Whalesbook
ఇండియా AI పై సరికొత్త వ్యూహం
తాజా ఆర్థిక సర్వే (Economic Survey) 2025-26, ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) రంగంలో భారతదేశం యొక్క ప్రత్యేకమైన విధానాన్ని వివరిస్తుంది. ప్రపంచవ్యాప్తంగా AIలో ముందున్న దేశాలు భారీ పెట్టుబడులు పెట్టి, చౌకగా లభించిన పెట్టుబడులు, నియంత్రణల నేపథ్యంలో దూసుకెళ్లాయి. అయితే, ఇప్పుడు వారు అధిక శక్తి వినియోగం, అనిశ్చిత రాబడి, ఆర్థికంగా భరించలేని ఖర్చులతో సతమతమవుతున్నారు. ఈ పరిస్థితులను అవకాశంగా మలుచుకొని, భారతదేశం ఆలస్యంగా ప్రవేశించడం ద్వారా, ఇతర దేశాలు ఎదుర్కొన్న అదనపు ఖర్చులను, వనరుల కొరతను నివారించవచ్చని సర్వే సూచిస్తోంది. ఈ 'లేట్ ఎంట్రీ' విధానం ద్వారా, దేశం మరింత స్పష్టమైన విధాన నిర్ణయాలు తీసుకోవచ్చు, ఆవిష్కరణలను మెరుగ్గా రూపొందించుకోవచ్చు.
భారీ పెట్టుబడులను తప్పించుకోవడం ఎలా?
ప్రస్తుతం ప్రపంచవ్యాప్తంగా అత్యాధునిక AI మోడళ్లను, వాటికి అవసరమైన మౌలిక సదుపాయాలను నిర్మించడం ఒక ఖరీదైన వ్యవహారంగా మారింది. 2030 నాటికి AI-సంబంధిత డేటా సెంటర్ల సామర్థ్యం కోసం $5.2 ట్రిలియన్ల వరకు పెట్టుబడులు అవసరమవుతాయని అంచనా. కొందరు విశ్లేషకుల ప్రకారం, 2030 నాటికి డేటా సెంటర్ మౌలిక సదుపాయాలపై వార్షిక ఖర్చు $1 ట్రిలియన్ దాటవచ్చని తెలుస్తోంది. IBM CEO అరవింద్ కృష్ణ హెచ్చరించినట్లు, కేవలం ఒక 1 గిగావాట్ (GW) AI డేటా సెంటర్ను ఏర్పాటు చేయడానికి సుమారు $80 బిలియన్లు ఖర్చవుతుంది. ప్రపంచవ్యాప్తంగా 100 GW సామర్థ్యాన్ని లక్ష్యంగా చేసుకుంటే, మొత్తం పెట్టుబడి $8 ట్రిలియన్లకు చేరుకోవచ్చు. IBM CEO ప్రకారం, ఈ పెట్టుబడిని భరించాలంటే, కేవలం వడ్డీ చెల్లింపులకే దాదాపు $800 బిలియన్లు వార్షిక లాభాలు అవసరమవుతాయి, ముఖ్యంగా AI హార్డ్వేర్ 5 సంవత్సరాలకే క్షీణిస్తున్నందున ఇది మరింత కష్టతరం. కాబట్టి, ఆర్థిక సర్వే ప్రకారం, భారతదేశం ఈ ఆర్థికంగా ప్రమాదకరమైన మార్గాన్ని వదిలి, అప్లికేషన్-ఆధారిత ఆవిష్కరణలు, దేశీయ డేటా వినియోగం, మానవ వనరుల (Human Capital)పై దృష్టి సారించడం ద్వారా దీనిని నివారించవచ్చు.
డేటా సెంటర్ల వృద్ధి - పరిమితులు
భారతదేశ డిజిటల్ ఆకాంక్షలు దాని వేగంగా విస్తరిస్తున్న డేటా సెంటర్ల సామర్థ్యంలో కనిపిస్తాయి. 2030 నాటికి, ప్రస్తుతం ఉన్న సుమారు 1.4 GW (2025 మధ్య నాటికి) నుంచి దాదాపు 8 GWకి సామర్థ్యం పెరుగుతుందని అంచనా. పెరుగుతున్న డేటా వాడకం, క్లౌడ్ అడాప్షన్, AI వర్క్లోడ్లు ఈ వృద్ధికి కారణమవుతున్నాయి. గూగుల్ (Google) విశాఖపట్నంలో $15 బిలియన్ల AI క్యాంపస్, రిలయన్స్ (Reliance) జంబుసార్లో $15 బిలియన్ల, 1 GW AI-రెడీ డేటా సెంటర్తో సహా గణనీయమైన పెట్టుబడులు జరుగుతున్నాయి. అయినప్పటికీ, సర్వే డేటా సెంటర్ల విస్తరణను పరిమితం చేసే కీలకమైన అవరోధాలను ఎత్తి చూపుతోంది: విద్యుత్ లభ్యత, ఆర్థిక వనరులు, ముఖ్యంగా నీటి వనరులు. ప్రపంచ అనుభవం ప్రకారం, AI-ఆధారిత డేటా సెంటర్ల విస్తరణ శక్తి వ్యవస్థలపై ఒత్తిడి తెస్తుంది. 2030 నాటికి ప్రపంచవ్యాప్తంగా డేటా సెంటర్ల విద్యుత్ వినియోగం రెట్టింపు అవుతుందని, AI-ఆప్టిమైజ్డ్ సెంటర్లు తమ డిమాండ్ను నాలుగు రెట్లు పెంచుతాయని అంచనా. కాబట్టి, భారతదేశ వ్యూహం వనరుల సమర్థత, ప్రభుత్వ లక్ష్యాలతో అనుసంధానమై ఉండటంపై దృష్టి సారిస్తుంది. పరిమిత హార్డ్వేర్, వికేంద్రీకృత నెట్వర్క్లపై పనిచేయగల చిన్న, టాస్క్-స్పెసిఫిక్ మోడళ్లకు ప్రాధాన్యత ఇస్తుంది.
వ్యూహాత్మక కేటాయింపులు, భవిష్యత్తు
బడ్జెట్ 2026-27 కి ముందు, బడ్జెట్ 2025-26 లో AI కోసం కేటాయించిన ₹2,200 కోట్ల కేటాయింపులు, అందులో IndiaAI మిషన్ కోసం ₹2,000 కోట్ల నిధులు, AI ఎకోసిస్టమ్ను నిర్మించడంలో ప్రభుత్వ నిబద్ధతను తెలియజేస్తున్నాయి. సర్వే, ఓపెన్, ఇంటర్ఆపరేబుల్ సిస్టమ్స్, సెక్టార్-స్పెసిఫిక్ మోడల్స్, షేర్డ్ మౌలిక సదుపాయాలపై ఆధారపడిన 'బాటమ్-అప్' వ్యూహాన్ని ప్రోత్సహిస్తుంది. దీని ద్వారా AIని ఒక 'పబ్లిక్ గుడ్' (Public Good)గా మార్చవచ్చని పేర్కొంది. ఆచరణాత్మక, ఆర్థికంగా ఆధారపడిన, సామాజికంగా ప్రతిస్పందించే AIపై ఈ దృష్టి, ఊహాజనిత టెక్నాలజీ రేసులో పాల్గొనడం కంటే, వాస్తవ ప్రపంచ సమస్యలను పరిష్కరించడం ద్వారా విలువను సృష్టించాలని లక్ష్యంగా పెట్టుకుంది. ఇది AI యుగంలో భారతదేశాన్ని స్థిరమైన వృద్ధికి సిద్ధం చేస్తుంది.