Physical AI ఇప్పుడు ల్యాబ్‌ల నుంచి ఫ్యాక్టరీ ఫ్లోర్లకు చేరుకుంటోంది. రోబోటిక్స్, కంప్యూటర్ విజన్ సాయంతో పనిచేసే ఈ టెక్నాలజీకి భారీ స్థాయిలో ఇన్ఫ్రాస్ట్రక్చర్, హై-స్పీడ్ ఎడ్జ్ కంప్యూటింగ్ అవసరం. ఈ ఖర్చులను కంపెనీలు ఎలా మేనేజ్ చేస్తున్నాయి, IT సంస్థలు దీన్ని ఎలా అమలు చేస్తున్నాయనేది ఇన్వెస్టర్లు గమనించాల్సిన విషయం.
ప్రస్తుతం 'Physical AI' ట్రెండ్ బాగా ఊపందుకుంది. కేవలం కంప్యూటర్ స్క్రీన్లకే పరిమితమైన AI ని ఫ్యాక్టరీలు, వేర్‌హౌస్‌ల వరకు తీసుకెళ్లే ప్రయత్నం జరుగుతోంది. ఇందులో భాగంగా రోబోలు, సెన్సార్లు, కంప్యూటర్ విజన్ సాయంతో మనుషులు చేసే పనులను ఆటోమేట్ చేస్తున్నారు. అయితే, డిజిటల్ సాఫ్ట్‌వేర్ నుంచి ఫిజికల్ రియాలిటీకి మారడం అనుకున్నంత సులభం కాదు, ఇది చాలా ఖర్చుతో కూడుకున్న పని.
హార్డ్‌వేర్ & ఇన్‌ఫ్రా ఖర్చుల భారం
క్లౌడ్ సర్వర్‌లలో నడిచే సాధారణ సాఫ్ట్‌వేర్ లాగా ఇది పనిచేయదు. దీని కోసం హై-పెర్ఫార్మెన్స్ సెన్సార్లు, కెమెరాలు, లోకల్ కంప్యూటింగ్ సిస్టమ్స్ (ఎడ్జ్ కంప్యూటింగ్) అవసరం. ఫ్యాక్టరీల్లోని పాత మిషన్లకు కొత్త సెన్సార్లను కనెక్ట్ చేయడం కూడా సవాలే. పాత మిషనరీని అప్‌గ్రేడ్ చేయడం లేదా కొత్తవి కొనడం వల్ల కంపెనీల షార్ట్-టర్మ్ ప్రాఫిట్ మార్జిన్లు తగ్గే అవకాశం ఉంది.
రియల్-టైమ్ నిర్ణయాల్లో రిస్క్
డిజిటల్ ఆఫీస్ పనుల్లో సెకను ఆలస్యమైనా పర్వాలేదు కానీ, ఫ్యాక్టరీ ఫ్లోర్ మీద అలా కాదు. ఏ మాత్రం నెట్‌వర్క్ ఆలస్యమైనా రోబోలు ఇచ్చే కమాండ్స్‌లో తేడా వచ్చి ప్రమాదాలు జరిగే అవకాశం ఉంది. అలాగే, ఒక్కో ఫ్యాక్టరీ లేఅవుట్, వెలుతురు, మెటీరియల్ ఒక్కోలా ఉంటాయి. దీనివల్ల ఒకచోట సక్సెస్ అయిన AI మోడల్ మరొకచోట ఫెయిల్ అవ్వొచ్చు. ఈ 'కస్టమైజేషన్ ఛాలెంజ్' ప్రాజెక్టుల బడ్జెట్‌ను అమాంతం పెంచుతోంది.
ఇన్వెస్టర్లు దేనిపై ఫోకస్ చేయాలి?
ఈ పరిణామం రెండు వైపులా ప్రభావం చూపుతుంది.
- IT సర్వీసెస్ కంపెనీలు: Tata Consultancy Services, Infosys, Wipro, మరియు Tech Mahindra వంటి సంస్థలు ఈ 'Industrial AI' సేవలను అందిస్తున్నాయి. వీటి డెలివరీ ఖర్చులు పెరగకుండా ప్రాజెక్టులను లాభదాయకంగా పూర్తి చేస్తున్నాయా అనేది చూడాలి.
- మాన్యుఫ్యాక్చరింగ్ కంపెనీలు: ఆటోమొబైల్, ఫార్మా రంగాల్లోని కంపెనీలు AI కోసం చేస్తున్న భారీ ఖర్చులకు తగిన ఫలితాలు వస్తున్నాయా? ఉత్పాదకత పెరిగిందా? అన్నది గమనించాలి. లేకపోతే అది కంపెనీ నగదు నిల్వలపై (Cash flow) భారం వేస్తుంది.