3
కృత్రిమ మేధస్సు మరియు శక్తిపై చర్చ ఇప్పటికీ AI ఎంత శక్తిని వినియోగిస్తుంది అనే దాని చుట్టూ చాలా సంకుచితంగా రూపొందించబడింది. విద్యుత్ వ్యవస్థలకు AI ఇంత తీవ్రమైన ఒత్తిడిని ఎందుకు సృష్టిస్తుంది, ఆ ఒత్తిడి ఎక్కడ ఏర్పడుతుంది మరియు గ్రిడ్లు, ధరలు మరియు పారిశ్రామిక విధానం ద్వారా అది ఎలా ప్రచారం చేస్తుంది అనే దానికంటే ఆ ప్రశ్న చాలా తక్కువ. ఆ మెకానిజమ్లను అన్ప్యాక్ చేసిన తర్వాత, సమస్య డిమాండ్ షాక్గా మరియు సిస్టమ్ల సమస్యగా కనిపిస్తుంది, ముఖ్యంగా భారతదేశం వంటి దేశాలకు.
హెడ్లైన్ అంచనాలు మారినప్పటికీ, ఇటీవలి విశ్లేషణాత్మక పని పాయింట్లు ఒకే దిశలో ఉంటాయి. IMF వర్కింగ్ పేపర్ ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ అండ్ ఎలక్ట్రిసిటీ: AI- సంబంధిత విద్యుత్ వినియోగం సంప్రదాయ పారిశ్రామిక డిమాండ్కు భిన్నంగా ప్రవర్తిస్తుందని స్థూల ఆర్థిక ఫ్రేమ్వర్క్ చూపిస్తుంది. దీని స్థూల ఆర్థిక ప్రభావం మొత్తం వినియోగం ద్వారా కాకుండా ప్రసారం, విశ్వసనీయత మరియు గరిష్ట లభ్యతలో బంధన పరిమితుల ద్వారా నడపబడుతుంది. ఉత్పత్తి విస్తరిస్తున్నప్పటికీ నెట్వర్క్లు మరియు సంస్థ సామర్థ్యం పెరగని సందర్భాల్లో, విద్యుత్ ధరలు బాగా పెరుగుతాయి, ఉద్గారాలు పెరుగుతాయి మరియు AI నుండి ఉత్పాదకత లాభాలు పలచబడతాయి.
మూడు నిర్మాణాత్మక లక్షణాలు ఈ డైనమిక్ని వివరించండి
మొదటిది ప్రాదేశిక ఏకాగ్రత. అధునాతన AI వర్క్లోడ్లు యాక్సిలరేటర్ల గట్టి కపుల్డ్ క్లస్టర్ల చుట్టూ నిర్వహించబడతాయి, ఇక్కడ పనితీరు తక్కువ జాప్యం, అధిక బ్యాండ్విడ్త్ మరియు భౌతిక సామీప్యతపై ఆధారపడి ఉంటుంది. ఇది వందల మెగావాట్లు మరియు కొన్ని సందర్భాల్లో గిగావాట్ల స్థాయిలో నోడల్ విద్యుత్ డిమాండ్ను ఉత్పత్తి చేస్తుంది. IMF మోడలింగ్ ధరల ప్రభావాలను జాతీయ కొరత కంటే స్థానిక రద్దీతో ఆధిపత్యం చేస్తుంది. అందువల్ల పుష్కలంగా వ్యవస్థాపించబడిన విద్యుత్ వ్యవస్థలు ఇప్పటికీ ఒత్తిడిని ఎదుర్కొంటాయి. భారతదేశంలో, ఆపరేషనల్ డేటా సెంటర్ కెపాసిటీలో మూడింట రెండు వంతులు ముంబై మరియు చెన్నైలలో కేంద్రీకృతమై ఉన్నాయి, రెండు ప్రాంతాలలో పరిమిత గ్రిడ్ హెడ్రూమ్, అధిక భూముల ధరలు మరియు పెరుగుతున్న నీటి ఒత్తిడి. శక్తి మరెక్కడా ఉండవచ్చు, కానీ అది గణన అవసరం లేదు.
రెండవ లక్షణం తాత్కాలిక దృఢత్వం. AI ఇన్ఫ్రాస్ట్రక్చర్ అనేది మూలధన-ఇంటెన్సివ్, వినియోగ రేట్లు పెట్టుబడిని సమర్థించడానికి ఎక్కువగా ఉండాలి. అనేక పారిశ్రామిక లోడ్ల వలె కాకుండా, ఈ సౌకర్యాలు వారి ఆర్థిక శాస్త్రాన్ని అణగదొక్కకుండా పీక్ అవర్స్లో వినియోగాన్ని సులభంగా మాడ్యులేట్ చేయలేవు. S&P గ్లోబల్ అంచనా ప్రకారం, భారతీయ డేటా సెంటర్ల నుండి విద్యుత్ డిమాండ్ దశాబ్దంలో ఏటా దాదాపు 25 నుండి 30 శాతం పెరుగుతుందని, మొత్తం డిమాండ్ పెరుగుదల 5 శాతంతో పోలిస్తే. మరీ ముఖ్యంగా, ఈ డిమాండ్ వంగనిది మరియు స్థిరమైనది, సిస్టమ్ యొక్క గరిష్ట భారాన్ని పెంచుతుంది మరియు సంప్రదాయ డిమాండ్ ప్రతిస్పందన కోసం పరిధిని తగ్గిస్తుంది.
మూడవది సామర్థ్యం నుండి పరిమిత ఆఫ్సెట్. శక్తి వినియోగ ప్రభావం మెరుగుపడటం కొనసాగుతుంది మరియు చిప్-స్థాయి శక్తి సామర్థ్యం క్రమంగా పెరుగుతుంది. కానీ స్కేల్ ప్రభావం ఆధిపత్యం చెలాయిస్తుంది. మరింత సామర్థ్యం గల మోడల్లు, ఎక్కువ మంది వినియోగదారులు మరియు మరింత తీవ్రమైన పనిభారం పెరుగుతున్న లాభాలను అధిగమించాయి. IMF పేపర్ ఆమోదయోగ్యమైన సామర్థ్య మెరుగుదలలను కలిగి ఉంది మరియు ప్రసార విస్తరణ మరియు సంస్థ ఉత్పత్తి వెనుకబడి ఉన్న సందర్భాలలో 2030 నాటికి విద్యుత్ ధరలు దాదాపు 10 శాతానికి పెరుగుతాయని కనుగొన్నారు. ఇది AI విద్యుత్ వినియోగం యొక్క అంచనాలలో విస్తృత వ్యాప్తిని వివరిస్తుంది, అయితే ఇన్ఫ్రాస్ట్రక్చర్ పరిమితులు, సమర్థత కాదు, ఫలితాలను నిర్ణయిస్తాయని స్థిరమైన ముగింపు.
భారతదేశం కోసం, ఈ డైనమిక్స్ ఇప్పటికే ఉన్న నిర్మాణ బలహీనతలతో కలుస్తాయి
మొత్తంగా ఉత్పత్తి సామర్థ్యం ప్రాథమిక ప్రతిబంధకం కాదు. భారతదేశం స్కేల్లో పునరుత్పాదకాలను జోడిస్తోంది, అయితే అడపాదడపా సరఫరా నిల్వ లేదా స్థిరీకరణ లేకుండా దట్టమైన కంప్యూటింగ్ క్లస్టర్ల విశ్వసనీయత అవసరాలను తీర్చలేదు. IMF ఫ్రేమ్వర్క్ నేమ్ప్లేట్ జోడింపుల కంటే విశ్వసనీయత-సర్దుబాటు సామర్థ్యాన్ని నొక్కి చెబుతుంది. ఈ వ్యత్యాసం క్లిష్టమైనది. సౌర మరియు గాలి సమృద్ధిగా ఉన్న గ్రిడ్, స్టోరేజీ, గ్యాస్, హైడ్రో ఫ్లెక్సిబిలిటీ లేదా న్యూక్లియర్ బేస్లోడ్ తక్కువగా ఉండే హెడ్లైన్ కెపాసిటీ లక్ష్యాలను చేరుకున్నప్పటికీ, అధిక-లభ్యత లోడ్లకు మద్దతు ఇవ్వడానికి కష్టపడుతుంది.
ప్రసారం మరియు పంపిణీ మరింత కట్టుబడి ఉంటాయి. శక్తి తరచుగా సూత్రప్రాయంగా అందుబాటులో ఉంటుంది కానీ వాణిజ్య సమయపాలనలో తగిన సైట్లకు పంపిణీ చేయబడదు. ఇంటర్-స్టేట్ ట్రాన్స్మిషన్, అర్బన్ సబ్స్టేషన్లు మరియు చివరి-మైలు అప్గ్రేడ్లు పారిశ్రామిక డిమాండ్ను తగ్గించాయి. AI విస్తరణ వేగవంతం అయినప్పుడు ధరల అస్థిరత మరియు ఉద్గారాల యొక్క ఏకైక అతిపెద్ద యాంప్లిఫైయర్గా IMF మోడలింగ్ గ్రిడ్లలో తక్కువ పెట్టుబడిని గుర్తిస్తుంది. ఆలస్యమైన పారిశ్రామిక కారిడార్లు మరియు నిలిచిపోయిన తరం ప్రాజెక్టులతో భారతదేశం యొక్క అనుభవం వనరుల కొరత కాకుండా సమన్వయ వైఫల్యాలు ఎలా నిర్ణయాత్మకంగా మారతాయో నొక్కి చెబుతుంది.
నీరు మరింత అడ్డంకిని జోడిస్తుంది. లిక్విడ్ కూలింగ్లో పురోగతి ఉన్నప్పటికీ, పెద్ద డేటా సెంటర్లు నీరు-ఇంటెన్సివ్గా ఉంటాయి. 2030ల ప్రారంభంలో భారతదేశ తలసరి నీటి లభ్యత దాదాపు 1,400 క్యూబిక్ మీటర్లకు తగ్గుతుందని మూడీస్ అంచనా వేసింది, ఇది దీర్ఘకాలిక ఒత్తిడితో ముడిపడి ఉంటుంది. ఇప్పటికే ఒత్తిడికి గురైన పట్టణ ప్రాంతాలలో కంప్యూట్ మౌలిక సదుపాయాలను కేంద్రీకరించడం వలన విద్యుత్ ప్రణాళిక మాత్రమే పరిష్కరించలేని కార్యాచరణ, పర్యావరణ మరియు రాజకీయ ప్రమాదాలను పెంచుతుంది.
విధానపరమైన చిక్కులు
విధానపరమైన చిక్కులు స్పష్టంగా మరియు అసౌకర్యంగా ఉన్నాయి. మొదట, భేదం ముఖ్యం. అన్ని AI కార్యకలాపాలు ఒకే విధమైన మౌలిక సదుపాయాల భారాన్ని విధించవు. సరిహద్దు నమూనాల శిక్షణ అనేది అత్యంత శక్తి మరియు మూలధన-ఇంటెన్సివ్ విభాగం. అనుమితి, అనువర్తిత AI మరియు సెక్టార్-నిర్దిష్ట విస్తరణలు తక్కువ గరిష్ట శక్తి అవసరాలతో గణనీయమైన ఉత్పాదకత లాభాలను అందిస్తాయి. IMF విశ్లేషణ ప్రకారం, ఒక ఆర్థిక వ్యవస్థ AI యొక్క గ్రోత్ డివిడెండ్లో చాలా వరకు శక్తితో కూడిన శిక్షణ వలస వచ్చినప్పటికీ, డౌన్స్ట్రీమ్ విస్తరణ దేశీయంగానే ఉంటుంది.
రెండవది, విద్యుత్ ప్రణాళిక నిశ్చలంగా ఉండకూడదు. డేటా సెంటర్లు, గ్రిడ్లు, ఉత్పత్తి, భూమి మరియు నీరు కలిసి ప్రణాళిక చేయాలి. డెడికేటెడ్ ట్రాన్స్మిషన్తో కూడిన ప్రీ-జోన్డ్ కంప్యూట్ కారిడార్లు, ఫర్మ్ పవర్ కాంట్రాక్ట్లు మరియు స్పష్టమైన నీటి కేటాయింపులు అనిశ్చితి మరియు సిస్టమ్ ఖర్చులను తగ్గిస్తాయి. అటువంటి సమన్వయం లేకుండా, ప్రైవేట్ మూలధనం వేగవంతమైన అనుమతి మరియు స్పష్టమైన సమయపాలన, ఉద్గారాలను ఎగుమతి చేయడం మరియు ప్రక్రియలో వ్యూహాత్మక నియంత్రణతో అధికార పరిధి వైపు మధ్యవర్తిత్వం చేస్తుంది.
మూడవది, డీకార్బనైజేషన్ సీక్వెన్సింగ్ ముఖ్యమైనది. గ్రిడ్లు మరియు సంస్థ సామర్థ్యంలో సమాంతర పెట్టుబడి లేకుండా AI విస్తరణను వేగవంతం చేయడం మరింత సమతుల్య విధానం కంటే అధ్వాన్నమైన వాతావరణ ఫలితాలను ఉత్పత్తి చేస్తుందని IMF దృశ్యాలు చూపిస్తున్నాయి. బొగ్గు రిటైర్మెంట్ను ఆలస్యం చేయడం లేదా గ్యాస్ సామర్థ్యాన్ని విస్తరించడం పర్యావరణపరంగా అవాంఛనీయమైనది, కానీ నిర్వహించని లీకేజీ మరియు అధిక సిస్టమ్ ఉద్గారాలు అధ్వాన్నంగా ఉన్నాయి.
లోతైన పాఠం సంస్థాగతమైనది. ఫ్రాగ్మెంటెడ్ ఇన్ఫ్రాస్ట్రక్చర్ గవర్నెన్స్ యొక్క పరిమితులను AI బహిర్గతం చేస్తుంది. విద్యుత్, భూమి, నీరు మరియు డిజిటల్ అవస్థాపనలను ప్రత్యేక పాలసీ డొమైన్లుగా పరిగణించే దేశాలు అధునాతన కంప్యూటింగ్ను స్కేల్లో హోస్ట్ చేయడానికి కష్టపడతాయి. వాటిని ఏకీకృతం చేసే వారు తెలివితేటలు ఎక్కడ నిర్మించబడి, అమలు చేయబడి, పరిపాలించబడతారో ఆ ఆకృతిని కలిగి ఉంటుంది. భారతదేశం కోసం, AI ఆశయంపై ప్రతిభ, మూలధనం లేదా అల్గారిథమ్ల నియంత్రణకు అవకాశం లేదు. ఇది అధిక-విశ్వసనీయత, స్థాన-నిర్దిష్ట డిమాండ్ కోసం ఒక వేదికగా విద్యుత్ వ్యవస్థ యొక్క విశ్వసనీయత అవుతుంది. ఆ కోణంలో, AI ప్రధానంగా శక్తి సవాలు కాదు. ఇది రాష్ట్ర సామర్థ్యానికి పరీక్ష.
ఆదిత్య సిన్హా (x:@adityasinha004) స్థూల ఆర్థిక & భౌగోళిక రాజకీయ అంశాలపై రాశారు.
