अगला AI पावर बॉटलनेक शहरों के भीतर होगा

पिछले कुछ वर्षों में, और अभी भी जारी है, AI इन्फ्रास्ट्रक्चर बाजार ने बहुत समय और पैसा (लगभग $7 ट्रिलियन डेटा-सेंटर निवेश 2030 तक, मैकिन्जी के अनुमान के अनुसार) खर्च किया है यह सीखने में कि बड़े डेटा सेंटर कहाँ बनाएँ जहाँ बिजली उपलब्ध हो। “जहाँ भी” मुख्य शब्द है क्योंकि स्थान पहले बहुत महत्वपूर्ण नहीं था। एक प्रशिक्षण क्लस्टर को केवल पर्याप्त बिजली की पहुँच चाहिए। लेकिन अब स्थान अधिक प्रासंगिक होता जा रहा है क्योंकि AI का उपयोग चैट इंटरफ़ेस से आगे मशीनों, वॉयस सिस्टम, वीडियो और भौतिक दुनिया के साथ इंटरैक्ट करने वाले अनुप्रयोगों तक बढ़ रहा है। ऐसे संचालन को शहरी केंद्रों के निकट होना चाहिए जहाँ ये इंटरैक्शन होते हैं ताकि लेटेंसी कम रहे। जबकि चैटबॉट जैसे उपकरण आधा सेकंड की देरी सहन कर सकते हैं, दूरस्थ रूप से निगरानी किए जाने वाले डिलीवरी रोबोट, लाइव वॉयस असिस्टेंट या स्वचालित पूर्ति प्रणाली को मिलीसेकंड में प्रतिक्रिया देना आवश्यक हो सकता है।

यह AI कंपनियों के लिए नया चुनौतीपूर्ण मोड़ है। बड़े महानगर क्षेत्रों के भीतर और आसपास विश्वसनीय छोटे पावर ब्लॉकों को कैसे खोजें? और स्थानों की खोज के बाद भी, दूरस्थ डेटा सेंटरों को झेलनी पड़ रही प्रतिक्रिया से कैसे निपटें?

शहरी केंद्रों में AI की मांग बढ़ रही है

शहरी क्षेत्र में AI की बढ़ती मांग है जो चैटबॉट के व्यक्तिगत उपयोग या रोबोटों के अत्यधिक आकर्षण से परे है। एक IMF कार्यपत्र का अनुमान है कि 2023 में डेटा सेंटर और AI से बिजली की खपत वैश्विक स्तर पर पहले ही 400–500 TWh तक पहुँच गई थी, और AI‑प्रेरित खपत 2030 तक 1,500 TWh तक पहुँच सकती है। साधारण कार्यों को अधिक कुशल बनाने के लिए आवश्यक स्वचालन — चाहे वह कागजी कार्यों की प्रोसेसिंग हो या वीडियो का अभिलेख बनाना — बड़े पैमाने पर बहुत अधिक शक्ति की मांग करता है।

शहर इस प्रवृत्ति के अग्रभाग में हैं, जैसा कि 78 देशों के 250 शहरों की OECD समीक्षा में दिखाया गया है। इसमें पाया गया कि 56% पहले से ही सक्रिय रूप से AI का उपयोग कर रहे थे, जबकि अतिरिक्त 35% पायलट या योजना चरण में थे। एक सरल उपयोग केस को दर्शाने के लिए, आइए शहर में निगरानी कैमरों पर विचार करें। IHS Markit ने कई साल पहले अनुमान लगाया था कि विश्व स्तर पर निगरानी कैमरों की संख्या एक बिलियन से अधिक हो जाएगी। जबकि वे मुख्यतः रिकॉर्डिंग के लिए उपयोग होते हैं, अब उन्हें अधिक कम्प्यूटेशनली मांग वाले कार्यों के लिए भी इस्तेमाल किया जा रहा है, जैसे नेटवर्क में वस्तुओं को ट्रैक करना या प्राकृतिक भाषा के माध्यम से बड़े वीडियो अभिलेखों की खोज करना। वर्तमान AI प्रोसेसिंग के साथ ऐसे कार्य हर कैमरे में नहीं किए जा सकते। क्या उन्हें शहर से बाहर किसी दूरस्थ डेटा सेंटर में भेजना पड़ेगा? यह डेटा नियमों और बड़े ट्रैफ़िक को स्थानांतरित करने की लागत के कारण व्यावहारिक नहीं है।

एक हालिया Gallup सर्वेक्षण दर्शाता है कि लगभग 30% निजी और सार्वजनिक क्षेत्र के कर्मचारी अपने कार्य में AI का उपयोग करते हैं और यह संख्या बढ़ रही है। ये सेक्टर — चाहे वह बैंकिंग हो, अस्पताल हों या सार्वजनिक‑सेवा संगठन — समान समस्याओं का सामना करते हैं। वे चाहते हैं कि AI इन्फ्रास्ट्रक्चर उनके अपने अधिकार क्षेत्र में हो और शारीरिक रूप से इतना निकट हो कि नियंत्रित किया जा सके। उनके इंटरैक्टिव वॉयस सिस्टम और वीडियो अनुप्रयोग नेटवर्क लेटेंसी बढ़ने पर घटते हैं। यदि प्रारंभिक चरण में प्रथम पीढ़ी के स्वायत्त सिस्टम के लिए मानव ऑपरेटर रखकर समस्या को बायपास किया जाए, तो भी वह निगरानी लेटेंसी के प्रति बहुत सहनशील नहीं होती। उदाहरण के लिए, डिलीवरी रोबोट और घर के रोबोट जो वीडियो कनेक्शन के माध्यम से निगरानी किए जाते हैं, उन्हें एक पूर्ण संचार लूप चाहिए जो लगभग 80 मिलीसेकंड से कम रहे, जैसा कि एक दूरस्थ रोबोटिक टेलीऑपरेशन अध्ययन में मापा गया है। स्वायत्त कारें, उल्टा, अपवाद हैं: सुरक्षा कारणों से ड्राइविंग ऑन‑बोर्ड रहती है, और Waymo के दूरस्थ ऑपरेटर एक चौथाई सेकंड की लेटेंसी पर काम करते हैं, कुछ तो दूसरे महाद्वीप से। शहर स्वायत्त बेड़ों से केवल उनका डेटा विरासत में प्राप्त करता है, न कि उनका स्टीयरिंग व्हील।

डेटा‑सेंटर बाजार इस मांग के उछाल को कम आंक रहा है। विश्व बैंक ने एक पेपर प्रकाशित किया जिसमें दिखाया गया है कि अर्जेंटीना, भारत और इथियोपिया जैसे देशों में नगरपालिका ने न्याय, भ्रष्टाचार‑रोधी, कस्टम, सार्वजनिक प्रशासन और सेवा सुधार के क्षेत्रों में AI को अपनाया है। यह केवल स्थानीय घटना नहीं है। यह एक वैश्विक परिवर्तन है। Teravolt में, हमारा अनुमान है कि 10 से 15 मिलियन जनसंख्या वाले महानगरीय क्षेत्र 2030 तक लगभग 6 से 13 MW निरंतर लेटेंसी‑संवेदनशील AI लोड को समर्थन दे सकते हैं, इससे पहले कि सामान्य‑उद्देश्य रोबोट बड़े पैमाने पर तैनात हों। हाइपरस्केल मानकों के अनुसार यह संख्या बड़ी नहीं है, लेकिन इसे सही स्थान पर ढूँढना अपेक्षा से अधिक कठिन है। 2036 तक, वही महानगरीय क्षेत्र 22 से 50 MW लेटेंसी‑संवेदनशील लोड तक बढ़ जाएगा — और यदि कार उद्योग ऑटोमोटिव पैमाने पर रोबोट बनाना शुरू करता है तो 60 से 100 MW तक। मांग की अर्थव्यवस्था सबसे बेहतर तरीके से कठोर है: एक मशीन पर सर्वर लागत के कुछ सौ डॉलर प्रति वर्ष, जो $30,000 से $60,000 के श्रम को बदलता है, ऐसी मांग है जो कीमत पर सौदा नहीं करती।

कम्प्यूटिंग में चौथा स्तर जोड़ना

वर्तमान में, AI के लिए कम्प्यूटेशनल पावर तीन स्तरों में मौजूद है। शीर्ष स्तर में गीगाफैक्टरीज़ शामिल हैं जो मॉडल प्रशिक्षण के लिए उपयोग होती हैं। उनका स्थान डेवलपर्स के लिए केवल तब मायने रखता है जब वह बड़ी मात्रा में बिजली को स्वीकार्य कीमत पर सुरक्षित कर सके। फिर आते हैं क्षेत्रीय AI सुविधाएँ, आमतौर पर 20 से 200 MW के बीच, जहाँ अधिकांश मुख्य क्लाउड और एंटरप्राइज़ संचालन में आवर्ती इन्फ़रेंस मांग होती है। अंत में, हमारे पास वह कम्प्यूटिंग पावर है जो सीधे डिवाइस या रोबोट में एम्बेडेड होती है।

ऐसा लगता है कि अंतिम दो परतों के बीच एक अंतर है जिसे मैं शहरी परत के रूप में पहचानता हूँ—वह अंतर जो विलंबता समस्याओं का कारण बनता है। इन्हें बड़े शहरों के भीतर या बहुत निकट स्थित होना चाहिए। इन्हें एक-अंकीय या कम दो-अंकीय मेगावॉट में मापा जाना चाहिए जबकि वे महानगर क्षेत्रों में स्थित हों और उच्च‑गुणवत्ता वाले फाइबर से जुड़ी हों। यदि साइट को गारंटीकृत बिजली मिलती है तो प्रारंभिक बिंदु लगभग 2 MW हो सकता है। इसकी व्यावहारिकता दिखाने के लिए, एक डिलीवरी रोबोट पर विचार करें। यह विभिन्न अनुरोधों को संभालता है और सभी को डिवाइस पर ही प्रोसेस नहीं किया जा सकता। जबकि इसे गीगाफैक्टरी में प्रशिक्षित किया जाता है, वास्तविक‑समय में अधिक उन्नत सहायता के लिए इसे निकटवर्ती शहरी सुविधा में प्रोसेस किया जाना चाहिए, न कि हर बार इसे क्षेत्रीय सुविधा में भेजना पड़े।

दो‑तरफ़ा ट्रैफ़िक समस्या

शहरी डेटा सेंटर केवल प्रशिक्षण केंद्रों से डेटा प्राप्त करने के मध्यस्थ बिंदु नहीं होंगे, बल्कि वे बड़ी मात्रा में डेटा उत्पन्न करेंगे जिसे पाइपलाइन के ऊपर वापस भेजा जाएगा।

हर स्वायत्त मशीन और सेंसर‑समृद्ध प्रणाली ऐसी जानकारी एकत्र करेगी जिसे प्रोसेस करके प्रशिक्षण में एकीकृत करने के लिए वापस भेजना होगा। एक शिफ्ट के बाद अपने चार्जिंग पॉइंट पर लौटने वाले रोबोटों के बेड़े किनारे के मामलों और दैनिक संचालन के बारे में अत्यधिक उपयोगी जानकारी भेजेंगे, जिसकी डेटा सेंटर को कार्यक्षमता सुधारने के लिए आवश्यकता होती है। कल्पना करें कि यह सभी ट्रैफ़िक एक साथ एक ही दिशा में भेजा जाए। इससे एक बाधा उत्पन्न होगी। यहाँ शहरी डेटा सेंटर उपयोगी सिद्ध होता है क्योंकि यह कुछ लोड को प्रोसेस कर सकता है इससे पहले कि वह क्षेत्रीय कंप्यूटिंग सुविधा को अभिभूत कर दे। यह कुछ त्रुटिपूर्ण डेटा की पहचान कर उन्हें हटाते हुए उपयोगी भागों को संकुचित और आगे बढ़ा सकता है।

मूल रूप से, शहरी डेटा सेंटर पहले की दो परतों पर एक अतिरिक्त फ़िल्टरिंग स्तर प्रदान करता है, जिससे डेटा प्रवाह और अधिक व्यवस्थित हो जाता है।

क्या भविष्य में हर ब्लॉक पर एक सर्वर होगा?

हालांकि मैं शहरी सर्वरों को एक समाधान के रूप में प्रस्तुत करता हूँ, लेकिन अनियंत्रित विस्तार के साथ विलंबता समस्याओं को हल करना बहुत महंगा साबित होता है। आकार चाहे जो भी हो, एक डेटा सेंटर को ग्रिड कनेक्शन, ट्रांसफ़ॉर्मर, कूलिंग, सुरक्षा, नेटवर्किंग और स्टाफ की आवश्यकता होती है। ये लागतें आईटी लोड के साथ अनुपातिक रूप से नहीं घटतीं। इसे समझाने के लिए, 0.5 MW सुविधा अभी भी कई बड़े साइट की तरह वही स्थिर लागतें वहन करती है।

हमारे प्रोजेक्ट्स में हमने देखा है कि एक स्वतंत्र शहरी डेटा सेंटर लगभग 5 से 8 MW पर आर्थिक रूप से व्यवहार्य हो जाता है। यहाँ तक कि यदि कई साइटें एक नेटवर्क ऑपरेशन्स सेंटर साझा कर सकें, तो सीमा केवल 1.5 से 3 MW तक गिरती है। इसलिए मूल निष्कर्ष वही रहता है। 20 MW को बीस स्थानों में विभाजित करने के बजाय दो‑तीन स्थानों में रखने से महानगरीय क्षेत्र में लगभग कोई विलंबता नहीं बचती — शहर के फाइबर रिंग में केवल कुछ मिलीसेकंड होते हैं — जबकि पूँजी और संचालन लागत को बढ़ा देता है।

इसी कारण मैं मानता हूँ कि उद्योग को आकार में छोटा होना चाहिए और वह बनाना चाहिए जिसे मैं “बुद्धिमत्ता के सबस्टेशन” कहता हूँ। वर्तमान में, डेवलपर्स 20 से 100 MW रेंज में क्षेत्रीय सुविधाएँ बनाना सीख रहे हैं। भविष्य का लक्ष्य इसे और भी छोटे, शहरी साइटों पर लागू करना है ताकि प्रमुख शहरों के लिए उपयुक्त 2 MW स्तर तक पहुँचा जा सके।

राजनीतिक बाधा

आर्थिक व्यवहार्यता से आगे बढ़ते हुए, राजनीतिक चुनौती अभी भी बनी हुई है। डेटा सेंटर अपने पर्यावरणीय नकारात्मक प्रभाव के कारण मीडिया में लगातार बदनाम होते जा रहे हैं। एक Pew सर्वेक्षण के अनुसार, अमेरिकियों में आधे से अधिक मानते हैं कि डेटा सेंटर पर्यावरण को नुकसान पहुँचाते हैं और इसके प्रति नकारात्मक दृष्टिकोण रखते हैं। रोजगार सृजन का तर्क जल, भूमि और बिजली की खपत, साथ ही उत्पन्न शोर और उत्सर्जन की मात्रा की तुलना में फीका पड़ जाता है। छोटे शहरी सुविधाओं के लिए भी अनुमोदन प्राप्त करना कठिन साबित होगा।

हम पहले ही डेटा सेंटर डेवलपर्स और शहर प्राधिकरणों के बीच टकराव के उदाहरण देख रहे हैं। अमेरिका में, xAI की गैस टर्बाइन का उपयोग ने उसके मेम्फिस विस्तार को तेज़ करने के लिए अनुमति संबंधी विवाद, समुदाय का विरोध और मुकदमेबाज़ी को जन्म दिया है। यूरोप ने इससे आगे कदम बढ़ाया है: एम्स्टर्डैम ने 70 MW से अधिक सुविधाओं पर प्रतिबंध लगा दिया, डबलिन अब केवल तभी नई डेटा सेंटर को स्वीकार करता है जब वे अपनी स्वयं की उत्पादन या भंडारण लाएँ, और वेस्ट लंदन कॉरिडोर का मुख्य सबस्टेशन शुरुआती 2030 के दशक से पहले मजबूत नहीं किया जाएगा। ऐसे उच्च‑प्रोफ़ाइल मामलों के बाहर भी, क्योंकि यह एक नया विवाद क्षेत्र है, कई शहर प्राधिकरणों के पास शहरी क्षेत्र में अतिरिक्त 10 MW AI बुनियादी ढाँचा अनुमोदित करने की स्पष्ट प्रक्रिया नहीं है। जैसा कि एक National League of Cities रिपोर्ट में बताया गया है, शहरों के लिए सबसे आम चुनौतियों में से एक यह है कि पुराने स्थानीय ज़ोनिंग कोड स्पष्ट रूप से डेटा सेंटर को संबोधित नहीं करते, जिससे केस‑बाय‑केस समीक्षा की आवश्यकता पड़ती है। ऐसी कानूनी अनिश्चितताएँ तकनीकी रूप से व्यवहार्य परियोजनाओं को भी विलंबित कर सकती हैं।

आज के बुनियादी ढाँचे के निर्णय भविष्य की हमारी क्षमता को आकार देते हैं

यह सब यह कहने के लिए है कि हमें भविष्य में एआई की प्रगति के लिए आवश्यक बुनियादी ढाँचा पूर्वनिर्धारित रूप से योजना बनाकर निर्माण करना चाहिए। क्योंकि जबकि मॉडल तेज़ी से विकसित होते हैं, उन्हें चलाने के लिए आवश्यक शक्ति उस प्रकार की बुनियादी ढाँचे पर निर्भर करती है जिसे बनाने में समय लगता है। ग्रिड कनेक्शन में वर्षों लग सकते हैं, और कुछ प्रमुख डेटा‑सेंटर बाजारों में कतारें अब सात से दस वर्ष तक खिंचती हैं। इसलिए यदि शहर 2030 तक एआई कंप्यूटिंग शक्ति को बढ़ा रहे हैं, तो उस विद्युत बुनियादी ढाँचे को अभी स्थापित करना होगा। टेरावोल्ट में, हमारा कार्य मॉडल 2036 तक वैश्विक शहरी एआई मांग को 9 से 18 GW के बीच अनुमानित करता है। इसका अर्थ है विश्वभर में लगभग 1000 से 1500 प्रमुख शहरी और महानगरीय साइटें, औसत सुविधा आकार के आधार पर, और कुल मिलाकर यह लगभग $500 बिलियन से $1 ट्रिलियन के बाजार का प्रतिनिधित्व कर सकती हैं।

यदि आवश्यक योजना नहीं बनाई गई, तो हम उन्नत एआई क्षमता के साथ फँस जाएंगे जिसे हम उपयोग नहीं कर पाएंगे। मोबाइल युग को लोगों के साथ रेडियो कवरेज के लिए टावरों की बुनियादी ढाँचा चाहिए था, अन्यथा मोबाइल फोन निरर्थक हो जाता। इसी प्रकार, हमें एआई के विकास और विद्युत बुनियादी ढाँचे की स्थापना के बीच असंगति को पहचानना चाहिए। जहाँ मोबाइल युग कवरेज को सिग्नल बार में मापता था, एआई युग इसे मिलीसेकंड और प्रति निवासी वाट में मापेगा — और इसे लाखों टावरों की नहीं, बल्कि लगभग एक हजार सबस्टेशन आकार की सुविधाओं की आवश्यकता होगी। फाइबर, मिलीसेकंड और मेगावॉट इस क्षेत्र की मुद्रा हैं और जो लोग इस कमी को पहले से पहचानते हैं, वे भविष्य को आकार देने के लिए बेहतर तैयार होते हैं।