সাক্ষাৎকার Jensen Huang

মন মুগ্ধকর এক আলোচনায়, Nvidia-এর দূরদর্শী CEO Jensen Huang, কম্পিউটিং, এআই এবং এমনকি বিশ্ব অর্থনীতির ভবিষ্যৎ সম্পর্কে এক বিরল অন্তর্দৃষ্টি দিয়েছেন। Bg2 Pod-এর Bill Gurley এবং Brad Gerstner-এর সঙ্গে বসে, Huang অত্যন্ত স্পষ্টতার সাথে তুলে ধরেছেন কিভাবে আর্টিফিশিয়াল ইন্টেলিজেন্সের একটি উপেক্ষিত দিক শিল্পগুলিকে নতুন করে সংজ্ঞায়িত করতে এবং অভূতপূর্ব প্রবৃদ্ধি ঘটাতে প্রস্তুত, যা প্রচলিত Wall Street-এর ধারণাকে চ্যালেঞ্জ করে।

বিলিয়নx বুম: এআই-এর কম্পিউটেশনাল চাহিদার নতুন সংজ্ঞা

এক বছর আগে, Jensen Huang সাহসী ভবিষ্যদ্বাণী করেছিলেন যে এআই ইনফারেন্স কেবল ১০০x বা ১০০০x নয়, বরং বিস্ময়কর এক বিলিয়নx বৃদ্ধি পাবে। এই পূর্বাভাসটি পুনরায় পর্যালোচনা করে, তিনি স্বীকার করেছেন, "আমি ভুল অনুমান করেছিলাম। আমি এটা প্রকাশ্যেই বলতে চাই।" এআই-এর দ্রুত বিবর্তনে উৎসাহিত হয়ে তার আত্মবিশ্বাস কেবল বেড়েছে। যা একসময় একক 'প্রি-ট্রেনিং' স্কেলিং ল হিসেবে দেখা হতো, তা এখন তিনটি স্বতন্ত্র, দ্রুত বর্ধনশীল শক্তিতে বিভক্ত হয়ে গেছে: প্রি-ট্রেনিং, পোস্ট-ট্রেনিং (যেখানে এআই তার দক্ষতা 'চর্চা' করে), এবং সবচেয়ে গুরুত্বপূর্ণভাবে, 'চিন্তন' ইনফারেন্স।

এই 'চিন্তন' ইনফারেন্সই হলো গেম-চেঞ্জার। পুরোনো ওয়ান-শট ইনফারেন্স মডেলের বিপরীতে, আধুনিক এআই এখন 'উত্তর দেওয়ার আগে চিন্তা করার' জন্য ডিজাইন করা হয়েছে, যা গবেষণা করা, মূল তথ্য যাচাই করা এবং পুনরাবৃত্তি করা। এই জটিল জ্ঞানীয় প্রক্রিয়া অতিরিক্ত কম্পিউটেশনাল শক্তি দাবি করে। যেমনটি হুয়াং বলেছেন, "এআই এখন আর কেবল একটি ল্যাঙ্গুয়েজ মডেল নয়, এআই হলো ল্যাঙ্গুয়েজ মডেলের একটি সিস্টেম এবং তারা সবাই টুল ব্যবহার করে সমান্তরালভাবে চলছে... এবং এটি পুরোপুরি মাল্টিমোডালিটি।" এই গভীর পরিবর্তন মানে এআই-এর কম্পিউটেশনাল চাহিদা কেবল বিশাল নয়, বরং অতৃপ্ত এবং দ্রুত প্রসারিত হচ্ছে, যা বর্তমানে অনেকেই বুঝতে পারে না তার চেয়েও অনেক বেশি।

মূল অন্তর্দৃষ্টি:

• এআই ইনফারেন্স 'চিন্তন' এবং চেইন-অফ-রিজনিং ক্ষমতার আগমনের কারণে একটি 'বিলিয়নx' কম্পিউটেশনাল বৃদ্ধি অনুভব করছে।
• এআই ল্যান্ডস্কেপ এখন তিনটি স্বতন্ত্র স্কেলিং ল দ্বারা পরিচালিত: প্রি-ট্রেনিং, পোস্ট-ট্রেনিং (এআই অনুশীলন), এবং জটিল ইনফারেন্স।
• মাল্টি-এজেন্ট সিস্টেম, মাল্টিমোডাল এআই এবং ব্যাপক টুল ব্যবহার সাধারণ ল্যাঙ্গুয়েজ মডেলের বাইরে কম্পিউট চাহিদাকে নাটকীয়ভাবে বাড়িয়ে তোলে।

OpenAI: পরবর্তী ট্রিলিয়ন-ডলার হাইপারস্কেলার এবং Nvidia-এর কৌশলগত পদক্ষেপ

হুয়াং-এর দৃষ্টিভঙ্গির কেন্দ্রবিন্দুতে রয়েছে Nvidia-এর OpenAI-এর সাথে কৌশলগত অংশীদারিত্ব, যার মধ্যে রয়েছে একটি বিনিয়োগ এবং তাদের নিজস্ব বিশাল এআই পরিকাঠামো তৈরির জন্য সমর্থন। তিনি OpenAI-কে কেবল একজন গ্রাহক হিসেবে দেখেন না, বরং "সম্ভবত পরবর্তী বহু-ট্রিলিয়ন ডলারের হাইপারস্কেল কোম্পানি" হিসেবে দেখেন। এই সাহসী ভবিষ্যদ্বাণী OpenAI-এর প্রত্যাশিত উল্কাগতির উত্থানের আগে বিনিয়োগ করার Nvidia-এর সিদ্ধান্তের ভিত্তি, একটি সুযোগ যা হুয়াং "আমরা যা কল্পনা করতে পারি তার মধ্যে সবচেয়ে স্মার্ট বিনিয়োগের একটি" বলে অভিহিত করেছেন।

এই অংশীদারিত্ব এআই ল্যান্ডস্কেপে একটি উল্লেখযোগ্য পরিবর্তনের ইঙ্গিত দেয়। OpenAI, যা ঐতিহ্যগতভাবে Microsoft Azure-এর মতো হাইপারস্কেলারদের ব্যবহার করত, এখন তার নিজস্ব "স্বয়ং-নির্মিত এআই পরিকাঠামো" তৈরি করছে – কার্যত নিজেই একটি হাইপারস্কেলার হয়ে উঠছে। এটি Meta এবং Google-এর মতো জায়ান্টদের সাথে Nvidia-এর সরাসরি সম্পর্ককে প্রতিফলিত করে, যেখানে তারা সরাসরি চিপ, সফটওয়্যার এবং সিস্টেম স্তরে কাজ করে। OpenAI একইসাথে "দুটি এক্সপোনেনশিয়াল" পরিচালনা করছে: গ্রাহক ব্যবহারে একটি এক্সপোনেনশিয়াল বৃদ্ধি এবং প্রতি ব্যবহার ক্ষেত্রে কম্পিউটেশনাল চাহিদার একটি এক্সপোনেনশিয়াল বৃদ্ধি ('চিন্তন' এআই-এর কারণে)। Azure, OCI, CoreWeave এবং এখন OpenAI-এর সরাসরি নির্মাণে Nvidia-এর বহু-মুখী সমর্থন এই ক্রমবর্ধমান চাহিদা মেটাতে ডিজাইন করা হয়েছে, যা Nvidia-এর অপরিহার্য ভূমিকাকে আরও দৃঢ় করছে।

মূল সিদ্ধান্ত:

• OpenAI-তে Nvidia-এর বিনিয়োগ একটি কৌশলগত পদক্ষেপ, যা বহু-ট্রিলিয়ন ডলারের হাইপারস্কেল সত্তা হওয়ার সম্ভাবনার উপর বাজি ধরছে।
• OpenAI-কে নিজস্ব এআই পরিকাঠামো নির্মাণে সমর্থন করা সরাসরি, ফুল-স্ট্যাক সম্পর্ককে উৎসাহিত করে, যা অন্যান্য প্রযুক্তি জায়ান্টদের সাথে Nvidia-এর সম্পর্ককে প্রতিফলিত করে।
• এই অংশীদারিত্ব এআই-তে গ্রাহক গ্রহণের দ্রুত বৃদ্ধি এবং প্রতি-ব্যবহারকারী কম্পিউটেশনাল চাহিদার সম্মিলিত চ্যালেঞ্জ মোকাবেলা করে।

দুর্ভেদ্য প্রতিরক্ষা: চরম কো-ডিজাইন এবং বার্ষিক গতি

Wall Street-এর বিশ্লেষকরা বর্তমানে Nvidia-এর প্রবৃদ্ধি ২০২৭-২০৩০ সালের মধ্যে স্থিতিশীল হওয়ার পূর্বাভাস দিয়েছেন, একটি দৃষ্টিভঙ্গি যা হুয়াং অন্তর্নিহিত পরিবর্তনের সাথে বেমানান বলে মনে করেন। তিনি তিনটি মৌলিক বিষয় তুলে ধরেছেন: প্রথমত, "সাধারণ উদ্দেশ্যমূলক কম্পিউটিং শেষ হয়ে গেছে," এবং বিশ্বের ট্রিলিয়ন ডলারের কম্পিউটিং পরিকাঠামোকে এক্সেলারেটেড এআই কম্পিউটিং দিয়ে অবশ্যই নতুন করে তৈরি করতে হবে। দ্বিতীয়ত, বিদ্যমান হাইপারস্কেল ওয়ার্কলোডগুলি (অনুসন্ধান, সুপারিশ ইঞ্জিন) দ্রুত CPU থেকে GPU-তে স্থানান্তরিত হচ্ছে, যা "শত শত বিলিয়ন ডলারের" একটি পরিবর্তন। অবশেষে, এবং সবচেয়ে গভীরভাবে, এআই মানুষের বুদ্ধিমত্তাকে উন্নত করবে, যা বিশ্বব্যাপী জিডিপি-র ৫০-৬৫% প্রভাবিত করবে।

"এক্সপোনেনশিয়াল অফ এক্সপোনেনশিয়াল" চাহিদা মেটাতে, যা টোকেন জেনারেশন এবং গ্রাহক ব্যবহারের দ্বারা চালিত, Nvidia তার আর্কিটেকচারগুলির জন্য (Hopper, Blackwell, Rubin, Fineman) একটি আক্রমণাত্মক বার্ষিক প্রকাশনা চক্র গ্রহণ করেছে। পারফরম্যান্সের জন্য Moore's Law অনেকটাই অকার্যকর হওয়ায়, Nvidia-এর প্রতিযোগিতামূলক সুবিধা আসে "চরম কো-ডিজাইন" থেকে। এটি কেবল দ্রুততর চিপ তৈরি করা নয়; এটি মডেল, অ্যালগরিদম, সিস্টেম এবং চিপকে একইসাথে অপ্টিমাইজ করা, "বাক্সের বাইরে" উদ্ভাবন করা। যেমনটি হুয়াং ব্যাখ্যা করেছেন, এই ফুল-স্ট্যাক পদ্ধতি—যা CPU, GPU, নেটওয়ার্কিং চিপস, MVLink এবং Spectrum-X Ethernet অন্তর্ভুক্ত করে—Nvidia-কে প্রজন্মগুলির মধ্যে (যেমন Hopper থেকে Blackwell) ৩০ গুণ পারফরম্যান্স বৃদ্ধি অর্জন করতে সাহায্য করে, যা কোনো প্রচলিত সিলিকন উন্নতি দিতে পারে না। এই পদ্ধতিগত উদ্ভাবন, Nvidia এবং এর উভয় গ্রাহকদের কাছ থেকে প্রয়োজনীয় বিনিয়োগের বিশাল মাত্রার সাথে মিলিত হয়ে, একটি শক্তিশালী প্রতিরক্ষা তৈরি করে যা প্রতিদ্বন্দ্বীদের জন্য "আগের চেয়েও কঠিন" প্রতিলিপি করা।

মূল অভ্যাস:

• Nvidia টোকেন জেনারেশন এবং এআই ব্যবহারের দ্রুত বৃদ্ধির সাথে তাল মিলিয়ে চলার জন্য তার আর্কিটেকচারগুলির জন্য একটি আক্রমণাত্মক বার্ষিক প্রকাশনা চক্র বজায় রাখে।
• "চরম কো-ডিজাইন" বলতে পুরো এআই ফ্যাক্টরি স্ট্যাক জুড়ে একযোগে অপ্টিমাইজেশন বোঝায়: মডেল, অ্যালগরিদম, সিস্টেম, চিপস, নেটওয়ার্কিং এবং সফটওয়্যার।
• কোম্পানিটি একক চিপ উদ্ভাবনের বাইরে চলে গিয়ে এমন সমন্বিত, ফুল-স্ট্যাক এআই সিস্টেম তৈরি করছে যা অভূতপূর্ব পারফরম্যান্স বৃদ্ধি করে।
• গ্রাহক স্থাপনার স্কেল (যেমন, একটি গিগাওয়াটের জন্য ৫,০০,০০০ GPU প্রয়োজন) এবং Nvidia-এর সাপ্লাই চেইন ক্ষমতা প্রবেশে একটি বিশাল বাধা তৈরি করে।

মানবতার সক্ষমতা বৃদ্ধি: ট্রিলিয়ন ডলারের অর্থনৈতিক পরিবর্তন

এআই-এর আসল দীর্ঘমেয়াদী প্রভাব, হুয়াং-এর মতে, মানুষের বুদ্ধিমত্তাকে উন্নত করার ক্ষমতায় নিহিত। একটি উপমা টেনে তিনি বলেন যে, ঠিক যেমন মোটর শারীরিক শ্রমকে প্রতিস্থাপন করেছিল, "এই এআই সুপারকম্পিউটারগুলি, এই এআই ফ্যাক্টরিগুলি যা আমি বলি, তারা মানুষের বুদ্ধিমত্তাকে উন্নত করতে টোকেন তৈরি করবে।" যেখানে মানুষের বুদ্ধিমত্তা বিশ্বব্যাপী জিডিপি-র সম্ভাব্য ৫০ ট্রিলিয়ন ডলারের জন্য দায়ী, সেখানে সামান্য বর্ধনও—যেমন একটি ১০,০০০ ডলারের এআই একটি ১,০০,০০০ ডলারের কর্মচারীকে দ্বিগুণ উৎপাদনশীল করে তোলে—একটি বিশাল নতুন বাজার তৈরি করে।

এই বর্ধন, তার মতে, বিশ্বব্যাপী জিডিপি-তে "১০ ট্রিলিয়ন" যোগ করতে পারে, যার জন্য এআই পরিকাঠামোতে বার্ষিক "৫ ট্রিলিয়ন" মূলধন ব্যয়ের প্রয়োজন হবে। এটি কোনো "এয়ার পকেট" বা "চাহিদার অতিরিক্ত যোগান" (glut) নিয়ে নয়; এটি একটি মৌলিক পরিবর্তন। তিনি অতিরিক্ত সরবরাহের উদ্বেগ উড়িয়ে দিয়ে বলেছেন, "যতক্ষণ না আমরা সমস্ত সাধারণ উদ্দেশ্যমূলক কম্পিউটিংকে এক্সেলারেটেড কম্পিউটিং এবং এআই-তে সম্পূর্ণরূপে রূপান্তরিত করছি... [অতিরিক্ত সরবরাহের] সম্ভাবনা অত্যন্ত কম।" গ্রাহকদের থেকে আসা চাহিদার সংকেতগুলি ধারাবাহিকভাবে আসল প্রয়োজনকে কম অনুমান করে, যা Nvidia-কে সর্বদা "ব্যস্ততার মোডে" রাখে। শক্তি শিল্পের জন্য এই "নবজাগরণ" এবং সম্পূর্ণ পরিকাঠামো ইকোসিস্টেম বিশ্বব্যাপী জিডিপি-র একটি ত্বরণ নির্দেশ করে, যা বিলিয়ন বিলিয়ন নতুন এআই "সহকর্মী" দ্বারা চালিত।

মূল অন্তর্দৃষ্টি:

• এআই-এর প্রাথমিক অর্থনৈতিক প্রভাব হবে মানুষের বুদ্ধিমত্তাকে উন্নত করা, যা বিশ্বব্যাপী জিডিপি প্রবৃদ্ধির ত্বরণ ঘটাবে।
• সাধারণ উদ্দেশ্যমূলক থেকে এক্সেলারেটেড/এআই কম্পিউটিং-এ রূপান্তর, বিদ্যমান হাইপারস্কেল ওয়ার্কলোডগুলির এআই-তে স্থানান্তরের সাথে মিলিত হয়ে, নিরবচ্ছিন্ন চাহিদা নিশ্চিত করে।
• Nvidia-এর সাপ্লাই চেইন চাহিদা-চালিত, যা নিয়মিতভাবে গ্রাহকদের পূর্বাভাসকে সাড়া দেয়, যা প্রায়শই আসল কম্পিউট চাহিদাকে কম অনুমান করে।

"আমার একমাত্র আফসোস হলো যে তারা আমাদের প্রথম দিকে বিনিয়োগ করার জন্য আমন্ত্রণ জানিয়েছিল... এবং আমরা এতটাই দরিদ্র ছিলাম, বুঝলেন, আমরা এতটাই দরিদ্র ছিলাম যে যথেষ্ট বিনিয়োগ করিনি, বুঝলেন, আর আমার উচিত ছিল আমার সমস্ত অর্থ তাদের দেওয়া।" - Jensen Huang