সত্যিকারের প্রশ্নটি কখনই "এআইয়ের চাহিদা কমে যাবে কি" নয়, বরং "মূল্য চূড়ান্তভাবে সরবরাহ শৃঙ্খলের কোন স্তরে সঞ্চিত হবে"।

লেখক এবং উৎস: 0x9999in1, ME News

TL;DR

• মর্গান স্ট্যানলির অপেন ওয়েট মডেল এবং তিনটি ভবিষ্যতের পরিস্থিতি প্রতিবেদনে মূল বিচার: কিমি কে৩, কুয়েন, লামা এই ধরনের ওপেন ওয়েট মডেলগুলির উত্থান হল এআই-এর ব্যাপক ব্যবহারকে ত্বরান্বিত করার একটি উৎস, নয় শীর্ষস্থানীয়দের জন্য হুমকি।
• যুক্তি হল জেভন্স প্যারাডক্স—একটি একক যুক্তি সস্তা হওয়ার পর, কোম্পানিগুলি এআইকে আরও বেশি কাজে ব্যবহার করবে, যার ফলে টোকেন, ক্যালকুলেশন ক্ষমতা, বিদ্যুৎ এবং অবকাঠামোর মোট চাহিদা বাড়ে।
• মরগান স্ট্যানলি স্পষ্টভাবে সতর্ক করেছে: ওপেন ওয়েট মানে বিনামূল্যে নয়। GPU, ক্লাউড সার্ভিস, অপারেশন এবং সিকিউরিটির খরচ এখনও বিদ্যমান, এবং বাস্তব অর্থনৈতিকতা পরিস্থিতির উপর নির্ভর করে।
• উদ্ধৃত MIT গবেষণা অনুসারে, বন্ধ মডেল থেকে ওপেন মডেলে স্যুইচ করলে গড় মূল্য প্রায় 70% কমে যায়, যা প্রতি বছর প্রায় 250 বিলিয়ন ডলারের সঞ্চয়কে সূচিত করে; তবে এই গবেষণাটি 2025 সালের ডিসেম্বরে সম্পন্ন হয়েছিল এবং বাস্তবায়ন খরচকে পর্যাপ্তভাবে অন্তর্ভুক্ত করেনি।
• কার্নেগি মেলনের গবেষণা আরও শান্ত: বিনিয়োগ ফেরত পাওয়ার সময়কাল আকারের উপর অত্যন্ত নির্ভরশীল, 300 বিলিয়ন প্যারামিটারের নিচে ছোট স্কেল ডিপ্লয়মেন্টে দ্রুত বিনিয়োগ ফেরত পাওয়া যায়, কিন্তু আকার বাড়ানোর সাথে সাথে পার্থক্য অনেক বেড়ে যায়।
• তিনটি চূড়ান্ত পরিস্থিতি: বন্ধ সোর অলিগার্কি, মিশ্র সহাবস্থান, এবং খোলা ওজনের বিজয়। বাস্তব আধার হল যে 63% কোম্পানি এখন দুটি মডেল একসাথে ব্যবহার করছে।
• সর্বদা লাভবান হওয়ার জন্য শুধু দুটি লাইন আছে: NVIDIA এবং বিদ্যুৎ সরবরাহ। কারণ এটি পক্ষগ্রহণ নয়, বরং যেকোনো ক্ষেত্রেই—চূড়ান্ত ডেটা সেন্টারে বা এজের মধ্যে—GPU এবং বিদ্যুতের মৌলিক যুক্তি অপরিবর্তিত থাকে।
• সত্যিকারের প্রশ্নটি কখনই "এআইয়ের চাহিদা কমে যাবে কি" নয়, বরং "মূল্য চূড়ান্তভাবে সরবরাহ শৃঙ্খলের কোন স্তরে সঞ্চিত হবে"।

এক, বাজার কী ভুল বুঝেছিল

2026 সালের জুলাইয়ের মাঝামাঝি, Kimi K3 প্রকাশিত হয়। ফিলাডেলফিয়া সেমিকন্ডাক্টর ইনডেক্স তাৎক্ষণিকভাবে পতন ঘটে, নভেডা, মাইক্রন, এসকে হাইলিস, এমনকি ক্যাডেন্স এইচডিএ কোম্পানিগুলিও একসাথে আঘাতপ্রাপ্ত হয়।

পরিচিত? খুব পরিচিত।

এক বছরের বেশি আগে ডিপসিকের এই ঢেউয়ের সময়, বাজারের প্রতিক্রিয়া একই ছিল: ওপেন সোর্স মডেল যত শক্তিশালী হয়, ক্যালকুলেশন ক্ষমতা তত কম মূল্যবান হয়। যুক্তি খুবই যুক্তিসঙ্গত—যদি একটি ওপেন ওয়েটস মডেল টপ টির সাথে প্রতিযোগিতা করতে পারে, তাহলে ক্লোজড-সোর্সের প্রিমিয়াম নষ্ট হয়ে যায়; যদি দক্ষতা বাড়ে, তাহলে কার্ড জমা রাখার প্রয়োজনীয়তা কমে যায়। ফলে, চিপ, ডিভাইস এবং বিদ্যুৎ—এই সমস্তকেই বিক্রি করা শুরু হয়।

মর্গান স্ট্যানলি এই রিপোর্টে আগস্ট ৪-এ এই প্রতিক্রিয়াকে সরাসরি ভুল ব্যাখ্যা বলে উল্লেখ করেছে।

ভুল বোঝাবুঝি কোথায়? বাজারটি "প্রতি ইউনিট খরচ কমেছে" কে সরাসরি "মোট ব্যয় কমেছে" এর সমান ধরে নিয়েছে।

এর মধ্যে একটি বিশাল পরিবর্তনশীল উপাদান রয়েছে: ব্যবহার।

মরগান স্ট্যানলি জেভন্সের প্যারাডক্সটি উল্লেখ করেছে। ১৯শ শতাব্দীর অর্থনীতিবিদ জেভন্স একটি অপ্রত্যাশিত ঘটনা লক্ষ্য করেছিলেন: স্টিম ইঞ্জিনের দক্ষতা বৃদ্ধি পেলে, একই পরিমাণ কয়লা দিয়ে বেশি কাজ করা সম্ভব হলেও, ব্রিটেনের কয়লা খরচ কমেনি, বরং বেড়েছে। কারণ এটি সস্তা হয়ে গেল, তাই এটি ব্যবহার করা সম্ভব হল; এবং এটি ব্যবহার করা সম্ভব হওয়ায়, এটি সবজায়গায় ব্যবহৃত হতে শুরু করল।

AI-এ ব্যবহার করুন: একবারের উপসংহার এক ফেন থেকে দশ ফেনের দশমাংশে নেমে আসে, কোম্পানিগুলি সঞ্চয় করা টাকা জেবে রাখবে না। কোম্পানিগুলি AI-কে আগে "গণনা করা অসম্ভব" বলে মনে করা বিষয়গুলিতে প্রয়োগ করবে—কাস্টমার সাপোর্ট টিকিটের সম্পূর্ণ পুনরালোচনা, কোডবেসের নিয়মিত স্ক্যান, চুক্তির প্রতিটি ধারা তুলনা, প্রতিটি ইমেইলের স্বয়ংক্রিয়ভাবে শ্রেণিবদ্ধকরণ। এই কাজগুলি আগে করা হতো না, কারণ এটি করতে চাইছিলাম না, বরং এটি খরচের তুলনায় অপ্রয়োজনীয়।

যখন মূল্য সেই রেখার নিচে নেমে যায়, তখন চাহিদা রৈখিকভাবে বাড়ে না, বরং ধ্বংসাত্মকভাবে প্রবাহিত হয়।

দ্বিতীয়, "ওপেন ওয়েট" কী খোলা হয়েছে

এখানে ধারণাগুলি প্রথমে পরিষ্কার করা দরকার, কারণ বাজারের বিশৃঙ্খলার অর্ধেক পরিভাষার বিশৃঙ্খলা থেকে আসে।

মর্গান স্ট্যানলি রিপোর্টে একটি অপরিচিত কিন্তু প্রয়োজনীয় পার্থক্য করেছে: ওপেন ওয়েট বনাম ওপেন সোর্স।

স্পষ্টভাবে সংজ্ঞায়িত ওপেন-ওয়েট মডেল—Meta-এর Llama, Google-এর Gemma, এবং Qwen, DeepSeek, Kimi—এগুলির ট্রেনড প্যারামিটারগুলি প্রকাশ্যে উপলব্ধ। আপনি ডাউনলোড করতে পারেন, ফাইন-টিউন করতে পারেন, এবং নিজের দ্বারা ডিপ্লয় করতে পারেন। তবে ট্রেনিং ডেটা প্রকাশ্যে উপলব্ধ নাও হতে পারে, এবং লাইসেন্স চুক্তিতে সীমাবদ্ধতা থাকতে পারে।

প্রকৃত ওপেন সোর্স মানে সম্পূর্ণ টেকনোলজি স্ট্যাক টেবিলের উপরে প্রকাশিত: কোড, ট্রেনিং পদ্ধতি, ডেটা বিস্তারিত। রিপোর্টটিতে AI2-এর OLMo-কে উদাহরণ হিসাবে উল্লেখ করা হয়েছে। এই সম্প্রদায়টি মানুষের কল্পনার চেয়ে অনেক ছোট।

সুতরাং আরও সঠিক বক্তব্য হল: ওপেন ওয়েট এবং প্রোপ্রাইটারির মূল পার্থক্য প্যারামিটার সাইজে নয়, কোনো লিস্টে কে উপরে বা নিচে তা নয়, বরং এটি প্রাপ্তির পদ্ধতি এবং পেমেন্টের পদ্ধতিতে।

ওপেন ওয়েট: সাধারণত বিনামূল্যে ওয়েট পাওয়া যায়, মাইক্রো-ফাইন-টিউনিং সমর্থিত, ডিপ্লয়মেন্ট পদ্ধতি নমনীয়—স্থানীয়, প্রাইভেট ক্লাউড, পাবলিক ক্লাউড, API, আপনি যা চান।

বন্ধ সোর্স: লাইসেন্স + টোকেন চার্জিং, সমস্ত ব্যবহারকারী একই ওজন পায়, আপনি এটি পরিবর্তন করতে পারবেন না এবং দেখতে পাবেন না।

মরগান স্ট্যানলি আরও একটি বাস্তবসম্মত কথা বলেছে: আজকের সবচেয়ে শক্তিশালী অগ্রগামী মডেলগুলি এখনও বন্ধ সোর্স। কারণটি খুব সহজ—এগুলি প্রশিক্ষণের খরচ অসম্ভব বেশি, এবং পরবর্তী প্রজন্মের মডেল আসা পর্যন্ত কেউ পূর্ববর্তী মডেলটি বিনামূল্যে দেবে না।

এই বাক্যটি একবারের বেশি পড়ার মতো। এর অর্থ হল ওপেন ওয়েট অ্যান্ড ক্যাচ-আপ, যা মূলত একটি সময় বিলম্বিত অনুসরণ। ফারাক কমবে, কিন্তু গঠনগত সময়ের পার্থক্য সহজেই অদৃশ্য হয়ে যায় না।

তিন: বিনামূল্যের সবচেয়ে ব্যয়বহুল: যে খরচগুলি দাম ট্যাগে উল্লেখ করা হয়নি

রিপোর্টের সবচেয়ে মূল্যবান অংশটি হল ওপেন ওয়েট সম্পর্কে শীতল করার অংশ।

মর্গান স্ট্যানলি এমআইটি-এর গবেষণাকে উদ্ধৃত করেছে: বন্ধ সোর্স থেকে ওপেন মডেলে স্যুইচ করলে গড় মূল্য প্রায় 70% কমে যায়, যা কোম্পানির পক্ষে প্রতি বছর প্রায় 250 বিলিয়ন ডলারের সঞ্চয়কে বোঝায়।

সংখ্যাগুলি খুব সুন্দর। কিন্তু মরগান স্ট্যানলি তারপর একটি আরও কঠিন বিষয় উল্লেখ করল—এই গবেষণাটি 2025 সালের ডিসেম্বরে সম্পন্ন হয়েছিল এবং বাস্তবায়ন খরচকে যথেষ্টভাবে বিবেচনা করা হয়নি।

ডিপ্লয় খরচ কী? আপনাকে নিজের জন্য GPU কিনতে বা ভাড়া করতে হবে, ক্লাস্টারের জন্য কেউ পরিচালনা করবে, মডেলটির জন্য কেউ ফাইন-টিউন করবে, এবং নিরাপত্তা ও সঙ্গতির জন্য কেউ দায়ী হবে। আপনার জন্য ওপেন ওয়েটস হলো একটি গাড়ির ডিজাইন এবং পিসগুলো, নয় একটি সরাসরি চালানোর জন্য প্রস্তুত গাড়ি।

কার্নেগি মেলন বিশ্ববিদ্যালয়ের গবেষণা এটিকে আরও কঠোরভাবে পরিমাপ করে: বিনিয়োগ ফেরত পাওয়ার সময়কালটি বাস্তবায়নের স্কেলের উপর অত্যন্ত নির্ভরশীল। 300 বিলিয়ন প্যারামিটারের নিচের ছোট স্কেল বাস্তবায়নে, বিনিয়োগ দ্রুত ফেরত পাওয়া যায়; কিন্তু স্কেল বাড়ানোর সাথে সাথে, হিসাবটি সম্পূর্ণভাবে অন্যরকম হয়ে যায়।

এটি খুব কমই আলোচিত কিন্তু অত্যন্ত গুরুত্বপূর্ণ একটি বাস্তবতা: ওপেন ওয়েটের অর্থনীতি একটি সুষম বক্ররেখা নয়, বরং একটি খণ্ডিত ফাংশন।

ছোট স্কেল, প্রায়শই, স্পষ্ট টাস্ক—ওপেন ওয়েট অসাধারণ।

জটিল যুক্তিবিদ্যা, দীর্ঘ পরিসরের এজেন্ট, চরম নির্ভরযোগ্যতা প্রয়োজন—বন্ধ সোর্সের টাকা ফাঁকি দিয়ে খরচ হয় না।

কিমি K3 এর মতো অতিবৃহৎ MoE আর্কিটেকচারের দিকে আরও একধাপ এগিয়ে দেখুন। এটি যদিও কম সংখ্যক এক্সপার্টকেই সক্রিয় করে, তবুও বিশাল ওজনগুলি উচ্চ ক্ষমতাসম্পন্ন মেমোরি এবং হাই-স্পিড ইন্টারকানেকশনের ক্লাস্টারে বিতরণ করতে হয়। "খোলা" বলতে বোঝায় ওজনের মালিকানা, হার্ডওয়্যারের বাধা থেকে মুক্তি নয়।

অন্যভাবে বললে, ওপেন ওয়েট কম্পিউটিং পাওয়ারের চাহিদাকে কয়েকটি বন্ধ সোর্স ল্যাব থেকে ক্লাউড সার্ভিস প্রোভাইডার, সুয়েভিন ক্লাউড এবং কর্পোরেট ডেটা সেন্টারের দিকে ছড়িয়ে দিয়েছে। মোট পরিমাণ কমেনি, শুধু মালিকানা বদলে গেছে।

এটাই সেই জুলাইয়ের পতনের সময় বাজার যা পরিষ্কার করে নিতে পারেনি।

চতুর্থ, তিনটি চূড়ান্ত পরিস্থিতি, মূল্য কোথায় ডুববে

মোর্গান স্ট্যানলি একটি একক উপসংহারের উপর জোর দেয়নি, বরং তিনটি পরিস্থিতি প্রস্তাব করেছে। এই ধরনের লেখাই একটি বিচার: কেউই চূড়ান্ত ফলাফল জানে না, কিন্তু প্রতিটি চূড়ান্ত ফলাফলের লাভের কাঠামো আগে থেকেই চিত্রিত করা যায়।

ধরুন অগ্রণী মডেলের কার্যক্ষমতা পুনরায় তৈরি করা কঠিন। ওয়ার্কলোড উচ্চ ক্যালকুলেশন ঘনত্ব বজায় রাখবে এবং অতিপরিমাণে ক্লাউডের দিকে সরে যাবে। টোকেনের দাম এখনও পড়বে, কিন্তু ধীরে—কারণ অলিগার্কিক কাঠামোটি নিজেই মূল্য নির্ধারণের শাসন বজায় রাখে।

লাভপ্রাপ্ত পক্ষ: ক্লাউড প্রোভাইডার, সিকিউরিটি সফটওয়্যার, অপটিক্যাল নেটওয়ার্ক, সেমিকন্ডাক্টর, বিদ্যুৎ সরবরাহ শৃঙ্খল।

এখানে রিপোর্টটি একটি নির্দিষ্ট চলক—গুগল—উল্লেখ করেছে। যদি জেমিনি 4 একটি ব্রেকআউট ঘটায় এবং আবার অগ্রণী অবস্থানে ফিরে আসে, তাহলে গুগলের নিজস্ব ইনফ্রাস্ট্রাকচারের উপর মডেল API-এর বিনিয়োগের ফেরতপেয়ার (ROI) প্রায় 45% হতে পারে। যদি এটি অগ্রণী অবস্থানে থাকতে না পারে, তাহলে গুগল একটি ইনফ্রাস্ট্রাকচার সরবরাহকারীর মতো দেখা যাবে, যার সংশ্লিষ্ট ROI প্রায় 30%।

পঞ্চাশ শতাংশের পার্থক্য, একটি জেনারেশন মডেলের উপর চাপ দিচ্ছে। এটিই অগ্রগামী প্রতিযোগিতার শর্ত।

একটি একক আর্কিটেকচার সবকিছুকে কভার করে না। বন্ধ সোর্স ফ্রন্টিয়ার মডেলগুলি জটিল যুক্তি এবং AI এজেন্ট কাজগুলিকে নিয়ন্ত্রণ করে, যখন খোলা ওয়েটগুলি উচ্চ ফ্রিকোয়েন্সি, খরচ-সংবেদনশীল এবং বিশেষায়িত চাহিদাগুলির জন্য ব্যবহৃত হয়।

কাজের লোড পাবলিক ক্লাউড, প্রাইভেট ক্লাউড, লোকাল এবং এজের মধ্যে বিস্তৃত। তাই—মডেল অর্কেস্ট্রেশন, রুটিং, মূল্যায়ন, গভর্ন্যান্স এই "মিডলেয়ার" সফটওয়্যারগুলি মূল্যের উপরের দিকে স্থানান্তরের কী হয়ে উঠেছে। লোডের বিক্ষিপ্ততার সাথে সাথে সিকিউরিটি সফটওয়্যারের চাহিদা বৃদ্ধি পাচ্ছে।

এই পরিস্থিতির একটি খুব শক্তিশালী বাস্তব ভিত্তি রয়েছে: বর্তমানে 63% কোম্পানি খোলা ওজন এবং বন্ধ সোর্স উভয় ধরনের মডেল একসাথে ব্যবহার করছে।

এই সংখ্যাটি খুব বিষয়টি প্রকাশ করে। ব্যবসাগুলির পছন্দ হল “কোন পন্থা অনুসরণ করবে” নয়, বরং “কোন কাজের জন্য কোনটি সস্তা এবং স্থিতিশীল”। এটি একটি ক্রয় কার্যক্রম, নয় পথের সংঘর্ষ।

ওপেন ওয়েট পারফরম্যান্স ধীরে ধীরে অগ্রণী স্তরে পৌঁছাচ্ছে, এবং বেস মডেলের বুদ্ধিমত্তা সাধারণভাবে প্রাপ্য হয়ে উঠছে। মডেল API-এর দাম উল্লেখযোগ্যভাবে কমেছে, এবং ব্যবসাগুলির গ্রহণ একটি ঢেউয়ের মতো শুরু হয়েছে।

এআই অবকাঠামো কেন্দ্রীয়করণ থেকে বিকেন্দ্রীয়করণের দিকে যাচ্ছে: ব্যক্তিগত ডেটা কেন্দ্র, সার্বভৌম ক্লাউড, স্থানীয় বাস্তবায়ন এবং প্রান্তিক ডিভাইসের চাহিদা ব্যাপকভাবে বৃদ্ধি পাচ্ছে। উদ্ভাবনের ফোকাস প্রি-ট্রেনিংয়ের পরিবর্তে মাইক্রো-ট্রেনিং, ইনফারেন্স অপ্টিমাইজেশন, এজেন্ট এবং বিশেষ অ্যাপ্লিকেশন বাস্তবায়নের দিকে সরে গিয়েছে।

এই পরিস্থিতিতে, সুরক্ষা সফটওয়্যার একটি প্রধান বিজয়ী। এটি বুঝতেও সহজ—ওজন মুক্তভাবে প্রবাহিত হওয়ার জগতে, আক্রমণের ক্ষেত্র জ্যামিতিকভাবে বৃদ্ধি পায়।

ব্যক্তিগত স্টকের বিভাজনটি খুব আকর্ষণীয়: AVGO বন্ধ সোর পরিস্থিতিতে সবচেয়ে বড় একক লাভভোগী হতে পারে; DELL, HPE এর মতো স্থানীয় অবকাঠামো প্রতিষ্ঠান এবং অ্যাপলের মতো প্রান্তিক ডিভাইস প্রতিষ্ঠানগুলি খোলা পরিস্থিতিতে সহজেই মূল্য মুক্ত করতে পারে। ক্লাউড প্রতিষ্ঠানগুলির ক্ষেত্রে দেখতে হবে যে লোডটি চূড়ান্তভাবে কোথায় যাবে—যদি খোলা পরিস্থিতি প্রযোজ্য হয়, তবে মাইক্রোসফটের মিক্সড ক্লাউড এবং স্থানীয় ডিপ্লয়মেন্টের সুবিধা আরও পরিষ্কারভাবে দেখা যায়, অ্যামাজন এবং গুগলকে এই পরিস্থিতিতে "অন্যান্য লাভভোগী" হিসাবে নিম্নমানের অবস্থানে রাখা হবে।

পাঁচ: সমস্ত সময়ের লাভকারী: কেন নভিডিয়া এবং বিদ্যুত

তিনটি পরিস্থিতির বিশ্লেষণ শেষে, মর্গান স্ট্যানলি সবগুলো পরিস্থিতির মধ্যে দিয়ে যাওয়া দুটি লাইন চিহ্নিত করেছে।

প্রথমটি নভেডিয়া।

লজিকটি জটিল নয়, কিন্তু দৃঢ়: যে কোনও পরিস্থিতিতে, চিপ ক্ষমতা অতি-বৃহৎ ডেটা সেন্টারে কেন্দ্রীভূত হোক বা প্রতিষ্ঠানের সার্ভার রুম এবং এজেন্টে বিক্ষিপ্ত হোক, GPU-এর চাহিদার মূল লজিক অপরিবর্তিত থাকে।

সংকেন্দ্রীকরণ মানে কয়েকটি ক্রেতা বিপুল পরিমাণ কিনছে; বিকেন্দ্রীকরণ মানে কয়েক লক্ষ ক্রেতা কম পরিমাণ কিনছে। মোট পরিমাণ কমছে না, বরং এর প্রসারের কারণে আরও বেশি হতে পারে।

উল্লেখযোগ্য যে, মরগান স্ট্যানলি সম্প্রতি এআই ক্লাস্টারের খরচ অনুমানকে উপরের দিকে সংশোধন করেছে—নভিডিয়া ভেরা রুবিন সিস্টেমের দাম প্রতি গিগাওয়াটে প্রায় 490 বিলিয়ন ডলারে নির্ধারণ করা হয়েছে, যা আগের পূর্বানুমানের চেয়ে প্রায় 20% বেশি।

এই সংখ্যাটি এখানে কিছুটা সূক্ষ্ম। একদিকে মডেলগুলি সস্তা হচ্ছে, অন্যদিকে ইউনিট ক্যাপাসিটির জন্য মূলধন ব্যয় বাড়ছে। এগুলি পরস্পরবিরোধী নয়: ইনফারেন্সের প্রান্তিক খরচ কমছে, এবং ট্রেনিং এবং ডিপ্লয়মেন্টের জন্য স্থায়ী সম্পদের বিনিয়োগ বাড়ছে। প্রথমটি চাহিদা বৃদ্ধির দিকে পরিচালিত করছে, দ্বিতীয়টি নির্ধারণ করছে কে সরবরাহে অংশগ্রহণের যোগ্যতা রাখে।

দ্বিতীয়টি হল সাইটে বিদ্যুৎ সরবরাহ (on-site power)।

কারণ বিদ্যুৎ চাহিদার বক্ররেখা একসাথে "কেন্দ্রীয়" এবং "বিতরিত" উভয় কনফিগারেশনকে কভার করে। লোড যেকোনোভাবে বিন্যস্ত হোক না কেন, এআই বিস্তারের অর্থ বিদ্যুৎ খরচ এবং বিদ্যুৎ সরবরাহের ক্ষমতা একসাথে বৃদ্ধি পাওয়া।

বিদ্যুত হল সম্পূর্ণ AI বর্ণনার সবচেয়ে নিষ্ঠুর সীমাবদ্ধতা। মডেল ওপেন সোর্স করা যায়, ওজন ডাউনলোড করা যায়, চিপ প্রতিস্থাপন করা যায়, কিন্তু বিদ্যুত ওপেন সোর্স করা যায় না। এক গিগাওয়াট হল এক গিগাওয়াট, কেউ এটি তৈরি করতে পারে না।

এটি তিনটি পরিস্থিতির মধ্যে সবচেয়ে নিশ্চিত লাইন। এতটাই নিশ্চিত যে এটি একটু বিরক্তিকর মনে হচ্ছে।

ছয়, এই রিপোর্টের প্রকৃত মূল্য হল সিদ্ধান্ত নয়, বরং কাঠামো

নিজের মতামত দিন।

যদি মর্গান স্ট্যানলির এই রিপোর্টটি শুধু শিরোনামটি দেখেন—“ওপেন ওয়েট প্রচলনকে ত্বরান্বিত করে, না কি লিডারদের দুর্বল করে”—তাহলে এটিকে সহজেই একটি বাজারকে শান্ত করার বক্তব্য হিসেবে ধরা হয়ে যায়। কিন্তু সত্যিকারের ওজনযুক্ত বিষয়টি হলো, এটি প্রশ্নটিকে একটি ভিন্নভাবে উপস্থাপন করেছে।

মার্কেটের মূল প্রশ্নটি ছিল: দক্ষতা বৃদ্ধির কারণে AI-এর চাহিদা কি কমে যাবে?

মরগান স্ট্যানলির প্রশ্ন হল: AI-এর চাহিদা অবশ্যই কমবে না, কিন্তু প্রশ্ন হল মূল্য চূড়ান্তভাবে সরবরাহ শৃঙ্খলের কোন স্তরে সঞ্চিত হবে—ক্যালকুলেশন ক্ষমতা, ক্লাউড, সফটওয়্যার অর্কেস্ট্রেশন এবং গভর্ন্যান্স, নাকি লোকাল এবং এজের ডিস্ট্রিবিউটেড ইনফ্রাস্ট্রাকচার?

এই দুটি প্রশ্নের পার্থক্য হল বিষম বাজার চিন্তাধারা এবং গঠনমূলক চিন্তাধারার পার্থক্য।

আমি মনে করি মরগান স্ট্যানলির দিকটি সঠিক, কিন্তু দুটি জায়গা নিয়ে সতর্ক থাকা উচিত।

প্রথমত, জেভন্স প্যারাডক্স স্বয়ংক্রিয়ভাবে কার্যকর হয় না।

জেভন্স প্রভাবের জন্য একটি শর্ত রয়েছে: চাহিদার পর্যাপ্ত নমনীয়তা থাকতে হবে। কয়লা যেহেতু বাড়তে থাকল, তার কারণ হল ১৯শ শতাব্দীর ব্রিটেনে এখনও অনেক শিল্প যা যান্ত্রিকীকরণের বাইরে ছিল। AI-এর ক্ষেত্রেও একইভাবে, কিন্তু সম্পূর্ণভাবে একই নয়—ব্যবসাগুলি AI-কে অনেক স্থানে বসাতে পারে, কিন্তু এটি বসানোর পরে কি এটি পরিমাপযোগ্য রিটার্ন উৎপন্ন করবে, সেটি আলাদা বিষয়।

যদি অসংখ্য কোম্পানি শুধুমাত্র এমন জায়গায় AI ব্যবহার করে যেখানে এটি শুধু "ব্যস্ত বলে মনে হয়, কিন্তু লাভের কথা বলা যায় না", তাহলে চাহিদার বিস্তারের একটি সীমানা থাকবে, এবং এই সীমানা কোনও একটি ত্রৈমাসিকে হঠাৎ করে আসবে। জেভন্স প্যারাডক্সটি শক্তির রূপান্তরের দক্ষতা বর্ণনা করে, কিন্তু এটি নিশ্চিত করে না যে রূপান্তরিত হওয়ার ফলে মূল্যই উৎপন্ন হবে।

দ্বিতীয়ত, "নভিডিয়া সম্পূর্ণ দিন উপকৃত হচ্ছে" এই উপসংহারটি খুবই সহজে সত্য মনে হচ্ছে।

এটি যুক্তিগতভাবে ভুল খুঁজে বার করা কঠিন—GPU-এর চাহিদা আর্কিটেকচারের পথের পরিবর্তনের কারণে পরিবর্তিত হয় না। কিন্তু সঠিক বিচার এবং ভালো বিনিয়োগ বিচারের মধ্যে দাম রয়েছে। বাজার কি এই "সমস্ত সময়ের" প্রত্যাশাকে পূর্ণভাবে মূল্যায়ন করেছে, এই প্রশ্নটি রিপোর্টের উত্তর দেয় না, এবং রিপোর্টের উত্তর দেওয়াও উচিত নয়।

একটি যৌক্তিকভাবে অপরাজেয় বুলিশ যুক্তি প্রায়শই অত্যধিক ট্রেডিংয়ের জন্ম দেয়। এটি বিপরীত মত প্রকাশ নয়, বরং একটি সতর্কবাণী: সিদ্ধান্তের নিশ্চিততা সম্ভাবনার আকর্ষণকে নিশ্চিত করে না।

সাত, ব্যবসার জন্য এটি আসলে আরও সহজ

সেকেন্ডারি মার্কেটের মূল্যায়ন গেম বাদ দিয়ে, একটি কোম্পানির ক্রয়ের দৃষ্টিকোণ থেকে দেখলে, এই রিপোর্টের প্রেরণা অনেক সহজ এবং সরল।

৬৩% কর্পোরেশন উভয় পক্ষই ব্যবহার করে, এই সংখ্যাটিই উত্তরটি বলে দিয়েছে: পক্ষ নির্বাচন নয়, স্থিতি নির্বাচন করুন।

উচ্চ ফ্রিক�োয়েন্সি, পূর্বানুমানযোগ্য, ডেটা-সংবেদনশীল এবং কাজের সীমানা স্পষ্ট কাজগুলি—খোলা ওজন সহ নিজস্ব তৈরি করলে বাস্তব অর্থ বাঁচানো যায়, বিশেষ করে 300 বিলিয়ন প্যারামিটারের নিচে, যেখানে আয়ের পুনরুদ্ধারের সময়কাল অত্যন্ত আকর্ষণীয়।

জটিল যুক্তিবিদ্যা, দীর্ঘ পরিসরের এজেন্ট, এবং সাম্প্রতিক ক্ষমতা আপগ্রেডের সাথে নিয়মিত অনুসরণের প্রয়োজন হওয়া কাজ—বন্ধ API-এর জন্য নির্ভরযোগ্যতা এবং পুনরায় বিকাশের গতির জন্য পেমেন্ট করা অপমানজনক নয়।

প্রকৃতপক্ষে যা প্রয়োজন তা হলো মাঝের স্তরটি: অর্গানাইজেশন, রাউটিং, মূল্যায়ন, গভর্ন্যান্স। আপনি কিভাবে বুঝবেন একটি অনুরোধ কোন পথে যাবে? আপনি কিভাবে নিশ্চিত করবেন যে মডেল পরিবর্তনের পরেও আউটপুটের গুণগত মান ধরে রাখা হচ্ছে? আপনি কিভাবে এমন একটি বিশ্বে ডেটা বৌদ্ধিক সীমানা নিয়ন্ত্রণ করবেন, যেখানেওয়েটস যেকোনোভাবে ডাউনলোড করা যায়?

মোর্গান স্ট্যানলি এই স্তরটিকে মিশ্র পরিস্থিতির অধীনে প্রধান লাভবান পক্ষ হিসাবে তালিকাভুক্ত করেছে, আমি মনে করি এই বিচারটি যেকোনো একক শেয়ারের সুপারিশের চেয়ে বেশি ব্যবহারিক। কারণ এই স্তরটি প্রতিষ্ঠানগুলির নিজস্ব তৈরি করা প্রয়োজনীয় ক্ষমতা, যা কেনা যায় না।

একটু নিরাপত্তা সম্পর্কে। ওপেন ওয়েট মডেলকে ডিসেন্ট্রালাইজডভাবে ডিপ্লয় করে, আক্রমণের ক্ষেত্রও ডিসেন্ট্রালাইজড করে। আগে আপনাকে শুধু কয়েকটি API কী ম্যানেজ করতে হত, এখন আপনাকে অনেকগুলো লোকালি রান করা ওয়েট ফাইল, ফাইন-টিউনিং ডেটা, এবং ইনফারেন্স এন্ডপয়েন্ট ম্যানেজ করতে হবে। সিকিউরিটি সফটওয়্যার তিনটি সিনারিওতেই উল্লেখিত হয়েছে, এটা দৈব নয়।

৮. শেষ করুন

কিমি কে৩ প্রকাশের দিনে, সেমিকন্ডাক্টর শেয়ারগুলি একসাথে পতন হয়েছিল। আজ পিছনে ফিরে তাকালে, এটি বাজারের একটি মাসকুলার মেমোরির মতো ছিল, না যে একটি চিন্তাভাবনা।

ওপেন ওয়েট টেবিল উল্টে দেওয়ার মানুষ নয়। এটি টেবিলটিকে দীর্ঘতর করে তোলে।

টেবিল দীর্ঘ করার পর, আগে মুখ্য স্থানে বসা ব্যক্তি কি ধাক্কা খাবে? হতে পারে, কিন্তু এটি ওপেন ওয়েট নিজের কারণে নয়, বরং এটি নিজেই অগ্রগতির সীমানা বজায় রাখতে পারেনি। এগুলো দুটি আলাদা বিষয়।

মোরগান স্ট্যানলির এই রিপোর্টের সবচেয়ে সৎ বিষয় হলো, এটি আপনাকে শেষ পর্যায়টি কী তা বলে না, শুধু বলে যে প্রতিটি শেষ পর্যায়ে কার অবস্থান অপরিবর্তিত থাকবে।

NVIDIA, এবং বিদ্যুৎ।

প্রথমটি সমঝোতা, দ্বিতীয়টি ভৌত।

মধ্যবর্তী সেই কোম্পানিগুলির যাদের দাম উঠছে বা নামছে, যারা পক্ষ বদলাচ্ছে এবং পুনর্মূল্যায়ন করছে—তাদের ভাগ্য পরিস্থিতির উপর অত্যন্ত নির্ভরশীল। এটি শোনাচ্ছে যেন কোনো কথা নয়, কিন্তু এমন একটি বাজারে যেখানে সবাই নিশ্চিত উত্তর চায়, "এটি পরিস্থিতির উপর নির্ভর করে" বলে স্বীকার করা হলো সবচেয়ে বেশি মূল্যবান সততা।

মডেলগুলি ধাপে ধাপে সস্তা হয়ে যাবে, এটি একটি প্রবণতা, যার বিরুদ্ধে প্রতিরোধ করা যায় না।

ক্যালকুলেশন পাওয়ার ধাপে ধাপে ছড়িয়ে পড়বে, এটাই প্রবণতা, এটাকে বাধা দেওয়া যাবে না।

কিন্তু সস্তা এবং বিকেন্দ্রীকরণ একসাথে কখনই সংকুচিত হয় না।

জেভন্স ১৮৬৫ সালেই এই বিষয়টি বুঝে ফেলেছিলেন। একশো ষাট বছর পার হয়ে গেল, কিন্তু মানুষ এখনও একই সরল ভুলের জন্য শিক্ষা দিচ্ছে।

এটা খুব আকর্ষণীয়।

উৎস উদ্ধৃত করুন

1. মর্গান স্ট্যানলি, *ওপেন-ওয়েট মডেল এবং তিনটি ভবিষ্যতের পরিস্থিতি* (গবেষণা প্রতিবেদন), ২০২৬ সালের আগস্ট
2. গ্রোনহুই / সিনহুয়া ফাইন্যান্সিয়াল: "মর্গান স্ট্যানলি: ওপেন ওয়েট মডেল দ্বারা এআই খরচ কমানো হচ্ছে, 'জেভনস প্যারাডক্স' ক্যালকুলেশন চাহিদা চলতে থাকার কারণ হতে পারে", ৪ আগস্ট, ২০২৬
3. BigGo Finance: *এআই গ্রহণ ত্বরান্বিত করতে ওপেন-ওয়েট মডেল: মরগান স্ট্যানলি তিনটি পরিস্থিতি উল্লেখ করেছে, নভিডিয়া এবং পাওয়ার চেইনকে লাভবান হিসাবে নাম করেছে*, 2026年8月4日
4. মার্স ফাইনান্স: মরগান স্ট্যানলি: ওপেন ওয়েট এআই মডেলের উত্থান খরচ কমিয়ে এআই প্রসারের গতি বাড়াবে, ৪ আগস্ট, ২০২৬
5. ব্লকস্পেস মিডিয়া: *মরগান স্ট্যানলি বলেছে ওপেন-ওয়েট এআই কম্পিউট এবং পাওয়ার চাহিদা বাড়াতে পারে*, 2026年8月
6. MIT-এর ওপেন মডেল এবং প্রোপ্রাইটারি মডেলের মূল্য পার্থক্য সম্পর্কিত গবেষণা (2025 সালের ডিসেম্বরে সম্পন্ন, মরগান স্ট্যানলি রিপোর্ট দ্বারা উদ্ধৃত)
7. কার্নেগি মেলন বিশ্ববিদ্যালয়ের খোলা মডেল ডিপ্লয়মেন্টের ব্যাক টু ইনভেস্টমেন্ট পিরিয়ড এবং স্কেলের সম্পর্ক সম্পর্কিত গবেষণা (মরগান স্ট্যানলি রিপোর্ট দ্বারা উদ্ধৃত)
8. মর্গান স্ট্যানলি ইনসাইটস: *এআই ইনফ্রাস্ট্রাকচারে সুযোগ* (ভেরা রুবিন সিস্টেমের প্রতি গিগাওয়াট খরচ আপডেট সহ)