ભારતનું AI ડેટા હબ બનવાનું સપનું રોકાઈ ગયું? પાવર ગ્રીડની અડચણો બનશે મોટી મુસીબત

TECH
Whalesbook Logo
AuthorNakul Reddy|Published at:
ભારતનું AI ડેટા હબ બનવાનું સપનું રોકાઈ ગયું? પાવર ગ્રીડની અડચણો બનશે મોટી મુસીબત
Overview

ભારત સરકારના પ્રોત્સાહનો અને માળખાકીય ફાયદાઓ સાથે વૈશ્વિક ડેટા સેન્ટર હબ બનવાની દિશામાં આગળ વધી રહ્યું છે. જોકે, AI ની વિશાળ ઉર્જા જરૂરિયાતો દેશના પાવર જનરેશન અને ગ્રીડ ઇન્ફ્રાસ્ટ્રક્ચર પર ભારે દબાણ લાવી રહી છે, જેના કારણે યોજનાઓ અટકી રહી છે.

ડેટા સેન્ટર હબ બનવાની પ્રબળ તક

એશિયા પેસિફિક ક્ષેત્રમાં અગ્રણી ડેટા સેન્ટર હબ તરીકે ઉભરી આવવા માટે ભારત પાસે મજબૂત માળખાકીય ફાયદા છે. તેમાં ઓછો બાંધકામ અને જમીન ખર્ચ, સ્પર્ધાત્મક વીજળી દરો અને AI-કુશળ પ્રતિભાનો મોટો પૂલ સામેલ છે. દેશનું ડિજિટલ અર્થતંત્ર ઝડપથી વધી રહ્યું છે, જ્યાં ડેટા વપરાશ વૈશ્વિક કુલના લગભગ 20% છે, તેમ છતાં ડેટા સેન્ટર ક્ષમતામાં ભારતનો હિસ્સો વૈશ્વિક સ્તરે 5% થી પણ ઓછો છે. આ તફાવત નોંધપાત્ર વિસ્તરણની સંભાવના દર્શાવે છે.

સરકારની નીતિઓ પણ વેગ આપી રહી છે. યુનિયન બજેટ 2026-27 માં, ભારતમાં વૈશ્વિક સ્તરે ક્લાઉડ સેવાઓ પ્રદાન કરતી વિદેશી કંપનીઓ માટે 2047 સુધી ટેક્સ હોલિડે (કરમુક્તિ) અને ડેટા સેન્ટર રોકાણને પ્રોત્સાહન આપવા માટે પસંદગીયુક્ત કર વ્યવહાર રજૂ કરવામાં આવ્યો છે. આ પગલાંનો ઉદ્દેશ્ય વૈશ્વિક ક્લાઉડ ઇન્ફ્રાસ્ટ્રક્ચરને ભારતમાં સ્થિર કરવાનો અને તેને ડિજિટલ સેવાઓનું મુખ્ય કેન્દ્ર બનાવવાનો છે.

એશિયા પેસિફિક ક્ષેત્ર પોતે 2030 સુધીમાં ડેટા સેન્ટર રોકાણમાં લગભગ $800 બિલિયન આકર્ષવાની ધારણા છે, જે વૈશ્વિક ક્ષમતાના 40% જેટલું હશે. ભારત આ વૃદ્ધિનો નોંધપાત્ર હિસ્સો મેળવવા માટે મજબૂત દાવેદાર તરીકે ઉભરી આવ્યું છે. ભારતની ડેટા સેન્ટર ક્ષમતા 2025 માં લગભગ 1.5 GW થી વધીને 2030 સુધીમાં 8-10 GW થવાની અપેક્ષા છે, અને FY35 સુધીમાં કુલ રોકાણ $70 બિલિયન સુધી પહોંચવાનો અંદાજ છે. અદાણી જેવી મુખ્ય કંપનીઓ AI ઇન્ફ્રાસ્ટ્રક્ચર અને ટકાઉ ડેટા સેન્ટરો માટે 2035 સુધીમાં $100 બિલિયન નું રોકાણ કરવાની જાહેરાત કરી ચૂકી છે.

AI ની વિશાળ ઉર્જા માંગ: મુખ્ય અવરોધ

ડેટા સેન્ટર ક્ષમતામાં, ખાસ કરીને AI વર્કલોડ્સ માટે, ઝડપી વિસ્તરણ એક મોટો ઉર્જા પડકાર ઊભો કરી રહ્યું છે. AI-આધારિત નિર્માણને કારણે 2030 સુધીમાં વાર્ષિક 40-45 ટેરાવોટ-કલાક (TWh) ની વધારાની વીજળી માંગ ઊભી થઈ શકે છે. આ વૃદ્ધિને કારણે ઉર્જા ક્ષેત્રનો રાષ્ટ્રીય વીજળી વપરાશમાં હિસ્સો લગભગ 0.8% થી વધીને 2.5-3% થઈ જશે. AI-કેન્દ્રિત રેક્સ પરંપરાગત રેક્સ કરતાં 10 થી 15 ગણી વધુ વીજળીનો ઉપયોગ કરી શકે છે, જે ઉર્જાની જરૂરિયાતોને ખૂબ જ તીવ્ર બનાવે છે.

AI લોડ્સની સતત, અવિરત પ્રકૃતિ 24/7 કાર્યરત રહેવાની જરૂરિયાત સ્થિર વોલ્ટેજ અને ફ્રીક્વન્સીની માંગ કરે છે, જે પ્રાદેશિક ગ્રીડ પર સતત દબાણ લાવે છે અને પરંપરાગત ક્ષમતાથી આગળ વધીને અદ્યતન પાવર સોલ્યુશન્સની જરૂર પડે છે. જ્યારે ભારતમાં પ્રમાણમાં ઓછો વીજળી ખર્ચ અને કેટલાક વિસ્તારોમાં આધુનિક ગ્રીડ હોવાનો ફાયદો છે, ત્યારે ઉત્પાદન અને ટ્રાન્સમિશન ઇન્ફ્રાસ્ટ્રક્ચર સમાંતર રીતે વિસ્તરવામાં નિષ્ફળ જાય તો આ ઝડપી ક્ષમતા ઉમેરો ગંભીર પુરવઠા તફાવત ઊભો કરી શકે છે.

ગ્રીડ અસ્થિરતા અને નિયમનકારી વિભાજન: મુખ્ય પડકારો

માળખાકીય ફાયદાઓ અને 2026-27 બજેટની ટેક્સ હોલિડે જેવી નીતિગત પહેલ હોવા છતાં, ભારતની ડેટા સેન્ટર મહત્વાકાંક્ષાઓને નોંધપાત્ર માળખાકીય પડકારો નડી રહ્યા છે, જે મુખ્યત્વે વીજળી અને ગ્રીડ ઇન્ફ્રાસ્ટ્રક્ચર સાથે સંબંધિત છે. ડેટા સેન્ટરોને ન્યૂનતમ ટ્રાન્સમિશન નુકસાન સાથે સમર્પિત, અવિરત વીજ પુરવઠાની જરૂર હોય છે.

જોકે, રાજ્યોમાં રિન્યુએબલ બેંકિંગ નિયમો, ઓપન એક્સેસ ચાર્જ, ક્રોસ-સબસિડી અને ટેરિફમાં વિવિધતા વિકાસકર્તાઓ માટે નોંધપાત્ર અનિશ્ચિતતા ઊભી કરે છે. બેંકિંગ પ્રતિબંધો વિશ્વસનીયતા સુનિશ્ચિત કરવા માટે નિર્ણાયક એવા વધારાની રિન્યુએબલ એનર્જીને પછીથી ઉપયોગ માટે સંગ્રહ કરવાની ક્ષમતાને મર્યાદિત કરે છે. ગ્રીડ સ્થિરતા મર્યાદાઓ અને ઉચ્ચ-વૃદ્ધિ કોરિડોરમાં મર્યાદિત સબસ્ટેશન ક્ષમતા કામગીરી પર વધુ દબાણ લાવે છે, કારણ કે ટ્રાન્સમિશન અપગ્રેડ ઘણીવાર રિન્યુએબલ જનરેશન પ્રોજેક્ટ્સ કરતાં પાછળ રહે છે.

અપૂરતું આંતરરાજ્ય ટ્રાન્સમિશન ઇન્ફ્રાસ્ટ્રક્ચર રિન્યુએબલ એનર્જીના ઓછા ઉપયોગ અને બોટલનેક તરફ દોરી જાય છે, જેમાં સૌર ઉર્જા પ્લાન્ટ ક્યારેક તૈયારી હોવા છતાં વીજળી પહોંચાડવામાં અસમર્થ રહે છે. મહારાષ્ટ્ર, તમિલનાડુ, ઉત્તર પ્રદેશ, કર્ણાટક, તેલંગાણા અને આંધ્ર પ્રદેશ જેવા મુખ્ય ડેટા સેન્ટર હબ 2030 સુધીમાં દરેક 2-3 GW સુધીની પીક ડિમાન્ડનો સામનો કરી શકે છે, જે રાજ્ય ગ્રીડ પર ભારે દબાણ લાવશે.

ભારતના પાવર ક્ષેત્રનું વિભાજિત શાસન, ઉત્પાદન, ટ્રાન્સમિશન અને વિતરણમાં અનેક નિયમનકારી સંસ્થાઓ સાથે ફેલાયેલું છે, જે ડિજિટલ લોડ્સ માટે સર્વગ્રાહી આયોજનને જટિલ બનાવે છે. વધુમાં, ડેટા સેન્ટરોને 'વ્યૂહાત્મક ઇન્ફ્રાસ્ટ્રક્ચર' તરીકે લેબલ કરવામાં આવી રહ્યા હોવા છતાં, દબાણ હેઠળની વિતરણ કંપનીઓ અને ક્રોસ-સબસિડીવાળા ટેરિફ ધરાવતી સિસ્ટમમાં તેમનું પાવર ફાળવણી રાજકીય રીતે સંવેદનશીલ બની શકે છે. ડેટા સેન્ટરો માટે રિન્યુએબલ એકીકરણ માટે એકીકૃત રાષ્ટ્રીય માળખાનો અભાવ એક મુખ્ય ખામી છે.

Deloitte નો રોડમેપ: ટકાઉ અને માપી શકાય તેવી વીજળી તરફ

આ પડકારોનો સામનો કરવા અને તેની સંભાવનાનો લાભ લેવા માટે, Deloitte એ AI વર્કલોડ્સ માટે ચોવીસ કલાક વિશ્વસનીયતા સુનિશ્ચિત કરવા સ્ટોરેજ સોલ્યુશન્સ સાથે સંયોજનમાં સોલાર-વિન્ડ હાઇબ્રિડ મોડેલ્સ દ્વારા રિન્યુએબલ એકીકરણને વેગ આપવાની ભલામણ કરી છે. લાંબા ગાળાના ગ્રીન પાવર પરચેઝ એગ્રીમેન્ટ્સ (PPAs), ગ્રુપ કેપ્ટિવ સ્ટ્રક્ચર્સ અને કેપ્ટિવ રિન્યુએબલ ઇન્સ્ટોલેશનને વિસ્તૃત કરવાથી ટેરિફ નિશ્ચિતતા મળી શકે છે અને ખર્ચની અસ્થિરતા ઘટાડી શકાય છે.

આ રિપોર્ટમાં ટ્રાન્સમિશન નેટવર્કને અપગ્રેડ કરવાની, વૃદ્ધિ ક્લસ્ટરોની નજીક ઉચ્ચ-ક્ષમતાવાળા સબસ્ટેશનને વિસ્તૃત કરવાની અને માનકીકૃત ગ્રીડ કનેક્શન સમયરેખા સાથે પાવર-રેડી ડેટા સેન્ટર ઇકોનોમિક ઝોન બનાવવાની પણ હિમાયત કરવામાં આવી છે. અનુમાનિત સ્વચ્છ ઉર્જા પોર્ટફોલિયો બનાવવા માટે રાજ્ય-સ્તરની રિન્યુએબલ બેંકિંગ નીતિઓને માનકીકૃત કરવી નિર્ણાયક છે. ઓછી કિંમત અને ઉચ્ચ રિન્યુએબલ ઉપલબ્ધતાના સમયગાળા દરમિયાન બિન-તાત્કાલિક કમ્પ્યુટિંગ કાર્યોનું શેડ્યૂલિંગ કરવા માટે AI નો ઉપયોગ કરીને ઉર્જાનો ઉપયોગ વધુ ઓપ્ટિમાઇઝ કરી શકાય છે.

ડેટા સેન્ટરોને નાણાકીય પ્રોત્સાહનો અને ઇન્ફ્રાસ્ટ્રક્ચર સ્ટેટસ દ્વારા સમર્થન સાથે કોર ઇન્ફ્રાસ્ટ્રક્ચર તરીકે સરકારની ઓળખ એક સકારાત્મક પગલું છે. જોકે, સફળ અમલીકરણ ડિજિટલ મહત્વાકાંક્ષાઓની સાથે વીજળીની ઉપલબ્ધતા અને ટ્રાન્સમિશન તૈયારીના ઝડપી વિસ્તરણ પર નિર્ભર છે. આ મોરચાઓ પર સંકલિત કાર્યવાહી વિના, ભારત કનેક્શનમાં વિલંબ, ઉર્જા ખર્ચમાં વધારો, ગ્રીડ અસ્થિરતા અને તેના ડિજિટલ અર્થતંત્રના લક્ષ્યો હાંસલ કરવામાં સંભવિત વિલંબનું જોખમ ધરાવે છે, જે સ્પર્ધાત્મક APAC બજારમાં તેની સ્થિતિને જોખમમાં મૂકશે.

Disclaimer:This content is for educational and informational purposes only and does not constitute investment, financial, or trading advice, nor a recommendation to buy or sell any securities. Readers should consult a SEBI-registered advisor before making investment decisions, as markets involve risk and past performance does not guarantee future results. The publisher and authors accept no liability for any losses. Some content may be AI-generated and may contain errors; accuracy and completeness are not guaranteed. Views expressed do not reflect the publication’s editorial stance.