আলিবাবা ক্লাউডের ওপেন সোর্স বড় মডেল: AI ইকোসিস্টেম গঠন এবং বহু পরিদর্শনের অ্যাপ্লিকেশনকে এগিয়ে নিয়ে যাচ্ছে

উপরিস্থ ওপেন-সোর্স মডেলগুলোর ব্যাপক উদ্ভবের সাথে, তাদের কার্যক্ষমতা এখন সবচেয়ে উন্নত বন্ধ সোর্স মডেলগুলোর সমকক্ষ। একই সাথে, ওপেন-সোর্স মডেলের মাধ্যমে মডেল প্রশিক্ষণের খরচ অনেকটাই কমেছে, যার ফলে সবচেয়ে উন্নত মডেলগুলো কম খরচে স্থাপন এবং ব্যাপকভাবে ব্যবহার করা সম্ভব হয়েছে।

এআই যুগের ঢেউয়ের মধ্যে, আলিবাবা গ্রুপ তার উন্নয়নের কৌশলকে সম্পূর্ণরূপে পরিবর্তন করেছে।

২০২৫ সালের ২৪ ফেব্রুয়ারি, আলিবাবা গ্রুপের সিইও উ ইয়ংমিং ঘোষণা করেন যে, আগামী তিন বছরে আলি বিশ্বব্যাপী ক্লাউড সেবা এবং এআই হার্ডওয়্যার অবকাঠামো গড়ে তুলতে ৩৮০ বিলিয়ন ইউয়ানেরও বেশি বিনিয়োগ করবে, যা কোম্পানির গত দশ বছরে এই ক্ষেত্রে ব্যয়কৃত মোট পরিমাণের চেয়েও অনেক বেশি।

বড় মডেলের ক্ষেত্রে, আলি ক্লাউড ইতিমধ্যেই চমকপ্রদ সাফল্য অর্জন করেছে। বর্তমানে, তারা ২০০ টিরও বেশি বিভিন্ন মডেল ওপেন-সোর্স করেছে, এবং তাঙই চিয়ান মেন (Qwen) থেকে উদ্ভূত মডেলের সংখ্যা দেশী ও বিদেশী ওপেন-সোর্স সম্প্রদায়ে এক লাখের বেশি ছাড়িয়ে যাওয়ায় মার্কিন লামা সিরিজের মডেলগুলোকে ছাড়িয়ে বিশ্বের ওপেন-সোর্স বড় মডেলের শীর্ষে স্থান পেয়েছে।

আলিবাবা ক্লাউডের তোয়ানই-কিয়ানওয়েন টিম ব্যবসায় স্কুল ম্যাগাজিনকে জানিয়েছে, ওপেন সোর্সের সহায়তায় আলিবাবা ক্লাউড একটি শক্তিশালী AI ইকোসিস্টেম গড়ার লক্ষ্যে কাজ করছে, যাতে অসংখ্য ছোট ও মাঝারি পরিসরের প্রতিষ্ঠান এবং AI ডেভেলপাররা তোয়ানই-কিয়ানওয়েন ব্যবহার করতে পারেন আরও দ্রুত এবং সুবিধাজনকভাবে, যাতে বৃহৎ মডেল প্রযুক্তির ব্যাপক প্রচলন ও প্রয়োগ ঘটে এবং চীনের বৃহৎ মডেল ইকোসিস্টেমের গড়ে তোলায় সহায়তা করে। কারণ কেবলমাত্র একটি শক্তিশালী বৃহৎ মডেলের ভিত্তি গড়ে তুলতে পারলেই ভবিষ্যতের বাণিজ্যিক প্রয়োগের অসীম সম্ভাবনার সৃষ্টি করা সম্ভব।

2023 সালের আগস্ট থেকে, আলিবাবা ক্লাউড দেশে প্রথমবারের মতো বড় পরিসরে বড় মডেলের সিরিজ ওপেন সোর্স করেছে, যা চীনের প্রথম বড় প্রযুক্তি কোম্পানি যা এই ধরনের পদক্ষেপ নিয়েছে। এছাড়াও, সে বহুবার Chatbot Arena, SiNan OpenCompass ইত্যাদি প্রভাবশালী তালিকায় “বিশ্বব্যাপী ওপেন সোর্স চ্যাম্পিয়ন” এবং “দেশীয় মডেল চ্যাম্পিয়ন” খেতাব অর্জন করেছে। 2024 সালে, Qwen2.5-1.5B একটি মাত্র ওপেন সোর্স মডেল বিশ্বের বৃহত্তম ওপেন সোর্স কমিউনিটি Hugging Face-এ মডেল ডাউনলোডের পরিমাণের 26.6% দখল করে বিশ্বে প্রথম স্থান অধিকার করেছে।

আলিবাবা ক্লাউড উল্লেখ করেছে, ওপেন সোর্স বিশ্বব্যাপী ডেভেলপারদের জ্ঞান এবং শক্তি একত্রিত করতে পারে, এবং একটি একক কোম্পানির স্বাধীন উন্নয়নের তুলনায় প্রযুক্তিগত উদ্ভাবন এবং আপডেটকে আরও দক্ষতার সাথে এগিয়ে নিতে পারে। উদাহরণস্বরূপ, DeepSeek R1 ওপেন সোর্স করার পর, বিশ্বজুড়ে R1 পুনরায় তৈরির একটি তরঙ্গ সৃষ্টি হয়েছে, যা OpenAI-এর o1 যুক্তিবিদ্যা মডেলকে আঘাত করেছে এবং বিশ্বব্যাপী বৃহৎ মডেল প্রযুক্তিকে যুক্তিবিদ্যা মডেলের নতুন পর্যায়ে নিয়ে গেছে।

এছাড়াও, ওপেন সোর্স ইকোসিস্টেম গঠনে সহায়ক। ওপেন সোর্স মডেলে, যে কেউ বিনামূল্যে AI মডেল ডাউনলোড এবং ইনস্টল করতে পারে, যা নতুন প্রযুক্তির ব্যাপক প্রচলনকে দ্রুত গতিশীল করে। যেমন DeepSeek-এর ছয়টি ডিস্টিলেশন মডেলের মধ্যে চারটি হল জিয়ান্তজুন ওপেন সোর্স মডেলের উপর ভিত্তি করে; লি ফেইফেই-এর দলও জিয়ান্তজুন ওপেন সোর্স মডেলের উপর ভিত্তি করে s1-32B নামক একটি নতুন মডেল প্রশিক্ষণ করতে সক্ষম হয়েছে, যার কার্যকারিতা শীর্ষস্থানীয় ইনফারেন্স মডেলের সমকক্ষ, এবং প্রতিযোগিতামূলক গণিতের সমস্যাগুলিতে o1-preview-এর তুলনায় 27% বেশি কার্যকারিতা প্রদর্শন করেছে।

এছাড়াও, ওপেন সোর্স এআই-এর শিল্পায়ন প্রক্রিয়াকে গতিশীল করে এবং বিভিন্ন খাতে এআই প্রযুক্তির প্রয়োগকে উৎসাহিত করে। প্রাথমিক পর্যায়ের প্রতিষ্ঠান এবং ছোট ও মাঝারি আকারের প্রতিষ্ঠানগুলোর জন্য, সরাসরি ওপেন সোর্স মডেল ব্যবহার করা এআই ক্ষেত্রে প্রবেশের প্রযুক্তিগত এবং অর্থায়নের বাধা অনেকটাই কমিয়ে দেয়, এবং নিজস্ব জ্ঞানভাণ্ডার বা কর্পাসের সাথে মিলিত হয়ে বিভিন্ন খাতের জন্য উদ্দিষ্ট সমাধান দ্রুত তৈরি করতে সাহায্য করে।

বিশেষভাবে উল্লেখযোগ্য, 6 মার্চ, 2025-এ আলি ক্লাউড দ্বারা প্রকাশিত QwQ-32B শুধুমাত্র এন্টারপ্রাইজের জন্যই নয়, ব্যক্তিগত ডেভেলপার এবং সাধারণ ব্যবহারকারীদের জন্যও সুবিধাজনক, এবং এটি কনজিউমার-লেভেল গ্রাফিক্স কার্ডে স্থানীয়ভাবে স্থাপন করা যেতে পারে, যা স্থাপন ও ব্যবহারের খরচ অনেকটাই কমিয়ে দেয়। ব্যাপক পরিমাণে প্রশিক্ষণের মাধ্যমে, এই মডেলটি গণিত, কোড এবং সাধারণ ক্ষমতায় একটি বড় লাফ দিয়েছে, এবং সামগ্রিক কার্যক্ষমতা DeepSeek-R1-এর সমকক্ষ।

তবে, স্কেলিং ল laws (স্কেল ল law) এর ফলে প্রান্তিক উপকারিতা ধীরে ধীরে হ্রাস পাওয়ার সাথে সাথে, OpenAI-এর মতো বড় মডেল প্রস্তুতকারকরা ডেটা সংগ্রহ এবং কম্পিউটিং শক্তির সংযোজনে বর্তমান প্রযুক্তি ও সম্পদের সীমাবদ্ধতার কাছাকাছি চলে গেছে। অতএব, নতুন অপ্টিমাইজেশন পথ খুঁজে বের করা হয়েছে মূল কাজ। শিল্প জগতে কম্পিউটিং শক্তির অপ্টিমাইজেশনকে চরম পর্যায়ে নিয়ে যাওয়ার মাধ্যমে খরচ কমানো হচ্ছে এবং প্রশিক্ষণের পর্যায়ে পুনর্বলন ও যুক্তিপূর্ণ পদ্ধতিতে উন্নতি করে উচ্চ ক্ষমতাসম্পন্ন মডেলগুলিকে আরও দক্ষভাবে প্রশিক্ষণ দেওয়া হচ্ছে। QwQ-32B-এর প্রবর্তন মডেলের ক্ষমতা বাড়ানোর ক্ষেত্রে পুনর্বলনের বিশাল সম্ভাবনার আবারও প্রমাণ করেছে।

আলিবাবা ক্লাউড জানিয়েছে, ওপেন-সোর্স মডেলগুলির ক্রমাগত আবির্ভাবের সাথে সাথে, তাদের কার্যক্ষমতা ইতিমধ্যেই সবচেয়ে অগ্রণী ক্লোজড-সোর্স মডেলগুলির সমকক্ষ হয়ে গেছে। ওপেন-সোর্স পদ্ধতি মডেল প্রশিক্ষণের খরচও কমিয়ে দিয়েছে, যাতে সর্বাধুনিক মডেলগুলিকে কম খরচে স্থাপন এবং প্রয়োগ করা যায়।

মজার বিষয় হল, চীনা সংস্থাগুলির প্রতিযোগিতাকে মোকাবিলা করার জন্য, গুগল এবং OpenAI সহ আন্তর্জাতিক দিগ্গজরা নিজেদের কৌশল পরিবর্তন করে সীমিত উৎস খোলার চেষ্টা শুরু করেছে। উদাহরণস্বরূপ, গুগল আগে বন্ধ সোর্স মডেল জেমিনির ওপর ফোকাস করেছিল, কিন্তু সম্প্রতি জেমা 3 উন্মুক্ত করেছে; যেখানে ক্লোজএআই নামে কটাক্ষ করা হত ওপেনএআই, সেখানে চীনের ওপেন-সোর্স পরিবেশের প্রভাবে তাদের সিইও স্যাম অল্টম্যান বন্ধ সোর্স কৌশলের ভুল স্বীকার করে ভবিষ্যতের ওপেন-সোর্স পরিকল্পনার কথা ঘোষণা করেছেন।

বর্তমানে, আরও বেশি সংখ্যক প্রতিষ্ঠান মূলত মানসম্পন্ন API পরিষেবা ব্যবহার করতে পছন্দ করে, বিশেষত যেসব ক্ষেত্রে ব্যবসায়ের ধরন অপেক্ষাকৃত স্থিতিশীল এবং ব্যাপক কাস্টমাইজেশনের প্রয়োজন নেই। API পরিষেবা ব্যবহার করা অধিক অর্থনৈতিক, কারণ এতে শুধুমাত্র প্রকৃত কল করার সময়ই খরচ হয়, যা বিশেষত উচ্চ ও নিম্ন চাহিদার পরিবর্তনশীল পরিস্থিতিতে উপযোগী, যেমন গ্রাহক সেবা ব্যবস্থা। দিনের প্রধান সময়ের বাইরে অন্যান্য সময়ে চাহিদা অনেক কম থাকে, তাই একটি বড় মডেল থেকে শুরু করে তৈরি করার প্রয়োজন পড়ে না, ফলে খরচ অনেকটাই কমে যায়।

আলি ক্লাউড বেইলিয়ন প্ল্যাটফর্ম হল আলির একটি বিশেষ প্রতিষ্ঠান যা কোম্পানির জন্য তৈরি এআই বড় মডেল সেবা প্ল্যাটফর্ম, যা কোম্পানি এবং ডেভেলপারদের এআই অ্যাপ্লিকেশন গঠন, প্রশিক্ষণ এবং স্থাপনে আরও দক্ষতার সাথে সহায়তা করে। বর্তমানে, এই প্ল্যাটফর্মের উপর ভিত্তি করে API কল হল আলি ক্লাউডের বড় মডেলের বাণিজ্যিকীকরণের প্রধান পথ। আলি ক্লাউড বেইলিয়ন প্ল্যাটফর্ম দ্রুত এবং সুবিধাজনক সেবা অ্যাক্সেসের পদ্ধতি প্রদান করে, যা ব্যবহারকারীদের আলি ক্লাউডের বড় মডেলের ক্ষমতা সহজেই ব্যবহার করতে সহায়তা করে।

স্ট্যান্ডার্ড API কল ছাড়াও, আলি-ক্লাউড যৌথ উন্নয়নের মাধ্যমে সম্পূর্ণ AI কাস্টমাইজড সলিউশন সার্ভিস প্রদান করে, যা মডেল মাইক্রো-টিউনিং, কাস্টম মডেল ইত্যাদি অন্তর্ভুক্ত করে এবং মডেল প্রযুক্তির সাথে অপরিচিত বা উচ্চ কাস্টমাইজেশনের প্রয়োজনীয়তা সহ গ্রাহকদের প্রয়োজন মেটায়। ডেটা নিরাপত্তা ও গোপনীয়তা সুরক্ষার প্রয়োজন থাকা ব্যবহারকারীদের জন্য, আলি-ক্লাউড প্রাইভেট ডিপ্লয়মেন্ট সলিউশন চালু করেছে, যেমন মডেলগুলিকে একটি ইন্টিগ্রেটেড মেশিনে একীভূত করে সরাসরি গ্রাহকদের কাছে বিক্রি করা হয়।

উন্মুক্ত সোর্স বড় মডেলের বাণিজ্যিকীকরণের প্রক্রিয়ায়, আলি ক্লাউড ক্রমশ আরও বেশি খরচ-সঞ্চয়ী AI ক্ষমতা প্রদানের উপায় অন্বেষণ করছে।

2024 সাল থেকে, আলি ক্লাউড বারবার তোয়ানই-চিয়ানওয়েন সিরিজের মডেলের দাম কমিয়েছে, যার মধ্যে Qwen-Long API ইনপুটের দাম 0.02 ইউয়ান/হাজার টোকেন থেকে কমে 0.0005 ইউয়ান/হাজার টোকেনে, যা মোট 97% পর্যন্ত হ্রাস পেয়েছে। অন্যান্য মডেলগুলো যেমন Qwen-Turbo, Qwen-Plus, Qwen-Max এবং ভিশুয়াল ইন্টেপ্রেশন মডেল ইত্যাদিও ব্যাপকভাবে দাম কমিয়েছে, যাতে আরও বেশি সংখ্যক সংস্থা এবং ডেভেলপার কম খরচে AI ক্ষমতা পেতে পারে।

উল্লেখ্য, খরচ ক্রমাগত হ্রাস পাওয়ার পিছনে রয়েছে আলি-ক্লাউডের এআই অবকাঠামোর ক্ষেত্রে ক্রমাগত উন্নতি, বিশেষ করে গণনা দক্ষতা বাড়ানো, নেটওয়ার্ক কার্যকারিতা অপ্টিমাইজ করা এবং স্টোরেজ গতি বাড়ানোর ক্ষেত্রে। উদাহরণস্বরূপ, আলি-ক্লাউড প্রবর্তন করেছে অত্যন্ত উচ্চ ক্ষমতাসম্পন্ন নেটওয়ার্ক আর্কিটেকচার HPN7.0, যা 100,000 টিরও বেশি GPU এর স্থিতিশীল সংযোগ সমর্থন করে, পাঞ্জিউ এআই সার্ভার, যা একক মেশিনে 16 টি কার্ড পর্যন্ত সমর্থন করে এবং CPFS ফাইল স্টোরেজ, যার ডেটা থ্রুপুট 20TB/s পর্যন্ত পৌঁছায়।

এছাড়াও, আলি ক্লাউডের বাইলিয়ন প্ল্যাটফর্মে 200 টিরও বেশি বড় মডেল API সংহত করা হয়েছে, যা দেশীয় এবং বিদেশী প্রধান ওপেন-সোর্স এবং ক্লোজড-সোর্স মডেল অন্তর্ভুক্ত। ব্যবহারকারীদের টেক্সট বড় মডেল API ব্যবহারের খরচ কমাতে, আলি ক্লাউডের বাইলিয়ন প্ল্যাটফর্ম নতুন KV Cache চার্জিং মোড চালু করেছে, যা স্বয়ংক্রিয়ভাবে কনটেক্সট ক্যাশ করে পুনরাবৃত্ত গণনা এড়ায়, ফলে মডেল কলের খরচ আরও কমায়, যা দীর্ঘ টেক্সট, কোড কমপ্লিশন, বহু-রাউন্ড ডায়ালগ, নির্দিষ্ট টেক্সট সারাংশ ইত্যাদি ক্ষেত্রে উপযোগী।

সামগ্রিকভাবে, AI ওপেন-সোর্স বড় মডেলগুলি বাণিজ্যিকীকরণের প্রক্রিয়ায় দুটি বড় সমস্যার সম্মুখীন হচ্ছে: প্রথমত, ব্যবহারকারীর অভিজ্ঞতা বা দক্ষতাকে উল্লেখযোগ্যভাবে উন্নত করতে সক্ষম “কিলার অ্যাপ্লিকেশন” এর অভাব, যার অর্থ বাজার এখনও AI বড় মডেলগুলিকে গ্রহণ করার জন্য পুরোপুরি প্রস্তুত নয়; এর প্রয়োগের ক্ষেত্র এবং সম্ভাবনা আরও গভীরভাবে আবিষ্কার ও যাচাই করার প্রয়োজন। দ্বিতীয়ত, B সেগমেন্টের বাজার এখনও প্রাথমিক অনুসন্ধানের পর্যায়ে রয়েছে, এবং কর্পোরেট পরিচালনার স্তরে ওপেন-সোর্স বড় মডেলগুলিকে ব্যবসায়িক মূল্য প্রদানের জন্য ব্যবহার করার বিষয়ে সচেতনতা অপর্যাপ্ত; বন্ধ সোর্স বড় মডেলের তুলনায়, এই ধরনের মডেলগুলিকে AI সমাধানে বিনিয়োগ করার জন্য সম্মত করানো আরও কঠিন।

এই চ্যালেঞ্জগুলো এবং ভবিষ্যতের পরিকল্পনার প্রেক্ষিতে, আলি “ক্লাউড + AI” এর সমন্বিত ফুল-স্ট্যাক সমাধানের মাধ্যমে প্রস্তুতি নিয়েছে। উদাহরণস্বরূপ, AI অবকাঠামোর পণ্যের শক্তি ব্যবহার করে B সেগমেন্টের বাজারকে প্রসারিত করা হচ্ছে। একই সাথে, কুয়াকের পুনর্নবীকরণ ও আপগ্রেডের মতো প্রয়োগের মাধ্যমে C সেগমেন্টের বাজারে বড় মডেলের প্রয়োগের সম্ভাবনা অনুসন্ধান করা হচ্ছে, যাতে একটি আলোড়ন সৃষ্টিকারী পণ্যের নমুনা তৈরি করা যায় এবং AI অভিজ্ঞতার সর্বোত্তম প্রবেশপথ প্রদর্শন করা যায়।

বড় মডেল প্রযুক্তির ক্রমাগত উন্নতির সাথে, এটি বহু দৃশ্যে বিশাল প্রয়োগমূলক মূল্য এবং সম্ভাবনা প্রদর্শন করেছে।

2024 সালের জানুয়ারি মাসে, চীনা ফিয়াট টংই কিয়ানওয়েন এর সহযোগিতায় গাড়ি শিল্পের প্রথম বড় মডেল-ভিত্তিক বিজনেস ইন্টেলিজেন্স (BI) অ্যাপ্লিকেশন — GPT-BI চালু করেছে। ফিয়াট কিয়ানওয়েন বড় মডেলের ক্ষমতার সাহায্যে ডেটা ইন্টেলিজেন্স প্রক্রিয়া সম্পাদন করে, অনেক অচল ডেটা সম্পদকে মূল্যবান সম্পদে পরিণত করেছে।

বিশেষভাবে, GPT-BI ফোর্ড চালকদের বিক্রয় তথ্যের স্বয়ংক্রিয় প্রতিবেদন তৈরিতে সহায়তা করে, যা কাজের দক্ষতা অনেক বাড়িয়ে দেয়। ফোর্ড হুংচি ব্র্যান্ড অপারেশন কমিটির ভাইস প্রেসিডেন্ট মেন শিন বলেছেন, এআই-এর আসল কাজে আরও অনেক প্রয়োগের ক্ষেত্র রয়েছে। উদাহরণস্বরূপ, সম্পূর্ণ গাড়ি তৈরির প্রক্রিয়ায় প্রচুর তথ্য জড়িত, যার মধ্যে রয়েছে গাড়ি উৎপাদনের আকার ও মানের মিল, প্রক্রিয়া পর্যালোচনা, সংযোজন কৌশল ইত্যাদি; এই সব ধাপে আগে মানুষের মাধ্যমে পরিমাপ করা হতো। এখন হুংচি এই তথ্য ও প্রয়োজনীয়তার ভিত্তিতে হুংচি গাড়ির স্বয়ংক্রিয় মূল্যায়ন মডেল তৈরি করেছে এবং সম্পূর্ণ গাড়ি উৎপাদন প্রক্রিয়ায় এটি প্রবর্তন করেছে, যার ফলে আগে ২০ দিন, ৫০ দিন বা এমনকি ৮০ দিনেরও বেশি সময় লাগতো এই ধাপগুলো কাজের টেবিলে মাত্র সেকেন্ড বা দিনের মধ্যে শেষ করা সম্ভব হয়েছে।

GPT-BI ইত্যাদি বাস্তব ব্যবসায়িক পরিস্থিতির উপর ভিত্তি করে, ফোর্ড আরও পরিকল্পনা করছে যে অনেকগুলো উচ্চমানের ডেটা সম্পদ ব্যবহার করে “আলি ক্লাউড বাইলেন” এক-স্টপ বৃহৎ মডেল অ্যাপ্লিকেশন ডেভেলপমেন্ট প্ল্যাটফর্মে গবেষণা, উৎপাদন, পরিষেবা ইত্যাদি বহুক্ষেত্রে লক্ষ্য করে একটি ক্ষেত্র-বিশেষ বৃহৎ মডেল তৈরি করবে, যাতে উৎপাদন, বিক্রয় ইত্যাদি পর্যায়ে বৃহৎ মডেল সর্বোচ্চ কার্যকারিতা প্রদান করতে পারে।

২০২৫ সালের ১১ মার্চ, Manus প্ল্যাটফর্ম ঘোষণা করেছে যে তারা আলি তোঙই কিয়ানওয়েন দলের সাথে একটি সামঞ্জস্যপূর্ণ কৌশলগত অংশীদারিত্ব করেছে। উভয় পক্ষ তোঙই কিয়ানওয়েন সিরিজের ওপেন-সোর্স মডেলের উপর ভিত্তি করে, দেশীয় মডেল এবং কম্পিউটিং শক্তি প্ল্যাটফর্মে Manus এর সমস্ত কার্যক্ষমতা প্রতিষ্ঠা করবে, চীনের ব্যবহারকারীদের জন্য আরও সৃজনশীল সার্বজনীন বুদ্ধিমত্তার পণ্য তৈরিতে নিয়োজিত হবে।

শিল্পে সাধারণত মনে করা হয় যে Manus এবং আলির এই সহযোগিতা শুধুমাত্র উন্নত বৃহৎ মডেলের ব্যবহারই নয়, বরং বিশাল কম্পিউটিং শক্তির চাহিদা মেটাতে উচ্চ খরচ-কার্যকারিতা সম্পন্ন ক্লাউড প্ল্যাটফর্ম খুঁজে পাওয়ার একটি প্রচেষ্টাও বটে, বিশেষ করে চীনের বাজারে। উভয় পক্ষের এই সহযোগিতা AI বুদ্ধিমত্তার পণ্যের শিল্পায়ন প্রক্রিয়াকে গতিশীল করবে, দক্ষ এবং অর্থনৈতিক ক্লাউড কম্পিউটিং সমাধানের মাধ্যমে পরিচালনা ব্যয় কমাবে এবং পরিষেবার কার্যকারিতা বাড়াবে।

কিছুদিন আগে, বিশ্বখ্যাত প্রযুক্তি জায়ান্ট অ্যাপল এবং আলি একটি সহযোগিতা চুক্তি করেছে, যেখানে আলি অ্যাপলের সরবরাহকারী হিসেবে চীনের সংস্করণের iPhone-এর জন্য কৃত্রিম বুদ্ধিমত্তার কার্যকারিতা তৈরি করবে।

বিশ্লেষকরা উল্লেখ করেছেন, অ্যাপল আলির সাথে যোগদানের সিদ্ধান্ত নিয়েছে, একদিকে তারা আলি ক্লাউড প্ল্যাটফর্মের কম্পিউটিং ক্ষমতার সুবিধা বিবেচনা করেছে, অন্যদিকে তারা ইয়ালি চিয়ানওয়েন মডেল সিরিজের শক্তিশালী বহু-মোডাল ক্ষমতার কারণে। AI স্মার্ট এজেন্টের ক্ষেত্রে, শক্তিশালী ভাষা মডেলের পাশাপাশি, ভিজ্যুয়াল, অডিও ইত্যাদি বহু-মোডাল ইনপুট প্রক্রিয়াকরণের বোঝার ক্ষমতাও প্রয়োজন, যা অ্যাপল সহ অন্যান্য কোম্পানির জন্য AI বড় মডেলের অংশীদার নির্বাচনের সময় গুরুত্বপূর্ণ বিবেচনার বিষয়।

বহুমাত্রিক ক্ষমতার দিক থেকে, টংই চিয়ান কুয়েন Qwen-Vision Language মডেলটি অসাধারণ পারফরম্যান্স দেখিয়েছে। সর্বশেষ সংস্করণ Qwen2.5-VL-এর উদাহরণ হিসেবে, এই মডেলটি শুধুমাত্র পাঠ্য ইনপুট ও আউটপুট প্রক্রিয়া করতে পারে না, বরং ভিজ্যুয়াল এবং ভিডিও ইনপুটও প্রক্রিয়া করার ক্ষমতা রাখে, যার মধ্যে 1 ঘণ্টা পর্যন্ত দৈর্ঘ্যের ভিডিও বোঝার ক্ষমতাও রয়েছে।

পূর্ববর্তী প্রজন্মের Qwen2-VL-এর তুলনায়, এই মডেলটিতে বহুমাত্রিক আপডেট প্রয়োগ করা হয়েছে। উদাহরণস্বরূপ, সুদৃঢ় গ্রাউন্ডিং ক্ষমতা শারীরিক ঘটনা এবং বস্তুর চিহ্নিতকরণের ক্ষমতা বাড়িয়েছে, যার ফলে মডেলটি লিখিত বর্ণনা এবং প্রকৃত ছবি বা ভিডিওর উপাদানগুলোর মধ্যে আরও ভালোভাবে সংযোগ স্থাপন করতে পারে। সুদৃঢ় OCR (অপটিক্যাল ক্যারেক্টার রিকগনিশন) ক্ষমতা জটিল বা হাতে লেখা পাঠ্য এবং দীর্ঘ পাঠ্যের ক্ষেত্রে অসাধারণ কার্যক্ষমতা প্রদর্শন করে, এবং এটি নির্দিষ্ট ধরনের পাঠ্যের জন্য অতিরিক্ত টিউনিংয়ের প্রয়োজন হয় না, সেইসাথে ছড়িয়ে থাকা কোণে লেখা পাঠ্যের ক্ষেত্রেও আরও ভালো কার্যক্ষমতা প্রদর্শন করে।

Qwen2.5-VL-এ, সিনিং দল আরও ব্যাপক ডকুমেন্ট পারসে ফরম্যাট — QwenVL HTML ফরম্যাট তৈরি করেছে, যা ডকুমেন্টের টেক্সটগুলোকে সুনির্দিষ্টভাবে চিহ্নিত করতে পারে এবং ডকুমেন্টের উপাদানগুলোর (যেমন ছবি, টেবিল ইত্যাদি) অবস্থানের তথ্যও বের করতে পারে, যাতে ডকুমেন্টের লেআউট সঠিকভাবে পুনরায় উপস্থাপন করা যায়।

জানা গেছে, এই মডেলটি শক্তিশালী পারফরম্যান্সের পাশাপাশি অভ্যন্তরীণ এজেন্ট ক্ষমতাও ধারণ করে, যেমন স্ট্যান্ডার্ড JS ফরম্যাটে ডকুমেন্ট আউটপুট দেওয়ার ক্ষমতা, যা এজেন্টের বাস্তব প্রয়োগের জন্য অত্যন্ত গুরুত্বপূর্ণ। শুধুমাত্র আউটপুট ফরম্যাট স্ট্যান্ডার্ডাইজড হলেই এজেন্ট এই ফলাফলগুলোকে কার্যকরভাবে ব্যবহার করতে পারে। এই সূক্ষ্ম ডিজাইনের মাধ্যমে, মডেলের কার্যকারিতা ও ব্যবহারিকতা বাড়ানোর পাশাপাশি ভবিষ্যতে AI শিল্পের উন্নয়নেও শক্তিশালী সমর্থন প্রদান করা হয়েছে।

2024 সাল থেকে, আলি ক্লাউড বড় মডেলগুলিকে সরাসরি ফোন এবং অন্যান্য ডিভাইসে ইনস্টল করা শুরু করেছে, যাতে স্থানীয় কাজ পরিচালনা করা যায়, যেমন ভয়েস সারাংশ তৈরি। আলি এবং অ্যাপলের সহযোগিতায় একটি ডিভাইস-ক্লাউড সংযুক্ত আর্কিটেকচার ব্যবহার করা হয়, যেখানে ক্লাউডে বড় মডেল থাকে এবং ডিভাইসে ছোট প্যারামিটারের মডেল স্থাপন করা হয়, সাথে নিরাপত্তা ব্যবস্থাও ব্যবহার করা হয়; এটি ভবিষ্যতের গুরুত্বপূর্ণ উন্নয়নের দিক।

ডেপ্লয়মেন্ট মোডের দিক থেকে, মোবাইল ফোনে বড় মডেলগুলির প্রধানত দুটি উপায় রয়েছে: একটি হল স্থানীয় ডেপ্লয়মেন্ট, যেখানে বড় মডেলটিকে মোবাইল ফোনে অন্তর্ভুক্ত করা হয় বা ছোট মডেল (যেমন 0.5B থেকে 7B পরামিতির আকার) ডেপ্লয় করা হয়, যা তথ্য সংবেদনশীল কাজগুলি সম্পাদন করতে ব্যবহৃত হয়; অন্যটি হল ক্লাউড-সংযুক্ত পদ্ধতি, যেখানে সংবেদনশীল তথ্য প্রক্রিয়া করার জন্য স্থানীয়ভাবে ছোট মডেল চালানো হয় এবং জটিল কাজগুলি নেটওয়ার্কের মাধ্যমে ক্লাউডে বড় মডেলের কাছে প্রেরণ করা হয়।

ক্লাউড-ভিত্তিক বৃহৎ মডেলের সুবিধা হলো এর শক্তিশালী পারফরম্যান্স, জটিল কাজ সম্পাদন করতে সক্ষমতা, অনেক প্যারামিটার এবং ভালো কার্যক্ষমতা, তবে এতে লেটেন্সি ও ডেটা ট্রান্সমিশনের গোপনীয়তা সংক্রান্ত সমস্যা থাকে। অন্যদিকে, স্থানীয় বৃহৎ মডেলগুলো আরও ভালো ডেটা নিরাপত্তা এবং গোপনীয়তা সুরক্ষা প্রদান করে, সমস্ত প্রক্রিয়াকরণ ডিভাইসেই সম্পন্ন হয়, এবং মৌলিক কাজের জন্য এগুলো যথেষ্ট হলেও, আকারের সীমাবদ্ধতার কারণে ক্লাউড-ভিত্তিক মডেলের মতো পারফরম্যান্স পাওয়া যায় না, ফলে ব্যবহারের অভিজ্ঞতা কিছুটা কম হতে পারে।

যদিও স্থানীয় মডেলগুলি প্রাথমিক কাজের চাহিদা মেটাতে পারে, তবুও উচ্চতর বুদ্ধিমত্তার কাস্টমাইজড চাহিদার জন্য ক্লাউড-ভিত্তিক বৃহৎ মডেলগুলি অপরিহার্য। ভবিষ্যতের উন্নয়নের প্রবণতা হতে পারে একটি ভারসাম্য খুঁজে পাওয়া, যেখানে স্থানীয় মডেলগুলি ডেটা নিরাপত্তা এবং দ্রুত প্রতিক্রিয়া নিশ্চিত করবে, আর ক্লাউড-ভিত্তিক মডেলগুলি জটিল সমস্যাগুলি সমাধান করবে।