निजी एआई के लिए ऐसा बुनियादी ढाँचा चाहिए जो कार्यभार के साथ विकसित हो सके

दो साल पहले, जिन लगभग सभी उद्यमों से मेरी बात हुई, उनका मानना था कि एआई का मतलब एपीआई के ज़रिए किसी अग्रणी मॉडल को कॉल करना है। अब यह धारणा टूट रही है। खुले वज़न वाले मॉडल रोज़मर्रा के कई कामों के लिए पर्याप्त रूप से सक्षम हो चुके हैं। उद्यमों के एआई अनुप्रयोगों को मूल्यवान बनाने वाली चीज़ आम तौर पर कंपनी का अपना डेटा होता है, न कि उसके पीछे काम करने वाला मॉडल। जब कंपनियाँ इस बात को समझ लेती हैं, तो मॉडल को अपने डेटा के पास और अपने नियंत्रण में रखना उन्हें बिल्कुल स्वाभाविक लगता है।

निजी एआई का मतलब यही है। आप मॉडल को अपने परिवेश में चलाते हैं, अपनी जानकारी के आधार पर उसे अनुकूलित करते हैं और तय करते हैं कि वह कहाँ काम करेगा और उसे किन चीज़ों तक पहुँचने की अनुमति होगी। अगर आप बैंक या दवा कंपनी हैं, तो गोपनीय शोध या ग्राहकों के रिकॉर्ड किसी और के टेनेंट में रखने में आप सहज कभी नहीं होते। बाकी सभी के लिए, इसे अपनाने की वजह बड़े पैमाने पर अनुमान-प्रक्रिया का खर्च है और किसी एक प्रदाता पर ऐसी चीज़ के लिए निर्भर न रहने की इच्छा है जो कारोबारी संचालन का मूल हिस्सा बनती जा रही है। Linux Foundation के शोध के अनुसार, सर्वेक्षण में शामिल 63% कंपनियाँ खुले एआई मॉडल का इस्तेमाल कर रही थीं, जो दिखाता है कि ये विकल्प पहले ही कितने व्यापक रूप से अपनाए जा चुके हैं।

लोग अक्सर इस बात को कम करके आँकते हैं कि मॉडल को अपने परिसर में लाने के साथ उसका बुनियादी ढाँचा भी लाना पड़ता है। बिजली, शीतलन, कंप्यूट क्षमता, मॉडल कहाँ रहेगा और बाकी प्रणालियों से कैसे जुड़ेगा—ये सब पहले आपके क्लाउड प्रदाता की ज़िम्मेदारी हुआ करते थे। अब ये आपकी ज़िम्मेदारी हैं। ज़्यादातर कंपनियों को पहले कभी ऐसे फैसले नहीं लेने पड़े, और तकनीक इतनी तेज़ी से बदल रही है कि कोई भी इतनी जल्दी निर्माण नहीं कर सकता। अगर आपने क्षमता का गलत आकलन किया, तो आपके पास ऐसी क्षमता रह जाएगी जो अंततः आपके वास्तविक कार्यभार के अनुकूल नहीं होगी। लचीलेपन की योजना शुरुआत से ही बनानी होगी। मौजूदा बुनियादी ढाँचे को बाद में नए काम के अनुकूल बनाना, जहाँ संभव हो, महँगा पड़ सकता है; और कुछ प्रदाता ऐसा कर ही नहीं सकते, क्योंकि उनकी सुविधाएँ इतनी अधिक उपकरण-सघनता के लिए बनाई ही नहीं गई थीं।

बुनियादी क्षमता खुद तैयार करें, मांग के उछाल को किराये पर लें

सबसे पहले यह समझें कि हर काम के लिए आपको सबसे बड़े मॉडल की ज़रूरत नहीं है। दस्तावेज़ों का सारांश बनाना, टिकटों का वर्गीकरण करना और अपने ज्ञान-आधार का इस्तेमाल करके सवालों के जवाब देना—ये सभी काम खुले वज़न वाला मॉडल निजी तौर पर ऐसी अनुमानित लागत पर कर सकता है जिसकी योजना आप बना सकें। अग्रणी मॉडल उन कामों के लिए बचाकर रखें जिनके लिए वाकई उनकी ज़रूरत है।

इससे पता चलता है कि बुनियादी ढाँचे का स्वरूप कैसा होना चाहिए। हर हफ़्ते आने वाली अनुमानित और लगातार मांग के लिए निजी क्षमता तैयार करें। मांग में अचानक उछाल आने पर और भारी कामों के लिए, जो आपकी उपलब्ध क्षमता से अधिक हों, बाहर से क्षमता किराये पर लें। कंपनियाँ लंबे समय से कंप्यूट क्षमता का प्रबंधन इसी तरह करती आई हैं। एआई इस तर्क को नहीं बदलता; बस आधारभूत क्षमता की सघनता बढ़ाता है और मांग के शिखर में उतार-चढ़ाव की गुंजाइश को व्यापक करता है।

चुनौती यह है कि आधारभूत क्षमता का सही आकार तय किया जाए और निजी परिवेश तथा किराये पर ली गई क्षमता, दोनों एक ही प्रणाली की तरह काम करें। दोनों को समान डेटा तक पहुँच होनी चाहिए और वे समान नियंत्रणों के अधीन काम करें, ताकि हर बार किसी कार्यभार को एक से दूसरे परिवेश में ले जाने पर कंपनियों को पाइपलाइन दोबारा न बनानी पड़े।

बुनियादी ढाँचा कहाँ लगाया जाए?

GPU खरीदना तो आसान फैसला निकलता है। फिर उन्हें कहीं रखना, बिजली देना, ठंडा रखना और अपने बाकी आईटी ढाँचे से जोड़ना पड़ता है। अधिक सघनता वाले एआई हार्डवेयर को बिजली और शीतलन प्रणालियों में बड़े बदलाव किए बिना किसी सामान्य उद्यम डेटा सेंटर में नहीं लगाया जा सकता, और यह आपके हर स्थान के लिए उपयुक्त भी नहीं है। Uptime Institute के 2025 के एआई बुनियादी ढाँचा सर्वेक्षण में, 37% उत्तरदाताओं ने बिजली की उपलब्धता को उन प्रमुख कारकों में से एक बताया जो यह तय करते हैं कि वे एआई अनुमान-प्रक्रिया के कार्यभार कहाँ चलाते हैं।

ज़्यादातर कंपनियाँ कोलोकेशन और क्लाउड के मिश्रित उपयोग का रास्ता चुनती हैं। आम तौर पर फैसला डेटा के आधार पर होता है। डेटा पहले से कई जगहों पर बिखरा है, उसे स्थानांतरित करना महँगा है और विनियमित उद्योगों में उसका कुछ हिस्सा किसी देश या खास परिवेश से बाहर नहीं जा सकता। GPU के पास एक ही इमारत में सब कुछ समेटना सुनने में सरल लगता है, लेकिन ऐसा लगभग कभी नहीं होता।

इसलिए सवाल सिर्फ़ यह नहीं है कि कंप्यूट कहाँ स्थित है। सवाल यह भी है कि वह बिना ऐसी लागत और जटिलता बढ़ाए, जिसकी तीन साल बाद आपको परेशानी हो, सुरक्षित तरीके से ज़रूरी डेटा तक कैसे पहुँचे। इसे तीसरा बदलाव समझें। पहला बदलाव इंटरनेट था, और कनेक्टिविटी ने उसकी समस्या सुलझाई। दूसरा क्लाउड था, और नेटवर्क फ़ैब्रिक ने उसका समाधान किया। उसने सॉफ़्टवेयर-परिभाषित इंटरकनेक्शन को संभव बनाया, जिससे कारोबार एक ही स्थान से अलग-अलग प्रदाताओं से जुड़ सके। एआई तीसरा बदलाव है, और केवल फ़ैब्रिक से इसकी समस्या हल नहीं होती। इसके लिए बिजली चाहिए—बहुत अधिक बिजली—और वह भी उसी जगह जहाँ फ़ैब्रिक मौजूद हो। निजी एआई को सही ढंग से अपनाने वाली कंपनियाँ वे होंगी जो कंप्यूट को वहाँ रखेंगी जहाँ बिजली और कनेक्टिविटी मिलती हैं, न कि इन दोनों के लिए अलग-अलग खरीद प्रक्रियाएँ चलाएँगी।

कार्यभार बदलने पर निजी एआई को जोड़ना

एजेंट-आधारित एआई कनेक्टिविटी के सवाल को और भी तात्कालिक बना देता है। एक पारंपरिक अनुप्रयोग प्रॉम्प्ट लेता है, मॉडल को कॉल करता है और जवाब लौटा देता है। एजेंट पूरी प्रक्रिया के दौरान लगातार सक्रिय रहता है। वह कई मॉडलों को कॉल करता है, कई प्रणालियों से जानकारी माँगता है, डेटा जहाँ भी मौजूद हो वहाँ से उसे खींचता है और काम दूसरे एजेंटों को सौंपता है। इन हर चरण में एक सीमा पार होती है, जिससे विलंबता बढ़ती है और यह सवाल उठता है कि किसे किस चीज़ तक पहुँचने की अनुमति है।

अब मॉडल को एक जगह, डेटा को दूसरी जगह रखिए और ऐसा नियम बनाइए कि उस डेटा का कुछ हिस्सा किसी खास देश या निजी परिवेश के भीतर ही रहे। कंपनियों को इन रास्तों पर वास्तविक नियंत्रण चाहिए—कौन-से सिस्टम किस डेटा तक पहुँच सकते हैं, वर्कलोड के स्थानांतरित होने पर क्या होता है, और पहले से चल रही हर चीज़ को प्रभावित किए बिना नए मॉडल को कैसे जोड़ा जाता है।

इसीलिए बुनियादी ढाँचे को प्रोग्राम करने योग्य होना चाहिए। मॉडल, डेटा और परिवेशों के बीच के कनेक्शनों को हर बार इंजीनियरिंग परियोजना बनाने के बजाय, ऐसी चीज़ होना चाहिए जिसे आप कॉन्फ़िगर और बदल सकें। अब यह कॉन्फ़िगरेशन करने का काम हमेशा कोई व्यक्ति ही नहीं करेगा। Model Context Protocol यानी MCP जैसे मानक किसी एजेंट को अपने आसपास के टूल और सिस्टम से संवाद करने का एक साझा तरीका देते हैं। जिस एजेंट को किसी नए डेटा स्रोत या नए मॉडल से कनेक्शन चाहिए, वह इसकी माँग कर सकता है—ठीक वैसे ही जैसे वह किसी अन्य सेवा का इस्तेमाल करता है—और साथ ही उचित नीतियाँ तथा नियंत्रण लागू रहते हैं। व्यवहार में, प्रोग्राम करने योग्य बुनियादी ढाँचे का यही अर्थ है। हर कुछ महीनों में नए मॉडल आते हैं। नए अनुप्रयोगों को ऐसे रास्तों की ज़रूरत होगी जो आज मौजूद नहीं हैं। अगर हर बदलाव के लिए सब कुछ फिर से बनाना पड़े, तो निजी बुनियादी ढाँचे की ओर जाने का आपका लचीलापन ही खत्म हो जाएगा।

अर्थशास्त्र को व्यावहारिक बनाना

क्षमता का सही निर्धारण सफलता का एक अहम कारक है, और बात सिर्फ़ कुल क्षमता की नहीं है। इस काम में अच्छा प्रदर्शन करने वाली कंपनियाँ इस संबंध को स्पष्ट रूप से समझती हैं कि वे जितनी बिजली लगाती हैं, उसके बदले कितने टोकन प्राप्त करती हैं। निजी एआई की अर्थव्यवस्था का आधार बिजली और टोकन का यह अनुपात है। अगर आप अपने वर्कलोड के लिए इसे समझते हैं, तो पूरे भरोसे के साथ परिवेश की क्षमता तय कर सकते हैं। दूसरा पहलू अतिरिक्त गुंजाइश का है। हर तिमाही नई क्षमताएँ बाज़ार में आ रही हैं। अच्छी योजना बनाने वाले उद्यम हमेशा आगे आने वाली ज़रूरतों के लिए जगह रखते हैं, न कि आज की ज़रूरत की बिल्कुल आखिरी सीमा तक ही निर्माण करते हैं। सबसे अच्छी योजना में दोनों बातें शामिल होती हैं। बिजली और टोकन के अपने आर्थिक अनुपात को अच्छी तरह समझें, फिर उसके ऊपर उचित अतिरिक्त गुंजाइश रखें।

और जीपीयू कुल खर्च का सिर्फ़ एक हिस्सा हैं। उन्हें रखने, ठंडा करने, बिजली देने और कारोबार के बाकी हिस्सों से जोड़ने का खर्च हार्डवेयर पर हुए खर्च जितना हो सकता है। फिर कर्मचारियों का खर्च भी है। ज़्यादातर उद्यमों ने कभी उच्च-घनत्व वाले कंप्यूटिंग परिवेश का संचालन नहीं किया है, और इस तरह का कौशल एक तिमाही में भर्ती करके हासिल नहीं किया जा सकता।

इसीलिए सामान्य क्षमता और मांग में अचानक आने वाले उछाल—दोनों का ध्यान रखना ज़रूरी है। अपने सामान्य लोड को संभालने लायक निजी क्षमता तैयार करें, और जब माँग उससे बढ़ जाए तो अतिरिक्त क्षमता किराये पर लें। इससे आप ऐसे हार्डवेयर के लिए भुगतान करने से बचते हैं जो साल के ज़्यादातर समय बेकार पड़ा रहता है। साथ ही, मॉडल और अनुप्रयोगों में बदलाव आने पर अपनी दिशा बदलने की क्षमता भी बनाए रखते हैं—और उनमें बदलाव आएगा ही।

आगे की ज़रूरतों के लिए योजना

इन सबके पीछे समय से जुड़ी एक समस्या है। डेटा सेंटर बनाने में लगभग दो साल लगते हैं। दो साल बाद, उद्यम जिन मॉडलों, हार्डवेयर और अनुप्रयोगों को चलाना चाहेंगे, वे आज की तुलना में काफ़ी अलग होंगे। आज आप जिस भी चीज़ के लिए प्रतिबद्ध होंगे, वह ऐसे वर्कलोड चलाएगी जिनका पूरा ब्योरा अभी कोई नहीं दे सकता।

कंपनियाँ अभी यह तय कर रही हैं कि कौन-से वर्कलोड निजी परिवेश में होने चाहिए और उन्हें बाहरी क्षमता की ज़रूरत कब पड़ेगी। इस स्थिति में होना स्वाभाविक है। इससे बचना चाहिए कि आप बुनियादी ढाँचे को लेकर ऐसी प्रतिबद्धताएँ कर लें जो फ़ैसला लेने का मौका मिलने से पहले ही आपके विकल्प छीन लें। अलग-अलग मॉडलों, ज़रूरत पड़ने पर अधिक क्षमता और वर्कलोड को एक जगह से दूसरी जगह ले जाने के लिए गुंजाइश रखें।

लंबे समय में निजी एआई फ़ायदेमंद साबित होगा या नहीं, यह इस बात पर कम निर्भर करेगा कि आप कौन-सा मॉडल चुनते हैं और इस बात पर ज़्यादा कि आपकी ज़रूरतें स्पष्ट होने के साथ आपका बुनियादी ढाँचा उनके अनुरूप ढल सकता है या नहीं। आज के वर्कलोड को ध्यान में रखकर निर्माण करें, कनेक्शनों को प्रोग्राम करने योग्य बनाए रखें और कंप्यूट क्षमता को वहाँ रखें जहाँ नेटवर्क संरचना और बिजली मिलते हैं।