ભારતની દિગ્ગજ IT કંપનીઓ TCS અને HCLTech આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) ની વધતી માંગ અને ડેટા લોકલાઇઝેશન (Data Localization) ના નિયમોને પહોંચી વળવા માટે હવે ડેટા સેન્ટર ઇન્ફ્રાસ્ટ્રક્ચર (Data Center Infrastructure) માં મોટા પાયે રોકાણ કરી રહી છે. આ એક મહત્વપૂર્ણ વ્યૂહાત્મક પગલું છે જે તેમને પરંપરાગત એસેટ-લાઇટ (Asset-light) સોફ્ટવેર મોડેલથી આગળ વધીને ફુલ-સ્ટેક ડિજિટલ પ્રોવાઇડર (Full-stack Digital Provider) બનવાની દિશામાં લઈ જાય છે. રોકાણકારોએ આમાં રહેલી ઊંચી મૂડી જરૂરિયાતો અને સંપત્તિ-ભારે ઇન્ફ્રાસ્ટ્રક્ચરના સંચાલનમાં રહેલા જોખમો પર ધ્યાન આપવું જોઈએ.
AI અને ડેટા લોકલાઇઝેશન માટે ઇન્ફ્રાસ્ટ્રક્ચરમાં રોકાણ
ભારતની અગ્રણી IT સેવા કંપનીઓ, Tata Consultancy Services (TCS) અને HCL Technologies (HCLTech), હવે મૂડી-સઘન ડેટા સેન્ટર બિઝનેસમાં પ્રવેશ કરી રહી છે. આ નિર્ણય આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) ના ઝડપી વિકાસ અને ભારતમાં ડેટા સ્ટોરેજ (Data Storage) સંબંધિત કડક નિયમોને કારણે લેવામાં આવ્યો છે. પોતાના ઇન્ફ્રાસ્ટ્રક્ચરનું નિર્માણ કરીને, આ કંપનીઓ થર્ડ-પાર્ટી ક્લાઉડ પ્રોવાઇડર્સ (Third-party Cloud Providers) પર નિર્ભર રહેવાને બદલે સંકલિત AI સેવાઓ પ્રદાન કરવાનો લક્ષ્યાંક ધરાવે છે.
ઇન્ફ્રાસ્ટ્રક્ચર રોકાણમાં વૃદ્ધિ
TCS એ તેના સાહસ HyperVault દ્વારા આગામી દાયકામાં 1 ગીગા વોટ (Gigawatt) ડેટા સેન્ટર ક્ષમતા બનાવવા માટે $6 બિલિયન થી $7 બિલિયન (અંદાજે ₹50,000 કરોડ થી ₹58,000 કરોડ) ના લાંબા ગાળાના રોકાણની જાહેરાત કરી છે. બીજી તરફ, HCLTech 50 મેગાવોટ (Megawatt) ક્ષમતાના નિર્માણ માટે ₹3,500 કરોડ નું રોકાણ કરી રહી છે, જે Sarvam AI, એક સાર્વભૌમ AI પ્લેટફોર્મમાં તેના અગાઉના $150 મિલિયન (અંદાજે ₹1,250 કરોડ) ના રોકાણ પર આધારિત છે. આ આંકડા પરંપરાગત મોડેલથી અલગ છે, જ્યાં IT કંપનીઓ મુખ્યત્વે સોફ્ટવેર અને શ્રમ-આધારિત સેવાઓ પર ધ્યાન કેન્દ્રિત કરતી હતી.
AI-રેડી ઇન્ફ્રાસ્ટ્રક્ચર તરફ વ્યૂહાત્મક બદલાવ
પરંપરાગત IT સેવાઓનો વ્યવસાય જનરેટિવ AI (Generative AI) ના કારણે દબાણ હેઠળ છે, જે કોડિંગ અને સિસ્ટમ જાળવણી જેવા કાર્યોને સ્વચાલિત કરી શકે છે. વૃદ્ધિ જાળવી રાખવા માટે, આ કંપનીઓ એક એવા મોડેલમાં સંક્રમણ કરી રહી છે જ્યાં તેઓ જટિલ AI મોડેલોને તાલીમ આપવા માટે જરૂરી ઇન્ફ્રાસ્ટ્રક્ચર ધરાવે છે. પોતાના ડેટા સેન્ટરને નિયંત્રિત કરીને, TCS અને HCLTech AI પર એન્ટરપ્રાઇઝ ખર્ચનો મોટો હિસ્સો મેળવવાની અપેક્ષા રાખે છે. આ વ્યૂહરચના ભારતીય સરકાર દ્વારા ડેટા લોકલાઇઝેશનને પ્રોત્સાહન આપવા સાથે પણ સુસંગત છે, જે ફરજ પાડે છે કે ચોક્કસ સંવેદનશીલ ડેટા રાષ્ટ્રીય સરહદોની અંદર પ્રક્રિયા અને સંગ્રહિત થવો જોઈએ. ઉદ્યોગ ડેટા અનુસાર, ભારત વિશ્વના 20% ડેટા ઉત્પન્ન કરવા છતાં વૈશ્વિક ડેટા સેન્ટર ક્ષમતાના 3% થી ઓછા ધરાવે છે, જે નોંધપાત્ર પુરવઠા-માંગ તફાવત દર્શાવે છે.
બજાર સ્પર્ધા અને ઓપરેશનલ જોખમો
આ ક્ષેત્રમાં પ્રવેશ Indian IT કંપનીઓને Amazon Web Services, Google અને Microsoft જેવા વૈશ્વિક હાઇપરસ્કેલર્સ (Hyperscalers) સાથે સીધી સ્પર્ધામાં મૂકે છે. જ્યારે આ વૈશ્વિક દિગ્ગજો પાસે મોટા પાયે અને સંશોધન ભંડોળના નોંધપાત્ર ફાયદા છે, ત્યારે ભારતીય કંપનીઓ નિયંત્રિત ઉદ્યોગો પર ધ્યાન કેન્દ્રિત કરીને અને ઇન્ફ્રાસ્ટ્રક્ચર સાથે AI કન્સલ્ટિંગને જોડતી બંડલ સેવાઓ પ્રદાન કરીને પોતાને અલગ પાડવાનો પ્રયાસ કરી રહી છે. જોકે, આ મોડેલમાં આંતરિક જોખમો રહેલા છે. ડેટા સેન્ટરનું નિર્માણ અને સંચાલન કરવા માટે અત્યંત મૂડી, વિશ્વસનીય વીજ પુરવઠો અને વિશિષ્ટ ઠંડક ટેકનોલોજીની જરૂર પડે છે, જે બેલેન્સ શીટને તાણ આપી શકે છે અને ઊંચા-માર્જિનવાળા સોફ્ટવેર સેવા વ્યવસાયની તુલનામાં નફા માર્જિન ઘટાડી શકે છે. રોકાણકારો ધ્યાન આપશે કે આ કંપનીઓ વિવિધ રાજ્યોમાં ઊંચા જમીનના ખર્ચ અને નિયમનકારી અવરોધોનું સંચાલન કેવી રીતે કરે છે. આ પરિવર્તનની લાંબા ગાળાની સફળતા આ નવી સુવિધાઓના વાસ્તવિક ઉપયોગ સ્તરો અને ટેકનોલોજી અને કિંમતો ઝડપથી વિકસિત થતી બજારમાં સ્થાપિત વૈશ્વિક ખેલાડીઓ સાથે સ્પર્ધા કરવાની કંપનીઓની ક્ષમતા પર આધાર રાખે છે.