এআই কি সত্যিই পৃথিবীর জল শুকিয়ে দিচ্ছে? ডেটা সেন্টারের জলখরচের আসল হিসাব

একটা ই-মেল লিখতে কয়েক সেকেন্ড। একটা প্রশ্নের উত্তর পেতে আরও কম সময়। ছবি তৈরি, তথ্য খোঁজা, অনুবাদ কিংবা অফিসের কাজ—কৃত্রিম বুদ্ধিমত্তা এখন আমাদের দৈনন্দিন জীবনের অংশ।

কিন্তু স্ক্রিনে কয়েক লাইনের উত্তর দেখা গেলেও তার পেছনে কাজ করে হাজার হাজার সার্ভার, শক্তিশালী চিপ এবং বিশাল ডেটা সেন্টার। আর সেই সার্ভারগুলিকে সচল রাখতে প্রয়োজন হয় বিপুল পরিমাণ বিদ্যুৎ এবং অনেক ক্ষেত্রে জল।

তাহলে কি সত্যিই ChatGPT-কে একটি প্রশ্ন করলেই এক বোতল জল শেষ হয়ে যাচ্ছে?

বিষয়টি এতটা সরল নয়। তবে গবেষণা বলছে, AI-এর দ্রুত বিস্তারের সঙ্গে জল ব্যবহারের একটি বাস্তব পরিবেশগত চাপ তৈরি হচ্ছে—বিশেষ করে জল-সঙ্কটপ্রবণ এলাকায়।

৫১৯ মিলিলিটার জলের গল্পটা আসলে কী?

সোশ্যাল মিডিয়ায় সবচেয়ে বেশি ছড়ানো একটি তথ্য হল—GPT-4 দিয়ে ১০০ শব্দের একটি ই-মেল তৈরি করতে প্রায় ৫১৯ মিলিলিটার জল লাগে।

এই সংখ্যাটির উৎস ২০২৪ সালের একটি Washington Post বিশ্লেষণ, যেখানে University of California, Riverside-এর গবেষকদের সঙ্গে কাজ করে GPT-4-এর একটি নির্দিষ্ট ব্যবহারের জল ও বিদ্যুৎ-পদচিহ্ন অনুমান করা হয়েছিল। হিসাবটিতে শুধু ডেটা সেন্টারের cooling নয়, সেই বিদ্যুৎ উৎপাদনের সঙ্গে যুক্ত জলও ধরা হয়েছিল।

অর্থাৎ, ৫১৯ মিলিলিটারকে প্রতিটি ChatGPT প্রশ্নের নির্দিষ্ট জলখরচ হিসেবে দেখানো ঠিক নয়।

কারণ AI-এর জলব্যবহার নির্ভর করে মডেল, উত্তর কত বড়, ডেটা সেন্টার কোথায়, কী ধরনের cooling system ব্যবহার হচ্ছে এবং বিদ্যুৎ কোথা থেকে আসছে—এসবের ওপর।

এমনকি গবেষক Shaolei Ren-এর সাম্প্রতিক ব্যাখ্যায় পুরনো ৫১৯ মিলিলিটার হিসাবকে বর্তমান AI ব্যবস্থার জন্য outdated বলা হয়েছে এবং নতুন ব্যবহারের ক্ষেত্রে অনেক কম সংখ্যার কথা বলা হয়েছে।

তাহলে AI-এর জল যাচ্ছে কোথায়?

প্রথম বড় জায়গা হল ডেটা সেন্টারের cooling system।

হাজার হাজার GPU ও অন্যান্য চিপ একসঙ্গে কাজ করলে বিপুল তাপ তৈরি হয়। সেই তাপ সরাতে বিভিন্ন প্রযুক্তি ব্যবহার করা হয়। তার মধ্যে evaporative cooling এমন একটি পদ্ধতি, যেখানে জলের বাষ্পীভবনের মাধ্যমে তাপ বাইরে বের করে দেওয়া হয়।

ফলে ব্যবহৃত জলের একটি অংশ স্থানীয় জলব্যবস্থা থেকে নিয়ে শেষ পর্যন্ত বাষ্প হয়ে যায়। গবেষণায় direct water consumption এবং water withdrawal-এর মধ্যে পার্থক্য করাও অত্যন্ত গুরুত্বপূর্ণ।

তবে এখানেই হিসাব শেষ নয়।

AI চালানোর জন্য যে বিপুল বিদ্যুৎ দরকার, সেই বিদ্যুৎ উৎপাদনের ক্ষেত্রেও জল লাগে। ফলে AI-এর জলপদচিহ্নের একটি বড় অংশ ডেটা সেন্টারের বাইরে তৈরি হয়।

বিদ্যুৎ উৎপাদনের জলখরচ আরও বড়?

সাম্প্রতিক Ceres বিশ্লেষণ দেখিয়েছে, মার্কিন যুক্তরাষ্ট্রের কয়েকটি রাজ্যে ডেটা সেন্টারগুলির বিদ্যুৎ সরবরাহের সঙ্গে যুক্ত freshwater demand সরাসরি data-center cooling-এর তুলনায় বহু গুণ বেশি হতে পারে।

তাদের বিশ্লেষণে সংশ্লিষ্ট রাজ্যগুলির ডেটা সেন্টারগুলির জন্য বিদ্যুৎ উৎপাদনে বছরে প্রায় ৩.৪ ট্রিলিয়ন গ্যালন freshwater dependency-এর হিসাব দেওয়া হয়েছে।

তাই “AI-এর জলখরচ” বলতে শুধু সার্ভারের পাশে থাকা cooling tower-এর জল বোঝালে পুরো ছবিটা দেখা হয় না।

তবে “বিদ্যুৎ উৎপাদনে ঠিক ১২ গুণ বেশি জল খরচ হয়”—এটিকে বিশ্বজুড়ে প্রতিটি AI ডেটা সেন্টারের জন্য নির্দিষ্ট নিয়ম হিসেবে বলা যাবে না। জল ব্যবহারের পরিমাণ বিদ্যুৎ উৎপাদনের প্রযুক্তি ও অঞ্চলভেদে ব্যাপকভাবে বদলায়।

২০২৭ সালে AI-এর জলপদচিহ্ন কত হতে পারে?

Pengfei Li, Shaolei Ren এবং তাঁদের সহ-গবেষকদের গবেষণায় ২০২৭ সালে বিশ্বব্যাপী AI demand-এর সঙ্গে যুক্ত water withdrawal প্রায় ৪.২ থেকে ৬.৬ বিলিয়ন ঘনমিটার পর্যন্ত হতে পারে বলে projection দেওয়া হয়েছিল।

এখানে একটি গুরুত্বপূর্ণ শব্দ হল—projection।

এটি ২০২৭ সালের নিশ্চিত পরিমাপ নয়। বিভিন্ন অনুমান ও ভবিষ্যৎ AI ব্যবহারের scenario-এর ওপর ভিত্তি করে তৈরি করা হিসাব।

আরেকটি গুরুত্বপূর্ণ পার্থক্য হল water withdrawal এবং water consumption এক জিনিস নয়। ২০২৭ সালের ওই গবেষণায় ৪.২–৬.৬ বিলিয়ন ঘনমিটার হল withdrawal-এর projection; evaporated বা consumed water-এর হিসাব আলাদা এবং অনেক কম।

Google-এর জলখরচ কত?

Google-এর 2025 Environmental Report অনুযায়ী, ২০২৪ সালে তাদের data centers এবং offices মিলিয়ে মোট water consumption ছিল প্রায় ৮.১ বিলিয়ন গ্যালন, অর্থাৎ প্রায় ৩১ বিলিয়ন লিটার।

এর মধ্যে data centers-এর consumption ছিল প্রায় ৭.৮ বিলিয়ন গ্যালন। অর্থাৎ মোটের সিংহভাগই data-center operations-এর সঙ্গে যুক্ত।

তবে এখানেও একটি গুরুত্বপূর্ণ তথ্য রয়েছে।

Google জানিয়েছে, ২০২৪ সালে তাদের freshwater withdrawals-এর ৭২ শতাংশ এমন উৎস থেকে এসেছিল যেগুলিকে তারা low risk of water depletion or scarcity হিসেবে শ্রেণিবদ্ধ করেছে। একই বছরে water stewardship projects-এর মাধ্যমে প্রায় ৪.৫ বিলিয়ন গ্যালন জল replenish করার কথাও জানিয়েছে সংস্থাটি।

তাই শুধু মোট জলখরচ দেখলেই কোন অঞ্চলে তার প্রভাব কতটা—তা বোঝা যায় না।

Microsoft-এর GPT-4 training-এ কত জল লেগেছিল?

এখানে একটি বাস্তব উদাহরণ রয়েছে।

GPT-4-এর training-এর সঙ্গে যুক্ত Microsoft-এর Iowa data-center cluster-এর ক্ষেত্রে ২০২২ সালের জুলাইয়ে প্রায় ১১.৫ মিলিয়ন গ্যালন জল ব্যবহারের তথ্য West Des Moines Water Works-এর data উদ্ধৃত করে Associated Press প্রকাশ করেছিল।

তবে এটিকে শুধু “GPT-4-এর জলখরচ” বলা একটু সরলীকরণ হবে। ওই সময়ে data-center cluster-এর সামগ্রিক cooling demand-এর সঙ্গে এই জলব্যবহার যুক্ত ছিল।

Meta-র ক্ষেত্রেও একই ছবি?

Meta-র ২০২৩ সালের হিসাব অনুযায়ী, কোম্পানিটির worldwide water consumption ছিল প্রায় ৮১৩ মিলিয়ন গ্যালন।

এর প্রায় ৯৫ শতাংশ, অর্থাৎ প্রায় ৭৭৬ মিলিয়ন গ্যালন, data centers-এ ব্যবহৃত হয়েছিল বলে কোম্পানির প্রকাশিত তথ্য বিশ্লেষণ করে রিপোর্ট করা হয়েছে।

অর্থাৎ বড় প্রযুক্তি সংস্থাগুলির ক্ষেত্রে data-center infrastructure-এর জলচাহিদা যে গুরুত্বপূর্ণ বিষয় হয়ে উঠেছে, তা অস্বীকার করার সুযোগ নেই।

কিন্তু সবচেয়ে বড় সমস্যা কোথায়?

সমস্যাটি শুধু পৃথিবীতে মোট কত জল আছে—এখানে নয়।

জল কোথা থেকে নেওয়া হচ্ছে, সেটাই অনেক সময় বেশি গুরুত্বপূর্ণ।

একটি জলসমৃদ্ধ এলাকায় কয়েক মিলিয়ন লিটার ব্যবহারের প্রভাব এবং বহু বছর ধরে খরায় থাকা একটি অঞ্চলের একই পরিমাণ জল ব্যবহারের প্রভাব এক নয়।

এই কারণেই AI data center কোথায় তৈরি হচ্ছে, সেই প্রশ্নটি ক্রমশ গুরুত্বপূর্ণ হয়ে উঠছে।

২০২৬ সালের একটি Water Research review-তেও উল্লেখ করা হয়েছে যে ২০২২ সালের পর তৈরি হওয়া data centers-এর বড় অংশ water-stressed অঞ্চলে রয়েছে এবং AI-এর water footprint-এর মধ্যে cooling-এর পাশাপাশি electricity generation ও semiconductor manufacturing-ও অন্তর্ভুক্ত।

চিলিতে Google-এর প্রকল্প কেন থেমেছিল?

এর একটি উল্লেখযোগ্য উদাহরণ Chile।

Santiago-র Cerrillos এলাকায় Google প্রায় ২০০ মিলিয়ন ডলারের একটি data center তৈরি করতে চেয়েছিল। কিন্তু প্রকল্পটির জলব্যবহার নিয়ে স্থানীয় পর্যায়ে উদ্বেগ তৈরি হয়।

২০২৪ সালে Chile-র একটি environmental court Google-এর অনুমোদন আংশিকভাবে বাতিল করে এবং Santiago aquifer-এর ওপর climate change ও water impact আরও খতিয়ে দেখতে বলে।

পরবর্তীতে Google মূল পরিকল্পনাটি থেকে সরে গিয়ে একই এলাকায় নতুন করে, air-cooling প্রযুক্তি ব্যবহার করে প্রকল্প ভাবার কথা জানায়।

অর্থাৎ এখানে আদালতের পদক্ষেপটি “AI বন্ধ করার নির্দেশ” ছিল না; মূল বিষয় ছিল প্রকল্পটির environmental এবং water impact পুনর্মূল্যায়ন।

মেক্সিকোর Querétaro-তেও জল নিয়ে প্রশ্ন

Mexico-র Querétaro অঞ্চলেও data center expansion এবং জলসংকট নিয়ে বিতর্ক রয়েছে।

প্রকাশিত নথি-ভিত্তিক অনুসন্ধানে দেখা গেছে, Microsoft-এর একটি data center-এর সঙ্গে যুক্ত Vesta industrial park-এ বছরে সর্বোচ্চ ২৫ মিলিয়ন লিটার জল উত্তোলনের অনুমতির তথ্য রয়েছে।

তবে এটিকে “Microsoft প্রতি বছর সরাসরি ২৫ মিলিয়ন লিটার পানীয় জল খেয়ে ফেলছে”—এভাবে বলা ঠিক হবে না। এটি একটি water-extraction permit-এর সঙ্গে যুক্ত পরিমাণ এবং স্থানীয় জলব্যবস্থা, অনুমতি ও ব্যবহারের প্রকৃতি আলাদাভাবে দেখতে হয়।

Arizona-র ১৪ বিলিয়ন ডলারের প্রকল্পও কি জলের জন্য বাতিল?

এখানেও সতর্ক থাকা জরুরি।

Arizona-র Goodyear/Buckeye এলাকায় Tract-এর প্রস্তাবিত প্রায় ১৪ বিলিয়ন ডলারের data-center project ২০২৪ সালে developer প্রত্যাহার করে নেয়।

স্থানীয় বাসিন্দাদের বিরোধিতার মধ্যে জল ও অন্যান্য স্থানীয় সম্পদের ওপর চাপ নিয়ে উদ্বেগ ছিল বলে রিপোর্ট করা হয়েছে। তবে প্রকল্পটি শুধুমাত্র “জলের জন্য বাতিল” হয়েছিল—এমন সরল সিদ্ধান্তে পৌঁছনো ঠিক নয়; building height, noise এবং স্থানীয় সম্পদের চাপসহ একাধিক বিষয় নিয়ে আপত্তি ছিল।

আর Arizona-তে data center-এর জলব্যবহার নিয়ে বিতর্ক এখনও চলছে। ২০২৬ সালের আগস্টে রাজ্যের Attorney General নতুন data center approval ও construction-এ statewide pause-এর আহ্বান জানিয়েছিলেন এবং Colorado River water allocation কমার প্রসঙ্গও তুলেছিলেন।

তাহলে কি AI পৃথিবীর জল শেষ করে দেবে?

এখানেই সবচেয়ে গুরুত্বপূর্ণ FACT CHECK।

না—বর্তমান গবেষণা থেকে এমন দাবি করা যায় না যে AI পৃথিবীর মিঠা জল “শেষ করে দেবে”।

কিন্তু এটাও সত্য যে AI infrastructure-এর জলপদচিহ্ন বাস্তব এবং দ্রুত বাড়তে থাকা একটি পরিবেশগত বিষয়।

বিশেষ করে water-stressed অঞ্চলে বড় data center বসানো হলে স্থানীয় জলসম্পদের ওপর চাপ তৈরি হতে পারে। একই সঙ্গে বিদ্যুৎ উৎপাদন এবং chip manufacturing-এর মতো পরোক্ষ জলব্যবহারও হিসাবের মধ্যে আনতে হবে।

আর AI ব্যবহারের প্রতিটি প্রশ্নের জন্য একই পরিমাণ জল লাগে—এমন ধারণাও সঠিক নয়।

একই কাজের ক্ষেত্রে data center, cooling technology, আবহাওয়া, electricity mix, model size এবং response length বদলালে জলপদচিহ্নও বদলে যায়।

ভবিষ্যতের সমাধান কোথায়?

প্রযুক্তি বন্ধ করে দেওয়া নয়, বরং কীভাবে কম জল ব্যবহার করে AI infrastructure তৈরি করা যায়, সেটিই বড় প্রশ্ন।

Microsoft ইতিমধ্যেই এমন নতুন data-center design-এর কথা জানিয়েছে যেখানে cooling-এর জন্য zero-water design ব্যবহার করা হচ্ছে এবং প্রতি facility-তে বছরে আনুমানিক ১.২৫ লাখ ঘনমিটার জল ব্যবহারের প্রয়োজন এড়ানোর লক্ষ্য রয়েছে।

Air cooling, closed-loop systems, recycled/reclaimed water, water-efficient cooling এবং water-stressed অঞ্চল এড়িয়ে data center বসানো—এসব প্রযুক্তিগত ও পরিকল্পনাগত পদক্ষেপ জলচাপ কমাতে পারে।

অর্থাৎ AI-এর ভবিষ্যৎ শুধু আরও শক্তিশালী chip বা আরও দ্রুত chatbot-এর ওপর নির্ভর করছে না।

নির্ভর করছে—এই প্রযুক্তি কতটা জল-সচেতনভাবে তৈরি করা যায় তার ওপর।

কারণ আমাদের স্ক্রিনে একটি AI উত্তর আসতে কয়েক সেকেন্ডই লাগে।

কিন্তু সেই উত্তরের পেছনে যে server, বিদ্যুৎ, cooling system এবং জলব্যবস্থা কাজ করে—তার প্রভাব অনেক বেশি দীর্ঘস্থায়ী হতে পারে।

FACT CHECK: ভাইরাল দাবিগুলির কতটা সত্য?

দাবি: “প্রতিটি ChatGPT প্রশ্নে ৫১৯ মিলিলিটার জল লাগে।”
❌ ভুলভাবে উপস্থাপিত। ৫১৯ মিলিলিটার ছিল GPT-4 দিয়ে ১০০ শব্দের একটি ই-মেলের জন্য নির্দিষ্ট assumptions-ভিত্তিক একটি ২০২৪ সালের estimate। এটি প্রতিটি ChatGPT query-র fixed consumption নয়।

দাবি: “AI-এর ৬.৬ বিলিয়ন ঘনমিটার জল খরচ নিশ্চিত।”
⚠️ Projection। ২০২৭ সালের AI demand-এর জন্য ৪.২–৬.৬ বিলিয়ন ঘনমিটার water withdrawal-এর projection রয়েছে। এটি ভবিষ্যৎ scenario, মাপা বাস্তব consumption নয়।

দাবি: “Google ২০২৪ সালে ৮.১ বিলিয়ন গ্যালন জল খরচ করেছে।”
✅ মূলত সঠিক। Google-এর নিজস্ব 2025 Environmental Report অনুযায়ী data centers ও offices মিলিয়ে ২০২৪ সালের water consumption প্রায় ৮.১ বিলিয়ন গ্যালন।

দাবি: “GPT-4 training-এর সময় Iowa-তে ১১.৫ মিলিয়ন গ্যালন জল ব্যবহার হয়েছিল।”
✅ নির্দিষ্ট সময় ও facility-র ক্ষেত্রে সমর্থিত। ২০২২ সালের জুলাইয়ে Microsoft-এর Iowa data-center cluster-এ প্রায় ১১.৫ মিলিয়ন গ্যালন জল ব্যবহারের তথ্য প্রকাশিত হয়েছিল।

দাবি: “AI-এর জলসংকট মানেই পৃথিবীর জল শেষ।”
❌ বৈজ্ঞানিকভাবে সমর্থিত নয়। গবেষণা AI-এর water footprint ও স্থানীয় জলসংকটের ঝুঁকি নিয়ে সতর্ক করছে, কিন্তু মানবজাতির সব মিঠা জল শেষ হয়ে যাওয়ার পূর্বাভাস দেয় না।

শেষ কথা

AI আমাদের জীবনকে সহজ করছে—এটা বাস্তব।

কিন্তু “ডিজিটাল” বলে তার কোনো physical footprint নেই, সেটাও সত্য নয়।

প্রতিটি AI service-এর পেছনে রয়েছে data center, electricity, cooling এবং hardware। ফলে আগামী দিনের বড় প্রশ্ন হয়তো শুধু হবে না—“AI কতটা intelligent?”

প্রশ্ন হবে—“AI কতটা sustainable?”