2030 నాటికి AI వీడియోల ఉద్గారాలు 75 రెట్లు పెరగవచ్చు
ఒక వాక్యం టైప్ చేయండి, ఒక వీడియో క్లిప్ పొందండి: టెక్స్ట్ నుంచి వీడియో సృష్టి (text-to-video generation) ఇప్పుడు వాణిజ్య స్థాయిలో నడుస్తోంది. ఒక్కో క్లిప్కు దాని ఖర్చు ఎక్కువని ఇప్పటికే తెలుసు. డెలావాండ్ (Delavande), సహచరులు చేసిన ఒక మునుపటి అధ్యయనం ప్రకారం, టెక్స్ట్ నుంచి ఒక చిన్న వీడియోను సృష్టించడానికి సుమారు 90 వాట్-గంటలు ఖర్చవుతాయి, ఇది ఒక చిత్రానికి దాదాపు 30 రెట్లు, ఒక సాధారణ టెక్స్ట్-వర్గీకరణ పనికి 45,000 రెట్లు. అంతేకాక క్లిప్లు వినియోగదారుల సొంత పరికరాలపై తయారు కావు: ప్రతి అభ్యర్థన డేటా సెంటర్లలోని AI చిప్ల ర్యాక్లపై నడుస్తుంది.
కానీ ఒక్కో క్లిప్ ఖర్చు మొత్తం గురించి పెద్దగా ఏమీ చెప్పదు. ఎన్ని క్లిప్లు తయారవుతున్నాయో, దానికి ఎలాంటి హార్డ్వేర్ అవసరమో, శీతలీకరణకు ఎంత నీరు వాడతారో అది చెప్పదు. అలాగే మొత్తం పాదముద్ర పెరుగుతుండగానే ఒక్కో క్లిప్ సామర్థ్యం మెరుగుపడవచ్చు.
లిల్ విశ్వవిద్యాలయానికి (University of Lille) చెందిన ట్రిస్టన్ కోయిన్యోన్ (Tristan Coignion), బోర్డోలోని (Bordeaux) A. Bugeau, G. Guennebaud, పారిస్-సాక్లేలోని (Paris-Saclay) A.-L. Ligozat అనే పరిశోధకులతో కలిసి, ప్రపంచవ్యాప్తంగా AI వీడియో సృష్టి యొక్క మొత్తం పాదముద్రను అంచనా వేయడానికి పూనుకున్నారు — 2026 కోసం, 2030 వరకు.
క్లిప్లను లెక్కించడం
ప్రొవైడర్లు తాము ఎన్ని వీడియోలు సృష్టిస్తున్నారో అరుదుగా చెబుతారు, అందుకే బృందం తాను కొలవగలిగినదాన్ని కొలిచింది. ఫిబ్రవరి, ఏప్రిల్ 2026 మధ్య 54 రోజుల పాటు OpenAI వీడియో సేవ అయిన Sora పబ్లిక్ ఫీడ్ను అది జల్లెడ పట్టింది (crawled): 3.3 మిలియన్ పబ్లిక్ వీడియోలు, అంటే సంవత్సరానికి సుమారు 22 మిలియన్. ఆ కొద్దికాలానికే OpenAI, Sora వెబ్, యాప్ సేవలను మూసివేసింది. బృందం HeyGen లైవ్ కౌంటర్ను కూడా 90 రోజుల పాటు అనుసరించింది: ప్రైవేట్ వీడియోలతో కలిపి సంవత్సరానికి సుమారు 111 మిలియన్ వీడియోలు.
మరో ఆరు ప్రొవైడర్లు తమ సొంత లెక్కలను ప్రచురిస్తారు. వీటిలో అన్నింటికంటే చాలా పెద్దది Grok Imagine, సంవత్సరానికి సుమారు 3.8 బిలియన్. అన్నీ కలిపితే, ఇవి సంవత్సరానికి సుమారు 6.2 బిలియన్ వీడియోల గమనించదగిన మొత్తాన్ని ఇస్తాయి. నమూనా తన 2026 పరిమాణాన్ని 6.2, 9.5 బిలియన్ల మధ్య తీసుకుంటుంది, మధ్యగతం (median) 7.16 బిలియన్.

ఒక్కో సేవకు వార్షిక AI వీడియోలు: నిండిన చుక్కలు బృందం కొలిచినవి, ఖాళీ చుక్కలు ప్రొవైడర్లు వెల్లడించినవి; నీడ పట్టీ 2026 కోసం నమూనా పరిధి. — చిత్రం 1, Coignion et al. (2026), arXiv:2611.17938.
2026 బిల్లు
అక్కడి నుంచి, కింది నుంచి పైకి (bottom-up) నిర్మించిన ఒక నమూనా అవసరమైన AI చిప్ల సముదాయం పరిమాణాన్ని లెక్కిస్తుంది, ఆ తర్వాత విద్యుత్తు, నీరు, గ్రీన్హౌస్ వాయువులు, ఖనిజ వనరుల క్షీణతను రాబడుతుంది, అనిశ్చితిని పట్టుకోవడానికి 10,000 అనుకరణలు నడుపుతుంది. శిక్షణ (training), నిల్వ (storage) చేర్చబడ్డాయి; ధ్వని, వీక్షకులకు వీడియోల స్ట్రీమింగ్ చేర్చబడలేదు.
2026 కోసం, మధ్యగత ఫలితం 72,600 గ్రాఫిక్స్ ప్రాసెసర్ల సముదాయం, 724 గిగావాట్-గంటల విద్యుత్తు, 124,300 టన్నుల CO₂ సమానం. భూగ్రహపు వాతావరణ పరిమితిని దాటకుండా మానవాళి ఏటా విడుదల చేయగల గ్రీన్హౌస్ వాయువులను తీసుకుని, వాటిని ప్రతి ఒక్కరికీ సమానంగా పంచితే: 124,300 టన్నులు అనేది సుమారు 126,000 మంది వార్షిక వాటా.
ఒక్కో వీడియోకు, అన్నీ కలిపిన ఖర్చు సుమారు 100 వాట్-గంటలు — ఒక సృష్టికి చిప్ ఒక్కటే వెచ్చించే 24.4 వాట్-గంటలకు 4.1 రెట్లు. నిష్క్రియ సమయం, భవనాల అదనపు భారం, శిక్షణ, నిల్వ ఆ తేడాను కలిగిస్తాయి. ఉద్గారాలలో వీడియోలను సృష్టించడం వాటా సుమారు 69%, మోడళ్ల శిక్షణ 31%, నిల్వ దాదాపు ఏమీ లేదు. అలాగే విద్యుత్తు ఎంత వాడుతున్నారన్న దానికంటే, అది ఎక్కడి నుంచి వస్తుందన్నదే ఎక్కువ ముఖ్యం: ఉద్గారాల విషయంలో, విద్యుత్ గ్రిడ్ కార్బన్ తీవ్రత, వీడియోల సంఖ్య కంటే 12 రెట్లు ఎక్కువ ప్రభావం చూపుతుంది.
మూడు భవిష్యత్తులు
ఆ తర్వాత నమూనా మూడు దృశ్యాల (scenarios) కింద 2030 వరకు నడుస్తుంది, అన్నింటిలోనూ ఒకే స్థిరమైన సాంకేతిక పురోగతి ఉంటుంది: కొత్త, మరింత సమర్థవంతమైన చిప్లు, ప్రతి సంవత్సరం సుమారు 10% మరింత సమర్థవంతమయ్యే సాఫ్ట్వేర్.
- సూచన దృశ్యం (Reference): వీడియోల సంఖ్య 2027, 2028, 2029లలో రెట్టింపు అవుతుంది, ఆ తర్వాత 2030లో 60% పెరుగుతుంది — మొత్తం మీద 12.8 రెట్లు, ఉద్దేశపూర్వకంగా ఎంచుకున్న నిరాడంబర మార్గం. ఉద్గారాలు 74 రెట్లు పెరిగి, 2030లో సుమారు 9.2 మిలియన్ టన్నులకు చేరుతాయి: సుమారు 9.3 మిలియన్ మంది బడ్జెట్. డిమాండ్ కంటే వేగంగా ఎందుకు? వీడియోలు మరింత పొడవుగా, మరింత స్పష్టంగా మారతాయి, కాబట్టి ఒక్కో వీడియోకు శక్తి 24.4 నుంచి 214 వాట్-గంటలకు పెరుగుతుంది.
- వినియోగ స్తబ్దత (Usage stagnation): పరిమాణం, రిజల్యూషన్, నిడివి 2026 స్థాయిల్లోనే ఉంటాయి. ఉద్గారాలు సుమారు ఐదింట రెండు వంతులు తగ్గుతాయి. అవి తగ్గే ఏకైక దృశ్యం ఇదే.
- విస్తృత వినియోగం (Mass adoption): పరిమాణం 60 రెట్లు పెరుగుతుంది. ఉద్గారాలు 42.9 మిలియన్ టన్నులకు చేరతాయి — సుమారు 44 మిలియన్ మంది బడ్జెట్.

మూడు దృశ్యాల కింద ఉద్గారాలు, 2026–2030; గీతలు మధ్యగతాలు, పట్టీలు 5–95% పరిధి. — చిత్రం 6, Coignion et al. (2026), arXiv:2611.17938.
సామర్థ్యం అందుకోలేదు
బృందం నమూనాను వెనక్కి కూడా నడిపింది. సూచన మార్గంలో, ప్రతి సంవత్సరం 30% సామర్థ్య లాభం వచ్చినా, 2030 ఉద్గారాలు 2026 కంటే 27.5 రెట్లు ఎక్కువగానే ఉంటాయి. ఉద్గారాలను స్థిరంగా ఉంచాలంటే సంవత్సరానికి సుమారు 75% అవసరం — నమూనా ఊహించే 10%కి దాదాపు ఏడు రెట్లు, ఉత్పత్తిలో వాడుతున్న ఏ మోడల్పైనైనా కొలిచిన అత్యుత్తమ సామర్థ్యానికి మించి. పారిస్ ఒప్పందానికి (Paris Agreement) అనుగుణంగా ఉన్న డిజిటల్ రంగపు సొంత లక్ష్యం, 2020, 2030 మధ్య ఉద్గారాలలో 45% కోత కోరుతుంది.
నేల మాత్రమే, పైకప్పు కాదు
రచయితలు ఈ సంఖ్యలన్నింటినీ కనిష్ఠ పరిమితులుగా (lower bounds) చూపిస్తున్నారు. సృష్టి మోడల్ను 2030 వరకు మార్చకుండా ఉంచారు, అయితే నిజమైన మోడళ్లు బహుశా మరింత ఎక్కువ వనరులను కోరేవిగా మారతాయి; స్ట్రీమింగ్, ధ్వని, ఇతర AI వినియోగాలను వదిలేశారు; అత్యంత తక్కువగా నమోదైన భాగమైన శిక్షణను, కొన్ని చిన్న ఓపెన్ మోడళ్ల ఆధారంగా క్రమాంకనం చేశారు. Sora మూసివేత చూపించినట్లుగా, వినియోగం వేగంగా తగ్గిపోనూవచ్చు. కానీ పత్రంలోని సంఖ్యల ప్రకారం, వీడియోల సంఖ్య గానీ, వాటి నాణ్యత గానీ పెరగడం ఆగినప్పుడే పాదముద్ర పెరగడం ఆగుతుంది.
