AI ની રેસમાં ભારત: માત્ર ડેટા સેન્ટર નહીં, ઔદ્યોગિક મજબૂતી પર ફોકસ જરૂરી

ભારતની AI મિશન ફક્ત મૂડી અને ડેટા સેન્ટરો પૂરતી સીમિત નથી. રોકાણકારોએ લાંબા ગાળાની વૃદ્ધિ સમજવા માટે ઈન્ફ્રાસ્ટ્રક્ચર પ્રદાતાઓ અને ફાઉન્ડેશનલ ટેકનોલોજી ક્ષમતાઓ વચ્ચેના અંતર પર ધ્યાન કેન્દ્રિત કરવું જોઈએ.

શું થયું?

તાજેતરના વિશ્લેષણ સૂચવે છે કે આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) તરફ ભારતનું વલણ ફક્ત ભંડોળ સુરક્ષિત કરવા અને ડેટા સેન્ટરો બનાવવા કરતાં આગળ વધવાની જરૂર છે. ચર્ચા હવે મજબૂત ઔદ્યોગિક અને વૈજ્ઞાનિક પાયાની જરૂરિયાત તરફ વળી રહી છે. જ્યારે IndiaAI મિશન ગણતરી શક્તિ (computing power) બનાવવા માટે છે, ટીકાકારો દલીલ કરે છે કે સાચી ટેકનોલોજીકલ નેતૃત્વ માટે ફક્ત ઈન્ફ્રાસ્ટ્રક્ચર કરતાં વધુની જરૂર છે. તેના માટે મજબૂત સંશોધન, ઊંડાણપૂર્વની સંસ્થાઓ અને ઉત્પાદન આધારની જરૂર છે જે ફક્ત વપરાશને બદલે સાચી નવીનતાને ટેકો આપી શકે.

ભંડોળ પરના ફોકસથી આગળ

વર્ષોથી, બજારની ચર્ચાઓમાં મૂડી ખર્ચ (capital expenditure) અને ગણતરી ક્ષમતા (compute capacity) ને પ્રાધાન્ય આપવામાં આવ્યું છે. જોકે, સંપૂર્ણ નાણાકીય અભિગમ ટેકનોલોજીકલ ધાર જાળવવા માટે જરૂરી અંતર્ગત ક્ષમતાઓને અવગણવાનું જોખમ ધરાવે છે. ઐતિહાસિક રીતે, જે દેશો વૈશ્વિક ટેકનોલોજી લીડર બન્યા છે - જેમ કે યુનાઇટેડ સ્ટેટ્સ અને ચીન - તેમણે દાયકાઓ સુધી યુનિવર્સિટીઓ, સંશોધન પ્રયોગશાળાઓ અને સુસંગત જાહેર નીતિઓમાં રોકાણ કર્યું છે. ભારતમાં વર્તમાન ચર્ચા એવી ચિંતા દર્શાવે છે કે દેશ સંશોધન અને બૌદ્ધિક સંપદાના 'સોફ્ટવેર' સ્થાપિત કરતા પહેલા AI ના 'હાર્ડવેર' પર ધ્યાન કેન્દ્રિત કરી રહ્યો છે. લેબ્સ બનાવવી અને ઉત્તમ STEM પ્રતિભાઓને જાળવી રાખવી એ વૈશ્વિક કંપનીઓ માટે ફક્ત ટેકનોલોજી આયાત કરવા અથવા સર્વર હોસ્ટ કરવાને બદલે આવશ્યક પગલાં તરીકે ઓળખવામાં આવી રહ્યા છે.

ઔદ્યોગિક ઊંડાઈ તરફ બદલાવ

એવો દૃષ્ટિકોણ વધી રહ્યો છે કે AI શક્તિ તરફ ભારતનો માર્ગ તેના વ્યાપક ઔદ્યોગિકીકરણ સાથે જોડાયેલો છે. જે અર્થતંત્રોએ નાણાકીય સેવાઓ તરફ વળતા પહેલા તેમનો ઉત્પાદન આધાર બનાવ્યો તેનાથી વિપરીત, ભારતના આર્થિક વિકાસમાં સેવા-લક્ષી (service-oriented) રહ્યું છે. અર્થશાસ્ત્રીઓ નોંધે છે કે આ અકાળ નાણાકીયકરણ (financialization) ટેકનોલોજીકલ સ્થિતિસ્થાપકતા અને રોજગારમાં અંતર છોડી શકે છે. ડિજિટલ પ્લેટફોર્મના ગ્રાહક બનવાથી લઈને તેના પોતાના ડિજિટલ ભવિષ્યના આર્કિટેક્ટ બનવા સુધી, દેશ એક એવું વાતાવરણ વિકસાવવાનો પડકાર સામનો કરી રહ્યો છે જ્યાં R&D ને નાણાકીય ઇજનેરી (financial engineering) કરતાં વધુ પ્રાધાન્ય આપવામાં આવે. નિયમનકારી જટિલતા અને વહીવટી ઘર્ષણ હજી પણ અવરોધો છે જે સ્થાપકો અને નવીનતાઓને નેવિગેટ કરવાની જરૂર છે, ઘણીવાર એવી ઊર્જાનો વપરાશ કરે છે જે તકનીકી સફળતાઓ પર વધુ સારી રીતે ખર્ચ કરી શકાય.

રોકાણકારો આને કેવી રીતે વાંચી શકે?

રોકાણકારો વર્તમાન AI વર્ણનમાં બે પ્રકારની કંપનીઓને અલગ પાડવાનું શીખી રહ્યા છે. પ્રથમ જૂથમાં ઈન્ફ્રાસ્ટ્રક્ચર પ્રદાન કરતી કંપનીઓનો સમાવેશ થાય છે - જેમ કે વીજળી, બાંધકામ અને ડેટા સેન્ટર રિયલ એસ્ટેટ - જે તાત્કાલિક મૂડી ખર્ચથી લાભ મેળવે છે. આ કંપનીઓ મૂળભૂત રીતે ડિજિટલ અર્થતંત્રના 'મકાનમાલિક' છે. બીજા જૂથમાં એવી કંપનીઓ શામેલ છે જે વાસ્તવિક બૌદ્ધિક સંપત્તિ (intellectual property), માલિકીના મોડેલો અને ડીપ-ટેક સોલ્યુશન્સ બનાવે છે. બીજા જૂથ માટે ઉચ્ચ સંશોધન ખર્ચની જરૂર પડે છે અને વધુ અમલીકરણનું જોખમ ધરાવે છે પરંતુ સંભવિત રૂપે વધુ લાંબા ગાળાનું મૂલ્ય પ્રદાન કરે છે. બજાર સહભાગીઓ જોઈ શકે છે કે કંપનીઓ ફક્ત ભાગીદારી દ્વારા AI ટ્રેન્ડમાં ભાગ લઈ રહી છે કે પછી સક્રિયપણે તે ફાઉન્ડેશનલ ક્ષમતાઓ વિકસાવી રહી છે જે ઉત્પાદકતાના આગામી દાયકાને વ્યાખ્યાયિત કરશે.

રોકાણકારોએ શું ટ્રેક કરવું જોઈએ?

આગળ જતાં, રોકાણકારો માટે ફોકસ પ્રગતિના ચોક્કસ માર્કર્સ તરફ બદલાઈ શકે છે. મુખ્ય મોનિટર કરી શકાય તેવી બાબતોમાં સરકારી-સમર્થિત AI કમ્પ્યુટ ઈન્ફ્રાસ્ટ્રક્ચરનું વાસ્તવિક કમિશનિંગ અને ઉપયોગ, દેશી પેટન્ટ ફાઇલિંગમાં વૃદ્ધિ અને ઉચ્ચ-સ્તરની એન્જિનિયરિંગ પ્રતિભાઓને આકર્ષવા અને જાળવી રાખવામાં ખાનગી ક્ષમતાની ક્ષમતા શામેલ છે. વધુમાં, સફળતાના સૂચકાંકોમાં સંશોધન-સઘન કંપનીઓ માટે વહીવટી બોજ ઘટાડતી નીતિ અપડેટ્સ અને ટૂંકા ગાળાની ડિજિટલ સેવાઓને બદલે લાંબા ગાળાના ઔદ્યોગિક પ્રોજેક્ટ્સમાં ખાનગી મૂડીના પ્રવાહના પુરાવા શામેલ હશે. અંતિમ પરીક્ષણ એ હશે કે AI મિશન દેશને વૈશ્વિક બજારમાં વ્યૂહાત્મક લાભ અને આર્થિક મૂલ્ય પ્રદાન કરતી કાયમી બૌદ્ધિક મૂડી બનાવે છે કે નહીં.