লেখক: হু হুয়ানফেং, ফুশিং ওয়েলথ ডিজিটাল সম্পদ বিভাগের ডিরেক্টর, ফিনচেইনের সিএমও, হংকং ব্লকচেইন অ্যাপ্লিকেশন এবং বিনিয়োগ গবেষণা প্রতিষ্ঠানের এক্সিকিউটিভ ডিরেক্টর, লংট্রিয়াঙ্গ ব্লকচেইন শিল্প প্রচার কেন্দ্রের উপ-প্রধান

ঝুঁকি সতর্কবাণী: এই প্রবন্ধটি কোনো সিকিউরিটি ক্রয় বা বিক্রয়ের পরামর্শ হিসেবে কাজ করে না এবং কোনো শিল্প বা কোম্পানির শেয়ার মূল্যের প্রতি নিশ্চিত বিচার করে না। এখানে উল্লিখিত “সুযোগ”, “পুনর্মূল্যায়ন”, “সম্পদের মানচিত্র” শব্দগুলি শুধুমাত্র শিল্পের প্রবণতা এবং বাজারের সম্ভাব্য মনোযোগের দিকগুলির প্রতি ইঙ্গিত করে। প্রকৃত বিনিয়োগের জন্য, মূল্যায়ন, পারফরম্যান্স, অর্ডার, প্রতিযোগিতামূলক পরিস্থিতি, আর্থিক গুণগত মান এবং ঝুঁকি সহনশীলতা বিবেচনা করে স্বাধীনভাবে সিদ্ধান্ত নেওয়া প্রয়োজন।

পরবর্তী অপটিক্যাল মডিউল কে হবে

光 মডুল দশগুণ বেড়েছে, অনেকে মনে করেছে যে তারা AI শিল্প সংহতির সর্বোত্তম সুযোগ হারিয়েছে। জাংঝি শুচুয়াং, শিনইশেং, তিয়ানফু কমিউনিকেশন, ইয়ুয়ানজিয়ে টেকনোলজি—এই আপস্ট্রিম কোম্পানিগুলি গত বছর বিনিয়োগকারীদের মধ্যে সবচেয়ে উজ্জ্বল মূল রেখা হয়ে উঠেছিল। বিশেষ করে ইয়ুয়ানজিয়ে টেকনোলজি, ২০২৬ সালের এপ্রিলে এর শেয়ারের মূল্য গুয়েজহুয়াইমাওকেও ছাড়িয়ে গিয়েছিল, A-শেয়ার বাজারের একটি নতুন উচ্চমূল্যবিশিষ্ট শেয়ারের প্রতীক হয়ে উঠেছিল। এই ঘটনাটি নিজেই বোঝায় যে AI ক্যালকুলেশন হার্ডওয়্যারটি এখন শুধুমাত্র একটি প্রযুক্তিগত বিষয় নয়, বরং একটি প্রকৃতপক্ষে বাজারের মূল্যায়নের ঘটনা।[1]

কিন্তু আমি যা আসলে আলোচনা করতে চাই, তা হলো সবচেয়ে বেশি আগ্রহীদের প্রশ্ন: “পরবর্তী অপটিক্যাল মডিউল কে হবে?”

এই উত্তরটি জানতে চাইলে আমাদের খুব পৃষ্ঠস্তরে না দেখে একটি মৌলিক যুক্তি বুঝতে হবে: প্রতিটি শিল্প বিপ্লবে, বাজার অর্থনীতি সম্ভবত ভালোভাবে বর্ণনা করা গল্পগুলিকে উচ্চ মূল্যায়ন দেয়, কিন্তু এটি দীর্ঘস্থায়ী হয় না; আসলে দীর্ঘমেয়াদি ভিত্তিতে মূল্যায়ন পায় যারা নতুন বাধাগুলির উপর দখলদার।

যে নতুন বাধা দখল করে, সেই নতুন মূল্যনির্ধারণ ক্ষমতা অর্জন করে; যে নতুন মূল্যনির্ধারণ ক্ষমতা অর্জন করে, সেই পুনর্মূল্যায়নের সম্ভাবনা রাখে। লাইট মডিউলের এই রানের মূল কারণ হল বাজারের হঠাৎ করে লাইট কমিউনিকেশনকে পছন্দ করা নয়, বরং AI ডেটা সেন্টারগুলি প্রথমে “হাই-স্পিড ইন্টারকানেকশন” এই বাধাটিকে সামনের দিকে নিয়ে আসে।

এক, এআই হল একটি নতুন তথ্য অবকাঠামো বিপ্লব

আজকের অনেকেই AI-কে বিষয়ভিত্তিক চিন্তাভাবনা দিয়ে দেখছে: ChatGPT জনপ্রিয় হলো, তাই বড় মডেলের মূল্যায়ন নিয়ে ট্রেড করা হচ্ছে; নভেডা বেড়েছে, তাই GPU-এর ট্রেড করা হচ্ছে; অপটিক্যাল মডিউল বেড়েছে, তাই সবাই অপটিক্যাল মডিউলের দিকে ছুটছে; অ্যাপ্লিকেশনগুলি এখনও ব্যাপকভাবে লাভজনক হয়নি, তাই AI-কে বুবল বলা হচ্ছে।

এই দৃষ্টিভঙ্গি খুবই সংক্ষিপ্ত পরিসরের, যা সহজেই অনুসরণ করা হয় এবং আটকে যায়। প্রকৃতপক্ষে যা করা উচিত, তা হলো গভীরভাবে বিশ্লেষণ করা যে কারণে লাইট মডিউলকে মূলধন সমর্থন করছে, এবং এর মধ্যে কোন নিয়ম খুঁজে পাওয়া যায়।

এআই হল একটি নতুন তথ্য অবকাঠামো বিপ্লব। এটি টেলিগ্রাফ, ফোন এবং মোবাইল ইন্টারনেটের মতোই, তথ্যের উৎপাদন, প্রেরণ, প্রক্রিয়াকরণ এবং আয়ের উপায়কে পুনর্সংজ্ঞায়িত করছে।

আমি সাম্প্রতিক সময়ে আমার নতুন বই "টোকেন অর্থনীতি: বুদ্ধিমান যুগের নতুন বিকাশের পথ" লিখছি, এবং গভীরভাবে অনুসন্ধানের পর আমি দেখেছি যে, প্রতিটি প্রজন্মের তথ্য বিপ্লবের প্রথমেই একটি নতুন বাণিজ্যিক মূল্যায়ন একক তৈরি হয়।

টেলিগ্রাফ যুগে, সবচেয়ে গুরুত্বপূর্ণ একক ছিল “শব্দ”; টেলিফোন যুগে, সবচেয়ে গুরুত্বপূর্ণ একক ছিল “মিনিট”; মোবাইল ইন্টারনেট যুগে, সবচেয়ে গুরুত্বপূর্ণ একক ছিল “ডেটা”; AI যুগে, সবচেয়ে গুরুত্বপূর্ণ একক হল Token, অর্থাৎ—টোকেন।

টোকেন হল এআই যে সব তথ্য প্রক্রিয়া করে, যা প্রতিটি প্রক্রিয়ার মৌলিক একক, কিন্তু এর পিছনে রয়েছে ক্যালকুলেশন ক্ষমতা, বিদ্যুৎ, জিপিইউ মেমোরি, স্টোরেজ, নেটওয়ার্ক, মডেল আর্কিটেকচার এবং ইনফারেন্স দক্ষতার সমন্বিত খরচ। আপনি যখন এআইকে একটি প্রশ্ন করেন, তখন টোকেন খরচ হয়; একটি কোম্পানি যখন এজেন্টকে একটি প্রক্রিয়া চালায়, তখনও টোকেন খরচ হয়। ভবিষ্যতে, যখন এআই কাস্টমার সার্ভিস, ইনভেস্টমেন্ট রিসার্চ, ডিজাইন, প্রোগ্রামিং, শিক্ষা, চিকিৎসা, অর্থনীতি, এবং উৎপাদনে প্রবেশ করবে, তখন প্রতিটি টাস্কের পিছনেই বাস্তবিকভাবে টোকেনের খরচ থাকবে।

সুতরাং, এআই শিল্প সংক্রান্ত দীর্ঘমেয়াদী সম্পদ বণ্টন শুধুমাত্র কে জিপিইউ বিক্রি করে তা দেখে নির্ধারিত হবে না। সত্যিকারের গুরুত্বপূর্ণ চারটি বিষয় হল: কে টোকেন উৎপাদন করে, কে টোকেনের খরচ কমায়, কে টোকেন সংগঠিত করে, এবং কে টোকেনকে ব্যবহারকারীদের জন্য প্রিমিয়াম দিতে ইচ্ছুক ফলাফলে পরিণত করে।

দ্বিতীয়ত, ইতিহাস শুধু পটভূমি নয়, বরং শিল্প বণ্টনের নিয়ম

এআই-এর ভবিষ্যৎ বুঝতে হলে প্রথমে গত একশো বছরের তথ্য শিল্পের ইতিহাস বুঝতে হবে।

টেলিগ্রাম, টেলিফোন, ইন্টারনেট—পৃষ্ঠের উপর তিনটি ভিন্ন শিল্প, কিন্তু মূলত একই পটভূমি পুনরাবৃত্তি হয়: নতুন ইউনিট যখন প্রথম আসে, তখন এটি খুব দামি; অবকাঠামো প্রথমে লাভ করে; যখন ইউনিটের খরচ কমে, তখন দক্ষতা স্তরটি গ্রহণ করে; শেষে, প্রবেশাগার স্তরটি বাণিজ্যিক মূল্যকে পুনর্বণ্টন করে।

প্রথম দৃশ্য, টেলিগ্রাফ যুগ।

১৮৬৬ সালে, অ্যাটলান্টিক মহাসাগরীয় সমুদ্রতলীয় ক্যাবল প্রকৃতপক্ষে ব্যবহারে আসে, যা ইউরোপ এবং উত্তর আমেরিকার মধ্যে তথ্য প্রেরণকে সপ্তাহের পরিবর্তে মিনিটে পরিণত করে। তবে শুরুতে টেলিগ্রাফ খুবই মহঙ্গা ছিল, একটি শব্দের জন্য ১০ ডলার, দশটি শব্দের সর্বনিম্ন প্রেরণ। সবচেয়ে সংক্ষিপ্ত আন্তঃমহাসাগরীয় টেলিগ্রাফ পাঠানোর খরচ ছিল তখনকার দক্ষ শ্রমিকের দশ সপ্তাহের মজুরির সমান। [2]

এই সময়ে প্রথম লাভ করেছিলেন সমুদ্রতলের ক্যাবল বিছানো এবং আন্তর্জাতিক টেলিগ্রাফ নেটওয়ার্ক নিয়ন্ত্রণ করা ব্যক্তিরা, কারণ তারা তখনকার বিশ্বব্যাপী আর্থিক, বাণিজ্যিক, জাহাজচলাচল এবং কূটনীতির তথ্যের হাইওয়ে নিয়ন্ত্রণ করছিলেন।

কিন্তু একটি শব্দ খুব বেশি দামি হলে, তা অবশ্যই সংকুচিত প্রযুক্তির দিকে ঠেলে দেবে। ব্যবসায়ীরা টেলিগ্রাফ কোড এবং বাণিজ্যিক কোডবুক ব্যবহার শুরু করে। একটি শব্দ আর শুধু একটি শব্দ থাকেনি, এটি একটি পুরো বাক্য, একটি ট্রেডিং নির্দেশ, বা একটি পণ্যের স্পেসিফিকেশনকেও প্রতিনিধিত্ব করতে পারে। আজকাল আমরা AI মডেল সংকুচিতকরণ, কোয়ান্টাইজেশন, এবং অনুমানমূলক ডিকোডিংয়ের কথা বলি, যা খুবই অগ্রণী মনে হয়, কিন্তু এর মূল যুক্তি নতুন নয়। মানুষ টেলিগ্রাফের যুগ থেকেই একই কাজটি করছে: একই তথ্য, কি কমানোর মাধ্যমে পাঠানো যায়?

এরপর, প্রবেশদ্বার দেখা গেল। রয়টার্স এর একটি প্রতিনিধি। ১৮৫০ সালে, পল জুলিয়াস রুটার ৪৫টি প্রতিনিধি কাক ব্যবহার করে ব্রাসেলস এবং আখেনের মধ্যে শেয়ার মূল্য এবং সংবাদ প্রেরণ করেছিলেন, যা রেলওয়ের চেয়ে প্রায় ৬ ঘন্টা দ্রুত ছিল; ইংলিশ চ্যানেলের ক্যাবল স্থাপনের পর, তিনি দ্রুত টেলিগ্রাফ নেটওয়ার্কের সাথে যুক্ত হন এবং ব্যাংক, সংবাদপত্র এবং ব্যবসায়ীদের জন্য আর্থিক তথ্য, বাণিজ্যিক সংবাদ এবং বাজারের অবস্থা বিক্রি করেন।[3]

রয়টার্সের বড় কথা হল এটি ক্যাবল স্থাপন করেছিল না, বরং এটি জানত কোন তথ্য গুরুত্বপূর্ণ এবং কারা দ্রুততর তথ্যের জন্য টাকা দিতে প্রস্তুত। টেলিগ্রাফ কোম্পানি অক্ষর প্রেরণের জন্য টাকা উপার্জন করে, আর রয়টার্স তথ্য বিতরণের অধিকারের জন্য টাকা উপার্জন করে। একটি চ্যানেলের জন্য টাকা উপার্জন করে, অন্যটি তথ্যের মূল্যের জন্য।

দ্বিতীয় দৃশ্য, ফোন যুগ।

ফোন যুগের মূল্যনির্ধারণ একক পরিবর্তিত হয়ে মিনিটে পরিণত হয়। 1915 সালে, মার্কিন যুক্তরাষ্ট্রের মহাদেশীয় ফোন বাণিজ্যিকীকরণের প্রাথমিক পর্যায়ে, নিউ ইয়র্ক থেকে সান ফ্রান্সিসকোতে প্রথম তিন মিনিটের জন্য প্রায় 20.70 ডলার শুল্ক নেওয়া হত, যা আজকের মূল্যে শত শত ডলারের পরিসরে।[4] প্রথম ব্যবসায়িক বিজয়ী অবশ্যই AT&T। ফোন নেটওয়ার্কের শক্তিশালী ভৌত একচেটিয়া প্রকৃতি রয়েছে, লাইন, সুইচ, রিলে স্টেশন এবং চূড়ান্ত ব্যবহারকারীরা একটি বিশাল নেটওয়ার্ক গঠন করে।

কিন্তু পরে, স্বয়ংক্রিয় সুইচ, সিগন্যাল অ্যামপ্লিফায়ার এবং যোগাযোগ সরঞ্জামের আপগ্রেডের ফলে ফোন মিনিটের খরচ ধারাবাহিকভাবে কমে যায়। মূলধন বাজার সিস্টেমের দক্ষতা বাড়ানোর জন্য ডিভাইস কোম্পানিগুলিকে পুনর্মূল্যায়ন শুরু করে। তারপরে, ফোন নেটওয়ার্কে হোয়াইট পেজ জন্ম নেয়। হোয়াইট পেজে কলের জন্য কোনও শুল্ক নেওয়া হয় না, এটি ব্যবসায়ীদের প্রদর্শনী শুল্ক নেয়। ব্যবহারকারীদের ব্যবসায়ীদের খুঁজতে হয়, আবার ব্যবসায়ীদেরও ব্যবহারকারীদের দ্বারা খুঁজে পাওয়ার প্রয়োজন—এটি একটি বাণিজ্যিক প্রবেশদ্বার গড়ে তোলে।

তৃতীয় দৃশ্য, মোবাইল ফোন এবং ইন্টারনেট যুগ।

প্রাথমিক ওয়্যারলেস যোগাযোগে, অবকাঠামো নির্মাতারা সবচেয়ে মূল্যবান ছিল, তারপর যোগাযোগ অপারেটররা নম্বর, নেটওয়ার্ক, প্যাকেজ এবং বিলিং নিয়ন্ত্রণ করে খুব জনপ্রিয় হয়ে ওঠে, এবং এসএমএস, ভয়েস, ডেটা সবকিছুই ব্যবহারের পরিমাণের ভিত্তিতে চার্জ করা হত। ইন্টারনেট, যা ওয়্যারড এবং ওয়্যারলেস নেটওয়ার্কের অবকাঠামোর উপর ভিত্তি করে, যোগাযোগের খরচ এবং কার্যক্ষমতা ব্যাপকভাবে কমিয়েছে, এবং ডেটা যুগের সূচনা হয়। ডেটা ইউনিটের খরচ দ্রুত কমে যাওয়ার সাথে সাথে, অবকাঠামোর মূল্যায়ন কমে যায়, আর ব্যবহারকারীদের প্রবেশদ্বার নিয়ন্ত্রণকারীদের মূল্য বৃদ্ধি পায়, যা ইন্টারনেট প্ল্যাটফর্মের বিশালদের সৃষ্টি করে। উইচ্যাট, তাobao, মিয়ানহুই, ডিউয়ানইন, XiaoHongShu, Pinduoduo —এগুলি ব্যবহারকারীদের সময়, লেনদেন এবং খরচের সিদ্ধান্তগুলিরও দায়িত্বগুলি গ্রহণ করেছে।

অপারেটররা বাইট নিয়ন্ত্রণ করে, ইন্টারনেট প্ল্যাটফর্মগুলি বাইটের মধ্যে ব্যবসায়িক ইচ্ছা নিয়ন্ত্রণ করে। এটিই তিন প্রজন্মের তথ্য শিল্পের সাধারণ নিয়ম: অবকাঠামো প্রথমে বৃদ্ধি পায়, তারপর দক্ষতা স্তরটি গ্রহণ করে, এবং শেষে প্রবেশ স্তরটি সর্বোচ্চ মূল্য বণ্টন করে। AI এখন প্রথম পর্যায় থেকে দ্বিতীয় এবং তৃতীয় পর্যায়ের দিকে সংক্রমণের কীভাবে অবস্থানে রয়েছে।

তিন, কেন প্রথম ঢল জিপিইউ, এইচবিএম এবং অপটিক্যাল মডিউলে পড়ল

গত দুই বছরে এআই-এর প্রথম তরঙ্গে নভেডিয়া, স্টোরেজ এবং অপটিক্যাল মডিউলের দাম বেড়েছে, এটি অস্বাভাবিক নয়। কারণ এআই-এর প্রথম পর্যায়টি ছিল বড় মডেল ট্রেনিং এবং কম্পিউটিং ক্লাস্টার গঠন।

বড় মডেল ট্রেনিংয়ের জন্য বহু জিপিইউ প্রয়োজন; জিপিইউকে উচ্চ ব্যান্ডউইথ মেমোরি, অর্থাৎ HBM প্রয়োজন; বহু জিপিইউকে সমন্বিতভাবে কাজ করতে হলে উচ্চ গতির ইন্টারকানেকশন, অর্থাৎ অপটিক্যাল মডিউল, সুইচ চিপ, PCB, কানেক্টর এবং নেটওয়ার্ক ডিভাইস প্রয়োজন। প্রাচীন ডেটা সেন্টার হলো অনেকগুলি সার্ভারের একটি গুচ্ছ যা অনেকগুলি সাধারণ কাজ পরিচালনা করে, অন্যদিকে AI ডেটা সেন্টার একটি বিশাল সুপারকম্পিউটারের মতো। কয়েক লক্ষ, দশ লক্ষ জিপিইউকে একটি একক একক এককভাবে কাজ করতে হবে, যদি মধ্যবর্তী যেকোনো ধাপ ধীর হয়ে যায়, তবে সমগ্র সিস্টেমটির গতি কমে যাবে।

GPU মহঙ্গা, যদি নেটওয়ার্ক পর্যাপ্ত দ্রুত না হয়, তাহলে GPU ডেটা প্রতীক্ষা করছে। GPU ডেটা প্রতীক্ষা করলে, মহঙ্গা সম্পদ অকার্যকরভাবে চলছে। তাই অপটিক্যাল মডিউলের দাম বেড়েছে, যার পিছনে শিল্পগত ভিত্তি রয়েছে; HBM-এর দাম বেড়েছে, কারণ বিনিয়োগকারীরা বাস্তব বাধাগুলির সাথে সম্পৃক্ত শিল্প শৃঙ্খলকেই কিনছেন।

কিন্তু বাজার চিরকাল প্রথম বাধাগুলিতেই মনোযোগ দেবে না। GPU, HBM, অপটিক্যাল মডিউল এই স্পষ্ট ধাপগুলি যতক্ষণ বিস্তারিতভাবে আলোচিত হচ্ছে, সমস্যাগুলি আরও পিছনের দিকে সরে যাবে: ক্যালকুলেশন ক্ষমতা তৈরি করার পর, এটি কীভাবে স্থিতিশীলভাবে চলবে? কীভাবে এটি সস্তা হবে? কীভাবে এটি কর্পোরেট প্রক্রিয়ায় প্রবেশ করবে? কীভাবে এটি ব্যবহারকারীদের জন্য প্রদানযোগ্য ফলাফলে পরিণত হবে?

চতুর্থ: এআই উন্নয়নের পরবর্তী বাধা: বিদ্যুত, তরল শীতলীকরণ এবং কম্পিউটিং ক্ষমতা সহ ইন্ডাস্ট্রিয়াল রিয়েল এস্টেট

আমার মতে, পরবর্তী সবচেয়ে নিশ্চিত ক্ষেত্রটি হল বিদ্যুত এবং তরল শীতলীকরণ। কারণটি খুব সহজ: এআই ডেটা কেন্দ্রগুলি “সার্ভার রুম ব্যবসা” থেকে “শক্তি ব্যবসা”-এ পরিণত হচ্ছে।

পূর্বে মানুষ ডেটা সেন্টারকে বুঝত যেন একটি ভবনের মধ্যে অসংখ্য সার্ভার রাখা। কিন্তু AI ডেটা সেন্টার এমন নয়। AI ডেটা সেন্টারের মূল সীমাবদ্ধতা এখন বিদ্যুৎ সংযোগ, ক্যাবিনেট পাওয়ার ডেনসিটি, শীতলীকরণ ক্ষমতা, শক্তি ব্যবস্থাপনা এবং অবকাঠামো সরবরাহ। NVIDIA-এর GB200 NVL72-এর অফিসিয়াল বর্ণনায় বলা হয়েছে, এটি 36টি Grace CPU এবং 72টি Blackwell GPU-কে একটি rack-scale, liquid-cooled design-এর মধ্যে সংযুক্ত করে, অর্থাৎ পুরো ক্যাবিনেট-স্তরের তরল-শীতলীকরণ সিস্টেম।[5]

এর অর্থ হলো, এআই-এর প্রতিযোগিতা এখন শুধু একটি GPU-এর প্রতিযোগিতা নয়, বরং পুরো ক্যাবিনেট, পুরো মেশিন হাউস এবং পুরো ডেটা সেন্টারের সিস্টেমগত প্রতিযোগিতা। ভবিষ্যতে ক্যাবিনেটের পাওয়ার ডেনসিটি ক্রমাগত কয়েক দশক কিলোওয়াট এবং এমনকি শত কিলোওয়াট পর্যন্ত বাড়তে থাকবে, এবং তরল শীতলীকরণ এবং বিদ্যুৎ সরবরাহ আর পিছনের সহায়ক ব্যবস্থা নয়, বরং ক্যালকুলেশন ক্ষমতা স্থাপনের প্রাথমিক শর্ত।

এর চেয়ে বেশি গুরুত্বপূর্ণ হল বিদ্যুৎ। আন্তর্জাতিক শক্তি সংস্থা তার “Energy and AI” প্রতিবেদনে ভবিষ্যদ্বাণী করেছে যে ২০৩০ সালের মধ্যে বিশ্বব্যাপী ডেটা সেন্টারের বিদ্যুৎ ব্যবহার প্রায় দ্বিগুণ হয়ে ৯৪৫ টেরাওয়াট-ঘন্টায় পৌঁছাবে, যা বিশ্বব্যাপী মোট বিদ্যুৎ ব্যবহারের প্রায় ৩% এর কম হবে; এখানে AI হল সবচেয়ে গুরুত্বপূর্ণ বৃদ্ধির চালিকা শক্তির মধ্যে একটি।[6]

GPU অর্ডার করা যায়, অপটিক্যাল মডিউলের উৎপাদন বাড়ানো যায়, সার্ভার সংগঠিত করা যায়, কিন্তু বিদ্যুৎ নেটওয়ার্ক, সাবস্টেশন, ট্রান্সমিশন লাইন, ব্যাকআপ পাওয়ার এবং কুলিং সিস্টেম কয়েক মাসের মধ্যে আকাশ থেকে আসে না। AI যত শক্তিশালী হয়, বিদ্যুৎ খরচ তত বেশি; ক্যালকুলেশন ঘনত্ব যত বেশি হয়, তাপ তত বেশি; ডেটা সেন্টার যত বেশি কেন্দ্রীভূত হয়, বিদ্যুৎ এবং শীতলীকরণের প্রয়োজনীয়তা তত চরম হয়ে ওঠে।

সুতরাং, ট্রান্সফরমার, ইউপিএস, বিতরণ প্যানেল, সুইচিং পাওয়ার সাপ্লাই, বাসবার, ডেটা সেন্টার পাওয়ার সিস্টেম, তরল শীতলন প্লেট, সিডিইউ, পাম্প ও ভালভ, হিট এক্সচেঞ্জার, অল-ইন-ওয়ান তরল শীতলন সমাধান এবং ডেটা সেন্টার ইনফ্রাস্ট্রাকচার টার্নকি প্রকল্পগুলি পুনর্মূল্যায়ন করা হবে। এগুলি অতীতে সবাই প্রচলিত উৎপাদন শিল্পের অংশ হিসেবে বিবেচনা করত, কিন্তু AI-এর আগমনের পরে এগুলি ক্যালকুলেশন প্রদানের পূর্বশর্ত হয়ে উঠেছে।

এক পদ আগানো হলে, এআই ডেটা সেন্টারগুলি পারম্পরিক আইডিসি থেকে একটি নতুন ধরনের শিল্প সম্পত্তিতে পরিণত হবে। পারম্পরিক আইডিসি ক্যাবিনেট সংখ্যা, বোর্ডিং হার, পিইই, ভাড়া এবং গ্রাহকদের দেখে; এআই ডেটা সেন্টারগুলি বিদ্যুৎ সূচক, সাবস্টেশন, দীর্ঘমেয়াদী শক্তি চুক্তি, তরল শীতলন ক্ষমতা, হাই-স্পিড নেটওয়ার্ক অ্যাক্সেস, বড় গ্রাহকদের দীর্ঘমেয়াদী চুক্তি, GPU ক্লাস্টার অপারেশন এবং রক্ষণাবেক্ষণ ক্ষমতা এবং জমির সম্প্রসারণের জায়গা দেখে।

এটি শুধুমাত্র “বিল্ডিং তৈরি করে সার্ভার স্থাপন” করার ব্যবসা নয়। এটি রেলওয়ে যুগের স্টেশন, বন্দরের যুগের বন্দর, বিমান যুগের বিমানবন্দর, হাইওয়ে যুগের হাবের মতো। ভবিষ্যতের সেরা AI ডেটা সেন্টার কোম্পানিগুলি শুধুমাত্র সার্ভার রুমগুলি ভাড়া দেবে না, বরং জমি, বিদ্যুৎ, শীতলীকরণ, নেটওয়ার্ক, চিপ এবং গ্রাহকদের দীর্ঘমেয়াদি চুক্তিকে একটি নগদপ্রবাহযুক্ত, বাধা-প্রতিরোধী এবং বিরল অবকাঠামোগত সম্পদের সমন্বয়ে গড়ে তুলবে।

এই লাইনের একটি পরবর্তী পরিবর্তন রয়েছে: ডেটা সেন্টার সম্পদের আর্থিককরণ। একবার AI ডেটা সেন্টার স্থিতিশীল নগদ প্রবাহ তৈরি করে, তা REITs, RWA, অবকাঠামো ফান্ড, আয় অধিকার পণ্য এবং দীর্ঘমেয়াদী ভাড়া সম্পদ হিসাবে তৈরি করা যেতে পারে। অতীতের ক্লাউড কম্পিউটিং যুগে, ডেটা সেন্টারগুলি ছিল ক্লাউড প্রোভাইডারদের ব্যাকএন্ড সম্পদ; AI যুগে, ডেটা সেন্টারগুলিকে “ক্যালকুলেশন ইন্ডাস্ট্রিয়াল রিয়েল এস্টেট” হিসাবে পুনর্মূল্যায়ন করা হবে।

পাঁচ, প্রশিক্ষণের পরে, অনুমান খরচের যুদ্ধ

এখন অনেকে মনে করেন যে নভিডিয়া খুব শক্তিশালী, তাই এআই চিপের সুযোগগুলি নভিডিয়া দ্বারা শেষ হয়ে গেছে। এই বিচারটি অর্ধেক সঠিক।

বড় মডেল প্রশিক্ষণের পর্যায়ে, নভেডিয়ার সুবিধা খুব শক্তিশালী। এটি শুধু GPU শক্তিশালী নয়, বরং CUDA, ডেভেলপার ইকোসিস্টেম, নেটওয়ার্ক সিস্টেম, সম্পূর্ণ সিস্টেম সমাধান এবং সফটওয়্যার টুলচেইন সবই শক্তিশালী। কিন্তু AI যখন বড় পরিসরের উপস্থাপনার পর্যায়ে প্রবেশ করে, তখন যুক্তি পরিবর্তিত হয়। প্রশিক্ষণের পর্যায়ে, সবচেয়ে গুরুত্বপূর্ণ হলো মডেলটি তৈরি করা; উপস্থাপনার পর্যায়ে, সবচেয়ে গুরুত্বপূর্ণ হলো মডেলটিকে প্রতিদিন লক্ষাধিক ব্যবহারকারীকে সেবা দেওয়া। প্রশিক্ষণ বেশি মতানুযায়ী মূলধন ব্যয়ের মতো, উপস্থাপনা বেশি চলতি ব্যয়ের মতো।

যখন এআই কাস্টমার সার্ভিস, অফিস, প্রোগ্রামিং, ফাইন্যান্স, শিক্ষা, চিকিৎসা এবং উৎপাদনে প্রবেশ করে, তখন প্রতিদিন অসংখ্য কল তৈরি হয়। এই সময়ে, সবাই বুঝতে পারে যে টোকেন অর্থনীতির যুক্তি ট্রাফিক অর্থনীতির যুক্তির থেকে ভিন্ন। ট্রাফিক অর্থনীতিতে প্রান্তিক খরচ হ্রাস পায়, তাই আয়ের বিষয়টি বিবেচনা করার আগে বড় পরিসরে ব্যবহারকারীদের আকর্ষণ করা যায়, কারণ প্রতিটি নতুন ব্যবহারকারীর নেটওয়ার্ক খরচ ক্রমশঃ কমে যায়। কিন্তু টোকেন অর্থনীতির যুক্তি ভিন্ন—এটি বড় মডেল কোম্পানি এবং ক্লাউড প্রভাইডারদের জন্য সম্পূর্ণভাবে ভিন্ন অর্থনৈতিক খরচের অনুভূতি তৈরি করে, কারণ এটির প্রান্তিক খরচ অপরিবর্তিত থাকে বা বৃদ্ধি পায়। প্রশিক্ষণটি একবারের বিনিয়োগ, যা দীর্ঘমেয়াদি আয়ের জন্য, কিন্তু উপভোগ (ইনফারেন্স) নয়। প্রতিটি AI-ব্যবহারকারীকে সেবা দেওয়ার জন্যই লোকসানের মধ্যেদিয়েছে, 1000-কোটি, 10-কোটি, 100-কোটি, 1000-কোটি, 10-কোটি, 100-কোটি, 1000-কোটি, 10-কোটি, 100-কোটি, 1000-কোটি, 10-কোটি, 100-কোটি, 1000-কোটি, 10-কোটি, 100-কোটি, 1000-কোটি, 10-কোটি, 100-কোটি, 1000-কোটি, 10-কোটি, 100-কোটি, 1000-কোটি, 10-কোটি, 100-কোটি, 1000-কোটি, 10-কোটি, 100-কোটি, 1000-কোটি, 10-কোটি, 100-কোটি, 1000-কোটি, 10-কোটি, 100-কোটি, 1000-কোটি, 10-কোটি, 100-কোটি, 1000-কোটি, 10-কোটি, 100-কোটি, 1000-কোটি, 10-কোটি, 100-কোটি, 1000-কোটি, 10-কোটি, 100-কোটি, 1000-কোটি, 10-কোটি, 100-কোটি, 1000-কোটি, 10-কোটি, 100-কোটি, 1000-কোটি, 10-কোটি, 100-কোটি, 1000-কোটি, 10-কোটি, 100-কোটি, 1000-কোটি, 10-কোটি, 100-কোটি, 1000-কোটি, 10-কোটি, 100-কোটি, 1000-কোটি, 10-কোটি, 100-কোটি, 1000-কোটি, 10-কোটি, 100-কোটি, 1000-কোটি, 10-কোটি, 100-

এই সময়, নতুন সুযোগ দেখা দিল, এবং সবাই খরচ কমানোর উপায় নিয়ে চিন্তা করছে। কেন সব কাজের জন্যই সবচেয়ে ব্যয়বহুল জেনারিক GPU ব্যবহার করা হচ্ছে? কি করে স্পেশালাইজড চিপ ব্যবহার করা যায়? কি করে কম বিদ্যুৎ খরচ, বেশি থ্রুপুট এবং নির্দিষ্ট পরিস্থিতির জন্য উপযুক্ত ASIC ব্যবহার করা যায়?

এটিই Broadcom, AMD, Google TPU এর মতো কেসগুলির দিকে মনোযোগ দেওয়ার কারণ।

রয়টার্স প্রতিবেদন করেছে যে, ব্রডকম প্রত্যাশা করছে যে ২০২৭ সালের মধ্যে কাস্টম AI চিপের আয়ের সুযোগ ১০০ বিলিয়ন ডলারের বেশি হতে পারে, যার পিছনে বড় প্রযুক্তি কোম্পানিগুলির কাস্টম AI চিপের চাহিদা দ্রুত বৃদ্ধি পাচ্ছে।[7] AMD-এর ২০২৪ সালের বার্ষিক প্রতিবেদনে উল্লেখ করা হয়েছে যে, তাদের ডেটা সেন্টার AI ব্যবসার বার্ষিক আয় ৫০ বিলিয়ন ডলারের বেশি হয়েছে, এবং Meta, Microsoft, Oracle-এর মতো গ্রাহকরা AMD Instinct MI300 অ্যাক্সেলারেটরগুলি বড় পরিসরে চালু করছেন।[8] Google Cloud TPU v5e-কে খরচ-দক্ষতার জন্য গুরুত্বপূর্ণভাবে উল্লেখ করেছে, যা একই খরচে বেশি কোয়েরি প্রদান করতে পারে।[9]

তাই, ভবিষ্যতে এআই চিপ শুধু একটি আকারের হবে না। নভিডিয়া চলতে থাকবে, কিন্তু ক্লাউড প্রোভাইডারদের নিজস্ব চিপ, কাস্টম এএসআইসি, ইনফারেন্স স্পিড চিপ, এবং এজ এআই চিপগুলি নিজেদের জায়গা পাবে। এটি নভিডিয়াকে সহজেই প্রতিস্থাপন করা নয়, বরং ইনফারেন্স যুগের অংশশেষ লাভের পুলকে বিভক্ত করা। এআই ট্রেনিং যুগ থেকে ইনফারেন্স যুগে প্রবেশ করছে, এবং খরচ অপ্টিমাইজেশনই নতুন মূল্যনির্ধারণের ক্ষমতা হয়ে উঠবে।

ছয়, লাইট মডিউলের পরে আসে সম্পূর্ণ AI নেটওয়ার্ক

অনেকে মনে করেন যে অপটিক্যাল মডুল এখন পর্যন্ত সম্পূর্ণ বৃদ্ধি পেয়ে গেছে, তাই AI মার্কেটও শেষ হয়ে গেছে। আমি এই মতের সাথে একমত নই। অপটিক্যাল মডুল শুধুমাত্র AI নেটওয়ার্কের প্রথম স্তরের স্পষ্ট উপাদান। এর পরে আছে সুইচিং চিপ, সুইচ, DPU, SmartNIC, CPO, সিলিকন ফটনিক্স, ক্লাস্টার স্কিডিউলিং এবং নেটওয়ার্ক অপারেটিং সিস্টেম।

AI ডেটা সেন্টারের মূল বিষয় হল অসংখ্য GPU-কে একটি সুপারকম্পিউটারের মতো সংযুক্ত করা। এখানে সবচেয়ে ব্যয়বহুল সম্পদ হল GPU, এবং সবচেয়ে অগ্রহণযোগ্য বিষয় হল GPU-এর নিষ্ক্রিয় থাকা। যদি নেটওয়ার্ক ল্যাটেন্সি বেশি হয়, GPU ডেটা অপেক্ষা করে; যদি সুইচিং দক্ষতা কম হয়, GPU ডেটা অপেক্ষা করে; যদি যোগাযোগ আর্কিটেকচার খারাপ হয়, GPU এখনও ডেটা অপেক্ষা করে।

সুতরাং এআই নেটওয়ার্কের মূল্য শুধু ডেটা ট্রান্সমিট করা নয়, বরং সমগ্র GPU ক্লাস্টারের ব্যবহারের হার বাড়ানো। সাধারণ ইন্টারনেট ডেটা সেন্টারে, নেটওয়ার্ক ধীর হলে ব্যবহারকারীরা শুধু ধীরে লোড হয়; কিন্তু এআই ডেটা সেন্টারে নেটওয়ার্ক ধীর হলে, কয়েকশত মিলিয়ন বা দশগুণ মিলিয়ন ডলারের ডিভাইসের ব্যবহারের হার কমে যেতে পারে।

NVIDIA-এর Quantum-X800 InfiniBand প্ল্যাটফর্ম প্রতিটি প্রান্তে 800 Gb/s নেটওয়ার্ক প্রদানের উপর জোর দেয়, যার উদ্দেশ্য হল ট্রিলিয়ন প্যারামিটার স্তরের AI মডেলগুলির সেবা প্রদান; Spectrum-X Ethernet তখন AI নেটওয়ার্ক পারফরম্যান্স উন্নত করা এবং বড় স্কেলে GPU ক্লাস্টারের সম্প্রসারণকে সমর্থন করার উপর জোর দেয়।[10] TrendForce এছাড়াও উল্লেখ করেছে, AI সার্ভার ক্লাস্টারের মধ্যে 800G এবং তার বেশি অপটিক্যাল ট্রানসিভার মডিউলের চাহিদা দ্রুত বৃদ্ধি পাচ্ছে, AI অপটিক্যাল ট্রানসিভার মডিউলের বাজারের আকার আরও বৃদ্ধি পাওয়ার সম্ভাবনা রয়েছে।[11]

অতএব, ভবিষ্যতে AI নেটওয়ার্ক আরও উন্নত হবে: 400G থেকে 800G, তারপর 1.6T; প্রাচীন অপটিক্যাল মডিউল থেকে CPO; ইলেকট্রনিক সুইচিং থেকে অপটিক্যাল-ইলেকট্রনিক ফিউশন; সাধারণ নেটওয়ার্ক থেকে AI fabric; একক ডিভাইস থেকে সম্পূর্ণ ক্লাস্টার স্কেডিউলিং। ক্যাপিটাল মার্কেট এখন শুধুমাত্র অপটিক্যাল মডিউল ব্যবসাকেই দেখবে না, বরং দেখবে কে AI ক্লাস্টারের সংযোগ দক্ষতা বাড়াতে পারে, কে GPU-এর অপেক্ষা সময় কমাতে পারে, এবং কে 10,000 এবং 100,000 GPU-এর ক্লাস্টারকে আরও স্থিতিশীল করতে পারে।

সাত, টোকেনটি সস্তা হওয়ার পরে, প্রবেশদ্বারের মালিক পরিবর্তিত হবে

এআই যুগের প্রকৃত ব্যাপক প্রয়োগ নির্ভর করে টোকেন খরচ ক্রমাগত কমে যাওয়ার উপর। টোকেন যত বেশি মহঙ্গা, এআই তত কম সহজে ব্যাপকভাবে গ্রহণযোগ্য হয়; টোকেন যত সস্তা, এআই তত সহজেই প্রতিষ্ঠানের প্রক্রিয়া এবং দৈনন্দিন জীবনে প্রবেশ করে।

স্ট্যানফোর্ডের 2025 সালের AI সূচক রিপোর্ট অনুযায়ী, GPT-3.5 স্তরের মডেলের জন্য প্রতি মিলিয়ন টোকেনের জিজ্ঞাসা খরচ 2022 সালের নভেম্বরে প্রায় 20 ডলার থেকে 2024 সালের অক্টোবরে প্রায় 0.07 ডলারে নেমে আসে, যা প্রায় 18 মাসে 280 গুণেরও বেশি হ্রাস পায়; বিভিন্ন কাজের ক্ষেত্রে, LLM ইনফারেন্স মূল্যের হ্রাসের গতি 12% থেকে 900% পর্যন্ত ভিন্ন। [12]

এই ডেটা বোঝায় যে AI শিল্পের প্রকৃত দীর্ঘমেয়াদী ডিফ্লেশনারি শক্তি শুরু হয়েছে। যে কেউ একই কাজের জন্য কম টোকেন, কম জিপিইউ মেমোরি, কম বিদ্যুৎ এবং কম ইনফারেন্স সময় ব্যয় করতে পারবে, তারই মূল্য থাকবে।

এই ধরনের কোম্পানিগুলিকে আমি টোকেন কম্প্রেশন স্কুল বলি।

এগুলি মডেল কোম্পানি হতে পারে, বা ইনফারেন্স প্ল্যাটফর্ম, চিপ কোম্পানি, ক্লাউড প্রোভাইডার বা এন্টারপ্রাইজ AI ইনফ্রাস্ট্রাকচার কোম্পানি। এর নাম কী তা গুরুত্বপূর্ণ নয়, বরং এটি একই টাস্ককে কম খরচে, সংক্ষিপ্ততর ইনফারেন্স চেইনে, কম অপ্রয়োজনীয় কলের মাধ্যমে এবং স্থিতিশীলতর ফলাফলের সাথে সম্পন্ন করতে পারে কিনা তা গুরুত্বপূর্ণ।

এখানে কিছু গুরুত্বপূর্ণ প্রযুক্তি রয়েছে: MoE, কোয়ান্টাইজেশন, ডিস্টিলেশন, ক্যাশিং, স্পেকুলেটিভ ডিকোডিং এবং মডেল রাউটিং। বিশেষ করে মডেল রাউটিং, সব কাজের জন্যই সবচেয়ে ব্যয়বহুল মডেল কল করা দরকার হয় না। পরিপক্ক AI সিস্টেমগুলি অবশ্যই কাজের জটিলতা, ব্যয় বাজেট, গতির প্রয়োজনীয়তা, গোপনীয়তা এবং সঠিকতার প্রয়োজনীয়তা অনুযায়ী সবচেয়ে উপযুক্ত মডেল এবং পথটি স্বয়ংক্রিয়ভাবে বাছাই করবে। অবশ্যই, মডেল রাউটিংও বড় কোম্পানিগুলির প্রভাবের শিকার হতে পারে, এর প্রতিরক্ষা খুবই দুর্বল।

খরচ কমে গেলে, প্রবেশ প্রশ্নটি আরও গুরুত্বপূর্ণ হয়ে উঠবে। অনেকে মনে করেন যে AI যুগের প্রবেশদ্বার হবে একটি মডেল স্কিডিউলিং প্ল্যাটফর্ম, AI যুগের মিন্টুয়ে। এই উপমা যুক্তিসঙ্গত, কিন্তু এটি যথেষ্ট গভীর নয়। প্রকৃত AI প্রবেশদ্বারটি অবশ্যই এমন একটি প্ল্যাটফর্ম হতে হবে যেখানে আপনি মডেল বাছাই করেন, বরং এটি হতে পারে একটি কাজের প্রবাহের সাথে এমবেডড সিস্টেম।

সাধারণ ব্যবহারকারীরা প্রতিদিন সক্রিয়ভাবে একটি মডেল স্কেডিউলিং প্ল্যাটফর্ম খুলবেন না। ব্যবসায়িক ব্যবহারকারীরাও মডেল কল করার জন্য মডেল কল করবেন না। ব্যবহারকারীদের প্রয়োজন হলো কাজ সম্পন্ন করা, ব্যবসাগুলির প্রয়োজন হলো প্রক্রিয়ার দক্ষতা বৃদ্ধি করা, এবং কর্মচারীদের প্রয়োজন হলো কাজের ফলাফল। AI চূড়ান্তভাবে Office, Feishu, DingTalk, WeCom, ERP, CRM, কোড এডিটর, ব্রাউজার, ইমেইল, সার্চ, ফিন্যান্সিয়াল সিস্টেম, কাস্টমার সাপোর্ট সিস্টেম, এবং ট্রেডিং সিস্টেমের সাথে এমবেডড হবে। যে কেউ ওয়ার্কফ্লোকে নিয়ন্ত্রণ করে, সেই কেউ AI কলিং অধিকার নিয়ন্ত্রণ করে।

মাইক্রোসফ্টের ২০২৫ সালের বার্ষিক প্রতিবেদনে উল্লেখ করা হয়েছে যে, কোপিলট পণ্য পরিবারের ব্যবসায়িক এবং ভোক্তা প্রান্তের মাসিক সক্রিয় ব্যবহারকারীর সংখ্যা ১ কোটির বেশি হয়েছে, এবং মাইক্রোসফ্ট ৩৬৫ কোপিলটকে অফিস প্রক্রিয়াগুলিতে আরও গভীরভাবে একীভূত করা হয়েছে।[13] এটি নির্দেশ করে যে, AI এন্ট্রি পয়েন্ট অবশ্যই একটি আলাদা অ্যাপ হওয়ার দরকার নেই, এটি পুরনো কাজের প্রবাহের মধ্যেই একটি বুদ্ধিমত্তাপূর্ণ স্তর হতে পারে।

প্রোগ্রামারের প্রবেশদ্বার হতে পারে কোড এডিটর এবং কোড হোস্টিং প্ল্যাটফর্ম; অফিসের প্রবেশদ্বার হতে পারে Microsoft 365, Google Workspace, Feishu, DingTalk; কোম্পানির ব্যবসায়িক প্রবেশদ্বার হতে পারে ERP, CRM, ফিন্যান্সিয়াল সিস্টেম; ব্যক্তিগত প্রবেশদ্বার হতে পারে মোবাইল অপারেটিং সিস্টেম, ব্রাউজার, সার্চ বার, স্মার্ট গ্লাস। AI যুগের প্রকৃত প্রবেশদ্বার মডেলের তালিকা নয়, বরং ওয়ার্কফ্লো প্রবেশদ্বার।

৮. কর্পোরেট এআই-এর সত্যিকারের কঠিন বিষয় হল প্রক্রিয়ায় প্রবেশ করা

AI কে কাজের প্রবাহের ইনপুট হতে হলে, একটি পূর্বশর্ত রয়েছে: এটি অবশ্যই কর্পোরেট বাস্তব প্রক্রিয়ায় প্রবেশ করতে হবে। কর্পোরেট AI-এর সবচেয়ে বড় চ্যালেঞ্জ হল একটি চ্যাটবট যুক্ত করা নয়, বরং মডেলটি কি নিরাপদে কর্পোরেট ডেটা পড়তে পারবে, কি ব্যবসায়িক প্রক্রিয়াগুলি বুঝতে পারবে, কি সিস্টেমগুলি কল করতে পারবে, কি লগ রাখতে পারবে, কি অডিটের জন্য উপযুক্ত হবে, এবং কি মানুষের অনুমোদন প্রক্রিয়ার সাথে একীভূত হতে পারবে।

আজকাল অনেক কোম্পানি AI ব্যবহার করে, কিন্তু এখনও শুধু কর্মচারীদের নিজেদের প্রশ্ন করা, লেখা এবং সারাংশ তৈরি করার পর্যায়ে। এটি ব্যক্তিগত দক্ষতা বাড়াতে পারে, কিন্তু সংগঠনগত কাঠামোকে প্রকৃতপক্ষে পরিবর্তন করতে পারে না। প্রকৃত কোম্পানি AI হলো Agent-এর প্রক্রিয়ায় প্রবেশ।

কাস্টমার সার্ভিস এজেন্ট শুধু প্রশ্নের উত্তর দেয় না, বরং অর্ডার চেক করে, লজিস্টিক্স দেখে, রিফান্ডের শর্ত নির্ধারণ করে এবং পরের সেবা সিস্টেম কল করে; ফাইন্যান্স এজেন্ট শুধু রিপোর্ট লেখেন না, বরং প্রমাণপত্র পড়েন, বই মিলিয়ে দেখেন, অসামঞ্জস্যতা শনাক্ত করেন এবং অনুমোদনের মতামত তৈরি করেন; ইনভেস্টমেন্ট রিসার্চ এজেন্ট শুধু সংবাদ সারসংক্ষেপ করেন না, বরং ডেটা আকর্ষণ করেন, মডেল তৈরি করেন, কোম্পানির তুলনা করেন এবং ঝুঁকি ট্র্যাক করেন; আইনি এজেন্ট শুধু চুক্তি লেখেন না, বরং শর্তাবলী অনুসন্ধান করেন, ঝুঁকি শনাক্ত করেন, মামলা সংযুক্ত করেন এবং পরিবর্তনের ট্রেস রাখেন।

এর পিছনে একটি সম্পূর্ণ অবকাঠামো প্রয়োজন: ডেটাবেস, ভেক্টর রিট্রিভাল, অ্যাক্সেস ম্যানেজমেন্ট, ডেটা গভর্ন্যান্স, সিস্টেম ইন্টিগ্রেশন, ওয়ার্কফ্লো ইঞ্জিন, অডিট লগ, সিকিউরিটি ও কমপ্লায়েন্স, এন্টারপ্রাইজ জ্ঞান বেস, এজেন্ট অর্কেস্ট্রেশন প্ল্যাটফর্ম। এই জিনিসগুলি বড় মডেলের মতো আকর্ষণীয় নয়, কিন্তু এগুলি AI-কে প্রকৃতপক্ষে ব্যবসায়িকভাবে বাস্তবায়নের ভিত্তি। ব্যবসাগুলি AI-এর প্রথম বিনিয়োগটি হওয়া উচিত—সিকিউরিটি, ডেটা, অ্যাক্সেস, প্রক্রিয়া, ইন্টিগ্রেশন, কমপ্লায়েন্স কিনতে—একটি লবস্টার কিনে কিছু টোকেন চালিয়ে কিছু ঝলমলে কাজ করার জন্য নয়।

এখানে আরও একটি বড় পরিবর্তন লুকিয়ে আছে: এআই অ্যাপ্লিকেশনের প্রকৃত বড় আয় সফটওয়্যার বাজেট থেকে নয়, বরং মানব বাজেট থেকে আসতে পারে। SaaS টুল বিক্রি করে, AI এজেন্ট ফলাফল বিক্রি করে। টুলগুলির জন্য মানুষকে অপারেট করতে হয়, কিন্তু এজেন্টগুলি সরাসরি কাজটি সম্পন্ন করে।

একটি এআই কাস্টমার সাপোর্ট সিস্টেম, যদি এটি শুধুমাত্র সফটওয়্যার বিক্রি করে, তবে এর সীমানা হবে কাস্টমার সাপোর্ট সফটওয়্যার বাজার; কিন্তু যদি এটি বড় পরিমাণে মানব কাস্টমার সাপোর্টকে প্রতিস্থাপন করে, তবে এর সীমানা হবে কাস্টমার সাপোর্ট আউটসোর্সিং এবং কর্পোরেট কাস্টমার সাপোর্ট মানব খরচ। একটি এআই আইনি সিস্টেম, যদি এটি শুধুমাত্র ডকুমেন্ট টুলস বিক্রি করে, তবে এর সীমানা সীমিত; কিন্তু যদি এটি প্রাথমিক আইনজীবী, চুক্তি পরীক্ষা এবং ডিল ডুয়া ডিলিজেন্সকে প্রতিস্থাপন করতে পারে, তবে এর সীমানা হবে আইনি সেবা খরচের পুল।

হারভে একটি দেখার মতো আইনি এআই কেস। TIME 2025 এর প্রতিবেদন অনুযায়ী, হারভের মূল্যায়ন প্রায় 50 বিলিয়ন ডলার, এর 300-এরও বেশি গ্রাহক রয়েছে, যারা 53টি দেশকে কভার করে এবং মার্কিন যুক্তরাষ্ট্রের আয়ের শীর্ষ 10টি আইনি প্রতিষ্ঠানের মধ্যে 7টিতে প্রবেশ করেছে।[14] এটি দেখায় যে, উচ্চ-মূল্যের জ্ঞানভিত্তিক কাজের পরিসরে এআই প্রয়োগ কেবলমাত্র সহজ টুল প্রতিস্থাপন নয়, বরং পেশাদার সেবার শ্রম খরচের পুলে প্রবেশ করছে।

ভবিষ্যতের সত্যিকারের উৎকৃষ্ট এআই অ্যাপ্লিকেশন কোম্পানিগুলি শুধুমাত্র নিজেদের সফটওয়্যার কোম্পানি বলবে না, বরং বলবে যে তারা ক্লায়েন্টদের জন্য কতটা কাজ সম্পন্ন করে, কতটা মানবসম্পদ বাঁচায়, কতটা ভুল কমায়, কতটা রূপান্তর বাড়ায় এবং কতটা ডেলিভারি চক্র সংক্ষিপ্ত করে। বিনিয়োগকারীদের অতীতে ARR দেখা হত, ভবিষ্যতে তারা দেখবে এটি কতটা বড় শ্রমখরচের পুলকে খেয়ে ফেলছে।

নবম, স্থানীয় এআই এবং ক্যালকুলেশন ক্ষমতা ফাইন্যান্সিয়ালাইজেশনকে উপেক্ষা করবেন না

আরও দুটি লাইন আছে, এখন এগুলো সবচেয়ে জনপ্রিয় নয়, কিন্তু মধ্যম-দীর্ঘমেয়াদীভাবে এগুলোকে উপেক্ষা করা যাবে না। একটি হলো স্থানীয় AI। আজকের বেশিরভাগ টোকেন এখনও ক্লাউড ডেটা সেন্টারে উৎপাদিত হচ্ছে, আপনি একবার মডেলকে জিজ্ঞাসা করলে, মূলত দূরের ডেটা সেন্টারটি আপনার জন্য গণনা করছে। কিন্তু ভবিষ্যতে সমস্ত AI ইনফারেন্সকে ক্লাউডে রাখা সম্ভব হবে না।

কারণটি খুব সহজ: ক্লাউড-ভিত্তিক ইনফারেন্স খুব ব্যয়বহুল, অনেক সিনেরিওতে লো-ল্যাটেন্সি প্রয়োজন, অনেক ডেটা ক্লাউডে আপলোড করা যায় না, এবং এন্ড-পয়েন্ট ডিভাইসগুলি আরও বেশি বুদ্ধিমান হয়ে উঠবে। তাই ভবিষ্যতে কিছু টোকেন ক্লাউড থেকে স্থানীয়ভাবে, বা অন্যভাবে বললে এন্ড-পয়েন্ট সাইডে সরিয়ে আনা হবে। মোবাইলে AI চলবে, PC-তে AI চলবে, গাড়িতে AI চলবে, রোবটে AI চলবে, স্মার্ট গ্লাসেসে AI চলবে, এবং স্থানীয় ওয়ার্কস্টেশনেও AI চলবে।

যখন এন্ড-সাইড এআই চালু হবে, তখন একটি নতুন হার্ডওয়্যার চক্র শুরু হবে। এন্ড-সাইড এআই চিপ, এনপিইউ, লো-পাওয়ার স্টোরেজ, পাওয়ার ম্যানেজমেন্ট, হিট ডিসিপেশন, সেন্সর, ক্যামেরা মডিউল, মাইক্রোফোন অ্যারে, এআই পিসি, এআই মোবাইল, এআই চশমা, রোবট, এবং কার-বোর্ন ইন্টেলিজেন্ট কম্পিউটিং প্ল্যাটফর্ম—এগুলি সবই নতুন সাপ্লাই চেইন রিভ্যালুয়েশনের মধ্যে প্রবেশ করবে।

কিন্তু এই লাইনটি বিষয়বস্তুগতভাবে দেখা উচিত। এন্ড-সাইড এআইয়ের দিকটি সঠিক, কিন্তু এখনও প্রকৃত কিলার অ্যাপ্লিকেশনের অভাব রয়েছে। এআই পিসি এবং এআই মোবাইল এখনও বেশিরভাগই হার্ডওয়্যার প্রস্তুতকারকদের দ্বারা প্রেরিত, ব্যবহারকারীদের দিক থেকে এখনও অপরিহার্য চাহিদা গড়ে উঠেনি। তাই, এন্ড-সাইড এআই সবচেয়ে আগে বিস্ফোরিত হওয়ার মূল লাইন হবে না, কিন্তু এটি মধ্যম-দীর্ঘমেয়াদী গুরুত্বপূর্ণ মূল লাইন হবে।

অন্য একটি লাইন হল ক্যালকুলেশন ক্ষমতার ফাইন্যান্সিয়ালাইজেশন। এআই ইনফ্রাস্ট্রাকচার খুব ভারী। GPU মহঙ্গা, ডেটা সেন্টার মহঙ্গা, বিদ্যুৎ চুক্তি মহঙ্গা, নির্মাণ সময় দীর্ঘ, এবং ফান্ডিংয়ের চাপ বেশি। শুধুমাত্র প্রযুক্তি কোম্পানিগুলির নিজস্ব ব্যালেন্স শিটের উপর নির্ভর করে এটি সহ্য করা সবচেয়ে উত্তম সমাধান নাও হতে পারে।

ভবিষ্যতে কিছু নতুন ধরনের আর্থিক সম্পদ দেখা দিতে পারে: GPU ভাড়া চুক্তি, ক্যালকুলেশন আয়ের অধিকার, ডেটা সেন্টার REITs, AI অবকাঠামো ফান্ড, বিদ্যুৎ দীর্ঘমেয়াদি ক্রয় চুক্তি, GPU প্রতিজ্ঞাপন ফান্ডিং, ইনফারেন্স আয়ের উপর ভিত্তি করে গঠিত ফান্ডিং, এবং RWA-কৃত ক্যালকুলেশন সম্পদ।

আমার অবস্থিত ফুশেং ওয়েলথের ডিজিটাল সম্পদ ব্যবসাটি হংকংয়ের সবচেয়ে পেশাদারিত্বপূর্ণ RWA প্রক্রিয়াকরণ দলগুলির মধ্যে একটি, আমার প্রথম হাতের ব্যবসায়িক বিশ্লেষণের ভিত্তিতে, ক্যালকুলেশন সম্পদ RWA-এর অত্যন্ত উচ্চ আর্থিক সম্পদ মূল্য এবং ভবিষ্যতের বিশ্বব্যাপী নিয়ন্ত্রিত বাণিজ্যের সম্ভাবনা রয়েছে। FinChain স্টারচেইন এবং স্টারলু বিটকয়েন ক্যালকুলেশন থেকে AI ক্যালকুলেশন পর্যন্ত, বড় পারম্পরিক ক্যালকুলেশন প্রস্তুতকারকদের টোকেনাইজড নিয়ন্ত্রিত আর্থিক নতুন পথের দিকে সহায়তা করছে।

বিদেশে কিছু সফল ক্যালকুলেশন ফাইন্যান্সিয়ালাইজেশনের উদাহরণ রয়েছে, যার মধ্যে CoreWeave সবচেয়ে প্রতিনিধিত্বমূলক। 2026 সালের মার্চে, CoreWeave 85 বিলিয়ন ডলারের delayed draw term loan facility সম্পন্ন করার ঘোষণা করে এটিকে প্রথম ইনভেস্টমেন্ট-গ্রেড GPU-backed financing হিসাবে উল্লেখ করে।[15] এটি নির্দেশ করে যে GPU, ক্যাবিনেট এবং ক্যালকুলেশন চুক্তি এখন বাজারে এমন একটি প্রতিজামী ও ফাইন্যান্সিংয়ের জন্য উপযোগী অবকাঠামোগত সম্পদ হিসাবে পুনর্মূল্যায়ন করা হচ্ছে।

এটি রেলওয়ে, টেলিকম এবং ক্লাউড কম্পিউটিং-এর সাথে খুব মিলে যায়। রেলওয়ে যুগে, রেলওয়ে কোম্পানিগুলি বন্ড দিয়ে রেলওয়ে নির্মাণের জন্য অর্থ সংগ্রহ করত; টেলিকম যুগে, অপারেটররা দীর্ঘমেয়াদী মূলধন দিয়ে নেটওয়ার্ক বিস্তার করত; ক্লাউড কম্পিউটিং যুগে, ক্লাউড প্রোভাইডাররা ডেটা সেন্টার নির্মাণের জন্য বিপুল মূলধন ব্যয় করে। AI যুগে, GPU, ক্যাবিনেট, বিদ্যুৎ চুক্তি এবং ভবিষ্যতের ইনফারেন্স আয়ও ফাইন্যানশিয়াল মার্কেটে পুনরায় প্যাকেজ, মূল্যায়ন এবং প্রবাহিত হবে।

দশমতম: সর্বোচ্চ সুযোগ: এআই-নেটিভ কোম্পানিগুলি লাভ-ক্ষতি বিবরণী পুনর্লিখন করবে

পূর্বে যা বলা হয়েছে তা হল শিল্প শৃঙ্খল। কিন্তু এআইয়ের সবচেয়ে বড় দীর্ঘমেয়াদী প্রভাব শুধুমাত্র শিল্প শৃঙ্খল নয়, বরং সংগঠনের গঠনকে পুনর্লিখন করা হবে।

আগে কোম্পানি মানুষ দিয়ে বিভাগ গঠন করত। বিক্রয় বিভাগ, গ্রাহক সেবা বিভাগ, আর্থিক বিভাগ, আইনি বিভাগ, বিনিয়োগ গবেষণা বিভাগ, অপারেশন বিভাগ—প্রতিটি বিভাগের পদ, প্রক্রিয়া, অনুমোদন এবং কর্মক্ষমতা ছিল। AI এজেন্ট প্রবেশের পরে, সংগঠনটি পরিবর্তিত হবে: একজন ব্যক্তি একাধিক এজেন্ট পরিচালনা করতে পারবেন, একটি বিভাগকে AI এজেন্টের কাজের প্রবাহ দ্বারা সংকুচিত করা যাবে, মধ্যপশ্চাতের পদগুলি স্বয়ংক্রিয়ভাবে সম্পন্ন হবে, পরিচালনার পরিসর বৃদ্ধি পাবে, এবং কোম্পানি মানব-ঘনত্বযুক্ত সংগঠন থেকে মানুষ-মেশিন সহযোগিতামূলক সংগঠনে পরিণত হবে।

এর অর্থ হল ভবিষ্যতে বাজার একটি ধরনের কোম্পানির মূল্যায়ন পুনরায় করবে: AI-নেটিভ কোম্পানি। এটি শুধুমাত্র কয়েকটি AI টুল কিনে বা কর্মচারীদের ChatGPT ব্যবহার করে কনটেন্ট লেখার কথা নয়, বরং সংগঠনের গঠনকেই AI-এর ভিত্তিতে পুনর্নির্মাণ করা। কম মানুষ, বেশি আয়, বেশি মানুষ-প্রতি-উৎপাদন, কম প্রান্তিক খরচ, দ্রুততর ডেলিভারি।

সুতরাং এআইয়ের বৃহত্তম বাজার প্রভাব শুধুমাত্র “এআই সংশ্লিষ্ট শিল্পে কে বাড়বে” নয়, বরং “সমস্ত শিল্পের মধ্যে কে নিজের লাভ-ক্ষতি বিবরণীকে এআই দিয়ে পুনর্লিখন করতে পারবে”। ভবিষ্যতের বাজার দুটি ধরনের কোম্পানিকে পুরস্কৃত করবে: একটি হল এআই অবকাঠামো এবং এআই ক্ষমতা বিক্রি করা কোম্পানি; অন্যটি হল নিজের খরচ এবং আয়ের কাঠামোকে এআই দিয়ে পুনর্গঠন করা কোম্পানি। পিছনেরটি প্রতীয়মানভাবে অবশ্যই এআই কোম্পানি নয়, কিন্তু এদের সংগঠনগত দক্ষতা, মুনাফারহের হার এবং প্রতি ব্যক্তির উৎপাদনশীলতা মৌলিকভাবে পরিবর্তিত হবে।

শেষ: এআই দুর্লভতাকে পুনর্ব্যাখ্যা করছে

এখানে পর্যন্ত যদি শুধু GPU, অপটিক্যাল মডিউল, বিদ্যুৎ, তরল শীতলীকরণ, ASIC, ডেটা সেন্টার এবং এন্ড-সাইড ডিভাইসগুলি দেখেন, তবে আপনি এখনও AI-কে একটি প্রযুক্তি শিল্প শৃঙ্খল হিসাবে দেখছেন। আরও গভীর পরিবর্তনটি হল, AI কী বিরল তা পুনর্ব্যাখ্যা করবে।

পূর্বে GPU এর অভাব ছিল, তাই NVIDIA বেড়েছিল; পরে HBM এবং অপটিক্যাল মডিউলের অভাব ছিল, তাই স্টোরেজ এবং অপটিক্যাল মডিউল বেড়েছিল; পরবর্তীতে বিদ্যুৎ, তরল শীতলকরণ, AI নেটওয়ার্ক, ইনফারেন্স চিপ, ডেটা পাইপলাইন, ওয়ার্কফ্লো এন্ট্রি, কর্পোরেট ডেটা এবং সংগঠনগত কার্যক্ষমতা অভাব হবে।

যদি এই এআই মার্কেট সাইকেলটিকে বিভক্ত করে দেখা যায়, তাহলে প্রথম পর্যায়ে আপনি ক্যালকুলেশন ক্ষমতা নির্মাণে বিনিয়োগ করছেন, দ্বিতীয় পর্যায়ে আপনি দেখছেন যে ক্যালকুলেশন ক্ষমতা স্থিতিশীল এবং সস্তায় চলবে কিনা, এবং তৃতীয় পর্যায়ে আপনি দেখছেন যে ক্যালকুলেশন ক্ষমতা কি ব্যবসায়িক প্রক্রিয়ায় প্রবেশ করে বাস্তব আয় এবং লাভে পরিণত হতে পারে।

光モジュールが10倍に上昇したのは、物語の終わりではなく、資本市場が初めてAIインフラの物理的ボトルネックを明確に認識した瞬間である。次に大きな再評価が起こるのは、まだ十分に価格に反映されていない次のボトルネックの上でだろう。

বিদ্যুত, তরল শীতলকরণ, এআই ডেটা সেন্টার, কাস্টম এএসআইসি, এআই নেটওয়ার্ক, টোকেন সংকুচন, মডেল রাউটিং, এন্টারপ্রাইজ ডেটা পাইপলাইন, ওয়ার্কফ্লো এন্ট্রি, এন্ড-সাইড এআই, কম্পিউটেশনাল পাওয়ার ফাইন্যান্সিয়ালাইজেশন, এআই-নেটিভ কোম্পানি—এই দিকগুলি একসাথে এআই শিল্পের পরবর্তী সম্পদের মানচিত্র গঠন করবে।

অবশ্যই, এর অর্থ এই নয় যে প্রতিটি কোম্পানির দাম বাড়বে বা প্রতিটি ধারণা কেনার মতো। প্রতিটি শিল্প বিপ্লবে, সম্পদ সমানভাবে বণ্টিত হয় না। বাজারে দীর্ঘমেয়াদীভাবে পুরস্কৃত হওয়ার জন্য, কোম্পানিগুলিকে অবশ্যই বাধা অতিক্রম করতে হবে, ক্লায়েন্ট, অর্ডার, প্রযুক্তিগত বাধা, খরচের সুবিধা এবং ইকোসিস্টেমের অবস্থান থাকতে হবে।

একটি সারাংশ: এআই-এর প্রথম সুযোগ হল কে ক্যালকুলেশন ক্ষমতা তৈরি করতে পারে; এআই-এর পরবর্তী সুযোগ হল কে ক্যালকুলেশন ক্ষমতা সমর্থন, অপ্টিমাইজ এবং স্কিডিউল করতে পারে এবং চূড়ান্তভাবে ক্যালকুলেশন ক্ষমতাকে বাস্তব ব্যবসায়িক ফলাফলে পরিণত করতে পারে।

টিপ্পনি এবং উৎস

এই তথ্যগুলি প্রবন্ধে উল্লিখিত ঐতিহাসিক তথ্য, প্রকাশিত ডেটা এবং শিল্প কেসগুলিকে সমর্থন করে। আর্থিক মিডিয়া সম্পাদকদের পুনরায় যাচাইয়ের সুবিধার জন্য, অগ্রাধিকার দেওয়া হয় সরকারি সংস্থা, কোম্পানির ঘোষণা, বিশ্বস্ত মিডিয়া বা প্রাথমিক উৎসের সাথে।

[1] সুয়েজি টেকনোলজির মধ্যদিনের শেয়ার মূল্য গুয়েজহুয়াই মাওতাইকে ছাড়িয়ে এএস বাজারের নতুন সর্বোচ্চ মূল্যের শেয়ার হিসাবে উঠে আসা: সাইনা ফাইন্যান্স, 2026-04-17, "মাওতাইকে ছাড়িয়ে, এএস বাজারের নতুন শেয়ার রাজা জন্ম নিল।" https://finance.sina.com.cn/wm/2026-04-17/doc-inhuupte2305062.shtml

[2] 1866 সালের আটলান্টিক তারের চার্জ সম্পর্কে: PBS আমেরিকান এক্সপেরিয়েন্স, “How the Early Cable Was Used” অনুসারে, 1866 সালে আটলান্টিক তারের প্রাথমিক চার্জ ছিল প্রতি শব্দ 10 ডলার, সর্বনিম্ন 10 শব্দ, যা একজন দক্ষ শ্রমিকের দশ সপ্তাহের বেতনের সমান। https://www.pbs.org/wgbh/americanexperience/features/cable-how-early-cable-was-used/

[3] রয়টার্স প্রতিবেদনের ক্ষেত্রে: রয়টার্স, “রয়টার্সে গতির দীর্ঘ ইতিহাস”, যেখানে রয়টার্সের প্রাথমিক দিনগুলিতে আর্থিক তথ্য বহনের জন্য কাঁচা পাখির ব্যবহার উল্লেখ করা হয়েছে। https://www.reuters.com/article/business/the-long-history-of-speed-at-reuters-idUSKBN2761WD/

[4] 1915 সালে মার্কিন যুক্তরাষ্ট্রের অন্তঃসংযোগী টেলিফোন চার্জ সম্পর্কে: JSTOR Daily, “AT&T: প্রথম সামাজিক নেটওয়ার্কের জন্ম”, যেখানে 1915 সালে 3 মিনিটের সমুদ্র থেকে সমুদ্র পর্যন্ত টেলিফোন কলের জন্য 20.70 ডলার চার্জ করা হয়েছিল। https://daily.jstor.org/birth-first-social-network/

[5] এনভিডিয়া জিবি২০০ এনভিএল৭২ সম্পর্কে: এনভিডিয়ার অফিসিয়াল পৃষ্ঠায় বর্ণনা করা হয়েছে যে জিবি২০০ এনভিএল৭২ ৩৬টি গ্রেস সিপিইউ এবং ৭২টি ব্ল্যাকওয়েল জিপিইউকে র্যাক-স্কেল, তরল-শীতল ডিজাইনের মাধ্যমে সংযুক্ত করে। https://www.nvidia.com/en-us/data-center/gb200-nvl72/

[6] বিশ্বব্যাপী ডেটা সেন্টারের বিদ্যুৎ চাহিদা সম্পর্কে: ইন্টারন্যাশনাল এনার্জি এজেন্সি, “AI থেকে শক্তি চাহিদা”, অনুমান করা হচ্ছে যে 2030 সালের মধ্যে বিশ্বব্যাপী ডেটা সেন্টারের বিদ্যুৎ চাহিদা প্রায় 945 TWh হবে, যা বিশ্বব্যাপী মোট বিদ্যুৎ চাহিদার 3% এর কম। https://www.iea.org/reports/energy-and-ai/energy-demand-from-ai

[7] ব্রডকমের কাস্টম AI চিপ সম্পর্কে: Reuters, 2026-03-04, “Broadcom forecasts second-quarter revenue above estimates”, ব্রডকমের পূর্বানুমান যে 2027 সালের মধ্যে AI চিপের আয় 100 বিলিয়ন ডলারের বেশি হবে। https://www.reuters.com/technology/broadcom-forecasts-second-quarter-revenue-above-estimates-2026-03-04/

[8] এমডি ডেটা সেন্টার এআই ব্যবসার বিষয়ে: এমডি 2024 বার্ষিক প্রতিবেদন, যা ডেটা সেন্টার এআই ব্যবসার বার্ষিক আয় 50 বিলিয়ন ডলারের বেশি হওয়ার কথা উল্লেখ করে এবং Meta, Microsoft, Oracle-এর মতো প্রতিষ্ঠানগুলির AMD Instinct MI300 অ্যাক্সেলারেটর ব্যবহারের কথা উল্লেখ করে। https://ir.amd.com/financial-information/sec-filings/content/0001193125-25-067185/0001193125-25-067185.pdf

[9] গুগল TPU v5e-এর খরচ দক্ষতা সম্পর্কে: গুগল ক্লাউড ব্লগ, “AI ইনফারেন্সের জন্য GPU এবং TPU-এর প্রতি ডলারে পারফরম্যান্স”, TPU v5e-এর ক্ষেত্রে একই খরচে কোয়েরির পরিমাণ বৃদ্ধি পায়। https://cloud.google.com/blog/products/compute/performance-per-dollar-of-gpus-and-tpus-for-ai-inference

[10] NVIDIA AI নেটওয়ার্ক প্ল্যাটফর্ম সম্পর্কে: NVIDIA Quantum-X800-এর অফিসিয়াল পেজটি এটিকে এন্ড-টু-এন্ড 800 Gb/s InfiniBand নেটওয়ার্ক হিসাবে বর্ণনা করে। https://www.nvidia.com/en-us/networking/products/infiniband/quantum-x800/

[11] এআই অপটিক্যাল ট্রান্সসিভার বাজার সম্পর্কে: ট্রেন্ডফোর্স, 2026-04-20, “গ্লোবাল এআই অপটিক্যাল ট্রান্সসিভার বাজার মার্কিন ডলার 26 বিলিয়নে পৌঁছাবে”, যা 800G এবং তার বেশি অপটিক্যাল ট্রান্সসিভারের চাহিদা দ্রুত বৃদ্ধি পাচ্ছে। https://www.trendforce.com/presscenter/news/20260420-13017.html

[12] এআই রিজনিং খরচ হ্রাস সম্পর্কে: স্ট্যানফোর্ড এইচএআই, “AI Index 2025: State of AI in 10 Charts” অনুযায়ী, GPT-3.5 স্তরের মডেলের জন্য কোয়েরি খরচ প্রায় 18 মাসে 280 গুণের বেশি কমেছে। https://hai.stanford.edu/news/ai-index-2025-state-of-ai-in-10-charts

[13] মাইক্রোসফট কোপিলট ব্যবহারকারীর সংখ্যা সম্পর্কে: মাইক্রোসফট বার্ষিক প্রতিবেদন 2025, যা ব্যবসায়িক এবং ভোক্তা উভয় ক্ষেত্রে মোট মাসিক সক্রিয় ব্যবহারকারী 1 কোটিরও বেশি হওয়ার কথা প্রকাশ করে। https://www.microsoft.com/investor/reports/ar25/index.html

[14] হ্যারভে আই এই কেস সম্পর্কে: TIME 2025 গ্লোবাল মস্তিষ্ক কোম্পানি তালিকায় হ্যারভের মূল্যায়ন প্রায় 50 বিলিয়ন ডলার, 300টিরও বেশি গ্রাহক এবং 53টি দেশে কভারেজ। https://time.com/collections/time100-companies-2025/7289586/harvey/

[15] CoreWeave GPU-ভিত্তিক ফাইন্যান্সিং সম্পর্কে: CoreWeave-এর বিনিয়োগকারী সম্পর্ক ঘোষণা, 2026 সালের মার্চে 85 বিলিয়ন ডলারের delayed draw term loan facility সম্পন্ন হয়েছে এবং এটিকে প্রথম ইনভেস্টমেন্ট-গ্রেড GPU-ভিত্তিক ফাইন্যান্সিং হিসাবে উল্লেখ করা হয়েছে। https://investors.coreweave.com/news/news-details/2026/CoreWeave-Closes-Landmark-8-5-Billion-Financing-Facility-Achieving-First-Investment-Grade-Rated-GPU-backed-Financing/default.aspx

বিবরণ: এই প্রবন্ধটি শিল্প দৃষ্টিভঙ্গি সম্পর্কিত একটি দীর্ঘ লেখা, টীকাগুলি তথ্যের উৎস ব্যাখ্যা করে, যা কোনও বিনিয়োগের পরামর্শ হিসাবে বিবেচিত হবে না।