ആവശ്യപ്പെട്ടത്ര AI Compute നൽകാൻ Google-ന് കഴിയുന്നില്ല; ലോക AI മത്സരത്തിൽ നിർണായകമായി മാറുന്നത് ഇൻഫ്രാസ്ട്രക്ചർ
ഗൂഗിൾ 'ജെമിനി' എഐ ശേഷിക്ക് പരിധി; കമ്പ്യൂട്ടിങ് ക്ഷാമം മെറ്റയുടെ ചില എഐ പദ്ധതികളെ ബാധിക്കുന്നു: സ്റ്റാർട്ടപ്പുകൾ പഠിക്കേണ്ട 3 ബിസിനസ് പാഠങ്ങൾ
ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് (AI) രംഗത്ത് ലോകത്തെ വൻകിട ടെക് കമ്പനികൾ തമ്മിലുള്ള മത്സരം ഇന്ന് മികച്ച മോഡലുകൾ നിർമ്മിക്കുന്നതിൽ മാത്രം ഒതുങ്ങുന്നില്ല. ആ മോഡലുകൾ പ്രവർത്തിപ്പിക്കാൻ ആവശ്യമായ **GPUകൾ, ഡാറ്റാ സെന്ററുകൾ, വൈദ്യുതി, കൂളിങ് സംവിധാനങ്ങൾ, ക്ലൗഡ് കമ്പ്യൂട്ടിങ് ശേഷി** എന്നിവ ഉറപ്പാക്കുന്നതും അത്ര തന്നെ നിർണായകമായിരിക്കുകയാണ്.
ഇതിന്റെ ഏറ്റവും പുതിയ ഉദാഹരണമാണ് ഫേസ്ബുക്ക്, ഇൻസ്റ്റാഗ്രാം എന്നിവയുടെ മാതൃസ്ഥാപനമായ Meta യും Google ഉം തമ്മിലുള്ള AI ക്ലൗഡ് ശേഷി സംബന്ധിച്ച റിപ്പോർട്ട്.
Financial Times പുറത്തുവിട്ട റിപ്പോർട്ട് പ്രകാരം, Meta ആവശ്യപ്പെട്ട അളവിലുള്ള Gemini AI കമ്പ്യൂട്ടിങ് ശേഷി Google-ന് അനുവദിക്കാൻ കഴിഞ്ഞിട്ടില്ല. ലഭ്യമായ ക്ലൗഡ് ഇൻഫ്രാസ്ട്രക്ചറിന്റെ പരിമിതി കാരണം Meta-യുടെ ചില ആഭ്യന്തര AI പദ്ധതികൾ വൈകുന്നതായും റിപ്പോർട്ടിൽ പറയുന്നു.
Google Cloud സേവനങ്ങൾക്ക് ആവശ്യകത റെക്കോർഡ് ഉയരത്തിലെത്തിയ സാഹചര്യത്തിൽ ലഭ്യമായ കമ്പ്യൂട്ടിങ് ശേഷി പരിമിതമായതാണ് ഇതിന് പ്രധാന കാരണം.
എന്താണ് സംഭവിക്കുന്നത്?
Financial Times റിപ്പോർട്ട് പ്രകാരം, Meta തങ്ങളുടെ ചില AI പ്രവർത്തനങ്ങൾക്ക് Google-ന്റെ Gemini മോഡലുകളും അനുബന്ധ ക്ലൗഡ് കമ്പ്യൂട്ടിങ് ശേഷിയും ഉപയോഗിച്ചിരുന്നു. എന്നാൽ ആവശ്യപ്പെട്ട മുഴുവൻ കമ്പ്യൂട്ടിങ് ശേഷി നൽകാൻ Google-ന് സാധിച്ചില്ല. അതിനാൽ ലഭ്യമായ ശേഷിക്ക് അനുസരിച്ചാണ് ഉപയോഗം ക്രമീകരിച്ചത്. ഇതിന്റെ ഭാഗമായി Meta ജീവനക്കാരോട് AI ടോക്കണുകളുടെ ഉപയോഗം കൂടുതൽ കാര്യക്ഷമമാക്കാൻ നിർദ്ദേശം നൽകിയതായും റിപ്പോർട്ടിൽ പറയുന്നു.
അതേസമയം Google Cloud ബിസിനസ് ശക്തമായ വളർച്ച തുടരുകയാണെങ്കിലും, ലഭ്യമായ കമ്പ്യൂട്ടിങ് ശേഷിയുടെ കുറവ് കൂടുതൽ വരുമാനം നേടുന്നതിന് തടസ്സമായതായി Google CEO സുന്ദർ പിച്ചൈ നേരത്തെ വ്യക്തമാക്കിയിരുന്നു. Cloud സേവനങ്ങളുടെ ബാക്ക്ലോഗും ഗണ്യമായി ഉയർന്നിട്ടുണ്ട്.
AI ലോകത്തെ യഥാർത്ഥ മത്സരം ഇപ്പോൾ എവിടെയാണ്?
AI മേഖലയിലെ ഏറ്റവും വലിയ വെല്ലുവിളി ഇന്ന് സോഫ്റ്റ്വെയർ വികസനം മാത്രമല്ല.
വൻകിട കമ്പനികൾ ഇപ്പോൾ മത്സരിക്കുന്നത്:
* GPU ലഭ്യത
* ഡാറ്റാ സെന്റർ ശേഷി
* വൈദ്യുതി വിതരണം
* കൂളിങ് ഇൻഫ്രാസ്ട്രക്ചർ
* ഹൈ-സ്പീഡ് നെറ്റ്വർക്ക്
* AI Compute Capacity എന്നിവ ഉറപ്പാക്കുന്നതിനാണ്.
AI മോഡലുകൾ എത്ര ശക്തമായാലും അവ പ്രവർത്തിപ്പിക്കാൻ ആവശ്യമായ ഭൗതിക അടിസ്ഥാന സൗകര്യങ്ങൾ ഇല്ലെങ്കിൽ പദ്ധതികൾ വൈകാൻ സാധ്യതയുണ്ടെന്നതിന്റെ ഉദാഹരണമായാണ് ഈ സംഭവത്തെ വ്യവസായ വിദഗ്ധർ വിലയിരുത്തുന്നത്.
മത്സരവും, പ്രതിസന്ധിയും
സ്റ്റാർട്ടപ്പുകൾക്കും വിദ്യാർത്ഥികൾക്കും പഠിക്കാവുന്ന മൂന്ന് പ്രധാന ബിസിനസ് പാഠങ്ങൾ
1. വിഭവ ആസൂത്രണം (Resource Planning) ബിസിനസിന്റെ അടിത്തറയാണ്
മികച്ച ആശയമോ മികച്ച സോഫ്റ്റ്വെയറോ മാത്രം മതിയാകില്ല.
ബിസിനസിന് ആവശ്യമായ സെർവറുകൾ, കമ്പ്യൂട്ടിങ് ശേഷി, സാങ്കേതിക വിഭവങ്ങൾ എന്നിവ വളർച്ചയ്ക്ക് അനുസരിച്ച് ലഭ്യമാകുമെന്ന് മുൻകൂട്ടി ഉറപ്പാക്കണം. വിഭവങ്ങളുടെ കാര്യക്ഷമമായ ഉപയോഗം ചെലവ് കുറയ്ക്കുന്നതിനും പ്രവർത്തനക്ഷമത വർധിപ്പിക്കുന്നതിനും സഹായിക്കും.
2. ഒരൊറ്റ സാങ്കേതിക പങ്കാളിയെ മാത്രം ആശ്രയിക്കരുത്
ഈ സംഭവത്തിൽ നിന്ന് പഠിക്കാവുന്ന പ്രധാന ബിസിനസ് പാഠങ്ങളിൽ ഒന്നാണ് Vendor Diversification
ക്ലൗഡ് സേവനങ്ങൾ, AI മോഡലുകൾ, ഇൻഫ്രാസ്ട്രക്ചർ എന്നിവയ്ക്കായി സാധ്യമെങ്കിൽ ഒന്നിലധികം സേവനദാതാക്കളെ പരിഗണിക്കുന്നത് ഭാവിയിലെ തടസ്സങ്ങൾ കുറയ്ക്കാൻ സഹായിക്കും. ഇത് Vendor Lock-in സാധ്യത കുറയ്ക്കുന്ന ഒരു ദീർഘകാല തന്ത്രമാണ്.
3. സ്കെയിലാകുന്ന ഇൻഫ്രാസ്ട്രക്ചർ തിരഞ്ഞെടുക്കുക
പുതിയ സ്റ്റാർട്ടപ്പുകൾ തുടക്കത്തിൽ തന്നെ വലിയ സെർവർ നിക്ഷേപങ്ങൾ നടത്തുന്നതിനേക്കാൾ ആവശ്യാനുസരണം വികസിപ്പിക്കാനാകുന്ന Scalable Cloud Infrastructure തിരഞ്ഞെടുക്കുന്നതാണ് സുരക്ഷിതം.
ബിസിനസ് വളരുന്നതിനനുസരിച്ച് കമ്പ്യൂട്ടിങ് ശേഷിയും വർധിപ്പിക്കാനാകുന്ന മോഡലുകൾ ഭാവിയിൽ കൂടുതൽ സൗകര്യപ്രദമാകും.
ബിസിനസ് FAQ
Q1: AI Tokens എന്താണ്?
AI മോഡലുകൾ വായിക്കുകയും സൃഷ്ടിക്കുകയും ചെയ്യുന്ന ടെക്സ്റ്റിന്റെ ഏറ്റവും ചെറിയ ഘടകങ്ങളെയാണ് Tokens എന്ന് വിളിക്കുന്നത്. കൂടുതൽ ടോക്കണുകൾ പ്രോസസ്സ് ചെയ്യുമ്പോൾ കൂടുതൽ കമ്പ്യൂട്ടിങ് ശേഷി ആവശ്യമായി വരും.
Q2: Cloud Backlog എന്നാൽ എന്താണ്?
ഉപഭോക്താക്കൾ സേവനം വാങ്ങാൻ കരാർ ചെയ്തിട്ടുണ്ടെങ്കിലും ആവശ്യമായ സെർവറുകളോ കമ്പ്യൂട്ടിങ് ശേഷിയോ ലഭ്യമല്ലാത്തതിനാൽ ഉടൻ സേവനം നൽകാൻ കഴിയാതെ കാത്തിരിക്കുന്ന ഓർഡറുകളെയാണ് Cloud Backlog എന്ന് പറയുന്നത്.
Q3: Vendor Lock-in എന്താണ്?
ഒരു കമ്പനി സാങ്കേതിക സേവനങ്ങൾക്കോ ക്ലൗഡ് ഇൻഫ്രാസ്ട്രക്ചറിനോ വേണ്ടി ഒരൊറ്റ സേവനദാതാവിനെ മാത്രം ആശ്രയിക്കുന്ന അവസ്ഥയാണ് Vendor Lock-in. പിന്നീട് മറ്റൊരു സേവനദാതാവിലേക്ക് മാറുന്നത് കൂടുതൽ ചെലവേറിയതോ സങ്കീർണ്ണമോ ആകാം.
Q4: AI Infrastructure ഇന്ന് ഇത്രയും പ്രധാനമാകാൻ കാരണം എന്താണ്?
വലിയ AI മോഡലുകൾ പരിശീലിപ്പിക്കാനും പ്രവർത്തിപ്പിക്കാനും ലക്ഷക്കണക്കിന് GPUകളും വൻ ഡാറ്റാ സെന്ററുകളും ആവശ്യമാണ്. അതിനാൽ ഇൻഫ്രാസ്ട്രക്ചർ ഇപ്പോൾ AI മേഖലയിലെ പ്രധാന മത്സര ഘടകമായി മാറിയിരിക്കുകയാണ്.
Q5: സ്റ്റാർട്ടപ്പുകൾ AI ഇൻഫ്രാസ്ട്രക്ചർ എങ്ങനെ പ്ലാൻ ചെയ്യണം?
ആരംഭ ഘട്ടത്തിൽ Pay-as-you-go ക്ലൗഡ് സേവനങ്ങളും സ്കെയിലാകുന്ന ഇൻഫ്രാസ്ട്രക്ചർ മോഡലുകളും തിരഞ്ഞെടുക്കുന്നത് ചെലവ് നിയന്ത്രിക്കാനും വളർച്ച സുഗമമാക്കാനും സഹായിക്കും.
Author
Ummer Mohammed
Reviewed by
VOC Media Business Desk
Last Updated: June 2026
ശ്രദ്ധിക്കുക
Financial Times റിപ്പോർട്ടിനെ അടിസ്ഥാനമാക്കിയുള്ള വിവരങ്ങൾ പ്രകാരമാണ് ഈ ലേഖനം തയ്യാറാക്കിയിരിക്കുന്നത്. റിപ്പോർട്ട് പുറത്തുവന്ന സമയത്ത് Google-ഉം Meta-യും വിഷയത്തിൽ ഔദ്യോഗിക പ്രതികരണം നൽകിയിരുന്നില്ല. ഈ ലേഖനത്തിലെ "സ്റ്റാർട്ടപ്പുകൾക്കുള്ള പാഠങ്ങൾ" എന്ന വിഭാഗം വാർത്തയിൽ നിന്ന് ലഭിക്കുന്ന ബിസിനസ് വിശകലനമായാണ് അവതരിപ്പിച്ചിരിക്കുന്നത്.
References & External Resource:
ആഗോള ബിഗ് ടെക് വിപണിയിലെ വിഭവ ക്ഷാമത്തെക്കുറിച്ചും ക്ലൗഡ് ഇൻഫ്രാസ്ട്രക്ചർ മാറ്റങ്ങളെക്കുറിച്ചും കൂടുതൽ അറിയാൻ ഫിനാൻഷ്യൽ ടൈംസിന്റെ ഔദ്യോഗിക ഗ്ലോബൽ മാർക്കറ്റ് ഡാറ്റാ പോർട്ടൽ കാണുക: Financial Times - Global Economy and Tech Insights
