ભારત **2030** સુધીમાં **23 GW** ડેટા-સેન્ટર ક્ષમતાનું લક્ષ્ય ધરાવે છે, પરંતુ હવે 'પ્રોફિટેબિલિટી ટેસ્ટ' શરૂ થયો છે. માત્ર **23%** કંપનીઓ જ AI માંથી મજબૂત વળતર મેળવી રહી છે, જેના કારણે રોકાણકારો હવે કેપેક્સ-હેવી ઇન્ફ્રા કંપનીઓને છોડીને સ્થાપિત IT સર્વિસ કંપનીઓ તરફ વળી રહ્યા છે.
ભારતનું AI ઇન્ફ્રાસ્ટ્રક્ચર એક મહત્વપૂર્ણ વળાંક પર છે. દેશ હાલની 1.6 GW ની ક્ષમતાને 2030 સુધીમાં 19-23 GW સુધી લઈ જવાના માર્ગ પર છે, પરંતુ રોકાણકારો હવે માત્ર ફિઝિકલ વિસ્તરણથી સંતુષ્ટ નથી. લગભગ $350 બિલિયનથી $435 બિલિયનનું આ પ્રચંડ રોકાણ વાસ્તવમાં સસ્ટેનેબલ નફો આપી શકશે કે કેમ, તે અંગે ચર્ચાઓ તેજ બની છે.\n\nમાર્કેટમાં શું જોવા મળ્યું?\n\n15 સપ્ટેમ્બર, 2026 ના રોજ માર્કેટમાં સ્પષ્ટ ફેરફાર જોવા મળ્યો. Nifty IT Index માં 5% નો ઉછાળો આવ્યો, જે સૂચવે છે કે રોકાણકારો હવે એવી IT કંપનીઓ પસંદ કરી રહ્યા છે જે સોફ્ટવેર અને AI ઇમ્પ્લીમેન્ટેશન પર કામ કરે છે. બીજી તરફ, ભારે કેપેક્સ ધરાવતી પાવર અને ઇન્ફ્રા કંપનીઓમાં વેચવાલી જોવા મળી હતી.\n\n### કાર્યક્ષમતાનો તફાવત (Efficiency Gap)\n\nCRISIL ના વિશ્લેષણ મુજબ, 2022 થી 2026 ના મધ્ય સુધી થયેલા AI રોકાણનો અડધો ભાગ માત્ર ઇન્ફ્રાસ્ટ્રક્ચરમાં વપરાયો છે. જોકે, Dun & Bradstreet ના રિપોર્ટ મુજબ, માત્ર 23% ભારતીય વ્યવસાયો જ AI પ્રોજેક્ટ્સમાંથી મજબૂત પરિણામો મેળવી શક્યા છે. આનાથી સાબિત થાય છે કે માત્ર ડેટા-સેન્ટર બનાવવાથી આર્થિક મૂલ્ય મળતું નથી.\n\n### ઇન્ફ્રાસ્ટ્રક્ચર vs યુટિલિટી\n\nAI માટે ટ્રેનિંગ અને ઇન્ફરન્સ વચ્ચેનો તફાવત સમજવો જરૂરી છે. ટ્રેનિંગ એક વારની પ્રક્રિયા છે, જ્યારે 'ઇન્ફરન્સ' (જેમ કે કસ્ટમર સર્વિસ કે ફ્રોડ ડિટેક્શન) માટે સતત જરૂરિયાત રહે છે. ડેટા-સેન્ટર જેઓ ફક્ત ટ્રેનિંગ સ્પાઇક્સ માટે બનાવવામાં આવ્યા છે, તેમને ભવિષ્યમાં યુટિલાઈઝેશનના પ્રશ્નો નડી શકે છે. ઉપરાંત, પરંપરાગત સુવિધાઓની સરખામણીમાં આ નવા ડેટા-સેન્ટર્સ માટે 6-7 ગણું વધુ રોકાણ જરૂરી છે.\n\n### રોકાણકારોએ શું ટ્રેક કરવું?\n\nહવે કંપની માત્ર કેટલી કેપેસિટી ઉમેરે છે તે મહત્વનું નથી, પરંતુ તે કેપેસિટીનો ઉપયોગ કેટલી અસરકારક રીતે થાય છે તે જોવું જરૂરી છે. યુટિલાઈઝેશન રેટ, Revenue-per-megawatt, અને પાવર કોસ્ટ મેનેજમેન્ટ જેવા મેટ્રિક્સ આગામી સમયમાં સૌથી મહત્વના સાબિત થશે.