AI এর কথা উঠলেই আমাদের মাথায় প্রথমে আসে শক্তিশালী GPU। যত বেশি GPU, AI তত দ্রুত কাজ করবে, ব্যাপারটা যেন এতটাই সহজ। কিন্তু ASUS বলছে, বাস্তবে বড় প্রতিষ্ঠানে AI চালাতে গিয়ে গল্পটা একেবারেই অন্য রকম হতে পারে।
ধরুন, কোটি টাকা খরচ করে শক্তিশালী AI Server বসানো হলো। GPU এর ক্ষমতারও কোনো অভাব নেই। তারপরও AI প্রত্যাশামতো দ্রুত কাজ করছে না। সমস্যাটা শেষ পর্যন্ত GPU তে নয়, দেখা গেল Storage থেকে যথেষ্ট দ্রুত Data পৌঁছাচ্ছে না। আবার কোথাও Network ধীর, কোথাও Server এত তাপ তৈরি করছে যে Cooling নিয়েই নতুন সমস্যা শুরু হয়েছে।
ASUS এর ১৬ সেপ্টেম্বর প্রকাশিত অফিশিয়াল প্রতিবেদনে এমন বাস্তব সমস্যাগুলোর কথাই তুলে ধরা হয়েছে। কোম্পানিটির মতে, ছোট পরিসরে AI পরীক্ষা করা আর সেটিকে প্রতিদিন হাজারো কাজে নির্ভরযোগ্যভাবে চালানো সম্পূর্ণ আলাদা চ্যালেঞ্জ।
AI চালিয়ে দেখা সহজ, বড় করে চালানোতেই আসল পরীক্ষা
একটি কোম্পানি প্রথমে কয়েকটি Computer বা Server নিয়ে AI পরীক্ষা করতে পারে। অল্প Data এবং ছোট একটি Team নিয়ে সেই পরীক্ষা বেশ ভালোভাবেই চলতে পারে।
কিন্তু একই AI যখন Factory, Hospital, Bank, Telecom Company কিংবা Customer Service এর গুরুত্বপূর্ণ কাজে ব্যবহার শুরু হবে, তখন পরিস্থিতি বদলে যায়।
ASUS বলছে, তখন শুধু Computer কত শক্তিশালী সেটাই আর মূল প্রশ্ন থাকে না। Data কোথায় রাখা হচ্ছে, সেটি কত দ্রুত Server এ পৌঁছাচ্ছে, Network চাপ সামলাতে পারছে কি না, কত বিদ্যুৎ লাগছে এবং Server এর তাপ কীভাবে নিয়ন্ত্রণ করা হবে, সবকিছুই গুরুত্বপূর্ণ হয়ে ওঠে।
মজার বিষয় হলো, প্রতিষ্ঠানগুলো অনেক সময় প্রথমে মনে করে তাদের আরও Computing Power দরকার। পরে দেখা যায় আসল বাধা অন্য জায়গায়।
GPU দারুণ শক্তিশালী, কিন্তু Data পৌঁছাবে কীভাবে?
সহজ একটা উদাহরণ ধরা যাক।
আপনার কাছে খুব দ্রুত একটি গাড়ি আছে, কিন্তু সামনে রাস্তা সরু এবং যানজটে ভরা। গাড়ি যতই শক্তিশালী হোক, সেই রাস্তায় তার পুরো গতি ব্যবহার করা সম্ভব হবে না।
AI Server এর ক্ষেত্রেও অনেকটা একই ঘটনা ঘটতে পারে।
GPU প্রচণ্ড দ্রুত হিসাব করতে পারে। কিন্তু প্রয়োজনীয় Data যদি Storage থেকে যথেষ্ট দ্রুত না আসে কিংবা Server গুলোর মধ্যে Network Connection ধীর হয়, তাহলে GPU এর পুরো ক্ষমতা কাজে লাগানো সম্ভব হয় না।
এই কারণেই AI Chip এর Performance এর পাশাপাশি Memory এবং Data Transfer এখন গুরুত্বপূর্ণ হয়ে উঠছে। যেমন NVIDIA এর নতুন NVHBM নিয়ে TechnicalBD এর প্রতিবেদনে দেখা গেছে, নতুন Memory Technology তৈরির ক্ষেত্রেও Bandwidth বাড়ানো এবং Power কমানোর ওপর জোর দেওয়া হচ্ছে।
এবার আসছে AI Factory
ASUS এই বড় ব্যবস্থাকে বলছে AI Factory।
নাম শুনে Robot দিয়ে পণ্য বানানোর কোনো Factory মনে হতে পারে। আসলে বিষয়টি একটু আলাদা।
AI Factory হলো এমন একটি বড় Computing Environment, যেখানে Data, AI Model, GPU, Storage, Network এবং Software একসঙ্গে কাজ করে নিয়মিত AI Service তৈরি ও চালাতে পারে।
একবার একটি AI Project চালিয়ে দেখাই এর উদ্দেশ্য নয়। বরং একই Infrastructure ব্যবহার করে নিয়মিত AI Model Training, Inference এবং বিভিন্ন AI Application চালানোই মূল লক্ষ্য।
ASUS এর আরেকটি AI Factory বিষয়ক ব্যাখ্যায় বলা হয়েছে, প্রতিটি AI Project এর জন্য আলাদা ব্যবস্থা তৈরির পরিবর্তে একটি কেন্দ্রীয় Infrastructure ব্যবহার করলে Data Pipeline, Computing Resource এবং পরিচালনার ব্যবস্থা বারবার ব্যবহার করা সম্ভব হয়।
এত শক্তিশালী Server ঠান্ডা রাখবেন কীভাবে?
AI এর এই দৌড়ে একটা বিষয় সাধারণ ব্যবহারকারীর চোখে খুব একটা পড়ে না। সেটি হলো বিদ্যুৎ এবং তাপ।
শক্তিশালী GPU প্রচুর বিদ্যুৎ ব্যবহার করে এবং একই সঙ্গে প্রচুর তাপ তৈরি করে। ছোট Computer এর Fan দিয়ে যে সমস্যা সামলানো যায়, বিশাল AI Data Center এ সেই হিসাব সম্পূর্ণ আলাদা।
ASUS বলছে, Enterprise AI নিয়ে আলোচনায় এখন Power এবং Cooling শুরুতেই গুরুত্বপূর্ণ প্রশ্ন হয়ে উঠছে।
অর্থাৎ ভবিষ্যতের সবচেয়ে শক্তিশালী AI System বানাতে শুধু কে সবচেয়ে দ্রুত GPU তৈরি করল, সেটি দেখলেই হবে না। হাজারো AI Chip চালানোর জন্য বিদ্যুৎ কোথা থেকে আসবে এবং সেগুলোকে ঠান্ডা রাখা হবে কীভাবে, সেটাও সমান গুরুত্বপূর্ণ।
NVIDIA এর DSX Platform ও একই সমস্যার দিকে নজর দিচ্ছে। NVIDIA এর অফিসিয়াল তথ্য অনুযায়ী, তাদের প্রযুক্তি ব্যবহার করে AI Factory বাস্তবে তৈরি করার আগেই Digital Twin এর মাধ্যমে Power, Cooling এবং অন্যান্য Infrastructure পরীক্ষা ও Simulation করা যায়।
বানানোর আগেই Computer এ পুরো Data Center পরীক্ষা
এখানেই বিষয়টি আরও মজার হয়ে যায়।
বড় AI Data Center তৈরি করার পর যদি দেখা যায় Cooling যথেষ্ট নয় কিংবা Power System ঠিকমতো পরিকল্পনা করা হয়নি, তাহলে সেটি ঠিক করা অত্যন্ত ব্যয়বহুল হতে পারে।
তাই ASUS NVIDIA DSX Sim Blueprint ব্যবহার করে বাস্তব Infrastructure তৈরির আগেই Digital Version তৈরি করে পরীক্ষা করার কথা বলছে।
অনেকটা বাড়ি বানানোর আগে 3D Model তৈরি করে কোথায় কী থাকবে তা পরীক্ষা করার মতো। পার্থক্য হলো, এখানে শুধু দেখতে কেমন হবে সেটাই নয়, Power, Cooling এবং পুরো System কীভাবে কাজ করতে পারে সেটিও Simulation করা যায়।
NVIDIA Omniverse DSX Blueprint এর মাধ্যমে বড় AI Factory এর Digital Twin তৈরি করে Design, Power এবং Thermal পরিস্থিতি পরীক্ষা করার ব্যবস্থা রয়েছে।
সব AI Cloud এ রাখারও দরকার নেই
ChatGPT এর মতো AI ব্যবহার করলে আমাদের কাজ সাধারণত দূরের Cloud Data Center এ চলে যায়। কিন্তু সব ধরনের AI কাজের ক্ষেত্রে এটি সুবিধাজনক নাও হতে পারে।
ধরুন, একটি Factory তে Camera দিয়ে প্রতি মুহূর্তে পণ্যের ত্রুটি পরীক্ষা করা হচ্ছে। Camera এর Video দূরের Server এ পাঠিয়ে Result ফেরত আসার অপেক্ষা করলে বাড়তি সময় লাগতে পারে।
সেখানে কাছাকাছি Computer এ AI চালানো হলে সিদ্ধান্ত আরও দ্রুত পাওয়া যেতে পারে।
আবার Bank, Hospital কিংবা গুরুত্বপূর্ণ প্রতিষ্ঠানের Sensitive Data এর ক্ষেত্রেও সব তথ্য বাইরে পাঠানো সবসময় উপযুক্ত নাও হতে পারে।
এই কারণেই ASUS Cloud, Data Center এবং Edge তিন জায়গার Computing একসঙ্গে ব্যবহারের দিকে গুরুত্ব দিচ্ছে।
ছোট পরিসরে একই পরিবর্তন Personal Computer এর দিকেও দেখা যাচ্ছে। সম্প্রতি ASUS এর ProArt Computer এ Local AI Agent এবং NVIDIA PAIR ও RTX Spark নিয়ে TechnicalBD এর প্রতিবেদনে দেখেছি, AI এর কিছু কাজ Cloud থেকে নিজের Device এর দিকে নিয়ে আসার চেষ্টা চলছে।
ASUS একা নয়, AI Infrastructure নিয়ে প্রতিযোগিতা বড় হচ্ছে
AI Infrastructure নিয়ে এখন শুধু ASUS কাজ করছে এমন নয়। NVIDIA, AMD, Cisco সহ বড় Technology Company গুলোও এই বাজারে বড় বিনিয়োগ করছে।
ASUS নিজেও NVIDIA এর সঙ্গে কাজ করছে। Computex 2026 এ কোম্পানিটি NVIDIA DSX ভিত্তিক AI Factory Solution দেখিয়েছে, যেখানে Compute এর পাশাপাশি Storage, Networking এবং Enterprise AI Application নিয়ে কাজ করা হচ্ছে।
অন্যদিকে Saudi Arabia তে AMD, Cisco ও HUMAIN এর AI Infrastructure ইতিমধ্যে গ্রাহকদের Computing Service দেওয়া শুরু করেছে।
এগুলো দেখে একটা বিষয় পরিষ্কার হচ্ছে। AI প্রতিযোগিতা এখন আর শুধু কে ভালো Chatbot বানাতে পারে, সেখানে আটকে নেই। সেই AI চালানোর জন্য বিশাল Computing Infrastructure তৈরির প্রতিযোগিতাও দ্রুত বাড়ছে।
বাংলাদেশের জন্য এর মানে কী?
বাংলাদেশে এখনই ASUS বা NVIDIA এর মতো বিশাল AI Factory তৈরি হবে এমন কোনো ঘোষণা নেই। তাই এ বিষয়ে অতিরঞ্জিত কিছু বলা ঠিক হবে না।
তবে ভবিষ্যতে বাংলাদেশের Bank, Telecom Company, University, Hospital, Software Company এবং সরকারি প্রতিষ্ঠানে AI এর ব্যবহার বড় পরিসরে বাড়লে একই ধরনের প্রশ্ন আমাদের সামনেও আসবে।
শুধু GPU কিনলেই তখন কাজ শেষ হবে না।
নির্ভরযোগ্য বিদ্যুৎ, দ্রুত Internet ও Network, ভালো Data Center, Cooling, Cyber Security, Data Storage এবং দক্ষ Engineer সবকিছুর প্রয়োজন হবে।
Middle East এ এই পরিবর্তন ইতিমধ্যেই বড় পরিসরে দেখা যাচ্ছে। AMD এর Middle East AI পরিকল্পনা নিয়ে TechnicalBD এর প্রতিবেদনে দেখা যায়, Saudi Arabia, UAE ও Qatar শুধু AI Chip কেনার বদলে Data Center, Cloud, Developer এবং পুরো AI Ecosystem তৈরির দিকে এগোচ্ছে।
বাংলাদেশের ক্ষেত্রেও ভবিষ্যতে AI নিয়ে বড় পরিকল্পনা করতে হলে শুধু Software নয়, পেছনের Infrastructure নিয়েও ভাবতে হবে।
আর AI ও নতুন প্রযুক্তির এমন আরও খবর পড়তে পারেন TechnicalBD এর এআই নিউজ বিভাগে।
শেষ কথা
AI নিয়ে বাইরে থেকে আমরা মূলত Chatbot, নতুন Model আর শক্তিশালী GPU দেখি। কিন্তু পর্দার পেছনের জগতটা অনেক বড়।
একটি GPU অত্যন্ত দ্রুত হতে পারে। কিন্তু সেটিকে Data দিতে Storage ধীর হলে লাভ নেই। Network দুর্বল হলে সমস্যা। পর্যাপ্ত বিদ্যুৎ না থাকলে Server চলবে না। আবার Cooling ঠিক না থাকলে সেই শক্তিশালী Hardware দীর্ঘ সময় চালানোই কঠিন হয়ে যাবে।
ASUS এর নতুন আলোচনা তাই একটা মজার বাস্তবতা সামনে এনেছে। ভবিষ্যতের AI যুদ্ধ শুধু আরও শক্তিশালী Chip বানানোর যুদ্ধ নয়।
সেই Chip গুলোকে একসঙ্গে বসিয়ে নির্ভরযোগ্যভাবে AI চালানোর পুরো ব্যবস্থা কে সবচেয়ে ভালোভাবে তৈরি করতে পারে, সেটিও এখন বড় প্রতিযোগিতা।
