Whalesbook
AI च्या जागतिक शर्यतीत लवकर उतरलेल्या देशांना आता मोठ्या आर्थिक आणि पर्यावरणीय अडचणींचा सामना करावा लागत आहे. आर्थिक सर्वेक्षणात (Economic Survey) नमूद केल्याप्रमाणे, स्वस्त भांडवल आणि शिथिल नियमांच्या काळात AI वेगाने वाढवणाऱ्या देशांची आता ऊर्जा-केंद्रित यंत्रणा (energy-intensive architectures) उभी आहे, ज्यातून मिळणारे उत्पन्न अनिश्चित आहे. यावर होणारा प्रचंड खर्च आणि धोके पाहता, भारतासाठी उशिरा प्रवेश करणे अधिक फायद्याचे ठरू शकते. यामुळे भारताला धोरणे आखताना आणि नवोपक्रम (innovation) करताना दूरदृष्टीचा फायदा मिळेल आणि इतर देशांप्रमाणे प्रचंड आर्थिक भुर्दंड टाळता येईल.
जगभरात 'फ्रंटियर AI मॉडेल्स' (frontier AI models) आणि त्यांच्या पायाभूत सुविधा उभारण्यासाठी होणारा खर्च डोळे पांढरे करणारा आहे. अंदाजानुसार, 2030 पर्यंत AI संबंधित डेटा सेंटर क्षमतेसाठी $5.2 ट्रिलियन (US Dollar) इतकी गुंतवणूक होऊ शकते. काही विश्लेषकांच्या मते, 2030 पर्यंत डेटा सेंटर पायाभूत सुविधांवर वार्षिक $1 ट्रिलियन पेक्षा जास्त खर्च होईल. IBM चे CEO अरविंद कृष्णा यांनी दिलेल्या इशाऱ्यानुसार, केवळ एक 1-गिगावॅट (GW) क्षमतेचे AI डेटा सेंटर उभारण्यासाठी अंदाजे $80 अब्ज (US Dollar) लागतात. जागतिक स्तरावर 100 GW क्षमतेचे लक्ष्य ठेवल्यास, एकूण भांडवली खर्च $8 ट्रिलियन पर्यंत पोहोचू शकतो. कृष्णा यांच्या मते, AI हार्डवेअरच्या 5 वर्षांच्या घसारा चक्रा लक्षात घेता, केवळ व्याजाची परतफेड करण्यासाठी वार्षिक $800 अब्ज नफा आवश्यक असेल, जी परिस्थिती टिकाऊ नाही. आर्थिक सर्वेक्षण सुचवते की भारत या आर्थिकदृष्ट्या धोकादायक मार्गापासून दूर राहू शकतो. यासाठी ॲप्लिकेशन-आधारित नवोपक्रमावर (application-led innovation), देशांतर्गत डेटाचा वापर आणि मानवी भांडवलावर (human capital) लक्ष केंद्रित करणे आवश्यक आहे, जेणेकरून फ्रंटियर स्तरावर स्पर्धा करणे टाळता येईल.
भारताच्या डिजिटल महत्त्वाकांक्षा त्याच्या वेगाने वाढणाऱ्या डेटा सेंटर क्षमतेतून दिसून येतात, जी 2025 च्या मध्यातील अंदाजे 1.4 GW वरून 2030 पर्यंत सुमारे 8 GW पर्यंत पाच पट वाढण्याची शक्यता आहे. वाढता डेटा वापर, क्लाउडचा स्वीकार आणि AI वर्कलोड्स यामुळे ही वाढ होत आहे. गुगलचा विशाखापट्टणम येथे $15 अब्ज चा AI कॅम्पस आणि रिलायन्सचा जामनगरमध्ये 1 GW चा AI-रेडी डेटा सेंटर उभारण्याचा $15 अब्ज चा प्रकल्प यांसारखी मोठी गुंतवणूक सुरू आहे. तथापि, सर्वेक्षणात काही गंभीर मर्यादांवर प्रकाश टाकला आहे, ज्यामुळे अंधाधुंद विस्तार मर्यादित होतो: वीज उपलब्धता, भांडवल (finance) आणि विशेषतः पाणी संसाधने. जागतिक अनुभव दर्शवितो की AI-चालित डेटा सेंटर विस्तारामुळे ऊर्जा प्रणालींवर ताण येतो, 2030 पर्यंत जागतिक डेटा सेंटर वीज वापर दुप्पट होण्याची आणि AI-अनुकूलित सेंटर्सची मागणी चारपट वाढण्याची अपेक्षा आहे. त्यामुळे, भारताची रणनीती संसाधनांची कार्यक्षमता आणि सार्वजनिक उद्दिष्टांशी संरेखित करण्यावर भर देते. मर्यादित हार्डवेअर आणि विकेंद्रित नेटवर्कवर चालणाऱ्या लहान, विशिष्ट कार्यांसाठी (task-specific) मॉडेलला प्राधान्य दिले जाईल, जो भारताच्या उशिरा प्रवेश करण्याच्या फायद्यांशी सुसंगत आहे.
बजेट 2026-27 च्या पार्श्वभूमीवर, बजेट 2025-26 मध्ये AI साठी ₹2,200 कोटी आणि विशेषतः 'इंडियाएआय मिशन' (IndiaAI Mission) साठी ₹2,000 कोटी सारख्या मागील वाटपांनी AI इकोसिस्टम तयार करण्यासाठी सरकारची वचनबद्धता दर्शविली आहे. सर्वेक्षण हे ओपन आणि इंटरऑपरेबल सिस्टीम (open and interoperable systems), क्षेत्र-विशिष्ट मॉडेल्स (sector-specific models) आणि सामायिक पायाभूत सुविधांवर (shared infrastructure) आधारित 'बॉटम-अप' (bottom-up) रणनीतीचे समर्थन करते, ज्यामुळे AI एक संभाव्य सार्वजनिक चांगली वस्तू (public good) बनेल. व्यावहारिक, आर्थिकदृष्ट्या मजबूत आणि सामाजिकदृष्ट्या प्रतिसाद देणाऱ्या AI वर लक्ष केंद्रित केल्याने, हे तंत्रज्ञान स्पर्धेत उतरण्याऐवजी वास्तविक जगातील समस्या सोडवून मूल्य निर्माण करेल, ज्यामुळे AI युगात भारताला शाश्वत वाढीसाठी स्थान मिळेल.