এলন মাস্ক পূর্বাভাস দিয়েছেন যে রোবট মেমোরির চাহিদা বৃদ্ধি পাবে: ২০২৬ সালে মাইক্রন এবং এসকে হাইনিক্স-এর জন্য এর অর্থ কী
এলন মাস্ক পূর্বাভাস দিয়েছেন যে রোবোটিক্স মেমোরির চাহিদায় বিপুল বৃদ্ধির দিকে নিয়ে যাবে
এক্স-এ এলন মাস্কের সাম্প্রতিক বিবৃতি, যেখানে তিনি দাবি করেছেন যে রোবট RAM-এর প্রয়োজনীয়তা “পৃথিবীর সবকিছুকে ছাড়িয়ে যাবে,” তা ভৌত এআই সিস্টেমগুলির সাথে জড়িত মেমোরির চাহিদার উপর গুরুত্বপূর্ণভাবে ফোকাস বাড়িয়েছে। টেসলার সিইও ব্যক্ত করেছেন যে, পরমাণুকে ম্যানিপুলেট এবং আকৃতি দিতে ভৌত সাবস্ট্রেটের উপর কাজ করা রোবটগুলি অপরিহার্যভাবে মেমোরি খরচকে বর্তমান কম্পিউটিং অ্যাপ্লিকেশনগুলির চেয়ে অনেক বেশি পর্যায়ে নিয়ে যাবে। তিনি আরও উল্লেখ করেছেন যে, সুপারইন্টেলিজেন্সের জন্য প্রয়োজনীয় কম্পিউট পাওয়ারটি প্রধানত পৃথিবীর বাইরে স্থানান্তরিত হবে, যা উন্নত কম্পিউটিংয়ের স্থান এবং পদ্ধতির একটি পরিবর্তনকেই ইঙ্গিত করে। এই মন্তব্যটি DRAM এবং হাই-ব্যান্ডউইথ মেমোরির জন্য কঠিন সরবরাহ শৃঙ্খল, প্রধান মেমোরি উৎপাদকদের রেকর্ড-ভিত্তিক আর্থিক ফলাফল, এবং টেসলার Optimus-এর মতো মানব-সদৃশ প্ল্যাটফর্মগুলির উৎপাদনকে বড়পরিসরে বাড়ানোর প্রাথমিক পর্যায়ের পটভূমিতে এসেছে।
মাস্কের পূর্বানুমান, যা প্রতিটি রোবটের জন্য প্রয়োজনীয় মেমোরি কনটেন্ট এবং বিভিন্ন উৎপাদন আয়তনের পরিস্থিতির উপর ভিত্তি করে উত্থিত ডেটা দ্বারা সমর্থিত, লো-পাওয়ার DRAM বাজারে একটি বড় দীর্ঘমেয়াদী আয়তনের সুযোগের ইঙ্গিত দেয়। এই সুযোগটি বিশেষত মাইক্রন টেকনোলজি এবং এসকে হাইনিক্সের মতো কোম্পানিগুলির জন্য প্রাসঙ্গিক, কারণ রোবোটিক্সের ক্ষেত্রটি ডেটা-সেন্টার AI-এর সাধারণ সীমাবদ্ধতার বাইরে যাচ্ছে এবং ভৌত বিশ্বের বাস্তবায়নের ক্ষেত্রে প্রবেশ করছে। এই পরিবর্তনের প্রভাবগুলি গভীর, যা ইঙ্গিত করে যে রোবোটিক্স প্রযুক্তি উন্নতির সাথে সাথে, বিশেষায়িত মেমোরি সমাধানের চাহিদা অসাধারণভাবে বৃদ্ধি পাবে, যা মেমোরি সরবরাহ শিল্পে বৃদ্ধি এবং উদ্ভাবনের জন্য নতুন পথগুলি তৈরি করবে।
মাস্কের বিবৃতিতে রোবোটগুলিকে প্রধান ভবিষ্যতের মেমোরি ব্যবহারকারী হিসাবে চিত্রিত করা হয়েছে
মাস্কের ২০২৬ সালের ২৬ অক্টোবরের পোস্টটি মানবাকৃতির DRAM চাহিদার পূর্ববর্তী বিশ্লেষণকে “বোকামি” বলে প্রত্যাখ্যান করে এবং বলেছেন যে রোবটের মেমোরির চাহিদা পৃথিবীর অন্যান্য সমস্ত ব্যবহারকে ছাড়িয়ে যাবে, কারণ বিশ্বের সাথে ভৌত মিথস্ক্রিয়ার জন্য রোবটের নিজস্বভাবে স্থানীয়, উচ্চ-ক্ষমতা মেমোরির প্রয়োজন। তিনি এটিকে সুপারইনটেলিজেন্স থেকে আলাদা করেছেন, যা তিনি বলেছেন যে প্রধানত গভীর-মহাকাশ কম্পিউটিং-এর উপর নির্ভরশীল হবে। এই মন্তব্যগুলি অপটিমাস হার্ডওয়্যার সম্পর্কে আগের টেসলা-এর প্রকাশনাগুলির উপর ভিত্তি করে। অক্টোবরের শুরুতে, মাস্ক নিশ্চিত করেছেন যে টেসলা AI5 চিপের পরিকল্পিত মেমোরি 72 GB LPDDR5-এ এবং AI6-এ 144 GB LPDDR6-এ হ্রাস করেছে, এবং এই হ্রাসগুলিকে Optimus-এর উৎপাদনের জন্য যথেষ্ট পরিমাণ নিশ্চিত করার জন্য একমাত্র ব্যবহারযোগ্য উপায় হিসাবে বর্ণনা করেছেন, যখন ব্যান্ডউইথটি অপরিবর্তিত রাখা। পারফরম্যান্সের প্রভাবকে উপেক্ষণীয় হওয়ার প্রত্যাশা করা হয়েছিল।
এই প্রযুক্তিগত বাছাইগুলি ইতিমধ্যেই প্রাথমিক পর্যায়ের রোবট প্রোগ্রামগুলিকে সীমাবদ্ধ করে রাখা ইচ্ছিত ক্ষমতা এবং বাস্তব বিশ্বের সরবরাহের সীমাবদ্ধতার মধ্যে টানাপোড়েনের কথা বোঝায়। এই সময়সীমা মেমোরি সরবরাহকারীদের উপর বিনিয়োগকারীদের দৃষ্টি বৃদ্ধির সাথে মিলে যায়। বিশ্লেষকদের তাৎক্ষণিকভাবে এই মন্তব্যগুলিকে Micron এবং SK Hynix-এর সাথে সংযুক্ত করেছে, যা উল্লেখ করেছে যে রোবটগুলি মূলত ডেটা-সেন্টার AI অ্যাকসেলারেটরগুলিকে নিয়ন্ত্রণ করা হাই-ব্যান্ডউইথ মেমোরির পরিবর্তে লো-পাওয়ার DRAM-এর ব্যবহার করে। এই পার্থক্যটি গুরুত্বপূর্ণ, কারণ LPDDR-ক্লাসের পণ্যগুলি রোবট উৎপাদনকে পাইলট আয়তনের বাইরে বড় করলে একটি ভিন্ন আয়তনের পথ খুলে দেয়। শিল্পের আলোচনা এখন মেমোরির চাহিদা উচ্চস্তরেই থাকবে কিনা, তার পরিবর্তে, পদার্থগত AI প্ল্যাটফর্মগুলি ইতিমধ্যেই সীমাবদ্ধ server এবং HBM বাজারগুলির উপরেই কতদ্রুত অতিরিক্ত bit-এর চাহিদা যোগ করতে পারবে, তারপরিপ্রেক্ষিতে।
ভৌত সাবস্ট্রেট এবং রিয়েল-টাইম সেন্সর ফিউশন অনবোর্ড মেমোরি ইনটেনসিটি চালিত করে
রোবোটগুলিকে ক্যামেরা, লিডার, স্পর্শ সেন্সর এবং অভ্যন্তরীণ অবস্থা মডেলগুলির থেকে নিরবচ্ছিন্ন স্ট্রিমগুলি বাস্তব সময়ে প্রক্রিয়া করতে হবে, যখন নিয়মিত ক্লাউডের উপর নির্ভরশীলতা ছাড়াই স্বায়ত্তশাসন বজায় রাখতে হবে। মাইক্রনের সিইও সঞ্জয় মেহোত্রা বলেছেন যে লেভেল 4 বা তার উপরের স্বায়ত্তশাসিত গাড়ি এবং মানবাকৃতির রোবোটগুলি প্রতিটি ইউনিটে 200 GB-এরও বেশি মেমোরি এবং কয়েকটি টেরাবাইট স্টোরেজের প্রয়োজন হবে, যা উন্নত গাড়ির সিস্টেমগুলির সমতুল্য। বর্তমানে সার্ভিস রোবোটগুলি প্রায় 12 GB DRAM এবং শতাধিক গিগাবাইট স্টোরেজের সাথে কাজ করে, যা ক্ষমতা উন্নতির সাথে বৃদ্ধির জন্য অনেক সম্ভাবনা রাখে। স্থানীয় মেমোরির প্রয়োজনীয়তা সরাসরি মোবাইল প্ল্যাটফর্মগুলিতে ল্যাটেনসি, বিশ্বস্ততা এবংশক্তির সীমাবদ্ধতা থেকে আসে, যা "অণুগুলির আকৃতি" অপ্রত্যাশিত পরিবেশে গড়ে তুলতে হয়।
এই আর্কিটেকচারটি ডেটা-সেন্টার AI থেকে মৌলিকভাবে ভিন্ন, যেখানে মেমোরি কেন্দ্রীয়ভাবে পুল করা এবং রিফ্রেশ করা যায়। বিকাশাধীন এজ ইনফারেন্স মেমোরি ডিজাইনগুলি এই ধরনের কাজের জন্য ঘনত্ব, শক্তি এবং ব্যান্ডউইথকে ভারসাম্যযুক্ত করার লক্ষ্যে তৈরি করা হচ্ছে। মাইক্রন প্রকাশ্যে ভৌত AI অ্যাপ্লিকেশনগুলির জন্য এজ ইনফারেন্স মেমোরির কথা উল্লেখ করেছে, এবং শিল্পের পর্যবেক্ষকদের মতে, ২০৩০-এর দশকের শেষের দিকেই এর উৎপাদনের সম্ভাব্য সময়সীমা হতে পারে। ফলস্বরূপ, ট্রেনিং ক্লাস্টারগুলিতে ব্যবহৃত বিশেষায়িত, ক্ষমতা-সংকুচিত HBM-এর চেয়ে উচ্চ-আয়তন, কম-শক্তি DRAM-এর দিকেই চাহিদা বেশি। LPDDR6 এবং সংশ্লিষ্ট লো-পাওয়ার প্রযুক্তিগুলিতে 이미 বিনিয়োগ করছেন সরবরাহকারীদের জন্য, রোবট ফ্লিটগুলির প্রসারণের সময়ই সুবিধা হতে পারে।
কাউন্টারপয়েন্ট রিসার্চ মানবাকৃতি ড্রাম খরচে তীব্র বৃদ্ধির পূর্বাভাস দিয়েছে
কাউন্টারপয়েন্ট রিসার্চ প্রজেক্ট করে যে মানবাকৃতির রোবট থেকে মোট DRAM চাহিদা 2026 থেকে 2030 এর মধ্যে প্রায় 8,300 টেরাবিট থেকে 172,000 টেরাবিটে বেড়ে ২০ গুণ বেড়ে যাবে। এই একই সময়ের মধ্যে প্রতিটি রোবটের গড় ক্ষমতা প্রায় 19 GB থেকে 39 GB-এ বাড়ার প্রত্যাশা। এই স্তরগুলিতেও, বেস-কেস রোবট বিতরণ ধারণার অধীনে বিশ্বব্যাপী DRAM উৎপাদনের পরম অংশটি ক্ষুদ্রই থাকবে। স্বাধীন গণনা দেখায় যে, কাউন্টারপয়েন্টের ট্রাজেক্টরির অধীনে 2030 সালের মানবাকৃতির চাহিদা বর্তমান বার্ষিক DRAM আউটপুটের একটি ক্ষুদ্র অংশ, যা বিশ্বব্যাপী উৎপাদনের দশকগুলি একসাবেটের বিপরীতে দশকগুলি পিটাবাইটের সঙ্গে পরিমাপযোগ্য।
পূর্বানুমানের সংবেদনশীলতা ইউনিট পরিমাণে নিহিত। উচ্চতর উৎপাদন হার বা প্রতিটি রোবটে উচ্চতর কনটেন্ট দ্রুত মোট পরিমাণ বাড়িয়ে তোলে। টেসলার নিজস্ব অপটিমাস মেমোরি লক্ষ্যগুলি ইতিমধ্যেই কাউন্টারপয়েন্টের গড়কে ছাড়িয়ে গেছে, যা ইঙ্গিত করে যে অগ্রণী প্ল্যাটফর্মগুলি চাহিদাকে এগিয়ে আনতে পারে। সংকীর্ণ গবেষণা পূর্বানুমান এবং মাস্কের বিস্তৃত দৃষ্টিভঙ্গির মধ্যে ব্যবধানটি মূলত মানব-সদৃশদের অটোমোটিভ-স্কেল বা তারও উচ্চতর উৎপাদনে পৌঁছানোর গতি সম্পর্কে ভিন্ন ধারণার ফলাফল। মেমোরি সরবরাহকারীরা উভয় পথই পর্যবেক্ষণ করেন, কারণ মধ্যবর্তী পরিমাণও সার্ভার, মোবাইল এবং অটোমোটিভ চাহিদার উপরে একটি নতুন, বৃদ্ধিপ্রাপ্ত চূড়ান্ত বাজার যোগ করে।
টেসলার মেমোরি হ্রাস ইতিমধ্যে কার্যকর সরবরাহ সীমাবদ্ধতা প্রদর্শন করে
টেসলার সিদ্ধান্ত ছিল AI5 মেমোরি অর্ধেক এবং AI6 মেমোরি এক-তৃতীয়াংশ কমানো, যা পারফরম্যান্সের জন্য সম্মতি না দিয়ে শুধুমাত্র পরিমাণ এবং খরচের প্রয়োজনীয়তা হিসাবে উপস্থাপন করা হয়েছিল। ব্যান্ডউইথ সংরক্ষিত রাখা হয়েছিল, যা নির্দেশ করে যে কিছু রোবট নিয়ন্ত্রণ লুপে মোট ক্ষমতাকে থ্রুপুটের বিনিময়ে ব্যবহার করা যায়। এই পদক্ষেপটি মাইক্রনের নিজস্ব মন্তব্যের পরে এলো, যেখানে মানবাকৃতির রোবটগুলির জন্য 200 GB-এরও বেশি মেমোরির প্রয়োজন হতে পারে, যা দেখায় যে এমনকি আকাঙ্ক্ষী রোবট নির্মাতারাও অপরিমিত আদর্শ স্পেসিফিকেশনের পরিবর্তে উপলব্ধ মেমোরির ভিত্তিতে সিস্টেমকে আকার দিচ্ছে। প্রাথমিক Optimus উৎপাদন এখনও সীমিত, তবে হার্ডওয়্যারটি 이미 সাপ্লাই-চেইনের বাস্তবতাকেই প্রতিফলিত করছে।
এই সামঞ্জস্যগুলি প্রতিটি রোবটের জন্য নিকট ভবিষ্যতের বিট চাহিদা কমিয়ে দেয়, কিন্তু একসাথে এটি ইঙ্গিত করে যে উৎপাদন বাড়ানোর জন্য এখনও কম পাওয়ার DRAM-এর বড় পরিমাণ প্রয়োজন হবে। প্রতি ইউনিটে 72 জিবি হিসাবে, বার্ষিক দশ মিলিয়ন Optimus রোবট প্রায় 720 পেটাবাইট চাহিদা তৈরি করবে। যদিও এই সংখ্যাটি এখনও কাল্পনিক এবং টেসলা যদি উচ্চ আয়তনের উৎপাদন অর্জন করে তবেই এটি সম্ভব, এটি বিশ্লেষকদের দ্বারা আলোচিত আয়তন-ভিত্তিক মেমোরি উৎপাদকদের জন্য সুযোগের পরিসরের জন্য একটি সুস্পষ্ট রেফারেন্স পয়েন্ট প্রদান করে। এই ঘটনাটি এটিও প্রদর্শন করে যে মেমোরির উপলব্ধতা 이미 রোবট সিস্টেম আর্কিটেকচারকে প্রভাবিত করছে।
বিশ্লেষকের আয়তন পরিস্থিতি একটি অর্থপূর্ণ নতুন চূড়ান্ত বাজারের ইঙ্গিত দেয়
ফিউচুরাম ইকুইটিজ বিশ্লেষক শে বোলুর মাস্কের মন্তব্যগুলিকে একটি সহজ আয়তন চিত্রের মাধ্যমে অনুবাদ করেছেন: প্রতিটি 72 জিবি সহ দশ মিলিয়ন Optimus রোবট প্রতি বছর প্রায় 720 পেটাবাইট মেমোরির চাহিদা তৈরি করে। এই গণনাটি একটি ঔপচারিক পূর্বানুমান নয়, তবে এটি পরিষ্কার করে দেয় যে কেন কিছু পর্যবেক্ষক AI-এর ডেটা সেন্টারের বাইরে বিস্তারের সাথে রোবোটিক্সকে মাইক্রন এবং এসকে হাইনিক্স-এর জন্য একটি “অনেক বড় আয়তনের গল্প” হিসাবে বর্ণনা করেন। রোবোটগুলি HBM-এর পরিবর্তে LPDDR-ক্লাস মেমোরি ব্যবহার করে, যা HBM-এর উন্নত প্যাকেজিং-সীমাবদ্ধ অংশের তুলনায় আরও সহজেই স্কেলযোগ্য পণ্যের সাথে সঙ্গতিপূর্ণ।
বিশ্বব্যাপী DRAM উৎপাদন বর্তমানে বছরে দশকে এক্সাবাইটে চলছে। রোবোটিক্সের জন্য এই ক্ষমতার একক অঙ্কের শতাংশও ধরে রাখা একটি উল্লেখযোগ্য নতুন বাজার তৈরি করবে। উচ্চতর মেমোরি কনটেন্ট সহ অটোমোটিভ-স্কেল আয়তন (প্রায় ১০০ মিলিয়ন ইউনিট) অর্জন করলে শিল্পের আউটপুটের একটি উল্লেখযোগ্য অংশ শোষিত হবে। মেমোরি নির্মাতারা ইতিমধ্যেই AI সার্ভারের জন্য দীর্ঘমেয়াদী চুক্তির অধীনে ক্ষমতা আবদ্ধ করছে; রোবটের জন্য বৃদ্ধি পাওয়া চাহিদা অবশিষ্ট বিটগুলির জন্য প্রতিদ্বন্দ্বিতা করবে বা অতিরিক্ত ক্ষমতা বিনিয়োগের প্রয়োজন হবে। বিশ্লেষণগত সমঝোতা হলো যে, রোবোটিক্স ডাটা সেন্টারের চাহিদাকে স্থানচ্যুত করবে না, বরং ইতিমধ্যেই কঠিন বাজারের উপরে অতিরিক্ত বৃদ্ধি যোগ করবে।
মাইক্রন ভবিষ্যতের চাহিদার চালিকাশক্তি হিসেবে ফিজিক্যাল এআই-কে জোর দিচ্ছে
মাইক্রন পুনরাবৃত্তভাবে ভৌত এআই এবং মানবাকৃতি রোবটকে মেমোরি এবং স্টোরেজের চাহিদার জন্য দীর্ঘমেয়াদি গুরুত্বপূর্ণ চালিকাশক্তি হিসাবে চিহ্নিত করেছে। তাদের আর্থিক চতুর্থ ত্রৈমাসিক মন্তব্যের সময়, নেতৃত্ব উল্লেখ করেছে যে মানবাকৃতির জন্য এডিআরএএম-এর জন্য ২০০ জিবিরও বেশি এবং ন্যান্ড-এর জন্য কয়েকটি টেরাবাইটের মতো মেমোরি এবং স্টোরেজের প্রয়োজন হবে। গ্রাহকদের ইতিমধ্যেই এই অ্যাপ্লিকেশনগুলির জন্য পরবর্তী-প্রজন্মের পণ্যগুলির নমুনা নিয়েছে। কোম্পানিটি edge inference memory conceptsও উন্নয়ন করেছে, যা ভৌত এআই ওয়ার্কলোডগুলির জন্য অভিযোজিত, যার উৎপাদনের সময়সীমা এই দশকের পরবর্তী অংশে।
মাইক্রনের অটোমোটিভ এবং এমবেডেড সেগমেন্ট বর্তমানে মোট আয়ের একটি সামান্য অংশ গঠন করে, তবে এটি রোবোটিক্স গ্রাহকদের জন্য সবচেয়ে কাছাকাছি বিদ্যমান চ্যানেল প্রদান করে। প্রতিষ্ঠানটির ব্যাপক ক্ষমতা ২০২০-এর শেষের দিক পর্যন্ত উত্পাদনের একটি বড় অংশকে কভার করে এমন দীর্ঘমেয়াদী চুক্তির মাধ্যমে প্রচুরভাবে বাঁধা। তাই, রোবটের গ্রহণযোগ্যতার যেকোনো ত্বরণ বিদ্যমান বণ্টন সিদ্ধান্ত এবং সম্ভাব্য ক্ষমতা বৃদ্ধির সাথে পরস্পরকে প্রভাবিত করবে। পরিচালনা দল ঘোষণা করেছেন যে তাদের জন্য সরবরাহ এবংচাহিদা কখন রিব্যালেন্স হবে তা স্পষ্টভাবে দৃশ্যমান নয়, যা বৃদ্ধির মাধ্যমে রোবটের আয়তনের সাথে সংঘর্ষের সম্ভাবনা উল্লেখ করে।
এসকে এইচয়নিক রিপোর্ট করেছে রেকর্ড ফলাফল এবং বহুবছর ধরে বিক্রি শেষ হওয়ার অবস্থা
এসকে হাইনিক্স ২০২৬ এর তৃতীয় ত্রৈমাসিকে রেকর্ড ফলাফল পেয়েছে, যেখানে আয় ১০০ ট্রিলিয়ন ওয়ানের বেশি এবং পরিচালনা মার্জিন প্রায় ৮০ শতাংশ, যা প্রধানত এইচবিএম এবং এআই-সংশ্লিষ্ট ড্র্যামের কারণে। কোম্পানিটি বলেছে যে ২০২৯ সালের মধ্যে ড্র্যাম এবং এইচবিএমের পরিমাণ দীর্ঘমেয়াদি চুক্তি এবং সক্রিয় গ্রাহক আলোচনা সমন্বয়ে ইতিমধ্যেই বিক্রি হয়ে গেছে। ২০৩০ সালের মধ্যেও চাহিদা সরবরাহকে ছাড়িয়ে যাওয়ার প্রত্যাশা। চতুর্থ ত্রৈমাসিকে এইচবিএম4-কে এইচবিএম3ই-এর পরিবর্তে প্রধান পণ্য হিসেবে প্রত্যাশা করা হচ্ছে।
এই ফলাফলগুলি সীমিত সরবরাহের ব্যাপক শিল্প চিত্রকে শক্তিশালী করে। যদিও HBM সর্বোচ্চ মার্জিন পণ্য হয়ে থাকে, SK Hynix এবং অন্যান্য প্রতিযোগীরা রোবোটিক্সের জন্য প্রাসঙ্গিক লো-পাওয়ার DRAM ক্যাটাগরিগুলিও সরবরাহ করে। কোম্পানিটি রোবোটিক্স কম্পিউটিং প্ল্যাটফর্মের জন্য লো-পাওয়ার মেমোরির উপর সহযোগিতা করেছে, যা এটিকে ফিজিক্যাল AI-এর বৃদ্ধির জন্য অবস্থান দিয়েছে। দীর্ঘসময়ের জন্য সংকীর্ণতা বজায় থাকলে, রোবট-সংক্রান্ত LPDDR-এর যেকোনো উল্লেখযোগ্য চাহিদা বৃদ্ধি এমন একটি পরিস্থিতিতে ঘটবে যেখানে ক্ষমতা ইতিমধ্যেই সবচেয়ে লাভজনক AI সার্ভার অ্যাপ্লিকেশনগুলির দিকে অগ্রাধিকার পাচ্ছে, যা অন্যান্য সেগমেন্টগুলির জন্য দাম বাড়াতে বা লিড টাইম বাড়াতে পারে।
লো-পাওয়ার DRAM রোবোটিক্স স্কেলের জন্য প্রাসঙ্গিক প্রযুক্তি হয়ে উঠছে
মানবাকৃতি এবং মোবাইল রোবোটগুলি শক্তি দক্ষতা, তাপ ব্যবস্থাপনা এবং পরিমাণে খরচকে অগ্রাধিকার দেয়। ঘন জিপিইউ ক্লাস্টারের জন্য অপ্টিমাইজড হাই-ব্যান্ডউইথ মেমোরি ব্যাটারি-পাওয়ারড বা তাপীয়ভাবে সীমাবদ্ধ প্ল্যাটফর্মের জন্য কম উপযুক্ত। তাই শিল্পের অংশগ্রহণকারীরা আশা করেন যে রোবট ডিজাইনে LPDDR5, LPDDR6 এবং সংশ্লিষ্ট লো-পাওয়ার ভ্যারিয়েন্টগুলি প্রভাবশালী হবে। টেসলার AI5 এবং AI6 চিপগুলিতে LP5 এবং LP6 মেমোরির স্পষ্ট ব্যবহার এই দিকটিকে নিশ্চিত করে। এই পণ্য লাইনগুলি উন্নয়নকারী সরবরাহকারীরা HBM-এর দুর্লভ অগ্রগতি প্যাকেজিং ক্ষমতা থেকে বিচ্যুত না হয়ে বর্তমান মোবাইল এবং auটোমোটিভ বাজারগুলির সাথে-সাথে উত্থানশীল রোবোটিক্সের সুযোগও পূরণ করতে পারবেন।
এই প্রযুক্তি বিভাজনটি পৃথক বৃদ্ধির পথ তৈরি করে। এইচবিএম-এর চাহিদা এখনও কয়েকটি হাইপারস্কেলার এবং এআই অ্যাক্সেলারেটর বিক্রেতাদের মধ্যে কেন্দ্রীভূত। লো-পাওয়ার ডিআরএম কনজুমার ডিভাইস, গাড়ি এবং রোবটের মধ্যে স্কেল হতে পারে। রোবট উৎপাদন বৃদ্ধির সাথে সাথে, এলপিডিডিআর-ক্লাস পণ্যগুলির জন্য পরম বিট চাহিদা হাইপার-ক্যাপাসিটি-সংকুচিত এইচবিএম সেগমেন্টের তুলনায় শতকরা হিসাবে দ্রুত বৃদ্ধি পেতে পারে, যা বিশ্লেষকদের দ্বারা প্রস্তাবিত “ভলিউম স্টোরি” চরিত্রকে সমর্থন করে। তাদের পণ্যের মিশ্রণকে ভারসাম্যপূর্ণভাবে রাখতে মেমোরি নির্মাতাদের দুটি শ্রেণীর মধ্যেওয়েফার শুরুগুলির বণ্টনকে সতর্কভাবে নির্ধারণ করতে হবে।
রোবট মেমোরি প্রোফাইলগুলি ডেটা-সেন্টার ওয়ার্কলোডগুলির থেকে কীভাবে ভিন্ন
ডেটা-সেন্টার AI প্রশিক্ষণ এবং বড়-ব্যাচ ইনফারেন্সের জন্য শীর্ষ ব্যান্ডউইথ এবং ক্ষমতা প্রাধান্য দেয়, যা প্রায়শই প্রসেসরের কাছাকাছি HBM স্ট্যাক ব্যবহার করে। রোবট ওয়ার্কলোডগুলি নিরবচ্ছিন্ন রিয়েল-টাইম সেন্সর ফিউশন, স্থানীয় মডেল এক্সিকিউশন এবং অস্থির কানেক্টিভিটির প্রতি দৃঢ়তা প্রাধান্য দেয়। মেমোরি কনটেন্টটি একসাথে দৃশ্য, প্রোপ্রায়োসেপশন, পরিকল্পনা এবং নিয়ন্ত্রণ লুপগুলির সমর্থন করতে হবে, যখন কঠোর পাওয়ার এবং খরচের সীমার মধ্যেই থাকবে। ফলাফলটি হল HBM-এর চরম ব্যান্ডউইথের পরিবর্তে উচ্চ-ঘনত্ব, কম-পাওয়ার DRAM-এর পছন্দ, যার যথেষ্ট ব্যান্ডউইথ আছে। অভিজ্ঞতা লগ করা বা বড় মডেলগুলি অন-বোর্ডে ক্যাশে করার প্রয়োজনীয়তা বৃদ্ধির সাথে সংগঠনের প্রয়োজনীয়তাও বৃদ্ধি পায়।
এই পার্থক্যগুলি বোঝায় যে রোবোটিক্স শুধুমাত্র এআই সার্ভারগুলির জন্য ব্যবহৃত এই এইচবিএম ওয়েফারগুলির জন্য প্রতিযোগিতা করবে না। বরং, এটি প্রচলিত এবং লো-পাওয়ার ড্র্যামের সামগ্রিক লক্ষ্যযুক্ত বাজারকে বাড়িয়ে তোলে। ক্ষমতা পরিকল্পনা আরও জটিল হয়ে পড়ে, কারণ এইচবিএম রূপান্তর অনুপাতগুলি ইতিমধ্যেই স্ট্যান্ডার্ড ড্র্যামের কার্যকরী আউটপুটকে কমিয়ে দেয়; একটি বাড়তি রোবট সেগমেন্ট যোগ করা আরও বেশি পিসি, স্মার্টফোন এবং অন্যান্য প্রচলিত ব্যবহারের জন্য উপলব্ধ অবশিষ্ট সরবরাহকে আরও কঠিনভাবে সীমাবদ্ধ করে। পণ্যের ধরনগুলির মধ্যে ফ্লেক্সিবল প্রক্রিয়া প্রযুক্তি বজায় রাখা সরবরাহকারীদেরই প্রতিটি অতিরিক্ত চাহিদা ধরে রাখার জন্য ভালোভাবে অবস্থানকারী হওয়ার সম্ভাবনা।
সম্ভাব্য রোবট আয়তনের সাথে মেমোরি সরবরাহ প্রসারিত করা গঠনগত চ্যালেঞ্জ উপস্থাপন করে
নতুন ড্রাম ফ্যাব এবং উন্নত প্যাকেজিং সুবিধাগুলির জন্য বছর এবং বিলিয়ন ডলারের বিনিয়োগ প্রয়োজন। বিদ্যমান ক্ষমতা প্রায়শই এআই অবকাঠামোর জন্য দীর্ঘমেয়াদী চুক্তির অধীনে বাঁধা। এসকে হাইনিক্স এবং মাইক্রন উভয়েই বহুবছরের জন্য সরবরাহের অভাবের ইঙ্গিত দিয়েছে। যদি রোবটের চাহিদা মাস্কের কথার চেয়ে ধীরে ধীরে বাস্তবায়িত হয়, তবুও মিলিয়নের পরিমাণে মধ্যবর্তী আয়তনগুলি অর্থপূর্ণ বিটগুলি শোষণ করবে। প্রতিটি রোবটে 100–200 GB-এর কাছাকাছি উচ্চতর কনটেন্ট লেভেলে, অন্যান্য বৃদ্ধির বাজারগুলি থেকে সরবরাহকে বিচ্ছিন্ন না করে, শিল্পটিকে উল্লেখযোগ্য অতিরিক্ত ক্ষমতা প্রয়োজন।
ঐতিহাসিক মেমোরি চক্রগুলি চিহ্নিত হয়েছে যখন ক্ষমতা চূড়ান্তভাবে চাহিদাকে অনুসরণ করে তখন তীব্র মূল্য দোলন দ্বারা। বর্তমান চক্রটি ভিন্ন, কারণ এআই-সংশ্লিষ্ট দীর্ঘমেয়াদী চুক্তিগুলি আউটপুটের একটি বড় অংশকে আটকে রাখে, যা আয়ের তলদেশকে উচ্চতর করে। রোবোটিক্সের চাহিদা, যদি এটি বড় হয়, তবে ব্যবহার এবং মূল্যনির্ধারণের ক্ষমতাকে আরও সমর্থন করবে। বিপরীতভাবে, ধীরগতিতে রোবটের গ্রহণযোগ্যতা সরবরাহকারীদের এখনও শক্তিশালী সার্ভার চাহিদার সম্মুখীন করবে। মূল পরিবর্তনশীলটি হল মানবাকৃতির প্ল্যাটফর্মগুলির প্রোটোটাইপ এবং সীমিত উৎপাদন থেকে ভরপ্রায় বিতরণের গতি।
দশকের শেষ পর্যন্ত মূল্য এবং ক্ষমতার গতিবিধি
মেমোরির মূল্য ইতিমধ্যেই উল্লেখযোগ্যভাবে বেড়েছে, কিছু পণ্য শ্রেণীতে আরও ক্রমিক বৃদ্ধির প্রত্যাশা রয়েছে। ২০২৭–২০২৯ এর বড় অংশ কভার করে এমন দীর্ঘমেয়াদী চুক্তিগুলি সরবরাহকারীদের জন্য আয়ের দৃশ্যমানতা প্রদান করে এবং স্পট বাজারের উপলব্ধতা সীমিত করে। বাজারে পরবর্তীতে প্রবেশ করা রোবট নির্মাতাদের উচ্চতর খরচ বা দীর্ঘতর যোগ্যতা চক্রের মুখোমুখি হতে হতে পারে। টেসলার প্রাথমিক মেমোরি হ্রাসটি একটি অভিযোজন কৌশলের উদাহরণ: আদর্শ স্পেসিফিকেশনের পরিবর্তে উপলব্ধ সরবরাহের সাথে সিস্টেমকে ডিজাইন করা। অন্যান্য রোবট ডেভেলপারদেরও সম্ভবত একইভাবে বাস্তবসম্মতভাবে অগ্রসর হওয়ার সম্ভাবনা।
মাইক্রন এবং এসকে হাইনিক্স-এর জন্য, দীর্ঘস্থায়ী এআই সার্ভার চাহিদা এবং উত্থানশীল ভৌত এআইয়ের সংমিশ্রণ একটি বহুবর্ষীয় বৃদ্ধির পটভূমি তৈরি করে। বর্তমানে নির্মাণাধীন ক্ষমতা বৃদ্ধি দশকের শেষের দিকে কিছুটা চাপ কমাবে, তবে উভয় কোম্পানি ইঙ্গিত করেছে যে ২০৩০ পর্যন্ত চাহিদা সম্ভবত সরবরাহের আগেই থাকবে। রোবোটিক্স বিদ্যমান চাহিদার পরিবর্তে সেই ক্ষমতার উপর একটি অতিরিক্ত চাহিদা হিসেবে কাজ করে। এই খাতের উপর নজর রাখা বিনিয়োগকারীদের Optimus এবং প্রতিযোগী প্ল্যাটফর্মগুলির ইউনিট বিতরণের বৃদ্ধির দিকে দৃষ্টি রাখতে হবে, যা আয়তনের থিসিসটি কতদ্রুত অর্ডারে রুপান্তরিত হচ্ছে, তার প্রধান নির্দেশক।
ব্রডার কনটেক্সট লিংকস এআই ইনফ্রাস্ট্রাকচার এক্সপ্যানশনকে ফিজিক্যাল এআই প্ল্যাটফর্মের সাথে
একই হাইপারস্কেলারগুলি যারা এইচবিএম চাহিদা চালিয়ে যাচ্ছে, তারা রোবোটিক্স এবং এমবডিড এআই-এও বিনিয়োগ করছে। ডেটা সেন্টারে প্রশিক্ষিত ফাউন্ডেশন মডেলগুলির প্রগতি চূড়ান্তভাবে স্থানীয়ভাবে চলমান রোবোট নিয়ন্ত্রণ স্ট্যাকে প্রবেশ করে। তাই, মেমোরি সরবরাহকারীরা এআই মূল্য শৃঙ্খলের উভয় প্রান্তেই লাভবান: প্রশিক্ষণ এবং উপসংহার ক্লাস্টারের জন্য উচ্চমূল্যের এইচবিএম এবং ফলস্বরূপ ভৌত সিস্টেমগুলির জন্য উচ্চ আয়তনের কম শক্তি-সঞ্চয়ী ডিআরএএম। এই দ্বৈত প্রভাব, সামীপিক চক্রগুলির দোলনা থাকা সত্ত্বেও, মেমোরি ক্ষমতায় অবিরাম বিনিয়োগের গঠনমূলক যুক্তিকে শক্তিশালী করে।
মানবাকৃতির রোবটের বিতরণের জন্য শিল্পের পূর্বানুমান ব্যাপকভাবে ভিন্ন ভিন্ন, ২০৩০ সালের মধ্যে বিভিন্ন ধারণার ভিত্তিতে লাখ লাখ থেকে কয়েক মিলিয়ন পর্যন্ত হতে পারে। মাস্কের পাবলিক লক্ষ্য এবং টেসলার অভ্যন্তরীণ উৎপাদন পরিকল্পনা এই পরিসরের অধিক আকাঙ্ক্ষী প্রান্তে অবস্থিত। যাইহোক, সঠিক পথচলা কী হোক না কেন, দিকটি স্পষ্ট: ভৌত AI সমগ্র কম্পিউটিং দৃশ্যের মেমোরি-ঘনত্ব বাড়াবে। ডেটা-সেন্টারের প্রাধান্য থেকে একটি বেশি বৈচিত্র্যপূর্ণ চূড়ান্ত-বাজারের মিশ্রণের দিকে সফলভাবে সংক্রমণ ঘটানোর মাধ্যমে সরবরাহকারীরা টেকসই বৃদ্ধি অর্জনের সম্ভাবনা রাখে।
মেমোরি চাহিদা বাস্তবায়নের গতি নির্ধারণ করবে এমন সূচক
যে কী মেট্রিক্সগুলি পর্যবেক্ষণ করা উচিত তার মধ্যে রয়েছে টেসলা উৎপাদন বাড়ানোর সময় বাস্তব অপ্টিমাস উৎপাদন হার এবং প্রতি ইউনিটে মেমোরি কনটেন্ট, প্রতিযোগী হিউমানয়েড প্ল্যাটফর্মগুলির ডিজাইন জিত এবং শিপমেন্টের ঘোষণা, এবং মাইক্রন এবং এসকে হাইনিক্সের প্রতি ত্রৈমাসিক মন্তব্য যা ফিজিক্যাল এআই বা রোবোটিক্স নমুনা কার্যকলাপের সাথে সম্পর্কিত। HBM এবং প্রচলিত DRAM-এর মধ্যে ক্ষমতা বণ্টনের সিদ্ধান্তগুলি সরবরাহকারীদের কীভাবে উত্থানশীল সুযোগটির প্রাধান্য দেয় তা প্রকাশ করবে। LPDDR পণ্যগুলির মূল্যের প্রবণতা HBM-এর বিপরীতে বিভিন্ন খণ্ডগুলিতে আপেক্ষিক টাইটনেস প্রকাশ করবে।
দীর্ঘমেয়াদে, রোবট ইউনিট বৃদ্ধি এবং প্রতিটি রোবটের মেমোরি কনটেন্টের মধ্যে পারস্পরিক ক্রিয়াকলাপই নির্ধারণ করবে যে রোবোটিক্স একটি প্রাথমিক নাকি দ্বিতীয় চাহিদা ড্রাইভার হবে। সাবধানতাপূর্ণ গবেষণা পূর্বানুমানগুলি ২০৩০ পর্যন্ত পরম চাহিদা সামান্য রাখবে; আরও আক্রমণাত্মক আয়তনের ধারণা বড় প্রভাব ফেলবে। মাস্কের দাবি যে রোবটের চাহিদা শেষপর্যন্ত পৃথিবীর সমস্ত অন্যান্য প্রয়োগকে ছাড়িয়ে যাবে, এটি একটি উচ্চ বাধা নির্ধারণ করে, যা বর্তমান ডেটা এখনও নিশ্চিত করছে না, তবে ভৌত মিথস্ক্রিয়ার জন্য স্থানীয় মেমোরির মৌলিক প্রযুক্তিগত যুক্তি এখনও সত্য। মেমোরি সরবরাহকারীদের এবং তাদের বিনিয়োগকারীদের আগামী বছরগুলিতে সাবধানতাপূর্ণ পূর্বানুমানগুলির সাথে এবং আরও বিস্তৃত দৃষ্টিভঙ্গির সাথেও এগিয়ে যাওয়ার প্রগতি মাপবে।
প্রায়শই জিজ্ঞাসিত প্রশ্নাবল�
এলন মাস্ক রোবট মেমোরির চাহিদা সম্পর্কে ঠিক কী বলেছিলেন?
মাস্ক বলেন যে রোবট র্যামের প্রয়োজনীয়তা পৃথিবীর সবকিছুকে ছাড়িয়ে যাবে, কারণ রোবটগুলিকে পরমাণুকে আকৃতি দিতে ভৌত উপাদানের উপর কাজ করতে হবে। তিনি যোগ করেন যে সুপারইন্টেলিজেন্সের প্রয়োজনীয়তা আরও বেশি হবে, কিন্তু এগুলি প্রধানত গভীর-মহাকাশ কম্পিউটের মধ্যে অবস্থিত থাকবে। মানবাকৃতি DRAM পূর্বানুমানের বিশ্লেষণের প্রতিক্রিয়ায় এই মন্তব্যগুলি করা হয়েছে এবং এটি তাঁর দৃষ্টিভঙ্গির প্রতিফলন, যেখানে ভৌত AI-এর মাধ্যমে পৃথিবীর মেমোরি খরচ নিয়ন্ত্রিত হবে।
শিল্পের অনুমান অনুযায়ী একটি মানবাকৃতির রোবটের বর্তমানে কত মেমোরি প্রয়োজন?
কাউন্টারপয়েন্ট রিসার্চ প্রত্যাশা করছে যে ২০২৬ সালে মানবাকৃতির প্রতিটির গড় DRAM প্রায় ১৯ জিবি থেকে ২০৩০ সালের মধ্যে ৩৯ জিবি হবে। মাইক্রন ইঙ্গিত করেছেন যে উন্নত মানবাকৃতির জন্য ২০০ জিবির বেশি মেমোরি এবং কয়েকটি টেরাবাইট স্টোরেজের প্রয়োজন হতে পারে, যা লেভেল ৪ অটোনমাস গাড়ির মতো। টেসলা তাদের পরবর্তী-প্রজন্মের অপটিমাস চিপগুলিকে ৭২ জিবি এবং ১৪৪ জিবি কনফিগারেশনের চারপাশে ডিজাইন করেছে, যাতে ক্ষমতা এবং ভলিউম প্রযোজনা সম্ভবতা ভারসাম্যপূর্ণ হয়।
রোবোটগুলি উচ্চ ব্যান্ডউইথ মেমোরির পরিবর্তে লো-পাওয়ার DRAM ব্যবহার কেন করে?
রোবটগুলি কঠোর পাওয়ার, তাপ এবং খরচের সীমাবদ্ধতার অধীনে কাজ করে, যা LPDDR-ক্লাস মেমোরির পক্ষে কাজ করে। HBM ঘন ডেটা-সেন্টার অ্যাক্সেলারেটরগুলির জন্য অপ্টিমাইজড, যেখানে পাওয়ার এবং কুলিং কম সীমাবদ্ধ। ব্যান্ডউইথ গুরুত্বপূর্ণ থাকলেও, মোবাইল ফিজিক্যাল প্ল্যাটফর্মগুলিতে মোট ক্ষমতা এবং শক্তির দক্ষতা উচ্চতর অগ্রাধিকার পায়, যা ডিজাইনারদের লো-পাওয়ার DRAM ভ্যারিয়েন্টগুলি বেছে নিতে পরিচালিত করে।
2030 এর মধ্যে মানবাকৃতির DRAM চাহিদার পরিমাণ সম্পর্কে বর্তমান পূর্বানুমানগুলি কী বলছে?
কাউন্টারপয়েন্ট প্রজেক্ট করে যে ২০২৬ সালের প্রায় ৮,৩০০ টেরাবিট থেকে ২০৩০ সালে মানবাকৃতির DRAM চাহিদা বেড়ে ১৭২,০০০ টেরাবিট হবে। বেস শিপমেন্ট ধারণার অধীনে, এটি বিশ্বব্যাপী DRAM উৎপাদনের একটি ক্ষুদ্র অংশ হিসেবে থাকবে। উচ্চতর ইউনিট পরিমাণ বা প্রতি রোবটের উচ্চতর কন্টেন্ট পরিমাণ পরম অবদানকে উল্লেখযোগ্যভাবে বাড়াবে।
মাইক্রন এবং এসকে হাইনিক্স রোবোটিক্স-সংক্রান্ত চাহিদার জন্য কীভাবে নিজেদের পজিশন করেছে?
উভয় কোম্পানিই রোবোটের জন্য প্রাসঙ্গিক লো-পাওয়ার DRAM প্রযুক্তি সরবরাহ করে। মাইক্রন ভবিষ্যতের চাহিদার উৎস হিসাবে ফিজিক্যাল এআইকে উল্লেখ করেছে এবং এজ ইনফারেন্স মেমোরি বিকাশ করছে। এসকে হাইনিক্স রোবোটিক্স প্ল্যাটফর্মের জন্য লো-পাওয়ার সমাধানে কাজ করেছে এবং মূল্যনির্ধারণকে সমর্থনকারী সামগ্রিক মেমোরি টাইটনেস থেকে লাভ পায়। উভয়ই রোবোটিক্সকে প্রাথমিক নিকটবর্তী চালক হিসাবে বিবেচনা করে না, তবে উভয়ই দীর্ঘমেয়াদী সুযোগকে স্বীকার করে।
মেমোরি সরবরাহ ইতিমধ্যেই রোবট ডিজাইনকে সীমাবদ্ধ করছে তার কোন প্রমাণ রয়েছে?
টেসলা তার AI5 এবং AI6 চিপে পরিকল্পিত মেমোরি কন্টেন্ট কমিয়ে অপ্টিমাস উৎপাদনের জন্য যথেষ্ট পরিমাণ নিশ্চিত করেছে। মাইক্রন বলেছে যে সরবরাহ এবং চাহিদা কখন রিব্যালেন্স হবে তার প্রতি এটির কোনো দৃষ্টিভঙ্গি নেই। এসকে হাইনিক্স জানিয়েছে যে ২০২৯ সাল পর্যন্ত DRAM এবং HBM-এর পরিমাণ বিদ্যমান চুক্তি এবং আলোচনার অধীনে প্রায় সম্পূর্ণভাবে বিক্রি হয়ে গেছে। এই বিবৃতিগুলি নির্দেশ করে যে বিদ্যমানতা আজকের দিনে সিস্টেম আর্কিটেকচারকে প্রভাবিত করছে।
বিবৃতি: এই সাধারণ বাজারের তথ্য, যা সম্ভবত তৃতীয় পক্ষের, বাণিজ্যিক বা প্রচারিত উৎস থেকে আসে, শুধুমাত্র রেফারেন্স এবং শিক্ষামূলক উদ্দেশ্যে প্রদান করা হয়েছে এবং এটি আর্থিক বা বিনিয়োগ পরামর্শ, অফার, আহ্বান বা গ্যারান্টি হিসেবে কাজ করে না। এর সঠিকতা, সম্পূর্ণতা, বিশ্বস্ততা এবং যেকোনো ফলাফলের ক্ষতির জন্য আমরা দায়ী নই। বিনিয়োগ/ট্রেডিংয়ের ঝুঁকি রয়েছে; অতীতের কর্মক্ষমতা ভবিষ্যতের ফলাফলের গ্যারান্টি দেয় না। ব্যবহারকারীদেরকে গবেষণা করতে, সতর্কতার সাথে বিচার করতে এবং সম্পূর্ণ দায়িত্ব নিতে হবে। আরও বিস্তারিতজন্য, KuCoin-এর Terms of Use এবং Risk Disclosure পরামর্শ করুন।
ডিসক্লেইমার: আপনার সুবিধার্থে এই পৃষ্ঠাটি AI প্রযুক্তি ব্যবহার করে অনুবাদ করা হয়েছে। সবচেয়ে সঠিক তথ্যের জন্য, মূল ইংরেজি সংস্করণটি দেখুন।