Insights Investing

AI স্ট্যাকের বিশ্লেষণ: দীর্ঘমেয়াদি বিনিয়োগকারীদের জন্য প্রতিবন্ধকতা, ইকোনমিক মোট (টেকসই প্রতিযোগিতামূলক সুরক্ষা) ও মূল্য সঞ্চয়ের পর্যালোচনা

পডকাস্ট · শুনুন (24 মিনিট)

Chamath's AI Stack: Who Gets Paid From $700B Capex? | Stock Market

সূচিপত্র
  1. 1. কৃত্রিম বুদ্ধিমত্তার স্তরবিন্যাসের বিশ্লেষণ: সীমাবদ্ধতা বনাম অর্থনৈতিক মূল্য সঞ্চয়
  2. 2. অবকাঠামো ও মূলধনী ব্যয়ের ঘনত্ব: কৃত্রিম বুদ্ধিমত্তার নিচে শিল্পবিপ্লব
  3. 3. চিপ, মেমরি ও মডেলের অর্থনীতি: পণ্যায়ন বনাম পরিবর্তনশীল অগ্রসীমা
  4. 4. কার্যসম্পাদন স্তর, ভৌত কৃত্রিম বুদ্ধিমত্তা এবং জেভনস প্যারাডক্স
  5. 5. গুরুত্বপূর্ণ পরিসংখ্যান
  6. 6. যেসব বিষয় আমাদের দৃষ্টিভঙ্গি বদলাবে
  7. 7. সূত্র

কৃত্রিম বুদ্ধিমত্তার প্রযুক্তিগত স্তরবিন্যাসে মূল্য সঞ্চিত হয় কেবল চরম ভৌত দুষ্প্রাপ্যতার কারণে নয়, বরং যেখানে প্রযুক্তিগত সীমাবদ্ধতার সঙ্গে মূল্য নির্ধারণের ক্ষমতা, বারবার ব্যবহারের পরিমাণ বৃদ্ধি, পরিবর্তনের খরচ এবং বিনিয়োগকৃত মূলধনের ওপর উচ্চ অতিরিক্ত মুনাফার হার (ROIC) মিলিত হয়। Chamath Palihapitiya-র ছয়-স্তরীয় কাঠামো (অবকাঠামো, চিপ, উপাত্ত, মডেল, বাস্তবায়ন, প্রয়োগ) ভিত্তিমূলক মডেলগুলোর অর্থনৈতিক পণ্যায়ন এবং গুরুত্বপূর্ণ হার্ডওয়্যার বাধাবিন্দুর উদ্ভবকে যথাযথভাবে তুলে ধরলেও, দীর্ঘমেয়াদি বিনিয়োগকারীদের অবশ্যই চরম প্রযুক্তিগত দুষ্প্রাপ্যতা ও টেকসই শেয়ারমূল্য সৃষ্টির মধ্যে পার্থক্য করতে হবে। অতিবৃহৎ ক্লাউড সেবাদাতারা বিপুল মূলধননির্ভর শিল্পপ্রতিষ্ঠানে রূপান্তরিত হচ্ছে এবং 2026 সালে গণনা ও বিদ্যুৎ গ্রিড অবকাঠামোতে $700B-এর বেশি ব্যয় করবে বলে পূর্বাভাস রয়েছে। ফলে অন্তর্নিহিত মূল্য মূল্যায়নের জন্য শুধু ভৌত সীমাবদ্ধতার ওপর নির্ভর না করে ফ্রি ক্যাশ ফ্লো (মুক্ত নগদ প্রবাহ)-এর স্থায়িত্ব, মূলধনঘনত্বের ঝুঁকি এবং নিজস্ব কর্মপ্রবাহের প্রতিক্রিয়াচক্র বিশ্লেষণ করতে হবে।

1. কৃত্রিম বুদ্ধিমত্তার স্তরবিন্যাসের বিশ্লেষণ: সীমাবদ্ধতা বনাম অর্থনৈতিক মূল্য সঞ্চয়

স্তরভিত্তিক স্থাপত্যের মাধ্যমে কৃত্রিম বুদ্ধিমত্তা বিশ্লেষণ মৌলভিত্তিক বিনিয়োগকারীদের জন্য অপরিহার্য স্পষ্টতা প্রদান করে। Chamath Palihapitiya এই বাস্তুতন্ত্রকে ছয়টি স্বতন্ত্র স্তরে ভাগ করেন: অবকাঠামো (বিদ্যুৎ, জমি, শীতলীকরণ, খনিজ, চিপ কারখানা), চিপ (GPU/ASIC, উচ্চ ব্যান্ডউইথ মেমরি [HBM], প্যাকেজিং, নেটওয়ার্কিং), উপাত্ত (নিজস্ব, সংবেদনভিত্তিক, রোবোটিক্সের উপাত্ত), মডেল (ভিত্তিমূলক বুদ্ধিমত্তা), বাস্তবায়ন (এজেন্ট, সমন্বিত পরিচালনা, API, কার্যচালক) এবং প্রয়োগ (শেষ ব্যবহারকারীর সফটওয়্যার ও ব্যবস্থা)। এই স্তরগুলোকে সংযুক্ত করা কেন্দ্রীয় বিশ্লেষণাত্মক ধারণাটি হলো “অবলম্বন সম্পদ”—এমন এক অপরিবর্তনীয় উপাদান, যার মধ্য দিয়ে প্রতিটি ওপরের স্তরকে যেতে হয় এবং যার বিকল্প সহজে পাওয়া যায় না।

তবে একটি চরম প্রযুক্তিগত সীমাবদ্ধতা এবং উচ্চ মুনাফা প্রদানকারী ইকোনমিক মোট (টেকসই প্রতিযোগিতামূলক সুরক্ষা)-এর মধ্যে গুরুত্বপূর্ণ পার্থক্য রয়েছে। কোনো সম্পদ প্রযুক্তিগতভাবে অপরিহার্য পথে সরাসরি অবস্থান করেও শেয়ারহোল্ডারদের জন্য আনুপাতিক আর্থিক মুনাফা অর্জন করতে না-ও পারে। Graham ও Buffett-এর কাঠামোর মাধ্যমে ইকোনমিক মোট (টেকসই প্রতিযোগিতামূলক সুরক্ষা) মূল্যায়নকারী দীর্ঘমেয়াদি বিনিয়োগকারীদের জন্য শুধু ভৌত দুষ্প্রাপ্যতা ওনার আর্নিংস (মালিকের প্রাপ্য আয়)-এর দীর্ঘমেয়াদি চক্রবৃদ্ধি নিশ্চিত করে না।

ASML ও NVIDIA-র তুলনা এই গতিশীলতাকে স্পষ্টভাবে তুলে ধরে। চরম অতিবেগুনি (EUV) লিথোগ্রাফি ব্যবস্থায় ASML-এর একটি চরম, অপরিবর্তনীয় প্রযুক্তিগত বাধাবিন্দু রয়েছে; উন্নত সেমিকন্ডাক্টর কারখানাগুলো ASML-এর যন্ত্রপাতির বিকল্প ব্যবহার করতে পারে না। তবুও NVIDIA শেয়ারমূল্যের অনেক বেশি বৃদ্ধি ঘটিয়েছে। ASML সীমিতসংখ্যক, অত্যন্ত জটিল, মূলধনঘন যন্ত্র অল্পসংখ্যক ক্রেতার কাছে বিক্রি করে; ফলে বিশ্বব্যাপী টোকেন ব্যবহার দ্বিগুণ হলেও স্বয়ংক্রিয়ভাবে রাজস্ব বাড়ানোর ক্ষমতা সীমিত থাকে। বিপরীতে, NVIDIA সিলিকন-সংক্রান্ত সীমাবদ্ধতার সঙ্গে CUDA সফটওয়্যার সরঞ্জামসমষ্টি, সিস্টেম স্থাপত্য, NVLink নেটওয়ার্কিং এবং বাস্তুতন্ত্রের গভীর সংযুক্তিকে একত্র করে। NVIDIA সরাসরি কৃত্রিম বুদ্ধিমত্তার অনুমান ও প্রশিক্ষণের ক্রমবর্ধমান ব্যবহার-পরিমাণের স্থিতিস্থাপকতা থেকে মূল্য আহরণ করে।

সমগ্র স্তরবিন্যাসে অর্থনৈতিক মূল্য সঞ্চয় মূল্যায়নের জন্য বিনিয়োগকারীদের বিচ্ছিন্নভাবে দুষ্প্রাপ্যতা পরিমাপ না করে একটি সমন্বিত গুণগত সূত্র প্রয়োগ করা উচিত:

$$\text{Value Accrual} \approx \text{bottleneck} \times \text{pricing power} \times \text{volume growth} \times \text{recurring demand} \times \text{switching costs} \times \text{incremental ROIC}$$

স্থায়ী অর্থনৈতিক মুনাফা তখনই বাস্তবায়িত হয়, যখন পরিচালনাগত বাধাবিন্দুর সঙ্গে ব্যবহার-পরিমাণের স্থিতিস্থাপকতা, পরিবর্তনের উচ্চ খরচ এবং বিনিয়োগকৃত মূলধনের ওপর শক্তিশালী অতিরিক্ত মুনাফা যুক্ত হয়।

2. অবকাঠামো ও মূলধনী ব্যয়ের ঘনত্ব: কৃত্রিম বুদ্ধিমত্তার নিচে শিল্পবিপ্লব

কৃত্রিম বুদ্ধিমত্তার স্তরবিন্যাসের ভিত্তিমূলক স্তরগুলো স্বল্প সম্পদনির্ভর সফটওয়্যার মডেল থেকে বিপুল মূলধননির্ভর শিল্প কার্যক্রমে কাঠামোগত রূপান্তরের মধ্য দিয়ে যাচ্ছে। স্তরবিন্যাসের ভিত্তিতে গুরুত্বপূর্ণ সীমাবদ্ধতাগুলো চরম ভৌগোলিক ও কর্পোরেট কেন্দ্রীভবন প্রকাশ করে:

  • সেমিকন্ডাক্টর উপকরণের দুষ্প্রাপ্যতা: কোম্পানির জাতীয়তা অনুযায়ী বিশ্বব্যাপী সেমিকন্ডাক্টর ফটোরেজিস্ট বিক্রির প্রায় 78% জাপানি উপকরণ সরবরাহকারীদের নিয়ন্ত্রণে রয়েছে; নির্দিষ্ট উচ্চ-বিশুদ্ধতার রাসায়নিক বাজারে Shin-Etsu, JSR, Tokyo Ohka Kogyo এবং Fujifilm প্রাধান্য বিস্তার করে।
  • উচ্চ-বিশুদ্ধতার কোয়ার্টজ (HPQ): সেমিকন্ডাক্টর-মানের সিলিকন পিণ্ড উৎপাদন নির্ভর করে North Carolina-র Spruce Pine-এ উত্তোলিত ব্যতিক্রমী বিশুদ্ধ কোয়ার্টজ থেকে তৈরি গলিত-কোয়ার্টজ ক্রুসিবলের ওপর। Sibelco (দুটি বিশুদ্ধ আকরিকভাণ্ডার থেকে IOTA উপকরণ উৎপাদনকারী) এবং The Quartz Corp-ই অর্থনৈতিকভাবে লাভজনক উপায়ে বৃহৎ পরিসরে উন্নত, উৎকৃষ্ট মানের HPQ উৎপাদনকারী একমাত্র সরবরাহকারী।

ভৌত কাঁচামালের বাইরেও বিদ্যুৎ সেবার অবকাঠামো গুরুতর পরিচালনাগত সীমাবদ্ধতা সৃষ্টি করে। আন্তর্জাতিক জ্বালানি সংস্থা (IEA) পূর্বাভাস দিয়েছে যে বিশ্বব্যাপী ডেটা সেন্টারের বিদ্যুৎ ব্যবহার প্রায় দ্বিগুণ হবে, যা 2025 সালে প্রায় 485 TWh থেকে 2030 সালের মধ্যে প্রায় 950 TWh-এ পৌঁছাবে। অতিবৃহৎ ক্লাউড সেবাদাতাদের মূলধনী ব্যয় 2026 সালে $700B ছাড়িয়ে যাবে বলে অনুমান করা হচ্ছে, যার প্রধান চালিকাশক্তি ডেটা সেন্টারের সম্প্রসারণ।

অবকাঠামোর ক্ষেত্র গুরুত্বপূর্ণ বাধাবিন্দু ও প্রধান সরবরাহকারী অর্থনৈতিক প্রভাব ও পরিমাপক
সেমিকন্ডাক্টর উপকরণ জাপানি ফটোরেজিস্ট (Shin-Etsu, JSR, TOK, Fujifilm) জাতীয়তা অনুযায়ী ~78% বাজার অংশীদারিত্ব; বিকল্পহীন রাসায়নিক উপকরণ।
উচ্চ-বিশুদ্ধতার কোয়ার্টজ Spruce Pine-এর আকরিকভাণ্ডার (Sibelco, The Quartz Corp) সিলিকন পিণ্ডের জন্য গলিত-কোয়ার্টজ ক্রুসিবলের একমাত্র উৎস।
সরবরাহযোগ্য গ্রিড বিদ্যুৎ ট্রান্সফরমার, সুইচগিয়ার, UPS, আন্তঃসংযোগ বিদ্যুৎ উৎপাদনের সীমাবদ্ধতার আগেই সরবরাহের সীমাবদ্ধতা কার্যকর হয়; 485 TWh $\rightarrow$ 950 TWh (IEA)।
অতিবৃহৎ ক্লাউড সেবাদাতাদের মূলধনী ব্যয় ডেটা সেন্টারের সম্প্রসারণ ও গণনার ত্বরণ 2026 সালে >$700B-এর পূর্বাভাস (IEA); অবচয়জনিত গুরুতর প্রতিকূলতা।

গুরুত্বপূর্ণ বিষয় হলো, বিদ্যুৎ উৎপাদনই নিকটমেয়াদে প্রধান সীমা নয়। Johns Hopkins University-র গবেষণা দেখায় যে গ্রিডের বিদ্যুৎ সরবরাহ সরঞ্জাম—বিশেষত ট্রান্সফরমার, সুইচগিয়ার, নিরবচ্ছিন্ন বিদ্যুৎ সরবরাহ (UPS) ব্যবস্থা, সঞ্চালন আন্তঃসংযোগ এবং বিশেষায়িত শীতলীকরণ অবকাঠামো—উৎপাদনক্ষমতা নিজেই প্রধান বাধাবিন্দু হয়ে ওঠার আগে ডেটা সেন্টার নির্মাণকে সীমিত করবে। তাৎক্ষণিকভাবে অর্থনৈতিক দিক থেকে দুষ্প্রাপ্য সম্পদ হলো প্রয়োজনীয় ভোল্টেজ, অবস্থান ও নির্ভরযোগ্যতায় সরবরাহযোগ্য বিদ্যুৎ।

মূল্যভিত্তিক বিনিয়োগের দৃষ্টিকোণ থেকে এই রূপান্তর কর্পোরেট স্থিতিপত্র এবং মুনাফার পরিমাপকগুলোকে গুরুতরভাবে প্রভাবিত করে। অতিবৃহৎ ক্লাউড সেবাদাতারা বার্ষিক মূলধনী ব্যয়ে $700B-এর বেশি বিনিয়োগ করায়, কয়েক বিলিয়ন ডলার মূল্যের ভৌত সম্পদ সম্পত্তি, স্থাপনা ও সরঞ্জাম (PP&E) হিসেবে স্থিতিপত্রে অন্তর্ভুক্ত হয়। কার্যক্রম শুরু হলে তাৎক্ষণিক রাজস্ব অর্জিত হোক বা না হোক, সরলরৈখিক অবচয়সূচি আয় বিবরণীতে প্রভাব ফেলে। আয়যোগ্য টোকেনের চাহিদা বা প্রাতিষ্ঠানিক সফটওয়্যার গ্রহণ ভৌত অবকাঠামো নির্মাণের তুলনায় পিছিয়ে থাকলে, বিনিয়োগকৃত মূলধনের ওপর মুনাফার হার (ROIC) এবং ফ্রি ক্যাশ ফ্লো (মুক্ত নগদ প্রবাহ) (FCF)-তে রূপান্তরের হার অবলোপন না-হওয়া অবকাঠামোর ভারে ভেঙে পড়ে। এই গতিশীলতা সরাসরি অতীতের অতিরিক্ত অবকাঠামো নির্মাণের ঘটনাগুলোর প্রতিফলন, যেমন WorldCom ও Global Crossing-সংশ্লিষ্ট টেলিযোগাযোগ ফাইবার খাতের ধস। সেখানে বিপুল মূলধনী ব্যয় গুরুতর অতিরিক্ত সক্ষমতা সৃষ্টি করেছিল এবং দীর্ঘমেয়াদি ইন্টারনেট গ্রহণের যৌক্তিকতা শেষ পর্যন্ত প্রমাণিত হওয়া সত্ত্বেও শেয়ারমূল্য ধ্বংস করেছিল।

3. চিপ, মেমরি ও মডেলের অর্থনীতি: পণ্যায়ন বনাম পরিবর্তনশীল অগ্রসীমা

তাত্ত্বিক মডেলগুলো ধরে নেয় যে উৎপাদনক্ষমতা স্বাভাবিক হলে সময়ের সঙ্গে হার্ডওয়্যারের সীমাবদ্ধতা স্বাভাবিকভাবেই দূর হয়, কিন্তু সেমিকন্ডাক্টর সরবরাহের সীমাবদ্ধতা এখনও তীব্র। উচ্চ ব্যান্ডউইথ মেমরি (HBM) এবং উন্নত প্যাকেজিং সাময়িক প্রতিবন্ধকতার বদলে বহু বছরের কাঠামোগত বাধাবিন্দু। IEA পূর্বাভাস দিয়েছে যে HBM সরবরাহের ঘাটতি অন্তত 2027 সালের শেষ পর্যন্ত অব্যাহত থাকবে। বাজার অংশীদারিত্ব অত্যন্ত কেন্দ্রীভূত রয়েছে; Q2 2026-এর জন্য Counterpoint-এর উপাত্ত অনুযায়ী HBM রাজস্বের অংশের অনুমান:

  • SK Hynix: 50%
  • Samsung: 33%
  • Micron: 18%

আধুনিক হার্ডওয়্যারের ইকোনমিক মোট (টেকসই প্রতিযোগিতামূলক সুরক্ষা) স্বতন্ত্র গণনাকারী ডাইয়ের ওপর নির্ভর করে না, বরং সম্পূর্ণ সিস্টেম-স্তরের সংযুক্তির ওপর নির্ভর করে: ইন্টারপোজারের মাধ্যমে HBM-এর সঙ্গে সংযুক্ত GPU/ASIC ডাই, উন্নত প্যাকেজিং, উচ্চগতির নেটওয়ার্কিং (যেমন NVLink), বিদ্যুৎ সরবরাহ এবং বিশেষায়িত শীতলীকরণ। কাজের চাপ মডেল প্রশিক্ষণ থেকে অনুমানের দিকে সরে যাওয়ায় এই সিস্টেম সংযুক্তি আরও গুরুত্বপূর্ণ হয়ে ওঠে। McKinsey পূর্বাভাস দিয়েছে যে 2030 সালের মধ্যে মোট কৃত্রিম বুদ্ধিমত্তার চাহিদার প্রায় 60% হবে অনুমান-সংক্রান্ত। ফলে প্রতিযোগিতার ক্ষেত্র সরাসরি মেমরির ব্যান্ডউইথ, ধারণক্ষমতা, বিলম্ব, তাপীয় দক্ষতা এবং কার্যকরভাবে উৎপন্ন প্রতি টোকেনের বিদ্যুৎ ব্যবহারের দিকে সরে যাচ্ছে—যা সমন্বিত হার্ডওয়্যার বিক্রেতাদের কাঠামোগত ইকোনমিক মোট (টেকসই প্রতিযোগিতামূলক সুরক্ষা) সুদৃঢ় করছে।

একই সঙ্গে ভিত্তিমূলক বুদ্ধিমত্তা মডেলগুলোর অর্থনীতিতে দ্রুত ব্যয়পতন দেখা যাচ্ছে। Stanford-এর কৃত্রিম বুদ্ধিমত্তা সূচকের উপাত্ত অনুযায়ী, GPT-3.5-স্তরের MMLU কর্মদক্ষতায় একটি মডেল চালানোর ব্যয় নভেম্বর 2022-এ প্রতি M টোকেনে প্রায় $20 থেকে অক্টোবর 2024-এ প্রায় $0.07-এ নেমেছে—18 মাসে ব্যয় 280 গুণ কমেছে। তদুপরি, OECD-এর গবেষণা দেখায় যে জানুয়ারি 2024 থেকে এপ্রিল 2026-এর মধ্যে গুণমান-সমন্বিত ভাষা মডেলের দাম প্রায় 80% কমেছে।

পরিমাপক / পরিমাপকের মূল বিষয় ঐতিহাসিক ভিত্তিস্তর সাম্প্রতিক / পূর্বাভাসকৃত স্তর বিশ্লেষণাত্মক তাৎপর্য
GPT-3.5 MMLU টোকেন ব্যয় $20.00 / M টোকেন (নভেম্বর 2022) $0.07 / M টোকেন (অক্টোবর 2024) বুদ্ধিমত্তার একক ব্যয়ে 280x হ্রাস (Stanford)।
ভাষা মডেলের দাম ভিত্তিস্তর (জানুয়ারি 2024) ~80% হ্রাস (এপ্রিল 2026) গুণমান-সমন্বিত ফলাফলের দামে দ্রুত পতন (OECD)।
বদ্ধ বনাম উন্মুক্ত মডেলের কর্মদক্ষতার ব্যবধান বড় ব্যবধান (2023) 3.3%–3.4% ব্যবধান (মার্চ 2026) মৌলিক সক্ষমতার পণ্যায়ন (Stanford-এর 2026 কৃত্রিম বুদ্ধিমত্তা সূচক)।
প্রাতিষ্ঠানিক ব্যয়ের অংশ 35% অগ্রসীমার মডেল (Q3 2025) 63% অগ্রসীমার মডেল (Q3 2026) সর্বাধুনিক যুক্তিবিচারের জন্য বাড়তি মূল্য দিতে আগ্রহ (Menlo)।

এই মূল্যপতন সত্ত্বেও ভিত্তিমূলক মডেলগুলো এখনও পুরোপুরি সাধারণ পণ্যে পরিণত হয়নি। মৌলিক বুদ্ধিমত্তার পণ্যায়ন হচ্ছে—Stanford-এর 2026 কৃত্রিম বুদ্ধিমত্তা সূচক অনুযায়ী শীর্ষ অগ্রসীমার মডেলগুলোর (Anthropic, xAI, Google, OpenAI) মধ্যে ব্যবধান মাত্র 25 Arena Elo পয়েন্ট, এবং মার্চ 2026 পর্যন্ত বদ্ধ মডেলগুলো উন্মুক্ত-ওজনের বিকল্পগুলোর চেয়ে মাত্র 3.3% থেকে 3.4% এগিয়ে রয়েছে। তবে প্রাতিষ্ঠানিক গ্রাহকেরা অগ্রসীমার সক্ষমতার জন্য বাড়তি মূল্য দেওয়া অব্যাহত রেখেছেন। Menlo-র গবেষণা দেখায় যে প্রাতিষ্ঠানিক কৃত্রিম বুদ্ধিমত্তা ব্যয়ে অগ্রসীমার মডেলগুলোর অংশ Q3 2025-এর 35% থেকে Q3 2026-এ 63%-এ বেড়েছে।

মডেল স্তরটি একটি পরিবর্তনশীল অর্থনৈতিক অগ্রসীমা হিসেবে কাজ করে: মৌলিক সক্ষমতাগুলো দ্রুত পণ্যায়িত হয়, অন্যদিকে সর্বাধুনিক যুক্তিবিচার মূল্য নির্ধারণের ক্ষমতা ধরে রাখে। ফলে কেবল অগ্রসীমার সঙ্গে সমতা বজায় রাখতেই মডেল উন্নয়নকারীদের অব্যাহত বিপুল মূলধনী বিনিয়োগের ভার বহন করতে হয়।

4. কার্যসম্পাদন স্তর, ভৌত কৃত্রিম বুদ্ধিমত্তা এবং জেভনস প্যারাডক্স

ভিত্তি মডেলগুলো সাধারণ পণ্যে পরিণত হওয়ার সঙ্গে সঙ্গে অর্থনৈতিক মূল্য কার্যসম্পাদন ও নিয়ন্ত্রণ স্তরের দিকে সরে যাচ্ছে। এই মধ্যবর্তী সফটওয়্যার স্তরের মধ্যে রয়েছে গতিশীল মডেল রাউটিং, স্থায়ী অবস্থা-স্মৃতি, পরিচয় ব্যবস্থাপনা, অনুমতি নিয়ন্ত্রণ, মূল্যায়ন, সরঞ্জাম সংযুক্তি এবং সমন্বয় পরিচালনা। কর্পোরেট ব্যালান্স শিটের দৃষ্টিকোণ থেকে দেখলে, প্রাতিষ্ঠানিক সফটওয়্যারের ক্রেতারা অপরিশোধিত ভিত্তি মডেলের টোকেন কেনেন না; তাঁরা সম্পন্ন ব্যবসায়িক ফলাফল কেনেন। কার্যসম্পাদন স্তরটি প্রাতিষ্ঠানিক “মধ্যবর্তী সফটওয়্যার” হিসেবে কাজ করে—ক্লাউড কম্পিউটিংয়ে Kubernetes, পরিচয়ভিত্তিক প্রবেশাধিকার ব্যবস্থাপনা এবং পর্যবেক্ষণযোগ্যতার অনুরূপ—যা প্রতিষ্ঠানের সরবরাহকারী পরিবর্তনের ব্যয় স্থায়ী করে এবং অন্তর্নিহিত ভিত্তি মডেলগুলোতে ওঠানামা হলেও মুনাফার হার সুরক্ষিত রাখে। 2026 সালের LangChain উৎপাদন-পরিবেশ সমীক্ষা নিশ্চিত করে যে বহু-মডেলভিত্তিক প্রাতিষ্ঠানিক স্থাপত্য এখন প্রচলিত মানদণ্ড, আর স্থাপনার প্রধান প্রতিবন্ধকতা টোকেনের একক ব্যয় থেকে কার্যসম্পাদনের নির্ভরযোগ্যতা, নিরাপত্তা এবং কাজ সম্পন্ন করার দিকে সরে যাচ্ছে।

একইভাবে, মালিকানাধীন, ফলাফলভিত্তিক প্রতিক্রিয়া চক্রের তুলনায় সাধারণ ওয়েব প্রশিক্ষণ উপাত্ত সাধারণ পণ্যে পরিণত হচ্ছে। সফটওয়্যার অ্যাপ্লিকেশন যখন সরাসরি ক্ষেত্রবিশেষের পরিচালন কর্মপ্রবাহে অন্তর্ভুক্ত হয়, যেখানে কার্যক্রম যাচাইযোগ্য বাস্তব মূল্যায়ন তৈরি করে, তখন টেকসই ইকোনমিক মোট (টেকসই প্রতিযোগিতামূলক সুরক্ষা) গড়ে ওঠে।

এই গতিশীলতার একটি প্রধান উদাহরণ হলো আইন খাতের Harvey। Harvey সাধারণ টোকেন উৎপাদন বিক্রি করা একটি ভঙ্গুর ভিত্তি মডেল-আবরণ হিসেবে প্রতিযোগিতা করে না। বরং এটি সরাসরি আইনি কর্মপ্রবাহে অন্তর্ভুক্ত হয় এবং আইনি প্রামাণ্য নথি সংরক্ষণ ব্যবস্থা, বিতরণ, নিয়ন্ত্রক বিধি পরিপালন, গ্রাহকের আস্থা এবং মালিকানাধীন প্রতিক্রিয়া চক্রকে একত্র করে (চুক্তি বিশ্লেষণ $\rightarrow$ আইনজীবীর সংশোধন $\rightarrow$ আদালতে চূড়ান্ত দাখিল/নিষ্পত্তি)। যেহেতু Harvey সম্পূর্ণ কর্মপ্রবাহ এবং তার ফলে সৃষ্ট ফলাফলের উপাত্তের মালিক, তাই এটি সরবরাহকারী পরিবর্তনের উচ্চ ব্যয় তৈরি করে এবং নিজস্ব মূল্য নির্ধারণের ক্ষমতা রক্ষা করে; ফলে অর্জিত ব্যবসায়িক ফলাফলের তুলনায় অন্তর্নিহিত ভিত্তি মডেলের নির্বাচন গৌণ হয়ে যায়। একই ধরনের ফলাফলভিত্তিক প্রতিক্রিয়া চক্র বিশেষায়িত ক্ষেত্রেও গড়ে উঠছে, যেমন প্রোগ্রামিং (সংশোধনী $\rightarrow$ পরীক্ষার ফলাফল $\rightarrow$ স্থাপনার ফলাফল), চিকিৎসা (রোগনির্ণয় $\rightarrow$ চিকিৎসা $\rightarrow$ রোগীর স্বাস্থ্যের ফলাফল) এবং অর্থায়ন (চালান $\rightarrow$ লেনদেন নিষ্পত্তি $\rightarrow$ বিরোধ নিষ্পত্তি)।

ভৌত কৃত্রিম বুদ্ধিমত্তা ব্যবস্থায় মূলধন বরাদ্দের গতিশীলতা সম্পূর্ণ সফটওয়্যারভিত্তিক প্রতিষ্ঠানের অর্থনীতি থেকে মৌলিকভাবে আলাদা। সফটওয়্যার প্রায় শূন্য প্রান্তিক ব্যয়ে সম্প্রসারিত হয়, অথচ ভৌত রোবোটিক্সের জন্য ব্যাপক উপকরণ তালিকা (BOM)-সংশ্লিষ্ট মূলধন প্রয়োজন। McKinsey-এর অনুমান অনুযায়ী, একটি মানবাকৃতির রোবটের BOM-এর 40% থেকে 60% হলো নির্ভুল অ্যাকচুয়েটর, যেখানে ব্যাটারি মডিউলের অংশ 5% থেকে 10%। এছাড়া, CRU-এর অনুমান অনুযায়ী, প্রতিটি মানবাকৃতির রোবটের জন্য 2 থেকে 3 কেজি NdFeB (নিওডিমিয়াম-লোহা-বোরন) বিরল মৃত্তিকা চুম্বক প্রয়োজন। ভৌত কৃত্রিম বুদ্ধিমত্তার উপাদানগুলো দীর্ঘমেয়াদি কৌশলগত সম্ভাবনার প্রতিনিধিত্ব করলেও, তথ্যকেন্দ্রের গণনা ও মেমোরি সম্পদ বর্তমানে তাৎক্ষণিক, যাচাইযোগ্য নগদ প্রবাহ তৈরি করে।

ভৌত কৃত্রিম বুদ্ধিমত্তার হার্ডওয়্যার উপাদান আনুমানিক BOM / সম্পদের অংশ প্রধান অর্থনৈতিক ও সরবরাহশৃঙ্খল চালিকাশক্তি
নির্ভুল অ্যাকচুয়েটর মোট BOM-এর 40% – 60% (McKinsey) উচ্চ-নির্ভুলতার সন্ধি, গিয়ারবক্স, মোটর এবং গতি হ্রাসকারী যন্ত্র।
ব্যাটারি মডিউল মোট BOM-এর 5% – 10% (McKinsey) অ্যাকচুয়েশনের তুলনায় অপেক্ষাকৃত কম মূলধন বরাদ্দ।
NdFeB বিরল মৃত্তিকা চুম্বক প্রতি মানবাকৃতির রোবটে 2 – 3 কেজি (CRU) ভারী বিরল মৃত্তিকা মৌলগুলোর চাহিদার কাঠামোগত চালিকাশক্তি।

মূলধনি ব্যয়ের এই কাঠামোগত সম্প্রসারণ বুঝতে জেভনস প্যারাডক্স প্রয়োগ করা প্রয়োজন। টোকেনের একক ব্যয় 100 গুণ কমে গেলে গণনার মোট ব্যয় সংকুচিত হয় না; বরং কম একক মূল্য সামগ্রিক টোকেন ব্যবহারে বিস্ফোরক সম্প্রসারণ ঘটায়। একক প্রশ্ন-উত্তরের আদানপ্রদান যখন অবিরাম পটভূমি সিমুলেশন ও স্বয়ংক্রিয় সরঞ্জাম আহ্বান সম্পাদনকারী বহু-এজেন্টের যুক্তি প্রক্রিয়ার চক্র দিয়ে প্রতিস্থাপিত হয়, তখন একক মূল্য তীব্রভাবে কমলেও সামগ্রিক হার্ডওয়্যার গণনার চাহিদা দ্রুত বাড়ে।

মূলধন বরাদ্দ মূল্যায়নকারী দীর্ঘমেয়াদি মৌলভিত্তিক বিনিয়োগকারীদের জন্য, টেকসইভাবে মূল্য আহরণ করতে হলে কেবল ভৌত দুষ্প্রাপ্যতার ওপর নির্ভরতা এড়িয়ে উচ্চ বর্ধিত ROIC, মূল্য নির্ধারণের ক্ষমতা এবং কর্মপ্রবাহে অন্তর্ভুক্ত প্রতিক্রিয়া চক্রসম্পন্ন ব্যবসাকে অগ্রাধিকার দিতে হবে। আরও গভীর মূল্যায়ন মডেল এবং মৌলভিত্তিক ওনার আর্নিংস (মালিকের প্রাপ্য আয়) গণনায় আগ্রহী বিনিয়োগকারীরা DeepValues Research ওয়েবসাইটে আমাদের উন্মুক্ত-উৎসভিত্তিক কোম্পানি গবেষণা দেখতে পারেন অথবা DeepValues অ্যাপ ব্যবহার করে যেকোনো শেয়ারের অন্তর্নিহিত মূল্য ও নিরাপত্তার ব্যবধান মূল্যায়ন করতে পারেন।

5. গুরুত্বপূর্ণ পরিসংখ্যান

  • 78%: কোম্পানির জাতীয়তার ভিত্তিতে সেমিকন্ডাক্টর ফটোরেজিস্ট বিক্রয়ে জাপানি প্রতিষ্ঠানগুলোর আনুমানিক বাজার অংশীদারত্ব।
  • >$700B: IEA অনুযায়ী 2026 সালে অতিবৃহৎ ক্লাউড অবকাঠামো প্রদানকারীদের আনুমানিক মূলধনি ব্যয়, প্রধানত তথ্যকেন্দ্র সম্প্রসারণের জন্য।
  • 485 TWh থেকে ~950 TWh: 2025 থেকে 2030 সালের মধ্যে তথ্যকেন্দ্রের বিদ্যুৎ ব্যবহারের পূর্বাভাসকৃত বৃদ্ধি (IEA)।
  • 2027 সালের শেষ: উচ্চ ব্যান্ডউইডথ মেমোরি (HBM)-এর সরবরাহ ঘাটতি অব্যাহত থাকার প্রত্যাশিত সময়সীমা (IEA)।
  • 50% / 33% / 18%: Q2 2026-এ SK Hynix, Samsung এবং Micron-এর আনুমানিক HBM রাজস্ব অংশ যথাক্রমে (Counterpoint)।
  • প্রতি মিলিয়ন টোকেনে $20 থেকে $0.07: নভেম্বর 2022 থেকে অক্টোবর 2024-এর মধ্যে GPT-3.5-স্তরের MMLU কর্মদক্ষতা অর্জনের ব্যয় হ্রাস, যা 280x হ্রাস নির্দেশ করে (Stanford কৃত্রিম বুদ্ধিমত্তা সূচক)।
  • ~80%: জানুয়ারি 2024 থেকে এপ্রিল 2026 পর্যন্ত গুণমান-সমন্বিত ভাষা মডেলের মূল্য হ্রাস (OECD)।
  • 25 Arena Elo পয়েন্ট: মার্চ 2026 অনুযায়ী Anthropic, xAI, Google এবং OpenAI-এর অগ্রসীমার মডেলগুলোর মধ্যে কর্মদক্ষতার সংকীর্ণ ব্যবধান (Stanford 2026 কৃত্রিম বুদ্ধিমত্তা সূচক)।
  • 3.3%–3.4%: মার্চ 2026-এ সেরা বদ্ধ-উৎস মডেল এবং সেরা উন্মুক্ত-ওজন মডেলের মধ্যে কর্মদক্ষতার ব্যবধান (Stanford কৃত্রিম বুদ্ধিমত্তা সূচক)।
  • 35% থেকে 63%: Q3 2025 থেকে Q3 2026-এর মধ্যে প্রাতিষ্ঠানিক কৃত্রিম বুদ্ধিমত্তা ব্যয়ে অগ্রসীমার মডেলগুলোর অংশের বৃদ্ধি (Menlo গবেষণা)।
  • 40%–60% বনাম 5%–10%: মানবাকৃতির রোবটের উপকরণ তালিকায় (BOM) অ্যাকচুয়েটর ও ব্যাটারি মডিউলের আনুমানিক অনুপাতের তুলনা (McKinsey)।
  • 2–3 কেজি: প্রতি মানবাকৃতির রোবটে NdFeB বিরল মৃত্তিকা চুম্বকের আনুমানিক প্রয়োজন (CRU)।

6. যেসব বিষয় আমাদের দৃষ্টিভঙ্গি বদলাবে

  • CUDA ও HBM স্থাপত্যের দ্রুত অপ্রচলিত হয়ে পড়া: বিকল্প আন্তঃসংযোগ বা মেমোরি স্থাপত্যের দ্রুত অগ্রগতি, যা সফলভাবে HBM ও NVLink-কে সরিয়ে দিয়ে 2027 সালের আগেই ব্যবস্থা-স্তরের নেটওয়ার্কিংয়ের ইকোনমিক মোট (টেকসই প্রতিযোগিতামূলক সুরক্ষা) দুর্বল করে।
  • অতিবৃহৎ ক্লাউড অবকাঠামো প্রদানকারীদের মূলধনি ব্যয় সংকোচন: বিনিয়োগকৃত মূলধনের ওপর হতাশাজনক মুনাফার হার (ROIC) অথবা বিদ্যুৎ গ্রিডে আন্তঃসংযোগের গুরুতর বিলম্বের কারণে অতিবৃহৎ ক্লাউড অবকাঠামো প্রদানকারীদের বার্ষিক >$700B মূলধনি ব্যয়ের গতিপথে তীব্র নিম্নমুখী সংশোধন।
  • উন্মুক্ত-ওজন মডেলের দ্রুত আয় সৃষ্টি ও স্থবিরতা: অগ্রসীমার কর্মদক্ষতার 3.3–3.4% ব্যবধানের বিলুপ্তি, যার ফলে প্রাতিষ্ঠানিক গ্রাহকেরা উচ্চমূল্যের বদ্ধ মডেল ছেড়ে স্থানীয়ভাবে অভিযোজিত, সস্তা উন্মুক্ত-ওজন মডেল বেছে নেন।
  • ভৌত কৃত্রিম বুদ্ধিমত্তার ত্বরান্বিত স্থাপনা: 2030 সালের অনেক আগেই মানবাকৃতির রোবোটিক্সের ব্যাপক বাণিজ্যিকীকরণ ও বৃহৎ পরিমাণে উৎপাদন কয়েক মিলিয়ন ইউনিটে পৌঁছানো, যা তাৎক্ষণিক নগদ প্রবাহের মূল্য আহরণকে অ্যাকচুয়েশন ও চুম্বক সরবরাহশৃঙ্খলের দিকে সরিয়ে দেয়।

7. সূত্র

কৃত্রিম বুদ্ধিমত্তার মূল্য উন্মোচন, Chamath Palihapitiya (2025 সালের বার্ষিক চিঠি ও সংশ্লিষ্ট কাঠামো) Stanford কৃত্রিম বুদ্ধিমত্তা সূচক (Stanford University, 2024–2026 সালের উপাত্ত) আন্তর্জাতিক জ্বালানি সংস্থা (IEA)-এর বিদ্যুৎ ও মূলধনি ব্যয় প্রতিবেদন Counterpoint Research (Q2 2026 সেমিকন্ডাক্টর ও HBM বাজার বিশ্লেষণ) McKinsey & Company-এর রোবোটিক্স BOM গবেষণা CRU Group-এর উপকরণ ও বিরল মৃত্তিকা গবেষণা OECD-এর ভাষা মডেলের মূল্যসংক্রান্ত গবেষণা (2024–2026) Menlo Ventures-এর প্রাতিষ্ঠানিক কৃত্রিম বুদ্ধিমত্তা ব্যয় গবেষণা (2025–2026) Johns Hopkins University-এর অবকাঠামো ও তথ্যকেন্দ্রের বিদ্যুৎ গবেষণা LangChain-এর উৎপাদন-পরিবেশে কৃত্রিম বুদ্ধিমত্তা সমীক্ষা (2026)

দেখুন

সূত্রের লিংক

  • Decoding AI Value

দেখুন ও শুনুন

কোম্পানি গবেষণা

গবেষণা লেখার লাইসেন্স: CC BY 4.0। তথ্যসূত্র দিন এভাবে: DeepValues Research, AI স্ট্যাকের বিশ্লেষণ: দীর্ঘমেয়াদি বিনিয়োগকারীদের জন্য প্রতিবন্ধকতা, ইকোনমিক মোট (টেকসই প্রতিযোগিতামূলক সুরক্ষা) ও মূল্য সঞ্চয়ের পর্যালোচনা, https://research.deepvalues.ai/insights/2026-11-05-decoding-ai-value-bn/

বিনামূল্যে সাপ্তাহিক ইমেইল

Margin of Safety Weekly

প্রতি শনিবার ইমেইলে: বাজারের মেজাজ, সেরা বিনিয়োগকারীদের কেনাবেচা (13F দাখিল), সপ্তাহের নতুন গবেষণা এবং আমাদের ভিডিও ও পডকাস্ট — বিনামূল্যে, কোনো অ্যাকাউন্ট লাগবে না।

Send me the DeepValues Margin of Safety Weekly, one email every Saturday. I can unsubscribe at any time. Information only, not investment advice. গোপনীয়তা

আরও জানুন

যেকোনো শেয়ারের এই বিশ্লেষণ করুন 2 মিনিটে

এই রিপোর্টের পেছনে থাকা মাল্টি-এজেন্ট এআই বিশ্লেষক Deep Value Intelligence চাহিদামতো যেকোনো তালিকাভুক্ত কোম্পানির জন্য একই ধরনের রিপোর্ট তৈরি করে।

Deep Value Intelligence খুলুন

DeepValues অ্যাপে 300+ শেয়ার ট্র্যাক করুন

দৃষ্টিভঙ্গি, অন্তর্নিহিত মূল্য ও সর্বশেষ রিপোর্ট, আপনার ফোনে।

ডেভেলপারদের জন্য: API দিয়ে দৃষ্টিভঙ্গি ও রিপোর্ট

এই পৃষ্ঠাগুলোর ভিত্তি হিসেবে থাকা মৌলিক আর্থিক তথ্য, অন্তর্নিহিত মূল্য, দৃষ্টিভঙ্গি ও রিপোর্টের লিংক, JSON-এ।

API ডকুমেন্টেশন

আলোচনা করুন