Tech
|
28th October 2025, 6:06 PM

▶
Macquarie Equity Research భారతదేశ డేటా సెంటర్ మౌలిక సదుపాయాలలో గణనీయమైన వృద్ధిని అంచనా వేస్తోంది. ప్రస్తుత 1.4 GW కార్యాచరణ సామర్థ్యం, నిర్మాణంలో ఉన్న ప్రాజెక్టులతో 2027 నాటికి 2.8 GW కి రెట్టింపు అవుతుందని భావిస్తున్నారు. ప్రణాళిక చేయబడిన పైప్లైన్ సామర్థ్యం (pipeline capacity) వాస్తవరూపం దాల్చితే, ఇది 2030 నాటికి ఐదు రెట్లు పెరిగి 7 GW కి చేరుకోవచ్చు.
ఈ వృద్ధికి ప్రధాన కారణాలు భారతదేశ డేటా స్థానికీకరణ చట్టాలు (data localisation laws), అనుకూలమైన నియంత్రణ వాతావరణం, ప్రభుత్వ ప్రోత్సాహకాలు మరియు వివిధ పరిశ్రమలలో క్లౌడ్ కంప్యూటింగ్ స్వీకరణ (cloud computing adoption) వేగవంతం కావడం.
సర్వర్లను మినహాయించి, ప్రతి మెగావాట్ (MW) కి $4 మిలియన్ల నుండి $7 మిలియన్ల ప్రాజెక్ట్ ఖర్చు అంచనాల ఆధారంగా, మొత్తం మూలధన వ్యయం (cumulative capital expenditure) $30 బిలియన్ల నుండి $45 బిలియన్ల మధ్య ఉంటుందని నివేదిక అంచనా వేసింది.
ఈ విస్తరణకు గణనీయమైన పెట్టుబడులు బలాన్ని చేకూరుస్తున్నాయి. ముఖ్యంగా, Google, Adani Group తో కలిసి ఆంధ్రప్రదేశ్లో AI మౌలిక సదుపాయాల హబ్ (AI infrastructure hub) కోసం $15 బిలియన్ల పెట్టుబడి పెట్టాలని యోచిస్తున్నట్లు ప్రకటించింది, ఇందులో స్వచ్ఛమైన శక్తితో నడిచే గిగావాట్-స్థాయి డేటా సెంటర్ (gigawatt-scale data centre) కూడా ఉంది. ఈ పెట్టుబడి 2026-2030 వరకు విస్తరించి ఉంటుంది.
ఇతర ముఖ్యమైన ప్రకటనలలో టాటా కన్సల్టెన్సీ సర్వీసెస్ (TCS) యొక్క $6.5 బిలియన్ పెట్టుబడి, రిలయన్స్ జియో యొక్క జామ్నగర్లో మెటా మరియు Google భాగస్వాములతో గ్రీన్ AI డేటా సెంటర్ (green AI data centre) ప్రణాళికలు, మరియు Amazon Web Services (AWS) యొక్క 2030 నాటికి భారతదేశంలో దాని క్లౌడ్ మౌలిక సదుపాయాలను విస్తరించడానికి $13 బిలియన్ల నిబద్ధత ఉన్నాయి.
ప్రభావం: ఈ వార్త భారతీయ స్టాక్ మార్కెట్కు చాలా ముఖ్యమైనది, ఇది డిజిటల్ మౌలిక సదుపాయాలు మరియు సాంకేతికతలో భారీ పెట్టుబడి ప్రవాహాలను సూచిస్తుంది, ఇది సంబంధిత కంపెనీలకు మరియు మొత్తం ఆర్థిక వ్యవస్థకు ప్రయోజనం చేకూరుస్తుంది. రేటింగ్: 9/10.
నిర్వచనాలు: GW (Gigawatt): ఒక బిలియన్ వాట్స్ కు సమానమైన శక్తి యూనిట్. ఇక్కడ డేటా సెంటర్ల మొత్తం సామర్థ్యాన్ని కొలవడానికి ఉపయోగించబడుతుంది. MW (Megawatt): పది లక్షల వాట్స్ కు సమానమైన శక్తి యూనిట్. వ్యక్తిగత డేటా సెంటర్ ప్రాజెక్టుల సామర్థ్యాన్ని కొలవడానికి ఉపయోగించబడుతుంది. డేటా స్థానికీకరణ చట్టాలు (Data Localisation Laws): ఒక దేశం యొక్క పౌరులు లేదా వ్యాపారాల నుండి సేకరించిన డేటాను ఆ దేశ సరిహద్దుల్లోనే నిల్వ చేయాలని కంపెనీలను ఆదేశించే నిబంధనలు. క్లౌడ్ స్వీకరణ (Cloud Adoption): ఆన్-ప్రెమిసెస్ హార్డ్వేర్ మరియు సాఫ్ట్వేర్కు బదులుగా క్లౌడ్ కంప్యూటింగ్ సేవలను (డేటా స్టోరేజ్, సాఫ్ట్వేర్ మరియు ఇంటర్నెట్ ద్వారా అందించబడే ప్రాసెసింగ్ పవర్ వంటివి) వ్యాపారాలు మరియు వ్యక్తులు ఉపయోగించే ప్రక్రియ. పైప్లైన్ సామర్థ్యం (Pipeline Capacity): ఇది ప్రస్తుతం ప్రణాళికా దశలో ఉన్న మరియు ఇంకా నిర్మాణం ప్రారంభించని డేటా సెంటర్ సామర్థ్యాన్ని సూచిస్తుంది. మొత్తం మూలధన వ్యయం (Cumulative Capital Expenditure): మౌలిక సదుపాయాలను నిర్మించడానికి మరియు సన్నద్ధం చేయడానికి కాలక్రమేణా పెట్టుబడి పెట్టిన మొత్తం డబ్బు, ఈ సందర్భంలో డేటా సెంటర్లు, కంప్యూటింగ్ హార్డ్వేర్ (సర్వర్లు) ఖర్చు మినహాయించి. AI మౌలిక సదుపాయాల హబ్ (AI Infrastructure Hub): కృత్రిమ మేధస్సు అభివృద్ధి మరియు కార్యకలాపాలకు మద్దతు ఇవ్వడానికి రూపొందించబడిన ఒక ప్రత్యేక సౌకర్యం, ఇందులో అధిక-పనితీరు గల కంప్యూటింగ్, పెద్ద-స్థాయి డేటా నిల్వ మరియు అధునాతన నెట్వర్కింగ్ ఫీచర్లు ఉంటాయి.