এআই ইনফ্রাস্ট্রাকচার সম্পর্কে একটি দুষ্টু রহস্য: পৃথিবীর সবচেয়ে মহঙ্গা হার্ডওয়্যারগুলির অনেক সময় সম্পূর্ণরূপে নিষ্ক্রিয় থাকে। আধুনিক এআই প্রশিক্ষণ এবং উপসংহারের জন্য কাজে লাগা জিপিইউগুলি প্রায়শই স্টোরেজ সিস্টেম থেকে ডেটা আসার জন্য অপেক্ষা করে নিষ্ক্রিয় থাকে। DDN এবং Nvidia এখন এই সমস্যা সমাধানের জন্য একসাথে কাজ করছে, যাতে জিপিইউগুলি সরাসরি ডেটা অ্যাক্সেস শুরু করতে পারে, মধ্যস্থতাকারীকে বাদ দিয়ে।
এই অংশীদারিত্ব কেন্দ্রীয় হয়ে উঠেছে DDN-এর Infinia ডেটা ইন্টেলিজেন্স প্ল্যাটফর্মে, যা Nvidia-এর Storage-Next প্রকল্পের সাথে একীভূত হয়ে GPU-শুরু করা ডেটা অপারেশনগুলি সক্ষম করে। ইংরেজিতে: CPU-গুলি ডেটা ফেচ এবং ডেলিভার করার জন্য অপেক্ষা করার পরিবর্তে, GPU-গুলি এখন নিজেদের প্রয়োজনীয় ডেটা সরাসরি ধরে নিতে পারে।
প্রযুক্তিটি বাস্তবে কী করে
ফলাফল হল কম ল্যাটেন্সি, ন্যূনতম CPU ওভারহেড এবং উল্লেখযোগ্যভাবে ভালো GPU ব্যবহার। যেসব সংস্থা বড় স্কেলের AI ফ্যাক্টরি চালায়, যেখানে হাজার হাজার GPU একসাথে কাজ করে, সেখানে ব্যবহারের ক্ষুদ্রতম উন্নতিও অর্থনৈতিক সাশ্রয়ের দিকে নিয়ে যায়।
ডিডিএনের সিটিও স্বেন ওহমে এই সহযোগিতাকে আর্থিক পরিপ্রেক্ষিতে ব্যাখ্যা করেন এবং “স্কেলে এআইয়ের অর্থনীতি”-এ উন্নতির দিকে ইঙ্গিত করেন। নভিডিয়ার স্টোরেজ টেকনোলজির ভিপি জেসন হার্ডি কম্পিউটিং এবং ডেটা ইনফ্রাস্ট্রাকচারের মধ্যে অবিচ্ছিন্ন একীভূতকরণকে একটি প্রধান সুবিধা হিসাবে জোর দেন।
এই প্রযুক্তিটি নভিডিয়ার ব্যাপক 2026 প্ল্যাটফর্ম কৌশলের সাথে মানানসই, যার মধ্যে নভিডিয়া রুবিন প্ল্যাটফর্ম এবং ব্লুফিল্ড-4 DPUs অন্তর্ভুক্ত।
দশকের একটি সহযোগিতা
DDN এবং Nvidia 2016 সাল থেকে একসাথে কাজ করছে, যখন DDN Nvidia-এর GPUDirect Storage টেকনোলজির সাথে তার প্ল্যাটফর্মকে সার্টিফাইড করা প্রথম স্টোরেজ ভেন্ডর হয়েছিল।
GPUDirect Storage এর মাধ্যমে ডেটা সরাসরি স্টোরেজ এবং GPU মেমোরির মধ্যে চলাচল করতে পারে, সিস্টেম মেমোরির মধ্যে দিয়ে যাওয়ার প্রয়োজন ছাড়াই। ইনফিনিয়ার সাথে এই নতুন সহযোগিতায় GPU-এর ক্ষমতা বাড়ানো হয়েছে যাতে তারা ডেটা ট্রান্সফারগুলি সক্রিয়ভাবে শুরু করতে পারে, শুধুমাত্র প্রতিক্রিয়াশীলভাবে গ্রহণ করার পরিবর্তে।
DDN ফ্ল্যাশ মেমোরি সামিটে এই ক্ষমতাগুলি প্রদর্শন করার পরিকল্পনা করছে, যেখানে কোম্পানিটি পারফরম্যান্স বেঞ্চমার্ক এবং অপারেশনাল উপলব্ধতা সম্পর্কিত বিস্তারিত শেয়ার করার আশা করা হচ্ছে।
এটি কেন এআই ইনফ্রাস্ট্রাকচার মার্কেটের জন্য গুরুত্বপূর্ণ
যখন মডেলগুলি বড় হয় এবং ট্রেনিং ডেটাসেটগুলি বৃদ্ধি পায়, তখন গণনা ক্ষমতা এবং ডেটা প্রেরণের মধ্যে ব্যবধান বাড়তে থাকে। বড় AI ট্রেনিং রানগুলিতে বিতরিত স্টোরেজ সিস্টেমের মধ্যে পেটাবাইটের ডেটা বিস্তৃত হতে পারে। হাজার হাজার GPU এবং মিলিয়ন মিলিয়ন ট্রেনিং ইটারেশনের মধ্যে ডেটা অ্যাক্সেসের প্রতিটি মাইক্রোসেকেন্ডের ল্যাটেন্সি বৃদ্ধি পায়।
শুধু স্টোরেজকে দ্রুত করার পরিবর্তে, DDN এবং Nvidia সম্পূর্ণভাবে ডেটা কিভাবে সিস্টেমের মধ্যে প্রবাহিত হয় তা পুনর্বিবেচনা করছে। GPU গুলিকে ডেটা অপারেশনের উপর সরাসরি ক্ষমতা দেওয়া AI ইনফ্রাস্ট্রাকচারের কার্যক্রমে একটি মৌলিক পরিবর্তনকে নির্দেশ করে।