AI (Artificial Intelligence) ના વિકાસમાં હાલ ઊર્જાની સાથે સાથે હવે ભૌતિક સંસાધનોની અછત પણ મોટો પડકાર બની રહી છે. ડેટા સેન્ટર બનાવવા માટે જમીન, ઠંડુ પાણી, સ્ટીલ અને ખાસ ટ્રાન્સફોર્મર્સ જેવા સંસાધનોની અછતને કારણે પ્રોજેક્ટ્સમાં વિલંબ થઈ રહ્યો છે. રોકાણકારોએ હવે સોફ્ટવેર પરના આશાવાદથી આગળ વધીને વાસ્તવિક ઇન્ફ્રાસ્ટ્રક્ચર અને સપ્લાય ચેઇનની મર્યાદાઓ પર ધ્યાન આપવું પડશે.
AI માટે ઊર્જા પછી 'મટીરીયલ'નો પડકાર
આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI)ના વિકાસની રેસમાં સૌનું ધ્યાન વીજળી (Energy) પર છે, પરંતુ હવે એક નવો અને વધુ ગંભીર પડકાર સામે આવી રહ્યો છે: AI ને કાર્યરત કરવા માટે જરૂરી ભૌતિક સંસાધનો એટલે કે 'મટીરીયલ'ની અછત. જ્યાં એક તરફ કોડ અને અલ્ગોરિધમ્સ તરત જ સ્કેલ થઈ શકે છે, ત્યાં ડેટા સેન્ટર, પાવર ગ્રીડ અને હાર્ડવેર બનવામાં વર્ષો લાગે છે. આ ભેદ એક મોટી અડચણ ઊભી કરી રહ્યો છે, જેને રોકાણકારોએ સમજવી જરૂરી છે.
ડેટા સેન્ટર: એક મોટો બાંધકામ પ્રોજેક્ટ
AI માટેના ડેટા સેન્ટર માત્ર સર્વર્સનો સમૂહ નથી, પરંતુ એક વિશાળ ઔદ્યોગિક બાંધકામ પ્રોજેક્ટ છે. આ સુવિધાઓ માટે મોટા પ્રમાણમાં સ્ટીલ, કોંક્રીટ, તાંબુ, ઠંડક માટે પાણી અને હાઈ-વોલ્ટેજ ટ્રાન્સફોર્મર્સ તથા સર્કિટ બ્રેકર્સ જેવા ખાસ ઇલેક્ટ્રિકલ ઘટકોની જરૂર પડે છે. સોફ્ટવેર અપડેટ્સની જેમ આ સામગ્રી મેળવવામાં અને મોટા પાયે ઇન્ફ્રાસ્ટ્રક્ચર માટે જમીન સંપાદનમાં વર્ષો લાગે છે. 2026 સુધીમાં અંદાજે $1 ટ્રિલિયન સુધી પહોંચનાર વૈશ્વિક AI ઇન્ફ્રાસ્ટ્રક્ચર રોકાણ હાલમાં આ ભૌતિક મર્યાદાઓ સાથે ટકરાઈ રહ્યું છે.
ખર્ચનું માળખું અને રોકાણકારો માટે સંકેત
મુંબઈ જેવા શહેરમાં 100MW ના ડેટા સેન્ટર જેવા મોટા પ્રોજેક્ટના નાણાકીય માળખાને ધ્યાનમાં લઈએ તો, મોંઘા સર્વર હાર્ડવેર સિવાય, લગભગ 65% થી 70% ખર્ચ ઠંડક પ્રણાલીઓ અને ઇલેક્ટ્રિકલ ઘટકો સહિત ભૌતિક સંસાધનો સાથે સંકળાયેલો છે. શ્રમનો ખર્ચ 25% થી 30% છે, જ્યારે જમીન સંપાદન અને તૈયારી બાકીનો હિસ્સો બનાવે છે. AI ભલે બિઝનેસના ઇન્ટેલિજન્સ ભાગને સસ્તો બનાવી રહ્યું હોય, પરંતુ ભૌતિક પાયાનો ખર્ચ ઊંચો રહે છે અને મોંઘવારીનો ભોગ બની શકે છે. આનો અર્થ એ છે કે જેમ જેમ AIનો સ્વીકાર વધશે, તેમ તેમ ઔદ્યોગિક જમીન, પાવર ટ્રાન્સમિશન લાઇન્સ અને આવશ્યક કાચા માલસામાન જેવી ભૌતિક બિલ્ડિંગ બ્લોક્સને નિયંત્રિત કરતી અથવા પ્રદાન કરતી કંપનીઓનું વ્યૂહાત્મક મૂલ્ય વધી શકે છે.
મુખ્ય જોખમો અને વિલંબ
આ ક્ષેત્રમાં સૌથી ગંભીર જોખમોમાં ડિજિટલ વૃદ્ધિ અને ઇન્ફ્રાસ્ટ્રક્ચર વિકાસ વચ્ચેનો મેળ ન ખાવો છે. 2026 માટે જાહેર કરાયેલા ઘણા ડેટા સેન્ટર પ્રોજેક્ટ્સ વિલંબ અથવા રદ્દીકરણનો સામનો કરી રહ્યા છે. આનું મુખ્ય કારણ ગ્રીડ ઇન્ટરકનેક્શન કતાર (grid interconnection queues) છે - એટલે કે આ કેન્દ્રોને પાવર આપવા માટે જરૂરી લાઇનો હજુ સુધી અસ્તિત્વમાં નથી - અને સ્થાનિક નિયમનકારી અવરોધો. ઘણા પ્રદેશોમાં, પાવર કનેક્શન્સ માટેની બેકલોગ ગંભીર છે, કેટલાક અંદાજો વૈશ્વિક સ્તરે 2,000 GW થી વધુની ગ્રીડ કતાર દર્શાવે છે. આ વિલંબને કારણે 'સ્ટ્રેન્ડેડ કેપિટલ' (stranded capital) થઈ શકે છે, જ્યાં સાધનો પર પૈસા ખર્ચાય છે પરંતુ સુવિધા હજુ સુધી ઊર્જાવાન કે નિર્માણ પામી ન હોવાને કારણે તેનો ઉપયોગ કરી શકાતો નથી.
રોકાણકારો માટે નવી દિશા
રોકાણકારો માટે, 'મટીરીયલ'ની મર્યાદા AI સપ્લાય ચેઇનને જોવાની રીત બદલી નાખે છે. હવે તે માત્ર શ્રેષ્ઠ ચિપ્સ કોણ ડિઝાઇન કરે છે અથવા સૌથી લોકપ્રિય સોફ્ટવેર કોણ ચલાવે છે તે વિશે નથી. આ કંપનીઓની સ્થિરતા અને નફાકારકતા ભૌતિક સંસાધનો મેળવવાની તેમની ક્ષમતા પર વધુ ને વધુ નિર્ભર રહેશે. આમાં પાવર માટે લાંબા ગાળાના કરારો, ઔદ્યોગિક જમીનની ઍક્સેસ અને નિર્ણાયક હાર્ડવેર માટે વિશ્વસનીય સપ્લાય ચેઇનનો સમાવેશ થાય છે. જે કંપનીઓએ પહેલેથી જ આ સંપત્તિઓ સુરક્ષિત કરી લીધી છે અથવા પાવર અને ઇન્ફ્રાસ્ટ્રક્ચર યુટિલિટીઝ સાથે લાંબા સમયથી સંબંધો ધરાવે છે, તેમને સ્પર્ધાત્મક લાભ મળી શકે છે.
ભવિષ્યનું નિરીક્ષણ
આગળ જતાં, રોકાણકારો માટે મુખ્ય નિરીક્ષણક્ષમતા અમલીકરણ ક્ષમતા (execution capability) હશે. જ્યારે કંપનીઓ મોટા ડેટા સેન્ટર વિસ્તરણ યોજનાઓની જાહેરાત કરે છે, ત્યારે બજારે હેડલાઇન નંબરોથી આગળ જોવાની જરૂર પડશે. મહત્વપૂર્ણ સૂચકાંકોમાં શામેલ હશે કે કંપનીએ જરૂરી જમીન સુરક્ષિત કરી છે કે કેમ, સ્થાનિક પાવર ગ્રીડે કનેક્શનની તારીખોની પુષ્ટિ કરી છે કે કેમ, અને પ્રોજેક્ટ કાચા માલના વધતા ખર્ચ સામે કેટલો ખુલ્લો છે. AI અર્થતંત્ર ડિજિટલ ઉત્તેજનાના તબક્કામાંથી ભૌતિક અમલીકરણના તબક્કામાં આગળ વધી રહ્યું છે, અને વિજેતાઓ તે હશે જે ઉત્પાદન અને બાંધકામની વાસ્તવિક દુનિયાની મર્યાદાઓને પાર કરી શકશે.