ফিজিক্যাল এআই মেমোরি, পাওয়ার এবং আর্কিটেকচারের চ্যালেঞ্জের সাথে হার্ডওয়্যারকে সীমান্তে ঠেলে দিচ্ছে

icon币界网
শেয়ার
AI summary iconসারাংশ
ভৌত এআই সিস্টেমগুলি শিল্পগুলিকে পুনরায় গঠন করছে, কিন্তু তরলতা এবং ক্রিপ্টো বাজারগুলি মেমোরি, পাওয়ার এবং আর্কিটেকচারের চ্যালেঞ্জগুলির কারণে হার্ডওয়্যার ডিজাইনকে চাপে ফেলছে। বিটজি নোট করেছেন যে চিপ তৈরি করা প্রতিষ্ঠানগুলিকে এজ এআই পরিচালনা করার জন্য সিস্টেমগুলি পুনর্ডিজাইন করতে হবে, যা কম্পিউট, I/O এবং নিরাপত্তাকে ভারসাম্যযুক্তভাবে রাখে। স্ট্র্যাটেজি&-এর পূর্বানুমান, 2030 সালের মধ্যে ভৌত এআই বাজার 43 বিলিয়ন ইউরোতে পৌঁছাতে পারে। CFT নিয়মাবলি চাপ বাড়াচ্ছে, কারণ অনিশ্চিত পরিবেশে বিশ্বস্ততা এবং নিরাপত্তার জন্য কাস্টম হার্ডওয়্যার এবং সফটওয়্যার সমাধানগুলি অপরিহার্য।
ক্রিপ্টো নিউজ ওয়েবসাইট রিপোর্ট করছে:

স্বয়ংক্রিয় মেশিনগুলি বিভিন্ন শিল্পকে পরিবর্তনের প্রতিশ্রুতি দিচ্ছে, তবে মেমোরি বাধা, শক্তি সীমাবদ্ধতা, বিশেষায়িত আর্কিটেকচার এবং নিরাপত্তা প্রয়োজনীয়তা চিপ ডিজাইনারদের সম্পূর্ণ সিস্টেমকে পুনরায় চিন্তা করতে বাধ্য করছে।

মূল বিষয়গুলি:

  • কেবল বেশি ক্ষমতা দিয়ে ফিজিক্যাল এআইয়ের বাধা সমাধান করা যায় না। প্রসেসিং ক্ষমতাকে মেমোরি ব্যান্ডউইথ, দক্ষ ইন্টারফেস, পর্যাপ্ত বিদ্যুৎ সরবরাহ এবং তাপ বিচ্ছুরণের ক্ষমতার সাথে মেলানো প্রয়োজন।
  • পদার্থবিদ্যাভিত্তিক এআইকে এর চূড়ান্ত কার্যক্ষমতা এবং পরিবেশের জন্য কাস্টমাইজড সিস্টেম আর্কিটেকচার প্রয়োজন।
  • বাস্তবায়ন কঠোর যাচাইয়ের উপর নির্ভর করে: প্রান্তিক পরিস্থিতি কভার করতে হবে, সিস্টেমের আচরণ বুঝতে হবে এবং নিরাপত্তা যাচাই করতে হবে।

ফিজিক্যাল এআই ব্যাপক প্রয়োগের দিকে এগিয়ে যাচ্ছে, কিন্তু সেন্সর-চালিত এই সিস্টেমগুলি তৈরি করতে, ইঞ্জিনিয়ারিং দলগুলিকে একসাথে এবং নিরন্তরভাবে বিভিন্ন প্রযুক্তিগত চ্যালেঞ্জগুলি সমাধান করতে হবে।

বিশ্লেষকদের অনুমান, ফিজিক্যাল এআই বাজারটি উল্লেখযোগ্যভাবে বৃদ্ধি পাবে। স্বায়ত্তশাসিত সিস্টেমগুলি পরিবহন, উৎপাদন, স্বাস্থ্যসেবা, শক্তি ইত্যাদি অনেক শিল্পকে মৌলিকভাবে পুনর্গঠনের প্রতিশ্রুতি দিচ্ছে। PwC-এর Strategy& অনুমান করেছে যে, 2030 সালের মধ্যে বিশ্বব্যাপী ফিজিক্যাল এআই বাজারের আকার 4300 বিলিয়ন ইউরো পর্যন্ত পৌঁছতে পারে, যা বিভিন্ন শিল্পে স্বায়ত্তশাসিত সিস্টেমগুলির বাণিজ্যিক সম্ভাবনাকে প্রতিফলিত করে।

সিনোপসিসের অটোমোটিভ এবং ফিজিক্যাল এআই ইন্টারফেস আইপি সিনিয়র ডিরেক্টর লিসিনিও সুসা বলেন: "ফিজিক্যাল এআই সিস্টেমগুলি এখন অটোমোটিভ থেকে রোবোটিক্স এবং ড্রোনে বিস্তৃত হচ্ছে, এবং এই অ্যাপ্লিকেশনগুলির ডেভেলপমেন্টের বাধা সমগ্র সিস্টেমে বিস্তৃত। এআই ডেটা সেন্টার থেকে এজেন্টে যাচ্ছে; রোবোট, ড্রোন এবং গাড়ির মতো মেশিনগুলির জন্য, প্রেরণার উৎস হল স্বয়ংসম্পূর্ণতা, গোপনীয়তা, ব্যক্তিগতকরণ, দ্রুততর প্রতিক্রিয়া এবং ক্লাউডের উপর নির্ভরশীলতা কমানো।"

সমাধানের জন্য প্রযুক্তিগত চ্যালেঞ্জের তালিকা দীর্ঘ এবং পরস্পরের সাথে জড়িয়ে আছে। মেমোরি ক্ষমতা এবং ব্যান্ডউইথ বাড়ানো প্রয়োজন, ল্যাটেন্সি এবং শক্তি খরচ কমানো প্রয়োজন, পণ্যের জীবনকাল বাড়ানো প্রয়োজন, এবং নিরাপত্তা যাচাই করা প্রয়োজন। আরও কঠিন বিষয় হলো, এগুলির মধ্যে যেকোনো একটি সমস্যা সমাধান করলে অন্যত্র নতুন সমস্যা দেখা দিতে পারে।

বিশেষ আর্কিটেকচার

এই সিস্টেম-লেভেলের বন্ধনগুলি সমাধান করতে উচ্চ-বিশেষায়িত, নির্দিষ্ট ব্যবহারের জন্য অপ্টিমাইজড হার্ডওয়্যার এবং সফটওয়্যার প্রয়োজন।

আর্টেরিসের এক্সিকিউটিভ ভাইস প্রেসিডেন্ট, চিফ প্রোডাক্ট অ্যান্ড মার্কেটিং অফিসার এবং সেফটি সলিউশনস জেনারেল ম্যানেজার মিখাল সিভিনস্কি বলেন: “আমাদের শুরু করতে হবে বিশেষ কাজের জন্য তৈরি, আরও অপ্টিমাইজড এবং কাস্টমাইজড কম্পিউটিং-এর কথা বলতে, যা পদার্থবিদ্যা-ভিত্তিক AI-এর আকর্ষণীয় দিক। সেই কাজগুলি হার্ডওয়্যারের জন্য অত্যন্ত অপ্টিমাইজড হতে হবে। আমরা প্রায় এএসআইসি-এর ঐতিহ্যগত অর্থে ফিরে যাচ্ছি—এএসআইসি মূলত অত্যন্ত অ্যাপ্লিকেশন-বিশেষ, অত্যধিক অপ্টিমাইজড, এবং সাধারণ নয়। এখনই এই ধরনের প্রবণতা শুরু হয়েছে। পরবর্তীতে খুবই আকর্ষণীয় হবে দেখা, সফটওয়্যার, হার্ডওয়্যার এবং কাজের মধ্যে, খুবই নির্দিষ্ট অ্যাপ্লিকেশনের জন্য আরও নমনীয় সিস্টেমগুলি কীভাবে বিকশিত হবে, এবং এটি চলতেই থাকবে, কারণ মডেলগুলি অনেকদূর দ্রুততরভাবে পরিবর্তিত হচ্ছে।”

জেডেক অটোমোটিভ ফোরামে মাইক্রন টেকনোলজির অটোমোটিভ বিজনেসের সিস্টেম আর্কিটেক্ট ভাসন্থান করুণানিথি বলেন: “রোবট একটি নতুন এআই স্ট্যাক নয়। এডিএএস সিস্টেম থেকে রোবট রিয়েল-টাইম পরিপ্রেক্ষিত, পথ পরিকল্পনা এবং গতি নিয়ন্ত্রণ উত্তরাধিকারসূত্রে পেয়েছে। স্মার্ট ক্যাবিনেট থেকে রোবট প্রাকৃতিক ভাষা বুঝতে পারা, প্রেক্ষাপট যুক্তি এবং মানব-কম্পিউটার ইন্টারঅ্যাকশন উত্তরাধিকারসূত্রে পেয়েছে। এমবডিড ইন্টেলিজেন্সে, বড় চ্যালেঞ্জটি হলো এই দুটি ধরনেরওয়ার্কলোডকে একসাথে চালানো, এবং শেষে তথ্য বিনিময় করা। তাই এই দুটি সাবসেগমেন্টের মধ্যেই সাদৃশ্য। কিন্তু পার্থক্যও আছে, যা চ্যানেলের স্কেলকে প্রতিফলিত করে। অটোনোমাসভাবে চলা গাড়িগুলি আপেক্ষিকভাবে সংগঠিত রাস্তারপরিবেশে চলে, এবং বড় বিদ্যুৎ-সরবরাহ—গাড়ির ব্যাটারি—থেকেই শক্তি পায়। কিন্তু রোবটগুলির ক্ষেত্রে, এগুলি অসংগঠিত 3D পরিবেশে চলে। [রোবট]গুলির অনেকগুলি ফ্রি-ডিগ্রি বজায় রাখতে হয়,বস্তুগুলির সঙ্গেহস্তক্ষেপকরতেহয়এবংসমতা-বজায়রাখতেহয়,এবংনির্দেশগুলিতেঅনুজ্ঞা-বুঝতেহয়।গাড়িরতুলনায়,এটিকেঅধিকসীমিতবিদ্যুৎসহজনসমস্তকিছুকরতেহয়।”

এই পার্থক্যগুলি বিভিন্ন অ্যাপ্লিকেশনে প্রচুর পরিমাণে ভিন্ন। অটোনোমাস গাড়িগুলি বিদ্যমান যানবাহন অবকাঠামোর মধ্যে চলাচল করে, কিন্তু অপ্রত্যাশিত রাস্তার অবস্থার সাথে মোকাবিলা করতে হয়। এর বিপরীতে, মোবাইল রোবট এবং মানব-আকৃতির রোবটগুলি সম্ভবত আরও অস্থির পরিবেশে নেভিগেট করতে, চলাচল এবং ভারসাম্য সমন্বয় করতে এবং আরও সীমিত শক্তি বাজেটের মধ্যে কাজ করতে পারে। একইসময়ে, শিল্প রোবটগুলি নিয়ন্ত্রিত পরিবেশে চলাচল করতে পারে এবং স্থির বিদ্যুৎ সরবরাহের সাথে সংযুক্ত হতে পারে। এই পার্থক্যগুলি সমস্ত ধরনের ভৌত AI-এর জন্য একটি একক আর্কিটেকচারকে অপ্টিমাইজ করা কঠিন করে তোলে।

ডিজাইনারদের এই প্রয়োজনীয়তাগুলির উপর ভিত্তি করে সিস্টেম আর্কিটেকচার তৈরি করতে হবে।

সৌসা বলেন: “কাজের লোড এবং মডেল যখন অবিরাম বিকাশ পাচ্ছে, তখন প্রতিটি ধরনের মেশিনের বিশেষ প্রয়োজনের জন্য ডিজাইন করা স্পেশালাইজড সিলিকন দেখা যাচ্ছে। আমাদের গ্রাহকরা এগিয়ে যাওয়া VLA (ভিজুয়াল-ল্যাঙ্গুয়েজ-অ্যাকশন) মডেলের চাহিদা মেটাতে চলেছে। হার্ডওয়্যার স্তরে, এর মানে হলো আরও ঘন গণনা এবং AI ইঞ্জিন। একইসাথে, ব্যবহারের পরিসর এতটাই ব্যাপক যে একক মনোলিথিক আর্কিটেকচারকে প্রয়োগ করা আরও কঠিন হয়ে পড়ছে, তাই UCIe ইন্টারফেসের ভিত্তিতে গণনা, AI, মেমোরি এবং I/O-কে ব্যবহারের উপর ভিত্তি করে সম্প্রসারিত করার জন্য chiplet পদ্ধতির দিকে যাওয়া হচ্ছে।”

চিপলেট বিশেষ করে হেটারোজেনিয়াস কম্পিউটিং, মেমোরি এবং I/O প্রয়োজনীয়তা উন্নত প্যাকেজিংকে যৌক্তিক করে তোলে এমন পরিস্থিতিতে স্কেলেবল ফিজিক্যাল AI প্ল্যাটফর্মের জন্য একটি সম্ভাব্য পথ প্রদান করে। তবে, কাস্টম প্যাকেজিং, তাপ ব্যবস্থাপনা এবং ডাই-টু-ডাই যোগাযোগের কারণে এগুলি খরচ এবং জটিলতা বাড়াতে পারে। ছোট, অত্যধিক ইন্টিগ্রেটেড, এবং শক্তি, আকার এবং খরচের সীমাবদ্ধতার অধীনে থাকা সিস্টেমের জন্য, মনোলিথিক SoC আরও উপযুক্ত হতে পারে।

এই সীমাবদ্ধতাগুলি হার্ডওয়্যার এবং সফটওয়্যার উভয়ের জন্যই প্রযোজ্য। সিমেন্স EDA-এর EDA AI এবং Solido পণ্যের পণ্য নেতা সাথিশ বালাসুব্রমণিয়ান বলেন: “সেন্সরগুলি ব্যবহারের ক্ষেত্রের দিকে বেশি ফোকাস করবে, আপনাকে নিশ্চিত করতে হবে যে আপনার ভালো এবং কাস্টমাইজড ব্যবহারের ক্ষেত্র রয়েছে, এবং আপনার এর উপরে সফটওয়্যার লেয়ারও থাকতে হবে। আমি সবসময় হাসির সাথে বলি, বাস্তব জগতের সবকিছুই অনুকরণযোগ্য, এবং আমরা এটিকে ডিজিটালভাবে বিমূর্তকরণের চেষ্টা করছি, তাই একটি গুরুত্বপূর্ণ বিষয় হলো অতিরিক্ততা। সেন্সরগুলি ইতিমধ্যেই পর্যাপ্তভাবে ভালো। আমরা দৃশ্য, তাপ, চাপ, এবং অন্যান্য যা-কিছুই শনাক্ত করতে পারি। আমরা রডার এবং অন্যান্য ক্ষেত্রেও খুবই ভালোভাবে কাজ করছি। আরও গুরুত্বপূর্ণটি হলো, নিশ্চিত করা যেন সেন্সরগুলি পরিবেশের মধ্যে চলমানভাবেই কাজ করে,এবং পরিবেশকে এমনভাবেই ধরে রাখে,যা প্রকৃতপক্ষে কখনও অপকর্ষণপ্রাপ্ত হয়না,অথবা,অতিরিক্ততা-সহ।”

তবে, অতিরিক্ততার প্রভাব কম্পোনেন্টগুলি স্বাধীনভাবে ব্যর্থ হতে পারে কিনা এবং সিস্টেমটি কি ব্যর্থতা শনাক্ত করতে এবং প্রতিক্রিয়া জানাতে পারে তার উপর নির্ভর করে। শুধুমাত্র সেন্সরের সংখ্যা বাড়ানোই নির্ভরযোগ্য চলাচলের গ্যারান্টি দেয় না, বিশেষ করে যখন পরিবেশগত অবস্থা একাধিক সেন্সরকে একসাথে প্রভাবিত করতে পারে।

কাজের লোড বা ব্যবহারের ক্ষেত্র অনুযায়ী কম্পিউটিং আর্কিটেকচারকে কাস্টমাইজ করা অবশ্যই একটি সমন্বয়কে নিয়ে আসে। Analog Devices-এর এন্টারপ্রাইজ ভাইস প্রেসিডেন্ট এবং অটোমোটিভ বিজনেস লিড Yasmine King বলেন: “স্মার্টনেসকে যত দ্রুত পরিলক্ষিত হওয়ার স্থানের কাছাকাছি রাখা যায়, তা একটি প্রশ্ন—এখানে একটি টানাটানি রয়েছে। যদি স্মার্টনেসকে সম্পূর্ণ সিস্টেমের মধ্যে বিতরণ করা হয়, তবে আপডেটগুলি আরও জটিল হয়ে পড়বে। কেন্দ্রীভবন একটি বিন্দু থেকে OTA আপডেটের সুবিধা দেয়, যা প্যাচ এবং সংশোধনের জন্য সহজ, কিন্তু যখন আপনাকে এই ডেটার উপর দ্রুত প্রতিক্রিয়া দিতে হয়, তখন এটি ল্যাটেন্সির সমস্যা তৈরি করতে পারে। গাড়িতে, যদি হঠাৎই একজন পথচারী গাড়ির সামনে চলে আসে, তবে আপনাকে অত্যন্তদ্রুত প্রতিক্রিয়া দিতে হবে। তাই, স্মার্টনেসকে কোথায় রাখা হবে, তা নির্ভর করে আপনি কীধরনের সেনসরিং তথ্য সংগ্রহ করতে চান,এবংআপনাকেকতদ্রুতপ্রতিক্রিয়াদিতহবে।”

যাসমিন কিং ২০২৬ সালের ২৭ অক্টোবর রয়টার্স অটোমোটিভ ২০২৬-এ কথা বলেন।

স্মার্ট পজিশনিং হল একটি আর্কিটেকচারাল সিদ্ধান্ত, যা শুধুমাত্র কম্পিউটেশনাল পারফরম্যান্সের বাইরেও বিষয়। এটি রেসপন্স টাইম, কমিউনিকেশন ব্যান্ডউইথ, শক্তি খরচ, আপডেটযোগ্যতা এবং ডিস্ট্রিবিউটেড কম্পোনেন্টগুলির সমন্বয়ের মধ্যে ভারসাম্য বজায় রাখতে প্রয়োজন। সেন্ট্রালাইজড কম্পিউটিং ম্যানেজমেন্টকে সহজ করতে পারে, যখন লোকাল প্রসেসিং কমিউনিকেশন ল্যাটেন্সি কমাতে পারে এবং কানেকশন বিচ্ছিন্ন হলেও কীভাবে কীভাবে কীভাবে কীভাবে কীভাবে কীভাবে কীভাবে কীভাবে কীভাবে কীভাবে কীভাবে কীভাবে কীভাবে কীভাবে কীভাবে কীভাবে কীভাবে কীভাবে কীভাবে কীভাবে কীভাবে কীভাবে কীভাবে কীভাবে কীভাবে কীভাবে কীভা�

ফিজিক্যাল এআইয়ের "মেমোরি ওয়াল"

মেমোরি ক্ষমতা, ব্যান্ডউইথ, ল্যাটেন্সি এবং শক্তি খরচ হল ভৌত AI-এর প্রধান বাধা; কিছু মেমোরি প্রযুক্তি সরবরাহের সীমাবদ্ধতার সম্মুখীন হতে পারে। প্রকৃত চ্যালেঞ্জটি শুধুমাত্র যথেষ্ট মেমোরি ডিভাইস যোগ করা নয়, বরং ক্রমাগত কঠিন AI কাজের জন্য কঠোর শক্তি এবং তাপের সীমাবদ্ধতার মধ্যে ডেটা সরবরাহ করার জন্য মেমোরি সাবসিস্টেম ডিজাইন করা।

সৌসা বলেন: “অর্বিলিয়ন সংখ্যক সম্পর্কিত মডেল প্যারামিটারকে স্টোরেজ, মেমোরি এবং প্রসেসিং ইউনিটের মধ্যে স্টোর এবং ট্রান্সমিট করতে হয়। আজকাল, এটিকে ‘মেমোরি ওয়াল’ বলা হয়। মেমোরি ব্যবহার বৃদ্ধি পেতে থাকার সাথে সাথে, DRAM-এর জন্য LPDDR6-এর মতো অতি-উচ্চ গতির ইন্টারফেস প্রয়োজন হয়, যাতে এটি প্রসেসিংয়ের বাধা না হয়।”

পারফরম্যান্স অ্যাক্সেস প্যাটার্ন, ল্যাটেন্সি, ডেটা রিইউজ, ক্যাশে ক্ষমতা, মেমোরি কন্ট্রোলারের দক্ষতা এবং ডেটা স্থানান্তরের জন্য প্রয়োজনীয় শক্তির উপরও নির্ভর করে। যদি ওয়ার্কলোডটি মেমোরি হাইয়ারার্কির অন্যান্য অংশগুলির দ্বারা সীমাবদ্ধ হয়, তবে শুধুমাত্র মূল ব্যান্ডউইথ বাড়ানোর ফলে লাভ সীমিত হতে পারে।

ওয়ার্কলোডের জন্য সিস্টেম ডিজাইন কিছু মেমরি লোড হ্রাস করতে সাহায্য করতে পারে। বালাসুব্রমণিয়ান বলেন: “উপযুক্ত আকারের মেমরি, উপযুক্ত আকারের কম্পিউটিং এবং রিডানডেন্সি, এবং তাপ এবং শক্তি বাজেটের মধ্যে ফিট করতে হবে এমন সবকিছুই অত্যন্ত গুরুত্বপূর্ণ। সবচেয়ে গুরুত্বপূর্ণ বিষয় হলো, আকারই গুরুত্বপূর্ণ। আপনি প্রাইডসে 100 গ্যালনের অয়েল ট্যাঙ্ক বসাবেন না। আপনার প্রয়োজন 10 গ্যালনের অয়েল ট্যাঙ্ক। আমি এই উপমা ব্যবহার করছি মেমরির জন্য। আপনি একটি উপায়ে এটি ম্যানেজ করতে পারেন, যাতে বিশাল DRAM-এর প্রয়োজন না হয়, কিন্তু আপনার কাছে একটি পর্যাপ্তভাবে ভালো ক্যাশে এবং বিল্ট-ইন SRAM থাকতে পারে। এটি always critical requirements-কে DRAM-এর মধ্যে রাখতে পারে, কিন্তু প্রয়োজনে, আপনি অন্যান্য জিনিসগুলিকে flash বা SRAM-এর দিকে সরিয়ে দিতে পারেন। মেমরি পথের ক্ষেত্রে, DRAM-এর থেকে SRAM-এ, তারপর বাস্তবিক কম্পিউটিং-এ, এবং finally physical AI-এর realizations-এ, cache coherency-টি অত্যন্তগুরুত্বপূর্ণ।”

এই মেমোরি প্রযুক্তিগুলির মধ্যে বড় বিনিময় রয়েছে। অন-চিপ SRAM এবং ক্যাশে প্রায়শই ব্যবহৃত ডেটার জন্য দ্রুত অ্যাক্সেস প্রদান করে, কিন্তু এর ক্ষমতা সিলিকন ক্ষেত্রফল এবং খরচের সীমাবদ্ধতার কারণে সীমিত। বাইরের DRAM বড় ক্ষমতা প্রদান করে, এবং ফ্ল্যাশ মেমোরি মডেল, সফটওয়্যার এবং অন্যান্য সক্রিয় মেমোরিতে রাখার প্রয়োজন নেই এমন তথ্যের জন্য নন-ভোলাটাইল সঞ্চয় প্রদান করে।

এই স্তরগুলির মধ্যে তথ্য স্থানান্তর করলে কিছু ক্ষমতা প্রয়োজনীয়তা কমে যায়, কিন্তু ট্রান্সমিশন ওভারহেড এবং ল্যাটেন্সি বাড়ে। একইসাথে, ক্যাশে সামঞ্জস্যতা শুধুমাত্র তথ্যকে বিভিন্ন স্টোরেজ প্রযুক্তির মধ্যে স্থানান্তর করার বদলে ক্যাশে এবং মেমরির ডেটা কপিগুলিকে সমন্বিত রাখার বিষয়ে মনোযোগ দেয়, কিন্তু এটি আরও বেশি ওভারহেড তৈরি করে। তাই, প্রতিটি স্তরে কতটা মেমরি রাখতে হবে তা নির্ধারণের জন্য ইঞ্জিনিয়ারদেরকে ওয়ার্কসেট, ডেটা লোকালিটি এবং অ্যাক্সেস ফ্রিকোয়েন্সি বিবেচনা করতে হবে।

কার মেমোরি ইনোভেশন পদার্থবিদ্যাগত এআই সমস্যার সমাধানে গুরুত্বপূর্ণ ভূমিকা পালন করতে পারে।

ইমেজিনেশন টেকনোলজিজের পণ্য পরিচালনার সিনিয়র ডিরেক্টর রব ফিশার বলেন: “বর্তমানে এটি আমাদের অটোমোবাইল পণ্য লাইনের সাথে খুব ঘনিষ্ঠভাবে যুক্ত, এবং আমরা রোবোটিক্স থেকে আসা বেশিরভাগ চাহিদা সরাসরি অটোমোবাইল সides থেকে আসছে দেখছি। এখন অনেক অটোমোবাইল প্রস্তুতকারক তাদের চিপগুলিকে একইসাথে অটোমোবাইল এবং রোবোটিক্স প্ল্যাটফর্ম হিসাবে লক্ষ্য করছে, তাই 4-বিট, 6-বিট এবং 8-বিট সমর্থন এম্বেডেড এজ-ক্লাস অ্যাপ্লিকেশনগুলির জন্য মেমোরি ব্যান্ডউইথ এবং মেমোরি ব্যবহারের জন্য প্রকৃতপক্ষে উপকারী হবে। ডেটা সেন্টারের জন্য এটি এতটা গুরুত্বপূর্ণ নয়, তবে প্রভাবটি ভিন্ন। আপনি ডেটা সেন্টারে, বিট-ওয়াইডথের উপরে ছোট বিট-ওয়াইডথ ব্যবহার করে বড় মডেলগুলি চালাতে পারেন। অন্যদিকে, অটোমোবাইল এবং রোবোটিক্স অ্যাপ্লিকেশনগুলিতে, আপনি এটির বিপরীতটিরও উপকার নিতে পারেন—অর্থাৎ, কম মেমোরি ব্যবহার। আপনি মডেলটিকে শুধুমাত্র আপনার যা দরকার, তা-ই করতে সীমাবদ্ধ রাখবেন,এবংএটিকেধারণকরতেপ্রয়োজনীয়মেমোরিএবংব্যান্ডউইথকমকরবেন।”

কম প্রেসিশনের প্রতিনিধিত্ব মডেলের স্টোরেজ এবং মেমোরি ব্যান্ডউইথের প্রয়োজনীয়তা কমিয়ে দেয়, তাই এমবেডেড এআই-এর জন্য বিশেষভাবে আকর্ষণীয়। কিন্তু এর সুবিধা নির্ভর করে অ্যাক্সেলারেটরটি নির্বাচিত নিউমেরিক ফরম্যাটকে কতটা দক্ষতার সাথে সমর্থন করে এবং কোয়ান্টাইজেশন কি আবেদনের প্রয়োজনীয় প্রেসিশনটি বজায় রাখতে পারে। 6-বিট প্রতিনিধিত্বের মতো ফরম্যাটগুলি প্যাকিং বা বাস্তবায়নের ওভারহেডও আনতে পারে, যা অনুকূলিত না হওয়া হার্ডওয়্যারে সুবিধাকে সীমিত করে।

ফ্ল্যাশ মেমরি ম্যানেজমেন্ট অটোনোমাস সিস্টেমের মেমরির জন্যও একটি কী ভূমিকা পালন করে।

সৌসা বলেন: “DRAM এর ক্ষমতা, শক্তি খরচ এবং উপলব্ধতা সমস্তই সীমাবদ্ধ। দ্রুততর স্টোরেজ ব্যান্ডউইথ লোডিং সময় কমিয়ে দেয়, তাই একই DRAM বাজেট বড় মডেলগুলির সমর্থন করতে পারে। এই সিস্টেমগুলি ব্যাটারির উপর নির্ভরশীলভাবে চলে, এবং সাধারণত সক্রিয় শীতলকরণ থাকে না, তাই প্রতিটি ডেটা ট্রান্সফারই বিদ্যুৎ খরচ করে এবং ল্যাটেন্সি বাড়ায়, তাই যান্ত্রিক, ইলেকট্রনিক এবং সফটওয়্যার—প্রতিটি উপাদানকেই শক্তি খরচ কমিয়ে দক্ষতা বাড়াতে হবে। MIPI, UFS, LPDDR, PCIe-এর মতো ইন্টারফেসগুলিতে প্রযুক্তি বিল্ট-ইন করা হয়েছে, যা বার্স্ট ডেটা দ্রুত ট্রান্সমিট করতে এবং তারপরে দীর্ঘসময়ের জন্য লো-পাওয়ার আইডল মোডে স্যুইচ করতে সক্ষম করে।”

দ্রুত অ-স্থায়ী স্টোরেজ মডেল লোডিং ল্যাটেন্সি কমাতে পারে এবং উপযুক্ত মডেল পার্টিশনিং বাওয়েট স্ট্রিমিং প্রযুক্তির সাথে মিলিয়ে, DRAM-এর সীমিত সিস্টেমগুলিকে উপলব্ধ সক্রিয় মেমরির চেয়ে বেশি মডেল অকুপেন্সির ওয়ার্কলোড চালানোর অনুমতি দেয়। তবে, স্টোরেজ ব্যান্ডউইথ নিজেই যেকোনো সময় DRAM-এ ধারণ করা যায় এমন ডেটার পরিমাণ বাড়ায় না।

এই ডেটা ট্রান্সমিট করার জন্য ব্যবহৃত ইন্টারফেসগুলির পাওয়ার ম্যানেজমেন্ট মেকানিজম এবং অপারেশনাল চরিত্রও ভিন্ন। এর দক্ষতা নির্ভর করে নির্দিষ্ট স্পেসিফিকেশন, বাস্তবায়ন, ট্রান্সমিশন মোড এবং লো-পাওয়ার স্টেটে যাওয়ার সুযোগের উপর।

যদি বাজারের আকার যথেষ্ট বড় হয়, তবে ফিজিক্যাল এআই-এর মেমোরি প্রয়োজনীয়তা চূড়ান্তভাবে নতুন মেমোরি প্রযুক্তি বা বিদ্যমান প্রযুক্তির পরিবর্তনের প্রয়োজনীয়তা প্রমাণ করতে পারে।

রামবাসের প্রতিষ্ঠাতা ইঞ্জিনিয়ার এবং প্রতিষ্ঠাতা আবিষ্কারক স্টিভেন উও বলেন: "মেমোরি হল একটি কী প্রযুক্তি, যা সমস্ত ভৌত AI-এর প্রয়োজন। পার্থক্যটি হল, কিছু বাজার শুধুমাত্র বিদ্যমান মেমোরি ব্যবহার করবে, কিন্তু কিছু বাজার এতটাই বড় হতে পারে যে এদের নিজস্ব মেমোরি টাইপ বা বিদ্যমান মেমোরির কোনো ভেরিয়েন্টের প্রয়োজন হবে। আমরা HBM-এ এটি দেখেছি। মানুষ আগে অন্যান্য ধরনের মেমোরি ব্যবহার করছিল, কিন্তু পরবর্তীতে বাজারটি হঠাৎই বড় হয়ে গেল। LPDDR-এর আগের সময়ে ফোনগুলি শুধুমাত্র DDR ডিভাইসগুলির নিচের গ্রেডগুলি—যা দুর্ঘটনাবশতই কম শক্তি খরচকারী—ব্যবহার করত। যখন বাজারটি পর্যাপ্তভাবে বড় হয়েছিল, তখন মানুষ বলেছিল, 'ঠিকআছে, চলো আমরা একটি বিশেষাঙ্গিত ডিভাইসই তৈরি করি।' ভৌত AI-এর বাজারটি এতটাই বড় হয়ে উঠতে পারে যে, যদি চাহিদার পার্থক্যগুলি পর্যাপ্তভাবে বড় হয়, তবে একটি অন্যান্য মেমোরিরও উদ্ভব হতে পারে।"

এই বিশেষীকরণ ঘটবে কিনা, তা চাহিদার পরিমাণ এবং সামঞ্জস্যতার উপর নির্ভর করবে। ডেটা সেন্টারের বিপরীতে, ভৌত AI কভারেজের অ্যাপ্লিকেশনগুলির খরচ, ক্ষমতা, টেকসইতা, ব্যান্ডউইথ, তাপমাত্রা এবং শক্তি দক্ষতার প্রয়োজনীয়তা অনেক বেশি বিভিন্ন। এই বৈচিত্র্য কিছু বাজারকে বিদ্যমান মেমোরি প্রযুক্তির উপর পুনর্নির্মাণের দিকে নিয়ে যেতে পারে, যখন অন্যান্য বাজারগুলির জন্য বিশেষভাবে ডিজাইনকৃত সমাধানগুলি আরও উপযুক্ত।

প্রান্তিক ক্ষেত্রগুলি যাচাই করুন

নিরাপদ পরিস্থিতিতে সিস্টেম চালু রাখা, যা বিরল এবং অপ্রত্যাশিত পরিস্থিতিতেও প্রযোজ্য, একটি বড় চ্যালেঞ্জ। যখন ভৌত AI ডেভেলপাররা ভারী যন্ত্রপাতি, চিকিৎসা যন্ত্র এবং অন্যান্য নিরাপত্তা-গুরুত্বপূর্ণ কী প্রযুক্তির দিকে মনোযোগ দিচ্ছে, তখন যাচাইকরণের সমস্যা সমাধান বিশেষভাবে গুরুত্বপূর্ণ।

বালাসুব্রমণিয়ান বলেন: “পদার্থ এআইকে যেকোনো উৎপাদন পরিবেশে প্রয়োগ করার আগে, আমাদের যে যাচাই বন্ধনী তৈরি করতে হবে, তা অত্যন্ত গুরুত্বপূর্ণ, আমি বলব এটিই আমাদের করা সবচেয়ে গুরুত্বপূর্ণ কাজ। যেমন, বড় পাওয়ার আউটেজ ঘটল, বা ভূমিকম্প ঘটল, বা বাইরের বিশ্বের অপটিক্যাল ফাইবার ক্যাবল কেটে গেল, বা বিদ্যুৎ চলে গেল? আপনি কিভাবে এজ প্রান্তে এই স্কেনারিওটি পরিচালনা করবেন? সেন্সরের কাছাকাছি কিছুটা কম্পিউটিং, কিছুটা মেমোরি এবং কিছুটা বুদ্ধিমত্তা রাখা অত্যন্ত গুরুত্বপূর্ণ, এবং মানুষ এটি করার উপায় হলো, তাদের ব্যবহারের প্রয়োজনীয়তা অনুযায়ী তারা যা সবচেয়ে গুরুত্বপূর্ণ মনে করে, তা খুঁজে বার করা। শিল্পপরিবেশে, আমি কখন অ্যাসেম্বলি লাইনটি বন্ধ করব? আমি কখন ফোনটি ফিরিয়ে দেব, বা অ্যালার্মটি বাজাব, বা অন্যকিছু করব? এগুলি সবই একটি একক সেন্সরের ভিতরেই পরিচালনা করারপ্রয়োজন।”

এই পরিস্থিতিগুলি দেখায় যে সুরক্ষা-গুরুত্বপূর্ণ ফাংশনগুলি সবসময় নিরন্তর ক্লাউড সংযোগ বা কেন্দ্রীয় সিদ্ধান্ত নেওয়ার উপর নির্ভর করতে পারে না। যখন যোগাযোগ বা বিদ্যুৎ সরবরাহ ব্যবস্থা ব্যর্থ হয়, তখন ত্রুটি শনাক্তকরণ, সুরক্ষা ক্রিয়াকলাপ ট্রিগার করা বা ডিভাইসটিকে একটি সংজ্ঞায়িত নিরাপদ অবস্থায় নিয়ে যাওয়ার জন্য স্থানীয় প্রক্রিয়াকরণ প্রয়োজন হতে পারে।

কিন্তু যাচাই এবং নিশ্চিতকরণ সমস্যার ভিন্ন ভিন্ন অংশ সমাধান করে। যাচাই ব্যবহার করা হয় ডিজাইনটি নির্ধারিত প্রয়োজনীয়তা পূরণ করে কিনা তা নিশ্চিত করতে, আর নিশ্চিতকরণ ব্যবহার করা হয় সিস্টেমটি তার প্রত্যাশিত পরিচালনা পরিবেশে কতটা উপযুক্তভাবে কাজ করে তা পরীক্ষা করতে। নিরাপত্তা গ্যারান্টির জন্য ক্ষতি বিশ্লেষণ, ত্রুটি প্রবেশ পরীক্ষা, সাধারণ কারণের ব্যর্থতা মূল্যায়ন, এবং প্রযোজ্য মানদণ্ডের সাথে সঙ্গতিপূর্ণতার প্রমাণও প্রয়োজন হতে পারে।

অতএব, সিস্টেমটিকে সংশ্লিষ্ট হার্ডওয়্যার এবং সফটওয়্যার স্ট্যাকের উপর ভিত্তি করে বিশ্বাস গড়ে তুলতে হবে এবং প্রতিটি ব্যবহারের ক্ষেত্রের সাথে নিরাপত্তা প্রয়োজনীয়তা মেলাতে হবে।

অ্যাটডেভের সহ-প্রতিষ্ঠাতা ওয়েন কেন্ট বলেন: "যখন আমরা চেয়ার কার্টের জন্য পণ্য ডিজাইন করি, তখন যেকোনো ফিজিক্যাল এআই অ্যাপ্লিকেশনের মতো, আমাদের নির্দিষ্ট প্রয়োজনীয়তা থাকে। আপনাকে গুণগত ব্যবস্থাপনা এবং তৃতীয় পক্ষের বিদ্যুৎ সামঞ্জস্যতা পরীক্ষার মধ্যে এই হার্ডওয়্যারগুলিকে প্রকৃতপক্ষে সীমানা পর্যন্ত পরীক্ষা করতে হবে। আপনি যেকোনো হার্ডওয়্যার ব্যবহার করুন, কাস্টমাইজড হোক বা না হোক, আপনাকে নিরাপত্তা যাচাই করতে সক্ষম হতে হবে।"

ডেভেলপারদের জন্য, এর অর্থ শুধুমাত্র উপাদানগুলি স্বাভাবিক অবস্থায় কাজ করে কিনা তা মূল্যায়ন করা নয়, বরং সেন্সর অবনতি, যোগাযোগ ব্যর্থতা, অপ্রত্যাশিত ইনপুট এবং অন্যান্য পূর্বানুমেয় বিপদের অধীনে সম্পূর্ণ সিস্টেমের প্রতিক্রিয়াও মূল্যায়ন করা। অনেক প্রয়োগে, উপাদান-স্তরের পরীক্ষা একটি প্রয়োজনীয় শর্ত, কিন্তু এটি নিজেই সিস্টেম-স্তরের নিরাপত্তা প্রমাণ করতে পারে না।

সিদ্ধান্ত

অনুভূতি থেকে ক্রিয়া পর্যন্ত সম্পূর্ণ পথে পদার্থবিদ্যাগত এআইয়ের বাস্তব সীমাবদ্ধতা বিদ্যমান। ডিজাইনারদের মডেল এবং হার্ডওয়্যারকে কাজের সাথে মেলাতে হবে, উপলব্ধ শক্তি এবং তাপ বাজেটের মধ্যে ডেটা স্থানান্তর করতে হবে, এবং শর্ত বা সংযোগ পরিবর্তনের সময় মেশিনের আচরণ যাচাই করতে হবে। শুধুমাত্র যখন সিস্টেমের অন্যান্য অংশগুলি সমর্থন করতে পারবে, তখনই গণনা ক্ষমতা বৃদ্ধি প্রকৃতপক্ষে সহায়ক হবে।

বালাসুব্রমণিয়ান বলেন: “সেন্সর থেকে প্রসেসর এবং এক্সিকিউটর পর্যন্ত পুরো পথে মানক, কম শক্তি খরচ এবং প্রমাণিত ইন্টারফেস থেকে শুরু করুন। এগুলি ডিজাইনারদের পূর্বানুমানযোগ্য আচরণ, ইকোসিস্টেমের ইন্টারঅপারেবিলিটি এবং সিলিকন-প্রমাণিত বিল্ডিং ব্লকগুলি প্রদান করতে পারে।”

একটি সংশ্লিষ্ট উদাহরণ হল MIPI ক্যামেরা সিকিউরিটি ফ্রেমওয়ার্ক, যা ক্যামেরা সার্ভিস এক্সটেনশনস (CSE) 2.0 স্পেসিফিকেশনকে সহায়ক সিকিউরিটি স্পেসিফিকেশনের সাথে একীভূত করে। CSE 2.0 CSI-2 ক্যামেরা ডেটার জন্য ডেটা ইন্টিগ্রিটি সুরক্ষা এবং ঐচ্ছিক এনক্রিপশনকে সমর্থন করে; ব্যাপক ফ্রেমওয়ার্কটি ইমেজিং সিস্টেম উপাদানগুলির অথেনটিকেশন এবং সিকিউর সেশন স্থাপনকে পরিচালনা করে।

তিনি বলেন: "এটি ছবি সেন্সর থেকে SoC-এর মধ্যে সম্পূর্ণতা, পরিচয় যাচাই এবং গোপনীয়তার জন্য এন্ড-টু-এন্ড সুরক্ষা প্রদান করে। এটি ডিজাইনারদের গণনা এবং ট্রাফিক ওভারহেড, শক্তি খরচ এবং ল্যাটেন্সি কমানোর জন্য নমনীয় বিকল্প প্রদান করে, যাতে সুরক্ষা অ্যাপ্লিকেশনের সাথে মেলে, এবং সর্বাধিক খারাপ পরিস্থিতির ভিত্তিতে ডিজাইন না করা যায়।"

এই পার্থক্যটি গুরুত্বপূর্ণ, কারণ গোপনীয়তা ঐচ্ছিক এবং সুরক্ষার মাত্রা বাস্তবায়িত সুরক্ষা সেবা এবং কনফিগারেশনের উপর নির্ভর করে। ব্যাপক কাঠামোটি ডেভেলপারদের প্রতিটি ডেটা স্ট্রিমের জন্য একই সুরক্ষা প্রয়োগ না করে, সুরক্ষা, প্রসেসিং ওভারহেড, শক্তি খরচ এবং ল্যাটেন্সির মধ্যে ভারসাম্য বজায় রাখতে দেয়।

শুধু স্বায়ত্তশাসিত মেশিনগুলিকে শক্তিশালী করা যথেষ্ট নয়। তাদের বাস্তব বিশ্বের সীমাবদ্ধতার মধ্যে নির্ভরযোগ্যভাবে কাজ করতে হবে। ভৌত AI-এর জন্য, মেমোরি, শক্তি এবং ব্যান্ডউইথ সংরক্ষণের জন্য আর্কিটেকচারাল পছন্দগুলি পূর্বনির্ধারিত আচরণ, দৃঢ়তা এবং বৃহৎ পরিসরে বাস্তবায়নের জন্য প্রয়োজনীয় নিরাপত্তা সমর্থন করতে হবে।

ডেটা মোবিলিটি এক্সটেনশন ফিজিক্যাল এআই-এর জন্য: সব স্থিতির জন্য একটি সমাধান উপযুক্ত নয়।

প্রান্তিক এবং ক্লাউড AI-এর ভূমিকা পুনঃসংজ্ঞায়িত করুন: স্থানীয় বুদ্ধিমত্তার প্রতিযোগিতা শুরু হয়েছে।

ব্রেন্ডন হেফারনান

দাবিত্যাগ: এই পৃষ্ঠার তথ্য তৃতীয় পক্ষের কাছ থেকে প্রাপ্ত হতে পারে এবং অগত্যা KuCoin এর মতামত বা মতামত প্রতিফলিত করে না। এই বিষয়বস্তু শুধুমাত্র সাধারণ তথ্যগত উদ্দেশ্যে প্রদান করা হয়, কোন ধরনের প্রতিনিধিত্ব বা ওয়ারেন্টি ছাড়াই, বা এটিকে আর্থিক বা বিনিয়োগ পরামর্শ হিসাবে বোঝানো হবে না। KuCoin কোনো ত্রুটি বা বাদ পড়ার জন্য বা এই তথ্য ব্যবহারের ফলে যে কোনো ফলাফলের জন্য দায়ী থাকবে না। ডিজিটাল সম্পদে বিনিয়োগ ঝুঁকিপূর্ণ হতে পারে। আপনার নিজের আর্থিক পরিস্থিতির উপর ভিত্তি করে একটি পণ্যের ঝুঁকি এবং আপনার ঝুঁকি সহনশীলতা সাবধানে মূল্যায়ন করুন। আরও তথ্যের জন্য, অনুগ্রহ করে আমাদের ব্যবহারের শর্তাবলী এবং ঝুঁকি প্রকাশ পড়ুন।