Jensen Huang

প্রকৌশল [Engineering], উদ্যোক্তা জীবন [Entrepreneurship] ও কৃত্রিম বুদ্ধিমত্তায় [Artificial Intelligence] একটি জীবন

এশিয়ার শৈশব থেকে NVIDIA-র নেতৃত্বে প্রমাণভিত্তিক জীবনী এবং Steve Jobs-এর সঙ্গে সমালোচনামূলক তুলনা

বাংলা সংস্করণ গবেষণার শেষ তারিখ 11 নভেম্বর 2026

সূচিপত্র

ভূমিকা

মঞ্চের [Platform] পেছনের মানুষটিকে বোঝা

Jensen Huang-এর গুরুত্ব এমন একটি পরিবর্তনে, যা সম্ভব করতে তিনি সাহায্য করেছেন: ছবি আঁকার জন্য তৈরি কম্পিউটার [Computers] এমন যন্ত্রে পরিণত হয়েছে যা গবেষকদের কৃত্রিম বুদ্ধিমত্তার [Artificial Intelligence] প্রশিক্ষণে [Training] সাহায্য করতে পারে। 1993 সালে তাঁর সহপ্রতিষ্ঠিত কোম্পানি অনিশ্চিত গ্রাফিক্স নবোদ্যোগ [Graphics Start-up] থেকে আধুনিক AI-এর পেছনের পরিকাঠামোর [Infrastructure] কেন্দ্রীয় সরবরাহকারীতে পরিণত হয়েছে। এই অর্জন নিবিড় পর্যালোচনার যোগ্য। তার জন্য এমন কাহিনি দরকার নেই যেখানে তিনি ভবিষ্যৎ জানতেন, একা কাজ করেছিলেন বা কখনও ভুল করেননি।

এই বই এশিয়ার শৈশব থেকে অভিবাসন, শিক্ষা, প্রকৌশলে চাকরি [Engineering Employment], উদ্যোক্তা জীবন [Entrepreneurship] এবং NVIDIA-র বিস্তার পর্যন্ত তাঁর জীবন অনুসরণ করে। তাঁর সুযোগ গড়ে দেওয়া পরিবার ও প্রতিষ্ঠান, কোম্পানিকে সম্ভব করা সহকর্মী ও অংশীদার এবং বারবার তার দিক বদলে দেওয়া কঠিন সিদ্ধান্ত নিয়ে আলোচনা করে। তাঁর জনপরিচিতি বাড়ার সঙ্গে ক্রমেই আকর্ষণীয় হয়ে ওঠা একটি প্রশ্নও তোলে: Jensen Huang-কে কি যুক্তিসংগতভাবে জীবিত Steve Jobs বলা যায়?

এখানে গড়ে ওঠা উত্তর শর্তসাপেক্ষ। দুজনেই প্রযুক্তি [Technology], দীর্ঘমেয়াদি প্রত্যয় এবং অন্যেরা তখনও স্পষ্ট দেখতে না-পারা ভবিষ্যৎ বোঝানোর অসাধারণ ক্ষমতা মিলিয়েছেন। দুজনের পরিচয়ই কোম্পানির সঙ্গে ঘনিষ্ঠভাবে জড়িয়েছে। কিন্তু Huang, Jobs-এর বিকল্প নন। তাঁর প্রকৌশল শিক্ষা [Engineering Education], নেতৃত্বের ধারাবাহিকতা, ব্যবসায়িক গ্রাহক এবং গণনা মঞ্চ [Computing Platform] গড়ার পদ্ধতি তাঁকে Apple-এর সহপ্রতিষ্ঠাতা থেকে আলাদা করে। নির্দিষ্ট আচরণ চিহ্নিত করলে তুলনা উপকারী। দুই জটিল মানুষকে পরস্পর বদলযোগ্য প্রতীকে পরিণত করলে তা বিভ্রান্তিকর হয়।

চলমান জীবনের চূড়ান্ত শেষ অধ্যায় হতে পারে না। এই সংস্করণ 11 নভেম্বর 2026-এ শেষ হচ্ছে। আর্থিক সংখ্যা, পদবি, পরিচালনা পর্ষদের বিবৃতি এবং পণ্য ঘোষণা [Product Announcements] চিরস্থায়ী তথ্য না ধরে তারিখসহ দেওয়া হয়েছে। প্রযোজ্য ক্ষেত্রে পূর্বস্মৃতিনির্ভর বিবরণকে স্মৃতিচারণ বলা হয়েছে। নিজস্ব প্রযুক্তি [Technology] নিয়ে কোম্পানির বর্ণনা কী ঘোষণা করেছে তার মূল্যবান প্রমাণ, কিন্তু প্রতিটি কর্মক্ষমতার দাবির [Performance Claim] স্বাধীন প্রমাণ নয়।

এটি কল্পকাহিনির রূপ দেওয়া জীবনীও নয়। বানানো কথোপকথন, ব্যক্তিগত চিন্তা বা পুনর্গঠিত দৃশ্যকে তথ্য হিসেবে উপস্থাপন করা হয়নি। জীবন বোঝাতে সাহায্য করলে প্রকাশ্যে নথিভুক্ত পারিবারিক তথ্য রাখা হয়েছে। অযাচাইকৃত বয়স, অনুমাননির্ভর উদ্দেশ্য এবং চাঞ্চল্যকর বিবরণ পুনরাবৃত্তিতে সত্য হয় না। উদ্দেশ্য এমন পাঠযোগ্য বিবরণ, যা উদ্যোক্তা, শিক্ষার্থী বা প্রযুক্তি পেশাজীবী [Technology Professional] প্রতি পাতায় প্রশংসা ও অতিরঞ্জন আলাদা না করেই ব্যবহার করতে পারেন।

1 সীমান্ত পেরোনো শৈশব

Taiwan, Thailand এবং পরিবারের একটি সিদ্ধান্ত

Jensen Huang নামে বহুল পরিচিত Jen-Hsun Huang-এর জন্ম Taiwan-এ 17 ফেব্রুয়ারি 1963। জন্মশহর নিয়ে বিবরণ আলাদা: পুরনো কিছু পরিচিতিতে Tainan, পরের সংবাদে Taipei বলা হয়েছে। Taiwan নিশ্চিত ভৌগোলিক সূচনাস্থল। এই তফাত গুরুত্বপূর্ণ, কারণ বারবার বলা বিবরণকে জীবনী নীরবে নিশ্চিত সত্যে বদলে দিতে পারে না। [1]

তাঁর কর্মজীবনের বহু আগেই শৈশব জাতীয় সীমানা পেরিয়েছিল। পরিবার প্রথমে Taiwan, পরে Thailand-এ ছিল। Condoleezza Rice-এর সঙ্গে সাক্ষাৎকারে Huang স্মরণ করেন, তেল শোধনাগার [Oil Refinery] চালু করতে সাহায্য করতে তাঁর বাবা Thailand-এ গিয়েছিলেন। বাবাকে প্রকৌশলী [Engineer] বলেন এবং পরিবার America-তে আসার পর মাকে Catholic স্কুলে পরিচারিকার কাজ করতে হয়েছিল বলে জানান। এগুলি তাঁর প্রকাশ্য স্মৃতিচারণ, স্বাধীনভাবে পুনর্গঠিত চাকরির নথি নয়। বাবা-মা ছেলেদের শিক্ষার সুযোগ চেয়েছিলেন এবং বাবা-মায়ের স্থানান্তর সম্পূর্ণ হওয়ার আগেই ছেলেরা United States-এ যায়। পরের সাক্ষাৎকারগুলিতে Huang এই বিচ্ছেদকে সন্তানদের নিয়ে বাবা-মায়ের আশার সঙ্গে যুক্ত করেছেন। [2]

অভিবাসনের কাহিনি প্রায়ই ছোট অনুপ্রেরণামূলক ধারায় নামিয়ে আনা হয়: দরিদ্র অভিবাসী শিশু আসে, কঠোর পরিশ্রম করে, কোটিপতি হয়। এমন ধারা যাত্রা সম্ভব করা অধিকাংশ বিষয় ঢেকে দেয়। শিশুরা অভিবাসন ব্যবস্থা, বিনিময় হার [Exchange Rates], স্কুলে ভর্তি বা আত্মীয়দের আশ্রয় দেওয়ার ইচ্ছা বেছে নেয় না। বাবা-মা অসম্পূর্ণ তথ্য নিয়ে সুদূরপ্রসারী সিদ্ধান্ত নেন। সেই সিদ্ধান্তের সুযোগ ও অনিশ্চয়তা, দুটিই শিশু পায়।

Huang-এর কাছে দেশ বদল মানে ভাষা ও প্রত্যাশার মধ্যেও চলাচল। বাস্তব চ্যালেঞ্জ শুধু শব্দ শেখা নয়। শিক্ষককে কীভাবে বলা হয়, বন্ধুত্ব কীভাবে গড়ে, সংঘাতে কীভাবে সাড়া দেয় এবং যোগ্যতা কীভাবে বিচার করে তা চিনতে হয়। শ্রেণিকক্ষের সামাজিক নিয়ম বোঝার আগেই ছাত্র গণিত বুঝতে পারে। এই ভিন্ন শিক্ষা সমান গতিতে এগোয় না।

অভিবাসন বহু দশক পরে কোনও নির্দিষ্ট ব্যবস্থাপনা অভ্যাস সরাসরি তৈরি করেছে বলা অনুমান হবে। আরও সতর্ক সিদ্ধান্ত হল, মানিয়ে নেওয়া তাঁর জীবনের প্রথম দিকের বাস্তবতা হয়েছিল। পরের কর্মজীবনে বারবার অপরিচিত এলাকায় ঢোকা, তার নিয়ম চেনা এবং কোন অনুমানকে চ্যালেঞ্জ করা যায় ঠিক করতে হয়েছে। সাদৃশ্য ইঙ্গিতপূর্ণ, মনস্তাত্ত্বিক নির্ণয় নয়।

সম্পূর্ণ পারিবারিক সংরক্ষণাগার বানিয়ে না তুলেও বাবা-মায়ের ভূমিকা বুঝতে হবে। তাঁদের পেশা ও নামের প্রকাশ্য বিবরণের মান অসম। সবচেয়ে শক্তিশালী পুনরাবৃত্ত প্রমাণ শিক্ষার প্রতি অঙ্গীকার ও তার জন্য মেনে নেওয়া বিঘ্নের। প্রতিটি ফাঁক সম্ভাব্য বিবরণে ভরাট করার উপর তাঁদের গুরুত্ব নির্ভর করে না। তাঁদের সিদ্ধান্ত Huang-কে এমন প্রতিষ্ঠান ও যোগাযোগজালে [Networks] প্রবেশাধিকার দিয়েছে, যা তাঁর প্রযুক্তিগত বিকাশের [Technical Development] কেন্দ্রে আসে।

অনিবার্য সাফল্যের কাহিনির বিপদ

শেষ জানা থাকলে পাঠক শৈশবের অর্থ অন্যভাবে করেন। শ্রেণিকক্ষের সাধারণ সাফল্য প্রতিভার চিহ্ন হতে পারে; অস্বস্তিকর অভিজ্ঞতা নেতৃত্বের অপরিহার্য প্রস্তুতি হতে পারে। কোনও সিদ্ধান্ত আপনা থেকে আসে না। বহু প্রতিভাবান অভিবাসী বড় কোম্পানি না গড়েও কষ্ট সহ্য করেন। বহু সফল উদ্যোক্তার শৈশব একেবারে আলাদা।

তাই তরুণ Huang-এর NVIDIA গড়া পূর্বনির্ধারিত ছিল কি না, সেটি উপকারী প্রশ্ন নয়। তাঁর সুযোগ কীভাবে বাড়ল এবং পরে তা দিয়ে তিনি কী করলেন, সেটিই প্রশ্ন। এই পদ্ধতি পরিশ্রমকে যথাযথ গুরুত্ব দেয়, আবার তাকে ফলদায়ক করা পারিবারিক সিদ্ধান্ত, সরকারি শিক্ষা ও ঐতিহাসিক পরিস্থিতিকেও উপেক্ষা করে না।

2 Kentucky এবং আলাদা হওয়ার অভিজ্ঞতা

Oneida-তে থাকা

Huang-এর Kentucky-তে থাকা নিয়ে একটি বিশেষ গুরুত্বপূর্ণ সংশোধন আছে। Oneida Baptist Institute জানায়, তিনি ও তাঁর ভাই প্রতিষ্ঠানটির ছাত্রাবাসে থাকতেন, কিন্তু Kentucky River-এর South Fork-এর ওপারের সরকারি Oneida Elementary School-এ পড়তেন। প্রতিষ্ঠানটি তখন হাই স্কুল হওয়ায় ছেলেদের ক্লাসে যেতে ঝুলন্ত সেতু পার হতে হত। থাকার ব্যবস্থা আর শ্রেণিকক্ষে ভর্তি এক করে দেখা ভুল। [3]

সময়ের সঙ্গে গল্পটির নাটকীয় সংস্করণ তৈরি হয়েছে। United States-এ কঠিন শুরু এবং পরিবারের পুরোপুরি প্রত্যাশিত ছিল না এমন অবস্থায় বড় ছেলেদের মধ্যে পড়ার কথা Huang স্মরণ করেছেন। Oregon State-এর পরিচিতিতে তাঁর সেই কঠিন শুরুর বর্ণনার পাশাপাশি স্কুলের অভিজ্ঞতার প্রতি স্নেহও নথিভুক্ত। দুটিই থাকা দরকার: অস্বস্তি ও কৃতজ্ঞতা পরস্পরবিরোধী নয়। [4]

প্রতিষ্ঠানের আখ্যা সাবধানে দিতে হয়। সংশোধনমূলক স্কুল [Reform School] কথাটি পরিবেশ সম্পর্কে বক্তার স্মৃতি বোঝাতে পারে, কিন্তু প্রতিষ্ঠানের গোটা ইতিহাস বা প্রত্যেক ছাত্রকে যথাযথ বর্ণনা নাও করতে পারে। আরও নিশ্চিত তথ্য হল থাকার ব্যবস্থা, প্রাথমিক স্কুলে পড়া এবং বাবা-মা থেকে দূরে শিশুর উল্লেখযোগ্য সাংস্কৃতিক অভিযোজন।

শৈশবের প্রতিষ্ঠান পরে একটি জীবন্ত বিবরণে মনে থাকতে পারে। ঝুলন্ত সেতু তেমন: বাস্তব, স্মরণীয়, স্বাধীনভাবে নথিভুক্ত। পার হওয়ার সময় Huang কী ভাবতেন তার বানানো বর্ণনার চেয়ে এটি উপকারী। বাড়ি, স্কুল ও চারপাশের অপরিচিত জগতের দূরত্ব সম্পর্কে বাস্তব ব্যবস্থাটিই যথেষ্ট বলে।

অনেক বছর পরে Jensen ও Lori Huang, Oneida-তে নতুন সুবিধা নির্মাণে সাহায্য করেন। প্রতিষ্ঠানটি 20 লাখ মার্কিন ডলারের সমান-অনুদান [Matching Grant] নথিভুক্ত করে; তার ফলে তৈরি Huang Hall 2019-এ উৎসর্গ করা হয়। শৈশবের প্রতিটি দিক সুখের ছিল না ধরেও দানটি পরিণত উদ্যোক্তাকে শৈশবের অংশ সেই স্থানের সঙ্গে যুক্ত করে। [3]

কষ্টকে রোমান্টিক না করে স্থিতিস্থাপকতা

সফল মানুষের বিবরণ প্রায়ই কষ্টকে নির্দেশে পরিণত করে: অর্জনের আগে দুর্দশা ছিল, তাই ভবিষ্যৎ নেতাদেরও দুর্দশা দরকার। এই যুক্তি দুর্বল। প্রতিকূলতা উদ্ভাবনী ক্ষমতা আনতে পারে, আবার সুযোগ সীমিত ও স্থায়ী ক্ষতিও করতে পারে। ফল নির্ভর করে সহায়তা, পরিস্থিতি ও সংশ্লিষ্ট মানুষের উপর।

পরে অধ্যবসায়ের উপর Huang-এর প্রকাশ্য জোর নেতৃত্বের জন্য প্রাসঙ্গিক। উৎপীড়ন, বঞ্চনা বা এড়ানো যেত এমন ভোগান্তি উদ্‌যাপনে তা ব্যবহার করা উচিত নয়। গঠনমূলক পাঠ সীমিত: মানুষ কঠিন অবস্থায় সাড়া দেওয়া শিখতে পারে এবং প্রতিষ্ঠান তাকে সেরে উঠতে, আত্মবিশ্বাস বাড়াতে ও উপকারী কাজ পেতে সাহায্য করতে পারে।

স্থিতিস্থাপকতার পরিণত বিবরণে সাহায্যও থাকে। মানিয়ে নেওয়া তরুণেরও শিক্ষক, আত্মীয়, খাদ্য, বাসস্থান ও উচ্চশিক্ষার পথ দরকার। সংকট সামলানো ভবিষ্যৎ নির্বাহীরও প্রকৌশলী [Engineers], গ্রাহক ও অর্থ দরকার। এই ধারাবাহিকতা মনে রাখলে জীবনী বিচ্ছিন্ন ইচ্ছাশক্তির গল্প হওয়া থেকে বাঁচে।

3 Oregon, স্কুল, কাজ ও উচ্চাকাঙ্ক্ষা

আরও স্থির শিক্ষার পথ

পরিবার পরে Oregon-এ বসবাস করে, যেখানে Huang, Beaverton এলাকার হাই স্কুলে পড়েন। Oregon State-এর বিবরণে তাঁকে জাতীয় র‍্যাঙ্কধারী জুনিয়র টেবিল-টেনিস খেলোয়াড়ও বলা হয়েছে। এতে শিক্ষাগত ও প্রতিযোগিতামূলক দক্ষতা গড়া তরুণ দেখা যায়, তবে পূর্ণ বছরভিত্তিক স্কুলের নথি মেলে না। [4]

কিছু জনপ্রিয় সারাংশ নির্দিষ্ট শ্রেণি টপকানোর ক্রম বা অন্য তথ্যের সঙ্গে না-মেলা বিশ্ববিদ্যালয় প্রবেশের বছর বলে। পথ বোঝার জন্য এমন নির্দিষ্টতা দরকার নেই। নিশ্চিত বিষয় হল, তিনি স্কুলে এগিয়েছেন, Oregon State University-তে বৈদ্যুতিক প্রকৌশলে [Electrical Engineering] ভর্তি হয়েছেন এবং 1984-তে স্নাতক সম্পূর্ণ করেছেন। মাঝের প্রতিটি স্কুলবর্ষ অনুমান করে গড়ার চেয়ে নথিভুক্ত ডিগ্রির তারিখ শক্ত ভিত্তি।

প্রতিযোগিতামূলক খেলা প্রকৌশলের [Engineering] উপকারী উপমা, কিন্তু উপমা কারণের প্রমাণ নয়। টেবিল-টেনিস খেলোয়াড় প্রতিপক্ষ অনুযায়ী বারবার বদলান, তাৎক্ষণিক প্রতিক্রিয়া [Feedback] পান এবং নির্ভরযোগ্য হওয়া পর্যন্ত নড়াচড়া অভ্যাস করেন। প্রকৌশলীও [Engineer] প্রতিক্রিয়া [Feedback] থেকে শেখেন। তিনি খেলতেন জানলেই নির্দিষ্ট খেলার অভ্যাস সচেতনভাবে ব্যবস্থাপনায় নিয়েছিলেন কি না জানা যায় না।

Denny’s-এ তাঁর প্রথম দিকের সেবার কাজ প্রকাশ্য গল্পে বারবার আসে। বাসন ধোয়া, গ্রাহকদের পরিবেশন ও সাধারণ কাজের শিক্ষা নিয়ে তিনি বলেছেন। রেস্তোরাঁর চাকরি গুরুত্বপূর্ণ, কারণ তা তাঁর বিকাশকে অভিজাত প্রযুক্তির [Elite Technology] সীমিত জগতের বাইরে রাখে। প্রকৌশলী [Engineers] পরিচালনার আগেই এমন কর্মক্ষেত্রের অভিজ্ঞতা হয়েছিল, যেখানে সেবা, গতি ও বহু ছোট কাজের সমন্বয় প্রতিদিন দৃশ্যমান। [2]

সেবার চাকরি কী শেখাতে পারে

রেস্তোরাঁ একটি ব্যবস্থা [System]। গ্রাহক খাবার দেখেন, কিন্তু তা পরিবেশন নির্ভর করে প্রস্তুতি, ধোয়া, অর্ডার, রান্না, অর্থগ্রহণ ও যোগাযোগের উপর। অন্য অংশ ভালো হলেও এক অংশের ব্যর্থতা গ্রাহকের কাছে পৌঁছয়। প্রযুক্তিগতভাবে উৎকৃষ্ট উপাদান [Component] একাই কেন সফল পণ্য [Product] গড়ে না, তা বোঝার উপকারী পথ এটি।

একই নীতি পরে আরও বড় পরিসরে NVIDIA-র ব্যবসায় দেখা যায়। প্রসেসর [Processor] শক্তিশালী হলেও প্রোগ্রাম [Program] করা কঠিন হতে পারে। সফটওয়্যার [Software] সুন্দর হলেও বিতরণপথ [Distribution Channel] নাও থাকতে পারে। ডেটা কেন্দ্রে [Data Centre] যথেষ্ট প্রসেসর [Processors] থাকলেও নেটওয়ার্কিং [Networking], বিদ্যুৎ বা শীতলীকরণ [Cooling] অপর্যাপ্ত হতে পারে। এগুলি বিশ্লেষণমূলক মিল, বিশেষ কোনও রেস্তোরাঁর পালা তাঁকে গণনা কোম্পানির [Computing Company] নকশা দিয়েছিল এমন দাবি নয়।

কাজের দৃশ্যমানতা নিয়েও পাঠ আছে। পণ্য [Product] ব্যবহারযোগ্য করা মানুষদের থেকে জ্যেষ্ঠ নির্বাহী বিচ্ছিন্ন হতে পারেন। সেবার কাজ ছোট পরিচালনাগত ব্যর্থতার [Operational Failures] ফল দ্রুত প্রকাশ করে। মর্যাদা ও সম্পদে তা এড়ানো সম্ভব হওয়ার পরও সেই ফল সম্পর্কে কৌতূহল জিইয়ে রাখায় নেতৃত্বের মূল্য।

4 বিশ্ববিদ্যালয়ে প্রকৌশল [Engineering] এবং Lori-র সঙ্গে পরিচয়

Oregon State এবং পেশার ভিত্তি

Huang 1984 সালে Oregon State University থেকে বৈদ্যুতিক প্রকৌশলে বিজ্ঞান স্নাতক [Bachelor of Science in Electrical Engineering] হন। বিশ্ববিদ্যালয়ের নথি বলে, বৈদ্যুতিক প্রকৌশলের প্রাথমিক পাঠে [Introductory Electrical-engineering Course] Lori Mills ছিলেন তাঁর পরীক্ষাগার সহযোগী [Lab Partner] এবং পরিচয়ের পাঁচ বছর পরে বিয়ে হয়। তাঁর কর্মজীবন গড়া প্রযুক্তিগত শিক্ষার [Technical Education] মধ্যেই সম্পর্কের শুরু। [4]

বৈদ্যুতিক প্রকৌশল [Electrical Engineering] শুধু সনদ দেয়নি। সীমাবদ্ধতার অধীন বাস্তব ব্যবস্থা [Physical Systems] নিয়ে যুক্তি করতে শিখিয়েছে। বর্তনীকে [Circuit] সময় [Timing], শক্তি [Power], খরচ ও নির্ভরযোগ্যতার [Reliability] শর্ত একসঙ্গে মেটাতে হয়। এক মাপে সফল নকশা [Design] অন্য মাপে ব্যর্থ হতে পারে। হঠাৎ ধারণা, তারপর অনায়াস বাস্তবায়ন হিসেবে উদ্ভাবনের [Innovation] ছবির চেয়ে এই শৃঙ্খলা আলাদা।

বিশ্ববিদ্যালয়ের পরীক্ষাগার [Laboratory] এই আপসগুলি [Trade-offs] বাস্তব করে। গণনা শেষ পর্যন্ত কার্যকর উপাদান-বিন্যাসের [Components] সঙ্গে মিলতে হয়। অপ্রত্যাশিত আচরণ অজুহাত দিয়ে সরিয়ে না রেখে পরীক্ষা করতে হয়। এগুলি প্রকৌশল শিক্ষার [Engineering Education] সাধারণ বৈশিষ্ট্য, Huang-এর নির্দিষ্ট কাজের পুনর্গঠিত তালিকা নয়। তাঁর ডিগ্রি যে ধরনের পেশাগত গঠন বোঝায় তা ব্যাখ্যা করতে সাহায্য করে।

Lori-কে ভবিষ্যতের ধনকুবেরের সঙ্গে ঘটনাচক্রে পরিচিত হওয়া পার্শ্বচরিত্রে নামানো উচিত নয়। তিনি প্রকৌশল [Engineering] পড়েছেন এবং পরে গুরুত্বপূর্ণ শিক্ষা প্রকল্পের সহদাতা হন। প্রকাশ্য তথ্য এই ভূমিকা সমর্থন করে। পরিবারের প্রতিটি ব্যক্তিগত সিদ্ধান্ত তাঁর বলে চালানো বা নির্ভরযোগ্য নথি ছাড়া NVIDIA-তে আনুষ্ঠানিক পদ ছিল দাবি করা তার দ্বারা যুক্তিযুক্ত হয় না।

কাজের সঙ্গে Stanford-এ পড়া

পূর্ণসময় কাজের মধ্যেই Huang 1992 সালে Stanford University থেকে বৈদ্যুতিক প্রকৌশলে স্নাতকোত্তর ডিগ্রি [Master’s Degree in Electrical Engineering] সম্পূর্ণ করেন। Stanford-এর নিজস্ব জীবনী ডিগ্রিটি নিশ্চিত করে, Oregon State চাকরি ও উচ্চতর পড়াশোনার [Graduate Study] সমন্বয় বর্ণনা করে। অর্থাৎ উন্নত শিক্ষা পেশাগত বিকাশের মধ্যে ছিল, পুরোপুরি তার আগে নয়। [4, 5]

এই পার্থক্য গুরুত্বপূর্ণ। কাজের সঙ্গে পড়া মানুষ তাত্ত্বিক হাতিয়ার [Theoretical Tools] ও বাণিজ্যিক সমস্যার তুলনা করতে পারেন। নকশা [Design] কেন সেভাবে কাজ করে একাডেমিক কাজ তা পরিষ্কার করতে পারে; শ্রেণিকক্ষের অনুশীলনে বাদ-পড়া সীমা চাকরিতে ধরা পড়তে পারে। এক ক্ষেত্র অন্যটির বিকল্প নয়। তাদের মধ্যে চলাচল থেকে মূল্য আসতে পারে।

তারিখগুলি চলতি কিন্তু বিভ্রান্তিকর উদ্যোক্তা আখ্যানকেও [Entrepreneurial Narrative] চ্যালেঞ্জ করে। সঙ্গে সঙ্গে কোম্পানি গড়তে আনুষ্ঠানিক শিক্ষা ছেড়ে দেওয়া বিশ্ববিদ্যালয়-ত্যাগী Huang নন। NVIDIA প্রতিষ্ঠার সময় তাঁর স্নাতক ও স্নাতকোত্তর প্রকৌশল যোগ্যতা [Engineering Qualifications] এবং অর্ধপরিবাহী শিল্পে [Semiconductor Industry] উল্লেখযোগ্য অভিজ্ঞতা ছিল। সাহসী ঝুঁকির মতোই জোর দিয়ে তাঁর গল্প শিক্ষা ও পেশাগত প্রস্তুতির গুরুত্ব দেখায়।

আনুষ্ঠানিক শিক্ষা উদ্যোক্তা জীবনের [Entrepreneurship] সম্পূর্ণ রেসিপি দেয়নি। গ্রাহক গ্রাফিক্স চিপ [Graphics Chip] কিনবেন, বিনিয়োগকারী মূলধন [Capital] দেবেন বা নতুন সফটওয়্যার মঞ্চ [Software Platform] উন্নয়নকারীদের [Developers] টানবে তার নিশ্চয়তা দিতে পারেনি। সমস্যাগুলি খোঁজার হাতিয়ার দিয়েছে। পরের অর্জন অনিশ্চয়তার মধ্যে সেগুলির প্রয়োগ ও প্রসারের উপর নির্ভর করেছে।

5 অর্ধপরিবাহী ব্যবসা [Semiconductor Business] শেখা

AMD ও LSI Logic

NVIDIA-র নিয়ন্ত্রক জীবনীতে [Regulatory Biography] Huang-এর Advanced Micro Devices-এ 1983 থেকে 1985 এবং LSI Logic-এ 1985 থেকে 1993-এর চাকরি নথিভুক্ত। AMD-তে শুরুর তারিখ রাখা দরকার, কারণ কিছু জনপ্রিয় বিবরণ স্নাতকের বছর 1984-তে তা সরল করে। স্নাতক হওয়া থেকে অনুমান করা পরিপাটি ক্রমের চেয়ে সরকারি কর্মনথি ভালো কালানুক্রমিক ভিত্তি দেয়। [6]

AMD-তে তিনি মাইক্রোপ্রসেসর নকশায় [Microprocessor Design] কাজ করেন। LSI Logic-এ প্রকৌশল [Engineering], বিপণন [Marketing] ও ব্যবস্থাপনার [Management] দায়িত্ব ছিল, CoreWare ব্যবসার কাজসহ। অভিজ্ঞতা একক বর্তনী [Circuit] নকশার বাইরে যায়। প্রযুক্তিগত ক্ষমতা [Technical Capability], গ্রাহকের চাহিদা [Customer Requirements] ও বাণিজ্যিক কৌশলের [Commercial Strategy] সম্পর্কের সঙ্গে পরিচয় হয়। [6]

অর্ধপরিবাহী [Semiconductors] নতুন কোম্পানির কাছে অস্বাভাবিক দাবি রাখে। চিপ [Chip] নকশা ব্যয়বহুল; উৎপাদন [Manufacturing] বিশেষ সুবিধানির্ভর; ভুলে দামি পুনর্নকশা [Redesigns] লাগতে পারে; বাজার এগিয়ে যাওয়ার পরে পণ্য [Product] আসতে পারে। প্রকৌশল সিদ্ধান্ত [Engineering Decision] ও বাজারের প্রতিক্রিয়ার [Market Feedback] ব্যবধান দীর্ঘ হতে পারে। প্রতিষ্ঠাতার প্রযুক্তিগত বিচার [Technical Judgement] ও অনিশ্চয়তার অর্থায়নের পথ দুটোই চাই।

LSI Logic-এর চাহিদামাফিক চিপের [Custom Chips] কাজ গ্রাহক কীভাবে ব্যবস্থার প্রয়োজন [System Requirement] সিলিকনে [Silicon] রূপ দেন তা বোঝার প্রাসঙ্গিক প্রস্তুতি। NVIDIA-র কেন্দ্রে থাকা পার্থক্যও এতে স্পষ্ট: কেবল প্রযুক্তিগতভাবে আকর্ষণীয় বলে গ্রাহক চিপ [Chip] চান না। উন্নত গ্রাফিক্স [Graphics], কম খরচ, কম গণনাসময় [Computation Time] বা নিজেদের আরও সক্ষম পণ্য [Product] চান।

বিশেষজ্ঞের চেয়েও বেশি হওয়া

প্রকৌশলী [Engineer] থেকে উদ্যোক্তা [Entrepreneur] হওয়াকে কখনও প্রযুক্তিগত কাজ [Technical Work] ছেড়ে আসা বলা হয়। Huang-এর কর্মজীবন ভিন্ন ধারা দেখায়। প্রযুক্তিগত বোঝাপড়া [Technical Understanding] কেন্দ্রীয় থাকে, সিদ্ধান্তের পরিধি মানুষ, মূল্যনির্ধারণ [Pricing], অর্থ ও বাজার বাছাই [Market Selection] পর্যন্ত বাড়ে।

কোন সমস্যা সংগঠনের মনোযোগ পাওয়ার যোগ্য, উদ্যোক্তাকে [Entrepreneur] ঠিক করতে হয়। প্রকৌশলী [Engineer] নির্দিষ্ট নকশা [Design] উন্নত করতে পারেন; সেটি থাকা উচিত কি না প্রতিষ্ঠাতাকে তাও ভাবতে হয়। কিছু তৈরি করা যাবে কি না থেকে প্রশ্ন বদলে হয় যথেষ্ট মানুষ মূল্য দেবেন কি না, কোম্পানি দিতে পারবে কি না, প্রতিযোগী দ্রুত সাড়া দেবে কি না।

এই উত্তরণ করে দেখানোর চেয়ে পরে বর্ণনা করা সহজ। উৎকৃষ্ট নকশা [Superior Design] জিতবেই বলে মালিক জেদ করলে প্রযুক্তিগত দক্ষতা [Technical Expertise] ফাঁদ হতে পারে। গ্রাহক সামঞ্জস্য [Compatibility], প্রাপ্যতা [Availability] বা ব্যবহারসুবিধা [Ease of Use] পছন্দ করতে পারেন। বাজারের অগ্রাধিকার প্রকৌশল দলের [Engineering Team] প্রথম অনুমানের চেয়ে আলাদা আবিষ্কারে প্রতিষ্ঠাতার প্রস্তুত থাকা চাই।

তাই NVIDIA-পূর্ব Huang-এর বছরগুলি জীবনীটির কেন্দ্রেই থাকে। গুরুত্বপূর্ণ গল্পের আগের অপেক্ষাঘর মাত্র ছিল না। পণ্য সিদ্ধান্ত [Product Decisions], উৎপাদন সম্পর্ক [Manufacturing Relationships] ও গ্রাহকের আস্থা আলাদা করা যায় না এমন ক্ষেত্রের অভিজ্ঞতা দিয়েছে।

6 NVIDIA-র প্রতিষ্ঠা

তিন প্রতিষ্ঠাতা ও কঠিন বাজার

1993 সালে Jensen Huang, Chris Malachowsky ও Curtis Priem, NVIDIA প্রতিষ্ঠা করেন। Huang প্রধান নির্বাহী [Chief Executive] হন এবং কোম্পানি বাড়ার মধ্যেও থাকেন। বিখ্যাত Denny’s বৈঠক প্রতিষ্ঠার বিবরণের অংশ, কিন্তু রেস্তোরাঁটি সেখানে বসা মানুষদের সঞ্চিত দক্ষতা ঢেকে দিতে পারে না। [7, 8]

প্রথম সুযোগ ছিল ব্যক্তিগত কম্পিউটারের [Personal Computers] গ্রাফিক্সে [Graphics]। গেম [Games] কঠিন প্রয়োগ [Application]: ভোক্তারা সমৃদ্ধ দৃশ্যজগৎ চান, সাধারণ-উদ্দেশ্য প্রসেসর [General-purpose Processors] ক্রমজটিল গ্রাফিক্স [Graphics] দক্ষভাবে দিতে লড়ছে। বিশেষ প্রসেসর [Specialist Processor] নির্বাচিত কাজ [Operations] অনেক দ্রুত করে অভিজ্ঞতা উন্নত করতে পারত।

এ ছিল বাণিজ্যিক প্রবেশপথ, আজকের জেনারেটিভ-AI অর্থনীতির [Generative-AI Economy] সম্পূর্ণ পরিকল্পনা নয়। বর্তমান সাফল্য পিছনে বসিয়ে প্রতিষ্ঠাতারা পরের সব ব্যবহার আগেই দেখেছিলেন ভাবা সহজ। শক্তিশালী ব্যাখ্যা হল, তাঁরা বিস্তৃত গণনাসমস্যা [Computing Problem] চিনে ব্যবসা চালাতে পারবে এমন বাজার দিয়ে ঢুকেছিলেন।

বিস্তৃত ধারণা [Thesis] ও প্রথম পণ্যের [First Product] তফাত গুরুত্বপূর্ণ। বাস্তবায়ন [Implementation] ব্যর্থ হলেও ধারণা ফলদায়ক থাকতে পারে। বিশেষায়িত গণনা [Specialised Computation] জরুরি মনে করেও কোম্পানি প্রথম চেষ্টার স্থাপত্য [Architecture], গ্রাহক বা সময়ে ভুল হতে পারে। মূল অন্তর্দৃষ্টির সব উপকারী অংশ না ছেড়ে চেষ্টা বদলের উপর তখন টিকে থাকা নির্ভর করে।

সহপ্রতিষ্ঠাতারা কেন গুরুত্বপূর্ণ

প্রধান নির্বাহীকেন্দ্রিক [Chief Executive] জীবনী ভুলে চারপাশের কোম্পানি মুছে ফেলতে পারে। Malachowsky ও Priem সহপ্রতিষ্ঠাতা, সম্পূর্ণ তৈরি দৃষ্টির আনুষঙ্গিক বস্তু নন। প্রকৌশলী [Engineers], বিনিয়োগকারী ও প্রথম গ্রাহকেরাও ধারণাকে সংগঠনে রূপ দেন। তাঁদের অবদান দৃশ্যমান থাকলে Huang-এর নেতৃত্ব সঠিক বিচার সহজ হয়।

Malachowsky, Hewlett-Packard ও Sun Microsystems থেকে প্রকৌশল [Engineering] ও প্রযুক্তিগত নেতৃত্বের [Technical Leadership] অভিজ্ঞতা আনেন। গ্রাফিক্স ব্যবস্থায় [Graphics Systems] পটভূমি তাঁকে কোম্পানির প্রযুক্তিগত ভিত্তির [Technical Foundation] অংশ করে; প্রতিষ্ঠাতা ও ফেলো [Fellow] হিসেবে যুক্ত থাকেন। অপ্রযুক্তিগত উদ্যোক্তা [Non-technical Entrepreneur] প্রস্তুত পরিকল্পনা চালাতে শুধু প্রকৌশলী [Engineers] নিয়োগ করেছেন, এমন কোম্পানি নয়। [32]

Priem-ও Sun-এ ছিলেন, GX গ্রাফিক্স পণ্যের [Graphics Products] স্থাপত্য নির্মাণ করেন। Rensselaer Polytechnic Institute নথি বলে, 1993 থেকে 2003 তিনি NVIDIA-র প্রধান প্রযুক্তি কর্মকর্তা [Chief Technical Officer] ছিলেন। আগের কাজে IBM Professional Graphics Adapter ছিল। NVIDIA-পূর্ব গ্রাফিক্স প্রকৌশলের [Graphics Engineering] ধারায় প্রতিষ্ঠাতাদের এই অভিজ্ঞতা রাখে এবং প্রথম GPU বিপণনকে [Marketing] কেন গোটা ক্ষেত্রের সূচনা ভাবা যায় না বুঝতে সাহায্য করে। [33]

এই দক্ষতার পাশে ছিল Huang-এর অবদান। AMD ও LSI Logic-এ অর্ধপরিবাহী নকশা [Semiconductor Design] এবং বাণিজ্যিক ব্যবস্থাপনার [Commercial Management] নানা দিকের কাজ করেছেন। প্রতিষ্ঠাতা দল গ্রাফিক্স বাস্তবায়ন [Graphics Implementation] ও অর্ধপরিবাহী ব্যবসা [Semiconductor Business] গড়া, দুদিকেই দৃষ্টিভঙ্গি পায়। ভুল থেকে রক্ষা না করলেও ভুল চিনে সাড়া দেওয়ার সম্পদ দেয়।

প্রধান নির্বাহীর [Chief Executive] বিশেষ কাজ ছিল সিদ্ধান্ত যুক্ত করা। প্রযুক্তিগত সম্ভাবনা [Technical Possibilities] থেকে পণ্য পরিকল্পনা [Product Plan], তার অর্থায়ন, অর্থায়নের বিশ্বাসযোগ্যতা এবং ধাক্কার পরও সেই বিশ্বাসযোগ্যতা দরকার। সব প্রকৌশল [Engineering] ও বাণিজ্যিক কাজ এক ব্যক্তি করতে পারেন না। তাদের মধ্যে সুসংগত দিক বজায় রাখা নেতৃত্বের কাজ।

প্রথম কোম্পানি তার নিয়ন্ত্রণে না-থাকা বাস্তুতন্ত্রেও [Ecosystem] চলত। পরিচালন ব্যবস্থা [Operating Systems], গ্রাফিক্স মান [Graphics Standards], সফটওয়্যার উন্নয়নকারী [Software Developers] ও উৎপাদন অংশীদার [Manufacturing Partners] নকশার [Design] মূল্য পাল্টাতে পারত। নির্ভরতা NVIDIA-র একার দুর্বলতা নয়। বড় গণনা ব্যবস্থার [Computing System] জন্য নতুন উপাদান [Component] গড়ার শর্ত ছিল।

প্রতিষ্ঠার শিক্ষা তাই সাহস করে শুরু করার চেয়ে কঠিন। মূল্যবান সমস্যা বেছে, পরিপূরক দক্ষতা জড়ো করে এবং অর্থ ফুরোনোর আগে শিখতে পারে এমন ব্যবসা গড়তে হয়। সাহস গুরুত্বপূর্ণ, কিন্তু এসব ব্যবস্থার বিকল্প নয়।

7 যখন কোম্পানি প্রায় ব্যর্থ হয়েছিল

NV1 ও Sega সমস্যা

NVIDIA-র প্রথম পণ্যগুলি [Products] মসৃণ সাফল্য আনেনি। 1995-এ চালু NV1 বাণিজ্যিকভাবে লড়েছে। পরে Sega-র সঙ্গে কাজে গভীর সমস্যা বেরোয়: বৃহত্তর গ্রাফিক্স বাজার [Graphics Market] যে মানগুলিকে [Standards] ঘিরে গড়ছিল, কোম্পানির প্রযুক্তিগত দিক [Technical Direction] তার সঙ্গে বেমানান হচ্ছিল। [7, 9]

স্থাপত্যের সমস্যা [Architectural Problem] বাস্তব। NV1 দ্বিঘাত টেক্সচার ম্যাপিং [Quadratic Texture Mapping] নিত, উদীয়মান Direct3D বাস্তুতন্ত্র [Ecosystem] ছিল ত্রিভুজকেন্দ্রিক। ভিন্ন পদ্ধতি সমর্থন গেম উন্নয়নকারীর [Game Developers] বাড়তি কাজ ও NVIDIA হার্ডওয়্যারের [Hardware] সুবিধা সীমিত করে। RIVA 128 সামঞ্জস্যপূর্ণ দিক নেয়। পাঠ আংশিক মানের [Standards]: চারপাশের সফটওয়্যার শিল্প [Software Industry] সহজে ব্যবহার না পারলে সুন্দর বাস্তবায়ন [Implementation] হারতে পারে। [34]

গাণিতিকভাবে কোন আকৃতি ভালো, প্রতিযোগিতা শুধু তা নয়। গ্রাফিক্স স্থাপত্যকে [Graphics Architecture] নির্মাণ সরঞ্জাম [Authoring Tools], প্রোগ্রামিং আন্তঃমুখ [Programming Interfaces] ও উন্নয়নকারীদের [Developers] জানা কৌশলের [Techniques] সঙ্গে চলতে হয়। অন্য পদ্ধতি নিতে বলা সরবরাহকারীকে বাড়তি কাজের যথেষ্ট সুবিধা দিতে হয়। প্রথম নকশার [Design] চারপাশে বাস্তুতন্ত্র [Ecosystem] নতুন সাজবে আশা না করে তার দিক মেনে নেওয়ার উপর NVIDIA-র বাঁচা নির্ভর করে।

পরে সংকটের বিবরণে Huang বলেন, চুক্তি চালালে কোম্পানির ভবিষ্যৎ না-টানতে পারা পণ্য [Product] থাকবে, ছাড়লে টিকে থাকার অর্থ থাকবে না, তা বুঝেছিলেন। Sega নেতৃত্বের সাহায্য চান। পাওয়া সহায়তায় NVIDIA দিক বদলায়। [9]

অর্থপ্রদান ও বিনিয়োগের প্রক্রিয়া [Payment and Investment Mechanics] কী ছিল, বিবরণে পার্থক্য আছে। নিরাপদ সিদ্ধান্ত: Sega জরুরি আর্থিক সহায়তা দিয়েছিল, সাধারণ প্রতিবেদনে প্রায় 50 লাখ মার্কিন ডলার, এবং Shoichiro Irimajiri গুরুত্বপূর্ণ ছিলেন। অসংলগ্ন Nintendo নির্বাহী বাঁচিয়েছিলেন বা অর্থ অবশ্যই শর্তহীন ব্যক্তিগত উপহার ছিল, এমন সরল গল্প করা ঠিক নয়। [8, 10]

নৈতিক গুরুত্ব নির্দিষ্ট। গুরুত্বপূর্ণ অংশীদারের কাছে Huang-কে বড় ভুল মানতে হয়। বরাবর সঠিক দূরদর্শী হিসেবে নিজেকে মেলে ধরার চেয়ে আলাদা। বিশ্বাসযোগ্য উদ্ধার চাইছিল স্পষ্টবাদিতা, আস্থা ও অস্বাভাবিক ফল মানতে অংশীদারের ইচ্ছার কিছু সমন্বয়।

RIVA 128 এবং বাণিজ্যিক আশার প্রত্যাবর্তন

1997-এর RIVA 128 নির্ণায়ক পুনরুদ্ধার পণ্য [Turnaround Product] হয়। NVIDIA-র কর্পোরেট কালপঞ্জিতে চার মাসে দশ লাখ ইউনিট বিক্রি নথিভুক্ত। বাজারের চাহিদায় ভালো মেলামাত্র পণ্য [Product] তরুণ কোম্পানির অবস্থান কত দ্রুত বদলাতে পারে, তা দেখায়। [7]

Sega-র সহায়তা ও RIVA 128-এর সাফল্য একই যুক্ত বাঁচার গল্প। প্রতিটি ধাপ আলাদা দেউলিয়াত্ব [Bankruptcy] বলা নথি অতিরঞ্জিত করে। একটি কাজের সুযোগ, অন্যটি নতুন দিককে আয়ে [Revenue] বদলাতে সাহায্য দেয়। উভয়ই বৃহত্তর দলের প্রকৌশল কাজ [Engineering Work] ও বাণিজ্যিক বাস্তবায়ননির্ভর [Commercial Execution]।

জরুরি সময়সীমা মনোযোগ আনে, ঝুঁকিও। তীব্র সময় ও অর্থসীমায় বানানো চিপ [Chip] বিশেষ সতর্কতায় পরীক্ষা [Testing] চাই, দ্বিতীয় চেষ্টার সামর্থ্য কম হতে পারে। প্রতিষ্ঠাতা যথেষ্ট বিশ্বাস করলে পরীক্ষা [Testing] বাদ দেওয়া যায়, পাঠ তা নয়। সংশোধনের খরচ মারাত্মক হওয়ার আগে ভুল প্রকাশের উপায় সীমিত সংগঠনের চাই, পাঠ সেটি।

Huang কি NVIDIA-কে বারবার দেউলিয়াত্ব [Bankruptcy] থেকে বাঁচিয়েছেন

বিশেষ করে 1990-এর দশকের মাঝামাঝি বারবার প্রায় ব্যর্থতার বিশ্বাসযোগ্য প্রমাণ আছে। দীর্ঘদিনের পরিচালক Mark Stevens তখন কয়েকবার কোম্পানি পতন থেকে প্রায় তিরিশ দিন দূরে ছিল বলেছেন। পতন থেকে কয়েকবার রক্ষা কথাটি সমর্থিত। NVIDIA বারবার আনুষ্ঠানিক দেউলিয়া কার্যক্রমে [Formal Bankruptcy Proceedings] ঢুকেছিল, তা নয়। [8]

পরের কৌশলগত ব্যর্থতাও [Strategic Failures] সঠিক ভাগ চাই। CUDA ব্যয়বহুল অঙ্গীকার, ফল আসতে দেরি। মোবাইল-ফোন প্রচেষ্টা [Mobile-phone Effort] কঠিন বাজার থেকে মুড়েছে। পড়ন্ত শেয়ারদর [Share Price], দামি প্রকল্প [Project] ও তাৎক্ষণিক বিল না-চোকানো আলাদা অবস্থা। সবকে দেউলিয়াত্ব [Bankruptcy] বলা গল্প নাটকীয় কিন্তু কম উপকারী করে।

শক্তিশালী সমর্থনযোগ্য বক্তব্য: Huang কয়েকটি বিপজ্জনক পর্ব পার করতে সাহায্য করেন; সবচেয়ে স্পষ্ট নগদ-ফুরোনো জরুরি অবস্থা প্রথম বছরগুলিতে। তাঁর সিদ্ধান্ত জরুরি, Sega-র সহায়তা, সহকর্মীদের কাজ, বিনিয়োগকারীর ধৈর্য ও পুনর্নকশার পণ্যের [Redesigned Products] বাণিজ্যিক সাফল্যও তাই।

8 গ্রাফিক্স পণ্য [Graphics Products] থেকে গণনা মঞ্চে [Computing Platform]

শেয়ারবাজারে প্রবেশ ও একটি শ্রেণির সংজ্ঞা নির্ধারণ

1999 সালে NVIDIA-র প্রাথমিক শেয়ার ছাড়া [Initial Public Offering] তার বিকাশে নতুন পর্যায় চিহ্নিত করে। সেই বছরই কোম্পানি GeForce 256 আনে এবং প্রথম গ্রাফিক্স প্রক্রিয়াকরণ একক [Graphics Processing Unit] হিসেবে বিপণন করে। ঐতিহাসিক শর্তটি গুরুত্বপূর্ণ: গ্রাফিক্স ত্বরক [Graphics Accelerators] তার আগেও ছিল। NVIDIA-র দাবি ছিল GPU-র একটি বিশেষ সমন্বিত ধারণা নিয়ে, সমস্ত কম্পিউটার গ্রাফিক্স হার্ডওয়্যার [Computer Graphics Hardware] উদ্ভাবন নিয়ে নয়। [7]

কোম্পানির প্রকাশ্য পরিচয় গেমিংয়ের [Gaming] সঙ্গে ঘনিষ্ঠভাবে যুক্ত থাকে। তা আরও মর্যাদাসম্পন্ন ব্যবসার তুচ্ছ ভূমিকা ছিল না। গেমিং [Gaming] কঠিন চাহিদাসম্পন্ন গ্রাহক, দ্রুত পণ্যচক্র [Product Cycles] এবং উল্লেখযোগ্য প্রকৌশল বিনিয়োগ [Engineering Investment] সমর্থন করার মতো বড় বাজার তৈরি করে। পাশাপাশি পরীক্ষানিরীক্ষা করতে পারেন এমন গবেষকদের হাতেও সক্ষম সমান্তরাল প্রসেসর [Parallel Processors] তুলে দেয়।

অন্যেরা যখন কোনও পণ্যের [Product] উপরে দীর্ঘস্থায়ী কাজ গড়তে পারেন, তখন মঞ্চ [Platform] বিকশিত হয়। দ্রুত গ্রাফিক্স কার্ড [Graphics Card] একবারের ক্রয় জিততে পারে। স্থিতিশীল প্রোগ্রামিং পরিবেশ [Programming Environment], উপকারী লাইব্রেরি [Libraries] এবং সঞ্চিত উন্নয়নকারী জ্ঞান [Developer Knowledge] ভবিষ্যতের অনেক কেনাকে প্রভাবিত করতে পারে। এটি আলাদা বাণিজ্যিক সম্পর্ক, কারণ সরবরাহকারী বদলাতে সফটওয়্যার [Software] বদল এবং মানুষকে নতুন করে প্রশিক্ষণ দিতে হতে পারে।

মঞ্চের [Platform] দিকে অগ্রগতি গুণমানের অর্থও বদলায়। হার্ডওয়্যারের [Hardware] গতি গুরুত্বপূর্ণ থাকলেও নথিকরণ [Documentation], পশ্চাৎ-সামঞ্জস্য [Backward Compatibility], ত্রুটি অনুসন্ধান [Debugging], স্থাপন [Deployment] ও সহায়তাও [Support] গুরুত্বপূর্ণ। ব্যবহারকারীরা নিজেদের প্রয়োগে [Applications] নির্ভরযোগ্যভাবে সুবিধাটি না পেলে মাপক পরীক্ষায় [Benchmark] পাওয়া বাড়তি সুবিধা উধাও হতে পারে।

প্রতিযোগিতা হারিয়ে যায়নি

প্রতিযোগিতা ও একত্রীকরণের [Consolidation] মধ্য দিয়ে গ্রাফিক্স শিল্প [Graphics Industry] বদলাতে থাকে। NVIDIA ডিসেম্বর 2000-এ 3dfx-এর কিছু গ্রাফিক্স সম্পদ [Graphics Assets] কেনার চুক্তি করে; লেনদেন সম্পূর্ণ হয় এপ্রিল 2001-এ। নির্বাচিত সম্পদ কেনাকে সরলভাবে প্রতিযোগীর ব্যবসার প্রতিটি অংশ অধিগ্রহণ [Acquisition] বলা উচিত নয়। আইনি ও ঐতিহাসিক উভয় দিকেই এই পার্থক্য গুরুত্বপূর্ণ। [35]

গভীর শিক্ষণ [Deep Learning] গুরুত্ব পাওয়ার পরেও গেমিং গ্রাফিক্স [Gaming Graphics] বিকশিত হতে থাকে। আগস্ট 2018-এ NVIDIA Turing স্থাপত্যভিত্তিক [Architecture] GeForce RTX পণ্য [Products] আনে, যাতে প্রচলিত শেডিং [Shading] ও বিশেষ রে-ট্রেসিং [Ray-tracing] এবং AI ক্ষমতা একসঙ্গে থাকে। আগে ব্যয়বহুল দৃশ্যকৌশল [Visual Techniques] পারস্পরিক ক্রিয়াশীল পণ্যে [Interactive Products] ব্যবহারিক করার আরও একটি চেষ্টা ছিল এটি। [36]

রে ট্রেসিং [Ray Tracing] আলোর পথের মডেল তৈরি করে প্রতিফলন ও ছায়ার মতো প্রভাব তৈরি করে। তাৎক্ষণিক প্রয়োগে [Real-time Applications] কঠোর সময়সীমা থাকে: যে ছবি রেন্ডার [Render] করতে মিনিট লাগে তা অফলাইন উৎপাদনে [Offline Production] উপকারী হলেও সরাসরি দ্রুত সাড়াদানকারী গেমের [Responsive Game] ভিত্তি হতে পারে না। তাই চ্যালেঞ্জ কেবল বিশ্বাসযোগ্য ছবি গণনা করা নয়, ব্যবহারযোগ্য কর্মক্ষমতা সীমার [Performance Budget] মধ্যে তা করা।

এই ঘটনাগুলি NVIDIA গেমিং [Gaming] ছেড়ে স্রেফ AI কোম্পানি হয়েছে এই ধারণাকে জটিল করে। গ্রাফিক্স [Graphics] সক্রিয় প্রযুক্তিগত ক্ষেত্র থাকে এবং গ্রাফিক্স [Graphics], অনুকরণ [Simulation] ও AI-র সম্পর্ক সুযোগ তৈরি করতে থাকে। কোম্পানির ইতিহাসকে একটি পরিচয়ের সম্পূর্ণ প্রতিস্থাপনের বদলে ক্ষমতার বিস্তার হিসেবে ভালো বোঝা যায়।

GPU কীভাবে CPU থেকে আলাদা

কেন্দ্রীয় প্রক্রিয়াকরণ একক [Central Processing Unit] জটিল নিয়ন্ত্রণপ্রবাহ [Control Flow] ও ধারাবাহিকভাবে ঘটতে হয় এমন কাজ [Operations] সহ নানা কাজ সামলাতে তৈরি। গ্রাফিক্স প্রক্রিয়াকরণ একক [Graphics Processing Unit] নকশার [Design] অনেকটা বহু সম্পর্কিত কাজ [Operations] সমান্তরালে [Parallel] করতে ব্যয় করে। তুলনাটি এক বুদ্ধিমান অন্য সরল, বা GPU সর্বদা দ্রুত, এমন নয়। তাদের শক্তি কাজের ভারের [Workload] উপর নির্ভর করে।

লাখো পিক্সেলে [Pixels] একই রূপান্তর [Transformation] প্রয়োগের কথা ভাবুন। তার অনেকটা অনুরূপ কাজে [Operations] ভাগ করা যায়। সমান্তরাল হার্ডওয়্যার [Parallel Hardware] অনেকগুলি একসঙ্গে প্রক্রিয়া করতে পারে। অন্যদিকে প্রতি সিদ্ধান্ত আগের ফলের উপর নির্ভর করলে GPU থেকে কম লাভ হতে পারে। প্রসেসরের [Processors] মধ্যে ডেটা [Data] সরাতেও সময় ও শক্তি খরচ হয়।

আধুনিক AI সমান্তরাল কাজে সাজানো যায় এমন সংখ্যাগত কাজের [Numerical Operations] উপর ব্যাপকভাবে নির্ভর করে, যার মধ্যে বড় ম্যাট্রিক্স গুণ [Matrix Multiplications] আছে। এতে GPU উপকারী হয়, কিন্তু প্রতিটি AI কাজ অভিন্ন বা প্রতিটি GPU স্থাপন [Deployment] সাশ্রয়ী হয় না। স্মৃতিক্ষমতা [Memory Capacity], যোগাযোগ [Communication], সংখ্যাগত নির্ভুলতা [Numerical Precision] ও সফটওয়্যার বাস্তবায়ন [Software Implementation] সবই ফল প্রভাবিত করে।

এই ক্ষমতাগুলিকে ছবি আঁকার বাইরের সমস্যার সঙ্গে যুক্ত করাই Huang-এর কৌশলগত সুযোগ ছিল। তার জন্য গ্রাফিক্স চিপ [Graphics Chip] শক্তিশালী ঘোষণা করাই যথেষ্ট নয়। যাঁদের কাজের সঙ্গে গেম রেন্ডারের [Render] সামান্য সম্পর্ক, তাঁদের কাছে হার্ডওয়্যার [Hardware] ব্যবহারযোগ্য করতে হয়।

9 CUDA এবং ধৈর্য ধরে একটি বাস্তুতন্ত্র [Ecosystem] নির্মাণ

সমান্তরাল গণনা [Parallel Computing] ব্যবহারযোগ্য করা

CUDA হল NVIDIA-র সমান্তরাল গণনা মঞ্চ [Parallel-computing Platform] ও প্রোগ্রামিং মডেল [Programming Model]। এর বিকাশে প্রোগ্রামাররা [Programmers] প্রতিটি সমস্যা গ্রাফিক্স আন্তঃমুখে [Graphics Interface] প্রকাশ না করেও সমর্থিত NVIDIA GPU-তে সাধারণ-উদ্দেশ্য সংখ্যাগত কাজ [General-purpose Numerical Work] করতে পারেন। NVIDIA 2006-এ স্থাপত্য [Architecture] আনে, তার পরে 2007-এ প্রকাশ্য সফটওয়্যার সরঞ্জামসমষ্টি [Software Toolkit] আসে। [7, 11]

স্থাপত্য [Architecture] ও সরঞ্জামসমষ্টির [Toolkit] তফাত ইতিহাসে দুটো তারিখ থাকার ব্যাখ্যা। এক তারিখ হার্ডওয়্যার ক্ষমতা [Hardware Capability], প্রোগ্রামিং উপকরণ [Programming Tools] ও উন্নয়নকারীদের গ্রহণ [Developer Adoption] উপলব্ধ হওয়ার ক্রম ঢেকে দিতে পারে। তাদের সমন্বয় থেকেই বাণিজ্যিক গুরুত্ব আসে।

সমান্তরাল হার্ডওয়্যারের [Parallel Hardware] সুবিধা পেতে বিজ্ঞানীকে গ্রাফিক্স বিশেষজ্ঞ [Graphics Specialist] হতে হয় না। লাইব্রেরি [Libraries] পরিচিত গণিতের কাজ [Mathematical Operations] দিতে পারে, কম্পাইলার [Compiler] ও রানটাইম [Runtime] কোডকে [Code] GPU চালাতে পারে এমন কাজে অনুবাদ করতে সাহায্য করে। সময়ের সঙ্গে উচ্চস্তরের কাঠামো [Higher-level Frameworks] সেই লাইব্রেরিগুলিতে [Libraries] নির্ভর করে গবেষক ও প্রসেসরের [Processor] মধ্যে বিমূর্ততার [Abstraction] স্তর রাখতে পারে।

এই স্তরবিন্যাসের জন্যই কেবল চিপের বৈশিষ্ট্য [Chip Specifications] গুনে NVIDIA-র অবস্থান বোঝা যায় না। উন্নয়নকারীদের [Developers] অভ্যাস গড়ে, সংগঠন পরীক্ষিত কোড [Code] জমায়, গবেষণা সমাজ উদাহরণ ভাগ করে। এসব বিনিয়োগ উপকারী ধারাবাহিকতা আনে, কিন্তু বদলের খরচও [Switching Costs] তৈরি করতে পারে। একই বাস্তুতন্ত্র [Ecosystem] একজনের কাছে সুবিধা, অন্যের কাছে নির্ভরতা মনে হতে পারে।

ফল স্পষ্ট হওয়ার আগেই বিনিয়োগ

Huang CUDA-কে ব্যয়বহুল দীর্ঘমেয়াদি অঙ্গীকার বলেছেন, যা প্রথমে সংশয় আকর্ষণ করেছিল। পরের AI বাজারে বাণিজ্যিক ফল স্পষ্ট হওয়ার আগেই সিদ্ধান্তটি খরচ চাপিয়েছিল। তাঁর নিজস্ব ফিরে-দেখা বিবরণ বিনিয়োগকে আর্থিক বাজারে দুর্বল আস্থার সময়ের সঙ্গে যুক্ত করে। [9]

CUDA শেষ পর্যন্ত সফল হয়েছে বলে যে কোনও ব্যয়বহুল প্রকল্প অনির্দিষ্টকাল অর্থ পাওয়ার যোগ্য ধরে নেওয়া ভুল। যুক্তিসংগত দীর্ঘমেয়াদি বিনিয়োগে প্রযুক্তিগত ভিত্তি [Technical Foundation] উন্নত হচ্ছে এবং ব্যবহারকারী মূল্যবান কিছু করতে পারছেন তার প্রমাণ চাই। শেখা ছাড়া ধৈর্য সাফল্যের মতো সহজেই ব্যর্থতাও বাঁচিয়ে রাখতে পারে।

বিশাল বাজার অবিলম্বে দাবি না করেই সম্ভাবনাকে সমর্থন করা ছিল কৌশলগত চ্যালেঞ্জ। অপ্রত্যাশিত উদ্দেশ্যে GPU ব্যবহারকারী গবেষকেরা তথ্য দেন। তাঁদের কাজ ইঙ্গিত দেয়, প্রথম অর্থায়নকারী গ্রাহকগোষ্ঠীর বাইরের সমস্যাও হার্ডওয়্যার [Hardware] মেটাতে পারে। বিদ্যমান বাজারে পণ্য [Products] বিক্রি করতে করতেই NVIDIA সেই ব্যবহার থেকে শিখতে পারত।

বাস্তুতন্ত্রের সুবিধার [Ecosystem Advantage] সীমা

মজবুত সফটওয়্যার বাস্তুতন্ত্র [Software Ecosystem] প্রতিযোগিতা মুছে দেয় না। বিকল্প ত্বরক [Accelerators], কম্পাইলার প্রকল্প [Compiler Projects] ও বহনযোগ্য কাঠামো [Portable Frameworks] নির্দিষ্ট বিক্রেতার উপর নির্ভরতা কমাতে পারে। বড় গ্রাহকের পরিসর বিশেষ হার্ডওয়্যার [Specialised Hardware] ন্যায্য করতে যথেষ্ট হতে পারে। কিছু কাজের ভারে [Workloads] সবচেয়ে নমনীয় GPU মঞ্চের [Platform] চেয়ে সরল বা সস্তা ব্যবস্থা [System] বেশি উপকারী হতে পারে।

স্থায়ী পরীক্ষা হল, সম্পূর্ণ NVIDIA ব্যবস্থা [System] গ্রহণযোগ্য খরচে উপকারী কর্মক্ষমতা [Performance] দিতে থাকে কি না। সফটওয়্যারের [Software] পরিচিতি বদল পিছোতে পারে, কিন্তু চিরকাল আনুগত্য নিশ্চিত করতে পারে না। তাই বাস্তুতন্ত্রকে [Ecosystem] কেবল ছেড়ে যাওয়ার অসুবিধায় নির্ভর না করে ক্রমাগত মূল্যও তৈরি করতে হয়।

উদ্যোক্তাদের জন্য CUDA কঠিন পাঠ দেয়: কখনও সবচেয়ে গুরুত্বপূর্ণ পণ্য [Product] হল সেই হাতিয়ার যা গ্রাহককে সরবরাহকারীর প্রথমে না-ভাবা ব্যবহার আবিষ্কার করতে দেয়। তা বানাতে দীর্ঘস্থায়ী সহায়তা চাই। বড়, পূর্বানুমেয় অর্ডার-বইয়ের [Order Book] বদলে ছোট পরীক্ষায় প্রথম মূল্য দেখা যেতে পারে, তাও মানতে হয়।

10 গভীর শিক্ষণের [Deep Learning] মোড়

AlexNet এবং গবেষণার নতুন সংকেত

2012-তে Alex Krizhevsky, Ilya Sutskever ও Geoffrey Hinton, AlexNet নামে পরিচিত কাজ প্রকাশ করেন। তাঁদের কনভোলিউশনাল স্নায়ুজাল [Convolutional Neural Network] GPU গণনা [Computation] দিয়ে বড় প্রশিক্ষণ [Training] ব্যবহারিক করে ImageNet প্রতিযোগিতায় বড় ফল আনে। গবেষণাপত্রটি গুরুত্বপূর্ণ, কারণ তা গবেষণা অর্জনের নথি, তার পরে কোম্পানির ব্যাখ্যা নয়। [12]

NVIDIA সেই স্নায়ুজাল [Neural Network], ImageNet তথ্যসেট [Dataset] বা পুরো যন্ত্রশিক্ষণ [Machine Learning] ক্ষেত্র উদ্ভাবন করেনি। হার্ডওয়্যার [Hardware] ও প্রোগ্রামিং বাস্তুতন্ত্র [Programming Ecosystem] সক্ষমকারী পরিকাঠামোর [Infrastructure] অংশ ছিল। ভারসাম্যপূর্ণ ইতিহাসে গণনা [Computation] সরবরাহকারী কোম্পানির পাশাপাশি গবেষক ও ডেটা [Data] নির্মাতাদেরও চোখে রাখা হয়।

ঘটনার তাৎপর্য এই নয় যে একটি পরীক্ষামান [Benchmark] ভবিষ্যতের প্রতিটি AI প্রয়োগ [Application] প্রমাণ করেছে। এটি দেখায়, ডেটা [Data], মডেল নকশা [Model Design] ও উপলব্ধ গণনাশক্তি [Computing Power] একসঙ্গে জরুরি কাজে দারুণ উন্নতি আনতে পারে। তাতে বিনিয়োগ ও পরীক্ষা বাড়ে। ফলটি পরিণামযুক্ত সংকেত ছিল, ভবিষ্যতের সম্পূর্ণ পূর্বাভাস নয়।

Huang-এর জন্য কৌশলগত বিষয় ছিল সেই সংকেতে সাড়া দেওয়া। কোনও কোম্পানি আশাপ্রদ গবেষণা দেখেও উদীয়মান ক্ষেত্রের সেবায় নিজেকে না সাজাতে পারে। গভীর শিক্ষণের [Deep Learning] সহায়তায় হার্ডওয়্যার বাছাই [Hardware Choices], সফটওয়্যার লাইব্রেরি [Software Libraries], ব্যবস্থা [Systems] ও গবেষকদের সঙ্গে সম্পর্ক দরকার। কাজের ভারকে [Workload] কোম্পানি যে দিক ধরে গড়তে পারে সেই দিশা হিসেবে দেখতে হয়।

প্রশিক্ষণ [Training] ও অনুমান [Inference]

প্রশিক্ষণ [Training] ডেটা [Data] ও সর্বোত্তমকরণ প্রক্রিয়ায় [Optimisation Process] মডেলের পরামিতি [Parameters] বদলায়। অনুমান [Inference] প্রশিক্ষিত মডেল [Trained Model] ব্যবহার করে ফল [Output] দেয়। দুটোতেই অনেক গণনা [Computation] লাগতে পারে, কিন্তু পরিচালন চাহিদা [Operational Demands] আলাদা। প্রশিক্ষণ [Training] দীর্ঘ সময় বড় কাজ চালাতে পারে; অনুমানে [Inference] খরচ ও বিলম্ব [Latency] নিয়ন্ত্রণে রেখে বহু ব্যবহারকারীকে দ্রুত জবাব দিতে হতে পারে।

এই পার্থক্য বোঝায়, AI পরিকাঠামো [Infrastructure] এক অবিভক্ত বাজার নয়। বড় মডেল [Model] প্রশিক্ষণ দেওয়া গবেষণাগার, ছোট চিত্র মডেল [Imaging Model] চালানো হাসপাতাল ও লেখা বানানো মোবাইল প্রয়োগের [Mobile Application] আলাদা ব্যবস্থা লাগতে পারে। সেরা ব্যবস্থা [System] পরিসর, গোপনীয়তা, নির্ভরযোগ্যতা, সাড়ার সময় [Response Time] ও কাজের পরিমাণে নির্ভর করে।

মডেল [Models] বড় হওয়ার সঙ্গে প্রসেসরগুলির [Processors] যোগাযোগ [Communication] আরও গুরুত্বপূর্ণ হয়। দ্রুত চিপের [Chips] সমষ্টি আপনা থেকে দ্রুত কম্পিউটার [Computer] নয়। ডেটাকে [Data] স্মৃতি [Memory] ও নেটওয়ার্কে [Networks] চলতে হয়, ত্রুটি শনাক্ত ও সামলাতে হয়। সর্বাধিক প্রচার পাওয়া অঙ্কের এককের [Arithmetic Units] বাইরেও বাধা [Bottleneck] থাকতে পারে।

এই পটভূমিতে ব্যবস্থা [Systems] ও নেটওয়ার্কিংয়ে [Networking] NVIDIA-র প্রসার বোঝা যায়। প্রতিযোগিতার একক আলাদা গ্রাফিক্স কার্ড [Graphics Card] ছাড়িয়ে বড় গণনা স্থাপনার [Computing Installation] কর্মক্ষমতায় [Performance] যায়। Huang-এর ভূমিকা ক্রমশ কেবল চিপ সরবরাহকারীর প্রধানের বদলে ব্যবস্থা নির্মাতা [System Builder] ও বাস্তুতন্ত্রের [Ecosystem] সংগঠক হয়ে ওঠে।

গবেষণার চাহিদা পণ্যে [Products] বদলানো

2016-তে NVIDIA DGX-1 সমন্বিত গভীর-শিক্ষণ ব্যবস্থা [Integrated Deep-learning System] হিসেবে আনে। প্রতি গবেষণাগারকে আলাদা অংশ থেকে যন্ত্র জুড়তে বলার বদলে সাজানো GPU ও সফটওয়্যারের [Software] সমন্বয় দেয়। হার্ডওয়্যার [Hardware] পাওয়া ও উপকারী গবেষণা করার দূরত্ব কমানো ছিল বাণিজ্যিক ভাবনা। প্রথম গভীর-শিক্ষণ সুপারকম্পিউটার [Deep-learning Supercomputer] বলা NVIDIA-র বিপণন দাবি [Marketing Claim], আগে কোনও কম্পিউটারে [Computer] স্নায়ুজাল [Neural Network] প্রশিক্ষণ হয়নি এমন দাবি নয়। [28]

পরের বছর Volta স্থাপত্যে [Architecture] গভীর শিক্ষণে [Deep Learning] গুরুত্বপূর্ণ কাজের [Operations] বিশেষ একক Tensor Cores আসে। গ্রাফিক্স ক্ষমতা [Graphics Capability] পুনর্ব্যবহার থেকে AI-সংশ্লিষ্ট গণনা [Computation] ঘিরে হার্ডওয়্যার [Hardware] নকশায় আরও পদক্ষেপ ছিল। ভেতরের ব্যবস্থা অনেক বদলালেও মঞ্চ [Platform] ধারাবাহিকতা রাখতে পারে তাও দেখায়। প্রয়োগের [Application] সব স্তর না লিখেও উন্নয়নকারী [Developers] হালনাগাদ লাইব্রেরিতে [Updated Libraries] নতুন হার্ডওয়্যারের [Hardware] লাভ পেতে পারেন। [29]

2022-তে ঘোষিত Hopper-এ ট্রান্সফর্মার মডেলের [Transformer Models] কাজের ভার [Workloads] ত্বরান্বিত করতে Transformer Engine ছিল। মার্চ 2024-এ ঘোষিত Blackwell, জেনারেটিভ AI-তে [Generative AI] NVIDIA-র ব্যবস্থাস্তরের পদ্ধতি [System-level Approach] বাড়ায়। ঘোষণাগুলি পণ্যের [Product] দিক ও ক্ষমতা বদল চিহ্নিত করে; শিরোনামের কর্মক্ষমতা গুণক [Performance Multipliers] কাজের ভার [Workload], নির্ভুলতা [Precision] ও তুলনার ব্যবস্থায় [Comparison System] নির্ভর করে, সর্বজনীন ফল ধরা উচিত নয়। [30, 31]

মডেল [Model] নামের তালিকার চেয়ে ক্রমটি গুরুত্বপূর্ণ। গ্রাহক যে বদলানো কাজ করতে চাইছেন, তার সঙ্গে NVIDIA বারবার হার্ডওয়্যার [Hardware] ও সফটওয়্যার [Software] মানিয়ে নিয়েছে। ভবিষ্যৎ কর্মক্ষমতা [Performance] বাড়াতে পারে এমন বৈশিষ্ট্য আনার সঙ্গে বিদ্যমান বিনিয়োগ বাঁচানোর যথেষ্ট সামঞ্জস্য [Compatibility] রাখতে হয়। মঞ্চ নেতৃত্বের [Platform Leadership] কেন্দ্রে এই টান: অতিরিক্ত বদলে বাস্তুতন্ত্র [Ecosystem] ভাঙে, অপর্যাপ্ত বদলে অচল হয়।

11 টিকে থাকার পরের বিপত্তি

পণ্যের গুণমান [Product Quality] ও 2008-এর মন্দা

নবোদ্যোগের [Start-up] বছরগুলি পার করে টিকে থাকা NVIDIA-কে ভুল থেকে মুক্ত করেনি। আগস্ট 2008-এ কোম্পানি দুর্বল উপাদান-সমন্বয়ে [Material Combination] ক্ষতিগ্রস্ত কিছু নোটবুক পণ্যের [Notebook Products] প্রত্যাশিত ওয়ারেন্টি [Warranty], মেরামত, ফেরত ও বদলের খরচের জন্য 19.6 কোটি মার্কিন ডলারের ব্যয়ভার [Charge] জানায়। একই ঘোষণায় ত্রৈমাসিক লোকসান জানানো হয় এবং প্রতিযোগিতামূলক মূল্যনির্ধারণের [Competitive Pricing] ভুল স্বীকার করা হয়। [13]

এটি প্রথম দিকের নগদ ঘাটতির থেকে ভিন্ন ধরনের সংকট ছিল। বিষয় ছিল পণ্যের গুণমান [Product Quality], গ্রাহকের খরচ ও বাস্তবায়নের [Execution] বিশ্বাসযোগ্যতা। শুধু উজ্জ্বল কৌশলে কেন্দ্রীভূত জীবনী নেতৃত্বের এই অংশটি হারায়। হাতে পাওয়ার পর পণ্য [Products] ঠিকমতো কাজ করার উপর গ্রাহক নির্ভর করেন; মূল বক্তৃতার মঞ্চ থেকে বহু দূরে থাকা ত্রুটির জন্যও সফল নির্বাহী দায়বদ্ধ থাকেন।

2009 অর্থবছরের বার্ষিক দাখিলে [Annual Filing] কোম্পানি বছরশেষে প্রায় 1.26 বিলিয়ন মার্কিন ডলার নগদ, নগদসম [Cash Equivalents] ও বাজারযোগ্য সিকিউরিটি [Marketable Securities] জানায়। 2008-এর প্রতিটি সমস্যাই আরেক তাৎক্ষণিক দেউলিয়াত্ব [Bankruptcy] ছিল এমন হালকা দাবিকে এই আর্থিক অবস্থা সমর্থন করে না। লোকসান, ব্যয়ভার [Charge] ও বৃহত্তর মন্দা সেই আখ্যা ছাড়াই গুরুতর ছিল। [14]

মোবাইল থেকে সরে আসা

NVIDIA মোবাইল ফোনের [Mobile Phones] ক্ষেত্রেও চেষ্টা করে এবং পরে সেই উদ্যোগ থেকে সরে আসে। Huang-এর নিজস্ব বিবরণে এটি রোবোটিক্স [Robotics] ও স্বচালিত যান [Autonomous Vehicles] সহ অন্য সুযোগের জন্য মনোযোগ মুক্ত করা সিদ্ধান্ত। তিনি অভিজ্ঞতাকে কীভাবে ব্যাখ্যা করেন তার প্রমাণ এটি, বিকল্প সুযোগগুলি সফল হবেই তার প্রমাণ নয়। [9]

কঠিন বলে পরিকল্পনা বদলানো ও তার মৌলিক অর্থনীতি [Economics] অনাকর্ষণীয় হয়ে যাওয়ায় বদলানোর মধ্যে পার্থক্য আছে। স্বাভাবিক বাধা অতিক্রম করতে নেতার যথেষ্ট প্রত্যয় এবং অধ্যবসায় কখন অপচয় হয়ে উঠেছে তা চিনতে যথেষ্ট নমনীয়তা চাই। আগে থেকেই কোনও স্লোগান নির্ভরযোগ্যভাবে এই দুই অবস্থা আলাদা করতে পারে না।

অনুমানগুলি স্পষ্ট করাই উপকারী শৃঙ্খলা। কোন গ্রাহক-চাহিদা মেটানো হচ্ছে? কোন প্রযুক্তিগত সুবিধা [Technical Advantage] এখনও রক্ষা করা যায়? আরও কত বিনিয়োগ প্রয়োজন? কোন প্রমাণে কোম্পানি থামবে? এসব প্রশ্ন সরে আসাকে প্রতিটি সিদ্ধান্ত বুদ্ধিমান দেখানোর জন্য পরে বলা গল্পের বদলে যুক্তিসংগত সম্পদ-বণ্টনে [Allocation of Resources] পরিণত করে।

যে অধিগ্রহণ [Acquisition] হয়নি

ফেব্রুয়ারি 2022-এ NVIDIA ও SoftBank গুরুতর নিয়ন্ত্রক চ্যালেঞ্জের [Regulatory Challenges] কথা বলে Arm-এর প্রস্তাবিত অধিগ্রহণ [Acquisition] বাতিল করে। ঘোষণা অনুযায়ী NVIDIA-র দেওয়া অগ্রিম 1.25 বিলিয়ন মার্কিন ডলার SoftBank রাখবে এবং NVIDIA কুড়ি বছরের Arm লাইসেন্স [Licence] রাখবে। চিপ প্রকৌশলের [Chip Engineering] ব্যর্থতা না হলেও ব্যর্থ লেনদেনটি ছিল বড় কৌশলগত ধাক্কা। [15]

প্রতিষ্ঠাতার ক্ষমতার সীমা এই ঘটনায় দেখা যায়। সমর্থকদের কাছে যুক্তিসংগত একটি লেনদেন নিয়ন্ত্রক, গ্রাহক বা প্রতিযোগীর উদ্বেগ আনতে পারে। প্রযুক্তিগত উচ্চাকাঙ্ক্ষা [Technical Ambition] আইনি ও রাজনৈতিক প্রতিষ্ঠানের মধ্যে কাজ করে। শুধু সংকল্প দিয়ে সরিয়ে দেওয়া যায় এমন প্রকৌশল সীমা [Engineering Constraints] হিসেবে প্রধান নির্বাহী [Chief Executive] ওই প্রতিষ্ঠানগুলিকে দেখতে পারেন না।

উপযুক্ত প্রতিক্রিয়া হল না ব্যর্থ অধিগ্রহণকে [Acquisition] নিঃশর্ত বিজয় বানিয়ে লেখা। খরচ স্বীকার করা, কেন ব্যর্থ হল বোঝা এবং কোম্পানির পরের বিকল্পগুলিকে নিজ গুণে বিচার করাই উপযুক্ত। বিজয়ী শেষ জোর করে না চাপিয়ে অসফল সিদ্ধান্তের বিবরণ দিতে পারলে নেতৃত্বের আখ্যান আরও বিশ্বাসযোগ্য হয়।

12 AI পরিকাঠামো [Infrastructure] কোম্পানি গড়া

আলাদা চিপের [Chip] বাইরে

AI কাজের ভার [Workloads] বাড়ার সঙ্গে NVIDIA-র পণ্য [Products] ক্রমশ বড় ব্যবস্থার [Systems] অংশ হয়। GPU-র প্রয়োজন হয় উচ্চ-ব্যান্ডউইথ স্মৃতি [High-bandwidth Memory], দ্রুত সংযোগ [Connections], নেটওয়ার্কিং [Networking], সার্ভার [Servers], ব্যবস্থাপনা সফটওয়্যার [Management Software] ও সহায়তা। 2020-এ সম্পূর্ণ হওয়া Mellanox অধিগ্রহণ [Acquisition] সেই ব্যবস্থার [System] নেটওয়ার্কিং [Networking] দিক শক্ত করার গুরুত্বপূর্ণ ধাপ। [16]

বড় একটি প্রশিক্ষণ কাজ [Training Job] সমস্যাটি দেখায়। এক প্রসেসর [Processor] অন্যের ডেটার [Data] অপেক্ষায় থাকলে দামি হার্ডওয়্যার [Hardware] অলস বসে থাকতে পারে। নেটওয়ার্ক [Network] অবিশ্বস্ত হলে দীর্ঘ কাজের উপকারী অংশ নষ্ট হতে পারে। শীতলীকরণ [Cooling] অপর্যাপ্ত হলে ব্যবস্থাটি [System] উপাদানগুলির [Components] প্রতিশ্রুত কর্মক্ষমতা [Performance] ধরে রাখতে পারে না। গ্রাহকের ফল পুরো স্থাপনা [Installation] জুড়ে সমন্বয়ের উপর নির্ভর করে।

সমন্বিত ব্যবস্থার [Integrated Systems] আকর্ষণ তাই বোঝা যায়। প্রতিটি উপাদান [Component] আলাদাভাবে জোড়া ও যাচাইয়ের [Validate] বোঝা তা গ্রাহকের জন্য কমায়। সরবরাহকারীর উপর নির্ভরতাও বাড়াতে পারে। গ্রাহক আরও পূর্ণ সমাধান [Solution] পান, তবে সেটি কীভাবে বিকশিত হবে সে বিষয়ে সম্ভবত আরও সীমিত বিকল্প মেনে নেন।

Huang-এর ত্বরিত গণনার [Accelerated Computing] প্রকাশ্য আখ্যান এই বদলের সঙ্গে মেলে। নির্দিষ্ট সময়, শক্তি ও অর্থে একটি ব্যবস্থা [System] কত উপকারী কাজ শেষ করতে পারে, সেটিই প্রাসঙ্গিক প্রশ্ন হয়ে ওঠে। বেশি যন্ত্র প্রয়োজন হলে বা মূল্যবান ফল পেতে দেরি হলে সস্তা চিপ [Chip] বাস্তবে আরও দামি হতে পারে। বিপরীতে সহজ ব্যবস্থা [System] যথেষ্ট হলে উন্নত ব্যবস্থা [Advanced System] অপ্রয়োজনীয় খরচ হয়ে উঠতে পারে।

AI-র উত্থান কী প্রমাণ করেছে ও করেনি

জেনারেটিভ AI-এর [Generative AI] দ্রুত গ্রহণ গণনা পরিকাঠামোর [Computing Infrastructure] চাহিদা বাড়ায়। NVIDIA লাভবান হয়, কারণ সংশ্লিষ্ট কাজের ভারের [Workloads] উপযোগী হার্ডওয়্যার [Hardware] ও সফটওয়্যার [Software] বানাতে আগেই বহু বছর দিয়েছে। সময়ের এই মেলাটি বাণিজ্যিকভাবে শক্তিশালী ছিল। তাকে AI উত্থানের একমাত্র স্রষ্টা হওয়ার সঙ্গে গুলিয়ে ফেলা উচিত নয়।

আধুনিক AI বিশ্ববিদ্যালয়ের গবেষণা, প্রকাশ্য তথ্যসেট [Public Datasets], মুক্ত উৎস সফটওয়্যার [Open-source Software], ক্লাউড পরিকাঠামো [Cloud Infrastructure], অর্ধপরিবাহী উৎপাদন [Semiconductor Manufacturing] ও প্রতিদ্বন্দ্বী গবেষণাগারের কাজের উপরও দাঁড়িয়ে। মডেল উন্নয়নকারীরা [Model Developers] স্থাপত্য [Architecture] ও প্রশিক্ষণের [Training] সিদ্ধান্ত নিয়েছেন; হার্ডওয়্যার কোম্পানিগুলি [Hardware Companies] সরঞ্জাম দিয়েছে; ব্যবহারকারী ও বিনিয়োগকারীরা চাহিদা গড়েছেন। Huang-এর বড় অবদান এই জালের [Network] মধ্যে, তা থেকে স্বাধীন নয়।

আর্থিক ফল ছিল লক্ষণীয়। 26 আগস্ট 2026-এর NVIDIA বিজ্ঞপ্তিতে 26 জুলাই 2026-এ শেষ হওয়া 2027 অর্থবছরের দ্বিতীয় ত্রৈমাসিকে 96.2 বিলিয়ন মার্কিন ডলার আয় [Revenue] জানানো হয়, যার মধ্যে Data Center থেকে 89.0 বিলিয়ন। এগুলি ঘোষিত ত্রৈমাসিক সংখ্যা, ক্যালেন্ডার বছরের মোট বা পূর্বাভাস নয়। [17]

একই বিজ্ঞপ্তিতে Vera Rubin পূর্ণ উৎপাদনে [Full Production] যাচ্ছে বলা হয়। এমন কোম্পানি বক্তব্য তারিখের প্রেক্ষাপটে পড়তে হয়। NVIDIA কী ঘোষণা করেছে তা প্রতিষ্ঠা করে, কিন্তু পৃথক স্থাপনার [Installations] কর্মক্ষমতা [Performance], স্থাপন [Deployment] ও অর্থনৈতিক প্রত্যাবর্তনের [Economic Return] জন্য নিজস্ব প্রমাণ প্রয়োজন। পণ্য পথনকশা [Product Roadmap] ও গ্রাহকের প্রকৃত লাভ সম্পর্কিত হলেও আলাদা বিষয়।

অসাধারণ বৃদ্ধির ভেতরের ঝুঁকি

দ্রুত বৃদ্ধি ভঙ্গুর অনুমান আড়াল করতে পারে। ভবিষ্যৎ চাহিদার আগেই গ্রাহক কিনছেন হতে পারে। পরিকাঠামোকে [Infrastructure] বিদ্যুতে যুক্ত করতে পরিকল্পনার চেয়ে বেশি সময় লাগতে পারে। নতুন মডেলে [Models] অন্য হার্ডওয়্যার [Hardware] প্রয়োজন হতে পারে, অথবা তা আরও দক্ষ হতে পারে। বেশি ব্যবহারের [Utilisation] সময়ে আকর্ষণীয় দেখানো বিনিয়োগ যন্ত্র অলস বসে থাকলে ব্যয়বহুল হয়ে উঠতে পারে।

তাই আয় বৃদ্ধিকে [Revenue Growth] গ্রাহক কেন্দ্রীভবন [Customer Concentration], অঙ্গীকার [Commitments], সরবরাহ ক্ষমতা [Supply Capacity] ও গ্রাহকের ব্যবসার অর্থনীতির [Economics] সঙ্গে দেখতে হয়। চারপাশের শিল্পের কিছু অংশ যথেষ্ট লাভ করতে লড়লেও সরবরাহকারী উত্থানের বাজারে সফলভাবে বিক্রি করতে পারেন। এই সম্ভাবনা বুদ্‌বুদ [Bubble] প্রমাণ করে না। শুধু দ্রুততম অংশগ্রহণকারীকে প্রশংসা করার বদলে অর্থনৈতিক শৃঙ্খল [Economic Chain] যাচাই করার কারণ।

13 নেতৃত্বের ব্যবস্থা

সরাসরি তথ্য ও কঠিন মান

Huang-এর প্রকাশ্য ব্যবস্থাপনা আলোচনায় তথ্যে পৌঁছনো, অভিন্ন প্রেক্ষাপট ও কঠিন প্রযুক্তিগত সমস্যার [Technical Problems] সঙ্গে যুক্ত থাকার উপর জোর থাকে। 2024-এর Stripe Sessions কথোপকথনে NVIDIA-র সংগঠনের কিছু দিক এবং নিজের সরাসরি প্রতিক্রিয়ার [Direct Feedback] ব্যবহার নিয়ে বলেন। এই মন্তব্যগুলি ঘোষিত দর্শনের মূল্যবান প্রমাণ, যদিও তা কোম্পানির নেতার নিজের বিবরণই থাকে। [18]

কম স্তরযুক্ত সংগঠন [Flatter Organisation] সমস্যা ও তা সামলাতে পারা মানুষদের মধ্যের বিলম্ব কমাতে পারে। প্রধান নির্বাহীর [Chief Executive] উপর বিশাল তথ্যভারও চাপাতে পারে। এমন কাঠামোর ফল নির্ভর করে মানুষের মান, সিদ্ধান্তাধিকারের [Decision Rights] স্পষ্টতা ও প্রতিযোগী অগ্রাধিকার মেটানোর ক্ষমতায়।

প্রতিটি কোম্পানিকে বহু সরাসরি অধীনস্থের [Direct Reports] সংখ্যা নকল করতে বলা তাই অতিসরল। সংগঠন ছক [Organisation Chart] চলমান ব্যবস্থার দৃশ্যমান রেখা মাত্র। দুই কোম্পানির ছক একই হলেও সংস্কৃতি খুব আলাদা হতে পারে। গুরুত্বপূর্ণ তথ্য পৌঁছয় কি না, সিদ্ধান্ত বোঝা যায় কি না এবং উপরের অযথা অপেক্ষা ছাড়া কাজ করা যায় কি না, সেটিই আসল।

উচ্চ মান Huang-এর বিবরণে বারবার আসে। কিন্তু কর্মক্ষমতা [Performance] দাবি করা মানেই ভালো ব্যবস্থাপনা নয়। মান কীভাবে জানানো হয়, প্রত্যাশা অর্জনযোগ্য কি না, দ্বিমত নিরাপদ কি না এবং ভুল থেকে শেখা হয় কি না দেখতে হয়। অপমানকে উন্নতির পন্থা না করেও নেতা কঠোর প্রত্যাশা রাখতে পারেন।

পরিচিত হওয়ার আগে ভবিষ্যৎ বোঝানো

প্রযুক্তিগত প্রতিষ্ঠাতাকে [Technical Founder] আলাদা চাহিদার শ্রোতাদের বোঝাতে হয়। প্রকৌশলী [Engineer] জানতে চান স্থাপত্য [Architecture] কাজ করে কি না। গ্রাহক জানতে চান সমস্যা মেটে কি না। বিনিয়োগকারী প্রশ্ন করেন ব্যবসা লাভ করতে পারে কি না। সরকারের চিন্তা হতে পারে নিরাপত্তা, দেশীয় ক্ষমতা [Domestic Capability] ও প্রবেশাধিকার।

Huang প্রায়ই তাঁর প্রকাশ্য উপস্থাপনায় প্রযুক্তিগত বিকাশকে [Technical Development] বৃহত্তর শিল্পবদলের সঙ্গে মেলান। গ্রাহক যে ভবিষ্যৎ বোঝেন না, তার জন্য কিনতে বা গড়তে পারেন না বলে এই ক্ষমতার কৌশলগত মূল্য আছে। ভালো ব্যাখ্যা বহু সংগঠনের বিনিয়োগকে এক দিকে আনতে পারে।

সেই ক্ষমতা দায়ও আনে। প্ররোচক আখ্যান প্রমাণ ছাড়িয়ে যেতে পারে। বেছে নেওয়া পরিস্থিতিতে প্রদর্শন [Demonstration] কাজ করতে পারে। কর্মক্ষমতার তুলনা [Performance Comparison] নির্দিষ্ট কাজের ভার [Workload] বা সফটওয়্যার সংস্করণে [Software Version] নির্ভর করতে পারে। ভবিষ্যৎ ক্ষমতার প্রতিশ্রুতিকে বর্তমানে পাওয়া পণ্য [Product] মনে হতে পারে। গল্পকার যত ভালো, শ্রেণিগুলির তফাত করা তত জরুরি।

বিচারক্ষমতার কেন্দ্রীভবন

প্রতিষ্ঠাতার দীর্ঘ মেয়াদ প্রযুক্তিগত ধারাবাহিকতা [Technical Continuity] এবং স্বল্প ব্যবস্থাপনা-সময়ের মধ্যে না-টেকা বিনিয়োগ রক্ষা করতে পারে। একজনের মধ্যে বিচারক্ষমতাও কেন্দ্রীভূত করতে পারে। সহকর্মীরা সিদ্ধান্তটি সঠিক কি না যাচাইয়ের বদলে প্রতিষ্ঠাতা কী চান আন্দাজ করায় দক্ষ হয়ে উঠতে পারেন।

টেকসই কোম্পানিতে শক্ত কেন্দ্র ও তা সংশোধনের ব্যবস্থা দুটোই চাই। পরিচালনা পর্ষদ [Boards], প্রযুক্তিগত পর্যালোচনা [Technical Reviews], গ্রাহকের প্রতিক্রিয়া [Customer Feedback] ও স্বাধীন আশ্বাস [Independent Assurance] সব অবদান রাখে। দূরদৃষ্টির বাধা বলে সরিয়ে না দিয়ে সফল নেতাকে চ্যালেঞ্জ করতে পারলে এদের মূল্য সর্বাধিক।

শেষ পর্যন্ত Huang-এর নেতৃত্ব কেবল তিনি নিজে পরিচালনা করলে NVIDIA কত ভালো করে তা দিয়ে নয়, তাঁর পরে সংগঠন উপকারী বিচারক্ষমতা, দায়বদ্ধতা ও উদ্ভাবন কতটা ধরে রাখতে পারে তা দিয়েও মাপা উচিত। করিশ্মার চেয়ে এটি কঠিন পরীক্ষা এবং কোম্পানি বড় হওয়ার সঙ্গে আরও গুরুত্বপূর্ণ হয়।

14 প্রেরণা, উচ্চাকাঙ্ক্ষা ও ব্যর্থতার অর্থ

প্রকাশ্য বক্তব্য কী প্রতিষ্ঠা করতে পারে

Huang অনিশ্চয়তা, পরিশ্রম ও ভুল থেকে শেখার কথা বারবার বলেছেন। National Taiwan University-তে 2023-এর সমাবর্তন ভাষণে কোম্পানির বিকাশ বোঝাতে ব্যর্থতা ও কৌশলগত পিছু হটার [Strategic Retreat] উদাহরণ দেন। বিপত্তিকে প্রকাশ্যে উদ্ভাবনের [Innovation] অংশ মনে করা নেতার ছবি এই বক্তব্যগুলি সমর্থন করে। কিন্তু তাঁর ব্যক্তিগত উদ্দেশ্যে অবাধ প্রবেশ দেয় না। [9]

জীবনীতে প্রায়ই একজনের একটিমাত্র আবেগীয় চালিকা শক্তি নির্ধারণ করা হয়: দারিদ্র্যের ভয়, স্বীকৃতির প্রয়োজন বা সমালোচককে ভুল প্রমাণের ইচ্ছা। জটিল জীবন মনে রাখা সহজ করে বলে এই ব্যাখ্যাগুলি আকর্ষণীয় হতে পারে। শক্ত প্রমাণ ছাড়া সেগুলি অনুমান।

আরও শৃঙ্খলিত বিবরণ দৃশ্যমান সিদ্ধান্ত পরীক্ষা করতে পারে। Huang দশক ধরে একটি কোম্পানিতে থেকেছেন। পরের বাজার স্পষ্ট হওয়ার আগে NVIDIA প্রোগ্রামিং বাস্তুতন্ত্রে [Programming Ecosystem] বিনিয়োগ চালিয়ে গেছে। কিছু প্রকল্প ছেড়ে অন্যগুলিতে গভীর হয়েছে। প্রতি সকালে তিনি কী অনুভব করতেন তার কল্পিত বিবরণ না চেয়েও এই সিদ্ধান্তগুলি অগ্রাধিকার দেখায়।

উৎপাদনশীল উদ্বেগ ও তার সীমা

কোম্পানি সব সময় ব্যর্থতার কাছে আছে, এই পরিচিত ধারণা সতর্কতা বাড়াতে পারে। গ্রাহকের বিকল্প আছে এবং প্রযুক্তিগত সুবিধা [Technical Advantages] ক্ষয়ে যায় তা মনে করায়। কিন্তু স্থায়ী জরুরি অবস্থা সংগঠনকে ক্লান্ত করতে বা ভাবনাপূর্ণ দ্বিমত কঠিন করতে পারে।

সতর্কতা কী ঘটায়, সেখানেই তফাত। ভালো পরীক্ষা [Testing], গ্রাহকের সমস্যা তাড়াতাড়ি চেনা ও আরও সৎ পরিকল্পনা আনে কি? না কি তাড়াহুড়োর সিদ্ধান্ত ও খারাপ খবর গোপন করাকে উৎসাহ দেয়? প্রত্যেক কর্মী একইভাবে সংস্কৃতি অনুভব করেছেন দাবি না করেও জীবনী এই টানাপোড়েন চিনতে পারে।

একইভাবে, সংগঠন কাজে লাগানো যায় এমন কিছু শিখলেই ব্যর্থতা উপকারী। অনুমান না বদলে অসফল পরীক্ষা পুনরাবৃত্তি স্থিতিস্থাপকতা নয়। ভালো পরিকল্পিত পরীক্ষা [Well-designed Experiment] বাণিজ্যিক ফল হতাশ করলেও তথ্য দেয়। খারাপ পরিকল্পিত পরীক্ষা [Poorly Designed Experiment] মূল প্রশ্ন অনুত্তরিত রেখে অর্থ খরচ করতে পারে।

মত বদলানোর শৃঙ্খলা

শুরুর Sega ঘটনা বিশেষ শিক্ষণীয়, কারণ Huang-কে পরিচয়কে প্রযুক্তিগত নির্বাচন [Technical Choice] থেকে আলাদা করতে হয়েছিল। প্রতিষ্ঠাতা কোনও নকশায় [Design] সুনাম, অর্থ ও বছরের কাজ দিয়ে থাকতে পারেন। সেটি ভুল মানা গোটা কোম্পানিই ভুল মানার মতো লাগতে পারে। অথচ ঠিক সেই তফাত করতে পারার উপরই বাঁচা নির্ভর করতে পারে।

সমস্যার প্রতি অঙ্গীকার বজায় রেখে প্রস্তাবিত সমাধান পাল্টাতে দেওয়াই বৃহত্তর শিক্ষা। NVIDIA-র ইতিহাসে এই ধারার নানা রূপ: গ্রাফিক্স স্থাপত্য [Graphics Architectures] বদলেছে, সফটওয়্যার [Software] কেন্দ্রীয় হয়েছে, AI গুরুত্ব পেয়েছে, কিছু বাজার ছাড়া হয়েছে। সিদ্ধান্তের ধারা হিসেবে তা পড়তে হবে, প্রতিটি ভবিষ্যৎ মোড়বদল [Pivot] সফল হওয়ার নিশ্চয়তা হিসেবে উঁচুতে তোলা নয়।

15 Lori, Spencer ও Madison

প্রকাশ্য গল্পে পরিবার

Oregon State-এ প্রকৌশলের [Engineering] শিক্ষার্থী থাকাকালে Jensen ও Lori Huang-এর পরিচয় হয় এবং 1985-এ বিয়ে হয়। তাঁদের প্রাপ্তবয়স্ক দুই সন্তান Spencer ও Madison। তাঁদের যৌথ শিক্ষা-দান ভালোভাবে নথিভুক্ত। সেই প্রকাশ্য নথির বাইরে পরিবারের প্রকাশ্য কাজ ও ব্যক্তিগত জীবনের তফাত জীবনীকে সম্মান করতে হয়। [1, 4]

দশক ধরে কোম্পানি গড়া সংসারে প্রভাব ফেলে, তা স্বীকার করা যুক্তিসংগত। প্রকাশ্যে না-বলা পরিবারের সদস্যদের কথোপকথন, আপস বা আবেগীয় অভিজ্ঞতা বানানো যুক্তিসংগত নয়। প্রতিটি ব্যবসায়িক সাফল্যের গোপন রহস্য স্ত্রীকে বলা প্রশংসা শুনিয়েও তাঁর নিজস্ব ভূমিকা মুছে দিতে পারে।

Lori-র বর্তমান আনুষ্ঠানিক পদ, ফাউন্ডেশনের [Foundation] সম্পদ বা পেশার সঠিক তারিখের দাবিতেও একই সতর্কতা প্রয়োজন। তারিখসহ নথি চাই। পরিবারের সম্পদের পরিমাণ থেকে অনুমান বা উৎসহীন সারাংশ থেকে নকল করা উচিত নয়।

Madison Huang

NVIDIA-র বর্তমান প্রকাশ্য জীবনিতে Madison Huang ভৌত AI মঞ্চগুলির [Physical AI Platforms] পণ্য ও প্রযুক্তিগত বিপণনের [Product and Technical Marketing] জ্যেষ্ঠ পরিচালক। Omniverse, Cosmos ও Isaac জুড়ে দায়িত্ব, আগে Louis Vuitton Moët Hennessy গোষ্ঠীতে বিপণনের [Marketing] কাজ এবং London Business School-এর বিপণন ও কৌশলের MBA [MBA in Marketing and Strategy] সেখানে নথিভুক্ত। [19]

এগুলি অর্থপূর্ণ পেশাগত বিবরণ। বাবার চিপ-নকশার [Chip-design] কর্মজীবনের সরল পুনরাবৃত্তির বদলে বিপণন [Marketing] ও ব্যবসাশিক্ষা দিয়ে প্রযুক্তিতে [Technology] প্রবেশের পথ দেখায়। বর্তমান ভূমিকা বোঝাতে সঠিক বয়স বা সম্পূর্ণ রান্নাশিক্ষার কালক্রম [Culinary-training Chronology] সংক্রান্ত দাবি প্রয়োজন নেই।

প্রযুক্তিগত মঞ্চের [Technical Platform] বিপণন [Marketing] শুধু প্রচার সৃষ্টি নয়। উন্নয়নকারী [Developers] ও গ্রাহকদের ক্ষমতা বোঝানো, গ্রহণের বাধা [Adoption Barriers] বোঝা এবং প্রকৌশল কাজ [Engineering Work] বাজারের সঙ্গে মেলানো এর অংশ। কাজের মান ফল দিয়ে বিচার্য, পারিবারিক সম্পর্ক থেকে ধরে নেওয়া নয়।

Spencer Huang

NVIDIA-র প্রযুক্তিগত জীবনী Spencer Huang-কে রোবোটিক্সের [Robotics] পণ্য পরিচালক [Director of Product] বলে। অনুকরণ [Simulation], রোবট শিক্ষণ [Robot Learning], কৃত্রিম ডেটা [Synthetic Data] ও স্বয়ংচালিত যন্ত্রের [Autonomous Machines] প্রশিক্ষণ [Training] ও স্থাপনের [Deployment] পরিকাঠামো [Infrastructure] নিয়ে কাজ বর্ণনা করে। New York University-তে কৃত্রিম বুদ্ধিমত্তাকেন্দ্রিক [Artificial Intelligence] প্রযুক্তিগত MBA [Technical MBA]-ও নথিভুক্ত। [20]

প্রকাশ্য বিবরণে এই পেশাগত পথ বাবার প্রথম কর্মজীবনের চেয়ে আলাদা। একই কোম্পানিতে থেকেও প্রশিক্ষণ বা দায়িত্ব অভিন্ন না হতে পারে বলে তফাত গুরুত্বপূর্ণ। শুধু পদ কোনও ব্যক্তির প্রযুক্তিগত অবদানের [Technical Contribution] গভীরতা প্রতিষ্ঠা করে না, কিন্তু পিতৃপরিচয়ও অবদান উড়িয়ে দেওয়ার কারণ নয়।

পরিবারের চাকরি ও সুশাসন [Governance]

প্রকাশ্য কোম্পানিতে প্রতিষ্ঠাতার আত্মীয় কাজ করলে সুশাসনের [Governance] স্বাভাবিক প্রশ্ন আসে। ভূমিকা ও পারিশ্রমিক কি যথাযথভাবে পর্যালোচিত হয়? রিপোর্টিং সম্পর্ক [Reporting Relationships] কি স্পষ্ট? অন্য কর্মীরা কি ন্যায্যভাবে প্রতিযোগিতা করতে পারেন? সংশ্লিষ্ট-পক্ষ লেনদেন [Related-party Transactions] কি যথাযথ প্রকাশ করা হয়?

এই প্রশ্নগুলি অন্যায় প্রমাণ করে না। কোম্পানি বাড়ার সঙ্গে আরও গুরুত্বপূর্ণ হওয়া প্রাতিষ্ঠানিক শৃঙ্খলার অংশ। একইভাবে অভিভাবকের সুনাম সন্তানের কাজের স্বাধীন মূল্যায়নের বিকল্প হতে পারে না।

চাকরি উত্তরাধিকার ঘোষণাও [Succession Announcement] নয়। NVIDIA-তে Spencer ও Madison আছেন বলেই তাঁদের কাউকে প্রধান নির্বাহী [Chief Executive] বাছা হয়েছে, তা প্রতিষ্ঠিত হয় না। প্রযুক্তি রাজবংশের [Technology Dynasty] অনুমান নজর কাড়তে পারে, কিন্তু বর্তমান চাকরি ও প্রকাশ্যে নিশ্চিত না-হওয়া ভবিষ্যৎ নিয়োগ জীবনীতে আলাদা রাখতে হয়।

16 শিক্ষার মাধ্যমে ফিরিয়ে দেওয়া

যে প্রতিষ্ঠানগুলি গুরুত্বপূর্ণ থাকে

Huang দম্পতির প্রকাশ্য দানের সঙ্গে শিক্ষার ঘনিষ্ঠ যোগ রয়েছে। Oregon State 2022-এ Jen-Hsun and Lori Huang Collaborative Innovation Complex-এর জন্য তাঁদের 5 কোটি মার্কিন ডলার দান ঘোষণা করে। প্রকল্পটি প্রকৌশল [Engineering], গণনা [Computation] ও বিভিন্ন শাস্ত্রের গবেষণা যুক্ত করে। [21]

Stanford-এর Huang Engineering Center বিবরণে দম্পতির 3 কোটি মার্কিন ডলার অঙ্গীকার নথিভুক্ত। Oneida-র বিবরণে 2019-এ উৎসর্গিত সুবিধার জন্য 20 লাখ মার্কিন ডলারের সমান-অনুদান [Matching Grant] নথিভুক্ত। শৈশব, স্নাতক শিক্ষা ও স্নাতকোত্তর পড়া, Huang-এর জীবনের বিভিন্ন পর্ব এই দানগুলি যুক্ত করে। [22, 3]

সংশ্লিষ্ট প্রতিষ্ঠানের ঘোষণায় বর্ণিত অঙ্গীকার হিসেবেই অঙ্কগুলি পড়তে হয়। প্রতিশ্রুতি [Pledge], সম্পদমূল্যায়ন [Asset Valuation] ও ইতিমধ্যে দেওয়া অর্থ একে অন্যের বদলি নয়। পরিবারের দান NVIDIA-র কর্পোরেট ফাউন্ডেশন [Corporate Foundation] বা কোম্পানির বাণিজ্যিক বিনিয়োগের সঙ্গে গুলিয়ে ফেলাও উচিত নয়।

শিক্ষা-দান কী অর্জন করতে পারে

বিশ্ববিদ্যালয় ভবন একাই শিক্ষার ফল নয়। যেসব মানুষ, উপকরণ ও কর্মসূচিকে সমর্থন করে তার উপর মূল্য নির্ভর করে। সুপরিকল্পিত সুবিধা [Well-designed Facilities] আগে কঠিন সহযোগিতা সম্ভব করতে, উন্নত উপকরণে শিক্ষার্থীদের প্রবেশ দিতে ও গুরুত্বপূর্ণ সমস্যা নিয়ে কাজ করা গবেষকদের আকর্ষণ করতে পারে।

প্রযুক্তি ক্ষেত্রের দাতা ও বিশ্ববিদ্যালয়ের সম্পর্কও চিন্তাশীল পর্যালোচনার যোগ্য। দান অগ্রাধিকার প্রভাবিত করার সঙ্গে সুযোগ বাড়াতে পারে। প্রতিষ্ঠানের একাডেমিক স্বাধীনতা, স্বচ্ছ সুশাসন [Transparent Governance] এবং দানের সঙ্গে কী দায়িত্ব আসে তার পরিষ্কার বোঝাপড়া প্রয়োজন।

তাই সবচেয়ে শক্তিশালী বিবরণ দুই চরম এড়ায়। দান করা সম্পদকে আপনা থেকে নৈতিক উৎকর্ষের প্রমাণ মনে করে না, প্রতিটি দান কেবল আত্মপ্রচারও ধরে না। নথিভুক্ত অঙ্গীকার, গ্রহীতার উদ্দেশ্য এবং প্রমাণ পাওয়া গেলে ফল পরীক্ষা করে।

এই জীবনিতে শিক্ষার সঙ্গে বারবার যোগ গুরুত্বপূর্ণ। Huang-এর নিজের পেশা প্রযুক্তিগত প্রশিক্ষণ [Technical Training] ও বেড়ে ওঠার সুযোগ দেওয়া প্রতিষ্ঠানের উপর নির্ভর করেছে। তাদের সমর্থন ব্যক্তিগত সাফল্য ও অন্যের সুযোগের মধ্যে দৃশ্যমান যোগ গড়ে। সেই যোগ শেষ পর্যন্ত কতটা অর্জন করে, তা সময়ের সঙ্গে প্রমাণের প্রশ্ন।

17 Steve Jobs-এর সঙ্গে Huang-এর তুলনার পক্ষে যুক্তি

উপকারী তুলনা সংজ্ঞা দিয়ে শুরু হয়

Huang-কে জীবিত Steve Jobs বলার বিভিন্ন অর্থ হতে পারে। তার মানে হতে পারে আকর্ষণীয় প্রযুক্তি নেতা [Technology Leader], শিল্পকে নতুন আকার দেওয়া কোম্পানির প্রতিষ্ঠাতা, বা জটিল পণ্যকে [Products] উত্তেজনাপূর্ণ করে তুলতে পারা জনব্যক্তিত্ব। এসব পরীক্ষাযোগ্য তুলনা। আক্ষরিকভাবে একই ব্যক্তিত্ব, কর্মজীবন বা ঐতিহাসিক ভূমিকা বোঝাতে পারে না।

প্রযুক্তিকে [Technology] আরও বড় সম্ভাবনার সঙ্গে জুড়তে পারার ক্ষমতা দিয়ে সবচেয়ে শক্ত যুক্তি শুরু হয়। Jobs ব্যক্তিগত গণনা [Personal Computing] ও মোবাইল যন্ত্রকে [Mobile Devices] মানুষের চাওয়ার মতো অভিজ্ঞতা হিসেবে বোধগম্য করতে সাহায্য করেন। Huang ত্বরিত গণনাকে [Accelerated Computing] এমন পরিকাঠামো [Infrastructure] হিসেবে বোঝাতে সাহায্য করেছেন, যা দিয়ে গবেষক ও ব্যবসা আগে অব্যবহারিক কাজ করতে পারেন।

তুলনা সমন্বয়ের [Integration] উপরও দাঁড়ায়। Apple-এর 2007-এর iPhone ঘোষণায় কড়া নিয়ন্ত্রিত আন্তঃমুখে [Interface] যোগাযোগ, মাধ্যম ও ইন্টারনেটের কাজ মেশানো যন্ত্র [Device] আসে। NVIDIA-র কৌশলে প্রসেসর [Processors], নেটওয়ার্কিং [Networking] ও সফটওয়্যার [Software] উন্নয়নকারী [Developers] ও সংগঠনের মঞ্চে [Platforms] যুক্ত হয়। দুক্ষেত্রেই অংশগুলি একসঙ্গে কীভাবে কাজ করে তার উপর গ্রাহকের লাভ নির্ভর করে। [23]

ঐকমত্যের আগে প্রত্যয়

দুই কর্মজীবনেই প্রশংসিত হওয়ার আগে অনিশ্চিত মনে হওয়া সিদ্ধান্ত আছে। Jobs-এর নিজের Stanford ভাষণে প্রথমে পরিষ্কার পেশাপরিকল্পনার অংশ না-থাকা অভিজ্ঞতায় পরে পাওয়া মূল্য বর্ণিত; কোম্পানি থেকে দূরে থাকার পরে Apple-এ ফেরেন। গভীর শিক্ষণ [Deep Learning] বাণিজ্যিকভাবে ব্যাপক গুরুত্বপূর্ণ হওয়ার আগে Huang CUDA-তে বিনিয়োগ চালান। [24, 9]

সাদৃশ্য হল না তাঁরা নিখুঁতভাবে ভবিষ্যৎ দেখতে পারতেন। প্রযুক্তি [Technology] আরও উপকারী হতে পারে এমন দৃষ্টির চারপাশে বড় প্রচেষ্টা সাজাতে প্রস্তুত ছিলেন, সেটিই মিল। পণ্য সিদ্ধান্ত [Product Decisions], বিনিয়োগ ও অন্যের কাজ বদলালেই দৃষ্টির ব্যবহারিক তাৎপর্য জন্মায়।

পরিচালন সম্পদ [Operating Asset] হিসেবে প্রকাশ্য গল্প বলা

Jobs-এর পণ্য উপস্থাপনা [Product Presentations] Apple-এর বাণিজ্যিক পরিচয়ের অংশ হয়। Huang-এর উপস্থাপনাও তাঁকে NVIDIA-র কৌশলের জনসম্মুখের ব্যাখ্যাকার করে। দুজনের সঙ্গে যুক্ত পোশাক স্মরণীয়, কিন্তু তুলনার দুর্বল ভিত্তি। প্রযুক্তিগত নির্বাচনকে [Technical Choices] সুসংগত গল্পে রূপ দেওয়ার ভূমিকা বেশি শক্ত মিল।

সংগঠনকে এক দিকে সমন্বয় করতে এটি সাহায্য করতে পারে। কর্মীরা বোঝেন পণ্যের [Product] উদ্দেশ্য কী। গ্রাহক নিজের পরিকল্পনায় তার স্থান দেখেন। অংশীদার পরিপূরক কাজে [Complementary Work] বিনিয়োগের কারণ পান। গল্প বলা তাই বাস্তবায়নকে [Execution] শুধু সাজায় না, তাতে অবদান রাখতে পারে।

কিন্তু বোঝানোর ক্ষমতা ঝুঁকিও আনে। শ্রোতা নেতার আত্মবিশ্বাসকেই প্রমাণ ভাবতে শুরু করতে পারেন। ভালো উপস্থাপিত ঘোষণা অসমাধিত প্রকৌশল [Engineering] বা বাণিজ্যিক প্রশ্ন ঢাকতে পারে। প্রশংসা পাঠককে প্রশ্নে আরও মনোযোগী করবে, কম নয়।

সমর্থনযোগ্য ব্যাখ্যা

AI যুগের Steve Jobs বাক্যাংশ কৌশলগত প্রত্যয়, সমন্বয় [Integration] ও প্রকাশ্য যোগাযোগ মেলানো প্রভাবশালী প্রতিষ্ঠাতার সম্পাদকীয় রূপক হিসেবে সমর্থন করা যায়। এই মাত্রাগুলি স্পষ্টভাবে বললে তা সবচেয়ে শক্তিশালী হয়।

এই মীমাংসারও সীমা প্রয়োজন। AI-এর বহু নির্মাতা, একক মালিক নেই। Huang-এর গুরুত্ব প্রতিটি মডেল উন্নয়নকারী [Model Developer], গবেষক বা প্রতিদ্বন্দ্বী হার্ডওয়্যার নকশাকারকে [Hardware Designer] তাঁর গল্পের সহায়ক চরিত্র করে না। তাঁর পণ্য [Products] বা সিদ্ধান্ত Apple-এর একই দীর্ঘমেয়াদি সাংস্কৃতিক স্থান পাবে, তাও তুলনা প্রতিষ্ঠা করে না।

পক্ষে যুক্তি তাই যথেষ্ট কিন্তু সীমিত। অন্যদের নতুন প্রযুক্তিগত দিক [Technological Direction] চেনা ও গ্রহণে সাহায্য করা নেতা হিসেবে Huang-কে Jobs-এর সঙ্গে তুলনা করা যায়। তুলনা সমান চরিত্রের সনদ বা অভিন্ন উত্তরাধিকারের ভবিষ্যদ্বাণী নয়।

18 জীবিত Steve Jobs আখ্যার বিপক্ষে যুক্তি

প্রযুক্তিতে [Technology] ভিন্ন পথ

Jobs ও Huang ভিন্ন প্রস্তুতি দিয়ে নেতৃত্বে পৌঁছন। Jobs Reed College ছাড়েন এবং পরে প্রচলিত ডিগ্রির বাইরের বিষয়ে অনুসন্ধানের প্রভাব বলেন। Huang অর্ধপরিবাহী অভিজ্ঞতা [Semiconductor Experience] গড়তে গড়তে বৈদ্যুতিক প্রকৌশলের [Electrical Engineering] স্নাতক ও স্নাতকোত্তর দুই ডিগ্রি শেষ করেন। [24, 4]

এই পার্থক্যকে অন্তর্দৃষ্টি ও শিক্ষার প্রতিযোগিতা করা উচিত নয়। Jobs অত্যন্ত সক্ষম প্রকৌশলীদের [Engineers] সঙ্গে কাজ করেন এবং বাস্তবায়নের [Implementation] গুরুত্ব বোঝেন। Huang-এর সাফল্যেও যোগ্যতায় নামানো যায় না এমন বিচার, যোগাযোগ ও কল্পনা লাগে। প্রযুক্তিগত নেতৃত্বের [Technological Leadership] একটিমাত্র শিক্ষাগত ছক নেই, সেটিই কথা।

ভিন্ন গ্রাহক ও দৃশ্যমানতা

Apple-এর বিখ্যাততম পণ্যগুলি [Products] কোম্পানির সিদ্ধান্ত সরাসরি ভোক্তার হাতে রাখে। যন্ত্র [Device] ব্যবহারের অভিজ্ঞতা মূল্যপ্রস্তাবের [Value Proposition] কেন্দ্রে। NVIDIA-র AI ব্যবসার অনেকটা অন্য সংগঠনকে পরিকাঠামো [Infrastructure] দেয়, যাদের পণ্যে [Products] সম্পূর্ণ অন্য ব্র্যান্ড [Brands] থাকতে পারে।

এই পার্থক্য বিক্রিপ্রক্রিয়া [Sales Process], প্রকৌশল অগ্রাধিকার [Engineering Priorities] ও সাফল্যের অর্থকে প্রভাবিত করে। ভোক্তা মিনিটে ঠিক করতে পারেন আন্তঃমুখ [Interface] ভালো লাগে। কোনও উদ্যোগের [Enterprise] থ্রুপুট [Throughput], সফটওয়্যার সামঞ্জস্য [Software Compatibility], স্থাপনের ঝুঁকি [Deployment Risk] ও মোট খরচ [Total Cost] মাস ধরে মাপতে হতে পারে। Huang-কে প্রযুক্তিগত মূল্যায়ক [Technical Evaluators] ও প্রাতিষ্ঠানিক সিদ্ধান্তকারী দুপক্ষকেই বোঝাতে হয়।

পার্থক্য চূড়ান্ত নয়। NVIDIA-র বড় ভোক্তা গেমিং [Consumer Gaming] ইতিহাস আছে; Apple-ও উন্নয়নকারী [Developers] ও পরিকাঠামোনির্ভর [Infrastructure]। তবু প্রধান কেন্দ্র যথেষ্ট আলাদা, তাই Huang-কে স্রেফ আরেক Jobs বলা ব্যাখ্যার চেয়ে বেশি আড়াল করতে পারে।

নিয়ন্ত্রণের ভিন্ন রূপ

Apple-এর সমন্বিত পণ্য [Integrated Products] প্রায়ই অন্তিম ব্যবহারকারীর অভিজ্ঞতায় [End-user Experience] ঘনিষ্ঠ নিয়ন্ত্রণ রাখে। NVIDIA-র মঞ্চকে [Platform] উন্নয়নকারী [Developers], যন্ত্রনির্মাতা [Equipment Makers], ক্লাউড সরবরাহকারী [Cloud Providers] ও গবেষণা সমাজের বিস্তৃত জালও [Network] মানাতে হয়। NVIDIA নিজে নকশা [Design] করে না এমন বহু জিনিস অন্যেরা গড়ার উপর সাফল্য নির্ভর করে।

একটি সরল বন্ধ-বনাম-খোলা [Closed-versus-open] তফাত বানানো ভুল। NVIDIA-র খোলা প্রকল্পের [Open Projects] সঙ্গে মালিকানাধীন সফটওয়্যার [Proprietary Software] ও হার্ডওয়্যার আন্তঃমুখ [Hardware Interfaces] আছে। Apple গুরুত্বপূর্ণ নিয়ন্ত্রণবিন্দু [Control Points] রেখেও বড় তৃতীয়-পক্ষ উন্নয়ন [Third-party Development] সম্ভব করেছে। কোন ব্যবসা কোথায় কেন সীমা টানে সেই তুলনা বেশি উপকারী।

প্রতিষ্ঠিত কোম্পানির সঙ্গে ভিন্ন সম্পর্ক

Jobs 1985-এ Apple ছাড়েন এবং 1990-এর দশকে NeXT অধিগ্রহণের [Acquisition] পরে ফেরেন। Pixar সহ Apple-এর বাইরেও গুরুত্বপূর্ণ কাজ ছিল তাঁর। Huang প্রতিষ্ঠা থেকে নিরবচ্ছিন্ন NVIDIA নেতৃত্ব দিয়েছেন। [24, 25]

ধারাবাহিকতা প্রাতিষ্ঠানিক স্মৃতি ও দীর্ঘমেয়াদি অঙ্গীকার বাঁচাতে পারে। অনুপস্থিতির পরে ফেরা আরও মৌলিক পুনর্মূল্যায়ন আনতে পারে। কোনও পথ স্বতঃই ভালো নেতৃত্ব দেয় না। প্রতিষ্ঠাতা শেখেন, কর্তৃত্ব পান ও কৌশল বদলান এমন আলাদা অবস্থা তৈরি করে।

মঞ্চের প্রদর্শন থেকে ব্যক্তিত্ব অনুমান করা যায় না

Jobs-কে কঠোর ও Huang-কে দয়ালু, বা Jobs-কে শিল্পমনস্ক ও Huang-কে বিশ্লেষণাত্মক বলা লোভনীয়। এমন পরিপাটি বিপরীত অবিশ্বস্ত। সাক্ষাৎকার, কর্মীদের বিবরণ ও জীবনী সময়, প্রেক্ষাপট এবং বিষয়ের সঙ্গে পর্যবেক্ষকের সম্পর্কের তৈরি আংশিক দৃশ্য দেয়।

দায়িত্বশীল পদ্ধতি নথিভুক্ত আচরণের তুলনা: সিদ্ধান্ত কীভাবে হল, পণ্য [Product] বদলাল, ভুল মানা হল, বা তথ্য সংগঠনে চলল। ভিতরের চরিত্রের বড় দাবিতে কয়েক উদ্ধৃতি বা সফল মূল বক্তৃতার চেয়ে বেশি প্রমাণ চাই।

বাণিজ্যিক সাফল্যকে প্রতিটি কঠিন আচরণের ন্যায্যতার প্রমাণ ভাবায় নৈতিক ফাঁদও আছে। মানুষের প্রতি খারাপ আচরণ সত্ত্বেও পণ্য [Product] সফল হতে পারে, তার কারণে নয়। বিখ্যাত নির্বাহীর নাটকীয়তম কাহিনি নকল করে আগ্রহী প্রতিষ্ঠাতার একই বাণিজ্যিক ফল আশা করা উচিত নয়।

রায়

একজনকে অন্যজন বানানোর বদলে তফাত স্পষ্ট করলে Jobs-এর পাশে Huang সবচেয়ে বোধগম্য। জীবিত Steve Jobs স্পষ্ট চিহ্নিত রূপক হিসেবে সমর্থনযোগ্য, তথ্যগত বর্ণনা হিসেবে দুর্বল। প্রযুক্তি শিল্পের [Technology Industry] Jobs-এর একক উত্তরসূরি চাই বোঝালে বিশেষ বিভ্রান্তিকর।

আরও সঠিক সিদ্ধান্ত: Jensen Huang স্বতন্ত্র দূরদর্শী নেতা, যাঁর প্রভাব Steve Jobs-এর সঙ্গে তুলনা ডাকে। Jobs মানুষ ও ব্যক্তিগত প্রযুক্তির [Personal Technology] সম্পর্ক নতুন করতে সাহায্য করেন। Huang সেই গণনা মঞ্চ [Computing Platform] গড়তে সাহায্য করেন যার মাধ্যমে বহু সংগঠন AI বানাচ্ছে। পণ্য [Products], বাজার ও প্রাতিষ্ঠানিক ইতিহাস আলাদা হলেও নেতৃত্বের পদ্ধতিতে অর্জনের মিল।

অধ্যায় বা প্রবন্ধের শিরোনামে একজন জীবিত Steve Jobs প্রশ্ন হিসেবে চলতে পারে। গুরুতর জীবনীর সিদ্ধান্তে Huang নিজের নামেই বোঝার যোগ্য।

19 ক্ষমতা, নির্ভরতা ও দায়িত্ব

কেন্দ্রীয় সরবরাহকারী কেন্দ্রীয় ব্যাংক নয়

NVIDIA-র গণনা পণ্যে [Computing Products] পৌঁছনো কৌশলগতভাবে গুরুত্বপূর্ণ হয়ে ওঠায় কখনও রূপকে তাকে AI-এর কেন্দ্রীয় ব্যাংক বলা হয়। রূপকটি নির্ভরতা ও প্রভাব ধরে, কিন্তু শিল্পটি কীভাবে কাজ করে তার আক্ষরিক বিবরণ নয়।

কেন্দ্রীয় ব্যাংকের যে জনদায়িত্ব ও মুদ্রাবিষয়ক ক্ষমতা [Monetary Powers] থাকে, NVIDIA-র তা নেই। NVIDIA গ্রাহক, প্রতিযোগী, সরবরাহকারী ও সরকারের মধ্যে কাজ করা বাণিজ্যিক কোম্পানি। তা AI-এর মুদ্রা ছাড়ে না, ক্ষেত্রটিকে তারল্যের [Liquidity] নিশ্চয়তা দেয় না, স্থিতি ফেরানোর অসীম সামর্থ্যও রাখে না।

NVIDIA-তে বড় ব্যাঘাত গ্রাহক ও বৃহত্তর বাজারে গুরুতর ফল আনতে পারে। তা থেকে প্রতিটি AI কোম্পানি আপনা থেকে ভেঙে পড়বে এমন সিদ্ধান্ত আসে না। বর্তমান যন্ত্র থেকে যাবে, বিকল্প সরবরাহকারী থাকবে, সংগঠনগুলি নানা ভাবে সাড়া দেবে। ক্ষতির মাপ ও সময় ব্যাঘাতের ধরনের উপর নির্ভর করবে।

এই তফাত গুরুত্বপূর্ণ, কারণ নাটকীয় রূপক সিদ্ধান্ত নেওয়ার ভ্রান্ত মডেল [Model] হতে পারে। পরিকাঠামো [Infrastructure] পরিকল্পনাকারী কোম্পানির কেন্দ্রীভবনের ঝুঁকি [Concentration Risk], চুক্তির দায় [Contractual Obligations], সফটওয়্যার বহনযোগ্যতা [Software Portability] ও আপৎকালীন বিকল্প [Contingency Options] দেখা উচিত। নিখুঁত নিরাপত্তা বা অনিবার্য ব্যবস্থাগত পতন [Systemic Collapse] ধরে নেওয়ার চেয়ে এই প্রশ্নগুলি বেশি উপকারী।

সরবরাহশৃঙ্খল [Supply Chains] ও ভূরাজনীতি

উন্নত চিপ [Advanced Chips] বিশেষায়িত আন্তর্জাতিক সরবরাহশৃঙ্খলের [Supply Chain] উপর নির্ভর করে। নকশা [Design], নির্মাণ [Fabrication], স্মৃতি [Memory], প্যাকেজিং [Packaging], যন্ত্র ও ডেটা-কেন্দ্র নির্মাণ [Data-centre Construction] নানা সংগঠন ও অধিক্ষেত্রে বিভক্ত। NVIDIA-র সাফল্য এই নির্ভরতা সরায় না। তার বার্ষিক দাখিলে [Annual Filings] সরবরাহ, গ্রাহক, নিয়ন্ত্রণ [Regulation] ও রপ্তানি নিয়ন্ত্রণের [Export Controls] ঝুঁকি বর্ণিত আছে। [6]

রপ্তানি বিধিনিষেধ কোনও বাজারে কোন পণ্য [Products] বিক্রি যাবে তা বদলাতে পারে। উৎপাদন [Manufacturing] বা প্যাকেজিং [Packaging] সীমা সরবরাহ কমাতে পারে। হার্ডওয়্যার [Hardware] তৈরি থাকলেও শক্তির প্রাপ্যতা স্থাপনা [Installations] পিছিয়ে দিতে পারে। এগুলি প্রান্তিক বিষয় নয়: বাণিজ্যিক সুযোগ ও কৌশলগত নির্বাচন দুইই গড়তে পারে।

নেতৃত্বের জন্য অর্থ হল, প্রযুক্তিগত দৃষ্টি [Technical Vision] প্রাতিষ্ঠানিক বিচারের সঙ্গে থাকতে হবে। আরও গণনাক্ষমতা [Computing Capacity] গড়ার প্রতিশ্রুতিতে সরবরাহকারী, বিদ্যুৎ, অর্থ ও নিয়মানুবর্তিতার [Compliance] বিশ্বাসযোগ্য পরিকল্পনা প্রয়োজন। অন্য স্বার্থসংশ্লিষ্টরা কেবল কর্মক্ষমতা [Performance] নয়, নিরাপত্তা বা পরিবেশের দিক থেকেও বিচার করতে পারেন তা মানতে হয়।

নভেম্বর 2026-এ সুশাসনের [Governance] অমীমাংসিত পরীক্ষা

8 নভেম্বর 2026-এ Huang বিদেশি গোয়েন্দা প্রচেষ্টার লক্ষ্য ছিলেন এমন সংবাদ প্রকাশের পরে NVIDIA পরিচালনা পর্ষদ [Board] স্বাধীন তদন্ত ঘোষণা করে। পর্ষদ বলে, তখন জাতীয় নিরাপত্তা বা কোম্পানির গোপন তথ্য ক্ষতিগ্রস্ত হয়েছে বিশ্বাস করার কারণ নেই; Huang ও তাঁর নেতৃত্ব দলের উপর আস্থা জানায় এবং তিনি পর্যালোচনায় সমর্থন ও সহযোগিতা করবেন বলে। [26]

10 নভেম্বর স্বাধীন পরিচালকেরা সাবেক ভারপ্রাপ্ত US Attorney Joon H. Kim ও Wachtell, Lipton, Rosen & Katz-কে তদন্তের জন্য নিয়োগের ঘোষণা দেন। এই সংস্করণের শেষ তারিখে বিবৃতিগুলি তদন্ত ও তার তত্ত্বাবধান প্রতিষ্ঠা করে, অন্যায় বা নির্দোষতার সম্পূর্ণ সিদ্ধান্ত নয়। [27]

জনস্বার্থের বিষয় হল সুশাসন [Governance] ও গুরুত্বপূর্ণ কোম্পানি রক্ষা। তা বোঝাতে সতর্ক জীবনীকে অপ্রমাণিত ঘনিষ্ঠ অভিযোগ পুনরাবৃত্তি করতে হয় না। ফল কী হতেই হবে তার অনুমানের বদলে স্বাধীনতা, পরিধি, প্রমাণ ও চূড়ান্ত সিদ্ধান্ত দিয়ে পর্ষদের তদন্ত বিচার করা উচিত।

ঘটনাটি সাধারণ নীতিও স্পষ্ট করে: দূরদর্শী প্রতিষ্ঠাতাও দায়বদ্ধ থাকেন। প্রযুক্তিগত অর্জন [Technical Achievement], শেয়ারধারীর সম্পদ [Shareholder Wealth] বা জনসম্মান তাঁকে পরীক্ষার উপরে রাখে না। একই সঙ্গে অভিযোগ রায় নয়। ন্যায্যতার জন্য দুটো বক্তব্যই অক্ষত রাখা প্রয়োজন।

20 পরের অধ্যায় এখনও লেখা হয়নি

ভৌত AI [Physical AI] ও বাস্তব জগতের সীমানা

NVIDIA-র প্রকাশ্য মঞ্চগুলি [Platforms] ক্রমশ রোবোটিক্স [Robotics], অনুকরণ [Simulation] ও ভৌত AI [Physical AI] নিয়ে কাজ করছে। Omniverse অনুকরণসংশ্লিষ্ট কাজের প্রবাহ [Simulation-related Workflows] সমর্থন করে; Isaac রোবোটিক্সের [Robotics] সঙ্গে সংশ্লিষ্ট; সম্পর্কিত মডেল [Model] ও ডেটা সরঞ্জাম [Data Tools] উন্নয়নকারীদের [Developers] বাস্তব জগতের সঙ্গে ক্রিয়াশীল ব্যবস্থার [Systems] প্রশিক্ষণ [Training] ও মূল্যায়নে [Evaluation] সাহায্য করতে চায়। কোম্পানির বর্তমান পণ্য জীবনী [Product Biographies] ও ঘোষণায় এই দিক প্রতিফলিত। [19, 20]

উত্তর তৈরি থেকে যন্ত্র নিয়ন্ত্রণে গেলে ভুলের ফল বদলায়। ভুল অনুচ্ছেদ বিভ্রান্ত করতে পারে; ভুল রোবট [Robot] চলন যন্ত্র নষ্ট বা কাউকে আহত করতে পারে। অনুকরণ [Simulation] মূল্যবান হলেও প্রতিটি বাস্তব পরিবেশে নিজেই নিরাপদ আচরণ প্রতিষ্ঠা করতে পারে না।

তাই বাণিজ্যিক সুযোগের সঙ্গে পরীক্ষা [Testing], নজরদারি [Monitoring], নিরাপত্তা ও স্পষ্ট দায়িত্বের দাবি আসে। সবচেয়ে সক্ষম মডেল [Model] আপনা থেকে সবচেয়ে নিরাপদ পরিচালন ব্যবস্থা [Operational System] নয়। সেন্সর [Sensors], কার্যচালক [Actuators], মানুষের প্রক্রিয়া ও বিকল্প পদ্ধতি [Fallback Mechanisms] সবই ফলে অবদান রাখে।

মঞ্চ [Platforms] নির্মাণে Huang-এর দীর্ঘদিনের জোর এখানে প্রাসঙ্গিক হতে পারে। উন্নয়নকারীদের [Developers] নির্ভরযোগ্য অনুকরণ [Simulation], প্রশিক্ষণ [Training] ও স্থাপন সরঞ্জাম [Deployment Tools] প্রয়োজন হলে স্তরগুলি যুক্ত করা সরবরাহকারী মূল্যবান হতে পারেন। তৈরি প্রয়োগগুলি [Applications] প্রতিশ্রুত সুবিধা দেয় কি না তা প্রমাণের প্রশ্নই থাকে, মঞ্চের [Platform] উচ্চাকাঙ্ক্ষার পরিণাম নয়।

উদ্যোক্তারা জীবন থেকে কী নিতে পারেন

প্রথম পাঠ হল আত্মবিশ্বাসকে বিকল্প করার আগে দক্ষতা গড়া। Huang-এর কর্মজীবন শিক্ষা ও শিল্পে বছরের পর বছর কাজের উপর দাঁড়ানো। সাহস গুরুত্বপূর্ণ, কিন্তু প্রযুক্তিগত জ্ঞান [Technical Knowledge] ও পেশাগত সম্পর্ক তার সমর্থন ছিল।

দ্বিতীয় পাঠ হল সমস্যাকে বিশেষ সমাধান থেকে আলাদা করা। NVIDIA-র প্রথম স্থাপত্য [Architecture] ভুল হলেও ত্বরিত গণনা [Accelerated Computing] গুরুত্বপূর্ণ সুযোগ থাকতে পারে। এই তফাত করতে না পারলে গ্রাহক ও মান [Standards] অন্যত্র চলে যাওয়ার পরও প্রতিষ্ঠাতা নকশা [Design] রক্ষার ঝুঁকি নেন।

তৃতীয় পাঠ হল অন্যের মূল্য তৈরি সহজ করা। NVIDIA-র নিজের পণ্যের [Products] বাইরেও সম্ভব করা কাজের মধ্যে CUDA-র গুরুত্ব আংশিক নিহিত। পরীক্ষার কঠিনতা কমিয়ে ও সফল কাজ পুনর্ব্যবহারযোগ্য করে মঞ্চ [Platforms] বাড়তে পারে।

চতুর্থ পাঠ হল শেখার আর্থিক অবকাশ রাখা। নগদ ছাড়া আশাপ্রদ ধারণা অনির্দিষ্টকাল বাঁচতে পারে না। পরের মূল্য দেখা দেওয়ার আগেই গুরুত্বপূর্ণ কোম্পানি হারিয়ে যাওয়ার কত কাছে আসতে পারে, Sega-র উদ্ধার তা দেখায়। অন্যের সাহায্যও নির্ণায়ক হতে পারে তা দেখায়।

পঞ্চম পাঠ হল নেতৃত্ব হস্তান্তরযোগ্য করা। প্রতিষ্ঠাতার বিচারনির্ভর কোম্পানির অন্য বিচারক্ষমতা গড়া, জ্ঞান রক্ষা ও সিদ্ধান্ত চ্যালেঞ্জ করার ব্যবস্থা প্রয়োজন। অপরিহার্য ব্যক্তিত্বের চেয়ে স্থায়ী প্রতিষ্ঠান বড় অর্জন।

সিদ্ধান্ত দিয়ে জীবন বোঝা

Jensen Huang-এর গল্প আকর্ষণীয়, কারণ তাতে বাস্তব অনিশ্চয়তা আছে। একটি শিশু দেশ পার হয়। ছাত্র প্রকৌশলী [Engineer] হন। প্রকৌশলী [Engineer] প্রতিষ্ঠাতা হন। ব্যর্থ অনুমান, বাণিজ্যিক সাফল্য ও প্রোগ্রামিং মঞ্চে [Programming Platform] দীর্ঘ বিনিয়োগের মধ্য দিয়ে প্রতিষ্ঠাতা কোম্পানিকে চালান, যা NVIDIA-কে AI-এর কেন্দ্রে আনতে সাহায্য করে।

অনিবার্য না বানিয়েও এই ক্রমের প্রশংসা করা যায়। প্রতিটি ধাক্কাকে দেউলিয়াত্ব [Bankruptcy] বা প্রতিটি সাফল্যকে নিঃসঙ্গ প্রতিভার প্রমাণ না করেও পড়া যায়। বিচার, প্রস্তুতি, সহকর্মী, প্রতিষ্ঠান ও পরিস্থিতির মিথস্ক্রিয়া থেকে সবচেয়ে উপকারী শিক্ষা আসে।

Steve Jobs-এর সঙ্গে তুলনা অর্জনের এক অংশ আলোকিত করে। উভয় নেতা প্রযুক্তিগত পরিবর্তনে [Technological Change] জনভাষা দিয়েছেন এবং কী বানানো যায় তার উচ্চাকাঙ্ক্ষী দৃষ্টিতে কোম্পানি সাজিয়েছেন। তবু তুলনা তাঁর পরিচয়ের বিকল্প হওয়ার আগে থামলে Huang-এর স্বতন্ত্র অবদান আরও স্পষ্ট।

বিশ্ব আরেক Steve Jobs পেয়েছে বলে তিনি গুরুত্বপূর্ণ নন। যে কাজ সংগঠিত করতে তিনি সাহায্য করেছেন তা অন্য বহু মানুষের কী গণনা [Compute], গবেষণা ও নির্মাণ করা সম্ভব বদলেছে বলে তিনি গুরুত্বপূর্ণ। শেষ মূল্যায়ন সামনে থাকা ঘটনায় নির্ভর করবে: AI প্রয়োগের [Applications] মূল্য, কোম্পানির স্থিতিস্থাপকতা, নেতৃত্বের আচরণ এবং নিজস্ব বৃদ্ধির বাইরের উদ্দেশ্যেও প্রযুক্তির [Technology] সেবা দেওয়ার ক্ষমতা।

কালপঞ্জি

প্রযুক্তিগত শব্দকোষ [Technical Glossary]

ত্বরিত গণনা [Accelerated Computing]। উপযুক্ত কাজের ভার [Workloads] আরও দক্ষভাবে করতে সাধারণ-উদ্দেশ্য গণনার [General-purpose Computing] পাশাপাশি বিশেষ প্রসেসর [Specialised Processors] ব্যবহার।

AI মডেল [AI Model]। গণনামূলক ব্যবস্থা [Computational System], যার পরামিতি [Parameters] ও গঠন পূর্বানুমান [Predictions], শ্রেণিবিন্যাস [Classifications] বা তৈরি ফল [Generated Outputs] দিতে ব্যবহৃত হয়।

ASIC। বিশেষ ধরনের কাজের জন্য তৈরি প্রয়োগ-নির্দিষ্ট সমন্বিত বর্তনী [Application-specific Integrated Circuit]।

CPU। কেন্দ্রীয় প্রক্রিয়াকরণ একক [Central Processing Unit]। বিভিন্ন কাজ [Operations] ও নিয়ন্ত্রণকার্যের [Control Tasks] উপযোগী সাধারণ-উদ্দেশ্য প্রসেসর [General-purpose Processor]।

CUDA। সমর্থিত NVIDIA GPU-তে ত্বরিত গণনার [Accelerated Computing] জন্য NVIDIA-র মঞ্চ [Platform] ও প্রোগ্রামিং মডেল [Programming Model]।

ডেটা কেন্দ্র [Data Centre]। গণনা [Computing], সংরক্ষণ [Storage] ও নেটওয়ার্কিং [Networking] যন্ত্রের স্থাপনা, চালানোর প্রয়োজনীয় বিদ্যুৎ, শীতলীকরণ [Cooling] ও পরিচালন ব্যবস্থা [Operational Systems] সহ।

গভীর শিক্ষণ [Deep Learning]। বহু প্রক্রিয়াকরণ স্তরযুক্ত [Processing Layers] স্নায়ুজাল [Neural Networks] ব্যবহার করে যন্ত্রশিক্ষণ [Machine Learning]।

ডিজিটাল যমজ [Digital Twin]। বিশ্লেষণ, নজরদারি [Monitoring] বা অনুকরণে [Simulation] ব্যবহার করা বাস্তব ব্যবস্থার [Physical System] ডিজিটাল প্রতিরূপ [Digital Representation]। প্রাসঙ্গিক বাস্তব আচরণ কত নির্ভুলভাবে উপস্থাপন করে তার উপর উপকারিতা নির্ভর করে।

GPU। গ্রাফিক্স প্রক্রিয়াকরণ একক [Graphics Processing Unit]। অত্যন্ত সমান্তরাল কাজের [Highly Parallel Work] জন্য তৈরি প্রসেসর [Processor], গ্রাফিক্স [Graphics] ও বহু সংখ্যাগত গণনা প্রয়োগে [Numerical Computing Applications] ব্যবহৃত।

অনুমান [Inference]। নতুন ইনপুট [Input] থেকে ফল [Output] পেতে প্রশিক্ষিত মডেল [Trained Model] চালানো।

আন্তঃসংযোগ [Interconnect]। উপাদান [Components] বা ব্যবস্থার [Systems] মধ্যে যোগাযোগসূত্র [Communication Link]। তার ব্যান্ডউইথ [Bandwidth] ও বিলম্ব [Latency] সমান্তরাল গণনার [Parallel Computing] কর্মক্ষমতায় [Performance] বড় প্রভাব ফেলতে পারে।

বৃহৎ ভাষা মডেল [Large Language Model]। ভাষা প্রক্রিয়াকরণ [Process] বা তৈরি করতে প্রচুর লেখা ও সংশ্লিষ্ট ডেটায় [Data] প্রশিক্ষিত মডেল [Model]। সাবলীলতা তথ্যগত নির্ভুলতার নিশ্চয়তা নয়।

সমান্তরাল গণনা [Parallel Computing]। কাজকে একই সময়ে চালানো [Execute] যায় এমন অংশে [Operations] ভাগ করা।

মঞ্চ [Platform]। প্রযুক্তি [Technologies] ও আন্তঃমুখের [Interfaces] সমষ্টি, যার উপর অন্যেরা প্রয়োগ [Applications] বা সেবা [Services] গড়তে পারেন।

Tensor Core। AI ও অন্য সংখ্যাগত কাজের ভারে [Numerical Workloads] জরুরি নির্বাচিত ম্যাট্রিক্স কাজ [Matrix Operations] দ্রুত করা বিশেষ হার্ডওয়্যার এককের [Specialised Hardware Units] NVIDIA-প্রদত্ত নাম।

প্রশিক্ষণ [Training]। ডেটা [Data] ও সর্বোত্তমকরণ লক্ষ্য [Optimisation Objective] দিয়ে মডেলের পরামিতি [Parameters] বদলানোর প্রক্রিয়া।

ট্রান্সফর্মার [Transformer]। মনোযোগ পদ্ধতিভিত্তিক [Attention Mechanisms] স্নায়ুজাল স্থাপত্য [Neural-network Architecture], ভাষা ও অন্য মডেলে [Models] ব্যাপক ব্যবহৃত।

প্রমাণ পাঠ

ক্রমাঙ্কিত সূত্র তথ্যগত দাবির উৎস চিহ্নিত করে। নেতৃত্ব, কৌশল ও তুলনার পার্শ্ববর্তী আলোচনা বিশ্লেষণ, আলোচ্য ব্যক্তিদের উদ্ধৃতি নয়। প্রাতিষ্ঠানিক ইতিহাস ডিগ্রি, দান ও সরকারি ভূমিকা প্রতিষ্ঠা করে। নিয়ন্ত্রক দাখিল [Regulatory Filings] কোম্পানির ঘোষিত প্রকাশ [Disclosures] প্রতিষ্ঠা করে। সাক্ষাৎকার বক্তার স্মৃতি ও দৃষ্টিভঙ্গি রাখে। পণ্য বিজ্ঞপ্তি [Product Releases] ঘোষণা প্রতিষ্ঠা করে, কর্মক্ষমতা দাবির [Performance Claims] মূল শর্ত অপরিবর্তিত থাকে।

প্রায় ব্যর্থতা আনুষ্ঠানিক দেউলিয়াত্ব [Formal Bankruptcy] নয়। পণ্য ঘোষণা [Product Announcement] সম্পূর্ণ গ্রাহক স্থাপন [Deployment] নয়। পরিবারের চাকরি উত্তরাধিকার নিয়োগ [Succession Appointment] নয়। তদন্ত সিদ্ধান্ত নয়। জীবন সঠিক বুঝতে তফাতগুলি অপরিহার্য।

Wikipedia ও দেওয়া পরিবার-কর্মজীবনের নোট গবেষণার বিষয় খুঁজতে সাহায্য করে। গ্রন্থপঞ্জি বিবরণে ব্যবহৃত মূল প্রকাশ্য সূত্র দেয়। সংস্করণের তারিখ জ্ঞানের সীমানা, পরে সব সিদ্ধান্ত নিশ্চিত হবে এমন ভবিষ্যদ্বাণী নয়।

সূত্র ও আরও পাঠ

পাঠে সূত্রগুলি ক্রমাঙ্কিত। লিংক মূল প্রকাশকের কাছে যায়। নিচে প্রকাশের তারিখ না থাকলে 11 নভেম্বর 2026-এ সূত্র দেখা হয়েছে।

1. Jensen Huang

Wikipedia. 11 নভেম্বর 2026-এ দেখা পরিবর্তনশীল সূত্রপাতা; দিকনির্দেশে ব্যবহার, বিতর্কিত বিষয়ে একমাত্র কর্তৃত্ব নয়।

Read source

2. Only In America Jensen Huang on Vision Risk and the GPU

Hoover Institution. Condoleezza Rice-এর সঙ্গে সাক্ষাৎকার; পরিবার, অভিবাসন, শিক্ষা ও কাজের নিজের স্মৃতিচারণ।

Read source

3. Former Student Gift Paves the Way for New Facility

Oneida Baptist Institute. ছাত্রাবাস, প্রাথমিক স্কুলে পড়া ও Huang Hall দানের প্রাতিষ্ঠানিক বিবরণ।

Read source

4. Jen Hsun Huang Engineering Hall of Fame 2013

Oregon State University. ডিগ্রির তারিখ, প্রথম শিক্ষা, টেবিল টেনিস ও Lori Mills-এর সঙ্গে পরিচয়।

Read source

5. Jensen Huang

Stanford University School of Engineering. 1992-এর বৈদ্যুতিক প্রকৌশল স্নাতকোত্তর ডিগ্রির [Electrical-engineering Master’s Degree] নিশ্চিতকরণে প্রাতিষ্ঠানিক জীবনী।

Read source

6. NVIDIA Form 10 K for the fiscal year ended 26 January 2025

US Securities and Exchange Commission. নির্বাহীর চাকরির কালক্রম ও কোম্পানির ঝুঁকি প্রকাশ [Risk Disclosures]।

Read source

7. Our History Innovations Over the Years

NVIDIA. কোম্পানির কালক্রম; পণ্য দাবি [Product Claims] কোম্পানির বর্ণনা হিসেবেই বিবেচিত।

Read source

8. Nvidia An Overnight Success Story 30 Years in the Making

Sequoia Capital. Huang, Mark Stevens ও অন্যদের Crucible Moments সাক্ষাৎকার; টিকে থাকা ও মঞ্চের [Platform] ফিরে-দেখা বিবরণ।

Read source

9. NVIDIA CEO Tells NTU Grads to Run Not Walk But Be Prepared to Stumble

NVIDIA Blog. 26 মে 2023; Huang-এর সমাবর্তন ভাষণ ও তিন কৌশলগত বিপত্তির কোম্পানি বিবরণ।

Read source

10. Nvidia nearly went out of business in 1996 trying to make Sega’s Dreamcast GPU

Tom’s Hardware. Sega-র সহায়তা ও Shoichiro Irimajiri-র ভূমিকার সংবাদ; আর্থিক ব্যবস্থাকে ব্যক্তিগত উপহার বলা উচিত নয়।

Read source

11. CUDA Platform for Accelerated Computing

NVIDIA Developer. সরঞ্জামসমষ্টি [Toolkit], কম্পাইলার [Compiler], লাইব্রেরি [Libraries] ও প্রোগ্রামিং পরিবেশের [Programming Environment] প্রযুক্তিগত পরিচয়।

Read source

12. ImageNet Classification with Deep Convolutional Neural Networks

Alex Krizhevsky, Ilya Sutskever ও Geoffrey Hinton. 2012-এর মূল গবেষণাপত্র; AlexNet-এর ফল।

Read source

13. NVIDIA Reports Results for Second Quarter of Fiscal 2009

US Securities and Exchange Commission. 12 আগস্ট 2008; 19.6 কোটি মার্কিন ডলার পণ্য-গুণমান ব্যয়ভার [Product-quality Charge] ও ত্রৈমাসিক ফল।

Read source

14. NVIDIA Fiscal 2009 Form 10 K

US Securities and Exchange Commission. 25 জানুয়ারি 2009-এ শেষ বছর; নগদ, নগদসম [Cash Equivalents] ও বাজারযোগ্য সিকিউরিটির [Marketable Securities] অবস্থা।

Read source

15. NVIDIA and SoftBank Group Announce Termination of NVIDIA Acquisition of Arm Limited

NVIDIA ও SoftBank. 7 ফেব্রুয়ারি 2022; নিয়ন্ত্রক বাধা [Regulatory Obstacles], অগ্রিম অর্থ ও রাখা লাইসেন্স [Licence]।

Read source

16. NVIDIA Completes Acquisition of Mellanox

NVIDIA. 27 এপ্রিল 2020; সম্পূর্ণ হওয়া ও নেটওয়ার্কিংয়ের [Networking] যুক্তি।

Read source

17. NVIDIA Announces Financial Results for Second Quarter Fiscal 2027

NVIDIA. 26 আগস্ট 2026; 26 জুলাই 2026-এ শেষ ত্রৈমাসিক ফল ও তারিখযুক্ত পণ্য বিবৃতি [Product Statements]।

Read source

18. A conversation with NVIDIA Jensen Huang

Stripe Sessions. 2024 সাক্ষাৎকার; নেতৃত্ব, তথ্যপ্রবাহ [Information Flow] ও কৌশলগত চিন্তা।

Read source

19. Madison Huang Author Page

NVIDIA Blog. বর্তমান প্রকাশ্য পদ, পূর্ব LVMH কাজ ও London Business School MBA; 11 নভেম্বর 2026-এ দেখা।

Read source

20. Spencer Huang Author Page

NVIDIA Technical Blog. বর্তমান রোবোটিক্স [Robotics] পদ ও NYU প্রযুক্তিগত MBA [Technical MBA]; 11 নভেম্বর 2026-এ দেখা।

Read source

21. 50 Million Gift by NVIDIA Founder and Spouse Helps Launch Oregon State University Research Center

Oregon State University. 14 অক্টোবর 2022; Huang দম্পতির দানের প্রাতিষ্ঠানিক ঘোষণা।

Read source

22. Designing for the future

Stanford Engineering. Huang Center ও 3 কোটি মার্কিন ডলার অঙ্গীকারের প্রাতিষ্ঠানিক ইতিহাস।

Read source

23. Apple Reinvents the Phone with iPhone

Apple. 9 জানুয়ারি 2007; উদ্বোধনী ঘোষণা ও সমন্বিত পণ্যের [Integrated Product] বর্ণনা।

Read source

24. You have got to find what you love Jobs says

Stanford University. 12 জুন 2005; Steve Jobs-এর সমাবর্তন ভাষণের প্রস্তুত পাঠ।

Read source

25. Apple Timeline

Computer History Museum. Jobs-এর বিদায় ও ফেরা সহ Apple-এর ঐতিহাসিক কালপঞ্জি।

Read source

26. Statement From NVIDIA Board of Directors

NVIDIA. 8 নভেম্বর 2026; স্বাধীন তদন্ত, ঘোষিত আস্থা ও তখনকার পর্ষদের অবস্থান।

Read source

27. Statement From the Independent Members of the NVIDIA Board

NVIDIA. 10 নভেম্বর 2026; Joon H. Kim ও Wachtell Lipton Rosen and Katz-এর নিয়োগ।

Read source

28. NVIDIA Launches World First Deep Learning Supercomputer

NVIDIA. 5 এপ্রিল 2016; DGX-1 ঘোষণা; প্রথম হওয়ার দাবি কোম্পানির বলে চিহ্নিত।

Read source

29. NVIDIA Launches Revolutionary Volta GPU Platform

NVIDIA. 2017; Volta ও Tensor Core ঘোষণা।

Read source

30. NVIDIA Announces Hopper Architecture

NVIDIA. 22 মার্চ 2022; Hopper স্থাপত্য [Architecture] ও Transformer Engine ঘোষণা।

Read source

31. NVIDIA Blackwell Platform Arrives to Power a New Era of Computing

NVIDIA. 18 মার্চ 2024; Blackwell ঘোষণা, নির্দিষ্ট তুলনানির্ভর কর্মক্ষমতা দাবি [Performance Claims] সহ।

Read source

32. Chris Malachowsky

Computer History Museum. HP ও Sun-এ পেশাগত পটভূমি ও NVIDIA-র সহপ্রতিষ্ঠা।

Read source

33. Curtis R Priem

Rensselaer Polytechnic Institute. গ্রাফিক্স প্রকৌশলের [Graphics Engineering] ইতিহাস ও 1993 থেকে 2003 NVIDIA CTO পদে কাজ।

Read source

34. Famous Graphics Chips Nvidia RIVA 128

IEEE Computer Society. NV1, গ্রাফিক্স মান [Graphics Standards] ও RIVA পুনরুদ্ধারের Jon Peddie-র ঐতিহাসিক বিবরণ।

Read source

35. NVIDIA Fiscal 2014 Third Quarter Form 10 Q

US Securities and Exchange Commission. 3dfx সম্পদ-ক্রয় চুক্তি [Asset-purchase Agreement] ও সম্পূর্ণ হওয়ার তারিখের ঐতিহাসিক প্রকাশ।

Read source

36. NVIDIA Brings Real Time Ray Tracing to Gamers with GeForce RTX

NVIDIA. 20 আগস্ট 2018; Turing ও GeForce RTX ঘোষণা।

Read source