जगभरात कृत्रिम बुद्धिमत्तेमुळे (AI) मोठी धावपळ सुरू आहे. पण विजेच्या गरजेसोबतच एक मोठा प्रश्न समोर येतोय - डेटा सेंटर्स उभारण्यासाठी लागणाऱ्या 'भौतिक गोष्टीं'ची कमतरता! जमीन, थंड पाणी, स्टील, मोठे ट्रान्सफॉर्मर्स यांसारख्या गोष्टींची टंचाई भासत असल्याने अनेक प्रोजेक्ट्स रखडले आहेत. यामुळे गुंतवणूकदारांचे लक्ष आता सॉफ्टवेअरऐवजी प्रत्यक्ष पायाभूत सुविधा आणि पुरवठा साखळीतील अडचणींकडे वळले आहे.
AI साठी 'ऊर्जा' पुरेशी नाही!
कृत्रिम बुद्धिमत्तेच्या (AI) जगात सध्या ऊर्जेची गरज हा कळीचा मुद्दा बनला आहे. मात्र, या पलीकडेही एक मोठी आणि अधिक गंभीर समस्या डोके वर काढत आहे - ती म्हणजे AI चालवण्यासाठी लागणाऱ्या भौतिक गोष्टींची (physical 'matter') कमतरता. सॉफ्टवेअर आणि अल्गोरिदम क्षणार्धात स्केल होऊ शकतात, पण ते चालवण्यासाठी लागणाऱ्या इमारती, वीज ग्रीड आणि हार्डवेअर मात्र इतक्या लवकर तयार होत नाहीत. यातील ही तफावत एक मोठा अडथळा निर्माण करत आहे, ज्याकडे गुंतवणूकदारांनी लक्ष देणे गरजेचे आहे.
डेटा सेंटर्स आणि बांधकाम साहित्याची गरज
AI चा सर्वात मोठा परिणाम म्हणजे डेटा सेंटर्सची वाढती गरज. प्रत्येक डेटा सेंटर हे केवळ सर्व्हरचे कलेक्शन नसते, तर ते एक मोठे औद्योगिक बांधकाम प्रकल्प असते. यासाठी प्रचंड प्रमाणात स्टील, सिमेंट, तांबे, कूलिंगसाठी पाणी आणि विशेष इलेक्ट्रिकल उपकरणे जसे की हाय-व्होल्टेज ट्रान्सफॉर्मर्स आणि सर्किट ब्रेकर्सची आवश्यकता असते. सॉफ्टवेअर अपडेट्स काही तासांत करता येतात, पण या साहित्याची खरेदी आणि मोठ्या पायाभूत सुविधांसाठी जागा मिळवण्यास अनेक वर्षे लागतात. २०२६ पर्यंत जागतिक AI इन्फ्रास्ट्रक्चरमधील गुंतवणूक अंदाजे $1 ट्रिलियन पर्यंत पोहोचणार आहे, पण ही वाढ भौतिक मर्यादांशी संघर्ष करत आहे.
मुंबईतील उदाहरणावरून खर्च समजून घ्या
मुंबईसारख्या शहरात 100MW च्या मोठ्या डेटा सेंटर प्रकल्पाचा विचार केल्यास, महागड्या सर्व्हर हार्डवेअर वगळता, सुमारे 65% ते 70% खर्च कूलिंग सिस्टीम आणि इलेक्ट्रिकल उपकरणांसारख्या भौतिक संसाधनांवर होतो. मजुरीचा खर्च 25% ते 30% असतो, तर जमिनीची खरेदी आणि तयारीसाठी उर्वरित खर्च येतो. AI मुळे बिझनेसचा 'इंटेलिजन्स' भाग स्वस्त होत असला तरी, भौतिक पायाभूत सुविधांचा खर्च अजूनही जास्त आहे आणि वाढत्या महागाईमुळे तो आणखी वाढण्याची शक्यता आहे. याचा अर्थ, जशी AI ची स्वीकारार्हता वाढेल, तसे जे उद्योग या भौतिक गोष्टींवर नियंत्रण ठेवतात - जसे की औद्योगिक जमीन, वीज वहन लाईन्स आणि आवश्यक कच्चा माल - त्यांचे महत्त्व वाढू शकते.
डिजिटल वाढ आणि पायाभूत सुविधांमधील तफावत
या क्षेत्रातील एक गंभीर धोका म्हणजे डिजिटल वाढ आणि पायाभूत सुविधांच्या विकासातील तफावत. २०२६ साठी जाहीर केलेले अनेक डेटा सेंटर प्रकल्प विलंब किंवा रद्द होण्याच्या मार्गावर आहेत. याचे मुख्य कारण म्हणजे ग्रीड इंटरकनेक्शनमधील मोठा विलंब (grid interconnection queues) - म्हणजेच, डेटा सेंटरला वीज पुरवण्यासाठी आवश्यक असलेल्या लाईन्स अजून अस्तित्वात नाहीत. तसेच, स्थानिक नियामक अडथळेही (regulatory hurdles) आहेत. अनेक ठिकाणी वीज जोडणीसाठी इतकी मोठी प्रतीक्षा यादी आहे की, जागतिक स्तरावर ग्रीड रांगा 2,000 GW पेक्षा जास्त असल्याचे अंदाज आहेत. या विलंबामुळे कंपन्यांनी उपकरणे खरेदीवर केलेला पैसा वाया जाऊ शकतो, कारण वीजपुरवठा किंवा बांधकाम पूर्ण झालेले नसते.
गुंतवणूकदारांसाठी नवीन दिशा
गुंतवणूकदारांसाठी, हा 'भौतिक' अडथळा AI पुरवठा साखळीकडे पाहण्याचा दृष्टिकोन बदलतो. आता फक्त सर्वोत्तम चिप्स कोण डिझाइन करते किंवा सर्वाधिक लोकप्रिय सॉफ्टवेअर कोण चालवते, हे महत्त्वाचे नाही. या कंपन्यांची स्थिरता आणि नफा वाढवण्यासाठी त्यांना भौतिक संसाधने मिळवण्याची क्षमता महत्त्वाची ठरेल. यामध्ये वीजसाठी दीर्घकालीन करार, औद्योगिक जमिनीची उपलब्धता आणि महत्त्वपूर्ण हार्डवेअरसाठी विश्वसनीय पुरवठा साखळी यांचा समावेश आहे. ज्या कंपन्यांनी आधीच ही मालमत्ता सुरक्षित केली आहे किंवा ज्यांचे वीज आणि पायाभूत सुविधा कंपन्यांशी जुने संबंध आहेत, त्यांना फायदा होऊ शकतो.
पुढे काय?
भविष्यात, गुंतवणूकदारांसाठी 'अंमलबजावणीची क्षमता' (execution capability) हा मुख्य निकष असेल. कंपन्या जेव्हा मोठ्या डेटा सेंटर विस्ताराच्या योजना जाहीर करतील, तेव्हा बाजाराला केवळ आकडेवारीवर लक्ष केंद्रित करता येणार नाही. आवश्यक जमीन मिळाली आहे का, स्थानिक वीज ग्रीडने कनेक्शन तारखा निश्चित केल्या आहेत का, आणि कच्च्या मालाच्या वाढत्या किमतींचा प्रकल्पावर किती परिणाम होतो, यांसारख्या गोष्टी तपासणे महत्त्वाचे ठरेल. AI अर्थव्यवस्था आता डिजिटल उत्साहाच्या टप्प्यातून प्रत्यक्ष अंमलबजावणीच्या टप्प्यात प्रवेश करत आहे आणि जे या उत्पादन आणि बांधकामाच्या प्रत्यक्ष मर्यादांवर मात करतील, तेच यशस्वी होतील.