---
title: "Amazon-এর $220 বিলিয়ন মূল্যের AI অবকাঠামো কৌশল: নিজস্ব চিপ, ডেটা সেন্টারের অর্থনীতি এবং বৃহৎ প্রতিষ্ঠানে AI-এর ব্যাপক প্রয়োগ"
author: "DeepValues Research"
publisher: "DeepValues Research (DeepValues / LuLu Ventures LLC)"
type: "Research article"
date: "2026-10-24"
language: "bn"
section: "Insights"
machine_translated: true
translation_method: "machine translation (gpt-6.1-sol, Azure OpenAI)"
translated_from: "https://research.deepvalues.ai/insights/2026-10-24-amazons-ai-era-and-infrastructure-expansion/"
original_url: "https://research.deepvalues.ai/insights/2026-10-24-amazons-ai-era-and-infrastructure-expansion/"
original_language: "en"
translated_on: "2026-11-15"
translation_note: "Machine-translated from the original report; the original is authoritative."
canonical_url: "https://research.deepvalues.ai/insights/2026-10-24-amazons-ai-era-and-infrastructure-expansion-bn/"
markdown_url: "https://research.deepvalues.ai/insights/2026-10-24-amazons-ai-era-and-infrastructure-expansion-bn/index.md"
license: "CC BY 4.0"
license_url: "https://creativecommons.org/licenses/by/4.0/"
cite_as: "DeepValues Research, Amazon-এর $220 বিলিয়ন মূল্যের AI অবকাঠামো কৌশল: নিজস্ব চিপ, ডেটা সেন্টারের অর্থনীতি এবং বৃহৎ প্রতিষ্ঠানে AI-এর ব্যাপক প্রয়োগ, https://research.deepvalues.ai/insights/2026-10-24-amazons-ai-era-and-infrastructure-expansion-bn/"
publisher_url: "https://deepvalues.ai"
app: "https://deepvalues.ai"
api: "https://app.deepvalues.ai/developers"
data_note: "Reports are dated snapshots. Current data via the DeepValues API: https://app.deepvalues.ai/developers"
disclaimer: "Educational research, not investment advice."
disclosure: "AI-assisted"
generated_by: "NotebookLM + DeepValues editors"
category: "ai"
tickers: ["AMZN"]
sources:
  - title: "Amazon CEO Andy Jassy on the Infrastructure the AI Era Needs"
    url: "https://www.youtube.com/watch?v=-YMMRQ1qscI"
audio: "https://anchor.fm/s/117391698/podcast/play/127980195/https%3A%2F%2Fd3ctxlq1ktw2nl.cloudfront.net%2Fstaging%2F2026-9-24%2F434854705-44100-2-048188212c408.mp3"
audio_kind: "podcast episode"
audio_page: "https://open.spotify.com/episode/61w7dfoVt8mCa1yuuNZXDx"
---
# Amazon-এর $220B কৃত্রিম বুদ্ধিমত্তা অবকাঠামো কৌশল: নিজস্ব সিলিকন, ডেটা সেন্টারের অর্থনীতি এবং প্রাতিষ্ঠানিক কৃত্রিম বুদ্ধিমত্তার ব্যাপকতা

Amazon তার বিশ্বব্যাপী কৃত্রিম বুদ্ধিমত্তা ও ক্লাউড কম্পিউটিং অবকাঠামো সম্প্রসারণের জন্য 2026 সালে অভূতপূর্ব $220B মূলধনি ব্যয়ের চক্র পরিচালনা করছে। অবিরাম চাহিদার কারণে 2026 পর্যন্ত কম্পিউটিং সক্ষমতা সম্পূর্ণ বিক্রি হয়ে গেছে, 2027-এর সক্ষমতার অধিকাংশ বিক্রি হয়েছে এবং 2028-এর সক্ষমতারও বড় অংশের জন্য অঙ্গীকার করা হয়েছে। এই প্রেক্ষাপটে কোম্পানিটি বিপুল স্বল্পমেয়াদি আর্থিক বিনিয়োগের সঙ্গে দীর্ঘমেয়াদি অবকাঠামো থেকে আয় অর্জনের ভারসাম্য বজায় রাখছে। মূল উৎপাদন কার্যভারে প্রাতিষ্ঠানিক কৃত্রিম বুদ্ধিমত্তার ব্যাপক ব্যবহার সম্ভব করতে—যা বর্তমানে উচ্চ ইনফারেন্স ব্যয়ের কারণে সীমিত—Amazon নিজস্ব সিলিকন মোতায়েন করছে, যার মধ্যে রয়েছে Annapurna Labs-এর তৈরি Trainium অ্যাক্সিলারেটর ও Graviton কেন্দ্রীয় প্রক্রিয়াকরণ ইউনিট [CPU] চিপ। অত্যন্ত ছিমছাম, এজেন্টভিত্তিক সফটওয়্যার প্রকৌশল কর্মপ্রবাহের দিকে মৌলিক পরিবর্তনের সঙ্গে মিলিয়ে এই মূলধন বরাদ্দ কৌশলের লক্ষ্য হলো কম্পিউটিং ব্যয় এক ক্রমমাত্রা কমানো এবং উদীয়মান কৃত্রিম বুদ্ধিমত্তার যুগে ভিত্তিগত নেতৃত্ব নিশ্চিত করা।

## 1. মূলধনি ব্যয়ের দ্বিধা: অতৃপ্ত চাহিদার মধ্যে অবকাঠামোর পরিসর বৃদ্ধি

বর্তমান প্রাতিষ্ঠানিক কৃত্রিম বুদ্ধিমত্তার চাহিদার বিপুল পরিসর ক্লাউড অবকাঠামো নির্মাণকে অজানা অঞ্চলে নিয়ে গেছে। Amazon 2026 সালের জন্য মোট মূলধনি ব্যয় আনুমানিক $220B হবে বলে প্রাক্কলন করছে—অর্থাৎ প্রতিদিন প্রায় $600M-এর অসাধারণ হারে মূলধন বিনিয়োগ। এই মূলধনি অঙ্গীকার সত্ত্বেও ক্লাউড ব্যবস্থাজুড়ে কম্পিউটিং সক্ষমতা মারাত্মকভাবে সীমিত রয়েছে। Amazon Web Services [AWS]-এর সক্ষমতা 2026 পর্যন্ত সম্পূর্ণ বিক্রি হয়ে গেছে, 2027-এর অধিকাংশ বিক্রি হয়েছে এবং 2028-এর জন্যও ইতিমধ্যে বড় বরাদ্দের অঙ্গীকার করা হয়েছে। এই সম্প্রসারণে অর্থায়নের জন্য প্রয়োজনীয় বিপুল আর্থিক পরিসর নিয়ে আর্থিক বাজার মাঝে মাঝে সংশয় প্রকাশ করলেও, প্রাতিষ্ঠানিক কম্পিউটিং অবকাঠামো বিশ্বব্যাপী বাণিজ্য, ব্যাংকিং, স্বাস্থ্যসেবা এবং সফটওয়্যার কার্যক্রমের মৌলিক পরিষেবা হয়ে উঠেছে।

এই দ্রুত সম্প্রসারণ সাময়িক পরিচালনাগত ও আর্থিক সমঝোতার পরিস্থিতি তৈরি করছে, যা মহামারির সময় Amazon-এর ভৌত নেটওয়ার্ক সম্প্রসারণের সঙ্গে ঘনিষ্ঠভাবে তুলনীয়। 2020 থেকে 2022-এর মধ্যে Amazon মাত্র 18 মাসে তার অর্ডার পূরণ নেটওয়ার্কের বিস্তৃতি দ্বিগুণ করেছিল—যে ভৌত নেটওয়ার্কটি তার আগের 25 বছরে গড়ে উঠেছিল। একই সঙ্গে কোম্পানিটি 20 মাসে United Parcel Service [UPS]-এর সঙ্গে পরিসরে তুলনীয় একটি শেষ ধাপের পরিবহন নেটওয়ার্ক নির্মাণ করেছিল। 

ভৌত বা ডিজিটাল অবকাঠামো এত চরম গতিতে নির্মিত হলে পরিচালনাগত অদক্ষতা অনিবার্যভাবে দেখা দেয়। খুচরা বিক্রয় বিভাগে দ্রুত পরিসর বৃদ্ধি শুরুতে সেবা প্রদানের ব্যয়ে গুরুতর প্রতিকূলতা তৈরি করেছিল। গ্রাহকের অভিজ্ঞতার সঙ্গে আপস করা বা সাংগঠনিক সংস্কৃতির পরিচালনাগত মান কমানোর পরিবর্তে Amazon কাঠামোগত প্রতিবন্ধকতা চিহ্নিত করতে অভ্যন্তরীণ তথ্যসূচক এবং নির্বাহী পর্যালোচনা ব্যবস্থা ব্যবহার করেছিল। এর ফলে তার সরবরাহব্যবস্থার অবকাঠামো সম্পূর্ণ নতুনভাবে বিন্যস্ত হয় এবং একটি একস্তরীয় জাতীয় অর্ডার পূরণ নেটওয়ার্ক আঞ্চলিক মডেলে রূপান্তরিত হয়। আঞ্চলিকীকরণ মজুতপণ্যকে চূড়ান্ত ভোক্তাদের কাছাকাছি নিয়ে আসে, একই সঙ্গে পরিবহনের দূরত্ব কমায়, সেবা প্রদানের পরিচালনাগত ব্যয় হ্রাস করে এবং সরবরাহের গতি বাড়ায়।

ডিজিটাল অবকাঠামোজুড়েও একই ধরনের স্থাপত্যগত বিবর্তন ঘটছে। Amazon-এর প্রধান নির্বাহী কর্মকর্তা Andy Jassy বর্তমান ডেটা সেন্টার নির্মাণকে আধুনিক শিল্পের অপরিহার্য প্রয়োজন হিসেবে তুলে ধরেছেন এবং এর সঙ্গে ঐতিহাসিক ফেডারেল অবকাঠামো প্রকল্পগুলোর তুলনা করেছেন। *“সম্ভবত 1950-এর দশকে আমরা মহাসড়ক ও সেতু নির্মাণ করার পর থেকে বিশ্বে এবং এই দেশে এর মতো কিছু ঘটেনি,” Jassy উল্লেখ করেন।* এই মূলধনি চক্র এড়িয়ে যাওয়া বা বিলম্বিত করা গভীর কৌশলগত ঝুঁকি তৈরি করে; দেশীয় কম্পিউটিং অবকাঠামো প্রতিষ্ঠায় ব্যর্থতা চীনের মতো বিদেশি প্রতিযোগীদের হাতে প্রযুক্তিগত নেতৃত্ব ও পরিচালনাগত মান নির্ধারণের ক্ষমতা তুলে দিতে পারে।

## 2. ডেটা সেন্টারের অর্থনীতির কার্যপ্রণালি এবং জনসাধারণের বিদ্যুৎ গ্রিড-সংক্রান্ত বিরোধ

অতিবৃহৎ ডেটা সেন্টারের অর্থনীতি বুঝতে হলে ক্লাউড অবকাঠামো নিয়ন্ত্রণকারী স্বতন্ত্র দুই-অংশের নগদ চক্র মূল্যায়ন করতে হয়:

* **ডেটা সেন্টারের ভবনকাঠামো ও বিদ্যুৎ অবকাঠামো:** ডেটা সেন্টারের ভৌত ভবনকাঠামো ও বিদ্যুৎ সংযোগের জন্য সার্ভার স্থাপনের প্রায় দুই বছর আগে মূলধনের অঙ্গীকার করতে হয়। তবে এই ভবনকাঠামোগুলো 30-বছরের ব্যবহারযোগ্য আয়ুসম্পন্ন সম্পদ, যার জন্য একবার প্রধান মূলধনি ব্যয় করতে হয়।
* **সার্ভার ও নেটওয়ার্কিং হার্ডওয়্যার:** তথ্যপ্রযুক্তি সম্পদ—যেমন সার্ভার র‍্যাক, নেটওয়ার্কিং সরঞ্জাম, উচ্চ ব্যান্ডউইডথ মেমরি [HBM] এবং ডায়নামিক র‍্যান্ডম-অ্যাক্সেস মেমরি [DRAM]—মোতায়েনের মাত্র কয়েক মাস আগে কেনা হয়। এই সম্পদগুলোর ব্যবহারযোগ্য আয়ু 5-to-6-বছর, সাধারণত তিন বছরের মধ্যে ব্যয় উঠে আসে এবং এগুলো গড়ে পাঁচ বছরের মেয়াদবিশিষ্ট দীর্ঘমেয়াদি গ্রাহক চুক্তির মাধ্যমে সুরক্ষিত থাকে।

ডেটা সেন্টারের ভবনকাঠামোর জন্য আয় শুরু হওয়ার দুই বছর আগে বিপুল অগ্রিম মূলধন প্রয়োজন হওয়ায়, অতিবৃহৎ ক্লাউড সেবাদাতারা দ্রুত নির্মাণের পর্যায়ে ফ্রি ক্যাশ ফ্লো (মুক্ত নগদ প্রবাহ)-এর ওপর উল্লেখযোগ্য সাময়িক চাপের মুখোমুখি হয়। স্থাপনাগুলো চালু হলে, সার্ভার স্থাপিত হলে এবং গ্রাহক চুক্তি থেকে আয় শুরু হলে নগদ প্রবাহ স্বাভাবিক হয় ও চক্রবৃদ্ধি হারে বাড়ে। *“এ বছর মূলধনি ব্যয়ে $220B খরচ করেও আমরা উল্লেখযোগ্য পরিমাণ চাহিদা অপূর্ণ রেখে দিচ্ছি,” আলোচনার সময় Jassy বলেন।*

একই সঙ্গে অতিবৃহৎ অবকাঠামো উন্নয়ন পরিবেশ ও বিদ্যুৎ গ্রিডের ওপর প্রভাব নিয়ে রাজনৈতিক এবং স্থানীয় জনবিরোধের মুখোমুখি হচ্ছে। পর্যবেক্ষণভিত্তিক উৎসতথ্য জনসাধারণের বেশ কয়েকটি প্রচলিত ভুল ধারণা খণ্ডন করে:

* **পানির ব্যবহার:** পুরোনো বাণিজ্যিক স্থাপনার তুলনায় ডেটা সেন্টারের শীতলীকরণ ব্যবস্থা অত্যন্ত দক্ষ। উদাহরণস্বরূপ, গলফ শিল্প Amazon-এর সব ডেটা সেন্টারের সম্মিলিত ব্যবহারের চেয়ে 200 গুণ বেশি পানি ব্যবহার করে; Amazon-এর ডেটা সেন্টারগুলো পুরো বছরে যত পানি ব্যবহার করে, তার চেয়ে বেশি পানি গলফ শিল্প দুই দিনে ব্যবহার করে।
* **নির্গমন ও বিকল্প জেনারেটর:** স্থাপনায় থাকা বিকল্প ডিজেল জেনারেটর একটানা চলে না। এগুলো কেবল বিদ্যুৎ বিভ্রাট ও নিয়মিত রক্ষণাবেক্ষণের সময় চলে, যা বছরের প্রায় 0.1% সময়ের সমান (বার্ষিক আনুমানিক 10 ঘণ্টা)।
* **স্থানীয় অর্থনীতি ও গ্রিডের ওপর প্রভাব:** ডেটা সেন্টারগুলো আশ্রয়দাতা পৌর এলাকার জন্য বিপুল করভিত্তি তৈরি করে। Indiana-র St. Joseph County-তে Amazon স্থানীয় কর হিসেবে প্রায় $3B পরিশোধ করেছে। এছাড়াও, Amazon তার “Built Together” কর্মসূচির মাধ্যমে পাঁচ বছরে আশ্রয়দাতা এলাকাগুলোকে সরাসরি $1B দেওয়ার অঙ্গীকার করেছে। দ্রুত বিদ্যুৎ চাহিদা শুরুতে গ্রিড উন্নয়ন অপরিহার্য করে তুললেও, Indiana, Georgia এবং Mississippi-র বিভিন্ন অঞ্চলের ঐতিহাসিক তথ্য দেখায় যে আঞ্চলিক গ্রিড অবকাঠামোর সক্ষমতা স্থাপিত হলে স্থানীয় বিদ্যুৎ পরিষেবার দর সময়ের সঙ্গে স্থির থাকে বা কমে।

## 3. কৃত্রিম বুদ্ধিমত্তার চাহিদার বারবেল বিন্যাস এবং নিজস্ব সিলিকনের ভূমিকা

বর্তমান প্রাতিষ্ঠানিক কৃত্রিম বুদ্ধিমত্তার গ্রহণে একটি কাঠামোগত অসামঞ্জস্য দেখা যাচ্ছে, যাকে Andy Jassy “চাহিদার বারবেল” হিসেবে বর্ণনা করেছেন। কম্পিউটিং ব্যবহার বাজারের দুই চরম প্রান্তে ব্যাপকভাবে কেন্দ্রীভূত, ফলে প্রাতিষ্ঠানিক কার্যভারের বিশাল সংখ্যাগরিষ্ঠ অংশে এখনো এর প্রবেশ ঘটেনি:

* **উচ্চ কম্পিউটিং-ব্যবহারের প্রান্ত:** এতে রয়েছে অগ্রসীমার কৃত্রিম বুদ্ধিমত্তা গবেষণাগার এবং দ্রুত জনপ্রিয় হয়ে ওঠা ভোক্তা অ্যাপ্লিকেশন, যেগুলো মূল্য নির্বিশেষে বিপুল কম্পিউটিং সক্ষমতা ব্যবহার করে।
* **কম কম্পিউটিং-ব্যবহারের প্রান্ত:** এতে রয়েছে এমন প্রতিষ্ঠান, যারা স্বয়ংক্রিয় গ্রাহকসেবা ও জালিয়াতি শনাক্তকরণের মতো সীমিত ক্ষেত্রে ব্যয় এড়ানো এবং উৎপাদনশীলতা বৃদ্ধির জন্য কৃত্রিম বুদ্ধিমত্তা ব্যবহার করছে।
* **অনুপ্রবেশহীন মধ্যভাগ:** এতে রয়েছে মূল প্রাতিষ্ঠানিক উৎপাদন অ্যাপ্লিকেশন, যেগুলো এখনো প্রধানত পুরোনো CPU স্থাপত্যের সঙ্গে বাঁধা রয়েছে। 

এই মূল উৎপাদন কার্যভারগুলোকে কৃত্রিম বুদ্ধিমত্তার অ্যাক্সিলারেটরে স্থানান্তরের প্রধান বাধা হলো ইনফারেন্সের ব্যয়। ইনফারেন্সের ব্যয় কমলেও, মূলধারার অ্যাপ্লিকেশন পুনর্লিখন যৌক্তিক করার জন্য তা এখনো এক ক্রমমাত্রা বেশি। *“আমার মতে ইনফারেন্সের ব্যয়... যতটা সম্ভব ব্যাপকভাবে ব্যবহারের উপযোগী হওয়ার তুলনায় এখনো এক ক্রমমাত্রা বেশি,” Jassy মন্তব্য করেন।* সাধারণ CPU কম্পিউটিং ও কৃত্রিম বুদ্ধিমত্তা-ত্বরিত কম্পিউটিংয়ের মধ্যে ব্যয়ের পার্থক্য বেশি থাকলে, অতিরিক্ত কার্যক্ষমতার সুবিধাকে বিনিয়োগের ওপর মুনাফার অস্বাভাবিক উচ্চ সীমা পূরণ করতে হবে। ইনফারেন্সের ব্যয় কমানোই এই বিশাল মধ্যবর্তী বাজার উন্মুক্ত করার জন্য একক অপরিহার্য অনুঘটক।

ইনফারেন্সের ব্যয় কমাতে Amazon-এর কৌশল ব্যাপকভাবে নির্ভর করে Annapurna Labs-এর তৈরি নিজস্ব সিলিকনের ওপর; প্রতিষ্ঠানটি 2015 সালে অধিগ্রহণ করা হয়েছিল। মূলত সার্ভারের CPU থেকে সংরক্ষণ, নেটওয়ার্কিং, ভার্চুয়ালাইজেশন ও নিরাপত্তার কাজ সরিয়ে নিবেদিত নেটওয়ার্ক ইন্টারফেস কার্ডে [NICs] দেওয়ার জন্য Annapurna-কে অধিগ্রহণ করা হয়। এই স্থাপত্য AWS-কে Elastic Compute Cloud [EC2] সার্ভারের CPU সক্ষমতার প্রায় 100% সরাসরি গ্রাহকের কার্যভারে বরাদ্দ করার সুযোগ দেয়।

এই প্রকৌশলভিত্তি থেকে দুটি গুরুত্বপূর্ণ চিপ পরিবার তৈরি হয়েছে:

* **Graviton CPU:** প্রচলিত x86 স্থাপত্যের বিকল্প হিসেবে তৈরি Graviton চিপ সাধারণ x86 প্রসেসরের তুলনায় 40% মূল্য-কার্যক্ষমতার সুবিধা দেয়। বর্তমানে AWS-এর শীর্ষ 1,000 EC2 গ্রাহকের 99% Graviton ব্যবহার করে।
* **Trainium কৃত্রিম বুদ্ধিমত্তা অ্যাক্সিলারেটর:** গভীর শিক্ষণ প্রশিক্ষণ ও ইনফারেন্সের জন্য বিশেষভাবে তৈরি Trainium প্রসেসর প্রতিযোগী বাণিজ্যিক গ্রাফিক্স প্রসেসরের তুলনায় 30% থেকে 40% মূল্য-কার্যক্ষমতার সুবিধা দেয়। 

নিজস্ব সিলিকনের মাধ্যমে ইনফারেন্সের ব্যয় এক ক্রমমাত্রা কমিয়ে Amazon মূলধারার প্রতিষ্ঠানগুলোর জন্য ব্যাপক কৃত্রিম বুদ্ধিমত্তা সংযুক্তির উদ্দেশ্যে মূল সফটওয়্যার অ্যাপ্লিকেশন পুনর্লিখনকে অর্থনৈতিকভাবে কার্যকর করতে চায়।

## 4. এজেন্টভিত্তিক যুগে সাংগঠনিক নকশা এবং সাইবার নিরাপত্তার বাস্তবতা

সৃজনশীল কৃত্রিম বুদ্ধিমত্তা ও এজেন্টভিত্তিক উন্নয়ন সরঞ্জামের বিস্তার সফটওয়্যার প্রকৌশল, দলের কাঠামো এবং কর্পোরেট পরিচালন মডেলকে মৌলিকভাবে বদলে দিচ্ছে। অতিবিশেষায়িত সাংগঠনিক কাঠামোর ঐতিহাসিক প্রবণতা—যেখানে পৃথক পণ্য ব্যবস্থাপক বা প্রকৌশলী একটি পণ্যের অতি ক্ষুদ্র অংশের দায়িত্বে থাকেন—অত্যন্ত ছিমছাম, বহুকার্যভিত্তিক দলের কাছে জায়গা ছেড়ে দিচ্ছে।

গতির এই পরিবর্তনের একটি প্রধান উদাহরণ ঘটেছে AWS-এর মধ্যেই: AWS Bedrock প্রকৌশল দল 6 জন প্রকৌশলী দিয়ে 76 দিনে তার মূল ইনফারেন্স ইঞ্জিন সম্পূর্ণ পুনর্নির্মাণ করেছে। আগে ওই পরিসরের একটি অবকাঠামো প্রকল্পে 40 জন প্রকৌশলীকে পুরো এক বছর কাজ করতে হতো। একইভাবে, 4 থেকে 5 জন প্রকৌশলীর ছোট অভ্যন্তরীণ দল এখন একটি সপ্তাহান্তেই সরবরাহযোগ্য অবস্থার 80% পর্যন্ত প্রস্তুত সফটওয়্যার প্রোটোটাইপ তৈরি করতে সক্ষম।

গতির এই সূচকগুলো প্রযুক্তিগত প্রতিষ্ঠানগুলো কীভাবে মানব মূলধন বরাদ্দ করে, তাতে মৌলিক পরিবর্তনের ইঙ্গিত দেয়:

* **কর্মীবাহিনীর পরিসরে পরিবর্তন:** হাতে কোড লেখা, প্রাথমিক আইনি নথি প্রক্রিয়াকরণ এবং নিয়মিত ব্যবসায়িক বিশ্লেষণের মতো পুরোনো কাজের জন্য সফটওয়্যার প্রতিষ্ঠানগুলোর কম মানব ডেভেলপার প্রয়োজন হবে। *“আজ মানুষ যে কাজগুলো করছে, ভবিষ্যতে সেই কাজ করার জন্য আজকের তুলনায় কম মানুষ থাকবে,” Jassy ব্যাখ্যা করেন।*
* **বহুকার্যভিত্তিক অন্তর্নির্মিত দল:** উন্নয়ন দলগুলো ছোট, অত্যন্ত নমনীয় কাঠামোয় উন্নত নির্মাণ পর্যায় থেকেই কাজ করবে এবং নিয়মিত কাজের 80% সম্পাদনে কৃত্রিম বুদ্ধিমত্তার মডেল ব্যবহার করবে।
* **বাজারে আসার সময় সংকোচন:** পণ্য পরিমার্জনের চক্র বহু মাসের পরিকল্পনা থেকে কয়েক দিনের প্রোটোটাইপ তৈরির স্বল্পমেয়াদি কর্মপর্বে নেমে আসছে।

তবে এজেন্টভিত্তিক গতি তীব্র সাইবার নিরাপত্তার হুমকি তৈরি করছে। উন্নত কৃত্রিম বুদ্ধিমত্তার মডেল মানব নিরাপত্তা বিশেষজ্ঞ বা প্রচলিত অনুপ্রবেশ পরীক্ষকদের চেয়ে দ্রুত সফটওয়্যারের দুর্বলতা আবিষ্কার করছে। 

প্রচলিতভাবে সফটওয়্যার নিরাপত্তা নির্ভর করত দুর্বলতা শনাক্ত করা, সংশোধনী তৈরি করা, নির্ভরতাগুলো পরীক্ষা করা এবং হালনাগাদ মোতায়েনের ওপর—যে প্রক্রিয়ায় প্রায়ই কয়েক সপ্তাহ বা মাস লাগে। এজেন্টভিত্তিক হুমকির পরিবেশে প্রতিষ্ঠানগুলোকে সংশোধনী মোতায়েনের সময় কয়েক মিনিটে নামিয়ে আনতে হবে। এই পরিবর্তনের মধ্যে টিকে থাকতে প্রতিষ্ঠানগুলোকে পুরোনো কোডভান্ডার এজেন্ট-উপযোগী স্থাপত্যে পুনর্লিখতে হবে, যাতে স্বয়ংক্রিয় সফটওয়্যার এজেন্ট মানুষের হাতে করা হস্তক্ষেপ ছাড়াই অবিরাম দুর্বলতা আবিষ্কার, সংশোধন এবং হালনাগাদ মোতায়েন করতে পারে।

## 5. মূলধন বরাদ্দ, কৌশলগত জোট এবং মূল পণ্যের পুনর্নির্মাণ

Amazon-এর মূলধন বিনিয়োগ কৌশল নিজস্ব সিলিকন উন্নয়নের সঙ্গে অগ্রণী কৃত্রিম বুদ্ধিমত্তার মডেল নির্মাতাদের সঙ্গে বহু-বিলিয়ন ডলারের কৌশলগত জোটকে একত্র করে। 

Anthropic-এর সঙ্গে অংশীদারত্বের মাধ্যমে AWS Claude মডেলগুলোর প্রধান প্রশিক্ষণ ও ইনফারেন্স সেবাদাতা হিসেবে কাজ করে। Anthropic Trainium চিপের ওপর নির্মিত বহু-গিগাওয়াট কম্পিউটিং স্থাপনার অঙ্গীকার করেছে এবং একই সঙ্গে AWS Bedrock-এ তার মডেলগুলো সরাসরি সরবরাহ করছে। একইভাবে, Amazon AWS-এ OpenAI কার্যভার সমর্থনের জন্য তার ব্যবস্থার পরিসর বাড়িয়েছে এবং বিশেষভাবে এজেন্টভিত্তিক কার্যসম্পাদনের জন্য নকশা করা অবস্থা-সংরক্ষণকারী বিশেষায়িত রানটাইম পরিবেশ যৌথভাবে তৈরি করছে।

বাহ্যিক মডেল হোস্ট করার বাইরেও, প্রাতিষ্ঠানিক প্রযুক্তি কৌশলে ধাপে ধাপে বৈশিষ্ট্য হালনাগাদের ওপর নির্ভর না করে পরিণত, অত্যন্ত সফল পণ্যগুলোকে গোড়া থেকে নতুন করে তৈরি করা প্রয়োজন। Jassy উদাহরণ হিসেবে Amazon Alexa-র সম্পূর্ণ পুনর্গঠনের কথা উল্লেখ করেছেন। Alexa-র মূল স্থাপত্য চালুর সময় যুগান্তকারী হলেও, সৃজনশীল কৃত্রিম বুদ্ধিমত্তার আগমন এর অন্তর্নিহিত ইঞ্জিন সম্পূর্ণ প্রতিস্থাপন অপরিহার্য করে তুলেছে। 

পুরোনো সফটওয়্যার ধাপে ধাপে হালনাগাদ করা সাংগঠনিকভাবে সহজ হলেও, বাজারে নেতৃত্ব বজায় রাখতে ভিত্তিগত পুনর্লিখন প্রয়োজন। খুচরা বিক্রয়, স্ট্রিমিং ভিডিও এবং ক্লাউড ব্যবস্থাপনার প্রতিষ্ঠিত প্রাতিষ্ঠানিক অ্যাপ্লিকেশনগুলোকে উদীয়মান এজেন্ট-উপযোগী নবীন উদ্যোগগুলোর সঙ্গে প্রতিযোগিতামূলক থাকতে সম্পূর্ণ কৃত্রিম বুদ্ধিমত্তা-উপযোগী পুনর্নকশার মধ্য দিয়ে যেতে হবে।
## গুরুত্বপূর্ণ পরিসংখ্যান

* **$220B:** 2026 সালে Amazon-এর প্রত্যাশিত মূলধনী ব্যয় (প্রতিদিন ~$600M)।
* **36.7%:** সর্বশেষ ত্রৈমাসিকে AWS-এর বছরের তুলনায় আগের বছরের রাজস্ব প্রবৃদ্ধি, যার বার্ষিক রাজস্বের চলতি গতিভিত্তিক হার $169B।
* **$25+B:** প্রথম 3 বছরের মধ্যেই AWS-এর জেনারেটিভ কৃত্রিম বুদ্ধিমত্তা ব্যবসার বার্ষিক রাজস্বের চলতি গতিভিত্তিক হার (তুলনায় AWS-এর প্রাথমিক ইতিহাসে 3 বছর পর এই হার ছিল $60M)।
* **80%:** 2021 থেকে বর্তমান পর্যন্ত সামগ্রিকভাবে Amazon-এর আনুমানিক রাজস্ব প্রবৃদ্ধি।
* **3x:** 2021 থেকে বর্তমান পর্যন্ত AWS-এর প্রবৃদ্ধির গুণিতক।
* **2.5x:** 2021 থেকে বর্তমান পর্যন্ত Amazon-এর বিজ্ঞাপন রাজস্বের প্রবৃদ্ধির গুণিতক।
* **30 বছর বনাম 5–6 বছর:** ডেটা সেন্টারের অবকাঠামোর কার্যকর আয়ুষ্কাল (30 বছর) বনাম সার্ভার/নেটওয়ার্কিং সরঞ্জামের আয়ুষ্কাল (5–6 বছর, ব্যয় উঠে আসতে ~3 বছর)।
* **40%:** প্রচলিত x86 প্রসেসরের তুলনায় Graviton কেন্দ্রীয় প্রক্রিয়াকরণ ইউনিটের মূল্য-সাপেক্ষ কর্মক্ষমতার উন্নতি।
* **30%–40%:** তুলনীয় প্রসেসরের চেয়ে Trainium কৃত্রিম বুদ্ধিমত্তা চিপের মূল্য-সাপেক্ষ কর্মক্ষমতার সুবিধা।
* **200x:** Amazon-এর ডেটা সেন্টারের তুলনায় গলফ কোর্সগুলোর বেশি পানি ব্যবহারের গুণিতক।
* **0.1%:** বছরের যে শতাংশ সময় বিকল্প জেনারেটরগুলো চলে (বার্ষিক আনুমানিক 10 ঘণ্টা)।
* **$3B:** ইন্ডিয়ানার সেন্ট জোসেফ কাউন্টিতে Amazon-এর পরিশোধিত কর।
* **$1B:** "Built Together" কর্মসূচির মাধ্যমে ডেটা সেন্টার অবস্থিত স্থানীয় জনগোষ্ঠীর জন্য পাঁচ বছরের অঙ্গীকার।
* **76 দিনে 6 জন প্রকৌশলী:** Bedrock দলের ইনফারেন্স ইঞ্জিন পুনর্নির্মাণের পরিসর (তুলনায় অতীতে 1 বছর ধরে 40 জন কাজ করতেন)।

## কী হলে এই চিত্র বদলাবে

1. **ইনফারেন্সের ব্যয়ে নাটকীয় হ্রাস:** বিশেষভাবে তৈরি সিলিকন চিপের (যেমন, Trainium) কারণে ইনফারেন্সের ব্যয় ব্যাপকভাবে কমে যাওয়া, যা "বারবেল"-এর মধ্যবর্তী অংশকে (মূলধারার প্রাতিষ্ঠানিক অ্যাপ্লিকেশন) শুধু কেন্দ্রীয় প্রক্রিয়াকরণ ইউনিটনির্ভর স্থাপত্য থেকে সরে যেতে উদ্বুদ্ধ করবে।
2. **যন্ত্রাংশ ও বিদ্যুৎ সরবরাহের সীমাবদ্ধতার সমাধান:** মেমোরি (উচ্চ ব্যান্ডউইডথ মেমোরি/ডায়নামিক র‍্যান্ডম অ্যাক্সেস মেমোরি), বিদ্যুৎ ও শীতলীকরণের সরবরাহ শৃঙ্খলে উল্লেখযোগ্য বৃদ্ধি, যা বর্তমান সম্পূর্ণ বিক্রি হয়ে যাওয়া সক্ষমতার সীমা ছাড়িয়ে অতিরিক্ত সক্ষমতা উন্মুক্ত করবে (2026–2028)।
3. **স্বয়ংক্রিয় এজেন্টভিত্তিক ব্যাপক পুনর্লিখন:** প্রতিষ্ঠানগুলোর পুরোনো কোডভিত্তির স্থাপত্য সফলভাবে হালনাগাদ করে এজেন্টের জন্য স্বাভাবিকভাবে উপযোগী করা, যাতে প্রতি মিনিটে নিরাপত্তা সংশোধনী মোতায়েন করা সম্ভব হয়।
4. **সরকারি/বেসরকারি অবকাঠামো অংশীদারত্বে পরিবর্তন:** অতিবৃহৎ পরিসরের গণনা-সক্ষমতার শিল্পচাহিদার সঙ্গে তাল মেলাতে বিদ্যুৎ গ্রিডের সক্ষমতায় কেন্দ্রীয় ও স্থানীয় বিনিয়োগ ত্বরান্বিত হওয়া।

আরও বিনামূল্যের গবেষণা দেখতে বা নিজের মডেলগুলো পরীক্ষা করতে DeepValues Research প্ল্যাটফর্মে যান অথবা DeepValues অ্যাপটি ব্যবহার করে দেখুন।
## তথ্যসূত্র

Amazon CEO Andy Jassy on the Infrastructure the AI Era Needs, hosted by a16z (Video Transcript).

## From DeepValues

- DeepValues app: intrinsic value, stances and the latest reports for 300+ stocks. [iPhone](https://apps.apple.com/us/app/deepvalues/id6775568608?utm_source=research&utm_medium=web&utm_campaign=markdown) · [Android](https://play.google.com/store/apps/details?id=app.deepvalues.android&referrer=utm_source%3Dresearch%26utm_medium%3Dweb%26utm_campaign%3Dmarkdown) · [Web](https://app.deepvalues.ai/?utm_source=research&utm_medium=web&utm_campaign=markdown)
- [Deep Value Intelligence](https://deepvalues.ai/?utm_source=research&utm_medium=web&utm_campaign=markdown): the multi-agent AI analyst behind these reports, for any listed company
- [Margin of Safety Weekly](https://app.deepvalues.ai/letter?utm_source=research&utm_medium=web&utm_campaign=markdown): free weekly email, every Saturday
- YouTube: videos on investing and on AI. [@TheDeepValues](https://www.youtube.com/@TheDeepValues?utm_source=research&utm_medium=web&utm_campaign=markdown) (investing) · [@deep-values](https://www.youtube.com/@deep-values?utm_source=research&utm_medium=web&utm_campaign=markdown) (AI)
- Podcasts: 6 shows in English and Chinese (Deep Values, 深度价值, Deep Values Frontier, 深度價值前沿, Deep Value Intelligence, 深度价值情报站). [all shows on Apple Podcasts](https://podcasts.apple.com/us/channel/deepvalues/id6826606342)
- Buffett Indicator: market-valuation gauge. [iPhone](https://apps.apple.com/us/app/buffett-indicator/id6747404614?utm_source=research&utm_medium=web&utm_campaign=markdown) · [Android (Buffett Indicator & Shiller PE)](https://play.google.com/store/apps/details?id=com.luluventures.bubblewatch.android&utm_source=research&utm_medium=web&utm_campaign=markdown)
