भारतातील AI कंपन्यांचा मल्टी-क्लाउड वापर वाढला; बिग टेकच्या वर्चस्वाला लगाम

क्लाउड वापराचा विस्तार

जागतिक ट्रेंडपेक्षा वेगळा मार्ग स्वीकारत, भारतातील आर्टिफिशियल इंटेलिजन्स (AI) क्षेत्रात आता विविध क्लाउड इन्फ्रास्ट्रक्चर (Cloud Infrastructure) आणि ओपन-सोर्स टूल्सचा (Open-Source Tools) वापर वाढताना दिसत आहे. एस्य़ा सेंटरच्या (Esya Centre) अहवालानुसार, जवळपास 90% भारतीय AI कंपन्या हायब्रिड किंवा मल्टी-क्लाउड स्ट्रॅटेजी (Hybrid or Multi-Cloud Strategy) वापरत आहेत किंवा भविष्यात वापरण्याची योजना आखत आहेत. यामुळे त्यांना कोणत्याही एका मोठ्या क्लाउड प्रोव्हायडरवर जास्त अवलंबून राहावे लागणार नाही.

या अभ्यासात AI क्षेत्रात कार्यरत असलेल्या 227 कंपन्यांचा समावेश होता. सर्वेक्षणात सहभागी झालेल्या सुमारे 62% कंपन्या त्यांच्या स्वतःच्या डेटा सेंटर्ससोबत (Data Centers) अनेक लहान क्लाउड प्रोव्हायडर्सच्या सेवा वापरत आहेत. 80% पेक्षा जास्त कंपन्या कोणत्याही एका क्लाउड व्हेंडरसोबत (Cloud Vendor) विशेष करार करत नाहीत, जे त्यांच्या लवचिक इन्फ्रास्ट्रक्चर व्यवस्थापनाचे संकेत देते. यामुळे स्पर्धा वाढून खर्च कमी होत आहे, कारण जवळपास 99% कंपन्यांनी कंप्यूट एक्सपेंसेसमध्ये (Compute Expenses) घट झाल्याचे सांगितले.

परफॉर्मन्स आणि सिक्युरिटीला प्राधान्य

अपेक्षेच्या विपरीत, अहवालानुसार क्लाउड प्रोव्हायडर निवडताना किंमतीपेक्षा परफॉर्मन्स (Performance) आणि सिक्युरिटी (Security) हे घटक अधिक महत्त्वाचे ठरत आहेत. सुमारे 75% कंपन्यांसाठी हे घटक खर्चापेक्षा 'अत्यंत महत्त्वाचे' होते. AI वर्कलोड्स (AI Workloads) वाढत असताना, स्केलेबिलिटीची (Scalability) क्षमता आणि उपलब्ध सेवांची श्रेणी यांसारख्या बाबींनाही जास्त महत्त्व दिले गेले, जे विश्वासार्हता आणि लवचिक तैनातीवर (Flexible Deployment) भर देतात.

ओपन-सोर्स मॉडेल्सचा वाढता वापर

भारतीय AI क्षेत्रात ओपन-सोर्स तंत्रज्ञानाचा (Open-Source Technologies) वापर वाढत आहे. सुमारे 83% संस्था ओपन-सोर्स फाउंडेशन मॉडेल्स (Open-Source Foundation Models) वापरतात, 67% प्रोप्रायटरी मॉडेल्स (Proprietary Models) आणि 63% कस्टम-ट्रेन्ड सिस्टीम्सचा (Custom-Trained Systems) वापर करतात. कंपन्या एकाच कॅटेगरीमध्ये अनेक मॉडेल्स वापरतात, त्यापैकी 81% कंपन्या विशिष्ट कार्यांसाठी गरजेनुसार लहान आणि मोठी भाषा मॉडेल्स (Small and Large Language Models) एकत्र वापरतात.

भारतातील जनरेटिव्ह AI स्टार्टअप्सचे (Generative AI Startups) प्रमाण 2023 च्या पहिल्या सहा महिन्यांपासून 2024 च्या पहिल्या सहा महिन्यांपर्यंत 3.6 पटीने वाढले आहे. तथापि, कंपन्यांना खराब डेटा गुणवत्ता, सरकारी डेटामध्ये मर्यादित प्रवेश, अस्पष्ट कॉपीराइट नियम आणि डिजिटल पर्सनल डेटा प्रोटेक्शन ऍक्ट (DPDPA), 2023 संबंधित नियामक अनिश्चितता यांसारख्या आव्हानांना सामोरे जावे लागत आहे.

एस्य़ा सेंटरच्या डायरेक्टर, मेघना बाल (Meghna Bal) म्हणाल्या, "सर्वेक्षणाचा डेटा AI इकोसिस्टम (AI Ecosystem) बरीच सक्रिय आणि स्पर्धात्मक असल्याचे दर्शवितो." अहवालानुसार, भारतात AI चा व्यापक अवलंब करण्यामागे बाजारातील एकाधिकार किंवा निधीची कमतरता हे मुख्य अडथळे नसून, कुशल AI टॅलेंटची (Skilled AI Talent) मोठी कमतरता हेच खरे आव्हान आहे.