இந்தியாவின் AI கனவு Vs உள்கட்டமைப்பு சவால்: வெற்றி பெறுமா?

இந்தியாவை வெறும் டேட்டா உருவாக்கும் நாடாக இருந்து, AI-ஐ சொந்தமாகப் பயன்படுத்தும் ஒரு முன்னணி நாடாக மாற்ற, டிஜிட்டல் உள்கட்டமைப்பை தேசிய முக்கியத்துவமாக கருதுவது அவசியமாகிறது.

உலகளவில் சுமார் 20% டேட்டா உருவாக்கம் மற்றும் பயன்பாட்டிற்கு இந்தியா காரணமாக இருந்தாலும், உள்நாட்டு டேட்டா செயலாக்கத் திறன் வெறும் 3% மட்டுமே உள்ளது. கடந்த 7 ஆண்டுகளில், நாட்டின் டேட்டா சென்டர் கொள்ளளவு சுமார் 7 மடங்கு அதிகரித்துள்ளது. இது ஒரு குறிப்பிடத்தக்க வளர்ச்சி என்றாலும், AI இலக்குகள் மற்றும் எதிர்பார்க்கப்படும் உலகளாவிய தேவையை பூர்த்தி செய்ய இது போதுமானதாக இருக்காது என கணிக்கப்பட்டுள்ளது.

ஒரு வெள்ளை அறிக்கைப்படி, இந்தியாவின் டேட்டா சென்டர் கொள்ளளவு 2030-க்குள் சுமார் 960 மெகாவாட்டிலிருந்து (MW) 9.2 ஜிகாவாட்டாக (GW) உயரக்கூடும். இதற்கு சுமார் 30 பில்லியன் டாலர் மூலதன செலவினமும், கூடுதலாக 45-50 மில்லியன் சதுர அடி இடமும் தேவைப்படும் என மதிப்பிடப்பட்டுள்ளது. AI பயன்பாடுகள், குறிப்பாக அதிக அடர்த்தி கொண்ட GPU க்ளஸ்டர்கள் மற்றும் மேம்பட்ட கூலிங் சிஸ்டம்கள் தேவைப்படுவதால், இந்த விரைவான வளர்ச்சி உந்தப்படுகிறது. Nifty IT இன்டெக்ஸ் சுமார் 23.2x P/E விகிதத்தில் வர்த்தகம் செய்வது, இந்தத் துறையில் முதலீட்டாளர்களின் ஆர்வத்தைக் காட்டுகிறது.

AI யுக்திகள் மற்றும் போட்டி

இந்தியாவின் AI வியூகம், லேடென்சி (latency) மற்றும் இணைப்பைப் (connectivity) பொறுத்து, சிறிய மாடல்களை சாதனங்களிலும், அதிக சுமை கொண்ட செயலாக்கத்தை கிளவுடிலும் இயக்கும் 'ஹைப்ரிட்' கட்டமைப்புகளை (hybrid architectures) மையமாகக் கொண்டுள்ளது. அதே நேரத்தில், இந்தியாவின் தனித்துவமான மொழி, கலாச்சாரம் மற்றும் மூலோபாய யதார்த்தங்களுக்கு ஏற்ப, AI மாடல்களை உள்நாட்டிலேயே உருவாக்குவதற்கும் (indigenizing AI models) முக்கியத்துவம் அளிக்கப்படுகிறது.

உலக அரங்கில், அமெரிக்கா மற்றும் சீனா போன்ற நாடுகள் AI செயலாக்கத் திறனில் ஆதிக்கம் செலுத்துகின்றன. பல நாடுகள் அதிநவீன AI மாடல்களுக்கு வெளிநாட்டு உள்கட்டமைப்பையே சார்ந்துள்ளன. பிரான்ஸ் போன்ற நாடுகள் தங்கள் பொருளாதார மற்றும் தொழில்நுட்ப சுதந்திரத்தை வலுப்படுத்த, உள்நாட்டு AI உள்கட்டமைப்பில் பெருமளவில் முதலீடு செய்கின்றன.

இந்தியாவின் டிஜிட்டல் தனிநபர் தரவுப் பாதுகாப்பு (DPDP) விதிகள், 2025, நம்பகமான எல்லை தாண்டிய தரவுப் பரிமாற்றங்களை (trusted cross-border data flows) 'டேட்டா காரிடார்கள்' (data corridors) மூலம் செயல்படுத்துவதன் மூலம் இந்த சூழலில் ஒரு பங்கை வகிக்கும் என எதிர்பார்க்கப்படுகிறது. DPDP கட்டமைப்பு, AI நிறுவனங்களுக்கு சம்மதம், நோக்கம் வரம்பிடல் மற்றும் தரவு குறைப்பு (consent, purpose limitation, and data minimization) போன்ற கடமைகளையும் விதிக்கிறது. இந்த விதிகளின் முழுமையான வணிக இணக்கம் 2027 ஆம் ஆண்டின் நடுப்பகுதிக்குள் எதிர்பார்க்கப்படுகிறது.

தடைகள் மற்றும் சவால்கள்

மிகவும் லட்சியமான திட்டங்கள் இருந்தபோதிலும், இந்தியாவின் AI தலைமைத்துவ கனவுகளுக்கு குறிப்பிடத்தக்க தடைகள் உள்ளன. தேவையான உள்கட்டமைப்பு மேம்பாட்டின் அளவு பிரம்மாண்டமானது, இது தொடர்ச்சியான, கணிசமான மூலதன முதலீட்டைக் கோருகிறது. நாட்டின் தற்போதைய டேட்டா சென்டர் கொள்ளளவு, வளர்ந்து வந்தாலும், அமெரிக்கா போன்ற உலகளாவிய தலைவர்களுடன் ஒப்பிடும்போது மிகக் குறைவு.

உள்நாட்டு மாடல்கள் உருவாக்கப்பட்டாலும், வன்பொருளுக்கான (hardware) இறக்குமதி தொழில்நுட்பங்களைச் சார்ந்திருப்பது மூலோபாய ரீதியாக ஒரு பாதிப்பு. மேலும், DPDP விதிகளுடன் உருவாகி வரும் ஒழுங்குமுறைச் சூழல் (regulatory environment), சிக்கல்களையும் சாத்தியமான தாமதங்களையும் அறிமுகப்படுத்துகிறது. DPDP விதிகளின் பகுதி பகுதியான செயலாக்கம், இன்னும் நிலுவையில் உள்ள முக்கிய விவரங்களுடன், வணிகங்களுக்கு நிச்சயமற்ற தன்மையை சேர்க்கிறது.

உலகளாவிய தொழில்நுட்ப ஜாம்பவான்கள் மற்றும் AI மேலாதிக்கத்தை தீவிரமாகத் துரத்தும் பிற நாடுகளிடமிருந்து வரும் போட்டி, ஒரு உயர்-பங்கு சூழலை உருவாக்குகிறது. அரசு IndiaAI Mission-க்கு ₹10,372 கோடி போன்ற கணிசமான நிதியை ஒதுக்கியிருந்தாலும், இந்த முதலீடுகளை அனைத்து உள்நாட்டு AI கனவுகளுக்கும் அணுகக்கூடிய, அளவிடப்பட்ட உள்கட்டமைப்பாக மாற்றுவது ஒரு சவாலான காரியம். புதிய விதிமுறைகளின் கீழ் தனிப்பட்ட தரவுகளுக்கு அரசு அணுகல் அதிகரிக்கும் சாத்தியம் குறித்த கவலைகள் உள்ளன, இது நம்பிக்கை மற்றும் வெளிப்படைத்தன்மையை பாதிக்கலாம்.

எதிர்கால பார்வை

DPDP விதிகளால் எளிதாக்கப்படும் AI வளர்ச்சி மற்றும் வலுவான தரவு ஆளுகையின் ஒருங்கிணைப்பு, அளவிடப்பட்ட AI கண்டுபிடிப்புகளுக்கு அவசியமான நம்பகமான தரவு சுற்றுச்சூழல் அமைப்பை வளர்க்கும். இந்திய மொழிகள் மற்றும் சூழல்களுக்கு ஏற்ப தனிப்பயனாக்கப்பட்ட உள்ளூர் AI மாடல்களை உருவாக்குவதில் கவனம் செலுத்துவது, வெளிநாட்டு தளங்களைச் சார்ந்திருப்பதைக் குறைக்கவும் டிஜிட்டல் இறையாண்மையை வலுப்படுத்தவும் உதவும் ஒரு மூலோபாயத் தேவையாகும்.

IndiaAI Mission-ன் வெற்றிகரமான செயலாக்கம், 38,000 GPU-களுக்கு மேல் கொண்டு வந்து, உள்நாட்டு அடித்தள மாடல்களை (indigenous foundation models) உருவாக்குவது, ஒரு போட்டித்திறன் கொண்ட உள்நாட்டு AI சூழலை உருவாக்குவதற்கு முக்கியமானது. AI தலைமைத்துவத்தை நோக்கிய நாட்டின் பயணம், உள்கட்டமைப்பு இடைவெளிகளைக் குறைத்தல், பொது-தனியார் கூட்டாண்மை மூலம் கண்டுபிடிப்புகளை வளர்த்தல் மற்றும் வேகமாக மாறிவரும் உலகளாவிய தொழில்நுட்ப நிலப்பரப்பை திறம்பட வழிநடத்துதல் ஆகியவற்றில் அதன் திறனைப் பொறுத்தது. இது உலகளாவிய தெற்கின் AI வளர்ச்சியில் இந்தியாவை ஒரு முக்கிய வீரராக நிலைநிறுத்தக்கூடும்.