नवीन डेटा दर्शवतो की उच्च उत्पन्न असलेल्या देशांकडे जागतिक डेटा-सेंटर क्षमतेचा ७७% हिस्सा आहे, तर कमी उत्पन्न असलेल्या देशांकडे ०.१% पेक्षा कमी हिस्सा आहे. GPU क्लस्टर्सच्या बाबतीतही चित्र असेच आहे: जगातील एकूण युनिट्सपैकी ७५% युनिट्स अमेरिकेच्या आहेत, १५% चीनच्या आहेत आणि उर्वरित जगाचा हिस्सा मिळून १०% पेक्षा कमी आहे. ही एकाग्रता AI ला भू-राजकीय शक्तीचे साधन बनवते, ज्यामुळे कोण निर्मिती करू शकते, कोण वापरू शकते आणि कोणाचे नियम डीफॉल्ट ठरतील हे ठरवले जाते.

कोडपेक्षा कॉम्प्युट (Compute) का महत्त्वाचा आहे

आर्टिफिशियल-इंटेलिजन्स (AI) प्रणाली मोठ्या प्रमाणात प्रोसेसर सायकलवर चालतात. मॉडेलची क्षमता त्या सिलिकॉनवर अवलंबून असते जे डेटावर प्रक्रिया करते, वेट्स (weights) साठवते आणि इन्फरन्स (inference) चालवते. जर एखाद्या देशाकडे ही यंत्रणा नसेल, तर त्याला परदेशी क्लाउड प्रदात्यांकडे वळावे लागते. हे अवलंबित्व केवळ बिल वाढवत नाही; तर त्यामागील लॉजिकचे नियंत्रण प्रदात्याच्या इंजिनिअर्स आणि पॉलिसी टीम्सच्या हाती सोपवते, जे काय "सुरक्षित" आहे हे ठरवतात. डेटा-सेंटर हबमधील नियामक बदल नैरोबीमधील एखाद्या रुग्णालयाच्या कामकाजात त्वरित बदल घडवून आणू शकतात.

"डिजिटल दरी" (digital divide) हा शब्द सहसा इंटरनेट प्रवेश किंवा उपकरणांच्या मालकीकडे निर्देश करतो. नवीन आकडेवारी एक खोल दरी उघड करते: मोठ्या प्रमाणावर AI परिणाम (outcomes) निर्माण करण्याची क्षमता. एखाद्या देशाकडे ब्रॉडबँड असू शकतो, परंतु स्थानिक कॉम्प्युटशिवाय तो भाषांतर, भविष्यसूचक आरोग्य विश्लेषण (predictive health analytics) किंवा स्वायत्त लॉजिस्टिक (autonomous logistics) चालवणारी मॉडेल्स होस्ट करू शकत नाही. तो या क्षमता भाड्याने घेतो आणि भाड्याने घेण्यासोबत काही अटीही येतात.

परदेशी AI चे छुपे खर्च

बाह्य एंडपॉइंटवर अवलंबून राहिल्यामुळे प्रत्येक विनंती (request) एका परदेशी इंजिनमधून जाते, जे तीन अदृश्य घटकांद्वारे नियंत्रित केले जाते:

  • अलाइनमेंट लॉजिक (Alignment logic) – प्रदाता कोणत्या प्रकारचे कंटेंट अनुज्ञेय आहे हे ठरवतो. स्थानिक संकटकाळात, ही व्याख्या सांस्कृतिक किंवा कायदेशीर मानकांशी विसंगत ठरू शकते.
  • अपडेट वेळापत्रक (Update schedules) – प्रदाता रातोरात मॉडेलची नवीन आवृत्ती आणू शकतो, ज्यामुळे मागील वर्तनानुसार सेट केलेल्या डाउनस्ट्रीम पाइपलाईन्स विस्कळीत होऊ शकतात.
  • सिमँटिक ड्रिफ्ट (Semantic drift) – प्रामुख्याने जागतिक डेटावर प्रशिक्षित केलेली मॉडेल्स अनेकदा प्रादेशिक बोलीभाषा, वाक्प्रचार किंवा धोरणात्मक बारकावे misses करतात, ज्यामुळे चुकीचे अर्थ निघू शकतात, जे स्थानिक पातळीवर प्रशिक्षित प्रणाली टाळू शकली असती.

जेव्हा एखादा देश स्वतःची मॉडेल्स होस्ट करू शकत नाही, तेव्हा तो मॉडेलच्या वेट्स आणि आर्किटेक्चरमध्ये अंतर्भूत असलेली बौद्धिक संपदा (intellectual property) संरक्षित करू शकत नाही. धोरणात्मक फायदा सिलिकॉन आणि कोडच्या मालकांकडे राहतो, सेवेच्या वापरकर्त्यांकडे नाही.

आर्थिकदृष्ट्या, ही दुविधा अत्यंत स्पष्ट आहे. मोठ्या फाउंडेशन मॉडेल्सना प्रचंड वीज लागते आणि त्यासाठी मोठ्या प्रमाणात हार्डवेअर गुंतवणुकीची आवश्यकता असते. बहुतेक सरकारांसमोर दोन अवांछित पर्याय असतात:

१. परदेशी विक्रेत्यांना मोठी शुल्क देणे – प्रति-टोकन किंमत किंवा सबस्क्रिप्शन टियर्स राष्ट्रीय AI बजेटपेक्षा वेगाने मोठे होतात. २. असुरक्षित किंवा कमी क्षमतेच्या प्रणाली चालवणे – कॉम्प्युटमध्ये तडजोड केल्यामुळे जुन्या मॉडेल्सचा वापर करावा लागतो, जे चुका किंवा फेरफार करण्यास अधिक प्रवृत्त असतात.

दोन्ही मार्ग सार्वभौमत्वाला बाधा आणतात आणि सार्वजनिक तिजोरीवर ताण निर्माण करतात.

स्वस्त प्रवेशासाठीचा युक्तिवाद

काही विश्लेषकांचा दावा आहे की टोकन-आधारित किंमत किंवा वेगवान इंटरनेटमुळे AI स्वस्त होईल. याचा आधार असा आहे की अधिक API कॉल्समुळे याचे फायदे सर्वत्र पसरतील. प्रत्यक्षात, स्वस्त प्रवेश स्थानिक क्षमता निर्माण करत नाही. API कॉल हा अजूनही एका रिमोट इंजिनला केलेली विनंतीच असते; वापरकर्ता प्रदात्याचे अलाइनमेंट, अपडेट सायकल आणि डेटा बायस (data biases) यांच्या अधीन राहतो. कॉम्प्युट परदेशातच राहतो आणि राष्ट्र मालकी मिळवण्याऐवजी भाड्याने घेणे सुरू ठेवते.

एक वेगळा तांत्रिक मार्ग: डिटरमिनिस्टिक कंट्रोल (Deterministic Control)

वाढत्या संशोधनानुसार, कच्च्या हार्डवेअरकडून रनटाइम मर्यादांकडे (runtime constraints) लक्ष केंद्रित करणे आवश्यक आहे. AI प्रणाली अशा प्रकारे डिझाइन केल्यास ज्यांना खूप कमी ऑपरेशन्सची आवश्यकता असते, तर त्यांना मर्यादित, स्थानिक मालकीच्या हार्डवेअरवर चालवणे शक्य होते. डिटरमिनिस्टिक कंट्रोल—जिथे एक्झिक्यूशन पाथ आणि रिसोर्सचा वापर अंदाजित असतो—ते ठोस फायदे देते:

  • प्रक्रिया वेळ कमी होतो – कमी कॉम्प्युट म्हणजे जलद प्रतिसाद.
  • कमी ऊर्जा खर्च – कमी सायकलमुळे विजेचा खर्च कमी होतो, ज्यामुळे राष्ट्रीय ग्रीडवरील ताण कमी होतो.
  • व्यवहार्य स्थानिक उपयोजन – लहान प्रमाणावरील क्लस्टर्स पुरेसे ठरतात, ज्यामुळे सरकारांना त्यांच्या सीमांच्या आत मॉडेल्स होस्ट करणे शक्य होते.
  • परवडणारे सार्वभौमत्व – हार्डवेअर आणि रनटाइमची मालकी मिळाल्याने सुरक्षा धोरणे आणि अपडेट सायकलवर नियंत्रण परत मिळते.

हा बदल डिजिटल शक्तीची व्याख्या बदलतो. प्रभाव आता सर्व्हर फार्मच्या आकारावरून बदलून एखादा देश सुरक्षित आणि स्थानिक पातळीवर नियंत्रित AI किती कार्यक्षमतेने चालवू शकतो, यावर केंद्रित होतो.

प्रतिवाद: स्केलचे आकर्षण

प्रचंड केंद्रीकृत मॉडेल्सचे समर्थक असा युक्तिवाद करतात की, व्याप्तीमुळे उत्कृष्ट कार्यक्षमता मिळते. याच्या उलट असा युक्तिवाद केला जातो की, अनेक सार्वजनिक क्षेत्रातील कामांसाठी कार्यक्षमतेतील वाढ अनेकदा नगण्य असते, तर अवलंबून राहण्याचा धोरणात्मक खर्च मात्र मोठा असतो. पुरवठादाराची जबाबदारी त्याच्या मूळ देशाच्या कायदेशीर चौकटीनुसार असते, जी ग्राहक राष्ट्राची मूल्ये किंवा सुरक्षा गरजांशी सुसंगत नसू शकते.

मुख्य निष्कर्ष

सध्याचा संगणकीय नकाशा युनायटेड स्टेट्स, चीन आणि काही उच्च-उत्पन्न राष्ट्रांना AI विकासाच्या नेतृत्वाच्या स्थानी ठेवतो. उर्वरित जगासाठी, परदेशी क्लाउड्सवर अवलंबून राहणे म्हणजे धोरणात्मक नियंत्रण सोपवणे, अनपेक्षित खर्चाचा सामना करणे आणि महत्त्वपूर्ण सेवांना बाह्य धोरणात्मक बदलांच्या जोखमीखाली आणणे होय. पुढचा मार्ग म्हणजे स्वस्त इंटरनेट किंवा टोकन किंमत नाही; तर AI कसे चालते याचे पुनर्गठन करणे आहे—त्याला निश्चित (deterministic), कार्यक्षम आणि स्थानिक पातळीवर होस्ट केलेले बनवणे. जेव्हा राष्ट्रे त्यांच्या मालकीच्या सामान्य हार्डवेअरवर सुरक्षित AI चालवू शकतील, तेव्हा संगणकीय क्षमतेचे भू-राजकीय विभाजन कमी होऊ लागेल आणि डिजिटल सार्वभौमत्व हे केवळ एक दूरचे आदर्श न राहता एक वास्तववादी ध्येय बनेल.