ਭਾਰਤ ਦਾ AI ਟੋਕਨ ਜਾਲ: ਮੌਜੂਦ ਸੰਕਟ ਦਾ ਖਤਰਾ

ਭਾਰਤ ਦੇ ਭੁਗਤਾਨ ਸੰਤੁਲਨ (Balance of Payments) ਦੀ ਢਾਂਚਾਗਤ ਤਾਕਤ ਲੰਬੇ ਸਮੇਂ ਤੋਂ IT ਸਰਵਿਸਿਜ਼ ਨਿਰਯਾਤ (Exports) ਤੋਂ ਹੋਣ ਵਾਲੀ ਨਿਰੰਤਰ ਆਮਦਨ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਆਈ ਹੈ। ਹਾਲਾਂਕਿ, ਕਾਰਪੋਰੇਟ ਸੌਫਟਵੇਅਰ ਖਰਚਿਆਂ ਵਿੱਚ ਇੱਕ ਬੁਨਿਆਦੀ ਬਦਲਾਅ ਚੁੱਪ-ਚਾਪ ਇਸ ਸੰਤੁਲਨ ਨੂੰ ਬਦਲ ਰਿਹਾ ਹੈ। ਜਿਵੇਂ-ਜਿਵੇਂ ਦੇਸੀ ਕੰਪਨੀਆਂ ਜਨਰੇਟਿਵ AI (Generative AI) ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਅਪਣਾ ਰਹੀਆਂ ਹਨ, ਇਸ ਦੇ ਸੰਚਾਲਨ ਦੀ ਲਾਗਤ—ਖਾਸ ਤੌਰ 'ਤੇ ਵਿਦੇਸ਼ੀ ਲਾਰਜ ਲੈਂਗੂਏਜ ਮਾਡਲ ਪ੍ਰਦਾਤਾਵਾਂ ਨੂੰ ਦਿੱਤੀਆਂ ਜਾਣ ਵਾਲੀਆਂ ਟੋਕਨ-ਆਧਾਰਿਤ ਫੀਸਾਂ—ਵਿਦੇਸ਼ੀ ਮੁਦਰਾ (Foreign Exchange) ਦਾ ਇੱਕ ਲਗਾਤਾਰ, ਮਹੱਤਵਪੂਰਨ ਨਿਕਾਸ (Outflow) ਪੈਦਾ ਕਰ ਰਹੀਆਂ ਹਨ।

ਸਰਵਿਸਿਜ਼ ਸਰਪਲੱਸ ਦਾ ਖਾਤਮਾ

ਹਾਲਾਂਕਿ FY26 ਵਿੱਚ $213.9 ਬਿਲੀਅਨ ਦਾ ਸਰਪਲੱਸ ਇੱਕ ਆਰਾਮਦਾਇਕ ਬਫਰ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਪਰ ਉਸ ਸਰਪਲੱਸ ਦੀ ਰਚਨਾ 'ਤੇ ਦਬਾਅ ਹੈ। ਗਲੋਬਲ AI ਪ੍ਰਦਾਤਾ ਆਮ ਤੌਰ 'ਤੇ ਇੱਕ ਗਾਹਕੀ ਅਤੇ ਵਰਤੋਂ ਮਾਡਲ 'ਤੇ ਕੰਮ ਕਰਦੇ ਹਨ ਜੋ ਭਾਰਤੀ ਕੰਪਨੀਆਂ ਨੂੰ ਹਾਰਡ ਕਰੰਸੀ ਵਿੱਚ ਭੁਗਤਾਨ ਕਰਨ ਲਈ ਮਜਬੂਰ ਕਰਦਾ ਹੈ। ਇਹ ਡਿਜੀਟਲ ਪਰਿਵਰਤਨ (Digital Transformation) 'ਤੇ ਇੱਕ ਅਦਿੱਖ ਟੈਕਸ ਬਣਾਉਂਦਾ ਹੈ। ਜਦੋਂ ਕੋਈ ਭਾਰਤੀ IT ਫਰਮ ਜਾਂ ਬੈਂਕ ਉੱਚ-ਫ੍ਰੀਕੁਐਂਸੀ ਮਾਡਲ ਇਨਫਰੰਸ (Model Inference) ਲਈ ਭੁਗਤਾਨ ਕਰਦਾ ਹੈ, ਤਾਂ ਮੁੱਲ ਕੈਪਚਰ ਤੁਰੰਤ ਵਿਦੇਸ਼ੀ ਹੈੱਡਕੁਆਰਟਰਾਂ ਵਿੱਚ ਚਲਾ ਜਾਂਦਾ ਹੈ। ਜਿਵੇਂ-ਜਿਵੇਂ ਘਰੇਲੂ ਅਪਣੱਤ ਵਿਆਪਕ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਏਜੰਟਿਕ ਵਰਕਫਲੋਜ਼ (Enterprise Agentic Workflows) ਵੱਲ ਵਧਦੀ ਹੈ, ਇਹ ਮੌਜੂਦਾ ਖਾਤੇ (Current Account) 'ਤੇ ਇੱਕ ਢਾਂਚਾਗਤ ਖਿੱਚ (Structural Drag) ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਭਾਰਤ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਇੱਕ ਸਰਵਿਸ-ਵੈਲਿਊ ਪ੍ਰਦਾਤਾ ਦੀ ਬਜਾਏ ਬੁੱਧੀ ਦਾ ਸ਼ੁੱਧ ਆਯਾਤਕ (Net Importer) ਬਣ ਜਾਵੇਗਾ।

ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦਾ ਅੰਤਰ (Infrastructure Disconnect)

ਭਾਰਤ AI ਮਿਸ਼ਨ (IndiaAI Mission) ਵਰਗੀਆਂ ਮੌਜੂਦਾ ਘਰੇਲੂ ਪਹਿਲਕਦਮੀਆਂ ਮੁੱਖ ਤੌਰ 'ਤੇ ਕੱਚੇ GPU ਦੀ ਖਰੀਦ ਅਤੇ ਹਾਰਡਵੇਅਰ ਦੀ ਉਪਲਬਧਤਾ 'ਤੇ ਕੇਂਦ੍ਰਿਤ ਰਹੀਆਂ ਹਨ। ਹਾਲਾਂਕਿ, ਅੜਿੱਕਾ ਸਿਰਫ ਹਾਰਡਵੇਅਰ ਨਹੀਂ ਹੈ; ਇਹ ਪ੍ਰੋਡਕਸ਼ਨ-ਗ੍ਰੇਡ ਇਨਫਰੰਸ ਲੇਅਰ (Production-grade Inference Layer) ਹੈ। ਸਥਾਪਿਤ ਗਲੋਬਲ ਮਾਡਲਾਂ ਨਾਲ ਮੁਕਾਬਲਾ ਕਰਨ ਲਈ ਸਥਾਨਕ ਡਾਟਾ ਸੈਂਟਰਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਜੋ ਕਿ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਘੱਟ-ਲੇਟੈਂਸੀ (Low-latency), ਲਾਗਤ-ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਇਨਫਰੰਸ ਪ੍ਰਦਾਨ ਕਰ ਸਕਣ। ਮੌਜੂਦਾ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਖੰਡਿਤ (Fragmented) ਹੈ, ਜਿਸ ਵਿੱਚ ਬਹੁਤ ਸਾਰੇ ਸਥਾਨਕ ਪ੍ਰਦਾਤਾਵਾਂ ਕੋਲ OpenAI ਜਾਂ Anthropic ਦੁਆਰਾ ਪੇਸ਼ ਕੀਤੇ ਗਏ ਸਹਿਜ API ਵਾਤਾਵਰਣਾਂ ਨਾਲ ਮੁਕਾਬਲਾ ਕਰਨ ਲਈ ਲੋੜੀਂਦਾ ਸੌਫਟਵੇਅਰ ਅਨੁਕੂਲਨ ਲੇਅਰ (Software Optimization Layer) ਨਹੀਂ ਹੈ। ਇਸ ਪਾੜੇ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਹਾਰਡਵੇਅਰ ਸਬਸਿਡੀਆਂ ਤੋਂ ਅੱਗੇ ਵਧ ਕੇ ਪ੍ਰਭੂਸੱਤਾ AI ਸਟੈਕਸ (Sovereign AI Stacks) ਲਈ ਇੱਕ ਇਕਮੁੱਠ ਰਾਸ਼ਟਰੀ ਰਣਨੀਤੀ ਵੱਲ ਵਧਣ ਦੀ ਲੋੜ ਹੈ।

ਰਣਨੀਤਕ ਜੋਖਮ ਅਤੇ ਪ੍ਰਭੂਸੱਤਾ ਐਕਸਪੋਜਰ (Sovereign Exposure)

ਵਿਦੇਸ਼ੀ-ਹੋਸਟਡ ਬੁੱਧੀ (Foreign-hosted Intelligence) 'ਤੇ ਨਿਰਭਰਤਾ ਦੋਹਰਾ ਜੋਖਮ ਪੇਸ਼ ਕਰਦੀ ਹੈ: ਆਰਥਿਕ ਲੀਕੇਜ (Economic Leakage) ਅਤੇ ਪ੍ਰਭੂਸੱਤਾ ਨਿਰਭਰਤਾ (Sovereign Dependency)। ਇਨਫਰੰਸ ਲੇਅਰ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਆਫਸ਼ੋਰ ਰਹਿਣ ਦੇ ਕੇ, ਭਾਰਤੀ ਫਰਮਾਂ ਕੀਮਤਾਂ ਵਿੱਚ ਵਾਧਾ, ਲੇਟੈਂਸੀ ਸਮੱਸਿਆਵਾਂ, ਅਤੇ ਡਾਟਾ ਨਿਵਾਸ (Data Residency) ਲੋੜਾਂ ਵਿੱਚ ਬਦਲਾਅ ਦੇ ਕਮਜ਼ੋਰ ਹਨ ਜੋ ਕਿ ਵਿੱਤ ਅਤੇ ਸਿਹਤ ਸੰਭਾਲ ਵਰਗੇ ਸੰਵੇਦਨਸ਼ੀਲ ਉਦਯੋਗਾਂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰ ਸਕਦੇ ਹਨ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਇੱਕ ਸਵਦੇਸ਼ੀ (Indigenous), ਲਾਗਤ-ਪ੍ਰਤੀਯੋਗੀ ਇਨਫਰੰਸ ਵਿਕਲਪ ਦੀ ਘਾਟ AI-as-a-Service ਲਈ ਇੱਕ ਸਥਾਨਕ ਸੈਕੰਡਰੀ ਬਾਜ਼ਾਰ ਦੇ ਉਭਾਰ ਨੂੰ ਰੋਕਦੀ ਹੈ, ਇੱਕ ਅਜਿਹਾ ਖੇਤਰ ਜਿਸ ਦੇ 2030 ਤੱਕ ਤੇਜ਼ੀ ਨਾਲ ਵਧਣ ਦਾ ਅਨੁਮਾਨ ਹੈ। ਪ੍ਰਸਤਾਵਿਤ $5 ਬਿਲੀਅਨ ਦਾ ਸਹਿ-ਨਿਵੇਸ਼ ਫੰਡ (Co-investment Fund), ਜੇਕਰ ਇਹ ਅਸਲ ਵਿੱਚ ਹੁੰਦਾ ਹੈ, ਤਾਂ ਰਾਜ-ਸਮੰਨਵਿਤ (State-coordinated) ਵਰਟੀਕਲ ਏਕੀਕਰਨ (Vertical Integration) ਵੱਲ ਇੱਕ ਪਿਵਟ (Pivot) ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, ਜਿਸਦਾ ਉਦੇਸ਼ ਪਿਛਲੇ ਟੈਕ ਹਾਰਡਵੇਅਰ ਚੱਕਰਾਂ ਵਿੱਚ ਦੇਖੇ ਗਏ ਸਫਲ ਨਿਰਯਾਤ-ਅਗਵਾਈ ਮਾਡਲਾਂ (Export-led Models) ਦੀ ਨਕਲ ਕਰਨਾ ਹੈ। ਹਾਲਾਂਕਿ, ਇਤਿਹਾਸ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ ਕਿ ਪੂੰਜੀ-ਸघन (Capital-intensive) ਟੈਕ ਸੈਕਟਰਾਂ ਵਿੱਚ ਭਾਰੀ ਰਾਜ ਦਖਲਅੰਦਾਜ਼ੀ ਅਕਸਰ ਅਯੋਗ ਅਲਾਟਮੈਂਟ (Inefficient Allocation) ਤੋਂ ਪੀੜਤ ਹੁੰਦੀ ਹੈ ਜਦੋਂ ਤੱਕ ਕਿ ਇਹ ਨਿੱਜੀ-ਖੇਤਰ ਦੇ ਥਰੂਪੁੱਟ (Private-sector Throughput) ਅਤੇ ਸਖ਼ਤ ਗਾਹਕ-ਠੇਕੇ ਦੇ ਮੀਲਪੱਥਰਾਂ (Customer-contract Milestones) ਨਾਲ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਜੁੜਿਆ ਨਾ ਹੋਵੇ। ਗੱਲਬਾਤ ਕੀਤੇ ਗਏ ਡਾਟਾ ਪ੍ਰਭੂਸੱਤਾ ਸਮਝੌਤਿਆਂ (Data Sovereignty Agreements) ਰਾਹੀਂ ਸਥਾਨਕਕਰਨ ਨੂੰ ਲਾਗੂ ਕੀਤੇ ਬਿਨਾਂ, ਭਾਰਤ ਆਪਣੇ ਖੁਦ ਦੇ ਕਰੰਸੀ ਰਿਜ਼ਰਵ ਦੀ ਕੀਮਤ 'ਤੇ ਵਿਦੇਸ਼ੀ ਬੁੱਧੀ ਦਾ ਪ੍ਰਾਇਮਰੀ ਖਪਤਕਾਰ ਬਣਨ ਦਾ ਜੋਖਮ ਚੁੱਕਦਾ ਹੈ।