भारतातील डेटा सेंटर क्षेत्रात मोठा बदल होत आहे. हायपरस्केलर्सच्या वाढत्या मागणीमुळे आता AI-रेडी (AI-Ready) अशा खास कॅम्पसवर जोर दिला जात आहे. जरी गुंतवणुकीच्या मोठ्या घोषणा होत असल्या तरी, वीज उपलब्धता, जमीन संपादन आणि प्रकल्पांची अंमलबजावणी यांसारखी मोठी आव्हाने उद्योगासमोर आहेत. गुंतवणूकदारांनी केवळ घोषित केलेल्या क्षमतेवर विसंबून न राहता, प्रत्यक्ष कामाच्या प्रगतीवर आणि पायाभूत सुविधांच्या तयारीवर लक्ष ठेवणे आवश्यक आहे.
काय घडत आहे?
कृत्रिम बुद्धिमत्तेची (AI) वाढती गरज लक्षात घेता, भारतातील डेटा सेंटर क्षेत्रात मोठा बदल घडत आहे. तंत्रज्ञान कंपन्या आणि हायपरस्केलर्स आता पारंपरिक डेटा सेंटर्सऐवजी खास तयार केलेल्या, AI-सक्षम (AI-Native) कॅम्पसना प्राधान्य देत आहेत. हे नवीन कॅम्पस आधुनिक AI मॉडेल्ससाठी आवश्यक असलेल्या हाय-डेन्सिटी कॉम्प्युटिंग (High-Density Computing) गरजा पूर्ण करण्यासाठी खास डिझाइन केलेले आहेत. पारंपरिक सर्व्हर रूम्स जे कमी पॉवर डेन्सिटीवर चालतात, त्यांच्या तुलनेत AI-केंद्रित डेटा सेंटर्ससाठी अत्याधुनिक कूलिंग सिस्टीम (Cooling Systems) आणि प्रचंड वीज पायाभूत सुविधांची आवश्यकता असते. यासाठी प्रति रॅक (Rack) 10 kW वीज गरजेऐवजी 100 kW पेक्षा जास्त वीज लागू शकते.
Reliance Industries आणि AdaniConneX सारख्या मोठ्या कंपन्या या वाढत्या मागणीचा फायदा घेण्यासाठी गुंतवणूक वाढवत आहेत. इंडस्ट्री रिपोर्ट्सनुसार, 2026 च्या अखेरीस या क्षेत्रात होणारी गुंतवणूक $180 अब्ज पेक्षा जास्त होण्याची शक्यता आहे.
खास कॅम्पसकडे कल
AI च्या विशिष्ट गरजांमुळे 'बेस्पोक' (Bespoke) म्हणजेच कस्टमाईज्ड कॅम्पसकडे हा कल वाढत आहे. जागतिक हायपरस्केलर्स या ट्रेंडचे मुख्य चालक आहेत. त्यांना अशा खास सुविधा हव्या आहेत जिथे त्यांना लवकर वीज कनेक्शन मिळेल आणि त्यांच्या तांत्रिक गरजा पूर्ण होतील. 'निओक्लाउड्स' (Neoclouds) - जे GPU-as-a-Service देतात - त्यांच्या उदयानंतर 5 MW ते 15 MW क्षमतेच्या लहान पण विशेष सुविधांची मागणी आणखी वाढत आहे.
गुंतवणूकदारांसाठी, या बदलामुळे डेटा सेंटरचे मूल्यांकन करण्याची पद्धत बदलली आहे. आता केवळ डेटा सेंटरच्या संख्येवर लक्ष केंद्रित न करता, AI वर्कलोड्सना समर्थन देण्यासाठी पायाभूत सुविधांची गुणवत्ता आणि तयारी किती आहे, हे पाहणे महत्त्वाचे ठरले आहे. मोठ्या, विश्वासार्ह आणि शाश्वत ऊर्जा स्रोतांची उपलब्धता डेव्हलपर्ससाठी निर्णायक ठरत आहे.
अंमलबजावणीचे वास्तव
जरी घोषित केलेली क्षमता आकर्षक असली तरी, गुंतवणूकदारांनी 'नियोजित' (Planned) आणि 'कार्यरत' (Operational) क्षमता यातील फरक ओळखणे आवश्यक आहे. भारतीय डेटा सेंटर बाजारात सध्या घोषित आणि प्रत्यक्षात जमिनीवर उतरलेल्या कामांमध्ये मोठी तफावत दिसून येत आहे.
या क्षेत्रातील यशस्वी अंमलबजावणी तीन मुख्य स्तंभांवर अवलंबून आहे: वीज उपलब्धता, जमीन संपादन आणि नियामक अनुपालन. वीज पुरवठा हा सर्वात मोठा अडथळा आहे. डेटा सेंटर प्रकल्प तितकाच चांगला असतो, जितकी ग्रीड त्याला वीज पुरवू शकते. मुंबई, हैदराबाद, चेन्नई आणि नोएडा सारख्या धोरणात्मक ठिकाणी घोषित केलेल्या प्रकल्पांना वीज पायाभूत सुविधा आणि जमीन मिळवण्याच्या प्रक्रियेत अनेकदा अडचणी येतात, ज्यामुळे त्यांचे काम सुरू होण्यास अनेक वर्षे लागू शकतात.
जोखीम आणि पायाभूत सुविधांच्या मर्यादा
गुंतवणूकदारांनी खर्चात वाढ आणि विलंबाच्या शक्यतेबद्दल सावध रहावे. डेटा सेंटर उभारणीसाठी मोठ्या भांडवलाची आवश्यकता असते आणि तंत्रज्ञानाच्या गरजा विकसित होत असल्याने प्रति मेगावाट (Megawatt) खर्च लक्षणीय वाढला आहे. तसेच, वीज आणि जमिनीचे करार नसलेल्या प्रकल्पांमध्ये जास्त कर्ज घेणे किंवा अति-प्रतिबद्धता कंपनीच्या ताळेबंदावर ताण आणू शकते. शाश्वतता (Sustainability) ही देखील एक दीर्घकालीन जोखीम आहे; डेटा सेंटर अधिक वीज आणि पाणी वापरत असल्याने, हिरव्या आणि अधिक ऊर्जा-कार्यक्षम सुविधांसाठी नियामक दबाव वाढण्याची शक्यता आहे, ज्यामुळे व्यवस्थापन योग्यरित्या न झाल्यास नफ्यावर परिणाम होऊ शकतो.
गुंतवणूकदारांनी पुढे काय पाहावे?
या क्षेत्रावर लक्ष ठेवणारे गुंतवणूकदार आता मुख्य गुंतवणूक आकड्यांवरून प्रत्यक्ष कामकाजाच्या माहितीकडे वळले पाहिजेत. खालील बाबींवर लक्ष ठेवणे महत्त्वाचे आहे:
- कमिशनिंगची टाइमलाइन: केवळ घोषणांच्या तारखांऐवजी, प्रकल्प प्रत्यक्षात कधी कार्यान्वित झाला याचा मागोवा घ्या.
- वीज करार: प्रकल्पाच्या व्यवहार्यतेसाठी आवश्यक असलेल्या वीज क्षमतेबद्दलच्या खुलाशांकडे लक्ष द्या.
- ऑक्युपन्सी रेट्स (Occupancy Rates): जशी नवीन क्षमता ऑनलाइन येते, तसे हायपरस्केलर्सद्वारे या सुविधा किती लवकर भाड्याने घेतल्या जात आहेत याबद्दलच्या अपडेट्स पहा.
- पायाभूत सुविधांवरील खर्च: विकासकांच्या भांडवली खर्चाचा मागोवा घ्या, जेणेकरून बांधकाम टप्प्यांशी त्यांचा समन्वय साधला जाईल.
गुंतवणूकदारांनी कंपन्यांकडे मोठ्या प्रमाणात AI डेटा सेंटरच्या जटिल नियामक आणि पायाभूत सुविधांच्या गरजा पूर्ण करण्यासाठी आवश्यक तांत्रिक आणि आर्थिक कौशल्ये आहेत की नाही याचे मूल्यांकन केले पाहिजे, कारण या क्षेत्राची वाढ प्रत्यक्ष पायाभूत सुविधांच्या तयारीशी जोडलेली आहे.
