کمپیوٹنگ اور مصنوعی ذہانتپری پرنٹسمیولیشن5 منٹ کا مطالعہ

اے آئی ویڈیوز کا اخراج 2030 تک 75 گنا بڑھ سکتا ہے

ایک جملہ لکھیے، ایک ویڈیو کلپ پائیے: متن سے ویڈیو بنانے کا عمل اب تجارتی پیمانے پر چل رہا ہے۔ یہ پہلے سے معلوم ہے کہ فی کلپ اس کی لاگت زیادہ ہے۔ Delavande اور رفقا کے ایک سابقہ مطالعے کے مطابق، متن سے ایک مختصر ویڈیو بنانے میں تقریباً 90 واٹ آور لگتے ہیں، جو ایک تصویر کے مقابلے میں تقریباً 30 گنا اور متن کی درجہ بندی کے ایک سادہ کام کے مقابلے میں 45,000 گنا ہے۔ اور یہ کلپس صارف کے اپنے آلے پر نہیں بنتے: ہر درخواست ڈیٹا سینٹرز میں اے آئی چِپس کے ریکوں پر چلتی ہے۔

لیکن فی کلپ لاگت سے مجموعی مقدار کے بارے میں کم ہی پتا چلتا ہے۔ اس سے یہ معلوم نہیں ہوتا کہ کتنے کلپ بنتے ہیں، اس کے لیے کون سا ہارڈویئر درکار ہے، یا ٹھنڈک کے لیے کتنا پانی استعمال ہوتا ہے۔ اور فی کلپ کارکردگی بہتر ہو سکتی ہے جبکہ مجموعی ماحولیاتی اثر (footprint) بڑھتا رہے۔

University of Lille کے Tristan Coignion نے، Bordeaux میں A. Bugeau اور G. Guennebaud اور Paris-Saclay میں A.-L. Ligozat کے ساتھ مل کر، دنیا بھر میں اے آئی کے ذریعے ویڈیو سازی کے پورے ماحولیاتی اثر کا تخمینہ لگانے کا بیڑا اٹھایا — 2026 کے لیے اور 2030 تک۔

کلپس کی گنتی

فراہم کنندگان شاذ و نادر ہی بتاتے ہیں کہ وہ کتنی ویڈیوز بناتے ہیں، اس لیے ٹیم نے جو کچھ ناپ سکی وہ ناپا۔ اس نے فروری اور اپریل 2026 کے درمیان 54 دن تک OpenAI کی ویڈیو سروس Sora کی عوامی فیڈ کو کھنگالا: 3.3 ملین عوامی ویڈیوز، یعنی تقریباً 22 ملین سالانہ۔ OpenAI نے اس کے کچھ ہی عرصے بعد Sora کی ویب اور ایپ سہولتیں بند کر دیں۔ ٹیم نے 90 دن تک HeyGen کے لائیو کاؤنٹر پر بھی نظر رکھی: تقریباً 111 ملین ویڈیوز سالانہ، نجی ویڈیوز سمیت۔

چھ دوسرے فراہم کنندگان اپنی گنتی خود شائع کرتے ہیں۔ ان میں بہت فرق سے سب سے بڑا Grok Imagine ہے، جو سالانہ تقریباً 3.8 ارب ویڈیوز بناتا ہے۔ سب کو جمع کیا جائے تو تقریباً 6.2 ارب ویڈیوز سالانہ کا قابلِ مشاہدہ مجموعہ بنتا ہے۔ ماڈل 2026 کا حجم 6.2 اور 9.5 ارب کے درمیان سے اخذ کرتا ہے، جس کا وسطانیہ (median) 7.16 ارب ہے۔

سروس کے لحاظ سے سالانہ بننے والی ویڈیوز کا نقطہ دار چارٹ، Sora کے 22 ملین سے Grok Imagine کے 3.8 ارب تک، اور 6.21 ارب کا قابلِ مشاہدہ مجموعہ۔

ہر سروس کی سالانہ اے آئی ویڈیوز: بھرے ہوئے نقطے ٹیم کے ناپے ہوئے، خالی نقطے فراہم کنندگان کے ظاہر کردہ؛ سایہ دار پٹی 2026 کے لیے ماڈل کی حد ہے۔ — شکل 1، Coignion et al. (2026)، arXiv:2611.17938۔

2026 کا بل

وہاں سے، نیچے سے اوپر کی طرف بننے والا (bottom-up) ایک ماڈل درکار اے آئی چِپس کے بیڑے کا حجم طے کرتا ہے، پھر بجلی، پانی، گرین ہاؤس گیسوں اور معدنی وسائل کے ختم ہونے کا حساب نکالتا ہے، اور غیر یقینی کو سمیٹنے کے لیے 10,000 سمولیشنز چلاتا ہے۔ تربیت اور ذخیرہ سازی شامل ہیں؛ آواز، اور ناظرین تک ویڈیوز کی سٹریمنگ، شامل نہیں۔

2026 کے لیے وسطانی نتیجہ یہ ہے: 72,600 گرافکس پروسیسرز کا بیڑا، 724 گیگاواٹ آور بجلی اور 124,300 ٹن CO₂ کے مساوی اخراج۔ انسانیت کرۂ ارض کی آب و ہوائی حد پار کیے بغیر ہر سال جتنی گرین ہاؤس گیسیں خارج کر سکتی ہے، انہیں لے کر فی فرد برابر بانٹیے: 124,300 ٹن تقریباً 126,000 افراد کا سالانہ حصہ ہے۔

فی ویڈیو، تمام اخراجات ملا کر لاگت تقریباً 100 واٹ آور بنتی ہے — ان 24.4 واٹ آور کا 4.1 گنا جو اکیلی چِپ ایک ویڈیو بنانے پر خرچ کرتی ہے۔ یہ فرق بیکار پڑے رہنے کے وقت، عمارت کے اضافی اخراجات، تربیت اور ذخیرہ سازی سے پیدا ہوتا ہے۔ اخراج میں ویڈیوز بنانے کا حصہ تقریباً 69% ہے، ماڈلز کی تربیت کا 31%، اور ذخیرہ سازی کا تقریباً کچھ بھی نہیں۔ اور بجلی کہاں سے آتی ہے، یہ اس سے زیادہ اہم ہے کہ کتنی استعمال ہوتی ہے: اخراج کے لیے بجلی کے نظام کی کاربن شدت (carbon intensity) کا وزن ویڈیوز کی تعداد سے 12 گنا زیادہ ہے۔

تین مستقبل

پھر ماڈل کو تین منظرناموں کے تحت 2030 تک چلایا جاتا ہے، سب میں ایک جیسی مستقل تکنیکی پیش رفت کے ساتھ: نئی، زیادہ مؤثر چِپس اور ہر سال تقریباً 10% زیادہ مؤثر سافٹ ویئر۔

  • حوالہ جاتی منظرنامہ: ویڈیوز کی تعداد 2027، 2028 اور 2029 میں دگنی ہوتی ہے، پھر 2030 میں 60% بڑھتی ہے — مجموعی طور پر 12.8 گنا، جو جان بوجھ کر ایک معتدل راستہ رکھا گیا ہے۔ اخراج 74 گنا بڑھ جاتا ہے، اور 2030 میں تقریباً 9.2 ملین ٹن تک پہنچ جاتا ہے: تقریباً 9.3 ملین افراد کا بجٹ۔ طلب سے زیادہ تیزی کیوں؟ ویڈیوز لمبی اور زیادہ واضح ہوتی جاتی ہیں، اس لیے فی ویڈیو توانائی 24.4 سے 214 واٹ آور تک بڑھ جاتی ہے۔
  • استعمال میں جمود: حجم، ریزولوشن اور دورانیہ 2026 کی سطح پر رہتے ہیں۔ اخراج تقریباً دو پانچویں حصے کم ہو جاتا ہے۔ یہ واحد منظرنامہ ہے جس میں اخراج گھٹتا ہے۔
  • وسیع پیمانے پر اپنایا جانا: حجم 60 گنا بڑھتا ہے۔ اخراج 42.9 ملین ٹن تک پہنچ جاتا ہے — تقریباً 44 ملین افراد کا بجٹ۔

تین منظرناموں کے لیے 2026 سے 2030 تک گرین ہاؤس گیسوں کا اخراج لوگارتھمی پیمانے پر: وسیع پیمانے پر اپنایا جانا اور حوالہ جاتی منظرنامہ تیزی سے چڑھتے ہوئے، استعمال میں جمود قدرے گرتا ہوا۔

تینوں منظرناموں کے تحت اخراج، 2026–2030؛ لکیریں وسطانیے ہیں، پٹیاں 5–95% کی حد۔ — شکل 6، Coignion et al. (2026)، arXiv:2611.17938۔

کارکردگی برابر نہیں آ پائے گی

ٹیم نے ماڈل کو الٹی سمت میں بھی چلایا۔ حوالہ جاتی راستے پر، ہر سال کارکردگی میں 30% بہتری کے باوجود 2030 کا اخراج 2026 سے 27.5 گنا زیادہ رہتا ہے۔ اخراج کو یکساں رکھنے کے لیے تقریباً 75% سالانہ بہتری درکار ہوگی — ماڈل کے فرض کردہ 10% کا کوئی سات گنا، اور عملی استعمال میں موجود کسی بھی ماڈل پر ناپی گئی بہترین کارکردگی سے بھی آگے۔ ڈیجیٹل شعبے کا اپنا ہدف، جو معاہدۂ پیرس سے ہم آہنگ ہے، 2020 اور 2030 کے درمیان اخراج میں 45% کمی کا تقاضا کرتا ہے۔

نچلی حد، بالائی حد نہیں

مصنفین یہ تمام اعداد نچلی حدوں کے طور پر پیش کرتے ہیں۔ ویڈیو بنانے والا ماڈل 2030 تک ایک جیسا فرض کیا گیا ہے، جبکہ حقیقی ماڈل غالباً زیادہ وسائل طلب ہوتے جائیں گے؛ سٹریمنگ، آواز اور اے آئی کے دوسرے استعمالات شامل نہیں کیے گئے؛ تربیت، جو سب سے کم دستاویزی حصہ ہے، چند چھوٹے اوپن ماڈلز کی بنیاد پر کیلیبریٹ کی گئی ہے۔ استعمال تیزی سے سکڑ بھی سکتا ہے، جیسا کہ Sora کی بندش نے دکھایا۔ لیکن مقالے کے اعداد کے مطابق، ماحولیاتی اثر صرف اسی صورت میں بڑھنا رکتا ہے جب ویڈیوز کی تعداد، یا ان کا معیار، بھی بڑھنا رک جائے۔