ਭਾਰਤ 2030 ਤੱਕ **23 GW** ਡਾਟਾ-ਸੈਂਟਰ ਸਮਰੱਥਾ ਦੇ ਵੱਡੇ ਟੀਚੇ ਵੱਲ ਵਧ ਰਿਹਾ ਹੈ, ਪਰ ਹੁਣ ਨਿਵੇਸ਼ਕਾਂ ਨੇ 'ਪ੍ਰੋਫਿਟੇਬਿਲਟੀ ਟੈਸਟ' ਸ਼ੁਰੂ ਕਰ ਦਿੱਤਾ ਹੈ। ਮੌਜੂਦਾ ਅੰਕੜਿਆਂ ਮੁਤਾਬਕ ਸਿਰਫ਼ **23%** ਕੰਪਨੀਆਂ ਹੀ ਚੰਗਾ ਰਿਟਰਨ ਦੇ ਰਹੀਆਂ ਹਨ, ਜਿਸ ਕਾਰਨ ਨਿਵੇਸ਼ਕ ਹੁਣ ਭਾਰੀ ਖਰਚੇ ਵਾਲੇ Infra ਸਟਾਕਸ ਤੋਂ ਦੂਰੀ ਬਣਾ ਕੇ IT ਸੇਵਾਵਾਂ ਵਾਲੀਆਂ ਕੰਪਨੀਆਂ ਵੱਲ ਮੁੜ ਰਹੇ ਹਨ।
ਭਾਰਤ ਵਿੱਚ AI ਇਨਫਰਾਸਟ੍ਰਕਚਰ ਦੇ ਵਿਸਥਾਰ ਦਾ ਦੌਰ ਇੱਕ ਅਹਿਮ ਮੋੜ 'ਤੇ ਹੈ। ਦੇਸ਼ 1.6 GW ਤੋਂ ਵਧ ਕੇ 2030 ਤੱਕ 19-23 GW ਦੀ ਸਮਰੱਥਾ ਹਾਸਲ ਕਰਨ ਦੇ ਰਾਹ 'ਤੇ ਹੈ। ਇਸ ਵੱਡੇ ਪੱਧਰ 'ਤੇ $350 ਬਿਲੀਅਨ ਤੋਂ $435 ਬਿਲੀਅਨ ਤੱਕ ਦੇ ਨਿਵੇਸ਼ ਦੇ ਵਿਚਕਾਰ, ਹੁਣ ਸਵਾਲ ਇਹ ਉੱਠ ਰਿਹਾ ਹੈ ਕਿ ਕੀ ਇਹ ਖਰਚਾ ਅਸਲ ਵਿੱਚ ਟਿਕਾਊ ਮੁਨਾਫਾ ਦੇ ਸਕਦਾ ਹੈ?
ਮਾਰਕੀਟ ਵਿੱਚ ਬਦਲਾਅ
15 ਸਤੰਬਰ, 2026 ਨੂੰ ਸ਼ੇਅਰ ਬਾਜ਼ਾਰ ਵਿੱਚ ਇਹ ਤਬਦੀਲੀ ਸਾਫ਼ ਦਿਖਾਈ ਦਿੱਤੀ। ਜਿੱਥੇ Nifty IT Index ਵਿੱਚ 5% ਦਾ ਉਛਾਲ ਆਇਆ, ਉੱਥੇ ਹੀ ਪਾਵਰ ਅਤੇ ਇਨਫਰਾਸਟ੍ਰਕਚਰ ਸਟਾਕਸ ਵਿੱਚ ਵਿਕਵਾਲੀ ਦਾ ਦਬਾਅ ਦੇਖਣ ਨੂੰ ਮਿਲਿਆ। ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਨਿਵੇਸ਼ਕ ਹੁਣ ਉਨ੍ਹਾਂ ਕੰਪਨੀਆਂ ਤੋਂ ਸਾਵਧਾਨ ਹੋ ਰਹੇ ਹਨ ਜੋ ਸਿਰਫ਼ ਖਰਚਾ (Capex) ਕਰ ਰਹੀਆਂ ਹਨ ਪਰ ਰਿਟਰਨ ਦੀ ਕੋਈ ਸਾਫ ਤਸਵੀਰ ਨਹੀਂ ਦਿਖਾ ਰਹੀਆਂ।
ਕੁਸ਼ਲਤਾ ਦੀ ਕਮੀ (Efficiency Gap)
CRISIL ਦੇ ਅੰਕੜਿਆਂ ਮੁਤਾਬਕ, 2022 ਤੋਂ mid-2026 ਤੱਕ AI ਖੇਤਰ ਵਿੱਚ ਹੋਏ ਕੁੱਲ ਨਿਵੇਸ਼ ਦਾ ਅੱਧਾ ਹਿੱਸਾ ਸਿਰਫ਼ ਇਨਫਰਾਸਟ੍ਰਕਚਰ ਵਿੱਚ ਗਿਆ ਹੈ। ਪਰ Dun & Bradstreet ਦੀ ਰਿਪੋਰਟ ਚਿੰਤਾਜਨਕ ਹੈ: 73% ਕਾਰੋਬਾਰਾਂ ਨੇ AI ਤੋਂ ਕੁਝ ਫਾਇਦਾ ਦੇਖਿਆ, ਪਰ ਸਿਰਫ 23% ਕੰਪਨੀਆਂ ਨੂੰ ਹੀ ਆਪਣੇ ਪ੍ਰੋਜੈਕਟਾਂ ਤੋਂ ਵੱਡਾ ਰਿਟਰਨ ਮਿਲਿਆ ਹੈ।
Training ਬਨਾਮ Inference
AI ਦੀ ਅਰਥਵਿਵਸਥਾ ਬਦਲ ਰਹੀ ਹੈ। 'Training' ਲਈ ਵੱਡੀ ਕੰਪਿਊਟਿੰਗ ਪਾਵਰ ਚਾਹੀਦੀ ਹੈ, ਪਰ 'Inference'—ਜੋ ਕਿ ਰੋਜ਼ਾਨਾ ਦੇ ਕੰਮਾਂ ਜਿਵੇਂ ਗਾਹਕ ਸੇਵਾ ਲਈ ਹੁੰਦਾ ਹੈ—ਵਿੱਚ ਲਗਾਤਾਰ ਵਰਤੋਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਜੋ ਡਾਟਾ-ਸੈਂਟਰ ਸਿਰਫ਼ ਛੋਟੇ ਸਮੇਂ ਦੇ ਟ੍ਰੇਨਿੰਗ ਸਪਾਈਕਸ ਲਈ ਬਣੇ ਹਨ, ਉਹ ਸ਼ਾਇਦ ਲੰਬੇ ਸਮੇਂ ਵਿੱਚ ਮੁਸ਼ਕਲ ਵਿੱਚ ਆ ਸਕਦੇ ਹਨ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਡਾਟਾ-ਸੈਂਟਰਾਂ ਨੂੰ ਰਵਾਇਤੀ ਸਹੂਲਤਾਂ ਦੇ ਮੁਕਾਬਲੇ 6 ਤੋਂ 7 ਗੁਣਾ ਵੱਧ ਪੂੰਜੀ ਨਿਵੇਸ਼ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਗਲਤੀ ਦੀ ਕੋਈ ਗੁੰਜਾਇਸ਼ ਨਹੀਂ ਬਚਦੀ।
ਨਿਵੇਸ਼ਕ ਕੀ ਦੇਖਣ?
ਭਵਿੱਖ ਵਿੱਚ ਉਹੀ ਕੰਪਨੀਆਂ ਕਾਮਯਾਬ ਹੋਣਗੀਆਂ ਜੋ ਆਪਣੀ ਸਮਰੱਥਾ ਦੀ ਵਰਤੋਂ (Utilization rates) ਅਤੇ ਪ੍ਰਤੀ-ਮੈਗਾਵਾਟ ਰੈਵੇਨਿਊ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣਗੀਆਂ। ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਹੁਣ ਸਿਰਫ਼ ਇਹ ਨਹੀਂ ਦੇਖਣਾ ਚਾਹੀਦਾ ਕਿ ਕਿੰਨੇ ਡਾਟਾ-ਸੈਂਟਰ ਬਣ ਰਹੇ ਹਨ, ਸਗੋਂ ਇਹ ਦੇਖਣਾ ਹੋਵੇਗਾ ਕਿ ਉਹ ਕਿੰਨੇ ਲਾਭਕਾਰੀ ਹਨ।