भारताची AI शर्यत: 'फॉलोअर' बनण्याचा धोका? देशांतर्गत तंत्रज्ञानाची निकड!

भारताची AI क्षेत्रातील प्रगती केवळ तांत्रिक विकासापुरती मर्यादित नाही, तर त्यातून मिळणाऱ्या आर्थिक फायद्यांवरही अवलंबून आहे. जागतिक AI लीडर बनण्याच्या प्रयत्नात, आपले स्वतःचे मानक (standards) ठरवणारे 'लीडर' (leader) बनण्याऐवजी आपण केवळ 'फॉलोअर' (follower) बनू शकतो, ही एक मोठी चिंता आहे. यामुळे AI विकासावर नियंत्रण ठेवून मिळणारा मोठा आर्थिक फायदा आपण गमावू शकतो. भूतकाळातील औद्योगिक बदलांप्रमाणे, जिथे मोठी मूल्यनिर्मिती (value creation) बहुतांशी मोठ्या जागतिक कंपन्यांनाच फायदेशीर ठरली, तसे AI च्या या युगात होऊ नये यासाठी भारताला सक्रिय आणि धोरणात्मक विकास करणे गरजेचे आहे, जेणेकरून वाढत्या डिजिटल अर्थव्यवस्थेचा फायदा देशाला मिळेल.

देशांतर्गत AI क्षमता विकसित करणे

भारताला AI पॉवरहाऊस बनवण्यासाठी केवळ विदेशी तंत्रज्ञानावर अवलंबून न राहता, स्वतःची मुख्य AI क्षमता, विश्वासार्ह पायाभूत सुविधा आणि जागतिक स्तरावर स्पर्धा करू शकतील अशी उत्पादने तयार करणे आवश्यक आहे. 'डोमेस्टिक AI' (domestic AI) ची ही गरज भविष्यातील आर्थिक वाढीसाठी AI किती मूलभूत ठरेल, हे लक्षात घेऊन आहे. AI चा वेगवान विकास पाहता, धोरणे आणि मनुष्यबळ तयार होण्यापूर्वीच तो मागे पडू शकतो, ही चिंतेची बाब आहे. या दिशेने मोठे प्रयत्न सुरू आहेत. डेटा सेंटर्सच्या विस्तारासाठी मोठी गुंतवणूक केली जात आहे. अंदाजानुसार, 2030 पर्यंत डेटा सेंटरची क्षमता पाचपट वाढून 8 GW पेक्षा जास्त होऊ शकते. Yotta Data Services सारख्या कंपन्या 2 अब्ज डॉलर पेक्षा जास्त गुंतवणूक करून AI सुपरक्लस्टर्स (AI superclusters) उभारणार आहेत. ऑगस्ट 2026 पर्यंत ते हजारो Nvidia Blackwell GPUs तैनात करण्याची योजना आखत आहेत, ज्यामुळे भारत मोठ्या प्रमाणावर AI पायाभूत सुविधा निर्माण करणाऱ्या काही मोजक्या देशांमध्ये सामील होईल. जटिल AI मॉडेल्सना प्रशिक्षण देण्यासाठी ही वाढ आवश्यक आहे. Sarvam AI सारखी कंपनी 'ट्रिलियन-पॅरामीटर' (trillion-parameter) मॉडेल प्रशिक्षित करण्यावर काम करत असल्याचे वृत्त आहे. IndiaAI मिशन देखील देशांतर्गत AI विकासाला प्रोत्साहन देऊन कंप्युटिंग पॉवर उपलब्ध करून देण्यास मदत करत आहे.

डेटामधून आर्थिक फायदा

पायाभूत सुविधांव्यतिरिक्त, भारतापुढील एक मोठे आव्हान म्हणजे आपल्या प्रचंड डेटामधून (data) मिळणारे आर्थिक मूल्य (economic value) वाढवणे. भारत मोठ्या प्रमाणात डिजिटल कंटेंट आणि डेटा तयार करतो, परंतु त्याचे बरेचसे मूल्य सध्या जागतिक प्लॅटफॉर्म्सनाच मिळते. ही तफावत दूर करण्यासाठी स्थानिक भाषेतील आणि विशिष्ट गरजांसाठी डिझाइन केलेले डोमेस्टिक AI मॉडेल्स आणि सिस्टम्सची आवश्यकता आहे. Pratyush Kumar आणि Vivek Raghavan यांनी स्थापन केलेली Sarvam AI ही कंपनी यामध्ये महत्त्वाची भूमिका बजावत आहे. ते भारतीय भाषांसाठी आणि विशिष्ट उपयोगांसाठी लार्ज लँग्वेज मॉडेल्स (LLMs) विकसित करत आहेत. कंपनी सध्या 1.5 ते 1.6 अब्ज डॉलर च्या मूल्यांकनावर मोठ्या फंडिंग फेरीच्या (funding round) जवळ असल्याचे म्हटले जात आहे, जे भारतातील डोमेस्टिक AI उपक्रमांमध्ये गुंतवणूकदारांची मजबूत आवड दर्शवते. एकूण भारतीय AI मार्केट 2032 पर्यंत 27.7 अब्ज डॉलर पर्यंत पोहोचण्याचा अंदाज आहे, ज्याचा वार्षिक वाढीचा दर (CAGR) 19.2% असेल. भूतकाळातील चुका टाळण्यासाठी, जिथे भारत केवळ वापरकर्ता राहिला आणि मुख्य मूल्यनिर्मितीमध्ये मागे पडला, देशांतर्गत क्षमतांवर लक्ष केंद्रित करणे अत्यंत महत्त्वाचे मानले जात आहे.

नोकऱ्या आणि कौशल्यांवर AI चा प्रभाव

AI च्या वेगाने होणाऱ्या विकासामुळे भारताच्या मनुष्यबळासाठी संधी आणि मोठे आव्हान दोन्ही निर्माण झाले आहेत. AI मुळे लाखो नवीन नोकऱ्या निर्माण होतील, पण त्याच वेळी उत्पादन (manufacturing) आणि रिटेल (retail) सारख्या क्षेत्रांमध्ये मोठ्या प्रमाणात नोकऱ्या कमी होण्याचाही अंदाज आहे. 2030 पर्यंत AI मुळे 40 दशलक्ष (million) नवीन नोकऱ्या निर्माण होऊ शकतात, परंतु ऑटोमेशनमुळे (automation) अनेक लाखो नोकऱ्यांवर गदा येण्याची शक्यता आहे. यासाठी मोठ्या प्रमाणावर कौशल्य वाढवणे (reskilling) आणि नवीन कौशल्ये शिकवणे (upskilling) आवश्यक आहे. भविष्यातील नोकरी बाजारपेठा आणि मूल्यनिर्मितीबाबतची अनिश्चितता AI च्या व्यापक प्रभावाला अधोरेखित करते. भारताची AI रणनीती यशस्वी होण्यासाठी, मनुष्यबळाला या परिवर्तनशील बदलांसाठी तयार करणे आणि वेगाने विकसित होणाऱ्या AI-आधारित उद्योगांशी जुळवून घेणे आवश्यक आहे.

जागतिक स्पर्धेला तोंड देणे

देशांतर्गत प्रगती आणि वाढत्या गुंतवणुकीनंतरही, भारताला तीव्र जागतिक स्पर्धेला सामोरे जावे लागत आहे. उदाहरणार्थ, चीन भौतिक कामांसाठी (physical tasks) आणि रोबोटिक्समध्ये (robotics) AI चा वेगाने विकास करत आहे. लिडार सेन्सर्स (lidar sensors) सारखे महत्त्वाचे घटक आणि औद्योगिक रोबोट्सच्या स्थापनेत चीन आघाडीवर आहे. त्यांची EV पुरवठा साखळी (supply chain) वापरून रोबोटिक्सचे भाग तयार करण्याची चीनची एकत्रित पद्धत, त्यांना भविष्यातील भौतिक AI ऍप्लिकेशन्समध्ये वर्चस्व मिळवण्यासाठी एक स्पर्धात्मक फायदा आणि स्पष्ट रणनीती देते. भौतिक कामांसाठी AI मधील हा आघाडीचा देश, जिथे यंत्रे वास्तविक जगात स्वायत्तपणे कार्य करतात, भारतासाठी एक मोठे आव्हान आहे. याव्यतिरिक्त, जागतिक AI कंप्युटिंग पॉवर (computing power) काही मोजक्या टेक जायंट्सच्या (tech giants) हातात केंद्रित आहे, ज्यामुळे विदेशी सेमीकंडक्टर (semiconductors) आणि क्लाउड सेवांवर (cloud services) अवलंबित्व वाढते. भारत डेटा सेंटर क्षमता वाढवत असला तरी, विदेशी चिप्स आणि मुख्य AI मॉडेल्सवरील अवलंबित्व ही एक गंभीर असुरक्षितता आहे. स्पष्ट राष्ट्रीय AI धोरणाशिवाय, अंमलबजावणीत अडथळे येऊ शकतात आणि भारत तंत्रज्ञानात 'फॉलोअर' म्हणून कायम राहू शकतो. गुंतवणूकदारांसाठी, AI शर्यत ही अधिकाधिक मूल्य मिळवण्याबद्दल आहे. रणनीती किंवा पायाभूत सुविधांमध्ये कोणतीही चूक झाल्यास, प्रतिस्पर्धकांना मोठी आर्थिक संधी गमवावी लागू शकते.

भारताच्या AI भविष्यासाठी पुढील पावले

या गुंतागुंतीच्या परिस्थितीतून मार्ग काढण्यासाठी खाजगी उद्योग, सरकार आणि शिक्षण क्षेत्र यांच्या समन्वित प्रयत्नांची आवश्यकता आहे. जागतिक टेक कंपन्यांशी स्पर्धा करण्यासाठी AI पायाभूत सुविधा आणि संशोधन व विकास (R&D) मध्ये भरीव खाजगी गुंतवणुकीवर उद्योग क्षेत्रातील नेते भर देत आहेत. यात केवळ कंप्युटिंग पॉवरच नाही, तर स्थानिक प्रतिभा विकसित करणे आणि AI स्वीकृतीचे धोके हाताळणे देखील समाविष्ट आहे. आंतरराष्ट्रीय AI कंपन्यांमध्ये प्रवेश प्रतिबंधित करण्याऐवजी, जागतिक स्तरावर स्पर्धात्मक टेक कंपन्या तयार करण्यावर वक्ते सहमत होते. Yotta Data Services सारख्या कंपन्यांनी पाठिंबा दिलेली मजबूत स्थानिक डेटा सेंटर क्षमता महत्त्वपूर्ण आहे, जरी चिप पुरवठा साखळी अजूनही जागतिक स्तरावरच आहे. पुढे जाण्यासाठी एक समन्वित धोरण आवश्यक आहे, जिथे महत्त्वाच्या टप्प्यांवर देशांतर्गत नियंत्रण विकसित केल्याने केवळ जोखीम कमी करण्यावर लक्ष केंद्रित करण्याऐवजी नवोपक्रम (innovation) आणि दीर्घकालीन स्पर्धात्मकता वाढेल.