HCLTech ತನ್ನ "full-stack" ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (artificial-intelligence) ಸೇವೆಯ ಬೆನ್ನೆಲುಬಾಗಿ, 50 MW ಸಾಮರ್ಥ್ಯದವರೆಗೆ ಡೇಟಾ-ಸೆಂಟರ್‌ಗಳನ್ನು ನಿರ್ಮಿಸಲು ಮತ್ತು ನಡೆಸಲು ₹3,500 ಕೋಟಿ (ಸುಮಾರು $365 ಮಿಲಿಯನ್) ಯೋಜನೆಯನ್ನು ಘೋಷಿಸಿದೆ.

ಈಗ ಡೇಟಾ-ಸೆಂಟರ್ ಉತ್ತೇಜನ ಏಕೆ ಮುಖ್ಯವಾಗಿದೆ

AI ಕೆಲಸದ ಹೊರೆ (workloads) ಗಾತ್ರ ಮತ್ತು ವೆಚ್ಚದಲ್ಲಿ ವಿಪರೀತವಾಗಿ ಹೆಚ್ಚಾಗಿದ್ದು, ಉದ್ಯಮಗಳು ಸಾಮಾನ್ಯ ಕ್ಲೌಡ್ ಸೇವೆಗಳ ಬದಲಿಗೆ ಸ್ಥಳೀಯ, ಹೆಚ್ಚಿನ ಕಾರ್ಯಕ್ಷಮತೆಯ ಕಂಪ್ಯೂಟ್ (compute) ಅನ್ನು ಹುಡುಕಲು ಒತ್ತಾಯಿಸುತ್ತಿವೆ. ಭೌತಿಕ ಘಟಕವನ್ನು (physical plant) ತಾವೇ ಹೊಂದಿಸಿಕೊಳ್ಳುವ ಮೂಲಕ, ವಿಳಂಬವನ್ನು (latency) ಕಡಿಮೆ ಮಾಡಲು, ವೆಚ್ಚವನ್ನು ನಿಯಂತ್ರಿಸಲು ಮತ್ತು ದೊಡ್ಡ ಮಾದರಿಗಳನ್ನು ತರಬೇತಿಗೊಳಿಸಲು ಮತ್ತು ನಡೆಸಲು ಅಗತ್ಯವಿರುವ ಸಾಫ್ಟ್‌ವೇರ್ ಮತ್ತು ಸೇವೆಗಳೊಂದಿಗೆ ಮೂಲಸೌಕರ್ಯವನ್ನು ಒಟ್ಟಿಗೆ ನೀಡಲು HCLTech ಆಶಿಸಿದೆ. AI ಯೋಜನೆಗಳನ್ನು ವಿಸ್ತರಿಸುವಾಗ ಅನೇಕ ಗ್ರಾಹಕರು ಎದುರಿಸುವ ಅಡೆತಡೆಗಳನ್ನು ಈ ಹೂಡಿಕೆಯು ನಿವಾರಿಸುತ್ತದೆ ಎಂದು ಕಂಪನಿಯು ಹೇಳಿದೆ.

TCS ನಿಂದ ಭಿನ್ನವಾದ ಕಾರ್ಯತಂತ್ರ

HCLTech ಮತ್ತು TCS ಎರಡೂ ಡೇಟಾ-ಸೆಂಟರ್ ಮಾಲೀಕತ್ವದತ್ತ ಸಾಗುತ್ತಿವೆ, ಆದರೆ ಅವುಗಳ ಕಾರ್ಯತಂತ್ರಗಳು ಸಂಪೂರ್ಣವಾಗಿ ಭಿನ್ನವಾಗಿವೆ. TCS 1 GW ಸಾಮರ್ಥ್ಯವನ್ನು ಒದಗಿಸಲು ಆರು ವರ್ಷಗಳಲ್ಲಿ $6.5 ಬಿಲಿಯನ್ ವಾಗ್ದಾನ ಮಾಡಿದೆ - ಇದು ಕೇವಲ ಪ್ರಮಾಣದ (volume) ಆಟವಾಗಿದ್ದು, ಒಪ್ಪಂದಗಳನ್ನು ಗೆಲ್ಲಲು ದೊಡ್ಡ ಪ್ರಮಾಣದ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿದೆ. ಇದಕ್ಕೆ ವ್ಯತಿರಿಕ್ತವಾಗಿ, HCLTech ಕೇವಲ 50 MW ವಿಸ್ತೀರ್ಣವನ್ನು ಗುರಿಯಾಗಿಸಿಕೊಂಡಿದೆ ಮತ್ತು ಕೇವಲ ಕಂಪ್ಯೂಟ್ ಮಾಡುವುದಷ್ಟೇ ಅಲ್ಲದೆ, ಅದರ ಮೇಲಿರುವ ಪದರಗಳನ್ನು ಅಳವಡಿಸಿಕೊಳ್ಳುತ್ತಿದೆ: ಅಂದರೆ ಹೆಚ್ಚಿನ ವೇಗದ ನೆಟ್‌ವರ್ಕಿಂಗ್, GPU-ಸಜ್ಜಿತ ಸರ್ವರ್‌ಗಳು ಮತ್ತು ಸಿದ್ಧವಾಗಿರುವ AI ಅಪ್ಲಿಕೇಶನ್‌ಗಳು. ಇದು ಗ್ರಾಹಕರಿಗೆ ಕೇವಲ ಪ್ರತ್ಯೇಕ ಸೇವೆಗಳ ಬದಲಿಗೆ ಏಕೀಕೃತ ಪರಿಸರ ವ್ಯವಸ್ಥೆಯನ್ನು (integrated ecosystem) ನೀಡುವ ಗುರಿಯನ್ನು ಹೊಂದಿದೆ.

ಬಂಡವಾಳ ಹೂಡಿಕೆ ಮತ್ತು ಅದರ ನಿರೀಕ್ಷಿತ ಲಾಭ

ಉದ್ಯಮಗಳಿಗೆ, ಬ್ಯಾಂಡ್‌ವಿಡ್ತ್ ಅಥವಾ ಕಂಪ್ಯೂಟ್ ಕೊರತೆಯಿಂದಾಗಿ ವಿಳಂಬವಾಗಬಹುದಾದ ಮಾದರಿಗಳನ್ನು ನಿಯೋಜಿಸುವಾಗ, ವೇಗವಾಗಿ ಫಲಿತಾಂಶವನ್ನು ಪಡೆಯುವ ಭರವಸೆಯನ್ನು ಇದು ನೀಡುತ್ತದೆ.

ಮಾರುಕಟ್ಟೆಯ ಪ್ರತಿಕ್ರಿಯೆ ಮತ್ತು ಬೆಳವಣಿಗೆಯ ಹಿನ್ನೆಲೆ

HCLTech ತನ್ನ ಯೋಜನೆಯನ್ನು ಅನಾವರಣಗೊಳಿಸಿದಾಗ, ಬಾಂಬೆ ಸ್ಟಾಕ್ ಎಕ್ಸ್ಚೇಂಜ್‌ನಲ್ಲಿ ಅದರ ಷೇರುಗಳು 4.42% ಕುಸಿದು ₹1,167 ಕ್ಕೆ ಮುಕ್ತಾಯಗೊಂಡವು. ಕಳೆದ ನಾಲ್ಕು ವರ್ಷಗಳಲ್ಲಿ ಅತ್ಯಂತ ದುರ್ಬಲವಾದ ಪೂರ್ಣ ವರ್ಷದ ಬೆಳವಣಿಗೆಯ ಮುನ್ಸೂಚನೆಯನ್ನು ನೀಡಿದ್ದ ಕಂಪನಿಯ ಇತ್ತೀಚಿನ ಮಾರ್ಗದರ್ಶನವನ್ನು (guidance) ಈ ಕುಸಿತ ಪ್ರತಿಬಿಂಬಿಸುತ್ತದೆ ಎಂದು ವಿಶ್ಲೇಷಕರು ಹೇಳುತ್ತಾರೆ. ಈ ಭಾರಿ ಬಂಡವಾಳ ಹೂಡಿಕೆಯು (capex) ಅಲ್ಪಾವಧಿಯಲ್ಲಿ ಲಾಭದ ಪ್ರಮಾಣವನ್ನು (margins) ಕಡಿಮೆ ಮಾಡಬಹುದು ಎಂಬ ಕಳವಳವನ್ನು ಈ ಮಾರ್ಗದರ್ಶನವು ಉಂಟುಮಾಡಿದೆ, ವಿಶೇಷವಾಗಿ AI ಸೇವೆಗಳ ವಿಭಾಗವು ವೆಚ್ಚವನ್ನು ಸರಿದೂಗಿಸಲು ಬೇಕಾದಷ್ಟು ವೇಗವಾಗಿ ಬೆಳೆಯದಿದ್ದರೆ ಇದು ಸಂಭವಿಸಬಹುದು.

ಅಪಾಯಗಳು ಮತ್ತು ವಿರೋಧಾತ್ಮಕ ವಾದಗಳು

ಮುಂದೆ ಗಮನಿಸಬೇಕಾದ ಅಂಶಗಳು

  • ಬಳಕೆಯ ದರಗಳು (Utilisation rates): 50 MW ಸಾಮರ್ಥ್ಯದಲ್ಲಿ ಎಷ್ಟು ಭಾಗವನ್ನು ಬುಕ್ ಮಾಡಲಾಗುತ್ತಿದೆ ಎಂಬ ಆರಂಭಿಕ ವರದಿಗಳು ಮಾರುಕಟ್ಟೆಯ ಬೇಡಿಕೆಯನ್ನು ಸೂಚಿಸುತ್ತವೆ.
  • ಆದಾಯದ ಮಿಶ್ರಣ (Revenue mix): ಸಾಂಪ್ರದಾಯಿಕ IT ಔಟ್‌ಸೋರ್ಸಿಂಗ್‌ಗೆ ಹೋಲಿಸಿದರೆ AI ಸಂಬಂಧಿತ ಸೇವೆಗಳಿಂದ ಬರುವ ಆದಾಯದ ಪಾಲು, ಹೊಸ ಮಾದರಿಯು ಎಷ್ಟು ವೇಗವಾಗಿ ವಿಸ್ತರಿಸುತ್ತಿದೆ ಎಂಬುದನ್ನು ತಿಳಿಸುತ್ತದೆ.
  • ಲಾಭದ ಪ್ರಮಾಣದ ಪ್ರವೃತ್ತಿಗಳು (Margin trends): ಕಾರ್ಯಾಚರಣೆಯ ಲಾಭದ ಪ್ರಮಾಣವನ್ನು (operating margins) ಗಮನಿಸುವುದರಿಂದ, ಬಂಡವಾಳದ ವೆಚ್ಚವು ಲಾಭದ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರದೆ ಸಮತೋಲನಗೊಳ್ಳುತ್ತಿದೆಯೇ ಎಂದು ತಿಳಿಯಬಹುದು.
  • ಸ್ಪರ್ಧಾತ್ಮಕ ಪ್ರತಿಕ್ರಿಯೆ: TCS ನ ಕಾರ್ಯಸೂಚಿಯಲ್ಲಿ ಯಾವುದೇ ಬದಲಾವಣೆ—ಅದು ಹೆಚ್ಚಿನ ಏಕೀಕರಣದ ಕಡೆಗೆ ಇರಲಿ ಅಥವಾ ಆಳವಾದ ವಿಶೇಷೀಕರಣದ ಕಡೆಗೆ ಇರಲಿ—ಈ ಎರಡು ದೈತ್ಯರ ನಡುವಿನ ಸ್ಪರ್ಧೆಯ ಚಲನಶೀಲತೆಯನ್ನು ಮರುರೂಪಿಸಬಹುದು.

ಸಾರಾಂಶ

HCLTech ನ ₹3,500 ಕೋಟಿ ಡೇಟಾ-ಸೆಂಟರ್ ಪಣವು, TCS ಪ್ರತಿಪಾದಿಸುವ ಕೇವಲ ಪ್ರಮಾಣದ ಮಾದರಿಯನ್ನು ಮೀರಿ ನಿಲ್ಲಲು ಮಾಡಿದ ಲೆಕ್ಕಾಚಾರದ ಪ್ರಯತ್ನವಾಗಿದೆ. ಮೂಲಸೌಕರ್ಯ ಮತ್ತು ಅಪ್ಲಿಕೇಶನ್ ಸ್ಟ್ಯಾಕ್ ಅನ್ನು ಸಮರ್ಪಕವಾಗಿ ಜೋಡಿಸುವುದು ನಾಳೆಯ AI ಒಪ್ಪಂದಗಳನ್ನು ಗೆಲ್ಲುತ್ತದೆ ಎಂಬುದು ಇದರ ನಂಬಿಕೆ. ಮಾರುಕಟ್ಟೆಯ ಎಚ್ಚರಿಕೆಯ ಪ್ರತಿಕ್ರಿಯೆಯು ದೀರ್ಘಾವಧಿಯ ಮಹತ್ವಾಕಾಂಕ್ಷೆ ಮತ್ತು ಅಲ್ಪಾವಧಿಯ ಹಣಕಾಸಿನ ಶಿಸ್ತಿನ ನಡುವಿನ ಉದ್ವಿಗ್ನತೆಯನ್ನು ಎತ್ತಿ ತೋರಿಸುತ್ತದೆ. ಈ 'full-stack' ಕಾರ್ಯತಂತ್ರವು ಭರವಸೆ ನೀಡಿದ ಪ್ರಯೋಜನವನ್ನು ನೀಡುತ್ತದೆಯೇ ಎಂಬುದು ಬಳಕೆಯ ಪ್ರಮಾಣ ಹೆಚ್ಚಾದಂತೆ ಮತ್ತು AI ಆದಾಯವು ಹರಿದು ಬರಲು ಪ್ರಾರಂಭಿಸಿದಾಗ ಸ್ಪಷ್ಟವಾಗುತ್ತದೆ.