ਭਾਰਤ ਦੀ AI ਛਾਲ: ਐਪਸ ਨਾਲ ਬੂਮ, ਹੁਣ ਇਨਫਰਾਸਟਰੂਚਰ ਦੀ ਦੌੜ ਸ਼ੁਰੂ!

AI ਵਿੱਚ ਭਾਰਤ ਦੀ ਆਪਣੀ ਰਣਨੀਤੀ: ਪਹਿਲਾਂ ਐਪਸ, ਫਿਰ ਬੁਨਿਆਦੀ ਢਾਂਚਾ

ਭਾਰਤ ਨਕਲੀ ਬੁੱਧੀ (Artificial Intelligence) ਦੇ ਖੇਤਰ ਵਿੱਚ ਆਪਣਾ ਇੱਕ ਵਿਲੱਖਣ ਰਸਤਾ ਬਣਾ ਰਿਹਾ ਹੈ। ਦੇਸ਼ ਫਾਊਂਡੇਸ਼ਨਲ ਮਾਡਲ ਵਿਕਾਸ (Foundational Model Development) 'ਤੇ ਮੁਕਾਬਲਾ ਕਰਨ ਦੀ ਬਜਾਏ AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੇ ਇੱਕ ਪ੍ਰਮੁੱਖ ਉਤਪਾਦਨ ਹੱਬ (Production Hub) ਬਣਨ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰ ਰਿਹਾ ਹੈ। ਇਹ ਰਣਨੀਤੀ ਦੇਸ਼ ਦੀਆਂ ਤਾਕਤਾਂ – ਭਾਵ ਵੱਡਾ ਪੈਮਾਨਾ (Immense Scale) ਅਤੇ ਉੱਚ ਡਿਜੀਟਲ ਆਬਾਦੀ – ਦਾ ਪੂਰਾ ਫਾਇਦਾ ਉਠਾਉਂਦੀ ਹੈ।

ਫੁੱਲਦਾ ਹੋਇਆ ਐਪ ਬਾਜ਼ਾਰ

1.4 ਅਰਬ ਤੋਂ ਵੱਧ ਲੋਕਾਂ ਅਤੇ 900 ਮਿਲੀਅਨ ਤੋਂ ਵੱਧ ਇੰਟਰਨੈਟ ਉਪਭੋਗਤਾਵਾਂ ਦੇ ਨਾਲ, ਭਾਰਤ AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ ਇੱਕ ਵਿਸ਼ਾਲ ਬਾਜ਼ਾਰ ਪੇਸ਼ ਕਰਦਾ ਹੈ। ਇਸਦੀ ਰੀਅਲ-ਟਾਈਮ ਡਿਜੀਟਲ ਭੁਗਤਾਨ ਪ੍ਰਣਾਲੀ, UPI, ਰੋਜ਼ਾਨਾ ਵੱਡੀ ਗਿਣਤੀ ਵਿੱਚ ਲੈਣ-ਦੇਣ ਕਰਦੀ ਹੈ, ਜੋ AI ਲਈ ਕੀਮਤੀ ਡਾਟਾ ਤਿਆਰ ਕਰਦਾ ਹੈ। ਖਪਤਕਾਰਾਂ ਦੁਆਰਾ AI ਨੂੰ ਅਪਣਾਉਣ ਦੀ ਦਰ ਬਹੁਤ ਜ਼ਿਆਦਾ ਹੈ; 62% ਲੋਕ ਖਰੀਦਦਾਰੀ (Shopping) ਲਈ ਅਤੇ 64% ਉਤਪਾਦ ਖੋਜ (Product Research) ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ। ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਗੱਲ ਇਹ ਹੈ ਕਿ AI 'ਤੇ ਭਰੋਸਾ ਬਹੁਤ ਮਜ਼ਬੂਤ ਹੈ, ਲਗਭਗ 90% ਭਾਰਤੀ AI ਨੂੰ ਮਨਜ਼ੂਰੀ ਦਿੰਦੇ ਹਨ ਅਤੇ 79% ਤੋਂ ਵੱਧ AI-ਆਧਾਰਿਤ ਫੈਸਲਿਆਂ ਨੂੰ ਸਵੀਕਾਰ ਕਰਦੇ ਹਨ, ਅਕਸਰ ਉਨ੍ਹਾਂ ਨੂੰ ਵਧੇਰੇ ਨਿਰਪੱਖ ਮੰਨਦੇ ਹਨ। ਇਹ ਉੱਚ ਭਰੋਸਾ AI ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਅਪਣਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਭਾਰਤ ChatGPT ਲਈ 100 ਮਿਲੀਅਨ ਤੋਂ ਵੱਧ ਹਫਤਾਵਾਰੀ ਉਪਭੋਗਤਾਵਾਂ ਦੇ ਨਾਲ ਦੂਜਾ ਸਭ ਤੋਂ ਵੱਡਾ ਬਾਜ਼ਾਰ ਬਣ ਗਿਆ ਹੈ।

ਨਿਵੇਸ਼ ਦਾ ਫੋਕਸ ਐਪਲੀਕੇਸ਼ਨਾਂ 'ਤੇ

ਭਾਰਤ ਦਾ AI ਸੈਕਟਰ ਐਪਲੀਕੇਸ਼ਨ-ਪਹਿਲ ਪਹੁੰਚ (Application-First Approach) ਦੇ ਨਾਲ ਪੂੰਜੀ (Capital) ਦਾ ਕੁਸ਼ਲਤਾ ਨਾਲ ਉਪਯੋਗ ਕਰਦਾ ਹੈ। AI ਫੰਡਿੰਗ ਦਾ ਲਗਭਗ 80% ਐਪਲੀਕੇਸ਼ਨ-ਲੇਅਰ ਕੰਪਨੀਆਂ (Application-Layer Companies) ਨੂੰ ਨਿਸ਼ਾਨਾ ਬਣਾਉਂਦਾ ਹੈ, ਜੋ ਕਿ ਉਨ੍ਹਾਂ ਖੇਤਰਾਂ ਦੇ ਉਲਟ ਹੈ ਜੋ ਮਹਿੰਗੇ ਫਾਊਂਡੇਸ਼ਨਲ ਮਾਡਲਾਂ ਜਾਂ ਬੁਨਿਆਦੀ ਢਾਂਚੇ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਦੇ ਹਨ। ਇਸ ਰਣਨੀਤੀ ਨੇ ਤੇਜ਼ੀ ਨਾਲ ਮਾਲੀਆ (Revenue) ਪੈਦਾ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕੀਤੀ ਹੈ, ਜਿਸ ਵਿੱਚ ਲਗਭਗ 60% ਸਟਾਰਟਅੱਪ ਜਲਦੀ ਕਮਾਈ ਕਰ ਰਹੇ ਹਨ। ਗਲੋਬਲ AI ਫਰਮਾਂ ਭਾਰਤ ਦੇ ਵਿਭਿੰਨ ਉਪਭੋਗਤਾ ਬੇਸ ਅਤੇ ਬਹੁਭਾਸ਼ਾਈ ਲੋੜਾਂ ਤੋਂ ਡਾਟਾ ਹਾਸਲ ਕਰਨ ਲਈ ਨਿਵੇਸ਼ ਕਰ ਰਹੀਆਂ ਹਨ। AI ਡੀਲ ਦੀ ਮਾਤਰਾ ਅਤੇ ਫੰਡਿੰਗ ਇਸ ਰੁਝਾਨ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ: 2025 ਵਿੱਚ 164 AI ਡੀਲ ਹੋਈਆਂ, ਜੋ ਪਿਛਲੇ ਸਾਲਾਂ ਨਾਲੋਂ ਕਾਫ਼ੀ ਜ਼ਿਆਦਾ ਹਨ, ਕੁੱਲ ਫੰਡਿੰਗ $2.5 ਬਿਲੀਅਨ ਤੱਕ ਪਹੁੰਚ ਗਈ, ਜੋ 2024 ਵਿੱਚ $0.9 ਬਿਲੀਅਨ ਤੋਂ ਵਧੀ ਹੈ। ਔਸਤ ਡੀਲ ਸਾਈਜ਼ (Average Deal Sizes) ਵਿੱਚ ਵੀ ਵਾਧਾ ਹੋਇਆ ਹੈ, ਜੋ ਭਾਰਤ ਦੀ AI ਐਪ ਸੰਭਾਵਨਾ ਵਿੱਚ ਨਿਵੇਸ਼ਕਾਂ ਦੇ ਵਧਦੇ ਭਰੋਸੇ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।

ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੀ ਕਮੀ

ਐਪਸ ਅਤੇ ਸਟਾਰਟਅੱਪਾਂ ਵਿੱਚ ਮਜ਼ਬੂਤ ​​ਵਿਕਾਸ ਦੇ ਬਾਵਜੂਦ, ਭਾਰਤ ਨੂੰ ਮੁੱਖ AI ਬੁਨਿਆਦੀ ਢਾਂਚੇ, ਖਾਸ ਕਰਕੇ ਡਾਟਾ ਸਟੋਰੇਜ (Data Storage) ਵਿੱਚ ਇੱਕ ਵੱਡੀ ਕਮੀ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈ ਰਿਹਾ ਹੈ। ਜਦੋਂ ਕਿ ਦੇਸ਼ ਦੁਨੀਆ ਦਾ ਲਗਭਗ 20% ਡਾਟਾ ਤਿਆਰ ਕਰਦਾ ਹੈ, ਇਸਦੀ ਸਟੋਰੇਜ ਸਮਰੱਥਾ ਗਲੋਬਲ ਕੁੱਲ ਦਾ 3% ਤੋਂ ਘੱਟ ਹੈ। ਇਹ ਅਸੰਤੁਲਨ ਲੰਬੇ ਸਮੇਂ ਦੇ AI ਵਿਕਾਸ ਅਤੇ ਗਲੋਬਲ ਮੁਕਾਬਲੇਬਾਜ਼ੀ ਲਈ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਰੁਕਾਵਟ ਹੈ। ਇਸ ਨੂੰ ਠੀਕ ਕਰਨ ਲਈ, $200 ਬਿਲੀਅਨ ਤੋਂ ਵੱਧ ਦੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੇ ਪ੍ਰਤੀਬੱਧਤਾਵਾਂ (Infrastructure Commitments) ਦਾ ਐਲਾਨ ਕੀਤਾ ਗਿਆ ਹੈ, ਜੋ ਜ਼ਰੂਰੀ ਕੰਪਿਊਟ (Compute) ਅਤੇ ਸਟੋਰੇਜ ਸਮਰੱਥਾਵਾਂ ਦੇ ਨਿਰਮਾਣ ਲਈ ਇੱਕ ਵੱਡੇ ਯਤਨ ਦਾ ਸੰਕੇਤ ਦਿੰਦਾ ਹੈ। ਇਹ ਸਿਰਫ਼ ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਤਾਇਨਾਤ ਕਰਨ ਤੋਂ ਪਰੇ ਘਰੇਲੂ AI ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਨੂੰ ਵਿਕਸਤ ਕਰਨ ਵੱਲ ਇੱਕ ਮੁੱਖ ਤਬਦੀਲੀ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।

ਗਲੋਬਲ ਸੰਦਰਭ ਅਤੇ ਭਵਿੱਖ ਦੀਆਂ ਚੁਣੌਤੀਆਂ

ਭਾਰਤ ਦੀ ਐਪਲੀਕੇਸ਼ਨ-ਪਹਿਲੀ ਰਣਨੀਤੀ ਸੰਯੁਕਤ ਰਾਜ ਅਮਰੀਕਾ (United States) ਅਤੇ ਚੀਨ (China) ਦੇ ਮਾਡਲ-ਕੇਂਦਰਿਤ ਪਹੁੰਚਾਂ ਤੋਂ ਵੱਖਰੀ ਹੈ, ਜੋ ਫਾਊਂਡੇਸ਼ਨਲ ਰਿਸਰਚ ਅਤੇ ਹਾਰਡਵੇਅਰ ਵਿੱਚ ਭਾਰੀ ਨਿਵੇਸ਼ ਕਰਦੇ ਹਨ। ਜਦੋਂ ਕਿ ਭਾਰਤ ਐਪਸ ਲਈ ਆਪਣੇ ਆਕਾਰ ਅਤੇ ਲਾਗਤ-ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ (Cost-Effectiveness) ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ, AI ਕੰਪਿਊਟਿੰਗ ਪਾਵਰ ਦੀ ਵਧਦੀ ਗਲੋਬਲ ਮੰਗ ਇਸ ਗੱਲ ਨੂੰ ਉਜਾਗਰ ਕਰਦੀ ਹੈ ਕਿ ਭਾਰਤ ਨੂੰ ਆਪਣੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਨੂੰ ਮਜ਼ਬੂਤ ​​ਕਰਨ ਦੀ ਲੋੜ ਹੈ। ਵਿਸ਼ਲੇਸ਼ਕ ਸਹਿਮਤ ਹਨ ਕਿ ਮਹੱਤਵਪੂਰਨ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦਾ ਨਿਵੇਸ਼ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਕਦਮ ਹੈ। ਹਾਲਾਂਕਿ, ਵਿਸ਼ਵ ਪੱਧਰ 'ਤੇ ਪ੍ਰਸੰਗਿਕ (Relevant) ਰਹਿਣ ਲਈ ਮਜ਼ਬੂਤ ​​ਬੈਕਐਂਡ ਸਮਰੱਥਾਵਾਂ (Backend Capabilities) ਬਣਾਉਣ ਦੀ ਲੋੜ ਹੋਵੇਗੀ।

AI ਫੰਡਿੰਗ ਲੈਂਡਸਕੇਪ ਵਿਕਾਸ ਦਰਸਾਉਂਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਕੁੱਲ ਫੰਡਿੰਗ ਪਿਛਲੇ ਸਾਲ $0.9 ਬਿਲੀਅਨ ਤੋਂ ਵਧ ਕੇ 2025 ਵਿੱਚ $2.5 ਬਿਲੀਅਨ ਹੋ ਗਈ ਹੈ। ਫਿਰ ਵੀ, ਈਕੋਸਿਸਟਮ ਮੁੱਖ ਤੌਰ 'ਤੇ ਸ਼ੁਰੂਆਤੀ-ਪੜਾਅ (Early-Stage) ਫੰਡਿੰਗ ਰਾਉਂਡਾਂ ਦੁਆਰਾ ਦਬਦਬਾ ਰੱਖਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ 71% ਡੀਲ ਇਸ ਪੱਧਰ 'ਤੇ ਹਨ, ਜੋ ਇੱਕ ਵਧ ਰਹੇ ਪਰ ਅਜੇ ਵਿਕਾਸਸ਼ੀਲ ਬਾਜ਼ਾਰ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।

ਭਾਰਤ ਦੀਆਂ AI ਅਭਿਲਾਸ਼ਾਵਾਂ ਲਈ ਮੁੱਖ ਜੋਖਮ

ਜਦੋਂ ਕਿ ਇੱਕ AI ਐਪਲੀਕੇਸ਼ਨ ਫੈਕਟਰੀ ਵਜੋਂ ਭਾਰਤ ਦੀ ਭੂਮਿਕਾ ਮਜ਼ਬੂਤ ​​ਹੈ, ਉੱਥੇ ਕੁਝ ਅੰਦਰੂਨੀ ਜੋਖਮ (Inherent Risks) ਵੀ ਹਨ। ਮੇਲ ਖਾਂਦੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੇ ਨਿਵੇਸ਼ ਤੋਂ ਬਿਨਾਂ ਮੁੱਖ ਤੌਰ 'ਤੇ ਐਪ ਵਿਕਾਸ 'ਤੇ ਨਿਰਭਰ ਰਹਿਣਾ ਨਵੇਂ ਬਣਾਉਣ ਦੀ ਬਜਾਏ ਮੌਜੂਦਾ ਡਿਜੀਟਲ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਵਰਤੋਂ ਕਰਨ ਵਰਗਾ ਹੈ। ਅਮਰੀਕਾ ਅਤੇ ਚੀਨ ਦੇ ਉਲਟ, ਜਿਨ੍ਹਾਂ ਕੋਲ ਉੱਨਤ ਚਿੱਪ ਉਦਯੋਗ (Chip Industries) ਅਤੇ ਵੱਡੇ ਕਲਾਉਡ ਨੈੱਟਵਰਕ ਹਨ, ਭਾਰਤ ਆਪਣੇ ਕੰਪਿਊਟ ਅਤੇ ਡਾਟਾ ਸਟੋਰੇਜ ਬਿਲਡ-ਆਊਟ ਨੂੰ ਬਹੁਤ ਹੇਠਲੇ ਪੱਧਰ ਤੋਂ ਸ਼ੁਰੂ ਕਰਦਾ ਹੈ। ਮੁੱਖ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਲਈ ਵਿਦੇਸ਼ੀ ਤਕਨਾਲੋਜੀ 'ਤੇ ਇਹ ਨਿਰਭਰਤਾ ਸਪਲਾਈ ਚੇਨ (Supply Chain) ਦੇ ਮੁੱਦੇ ਅਤੇ ਉੱਚ ਲਾਗਤਾਂ ਦਾ ਕਾਰਨ ਬਣ ਸਕਦੀ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੀ ਚੁਣੌਤੀ ਦਾ ਵਿਸ਼ਾਲ ਪੈਮਾਨਾ, $200 ਬਿਲੀਅਨ ਤੋਂ ਵੱਧ ਦੀਆਂ ਪ੍ਰਤੀਬੱਧਤਾਵਾਂ ਦੇ ਨਾਲ, ਇਸ ਨੂੰ ਲਾਗੂ ਕਰਨਾ ਮੁਸ਼ਕਲ ਬਣਾਉਂਦਾ ਹੈ। ਇਸ ਪੈਸੇ ਨੂੰ ਚੰਗੀ ਤਰ੍ਹਾਂ ਖਰਚਣ ਲਈ ਚੰਗੀ ਪ੍ਰੋਜੈਕਟ ਪ੍ਰਬੰਧਨ (Project Management), ਸਪੱਸ਼ਟ ਨਿਯਮਾਂ ਅਤੇ ਸਰਕਾਰ ਅਤੇ ਕਾਰੋਬਾਰ ਤੋਂ ਨਿਰੰਤਰ ਸਹਾਇਤਾ ਦੀ ਲੋੜ ਹੈ। ਇਸ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੀ ਕਮੀ ਨੂੰ ਪੂਰਾ ਕਰਨ ਵਿੱਚ ਦੇਰੀ ਜਾਂ ਅਯੋਗਤਾ ਭਾਰਤ ਦੇ AI ਭਵਿੱਖ ਨੂੰ ਸੀਮਤ ਕਰ ਸਕਦੀ ਹੈ, ਸੰਭਾਵੀ ਤੌਰ 'ਤੇ ਇਸਨੂੰ ਇੱਕ ਸਵੈ-ਨਿਰਭਰ ਨਵੀਨਤਾਕਾਰੀ (Self-Sufficient Innovator) ਦੀ ਬਜਾਏ ਇੱਕ ਉੱਚ-ਵਾਲੀਅਮ ਉਪਭੋਗਤਾ (High-Volume User) ਵਜੋਂ ਛੱਡ ਸਕਦੀ ਹੈ।

ਭਾਰਤ ਦਾ AI ਭਵਿੱਖ ਨਿਰੰਤਰ ਵਿਕਾਸ ਲਈ ਲੋੜੀਂਦੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੇ ਨਾਲ-ਨਾਲ ਆਪਣੀ ਐਪਲੀਕੇਸ਼ਨ ਦੀ ਤਾਕਤ ਨੂੰ ਅੱਗੇ ਵਧਾਉਣ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ। $200 ਬਿਲੀਅਨ ਦਾ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਪੁਸ਼ ਅਭਿਲਾਸ਼ਾ ਦਿਖਾਉਂਦਾ ਹੈ, ਪਰ ਬਾਜ਼ਾਰ ਦੇਖੇਗਾ ਕਿ AI ਕੰਪਿਊਟਿੰਗ ਪਾਵਰ ਦੀ ਵਧਦੀ ਗਲੋਬਲ ਮੰਗ ਦੇ ਵਿਚਕਾਰ ਇਨ੍ਹਾਂ ਸਰੋਤਾਂ ਦੀ ਕਿੰਨੀ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਵਰਤੋਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।