2025 मध्ये OpenAI चे सीईओ आणि कृत्रिम बुद्धिमत्तेमधील (AI) अग्रगण्य व्यक्ती सॅम ऑल्टमन यांनी त्यांच्या ब्लॉग पोस्टमध्ये म्हटले की 2030 च्या दशकात बुद्धिमत्ता आणि ऊर्जा प्रचंड प्रमाणात उपलब्ध होतील, आणि या साधनांद्वारे आपल्याला हवे असलेले सर्व मिळवता येईल. मात्र, या विधानामागचे वास्तव जास्त महत्त्वाचे आहे. AI अनुप्रयोगांसाठी अत्यावश्यक असलेले डेटा सेंटर (DC) ऊर्जा निर्माण करण्याऐवजी ती वापरतात. उदाहरणार्थ, इंटरनेटवरील सामान्य माहिती शोधण्यासाठी सुमारे 0.3 वॉट-तास (Wh) विजेची गरज असते, तर जनरेटिव्ह AI वर एका क्वेरीसाठी 3 Wh पेक्षा अधिक ऊर्जा खर्च होते, म्हणजे साध्या सर्चपेक्षा 30 पट जास्त. चीनकडे जगातील सर्वात मोठी DC क्षमता आहे, ज्यामुळे चीनच्या विजेच्या वापरात आणि कार्बन उत्सर्जनात वाढ झाली आहे. अमेरिका आणि चीनमधील AI स्पर्धेत, चीनने अनेक इतर क्षेत्रांप्रमाणे, जसे स्टील ते सौरऊर्जा, DC जलद गतीने तयार केले आहेत. तरीही, तंत्रज्ञानाने स्पर्धेचे स्वरूप बदलले आहे: विजेच्या कार्यक्षमतेवर आधारित AI अनुप्रयोग अधिक महत्त्वाचे ठरत आहेत, DC क्षमतेवर नाही; जिथे डेटा प्रक्रियेस कमी वॉट्स लागतात, तिथे जिंकण्याची शक्यता जास्त आहे.

तंत्रज्ञानाने स्पर्धेचे स्वरूप बदलले आहे. जिंकणार कोण ठरवणार हे DC क्षमतेवर नाही तर, AI अनुप्रयोगांच्या ऊर्जा कार्यक्षमतेवर अवलंबून आहे; जेथे बाइट्स मागे कमी वॉट्स लागतात, तिथे जिंकण्याची शक्यता जास्त आहे.

चीनचे डेटा सेंटर्स

चीनच्या दोन उद्दिष्टांचा डेटा सेंटर (DC) क्षमतेच्या वाढीसंदर्भात मोठा अर्थ आहे. एक म्हणजे चीनचे सजग डिजिटल स्पर्धात्मक धोरण, ज्याने डेटा उत्पादनाचा नवीन घटक म्हणून घोषित केला आहे. चीनचा बाजार आकार, DC सारख्या पायाभूत सुविधा विकसित करण्याची क्षमता आणि विश्वासार्ह व स्वस्त ऊर्जा स्रोतांची वाढती उपलब्धता यामुळे त्याला संरचनात्मक फायदा मिळतो. परंतु, स्वस्त ऊर्जा पुरवठा वाढविल्यामुळे चीनच्या दुसऱ्या महत्त्वाच्या उद्दिष्टावर परिणाम झाला आहे, आणि ते म्हणजे कार्बन उत्सर्जन कमी करणे. 

2015 ते 2024 दरम्यान, चीनमधील वीजेची मागणी दरवर्षी 15 टक्क्यांनी वाढली, जी 2005 ते 2015 दरम्यानच्या दराच्या दुप्पटपेक्षा जास्त आहे, आणि यामागे DCs द्वारे वाढत्या वीजेचा वापर आहे. चीनमधील DCs द्वारे वीज वापराची अंदाजे मोजणी स्रोतांनुसार वेगळी आहे. आंतरराष्ट्रीय ऊर्जा एजन्सी (IEA) सारख्या पाश्चिमात्य स्रोतांनुसार 2024 मध्ये चीनमधील DCs द्वारे वीज वापर अंदाजे 100 TWh (टेऱावॉट तास) आहे, जे जागतिक DC वीज वापराच्या 25 टक्क्यांशी समतुल्य आहे. चिनी स्रोतांच्या मते, 2020 मध्ये त्यांच्या DCs द्वारे होणारा वीज वापर 150 TWh पेक्षा जास्त होता, जो देशाच्या एकूण वीज वापराच्या 2 टक्क्यांपेक्षा अधिक आहे. असे असल्यास, 2025 मध्ये चीनमधील वीज वापर अमेरिकेइतका किंवा त्यापेक्षा जास्त होऊ शकतो, जो सध्या जागतिक DC वीज वापरात महत्त्वाचा वाटा धरतो. सध्या चीनमधील DCs चा वीज वापर तुलनेने कमी आहे, परंतु AI inference निर्मिती अधिक जटिल होत असल्याने, इलेक्ट्रिक वाहनांसारख्या इतर नवीन मागणीनुसार त्याचा वापर अधिक वेगाने वाढण्याची अपेक्षा आहे.

डेटा अर्थव्यवस्थेवर वर्चस्व मिळवण्याचा चीनचा प्रयत्न पर्यावरणीय उद्दिष्टांपेक्षा जास्त प्राधान्य देतो.

चीनने ऊर्जा-कार्यक्षम डेटा सेंटर्स (DCs) साठी योजना आखणे दशकांपूर्वी सुरू केले. 2011 मध्ये 12 व्या पंचवार्षिक योजनेपासून, चीनने ऊर्जा-कार्यक्षम DCs च्या बांधकामाला प्रोत्साहन दिले. चीनच्या ऊर्जा आणि तंत्रज्ञान संस्थांनी अनेक मार्गदर्शक तत्त्वे आणि नियम जारी केले, जेणेकरून DC बांधकाम जागतिक ऊर्जा कार्यक्षमता आणि कार्बन डायऑक्साइड (CO2) उत्सर्जन मानकांशी सुसंगत राहील. कार्यक्षम आणि कमी-कार्बन DCs साठी काटेकोर योजना असूनही, चीनच्या DCs द्वारे वापरल्या जाणार्‍या बहुसंख्य वीजेची निर्मिती जीवाश्म इंधनावर होत आहे, आणि अंदाजानुसार 2030 पर्यंत DC वीजेच्या मागणीची पूर्तता बहुसंख्यत: जीवाश्म इंधनावरच होईल. यामागचे मुख्य कारण म्हणजे डेटा अर्थव्यवस्थेवर वर्चस्व मिळवण्याचा चीनचा प्रयत्न पर्यावरणीय उद्दिष्टांपेक्षा प्राधान्य देतो. इतर संरचनात्मक कारणांमध्ये DCs ची स्थिती चीनच्या पूर्वेकडे असणे आहे, जिथे वीज पुरवठा मुख्यत्वे कोळशावर आधारित आहे आणि त्याचा हिस्सा 70 टक्क्यांपेक्षा जास्त आहे.

चीनने 2022 मध्ये East–West Computing Resources Transmission Project (EWCRT Project) सुरू केला, जेणेकरून नूतनीकरणीय ऊर्जा निर्मिती आणि वापरातील असमतोल दूर केला जाईल. बहुसंख्य नूतनीकरणीय वीज चीनच्या पश्चिम भागात तयार होते, तर DCs पूर्वेकडे आहेत. या प्रकल्पाच्या पूर्णतेनंतर DCs मध्ये नूतनीकरणीय ऊर्जेचा वापर लक्षणीयरीत्या वाढेल आणि परिणामी कार्बन उत्सर्जन कमी होईल. चीनने 2025 पर्यंत आपल्या DCs मध्ये सरासरी Power Usage Effectiveness (PUE), ऊर्जा कार्यक्षमतेचे मेट्रिक (संपूर्ण सुविधा वीज वापराचा डेटा उपकरणांच्या वीज वापराशी गुणोत्तर), 1.5 पेक्षा कमी साध्य करण्याचा प्रयत्न केला आहे. IEA नुसार, 2023 मध्ये चीनच्या DCs चे PUE 1.56 होते, तर जागतिक सरासरी 1.43 होती. DCs मध्ये वापरल्या जाणाऱ्या कुल ऊर्जेतील 40 टक्क्यांपेक्षा जास्त थंड करण्यासाठी वापरली जाते. उत्तर चीनमधील DCs, जिथे सरासरी वातावरणीय तापमान 20°C पेक्षा कमी आहे, यांनी PUE 1.3 साध्य केले आहे कारण त्यांना बाह्य थंड करण्याची गरज कमी आहे.

DeepSeek चे हे तंत्रज्ञान चीनच्या या गृहीत धारणेवर प्रश्नचिन्ह उपस्थित करते की डेटा सेंटर्सच्या अमर्याद वाढीमुळे यश नक्की मिळेल.

कमी ऊर्जा, जास्त बुद्धिमत्ता

जेव्हा 2022 मध्ये अमेरिकी कंपनी OpenAI ने ChatGPT लाँच केले, तेव्हा चीनने जलद प्रतिसाद दिला आणि AI-केंद्रित डेटा सेंटर्सच्या बांधकामाची गती वाढवली. 2023 आणि 2024 मध्ये देशभरात 500 पेक्षा जास्त डेटा सेंटर्स प्रकल्प जाहीर झाले, तर 2024 च्या अखेरीस कमीतकमी 150 प्रकल्प पूर्ण झाले. तथापि, या नवीन संगणकीय क्षमतेपैकी सुमारे 80 टक्के अजूनही वापरात नाहीत. विडंबन म्हणजे, यामागील कारणांपैकी एक म्हणजे चीनी कंपनी DeepSeek ने लाँच केलेला R1 AI अनुप्रयोग, ज्याचा ओपन-सोर्स रीज़निंग मॉडेल ChatGPT च्या कामगिरीशी तुल्यबळ असूनही त्याचा ऊर्जा आणि आर्थिक खर्च फारच कमी आहे. जिथे ChatGPT-4 साठी 25,000 GPU (ग्राफिक्स प्रोसेसिंग युनिट्स) वापरल्या गेल्या आणि अमेरिकी कंपनी Meta च्या Llama 3.1 साठी 16,000 वापरल्या गेल्या, तिथे DeepSeek ने फक्त 2,000 चिप्स वापरल्या, ज्यासाठी खूप कमी ऊर्जा लागली. जरी विशिष्ट आकडे थोडे वेगळे असले तरी अंदाज आहे की DeepSeek ची आर्किटेक्चर आणि कमी पॅरामीटर्स त्याला समान कामगिरी साध्य करण्यासाठी सुमारे 90 टक्के कमी ऊर्जा वापरू देतात. त्यामुळे जड संसाधनांचा वापर करणाऱ्या प्रतिस्पर्ध्यांच्या मॉडेल्सवर मोठे आव्हान निर्माण होते. DeepSeek ची ही तंत्रज्ञान चीनच्या या गृहीत धारणेवर प्रश्नचिन्ह उपस्थित करते की डेटा सेंटर्सच्या अमर्याद वाढीमुळे यश नक्की मिळेल. AI मध्ये प्राधान्याचा सामना जर ऊर्जा कार्यक्षमतेभोवती केंद्रित केला तर खरे विजेते म्हणजे ग्राहक आणि पर्यावरण ठरेल.

लिडिया पॉवेल या ऑब्झर्वर रिसर्च फाउंडेशनच्या प्रतिष्ठित फेलो आहेत.