এআই ব্যয়ের আখ্যান পুনর্বিবেচনা: চাহিদা দক্ষতাকে ছাপিয়ে যাচ্ছে

The Initial Tremor: DeepSeek and the Efficiency Mirage (প্রাথমিক কম্পন: DeepSeek এবং দক্ষতার মরীচিকা)

এই বছরের শুরুতে চীনের DeepSeek AI-এর আত্মপ্রকাশ প্রযুক্তি বিনিয়োগ জগতে আলোড়ন সৃষ্টি করেছিল। এর আপাতদৃষ্টিতে যুগান্তকারী পদ্ধতি, যা উল্লেখযোগ্যভাবে কম কম্পিউটেশনাল খরচে শক্তিশালী কৃত্রিম বুদ্ধিমত্তা (AI) প্রদানের প্রতিশ্রুতি দিয়েছিল, তা অবিলম্বে জল্পনা উস্কে দেয়। দ্রুত একটি ধারণা তৈরি হয়: সম্ভবত বিশেষায়িত চিপ এবং সিস্টেমের বিশাল закупок দ্বারা চিহ্নিত এআই পরিকাঠামোর নিরলস, ব্যয়বহুল সম্প্রসারণ এবার ধীর হতে চলেছে। বাজার এই ধারণার প্রতিফলন ঘটায়, এই বিশ্বাসে যে সাশ্রয়ী এআই-এর একটি নতুন যুগ প্রত্যাশিত ব্যয়ের বিস্ফোরণকে নাটকীয়ভাবে হ্রাস করতে পারে।

তবে, সম্প্রতি শিল্প খাতের শীর্ষস্থানীয় ব্যক্তিদের এক উচ্চ-পর্যায়ের সমাবেশ থেকে প্রাপ্ত অন্তর্দৃষ্টি সম্পূর্ণ ভিন্ন চিত্র তুলে ধরেছে। Bloomberg Intelligence কর্তৃক নিউইয়র্কে আয়োজিত একটি জেনারেটিভ এআই সম্মেলন ইঙ্গিত দিয়েছে যে, প্রাথমিক ব্যাখ্যা, যা শুধুমাত্র সম্ভাব্য খরচ সাশ্রয়ের উপর দৃষ্টি নিবদ্ধ করেছিল, তা বৃহত্তর প্রেক্ষাপটকে উপেক্ষা করেছে। ব্যয়ের গতি কমার ইঙ্গিত দেওয়ার পরিবর্তে, এই ইভেন্টটি এআই সক্ষমতার প্রতি প্রায় অতৃপ্ত ক্ষুধাকে তুলে ধরেছে। ঐকমত্যটি খরচ কমানো নিয়ে ছিল না; বরং এটি ছিল বুদ্ধিমত্তাসম্পন্ন সিস্টেমের জন্য দ্রুতগতিতে বাড়তে থাকা চাহিদাকে কীভাবে পূরণ করা যায় তা খুঁজে বের করা, যদিও মেনুটি কম ব্যয়বহুল হলে ভালো হতো এই তীব্র আকাঙ্ক্ষা থাকা সত্ত্বেও।

Voices from the Trenches: An Unquenchable Thirst for Capacity (মাঠ পর্যায় থেকে শোনা কথা: সক্ষমতার অতৃপ্ত তৃষ্ণা)

দিনব্যাপী এই আয়োজনে ডেভেলপার, স্ট্র্যাটেজিস্ট এবং বিনিয়োগকারীরা একত্রিত হয়েছিলেন। আলোচনা বারবার ক্রমবর্ধমান চাহিদা এবং তার ফলে সৃষ্ট বিশাল বিনিয়োগের থিমের দিকেই ফিরে আসছিল। Bloomberg Intelligence-এর সিনিয়র প্রযুক্তি বিশ্লেষক এবং ইভেন্টের অন্যতম সংগঠক Mandeep Singh প্রচলিত অনুভূতিটি সংক্ষিপ্তভাবে তুলে ধরেন। অসংখ্য প্যানেল এবং বিশেষজ্ঞ আলোচনার প্রতিফলন ঘটিয়ে তিনি একটি সার্বজনীন প্রতিধ্বনি উল্লেখ করেন: সংশ্লিষ্ট কেউই মনে করেননি যে তাদের কাছে পর্যাপ্ত এআই সক্ষমতা রয়েছে। অপ্রতুলতার অনুভূতিই ছিল প্রবল, অতিরিক্ত থাকার অনুভূতি নয়।

গুরুত্বপূর্ণভাবে, Singh যোগ করেন, ‘অবকাঠামো বুদবুদ’ (infrastructure bubble)-এর আতঙ্ক, যা দ্রুত সম্প্রসারিত প্রযুক্তি খাতে একটি সাধারণ ভয়, আলোচনা থেকে লক্ষণীয়ভাবে অনুপস্থিত ছিল। পুরো শিল্পের মুখোমুখি হওয়া মৌলিক চ্যালেঞ্জের উপরই দৃষ্টি নিবদ্ধ ছিল। Singh-এর সহকর্মী এবং Bloomberg Intelligence-এর আইটি পরিষেবা ও সফটওয়্যারের সিনিয়র বিশ্লেষক Anurag Rana এটিকে সবচেয়ে গুরুত্বপূর্ণ প্রশ্ন হিসাবে তুলে ধরেন: ‘আমরা সেই [এআই পরিকাঠামো নির্মাণ] চক্রের কোথায় আছি?’

যদিও এই বিশাল নির্মাণযজ্ঞের সঠিক পর্যায় চিহ্নিত করা এখনও অধরা (‘কেউ নিশ্চিতভাবে জানে না’, Rana স্বীকার করেন), DeepSeek ঘটনাটি নিঃসন্দেহে দৃষ্টিভঙ্গি পরিবর্তন করেছে। এটি একটি শক্তিশালী আশার সঞ্চার করেছে যে উল্লেখযোগ্য এআই কাজের চাপ সম্ভবত আরও অর্থনৈতিকভাবে পরিচালনা করা যেতে পারে। ‘DeepSeek অনেককে নাড়া দিয়েছে’, Rana মন্তব্য করেন। এর অন্তর্নিহিত অর্থ পরিষ্কার ছিল: যদি অত্যাধুনিক এআই মডেলগুলি সত্যিই কম চাহিদাসম্পন্ন হার্ডওয়্যারে দক্ষতার সাথে চলতে পারে, তবে সম্ভবত প্রধান প্রযুক্তি সংস্থাগুলিকে জড়িত করে কনসোর্টিয়া দ্বারা পরিকল্পিত বলে গুজব ওঠা বহু-শত-বিলিয়ন-ডলারের উদ্যোগগুলির মতো বিশাল প্রকল্পগুলি পুনর্বিবেচনা করা বা ভিন্নভাবে পরিমাপ করা হতে পারে।

Rana-র মতে, শিল্পজুড়ে প্রতিধ্বনিত স্বপ্নটি হল এআই অপারেশনাল খরচ, বিশেষ করে inference (যে পর্যায়ে প্রশিক্ষিত মডেলগুলি ভবিষ্যদ্বাণী বা বিষয়বস্তু তৈরি করে) এর জন্য, গত দশকে ক্লাউড কম্পিউটিং স্টোরেজে দেখা নাটকীয় নিম্নগামী গতিপথ অনুসরণ করবে। তিনি স্মরণ করেন কীভাবে Amazon Web Services (AWS)-এর মতো প্ল্যাটফর্মে বিশাল পরিমাণ ডেটা সংরক্ষণের অর্থনীতি প্রায় আট বছরে নাটকীয়ভাবে উন্নত হয়েছিল। ‘খরচের বক্ররেখার সেই পতন… অর্থনীতি ভাল ছিল’, তিনি বলেন। ‘এবং এটাই সবাই আশা করছে, যে inference দিকে… যদি বক্ররেখা সেই স্তরে নেমে আসে, ওহ মাই গড, এআই গ্রহণের হার… দর্শনীয় হবে।’ Singh একমত পোষণ করে বলেন যে DeepSeek-এর আগমন মৌলিকভাবে ‘দক্ষতা অর্জনের বিষয়ে প্রত্যেকের মানসিকতা পরিবর্তন করেছে।’

দক্ষতার জন্য এই আকুলতা সম্মেলনের অধিবেশন জুড়ে স্পষ্ট ছিল। যদিও অসংখ্য প্যানেল এন্টারপ্রাইজ এআই প্রকল্পগুলিকে ধারণাগত পর্যায় থেকে লাইভ উৎপাদনে নিয়ে যাওয়ার বাস্তব দিকগুলি নিয়ে আলোচনা করেছে, একটি সমান্তরাল আলোচনা ক্রমাগত এই এআই মডেলগুলি স্থাপন এবং চালানোর সাথে সম্পর্কিত খরচগুলি কমানোর গুরুত্বপূর্ণ প্রয়োজনীয়তার উপর জোর দিয়েছে। লক্ষ্য পরিষ্কার: এআইকে বিস্তৃত অ্যাপ্লিকেশন এবং ব্যবহারকারীদের জন্য অর্থনৈতিকভাবে টেকসই করে অ্যাক্সেসকে গণতন্ত্রীকরণ করা। Bloomberg-এর নিজস্ব প্রধান প্রযুক্তিবিদ Shawn Edwards পরামর্শ দিয়েছেন যে DeepSeek অগত্যা একটি সম্পূর্ণ বিস্ময় ছিল না, বরং একটি সার্বজনীন আকাঙ্ক্ষার শক্তিশালী উদাহরণ। ‘এটি আমাকে যা ভাবিয়েছিল তা হল, যদি আপনি একটি জাদুদণ্ড নেড়ে এই মডেলগুলিকে অবিশ্বাস্যভাবে দক্ষতার সাথে চালাতে পারতেন তবে এটি দুর্দান্ত হত’, তিনি মন্তব্য করেন, এই ইচ্ছাটি কেবল একটি নির্দিষ্ট যুগান্তকারী মডেলের জন্য নয়, বরং এআই মডেলগুলির পুরো বর্ণালীর জন্য প্রসারিত করেন।

The Proliferation Principle: Fueling the Compute Demand (প্রসারণের নীতি: কম্পিউট চাহিদার ইন্ধন)

দক্ষতার অন্বেষণ সত্ত্বেও বিশেষজ্ঞরা এআই পরিকাঠামোতে অব্যাহত, উল্লেখযোগ্য বিনিয়োগের প্রত্যাশা করার অন্যতম প্রধান কারণ হল এআই মডেলের বিস্তার। নিউইয়র্ক সম্মেলনের একটি পুনরাবৃত্ত থিম ছিল একটি একক, মনোলিথিক এআই মডেলের ধারণা থেকে সরে আসা, যা সমস্ত কাজ পরিচালনা করতে সক্ষম।

• একটি পারিবারিক ব্যাপার: Bloomberg-এর Edwards যেমন বলেছেন, ‘আমরা মডেলের একটি পরিবার ব্যবহার করি। সেরা মডেল বলে কিছু নেই।’ এটি একটি ক্রমবর্ধমান উপলব্ধি প্রতিফলিত করে যে বিভিন্ন এআই আর্কিটেকচার বিভিন্ন কাজে পারদর্শী – ভাষা তৈরি, ডেটা বিশ্লেষণ, চিত্র সনাক্তকরণ, কোড সমাপ্তি ইত্যাদি।
• এন্টারপ্রাইজ কাস্টমাইজেশন: প্যানেলিস্টরা ব্যাপকভাবে একমত হয়েছেন যে যদিও বড়, সাধারণ-উদ্দেশ্য ‘ফাউন্ডেশন’ বা ‘ফ্রন্টিয়ার’ মডেলগুলি প্রধান এআই ল্যাবগুলি দ্বারা বিকাশ এবং পরিমার্জিত হতে থাকবে, ব্যবসার মধ্যে আসল কাজটি সম্ভাব্য শত শত বা এমনকি হাজার হাজার বিশেষায়িত এআই মডেল স্থাপন করা জড়িত।
• ফাইন-টিউনিং এবং মালিকানাধীন ডেটা: এই এন্টারপ্রাইজ মডেলগুলির অনেকগুলি ফাইন-টিউনিং নামক একটি প্রক্রিয়ার মাধ্যমে বেস মডেলগুলি থেকে অভিযোজিত হবে। এর মধ্যে একটি কোম্পানির নির্দিষ্ট, প্রায়শই মালিকানাধীন, ডেটার উপর একটি প্রাক-প্রশিক্ষিত নিউরাল নেটওয়ার্ককে পুনরায় প্রশিক্ষণ দেওয়া জড়িত। এটি এআইকে অনন্য ব্যবসায়িক প্রেক্ষাপট, পরিভাষা এবং গ্রাহক মিথস্ক্রিয়া বুঝতে দেয়, একটি জেনেরিক মডেলের চেয়ে অনেক বেশি প্রাসঙ্গিক এবং মূল্যবান ফলাফল প্রদান করে।
• উন্নয়নের গণতন্ত্রীকরণ: ডেটা সায়েন্স প্ল্যাটফর্ম Dataiku-এর প্রতিনিধিত্বকারী Jed Dougherty এন্টারপ্রাইজ এআই এজেন্টদের জন্য ‘মডেলগুলির মধ্যে বিকল্পতা’ (optionality among the models) এর প্রয়োজনীয়তার উপর জোর দিয়েছেন। তিনি কোম্পানিগুলিকে তাদের এআই সরঞ্জামগুলির উপর নিয়ন্ত্রণ, তৈরির ক্ষমতা এবং নিরীক্ষণযোগ্যতা (auditability) দেওয়ার গুরুত্বের উপর জোর দেন। ‘আমরা এই জিনিসগুলি তৈরি করার সরঞ্জামগুলি মানুষের হাতে তুলে দিতে চাই’, Dougherty জোর দিয়ে বলেন। ‘আমরা চাই না দশজন পিএইচডি সমস্ত এজেন্ট তৈরি করুক।’ উন্নয়নে বৃহত্তর অ্যাক্সেসযোগ্যতার দিকে এই ড্রাইভ নিজেই এই বিতরণকৃত সৃষ্টি প্রচেষ্টাগুলিকে সমর্থন করার জন্য আরও অন্তর্নিহিত পরিকাঠামোর প্রয়োজনীয়তা বোঝায়।
• ব্র্যান্ড-নির্দিষ্ট এআই: সৃজনশীল শিল্পগুলি একটি প্রধান উদাহরণ দেয়। Adobe-তে নতুন ব্যবসায়িক উদ্যোগের নেতৃত্বদানকারী Hannah Elsakr ব্যাখ্যা করেছেন যে তাদের কৌশল কাস্টম মডেলগুলির উপর বাজি ধরেছে একটি মূল পার্থক্যকারী হিসাবে। ‘আমরা আপনার ব্র্যান্ডের জন্য কাস্টম মডেল এক্সটেনশন প্রশিক্ষণ দিতে পারি যা একটি নতুন বিজ্ঞাপন প্রচারের জন্য সহায়ক হতে পারে’, তিনি চিত্রিত করেছেন, দেখিয়েছেন কীভাবে নির্দিষ্ট ব্র্যান্ডের নান্দনিকতা এবং বার্তা বজায় রাখার জন্য এআইকে তৈরি করা যেতে পারে।

মডেলগুলির বৈচিত্র্য ছাড়াও, কর্পোরেট কর্মপ্রবাহের মধ্যে এআই এজেন্ট-এর ক্রমবর্ধমান স্থাপনা প্রক্রিয়াকরণের চাহিদার আরেকটি উল্লেখযোগ্য চালক। এই এজেন্টগুলিকে কেবল নিষ্ক্রিয় সরঞ্জাম হিসাবে নয়, বরং বহু-পদক্ষেপের কাজগুলি সম্পাদন করতে সক্ষম সক্রিয় অংশগ্রহণকারী হিসাবে কল্পনা করা হয়।

Microsoft-এর Copilot Studio এজেন্ট এবং অটোমেশন প্রচেষ্টার প্রধান Ray Smith এমন একটি ভবিষ্যতের ভবিষ্যদ্বাণী করেছেন যেখানে ব্যবহারকারীরা Copilot-এর মতো একটি ইউনিফাইড ইন্টারফেসের মাধ্যমে সম্ভাব্য শত শত বিশেষায়িত এজেন্টের সাথে যোগাযোগ করবে। ‘আপনি একটি এজেন্টের মধ্যে পুরো প্রক্রিয়াটি ঠুসে দেবেন না, আপনি এটিকে অংশে ভাগ করবেন’, তিনি ব্যাখ্যা করেন। এই এজেন্টগুলি, তিনি পরামর্শ দেন, প্রোগ্রামিংয়ের ‘নতুন বিশ্বের অ্যাপস’। দৃষ্টিভঙ্গিটি এমন যেখানে ব্যবহারকারীরা কেবল তাদের লক্ষ্য বলে – ‘আমরা কী অর্জন করতে চাই তা বলুন’ – এবং এজেন্ট প্রয়োজনীয় পদক্ষেপগুলি সমন্বয় করে। ‘এজেন্টিক অ্যাপস কেবল কর্মপ্রবাহের একটি নতুন উপায়’, Smith বলেন, জোর দিয়ে বলেন যে এই দৃষ্টিভঙ্গি বাস্তবায়ন করা প্রযুক্তিগত সম্ভাবনার বিষয় কম (‘এটি সবই প্রযুক্তিগতভাবে সম্ভব’) এবং ‘আমরা এটি তৈরি করার গতির’ উপর বেশি নির্ভরশীল।

এআই এজেন্টগুলিকে দৈনন্দিন সাংগঠনিক প্রক্রিয়াগুলিতে আরও গভীরভাবে এম্বেড করার এই ধাক্কা খরচ হ্রাস এবং দক্ষ স্থাপনার জন্য চাপকে আরও তীব্র করে তোলে। মাইক্রোপ্রসেসর জায়ান্ট ARM Holdings-এর পণ্য ব্যবস্থাপনার প্রধান James McNiven চ্যালেঞ্জটিকে অ্যাক্সেসযোগ্যতার পরিপ্রেক্ষিতে তুলে ধরেন। ‘আমরা কীভাবে আরও বেশি ডিভাইসে অ্যাক্সেস সরবরাহ করব?’ তিনি চিন্তা করেন। নির্দিষ্ট কাজগুলিতে মডেলগুলিকে প্রায় ‘পিএইচডি-স্তরের’ সক্ষমতা অর্জন করতে দেখে, তিনি বছর কয়েক আগে উন্নয়নশীল দেশগুলিতে মোবাইল পেমেন্ট সিস্টেম আনার রূপান্তরমূলক প্রভাবের সাথে একটি সমান্তরাল টানেন। মূল প্রশ্নটি রয়ে গেছে: ‘আমরা কীভাবে সেই [এআই সক্ষমতা] এমন লোকদের কাছে পৌঁছে দেব যারা সেই ক্ষমতা ব্যবহার করতে পারে?’ কর্মশক্তির একটি বিস্তৃত অংশের জন্য সহায়ক হিসাবে অত্যাধুনিক এআই এজেন্টগুলিকে সহজলভ্য করার জন্য কেবল চতুর সফ্টওয়্যারই নয়, দক্ষ হার্ডওয়্যার এবং অনিবার্যভাবে, আরও অন্তর্নিহিত পরিকাঠামো বিনিয়োগেরও প্রয়োজন, এমনকি প্রতি গণনার দক্ষতা উন্নত হলেও।

Scaling Hurdles: Silicon, Power, and the Cloud Behemoths (সম্প্রসারণের বাধা: সিলিকন, শক্তি এবং ক্লাউড জায়ান্টরা)

এমনকি সবচেয়ে বহুল ব্যবহৃত, জেনেরিক ফাউন্ডেশন মডেলগুলিও বিস্ময়কর গতিতে বৃদ্ধি পাচ্ছে, যা বিদ্যমান পরিকাঠামোর উপর 엄청 চাপ সৃষ্টি করছে। Amazon Web Services (AWS)-এর কম্পিউটিং এবং নেটওয়ার্কিং তত্ত্বাবধানকারী Dave Brown প্রকাশ করেছেন যে তাদের প্ল্যাটফর্ম একাই গ্রাহকদের প্রায় ১,৮০০টি বিভিন্ন এআই মডেল-এ অ্যাক্সেস সরবরাহ করে। তিনি এই শক্তিশালী সরঞ্জামগুলি চালানোর ‘খরচ কমাতে অনেক কিছু করার’ উপর AWS-এর তীব্র ফোকাসের উপর জোর দেন।

AWS-এর মতো ক্লাউড সরবরাহকারীদের জন্য একটি মূল কৌশল হল তাদের নিজস্ব কাস্টম সিলিকন (custom silicon) তৈরি করা। Brown AWS-ডিজাইন করা চিপগুলির ক্রমবর্ধমান ব্যবহার তুলে ধরেন, যেমন তাদের Trainium প্রসেসর যা এআই প্রশিক্ষণের জন্য অপ্টিমাইজ করা হয়েছে, বলেন, ‘AWS অন্যান্য কোম্পানির প্রসেসরের চেয়ে আমাদের নিজস্ব প্রসেসর বেশি ব্যবহার করছে।’ বিশেষায়িত, ইন-হাউস হার্ডওয়্যারের দিকে এই পদক্ষেপের লক্ষ্য হল কর্মক্ষমতা এবং খরচের উপর নিয়ন্ত্রণ অর্জন করা, Nvidia, AMD, এবং Intel-এর মতো সাধারণ-উদ্দেশ্য চিপ সরবরাহকারীদের উপর নির্ভরতা হ্রাস করা। এই প্রচেষ্টা সত্ত্বেও, Brown অকপটে মৌলিক বাস্তবতা স্বীকার করেছেন: ‘খরচ কম হলে গ্রাহকরা আরও বেশি করতেন।’ চাহিদার সর্বোচ্চ সীমা বর্তমানে সম্ভাব্য অ্যাপ্লিকেশনের অভাবের চেয়ে বাজেট সীমাবদ্ধতা দ্বারা বেশি সংজ্ঞায়িত।

শীর্ষস্থানীয় এআই ডেভেলপারদের দ্বারা প্রয়োজনীয় সম্পদের পরিমাণ বিশাল। Brown উল্লেখ করেছেন যে AWS প্রতিদিন Anthropic-এর সাথে সহযোগিতা করে, যারা অত্যাধুনিক Claude ভাষা মডেল পরিবারের নির্মাতা। Anthropic-এর অ্যাপ্লিকেশন প্রোগ্রামিং ইন্টারফেসের প্রধান Michael Gerstenhaber, Brown-এর সাথে কথা বলার সময়, আধুনিক এআই-এর কম্পিউটেশনাল তীব্রতা তুলে ধরেন, বিশেষ করে জটিল যুক্তি বা ‘চিন্তাভাবনা’র জন্য ডিজাইন করা মডেলগুলির। এই মডেলগুলি প্রায়শই তাদের উত্তরগুলির জন্য বিস্তারিত ধাপে ধাপে ব্যাখ্যা তৈরি করে, যা উল্লেখযোগ্য প্রক্রিয়াকরণ শক্তি ব্যবহার করে। ‘চিন্তাভাবনা মডেলগুলি প্রচুর ক্ষমতা ব্যবহার করে’, Gerstenhaber বলেন।

যদিও Anthropic সক্রিয়ভাবে AWS-এর সাথে অপ্টিমাইজেশান কৌশল যেমন ‘প্রম্পট ক্যাশিং’ (prompt caching) (সম্পদ বাঁচাতে পূর্ববর্তী মিথস্ক্রিয়া থেকে গণনা সংরক্ষণ এবং পুনরায় ব্যবহার করা) নিয়ে কাজ করে, মৌলিক হার্ডওয়্যারের প্রয়োজনীয়তা 엄청 রয়ে গেছে। Gerstenhaber স্পষ্টভাবে বলেছেন যে Anthropic-এর বর্তমান মডেল স্যুট চালানোর জন্য কেবল ‘অনেক ডেটা সেন্টারে’ বিতরণ করা ‘লক্ষ লক্ষ অ্যাক্সিলারেটর’ (accelerators) – বিশেষায়িত এআই চিপ – প্রয়োজন। এটি কেবল একটি প্রধান এআই প্লেয়ারের অন্তর্নিহিত কম্পিউট রিসোর্সের নিছক স্কেলের একটি નક્কর ধারণা দেয়।

সিলিকনের বিশাল বহর সংগ্রহ ও পরিচালনার চ্যালেঞ্জকে আরও জটিল করে তুলেছে এআই-এর সাথে যুক্ত ক্রমবর্ধমান শক্তি খরচ। Brown এটিকে একটি গুরুত্বপূর্ণ এবং দ্রুত ক্রমবর্ধমান উদ্বেগ হিসাবে তুলে ধরেন। নিবিড় এআই কাজের চাপ সমর্থনকারী বর্তমান ডেটা সেন্টারগুলি ইতিমধ্যে শত শত মেগাওয়াটে পরিমাপ করা শক্তি ব্যবহার করছে। অনুমানগুলি ইঙ্গিত দেয় যে ভবিষ্যতের প্রয়োজনীয়তা অনিবার্যভাবে গিগাওয়াট পরিসরে উঠবে – যা বড় বিদ্যুৎ কেন্দ্রের আউটপুট। ‘এটি যে শক্তি ব্যবহার করে’, Brown সতর্ক করে বলেন, এআই-এর কথা উল্লেখ করে, ‘তা বিশাল, এবং অনেক ডেটা সেন্টারে এর পদচিহ্ন বড়।’ এই ক্রমবর্ধমান শক্তির চাহিদা কেবল 엄청 পরিচালন ব্যয়ই উপস্থাপন করে না, বরং পরবর্তী প্রজন্মের এআই পরিকাঠামোর স্থান নির্ধারণ এবং বিদ্যুৎ সরবরাহের জন্য উল্লেখযোগ্য পরিবেশগত এবং লজিস্টিক চ্যালেঞ্জও তৈরি করে।

The Economic Wildcard: A Shadow Over Growth Plans (অর্থনৈতিক অনিশ্চয়তা: প্রবৃদ্ধির পরিকল্পনার উপর ছায়া)

প্রযুক্তিগত অগ্রগতি এবং ক্রমবর্ধমান ব্যবহারের ক্ষেত্রে চালিত বুলিশ দৃষ্টিভঙ্গি সত্ত্বেও, এআই বিনিয়োগের সমস্ত অনুমানের উপর একটি উল্লেখযোগ্য পরিবর্তনশীল বিষয় looming করছে: বৃহত্তর অর্থনৈতিক জলবায়ু। Bloomberg Intelligence সম্মেলন শেষ হওয়ার সাথে সাথে, অংশগ্রহণকারীরা ইতিমধ্যে নতুন ঘোষিত বৈশ্বিক শুল্ক প্যাকেজ থেকে উদ্ভূত বাজারের অস্থিরতা পর্যবেক্ষণ করছিলেন, যা প্রত্যাশার চেয়ে বেশি বিস্তৃত বলে মনে করা হয়েছিল।

এটি একটি শক্তিশালী অনুস্মারক হিসাবে কাজ করে যে উচ্চাভিলাষী প্রযুক্তিগত রোডম্যাপগুলি ম্যাক্রোইকোনমিক হেডওয়াইন্ড দ্বারা দ্রুত ব্যাহত হতে পারে। Bloomberg-এর Rana সতর্ক করে দিয়েছিলেন যে যদিও এআই ব্যয় প্রাথমিকভাবে কিছুটা সুরক্ষিত থাকতে পারে, কর্পোরেট আইটি বিনিয়োগের ঐতিহ্যবাহী ক্ষেত্রগুলি, যেমন এআই-সম্পর্কিত নয় এমন সার্ভার এবং স্টোরেজ, অর্থনৈতিক সংকোচনে প্রথম শিকার হতে পারে। ‘অন্যান্য বড় জিনিস যার উপর আমরা মনোনিবেশ করছি তা হল নন-এআই প্রযুক্তি ব্যয়’, তিনি উল্লেখ করেন, আয়ের মরসুমে প্রধান প্রযুক্তি পরিষেবা সরবরাহকারীদের উপর সম্ভাব্য প্রভাব সম্পর্কে উদ্বেগ প্রকাশ করে, এমনকি বিশেষভাবে এআই বাজেট বিবেচনা করার আগেও।

তবে, একটি প্রচলিত তত্ত্ব রয়েছে যে এআই অনন্যভাবে স্থিতিস্থাপক প্রমাণিত হতে পারে। Rana পরামর্শ দিয়েছেন যে প্রধান কর্পোরেশনগুলির চিফ ফিনান্সিয়াল অফিসাররা (CFOs), অর্থনৈতিক অনিশ্চয়তা বা এমনকি মন্দার কারণে বাজেট সীমাবদ্ধতার মুখোমুখি হয়ে, এআই উদ্যোগগুলিকে অগ্রাধিকার দিতে পারে। তারা ভবিষ্যতের প্রতিযোগিতার জন্য গুরুত্বপূর্ণ বলে মনে করা কৌশলগত এআই বিনিয়োগগুলিকে রক্ষা করার জন্য কম গুরুত্বপূর্ণ ক্ষেত্রগুলি থেকে সম্ভাব্যভাবে তহবিল স্থানান্তর করতে পারে।

তবুও, এই আশাবাদী দৃষ্টিভঙ্গি নিশ্চিত হওয়া থেকে অনেক দূরে। Rana-র মতে, চূড়ান্ত পরীক্ষা হবে বড় কর্পোরেশনগুলি ক্রমবর্ধমান অর্থনৈতিক অনিশ্চয়তার মুখে তাদের আক্রমণাত্মক মূলধন ব্যয়ের লক্ষ্যমাত্রা, বিশেষ করে এআই ডেটা সেন্টার তৈরির জন্য, বজায় রাখে কিনা। গুরুত্বপূর্ণ প্রশ্নটি রয়ে গেছে: ‘তারা কি বলতে যাচ্ছে, ‘জানেন কি? এটি খুব অনিশ্চিত।’’ উত্তরটি নির্ধারণ করবে যে এআই পরিকাঠামো ব্যয়ের পিছনে আপাতদৃষ্টিতে অপ্রতিরোধ্য গতি তার নিরলস আরোহণ অব্যাহত রাখে নাকি বৈশ্বিক অর্থনৈতিক বাস্তবতার দ্বারা নির্দেশিত একটি অপ্রত্যাশিত বিরতির মুখোমুখি হয়।