Learn AI BD

Website

Learn AI BD Bangla ভাষায় AI, automation & future-ready tech skills শেখার trusted platform.

AI নিজেই নিজের পরের version বানানোর কাছাকাছি চলে এসেছে, OpenAI, Anthropic আর xAI-এর progress নিয়ে নতুন রিপোর্টে বড় প্রশ্...
20/09/2026

AI নিজেই নিজের পরের version বানানোর কাছাকাছি চলে এসেছে, OpenAI, Anthropic আর xAI-এর progress নিয়ে নতুন রিপোর্টে বড় প্রশ্ন AI industry এখন এমন একটা পর্যায়ে পৌঁছাচ্ছে, যেখানে AI শুধু মানুষের জন্য কাজ করছে না, বরং পরবর্তী generation-এর AI তৈরি করার কাজেও সরাসরি অংশ নিচ্ছে।

Anthropic-এর সাম্প্রতিক disclosure অনুযায়ী, তাদের AI model Claude এখন company-র next-generation AI development-এর 26% research and development work-এ leading role পালন করছে। মাত্র কয়েক মাস আগেও এই সংখ্যা ছিল 1%-এর নিচে।
তবে এখানে একটা গুরুত্বপূর্ণ বিষয় আছে। Claude একা বসে নিজের successor বানিয়ে ফেলছে না। Human researchers এখনো পুরো process-এর supervision করছে। Anthropic বলছে, Claude-এর কাজগুলো human-AI collaboration-এর অংশ এবং modelটি fully autonomous নয়।

তবুও 26% সংখ্যাটা গুরুত্বপূর্ণ।

কারণ AI development-এর একটা অংশ এখন এমন AI system-কে দিয়ে করানো হচ্ছে, যেটি নিজেই AI development-এর সমস্যা solve করতে পারে। Coding, research, experiment analysis এবং model development-এর বিভিন্ন ধাপে Claude ব্যবহার করা হচ্ছে।
Anthropic-এর internal platform-এ August মাসে প্রায় 30,000 AI agents active ছিল বলেও company জানিয়েছে। তাদের প্রতিটি agent action safety screening-এর মধ্য দিয়ে যায়।
আরও interesting বিষয় হলো, Anthropic একাই এই direction-এ এগোচ্ছে না।
OpenAI ইতোমধ্যে automated AI research system নিয়ে কাজ করছে। তাদের লক্ষ্য এমন AI researcher তৈরি করা, যা human researchers-এর সঙ্গে কাজ করে research process-এর বড় অংশ automate করতে পারবে। OpenAI-এর research acceleration নিয়েও সাম্প্রতিক রিপোর্টে দেখা গেছে, AI agents এখন human researchers-এর কাজের output উল্লেখযোগ্যভাবে বাড়াতে ব্যবহৃত হচ্ছে।
xAI-ও AI research এবং development আরও autonomous করার দিকে এগোচ্ছে। ফলে বড় AI labs-এর মধ্যে competition শুধু কে সবচেয়ে intelligent model বানাবে, সেখানে সীমাবদ্ধ থাকছে না। কে এমন AI system তৈরি করতে পারবে, যা পরবর্তী AI system তৈরির process-ও দ্রুত করতে পারে, সেটাও গুরুত্বপূর্ণ হয়ে উঠছে।
এখান থেকেই আসে একটা technical concept, Recursive Self-Improvement বা RSI।
RSI বলতে সাধারণভাবে এমন পরিস্থিতিকে বোঝানো হয় যেখানে একটি AI system নিজের capability উন্নত করার উপায় খুঁজে পায় এবং সেই improvement ব্যবহার করে আরও capable version তৈরি করতে সাহায্য করে।
কিন্তু একটা গুরুত্বপূর্ণ distinction আছে।
বর্তমান AI systems-এর এই capability-কে পুরোপুরি autonomous recursive self-improvement বলা এখনো ঠিক হবে না। মানুষের supervision, infrastructure, training pipeline, compute allocation এবং engineering decisions এখনো গুরুত্বপূর্ণ।
অর্থাৎ আমরা এখনো এমন stage-এ নেই যেখানে Claude বা অন্য কোনো AI নিজে নিজে সম্পূর্ণ নতুন AI model design করে, train করে এবং নিজের জায়গায় সেটি deploy করে ফেলছে।

কিন্তু development process-এর নির্দিষ্ট অংশ AI-এর হাতে চলে যাচ্ছে, এবং সেই অংশের পরিমাণ দ্রুত বাড়ছে।
এটাই মূল পরিবর্তন।
ধরুন একজন human researcher আগে একটি নতুন training technique নিয়ে hypothesis তৈরি করতেন, code লিখতেন, experiment চালাতেন, result analyse করতেন এবং তারপর আবার নতুন experiment করতেন।
এখন সেই workflow-এর অনেকগুলো ধাপে AI agent ব্যবহার করা যাচ্ছে।
একটি agent code লিখতে পারে।
আরেকটি experiment analyse করতে পারে।
আরেকটি research paper বা internal documentation থেকে relevant information খুঁজে দিতে পারে।
তারপর human researcher সেই output যাচাই করে পরবর্তী সিদ্ধান্ত নিতে পারেন।
যদি এই cycle ক্রমাগত faster হয়, তাহলে AI development-এর overall speed-ও বাড়তে পারে।
এ কারণেই বিষয়টি নিয়ে AI safety researchers এবং company executives দুদিক থেকেই সতর্কতা বাড়ছে।
Anthropic CEO Dario Amodei সম্প্রতি frontier AI development-এর pace কমানোর আহ্বান জানিয়েছেন। তার বক্তব্যের মূল বিষয় ছিল, capability যেভাবে দ্রুত বাড়ছে, সেই তুলনায় safety evaluation এবং control ব্যবস্থা যথেষ্ট দ্রুত এগোচ্ছে কিনা সেটা গুরুত্ব দিয়ে দেখা দরকার।

অন্যদিকে OpenAI-ও সম্প্রতি model misalignment নিয়ে নতুন reporting framework প্রকাশ করেছে। সেখানে গত ছয় মাসে দেখা ছয়টি concerning model behavior publicly disclose করা হয়েছে।
অর্থাৎ একই সময়ে দুইটা trend দেখা যাচ্ছে।
একদিকে AI নিজেই AI development-এর কাজে আরও বেশি ব্যবহার হচ্ছে।
অন্যদিকে AI companies-গুলোকে increasingly monitor করতে হচ্ছে, এই systems কতটা predictable এবং controllable থাকছে।
এখানে সবচেয়ে বড় প্রশ্নটা তাই শুধু AI কতটা intelligent হবে সেটা নয়।
প্রশ্ন হচ্ছে, AI development-এর কত শতাংশ কাজ eventually AI নিজেই করতে পারবে এবং সেই process-এর ওপর human oversight কতটা কার্যকর থাকবে।

যদি আজ Claude next-generation model development-এর 26% work-এ leading role নিতে পারে, তাহলে কয়েক বছর পরে এই percentage কোথায় যাবে সেটাই এখন বড় প্রশ্ন।
তবে 26% থেকে সরাসরি full self-improvement বা human-free AI development-এর সিদ্ধান্তে যাওয়া যাবে না। বর্তমান evidence সেই দাবি support করে না। বরং evidence যা দেখাচ্ছে তা হলো, AI এখন AI research pipeline-এর ভেতরেই দ্রুত ঢুকে পড়ছে।
আর যদি এই trend একই গতিতে চলতে থাকে, তাহলে ভবিষ্যতের AI race হয়তো শুধু মানুষ বনাম AI হবে না।
বরং একটি AI system কত দ্রুত পরবর্তী আরও capable AI system তৈরিতে সাহায্য করতে পারে, সেই speed-টাই competition-এর গুরুত্বপূর্ণ metric হয়ে উঠতে পারে।
আপনার কী মনে হয়, AI যদি একসময় AI development-এর বেশিরভাগ কাজ নিজেই করতে পারে, তখন innovation আরও দ্রুত হবে, নাকি human oversight আরও বেশি গুরুত্বপূর্ণ হয়ে উঠবে?

Sources: Reuters, AP, OpenAI, Anthropic.

NVIDIA-backed AI Cloud company Nscale IPO-তে যাচ্ছে, ৬ মাসে revenue বেড়েছে 1,252% কিন্তু loss $1 Billion-এর বেশি AI boom...
20/09/2026

NVIDIA-backed AI Cloud company Nscale IPO-তে যাচ্ছে, ৬ মাসে revenue বেড়েছে 1,252% কিন্তু loss $1 Billion-এর বেশি AI boom-এর সবচেয়ে বড় beneficiaries-এর একটি এখন নিজেই stock market-এ যাওয়ার প্রস্তুতি নিচ্ছে।

NVIDIA-backed British AI infrastructure company Nscale যুক্তরাষ্ট্রে IPO-এর জন্য আবেদন করেছে। কোম্পানিটি New York Stock Exchange-এ NSCL ticker-এ list করার পরিকল্পনা করেছে।
কিন্তু IPO filing-এর সবচেয়ে surprising অংশটা হলো revenue growth আর loss-এর বিশাল contrast।

২০২৬ সালের প্রথম ৬ মাসে Nscale-এর revenue হয়েছে $140.6 million। আগের বছরের একই সময়ে revenue ছিল মাত্র $10.4 million। অর্থাৎ এক বছরে revenue বেড়েছে 1,252%।
কিন্তু একই সময়ে company-এর net loss দাঁড়িয়েছে $1.02 billion। এক বছর আগে loss ছিল $368.9 million। অর্থাৎ revenue দ্রুত বাড়লেও company এখনও massive loss-এর মধ্যে রয়েছে।

এখানে Nscale আসলে কী করে সেটা বোঝা জরুরি।
Nscale সাধারণ consumer cloud company নয়। তারা AI companies-এর জন্য compute infrastructure তৈরি করে। এর মধ্যে GPU, data center, power এবং AI workload চালানোর জন্য প্রয়োজনীয় software infrastructure রয়েছে।
সহজভাবে বললে, OpenAI, Anthropic বা অন্য AI developers যখন হাজার হাজার GPU-এর computing capacity চায়, Nscale-এর মতো neocloud company সেই infrastructure provide করে।
আর বর্তমানে AI industry-তে সবচেয়ে বড় bottleneckগুলোর একটি হলো compute।
AI model যত বড় হচ্ছে, training এবং inference-এর জন্য তত বেশি GPU এবং data center capacity প্রয়োজন হচ্ছে। ফলে AI infrastructure companies-এর demand দ্রুত বাড়ছে।
Nscale বলছে, মাত্র প্রায় আড়াই বছরে তাদের active এবং contracted business-এর মোট contract value $103 billion-এর বেশি হয়েছে। ২০২৫ সালের শেষ দিকে এই figure ছিল প্রায় $38 billion।

তবে এখানে একটা গুরুত্বপূর্ণ distinction আছে। $103 billion মানে company ইতিমধ্যে $103 billion revenue earn করেছে, এমন নয়। এটি active এবং contracted total contract value, যার পুরোটা future revenue হিসেবে এখনই recognise করা হয়নি। Contract fulfilment এবং customer payments-এর ওপর এর বাস্তবায়ন নির্ভর করে।
Nscale-এর সবচেয়ে বড় customer-ও গুরুত্বপূর্ণ একটি বিষয়। ২০২৬ সালের প্রথম ছয় মাসে company-এর মোট revenue-এর 52% এসেছে মাত্র একজন customer থেকে। অর্থাৎ revenue concentration বেশ high।

এর পাশাপাশি Nscale সম্প্রতি Anthropic-এর সঙ্গে প্রায় $45 billion-এর একটি বড় AI compute deal করেছে। West Virginia-তে তাদের data center campus থেকে Anthropic-এর জন্য massive computing capacity তৈরি করার পরিকল্পনা রয়েছে।
আর NVIDIA-ও শুধু investor হিসেবে পাশে নেই।
Nscale-এর IPO filing অনুযায়ী, company $3.1 billion convertible bond deal করেছে, যার মধ্যে NVIDIA প্রায় $1 billion invest করেছে। NVIDIA-এর Nscale-এ আগের investment-ও রয়েছে।

Nscale বর্তমানে 14টি region-এ operate করছে এবং তাদের power pipeline 10 gigawatts-এর বেশি বলে company জানিয়েছে। অর্থাৎ AI infrastructure build-out এখন শুধু GPU কেনার বিষয় নয়। Land, electricity, cooling, networking এবং data center construction সবকিছুর জন্য massive capital প্রয়োজন হচ্ছে।
এই কারণেই Nscale-এর $1.02 billion loss-টা এত interesting।
AI industry-তে এখন এমন একটা situation তৈরি হয়েছে যেখানে demand বিশাল, future contracts-ও বিশাল, কিন্তু সেই demand fulfil করার infrastructure তৈরি করতেও বিপুল পরিমাণ টাকা খরচ হচ্ছে।
একদিকে AI companies compute capacity-এর জন্য billions of dollars commit করছে।
অন্যদিকে সেই capacity তৈরি করতে Nscale-এর মতো infrastructure companies-কে আগে থেকেই data center, power এবং GPU infrastructure-এ massive investment করতে হচ্ছে।

অর্থাৎ AI boom-এর একটা বড় অংশ এখন software model-এর বাইরে গিয়ে physical infrastructure-এর ওপর নির্ভর করছে।
Nscale প্রায় $30 billion valuation-এর কাছাকাছি target করছে বলে Reuters জানিয়েছে। মার্চে company-এর valuation ছিল $14.6 billion। তবে IPO filing-এ final share price বা exact offering size এখনো নির্ধারিত হয়নি।
আর এখানেই Nscale-এর IPO-টা interesting হয়ে উঠছে।
কারণ investors-রা শুধু AI model companies-এ নয়, AI infrastructure-এর ওপরও কতটা বড় capital bet করতে প্রস্তুত সেটার একটা নতুন test হতে যাচ্ছে এই listing।
Nscale-এর numbers একই সঙ্গে AI boom-এর দুইটা দিক দেখাচ্ছে।
একদিকে 1,252% revenue growth এবং $103 billion-এর বেশি active ও contracted value।
অন্যদিকে মাত্র ছয় মাসে $1.02 billion net loss এবং একজন customer থেকে 52% revenue।

তাই এই story-টা শুধু একটি AI company IPO করছে এমন নয়। এটি দেখাচ্ছে, AI revolution-এর পেছনে যে enormous physical infrastructure তৈরি হচ্ছে, সেটার business economics কতটা capital-intensive হয়ে উঠেছে।
সবচেয়ে বড় প্রশ্ন এখন হলো, AI compute-এর demand যেভাবে বাড়ছে, সেই demand কি এই ধরনের infrastructure companies-এর enormous spending এবং losses-কে দীর্ঘমেয়াদে justify করার মতো revenue তৈরি করতে পারবে?
Nscale-এর IPO সেই প্রশ্নের একটি বড় public-market test হতে যাচ্ছে।

Sources: Reuters, Nscale-এর SEC Form S-1, Financial Times.

Anthropic নতুন AI model আনার কথা ভাবছে, OpenAI-এর GPT-6 Astra-এর চাপ এবার Claude-এর ঘাড়ে Anthropic আবার নতুন AI model la...
20/09/2026

Anthropic নতুন AI model আনার কথা ভাবছে, OpenAI-এর GPT-6 Astra-এর চাপ এবার Claude-এর ঘাড়ে Anthropic আবার নতুন AI model launch করার কথা seriously বিবেচনা করছে।

কারণ OpenAI-এর GPT-6 Astra release-এর পর enterprise AI market-এ competition হঠাৎ আরও তীব্র হয়ে উঠেছে। Reuters-এর ১৯ সেপ্টেম্বরের রিপোর্ট অনুযায়ী, Anthropic এখন এমন একটি নতুন model আনার বিষয়টি ভাবছে, যা OpenAI-এর সাম্প্রতিক momentum-এর জবাব দিতে পারে।
বিষয়টা শুধু model race-এর কারণে নয়। Anthropic একই সময়ে সম্ভাব্য IPO-এর প্রস্তুতিও নিচ্ছে। ফলে company-র সামনে এখন দুই ধরনের pressure কাজ করছে। একদিকে AI capability দ্রুত বাড়াতে হচ্ছে, অন্যদিকে safety এবং business sustainability নিয়েও সিদ্ধান্ত নিতে হচ্ছে।

GPT-6 Astra এই competition-এ নতুন pressure তৈরি করেছে। OpenAI সেপ্টেম্বরের শুরুতে Astra release করার পর enterprise customers-এর মধ্যে modelটি দ্রুত traction পাচ্ছে বলে Reuters জানিয়েছে। এর ফলে Anthropic-এর enterprise AI leadership নিয়ে potential investors-এর মধ্যেও নতুন করে প্রশ্ন উঠছে।
তবে interesting বিষয় হলো, Anthropic-এর হাতে এখনো বড় enterprise business রয়েছে। Reuters-এর রিপোর্ট অনুযায়ী, জুলাই পর্যন্ত Anthropic-এর annualized revenue run rate $65 billion-এর বেশি ছিল, যেখানে OpenAI-এর figure ছিল প্রায় $40 billion। অর্থাৎ নতুন model আনার pressure থাকলেও Anthropic-এর business momentum পুরোপুরি দুর্বল হয়ে গেছে, এমনটা বলা যাচ্ছে না।

আর এখানেই Anthropic-এর জন্য সবচেয়ে complicated part শুরু হচ্ছে।
Anthropic-এর CEO Dario Amodei সম্প্রতি frontier AI development-এর pace নিয়ে publicly caution করেছেন। অর্থাৎ company একই সময়ে AI capability বাড়ানোর প্রয়োজনীয়তা এবং দ্রুত capability development-এর safety risk, দুটোই বিবেচনা করছে।
এই দ্বন্দ্বটা এখন AI industry-এর অন্যতম বড় বিষয় হয়ে দাঁড়িয়েছে।
একদিকে OpenAI নতুন model release করে capability race এগিয়ে নিচ্ছে। অন্যদিকে Anthropic-এর নিজের Claude-ই এখন company-র পরবর্তী generation-এর AI model তৈরির কাজে উল্লেখযোগ্য ভূমিকা রাখছে।

Anthropic জানিয়েছে, Claude এখন তাদের AI research and development work-এর প্রায় 26% lead করছে। ফেব্রুয়ারিতে এই অংশ 1%-এরও কম ছিল। অর্থাৎ মাত্র কয়েক মাসের মধ্যে AI development-এর ভেতরেই AI-এর ভূমিকা dramatically বেড়েছে।
এর মানে অবশ্য Claude নিজে একা বসে পরের Claude model বানিয়ে ফেলছে, এমন নয়। Human researchers এখনো পুরো development process-এর গুরুত্বপূর্ণ অংশ। তবে coding, experiment analysis, research এবং model development-এর মতো কাজে Claude-এর contribution দ্রুত বাড়ছে।

আর এই জায়গাটাই নতুন model race-টাকে আরও interesting করে তুলছে।
আগে AI companies-এর competition ছিল কে সবচেয়ে বড় model train করতে পারে। এখন competition-এর একটা অংশ হয়ে যাচ্ছে কে এমন AI system তৈরি করতে পারে, যেটা নিজেই পরবর্তী generation-এর AI development-কে কতটা accelerate করতে পারে।
Anthropic-এর নতুন model launch করার সম্ভাব্য সিদ্ধান্ত তাই শুধু GPT-6 Astra-এর সঙ্গে benchmark competition হিসেবে দেখলে পুরো ছবিটা পাওয়া যাবে না। এটি enterprise customers, investor expectations, AI development speed এবং safety considerations, সবকিছুর সঙ্গে জড়িত।
তবে এখন পর্যন্ত Anthropic নতুন model-এর exact নাম, capability বা release date officially ঘোষণা করেনি। Reuters-এর রিপোর্টে এটিকে company-র consideration হিসেবে বলা হয়েছে, confirmed launch হিসেবে নয়।
আরেকটা গুরুত্বপূর্ণ বিষয় হলো IPO। Anthropic সম্ভাব্য public offering নিয়ে প্রস্তুতি নিচ্ছে বলে Reuters জানিয়েছে, তবে timing এখনো নিশ্চিত নয় এবং U.S. midterm elections-এর পর পর্যন্ত delay হতে পারে।

তাই সামনে যদি Anthropic সত্যিই নতুন frontier model launch করে, সেটা শুধু আরেকটা AI model release হবে না। এটি একই সময়ে OpenAI-এর সঙ্গে enterprise competition, Anthropic-এর safety philosophy এবং সম্ভাব্য IPO narrative, তিনটাকেই প্রভাবিত করতে পারে।
সবচেয়ে interesting প্রশ্ন হলো, Anthropic কি safety-first approach ধরে রেখেই নতুন model-এর capability দ্রুত বাড়াবে, নাকি GPT-6 Astra-এর momentum-এর কারণে development speed আরও বাড়াতে হবে?
এখন পর্যন্ত উত্তরটা জানা নেই। কিন্তু AI model race যে আবার নতুন একটা phase-এ ঢুকছে, সাম্প্রতিক ঘটনাগুলো সেটারই ইঙ্গিত দিচ্ছে।

Sources: Reuters, Associated Press, Anthropic.

OpenAI 2030 সালের মধ্যে $278 Billion negative free cash flow-এর projection করছে। AI race-এর আসল খরচ এবার সামনে OpenAI-এর...
20/09/2026

OpenAI 2030 সালের মধ্যে $278 Billion negative free cash flow-এর projection করছে।

AI race-এর আসল খরচ এবার সামনে OpenAI-এর AI race এখন শুধু নতুন model বানানোর competition নয়। এর পেছনে যে পরিমাণ computing power, data center আর infrastructure investment লাগছে, তার একটা বিশাল financial picture এবার সামনে এসেছে।

Financial Times-এর দেখা একটি company presentation অনুযায়ী, OpenAI 2026 থেকে 2030 সালের শেষ পর্যন্ত মোট প্রায় $278 billion negative free cash flow-এর projection করেছে। Reuters-ও এই তথ্যটি রিপোর্ট করেছে।

সহজ ভাষায় বললে, এই সময়ের মধ্যে OpenAI যত cash generate করবে, তার তুলনায় খরচ এত বেশি হবে যে cumulative gap প্রায় $278 billion হতে পারে।

আর এই খরচের সবচেয়ে বড় অংশ যাচ্ছে AI compute-এর পেছনে।

OpenAI-এর projection অনুযায়ী, 2030 সালের মধ্যে computing power এবং infrastructure-এর জন্য প্রায় $856 billion খরচ হতে পারে। অর্থাৎ AI model train করা, চালানো এবং কোটি কোটি user-এর জন্য inference infrastructure ধরে রাখার খরচ কতটা বিশাল হয়ে যাচ্ছে, এই সংখ্যাটা সেটাই দেখাচ্ছে।

তবে এখানে আরও interesting একটা হিসাব আছে।

OpenAI একই সময়ে revenue-ও dramatically বাড়ার আশা করছে।

Projection অনুযায়ী, 2026 সালে revenue প্রায় $36 billion থেকে বেড়ে 2030 সালে প্রায় $350 billion হতে পারে। অর্থাৎ মাত্র চার বছরে annual revenue প্রায় 10 গুণ করার লক্ষ্য রয়েছে। 2026 থেকে 2030 পর্যন্ত cumulative revenue projection প্রায় $840 billion।

তারপরও spending revenue-এর তুলনায় এত বেশি থাকবে যে company negative free cash flow-এর মধ্যে থাকবে।

এখানেই AI industry-এর বর্তমান business model নিয়ে বড় প্রশ্নটা আসে।

আজকে ChatGPT-এর মতো AI service ব্যবহার করার সময় একজন user হয়তো কয়েক ডলার বা কয়েক দশ ডলার subscription দিচ্ছেন। কিন্তু সেই user-এর প্রতিটি prompt-এর পেছনে GPU, data center, networking, electricity, storage এবং model-serving infrastructure-এর খরচ রয়েছে।

আর model যত powerful হচ্ছে, AI agent যত বেশি কাজ করছে এবং usage যত বাড়ছে, compute demand-ও তত বাড়ছে।

OpenAI-এর ক্ষেত্রে এই infrastructure race আরও বড় হচ্ছে কারণ company শুধু existing ChatGPT service চালাচ্ছে না। নতুন frontier model train করা, enterprise AI, coding agents, autonomous systems এবং massive inference capacity-এর জন্যও compute দরকার।

এই কারণেই OpenAI-এর জন্য এখন শুধু model quality গুরুত্বপূর্ণ নয়। পর্যাপ্ত compute capacity secure করাও strategic issue হয়ে গেছে।

Financial Times-এর রিপোর্ট অনুযায়ী, এই projection-টি July-তে তৈরি করা একটি private presentation-এর অংশ ছিল, যা একটি computing deal-এর সঙ্গে সম্পর্কিত ছিল। অর্থাৎ এগুলো OpenAI-এর publicly audited financial results নয়, বরং company-এর internal projections। OpenAI এই বিষয়ে Reuters-এর কাছে তাৎক্ষণিক মন্তব্য করেনি।

আরেকটা বড় বিষয় হলো funding।

Reuters জানিয়েছে, OpenAI নতুন investment নিয়ে আলোচনা করছে এবং Financial Times-এর আগের রিপোর্ট অনুযায়ী সম্ভাব্য valuation $1.2 trillion-এর কাছাকাছি হতে পারে। অর্থাৎ সামনে AI infrastructure expand করতে OpenAI-কে আরও বিশাল capital দরকার হতে পারে।

এখানে একটা গুরুত্বপূর্ণ correction দরকার।

$278 billion মানে OpenAI আজকে হাতে থাকা টাকা থেকে সরাসরি $278 billion হারিয়ে ফেলেছে, এমন নয়। এটা 2026 থেকে 2030 পর্যন্ত projected cumulative negative free cash flow। Actual spending, revenue এবং future financing পরিস্থিতি বদলালে এই সংখ্যাও বদলাতে পারে।

বরং এই projection-এর আসল significance হলো AI industry এখন এমন এক phase-এ ঢুকেছে যেখানে intelligence scale করার জন্য শুধু better algorithms যথেষ্ট নয়। Massive physical infrastructure দরকার।

আর সেই infrastructure-এর cost এত বড় হচ্ছে যে AI companies-এর future success অনেকটাই নির্ভর করতে পারে তারা কত দ্রুত revenue বাড়াতে পারে এবং একই সঙ্গে compute cost কতটা efficiently manage করতে পারে তার ওপর।

একদিকে OpenAI 2030 সালের মধ্যে $350 billion annual revenue-এর projection করছে।

অন্যদিকে একই সময়ের মধ্যে computing এবং infrastructure-এ প্রায় $856 billion spending-এর projection দেখা যাচ্ছে।

এই দুই সংখ্যার gap-টাই হয়তো আগামী কয়েক বছরের AI economy বোঝার সবচেয়ে গুরুত্বপূর্ণ অংশগুলোর একটি।

কারণ এখন প্রশ্ন শুধু কে সবচেয়ে powerful AI model বানাবে সেটা নয়।

প্রশ্ন হলো, কে সেই model-এর massive compute bill দীর্ঘমেয়াদে sustain করতে পারবে?

আপনার কী মনে হয়, আগামী কয়েক বছরে AI industry-এর সবচেয়ে বড় limitation model capability হবে, নাকি compute এবং infrastructure-এর খরচ?

Sources: Financial Times, Reuters.

Claude ব্যবহার করে Researchers OpenAI-এর Employee Account দখল করে Internal Code Repository পর্যন্ত পৌঁছে গেল এটা কোনো re...
19/09/2026

Claude ব্যবহার করে Researchers OpenAI-এর Employee Account দখল করে Internal Code Repository পর্যন্ত পৌঁছে গেল এটা কোনো real-world criminal attack ছিল না।

বরং Hacktron AI নামের একটি security research team OpenAI-এর bug bounty/security testing-এর অংশ হিসেবে এমন একটি attack chain তৈরি করে দেখিয়েছে, যেখানে Anthropic-এর Claude ব্যবহার করে OpenAI-এর একাধিক employee account পর্যন্ত পৌঁছানো সম্ভব হয়েছিল।

ঘটনাটার শুরু হয় OpenAI-এর community forum থেকে। Forumটি Discourse software-এর ওপর চলছিল। Researchers দেখতে পান, বিশেষ ধরনের HEIF/HEIC image upload করার সময় backend-এ ImageMagick এবং libheif-এর মাধ্যমে image processing হচ্ছিল। এই chain-এর মধ্যে থাকা libheif library-তে একটি memory vulnerability ছিল, যেটা ব্যবহার করে server-এ নিজের code চালানোর সুযোগ তৈরি করা যায়।
সবচেয়ে interesting অংশ হলো, Researchers এই vulnerability exploit করার জন্য Claude ব্যবহার করছিলেন। Claude-এর আগের version Opus 4.8 দিয়ে working exploit তৈরি করা সম্ভব হয়নি। এরপর Anthropic Claude Opus 5 release করার পর একই problem আবার model-টিকে দেওয়া হয়। Researchers-এর রিপোর্ট অনুযায়ী, নতুন model কয়েক ঘণ্টার মধ্যেই কার্যকর exploit তৈরি করতে সক্ষম হয়।
এরপর attack chain আরও এক ধাপ এগোয়।

Server access পাওয়ার পর Researchers OpenAI-এর login system-এর আরেকটি weakness কাজে লাগিয়ে একাধিক OpenAI employee-এর ChatGPT এবং Codex account takeover করতে সক্ষম হন। এর মধ্যে অন্তত একজন employee-এর Codex account OpenAI-এর internal GitHub organization-এর সঙ্গে connected ছিল।
এখানে Researchers আসলে sensitive source code download করেননি। তারা access সত্যিই কাজ করছে কিনা সেটা প্রমাণ করার জন্য employee-এর Codex account ব্যবহার করে OpenAI-এর internal monorepo-তে একটি harmless pull request তৈরি করেন। তারপর তারা testing বন্ধ করে দেন।

আরেকটা বিষয় এই ঘটনাটাকে আরও interesting করে তোলে। Initial vulnerability discovery থেকে internal repository-তে এই proof তৈরি করা পর্যন্ত পুরো chain তৈরি করতে 72 ঘণ্টারও কম সময় লেগেছিল। Researchers বলছেন, AI-এর কারণে আগে যে ধরনের exploit development-এর জন্য অনেক বেশি সময় এবং expertise প্রয়োজন হতো, সেই কাজ এখন অনেক দ্রুত করা সম্ভব হচ্ছে।
OpenAI-কে vulnerability report করার পর কোম্পানি প্রায় 14 ঘণ্টার মধ্যে নিজেদের দিকের সমস্যাটি fix করে। Hacktron team-কে $6,500 bounty দেওয়া হয়। Discourse-ও image-processing security issue-এর জন্য patch প্রকাশ করে এবং sandboxing আরও শক্তিশালী করে।

তবে এখানে একটা গুরুত্বপূর্ণ distinction আছে।
এটা এমন কোনো ঘটনা নয় যেখানে Claude একা নিজে OpenAI-কে attack করেছে। তিনজন human security researcher পুরো operation পরিচালনা করেছেন এবং Claude-কে exploit development-এর জন্য ব্যবহার করেছেন। তাই ঘটনাটাকে autonomous AI hack বলা পুরোপুরি সঠিক হবে না। বরং এটি দেখাচ্ছে, একজন skilled security researcher-এর সঙ্গে advanced AI model যুক্ত হলে sophisticated cyber work কত দ্রুত করা সম্ভব হতে পারে।

আর এই জায়গাটাই cybersecurity industry-এর জন্য বড় প্রশ্ন তৈরি করছে।
আগে একটি complicated vulnerability discover করা, exploit develop করা এবং attack chain তৈরি করা অনেক সময় specialized expertise ও দীর্ঘ development cycle চাইত। এখন AI সেই process-এর কিছু অংশ dramatically accelerate করতে পারছে।
বিশেষ করে AI agent যদি code বুঝতে পারে, internet browse করতে পারে, vulnerability analyse করতে পারে এবং বিভিন্ন tool independently ব্যবহার করতে পারে, তাহলে defensive এবং offensive cybersecurity-এর gap আরও গুরুত্বপূর্ণ হয়ে উঠবে।
এই ঘটনার আরেকটি ironic দিকও আছে। Anthropic-এর Claude ব্যবহার করে Researchers OpenAI-এর infrastructure-এর vulnerability exploit করলেন, আবার অন্যদিকে OpenAI-এর নিজেদের AI agents নিয়েও সাম্প্রতিক security evaluation-এ unexpected cyber behaviour দেখা গেছে। অর্থাৎ AI companies নিজেরাই এখন এমন একটি race-এর মধ্যে আছে যেখানে model capability বাড়ার সঙ্গে সঙ্গে security testing-এর গুরুত্বও দ্রুত বাড়ছে।
সবচেয়ে বড় শিক্ষা সম্ভবত এটা: AI এখন শুধু code লেখার tool নয়। Cybersecurity-এর ক্ষেত্রে এটি vulnerability discovery, exploit development এবং attack automation-এর speed অনেকটাই বদলে দিতে পারে।
আপনার কী মনে হয়, আগামী দিনে cybersecurity-এর সবচেয়ে বড় advantage হবে মানুষের expertise, নাকি মানুষের সঙ্গে AI agent-এর combination?

Sources: TechCrunch , The Register , The Wall Street Journal , The Hacker News

Google-এর Gemini নিয়ে এই ঘটনাটা আসলে শুধু AI hacking story না, বরং autonomous AI কতটা unpredictable হতে পারে তার একটা গু...
19/09/2026

Google-এর Gemini নিয়ে এই ঘটনাটা আসলে শুধু AI hacking story না, বরং autonomous AI কতটা unpredictable হতে পারে তার একটা গুরুত্বপূর্ণ example।

২০২৬ সালের মে মাসে cybersecurity testing-এর সময় Google-এর Gemini এমন কিছু করে বসে, যেটা test environment-এর বাইরে চলে যায়।
Gemini-কে একটি fictional company-এর system নিয়ে security test করানো হচ্ছিল। কিন্তু testing environment-এ ভুলভাবে internet access available হয়ে যাওয়ায় AI modelটি real-world internet-এর resources-এ পৌঁছাতে পারে।
এরপর সবচেয়ে interesting অংশটা শুরু হয়।

Gemini online-এ পাওয়া public information ব্যবহার করে এমন credentials খুঁজে বের করে, যেগুলো দিয়ে তিনটি real company-এর protected system-এ access নেওয়া সম্ভব হয়। একটি ঘটনায় modelটি password guess করে access পায়। অন্য দুটি ঘটনায় public repositories-এ থাকা credentials ব্যবহার করে system-এ ঢোকে।
অর্থাৎ এখানে কোনো human hacker বসে manually password try করছিল না। AI model নিজেই information খুঁজেছে, credentials ব্যবহার করেছে এবং target system-এ access নেওয়ার চেষ্টা করেছে।
তবে একটা গুরুত্বপূর্ণ বিষয় পরিষ্কার করা দরকার। Gemini ইচ্ছা করে কোনো real company attack করার জন্য deploy করা হয়নি। এটি ছিল cybersecurity evaluation, আর Google-এর বক্তব্য অনুযায়ী তিনটি ক্ষেত্রেই model বুঝতে পারে যে সে fictional target-এর বদলে real company-এর system-এ পৌঁছে গেছে। এরপর Gemini নিজে থেকেই activity বন্ধ করে দেয়।
এই testটি পরিচালনা করছিল Irregular নামের একটি AI security evaluation company। একই ধরনের testing-এর সময় সাম্প্রতিক মাসগুলোতে Anthropic, OpenAI এবং Meta-এর AI systems নিয়েও third-party systems-এ unauthorized access-এর ঘটনা সামনে এসেছে।
এখানেই ঘটনাটার বড় implication।
আগে AI cybersecurity model মানে ছিল model আপনাকে বলতে পারে কোথায় vulnerability আছে, কীভাবে exploit কাজ করে বা কোন command ব্যবহার করা যেতে পারে। কিন্তু এখন advanced AI agent নিজেই web browse করতে পারে, information collect করতে পারে, credentials খুঁজে বের করতে পারে এবং multi-step action নিতে পারে।
এই capability defensive cybersecurity-এর জন্য বিশাল useful হতে পারে। একই capability ভুল environment, ভুল permission বা ভুল target-এর সঙ্গে combine হলে risk-ও অনেক বেড়ে যায়।
আরেকটা গুরুত্বপূর্ণ বিষয় হলো, Google ঘটনাগুলো May-তে ঘটলেও publicly disclose করেছে September-এ, যখন Wall Street Journal বিষয়টি প্রকাশ করে। Google জানিয়েছে affected তিনটি entity-কে জানানো হয়েছে এবং testing process-এর সমস্যাগুলো ঠিক করা হয়েছে।
Google-এর Security Engineering VP Heather Adkins-এর বক্তব্য অনুযায়ী, এই ঘটনাগুলো powerful AI models-কে responsible behaviour শেখানোর গুরুত্ব দেখায়।
সবচেয়ে interesting ব্যাপার হলো, Gemini-এর লক্ষ্য ছিল একটি fictional company-এর security test complete করা। কিন্তু internet access ভুলভাবে available হওয়ার পর modelটি real-world infrastructure-এর সঙ্গে interaction শুরু করে।
এটা AI suddenly conscious হয়ে গেছে বা ইচ্ছা করে attack করেছে, এমন কোনো প্রমাণ নয়। বরং ঘটনাটি দেখাচ্ছে, highly capable AI agent-এর জন্য environment isolation, permission control, credential security এবং continuous monitoring কতটা গুরুত্বপূর্ণ।
কারণ AI যত বেশি autonomous হচ্ছে, শুধু model কতটা intelligent সেটা গুরুত্বপূর্ণ থাকছে না। প্রশ্ন হচ্ছে, modelটাকে কোথায় access দেওয়া হচ্ছে এবং ভুল কিছু ঘটলে সে কত দ্রুত থামবে।
আপনার কী মনে হয়, এমন AI cybersecurity agent-কে unrestricted internet access দেওয়া উচিত, নাকি প্রতিটি action-এর জন্য strict permission system থাকা উচিত?
Sources: Reuters , The Washington Post , The Guardian

Huawei Cloud এবার AI Agent-এর জন্য পুরো Cloud infrastructure নতুনভাবে সাজাচ্ছেAI Agent-এর যুগে শুধু powerful GPU থাকলেই ...
18/09/2026

Huawei Cloud এবার AI Agent-এর জন্য পুরো Cloud infrastructure নতুনভাবে সাজাচ্ছে
AI Agent-এর যুগে শুধু powerful GPU থাকলেই হবে না।

Agent যদি ঘণ্টার পর ঘণ্টা কাজ করে, একাধিক tool ব্যবহার করে, memory ধরে রাখে এবং অন্য agent-এর সঙ্গে communicate করে, তাহলে Cloud infrastructure-কেও সেই workflow অনুযায়ী বদলাতে হবে।

এই ধারণা সামনে রেখে Huawei Cloud HUAWEI CONNECT 2026-এ তাদের নতুন Agentic Cloud strategy এবং একাধিক AI infrastructure product উন্মোচন করেছে।

১৮ সেপ্টেম্বর Shanghai-তে Huawei Cloud CEO Peter Zhou বলেন, agentic era-তে infrastructure-এর কাজ শুধু compute দেওয়া নয়, বরং প্রতিটি token-কে আরও efficient করা, AI এবং general computing workload একসঙ্গে manage করা এবং production environment-এ AI agent-কে secure ও reliableভাবে চালানো।
এর সবচেয়ে বড় অংশ হলো নতুন AI Cluster Service বা AICS।
Huawei বলছে, নতুন AICS আগের generation-এর compute service-এর তুলনায় 20% বেশি token throughput দিতে পারে। অর্থাৎ একই ধরনের computing infrastructure থেকে আরও বেশি AI token processing করা সম্ভব হবে। নতুন service-এ পাঁচ স্তরের fast recovery mechanism এবং full-chain observability রয়েছে। Huawei-এর দাবি অনুযায়ী, system 40 দিনের বেশি stable training support করতে পারে এবং hardware বা infrastructure failure হলে 10 মিনিটের মধ্যে recovery করতে সক্ষম।
এখানে token throughput গুরুত্বপূর্ণ।
সাধারণ chatbot-এর ক্ষেত্রে একটি request process করে answer তৈরি করাই মূল কাজ। কিন্তু AI agent-এর ক্ষেত্রে একটি task সম্পন্ন করতে model-কে বারবার reasoning করতে হতে পারে, tool call করতে হতে পারে, database থেকে information নিতে হতে পারে এবং নতুন response generate করতে হতে পারে।
অর্থাৎ একজন মানুষ একটি প্রশ্ন করলে হয়তো একটি response যথেষ্ট। কিন্তু একটি AI agent কোনো business task সম্পন্ন করতে গিয়ে একই সময়ে শত শত বা হাজার হাজার token generate এবং process করতে পারে।
এ কারণেই Huawei infrastructure-এর efficiency-কে শুধু GPU performance দিয়ে না দেখে token production-এর দিক থেকেও দেখছে।
Huawei একই সঙ্গে Context Memory Storage বা CMS নামে নতুন memory infrastructure-ও দেখিয়েছে।
Long-horizon AI agent-এর জন্য memory খুব গুরুত্বপূর্ণ। কারণ agent যদি কয়েক মিনিটের বদলে ঘণ্টা বা দিনের পর দিন কোনো task নিয়ে কাজ করে, তাহলে তার আগের context, intermediate result এবং relevant information ধরে রাখার প্রয়োজন হয়।
Huawei-এর দাবি অনুযায়ী, CMS petabyte-scale memory space দিতে পারে এবং comparable industry products-এর তুলনায় দ্বিগুণ storage capacity এবং terabyte-scale memory read performance-এ 50% বেশি performance দিতে পারে।
সহজভাবে বললে, Huawei এমন Cloud architecture তৈরি করতে চাইছে যেখানে AI agent শুধু model-এর উপর নির্ভর করবে না। Compute, memory, scheduling এবং security সবকিছু agent-এর workflow মাথায় রেখে একসঙ্গে কাজ করবে।
এর আরেকটি বড় অংশ হলো Agentic MaaS বা Model as a Service।
Huawei Cloud এমন একটি platform তৈরি করছে যেখানে developers বিভিন্ন leading provider-এর AI model এক জায়গা থেকে ব্যবহার করতে পারবে, আলাদা করে প্রতিটি model deploy করার প্রয়োজন ছাড়াই। HUAWEI CONNECT 2026-এ MiniMax তাদের multimodal model Huawei Cloud-এর সঙ্গে ব্যবহার করে এই capability প্রদর্শন করেছে।
কিন্তু developer-এর জন্য সবচেয়ে interesting অংশ হতে পারে AgentArts এবং open-source openJiuwen।
Huawei বলছে, তাদের enterprise agent platform এখন 5,000-এর বেশি general MCP assets এবং 1,000-এর বেশি industry-specific MCP assets access করতে পারছে।
MCP বা Model Context Protocol মূলত AI model এবং external tools, data source বা services-এর মধ্যে standardised connection তৈরি করতে সাহায্য করে।
একজন developer যদি AI agent বানান, তাহলে প্রতিটি external tool-এর জন্য আলাদা integration তৈরি করার পরিবর্তে MCP-based ecosystem ব্যবহার করে agent-কে অনেক ধরনের capability দেওয়া সম্ভব হতে পারে।
Huawei-এর platform ইতোমধ্যে 100-এর বেশি enterprise customer serve করছে বলে কোম্পানিটি জানিয়েছে।
আর Industry AI Foundry-তে Huawei এখন 1,000-এর বেশি industry-specific asset এবং 1,000-এর বেশি deployed project-এর কথা বলছে।
Healthcare, embodied AI, scientific computing, manufacturing এবং finance-এর পাশাপাশি এবার Smart Government Zone এবং AI Hardware Zone যোগ করা হয়েছে।
এর মানে Huawei-এর লক্ষ্য শুধু developers-কে AI model access দেওয়া নয়।
তারা এমন একটি complete ecosystem তৈরি করতে চাইছে যেখানে infrastructure থেকে শুরু করে model, memory, tools, agent platform এবং industry-specific workflow পর্যন্ত একই Cloud ecosystem-এর মধ্যে পাওয়া যাবে।
এই strategy-র পেছনে Huawei-এর একটি বড় prediction-ও আছে।
১৬ সেপ্টেম্বর প্রকাশিত Huawei-এর Intelligent World 2035 report অনুযায়ী, 2035 সালের মধ্যে autonomous AI agents global AI token traffic-এর 90%-এর বেশি handle করতে পারে বলে কোম্পানিটি পূর্বাভাস দিয়েছে। Huawei আরও বলেছে, তখন বিশ্বে active AI agent-এর সংখ্যা 900 billion পর্যন্ত পৌঁছাতে পারে। এগুলো Huawei-এর projections, established facts নয়।
এই prediction সত্যি হোক বা না হোক, infrastructure industry ইতোমধ্যে agentic workload-এর জন্য প্রস্তুতি নেওয়া শুরু করেছে।
কারণ agent সাধারণ chatbot-এর তুলনায় অনেক বেশি compute consume করতে পারে।
একটি agent একটি task শুরু করে reasoning করবে, তারপর tool call করবে, result analyse করবে, আবার reasoning করবে, তারপর নতুন tool call করবে। এই cycle যত দীর্ঘ হবে, token consumption তত বাড়বে।
তাই future AI Cloud-এর competition হয়তো শুধু কে বেশি GPU দিতে পারে, সেটা হবে না।
কে বেশি efficiently token generate করতে পারে, কে agent-এর long-term memory manage করতে পারে, কে হাজার হাজার agent একসঙ্গে run করতে পারে এবং কে সেই agent-গুলোকে secure রাখতে পারে, সেগুলোও equally important হয়ে উঠবে।
Huawei-এর নতুন Agentic Cloud strategy ঠিক এই জায়গাটাকেই target করছে।
আরেকটি বিষয়ও এখানে গুরুত্বপূর্ণ, agent-এর autonomy যত বাড়বে security risk-ও তত বাড়বে।
একটি normal AI model ভুল answer দিলে সেটি একটি text error হতে পারে। কিন্তু একটি autonomous agent যদি ভুল সিদ্ধান্ত নিয়ে কোনো external system-এ action নেয়, তাহলে তার real-world consequence হতে পারে।
এই কারণেই Huawei Agentic Infra-এর অন্যতম principle হিসেবে secure autonomy-এর কথা বলছে।

Huawei-এর latest AI Cluster Service China-তে ৩০ সেপ্টেম্বর এবং China-এর বাইরে ৩০ নভেম্বর commercial availability পাওয়ার কথা জানিয়েছে কোম্পানিটি। AgentArts-এর international commercial availability ৩০ ডিসেম্বর নির্ধারণ করা হয়েছে।
সব মিলিয়ে Huawei-এর announcement থেকে একটা বড় trend পরিষ্কার।
AI industry ধীরে ধীরে chatbot-centric infrastructure থেকে agent-centric infrastructure-এর দিকে যাচ্ছে।
আগে Cloud-এর মূল প্রশ্ন ছিল, কতটা compute পাওয়া যাচ্ছে।
এখন প্রশ্ন হচ্ছে, সেই compute দিয়ে কত efficiently token তৈরি করা যাচ্ছে, agent কতক্ষণ context ধরে রাখতে পারছে, কতগুলো tool ব্যবহার করতে পারছে এবং পুরো workflow কতটা securely চালানো যাচ্ছে।
AI Agent যদি সত্যিই software-এর নতুন ex*****on layer হয়ে ওঠে, তাহলে Cloud infrastructure-ও সেই agent-এর মতোই বদলাতে হবে।
Huawei এখন সেই পরিবর্তনের জন্য infrastructure level থেকেই প্রস্তুতি নিচ্ছে।

Sources: Huawei Cloud, Huawei HUAWEI CONNECT 2026, Reuters.

Address

Dhaka
1200

Website

Alerts

Be the first to know and let us send you an email when Learn AI BD posts news and promotions. Your email address will not be used for any other purpose, and you can unsubscribe at any time.

Shortcuts

Share

Category