GPU সার্ভার A
- 96GB
- 96GB
- 96GB
- 96GB
- বাড়ানোর জায়গা
- বাড়ানোর জায়গা
- বাড়ানোর জায়গা
- বাড়ানোর জায়গা
শুরুতে ৪টি GPU · ৮টি GPU রাখার মতো চ্যাসিস
- ৯৬+ ফিজিক্যাল CPU কোর
- 1TB ECC মেমরি
- 15–20TB লোকাল NVMe
- মিররড বুট SSD
ড্যাফোডিল · AI ইনফ্রাস্ট্রাকচার
Daffodil AI Infrastructure
বাংলাদেশে AI-এর ভবিষ্যতের জন্য ভিত তৈরি করছি।
ড্যাফোডিল বাংলাদেশের জন্য সবার ব্যবহারের মতো একটা AI ভিত্তি তৈরি করছে। এতে এক জায়গায় থাকবে GPU কম্পিউটিং, প্রতিষ্ঠানের নিজের তথ্য নিয়ে AI সার্ভিস, গবেষণার পরিবেশ আর নিয়ম মেনে চলা অটোমেশন। শুরুতে পাইলট চলবে ড্যাফোডিলের নিজের বিশ্ববিদ্যালয় আর প্রতিষ্ঠানগুলোতে। যেটা কাজে লাগবে, প্ল্যাটফর্ম পোক্ত হলে সেটা বাংলাদেশজুড়ে আরও অনেকের জন্য দেওয়া যেতে পারে।
ইনফ্রাস্ট্রাকচার প্রোগ্রাম এখনো তৈরির পর্যায়ে · পরিকল্পিত আর্কিটেকচারের পরিচিতি
- শিক্ষা
- গবেষণা
- অপারেশনস
- এন্টারপ্রাইজের পথে
কেন ড্যাফোডিল
প্রতিষ্ঠান হিসেবে শক্ত ভিত। সবার জন্য এক AI পথ।
শিক্ষা, গবেষণা, প্রযুক্তি তৈরি, নেটওয়ার্ক কানেকশন আর ডেটা সেন্টার চালানো, সবই ড্যাফোডিলের মধ্যে আছে। পরিকল্পিত AI প্ল্যাটফর্ম এই শক্তিগুলোকে এক জায়গায় আনবে। রিসোর্স থাকবে সবার জন্য এক, আর কে কী অ্যাক্সেস পাচ্ছেন তার হিসাব থাকবে। ফলে প্রতিটা টিমের জন্য আলাদা AI সিস্টেম না বানিয়েই প্রতিটা প্রতিষ্ঠান আর ব্যবসা কাজের সার্ভিস তৈরি করতে পারবে।
- ভিত্তি
ডেটা সেন্টার আর নেটওয়ার্ক কানেকশনের অভিজ্ঞতা।
- উদ্দেশ্য
শিক্ষা, গবেষণা আর প্রতিদিনের কাজে সত্যিই উপকারে আসে এমন AI।
- এগোনোর পথ
আগে ভেতরে যাচাই, তারপর বাছাই করা কিছু সার্ভিস বাইরে।
আর্কিটেকচার
ইনফ্রাস্ট্রাকচার থেকে নিয়ম মেনে চলা, কাজের সার্ভিস পর্যন্ত।
প্রস্তাবিত আর্কিটেকচারে একটা মজবুত টেকনিক্যাল ভিত্তির ওপর যুক্ত হবে অনুমোদিত মডেল, প্রতিষ্ঠানের নিজের তথ্য আর অ্যাপ্লিকেশন। নিরাপত্তা, নিয়মকানুন আর রিকভারি থাকবে পুরো সিস্টেমজুড়ে।
কনসেপ্ট · পরিকল্পিত আর্কিটেকচার
প্রতিটা লেয়ারে
- পরিচয় ও অনুমতি
- ডেটা পলিসি
- মানুষের অনুমোদন
- অডিট ও ব্যবহার
- রিকভারি
এখানে Infrastructure OS মানে সবার ব্যবহারের ম্যানেজমেন্ট আর অর্কেস্ট্রেশন লেয়ার। এখনকার ব্যবসায়িক অ্যাপ্লিকেশনগুলোর মালিক আর দায়িত্ব আগের মতোই থাকবে। DOL Unified থাকবে ভেতরের অপারেশনস চালানোর সিস্টেম হিসেবেই, যুক্ত হবে অনুমোদিত API আর ইভেন্টের মাধ্যমে।
রেফারেন্স ইনফ্রাস্ট্রাকচার
দরকারমতো বাড়ানো যায় এমন আর্কিটেকচার, ডিজাইন থেকেই মজবুত।
পরিকল্পিত রেফারেন্স কনফিগারেশন · চূড়ান্ত OEM ডিজাইন আর ফাইনাল যাচাই এখনো বাকি
পরিকল্পনা অনুযায়ী AI কম্পিউটিং থাকবে আশুলিয়ার ড্যাফোডিল স্মার্ট সিটিতে। রিকভারির জন্য একটা সুরক্ষিত অফ-সাইট কপি থাকবে ধানমন্ডিতে।
- GPU সার্ভার
- ২
- GPU দিয়ে শুরু, ১৬টি পর্যন্ত বাড়ানো যায়
- ৮
- সুরক্ষিত, ব্যবহারযোগ্য স্টোরেজ
- 100TB+
- ডুয়াল নেটওয়ার্ক ফ্যাব্রিক
- 100GbE
GPU সার্ভার B
- 96GB
- 96GB
- 96GB
- 96GB
- বাড়ানোর জায়গা
- বাড়ানোর জায়গা
- বাড়ানোর জায়গা
- বাড়ানোর জায়গা
শুরুতে ৪টি GPU · ৮টি GPU রাখার মতো চ্যাসিস
- ৯৬+ ফিজিক্যাল CPU কোর
- 1TB ECC মেমরি
- 15–20TB লোকাল NVMe
- মিররড বুট SSD
| মূল অংশ | পরিকল্পিত স্পেসিফিকেশন |
|---|---|
| প্রোডাকশন কম্পিউটিং | ২টি আলাদা GPU সার্ভার। শুরুতে প্রতিটিতে ৪টি করে NVIDIA RTX PRO 6000 Blackwell Server Edition 96GB GPU, মোট ৮টি GPU। |
| বাড়ানোর পথ | প্রতিটি সার্ভার ডিজাইন করা হচ্ছে ৮টি GPU রাখা যায় এমন চ্যাসিস ধরে। তাই প্রস্তাব অনুযায়ী একই ধরনের মোট ১৬টি GPU পর্যন্ত বাড়ানো যাবে, তবে সেটা নির্ভর করবে সাপোর্টেড কনফিগারেশন আর ফ্যাসিলিটির অনুমোদনের ওপর। |
| সার্ভার রিসোর্স | প্রতিটি GPU সার্ভারে রেফারেন্স হিসেবে লাগবে: কমপক্ষে ৯৬টি ফিজিক্যাল CPU কোর, 1TB ECC মেমরি, 15–20TB এন্টারপ্রাইজ লোকাল NVMe আর মিররড বুট SSD। |
| শেয়ার্ড স্টোরেজ | ১টি লজিক্যাল HA স্টোরেজ সিস্টেম। কমপক্ষে 100TB সুরক্ষিত ব্যবহারযোগ্য জায়গা, যা অন্তত 300TB পর্যন্ত বাড়ানো যাবে। |
| নেটওয়ার্ক ফ্যাব্রিক | AI আর স্টোরেজের জন্য ডুয়াল 100GbE নেটওয়ার্ক। প্রতিটি সার্ভার দুই পথে যুক্ত, আর ম্যানেজমেন্টের জন্য আলাদা অ্যাক্সেস। |
| কেন্দ্রীয় ম্যানেজমেন্ট | ১টি লজিক্যাল HA ম্যানেজমেন্ট প্ল্যাটফর্ম। এটা চলবে ৩টি ছোট নোডে, অথবা যাচাই করা সমমানের কোনো HA ব্যবস্থায়। |
| ব্যাকআপ ও রিকভারি | আলাদা একটা ডেডিকেটেড ব্যাকআপ সিস্টেম, সুরক্ষিত কপি আর পরীক্ষা করে দেখা রিস্টোর। সঙ্গে একটা অফ-সাইট রিকভারি কপির পরিকল্পনা। |
৮টি 96GB GPU মিলে মোট GPU মেমরি 768GB। তবে এই মেমরি আলাদা আলাদা GPU আর সার্ভারে ভাগ করা; এটা একটা বড় একক অ্যাক্সিলারেটর নয়।
এগুলো ডিজাইনের চাহিদা। এগুলো এখন বসানো ক্যাপাসিটি নয়, ভেন্ডরের চূড়ান্ত যন্ত্রাংশের তালিকাও নয়। রিকভারি কপি ডেটা ফিরিয়ে আনতে কাজে লাগে; এর মানে দ্বিতীয় কোনো চালু GPU সাইট নয়।
পরিকল্পিত AI ল্যাব: রেফারেন্স
দুটি AI ল্যাব, মোট ৫২টি ইউজার স্টেশন: প্রতিটি ল্যাবে ২৫টি শিক্ষার্থী স্টেশন আর ১টি শিক্ষক স্টেশন। রেফারেন্স ধরা হয়েছে H200 NVL-শ্রেণির ২টি শেয়ার্ড GPU, অথবা যাচাই করা সমমানের বিকল্প। সার্ভার কয়টা, মেমরি, লোকাল NVMe, মিররড বুট ড্রাইভ আর সুরক্ষিত ইউজার স্টোরেজ, এসবের প্রস্তাব দেবে ভেন্ডর। ল্যাবের GPU কেন্দ্রীয় প্রোডাকশন GPU থেকে আলাদা।
ল্যাব থেকে বাস্তব কাজে যাওয়ার পথ দেখুনড্যাফোডিলজুড়ে
একটা ভিত্তি। ড্যাফোডিলজুড়ে নানা কাজে।
ধাপে ধাপে যাচাই আর অনুমোদনের জন্য কিছু উদাহরণ
শিক্ষার্থী ও ক্লাসের ল্যাব
পরিকল্পিত AI ল্যাবে শিক্ষকের তত্ত্বাবধানে AI অনুশীলন, কোডিংয়ে সাহায্য আর প্রজেক্টের পরিবেশ। থাকবে কোটা, আলাদা পরিবেশ, আর ভালো প্রজেক্টের জন্য যাচাই করে এগোনোর পথ।
শিক্ষক ও গবেষক
আবার চালিয়ে একই ফল মেলানো যায় এমন এক্সপেরিমেন্ট, অনুমতি পাওয়া ডেটাসেট, বাছাই করা মডেল অ্যাডাপ্টেশন আর আগে থেকে কম্পিউটিং বুক করা।
HR ও প্রশাসন
পলিসি খোঁজা, ডকুমেন্টের খসড়া আর সার্ভিস রিকোয়েস্টে সাহায্য। প্রত্যেকে শুধু নিজের দায়িত্বের মধ্যে থাকা তথ্যই দেখতে পাবেন।
অ্যাকাউন্টস ও ম্যানেজমেন্ট
ডকুমেন্টের কাজে সাহায্য, বিশ্লেষণের প্রস্তুতি আর ম্যানেজমেন্টের জন্য সারসংক্ষেপ। আর্থিক অনুমোদন আর বড় সিদ্ধান্ত থাকবে দায়িত্বপ্রাপ্ত মানুষের হাতেই।
ড্যাফোডিল অনলাইন লিমিটেড
অনুমোদিত ওয়ার্কফ্লোর সঙ্গে যুক্ত তথ্যভিত্তিক সাপোর্ট, সার্ভিস ডেস্কের জন্য উত্তরের খসড়া আর AI-এর সাহায্যে অপারেশনস বিশ্লেষণ।
ড্যাফোডিল কম্পিউটার্স ও অন্যান্য সিস্টার কনসার্ন
প্রতিটি ব্যবসার নিজের তথ্য নিয়ে AI সহকারী, টেকনিক্যাল সাপোর্টের প্রস্তুতি আর অনুমোদিত অ্যাপ্লিকেশন ইন্টিগ্রেশন।
সাইবার সিকিউরিটি নিয়ে একসঙ্গে কাজ
আলাদা পরিবেশে তত্ত্বাবধানে গবেষণা, অনুমোদিত প্রমাণের বিশ্লেষণ, আর মানুষের যাচাই করা ফলাফল।
এগুলো সম্ভাব্য সুযোগের উদাহরণ। প্রতিটি কাজের জন্য লাগবে একজন দায়িত্বশীল মালিক, অনুমতি পাওয়া ডেটা, যাচাই আর অনুমোদিত উপায়ে চালু করার পথ। এখনকার সিস্টেম আর টিমগুলোর সিদ্ধান্ত নেওয়ার ক্ষমতা আগের মতোই থাকবে।
পরিকল্পিত AI ল্যাব
শেখা, গবেষণা আর তৈরি করা। যেটা কাজে লাগে, সেটাই পরে বাস্তবে চালু।
পরিকল্পিত একাডেমিক ইনফ্রাস্ট্রাকচার · ল্যাবের চূড়ান্ত সাইজ আর ফাইনাল যাচাই এখনো বাকি
পরিকল্পিত দুটি AI ল্যাবে শিক্ষার্থী আর শিক্ষকেরা কোর্স, গবেষণা আর প্রজেক্টের জন্য হাতে-কলমে AI কম্পিউটিং ব্যবহার করতে পারবেন। দুই ল্যাব মিলে ব্যবহার করবে নিজস্ব একটা একাডেমিক GPU পুল, যা কেন্দ্রীয় প্রোডাকশন প্ল্যাটফর্ম থেকে আলাদা থাকবে। আর সবচেয়ে ভালো প্রজেক্টগুলো যাচাই পেরিয়ে ড্যাফোডিলজুড়ে বাস্তব কাজে পৌঁছানোর সুযোগ পাবে।
কনসেপ্ট · পরিকল্পিত আর্কিটেকচার
- পরিকল্পিত AI ল্যাব
- ২
- সিট: প্রতিটি ল্যাবে ২৫ জন শিক্ষার্থী আর ১ জন শিক্ষক
- ৫২
- NVL-শ্রেণির GPU, দুই ল্যাব মিলে ব্যবহার করবে; অথবা যাচাই করা সমমানের
- 2 × H200
- যাচাইয়ের ধাপ: ল্যাবের প্রজেক্ট থেকে বাস্তব ব্যবহার পর্যন্ত
- ৬
দুই ল্যাবের একটা একাডেমিক GPU পুল
দুই ল্যাব মিলে ব্যবহার করবে H200 NVL-শ্রেণির ২টি GPU, অথবা যাচাই করা সমমানের বিকল্প। ল্যাবের কম্পিউটারগুলো সাধারণ মানের থাকবে। প্রতিটি সিটে আলাদা GPU থাকবে না; অ্যাকাউন্ট আর কোটা দিয়ে GPU-র সময় ভাগ করে দেওয়া হবে।
শেখা, গবেষণা, তৈরি
শিক্ষকের গাইডেন্সে কোর্স, নোটবুক, AI এজেন্ট, কম্পিউটার ভিশন, কোটার মধ্যে মডেল ফাইন-টিউনিং আর প্রজেক্টের কাজ।
আলাদা, আর সবকিছুর হিসাব থাকে
ল্যাবের GPU আর ল্যাবের নেটওয়ার্ক জোন প্রোডাকশন থেকে আলাদা। প্রত্যেক ইউজারের থাকবে নিজের অ্যাকাউন্ট, কোটা আর রিসেট করা যায় এমন পরিবেশ। ডিজাইনটাই এমন, যাতে ল্যাবের কাজ প্রতিষ্ঠানের সার্ভিসগুলোর সঙ্গে রিসোর্স নিয়ে টানাটানি না করে।
ল্যাব থেকে বাস্তব কাজে
ভালো একটা প্রজেক্ট হয়ে উঠতে পারে ড্যাফোডিলের কোনো অ্যাপ্লিকেশন বা প্রতিষ্ঠানের সার্ভিস, ভবিষ্যতে হয়তো সহযোগীদের জন্য সলিউশনও। তবে সেটা হবে শুধু যাচাই, অনুমোদন আর আলাদা পাইলটের মধ্য দিয়ে।
একটি শিক্ষার্থী-প্রজেক্ট কীভাবে এগোয়
কাল্পনিক উদাহরণ · বোঝানোর জন্য একটা প্রজেক্ট
শিক্ষার্থীদের প্রজেক্ট
ফাইনাল ইয়ারের একটি শিক্ষার্থী টিমের বানানো বাংলা কোর্স-নোট সহকারী
- ১. ল্যাবে প্রজেক্টশিক্ষার্থীদের টিম AI ল্যাবে কাজটা বানায় আর দেখায়।
- ২. শিক্ষকের যাচাইশিক্ষক বা বিভাগ দেখেন কাজটার একাডেমিক মূল্য কতটা, আর এর দায়িত্ব কার।
- ৩. টেকনিক্যাল যাচাইআর্কিটেকচার, ডেটা, নিরাপত্তা আর কতটা রিসোর্স লাগবে, তা দেখা হয়।
- ৪. অনুমোদনকোনটা আগে হবে, মেন্টর কে, কোন পরিবেশে চলবে আর কোটা কত, তা ঠিক করা হয়।
- ৫. আলাদা পাইলটডেটা, লগ আর লিমিট আলাদা রেখে পরীক্ষা, সঙ্গে চালুর আগের টেস্ট।
- ৬. চালুর সিদ্ধান্তনিরাপত্তা আর অপারেশনসের যাচাইয়ে পাস করলে তবেই চালু।
কোনো শিক্ষার্থী-প্রজেক্ট প্রোডাকশন সিস্টেমে খোলা অ্যাক্সেস পায় না। প্রতিটি ধাপে থাকে একজন দায়িত্বশীল মালিক, মেন্টর, আলাদা পরিবেশ আর অডিটের ব্যবস্থা।
ল্যাবের এই ডিজাইন একটা পরিকল্পিত শুরুর ভিত্তি। চূড়ান্ত সাইজ ঠিক হবে ৫২টি সিট নিয়ে বাস্তবের মতো একটা কমিশনিং টেস্টের পর, আর ল্যাব সার্ভারের কনফিগারেশন প্রস্তাব করবে ভেন্ডর। ল্যাবের GPU প্রোডাকশনের ৮টি GPU থেকে আলাদা।
একটি অনুরোধ কীভাবে এগোয়
সঠিক উত্তরের শুরু সঠিক অ্যাক্সেস থেকে।
কাল্পনিক উদাহরণ · কোনো চালু সিস্টেম নয়
প্রশ্ন করেছেন: প্রশাসনের একজন কর্মী
“স্টাফ ট্রেনিংয়ের এই অনুরোধে কোন পলিসি খাটে?”
- ১. পরিচয় যাচাইইউজার কে আর কোন প্রতিষ্ঠানের, তা নিশ্চিত করা।
- ২. অনুমতি যাচাইকাজের উদ্দেশ্য, কোন সোর্সে অনুমতি আছে আর রিসোর্সের লিমিট দেখা।
- ৩. তথ্য খোঁজাশুধু সেই তথ্যই নেওয়া, যেটা দেখার অনুমতি ইউজারের আছে।
- ৪. পথ ঠিক করাঅনুমোদিত মডেল আর প্রসেসিংয়ের জায়গা ব্যবহার করা।
- ৫. উত্তর দেওয়াকাজের উত্তর দেওয়া, সম্ভব হলে সোর্সসহ।
- ৬. কাজের অনুমোদনটুলের অনুমতি আলাদা করে যাচাই করা; দরকার হলে মানুষের অনুমোদন নেওয়া।
- ৭. রেকর্ড রাখাঅনুমোদিত পলিসি অনুযায়ী দরকারি অডিট আর ব্যবহারের রেকর্ড রাখা।
মডেল নিজে নিজেকে অ্যাক্সেস দিতে পারে না। উত্তর দেওয়ার সময় আর কোনো কাজ করার সময়ও আবার অনুমতি যাচাই হয়।
তথ্য, মডেল ও গবেষণা
তথ্য ব্যবহার হবে দায়িত্ব নিয়ে। মডেল বদলানো হবে ভেবেচিন্তে।
নিজের তথ্য থেকে উত্তর খোঁজা
- প্রশ্ন
- অনুমতি থাকা সোর্স
- সোর্স ধরে উত্তর
RAG (রিট্রিভাল-অগমেন্টেড জেনারেশন) পদ্ধতিতে প্রশ্নের উত্তর দেওয়ার সময় প্রতিষ্ঠানের সেই তথ্যগুলো খুঁজে আনা হয়, যেগুলো দেখার অনুমতি আছে। এর মানে ড্যাফোডিলের সব ডকুমেন্ট দিয়ে মডেলকে ট্রেনিং দেওয়া নয়।
অনুমোদিত মডেল চালানো
- অনুমোদিত কাজ
- রেজিস্টার করা মডেল
- নিয়ন্ত্রিত রিসোর্স
ইনফারেন্সে একটা অনুমোদিত কাজের জন্য বাছাই করা, রেজিস্টার করা মডেল চালানো হয়। সঙ্গে থাকে রাউটিং আর রিসোর্সের নিয়ন্ত্রণ।
তত্ত্বাবধানে মডেল অ্যাডাপ্টেশন
- অনুমতি থাকা ডেটাসেট
- আলাদা পরিবেশ
- রিভিউয়ের ধাপ
গবেষক টিমগুলো সাপোর্টেড ক্যাপাসিটির মধ্যে, আলাদা পরিবেশে আর রিভিউয়ের ধাপ মেনে অনুমতি থাকা ডেটাসেট আর বাছাই করা ফাইন-টিউনিং পদ্ধতি পরখ করে দেখতে পারবেন।
এই প্রোগ্রামের ফোকাস কাজে লাগে এমন, যাচাই করা AI আর নিয়ম মেনে চলা এজেন্ট। এখানে আর্টিফিশিয়াল জেনারেল ইন্টেলিজেন্স (AGI) বা ড্যাফোডিলের পুরোপুরি তৈরি কোনো ফ্রন্টিয়ার মডেলের দাবি করা হচ্ছে না।
নিয়মকানুন ও সাইবার নিরাপত্তা
প্রতিটি লেয়ারে জবাবদিহি।
ডিজাইনে থাকা নিয়ন্ত্রণ
- পরিচয় যাচাই, আর যতটুকু দরকার ততটুকুই অনুমতি
- অনুমতি বুঝে তথ্য দেখানো
- টেন্যান্ট আর পরিবেশ আলাদা রাখা
- গুরুত্বপূর্ণ কাজে মানুষের অনুমোদন
- ব্যবহার আর পলিসির মনিটরিং
- সুরক্ষিত ব্যাকআপ আর রিকভারির মহড়া
ডেটা হ্যান্ডলিং
পরিকল্পিত প্ল্যাটফর্ম চলবে নিয়ম মেনে, হাইব্রিড পদ্ধতিতে, যেখানে লোকাল প্রসেসিং আগে। সংবেদনশীল কাজ অনুমোদিত লোকাল প্রসেসিংয়েই রাখার কথা। বাইরের কোনো মডেল ব্যবহার করতে হলে লাগবে ডেটার ধরন অনুযায়ী অনুমতি, সার্ভিস প্রোভাইডারের অনুমোদিত শর্ত আর অনুমোদিত পথ। টাইমআউট হলেও গোপন ডেটা অন্য কোথাও পাঠানোর অনুমতি তৈরি হয় না।
অডিট ও প্রাইভেসি
অ্যাক্সেস, মডেল, রাউটিং আর ব্যবহারের মেটাডেটা জবাবদিহি রাখতে সাহায্য করে। পুরো প্রম্পট বা ডকুমেন্টের কনটেন্ট রাখা উচিত শুধু নির্দিষ্ট, অনুমোদিত কারণে, ঠিকঠাক অ্যাক্সেস আর কতদিন রাখা হবে তার নিয়ন্ত্রণসহ।
মানুষের তত্ত্বাবধান
বিশ্লেষণ আর পরামর্শে AI সাহায্য করতে পারে। কিন্তু সংবেদনশীল ডেটা যুক্ত করা, প্রোডাকশনে নতুন মডেল চালু করা, বড় প্রভাব পড়ে এমন কাজ আর রিকভারির সিদ্ধান্ত, এগুলোতে দায়িত্বশীল মানুষের অনুমোদন লাগবেই।
গবেষণার সীমা
শিক্ষার্থী আর সাইবার নিরাপত্তা গবেষণায় ব্যবহার হবে অনুমোদিত ডেটাসেট, আলাদা পরিবেশ আর তত্ত্বাবধানে যাচাই। গবেষণার অ্যাক্সেস পেলেই প্রোডাকশন সিস্টেমে অধিকার পাওয়া যায় না। বাছাই করা শিক্ষার্থী-প্রজেক্ট বাস্তব কাজে পৌঁছায় শুধু একাডেমিক, টেকনিক্যাল আর প্রোগ্রামের অনুমোদন এবং আলাদা পাইলটের মধ্য দিয়ে।
চালু করার ধাপ
আগে ভেতরে কাজের প্রমাণ। তারপর দায়িত্ব নিয়ে বড় পরিসরে।
কমিশনিং ও যাচাই
প্ল্যাটফর্ম, নিরাপত্তা ব্যবস্থা, ব্যাকআপ থেকে রিকভারি আর অপারেশনসের দায়িত্ব কার, এসব যাচাই করা।
ড্যাফোডিলের ভেতরে পাইলট
শুরু হবে প্রতিষ্ঠানের তথ্য নিয়ে একটা AI সহকারী, সার্ভিস ডেস্কের উত্তরের খসড়া আর তত্ত্বাবধানে একটা একাডেমিক ব্যাচ দিয়ে।
মাপা ও উন্নত করা
উত্তরের মান, কতজন ব্যবহার করছেন, কত সময় বাঁচছে, সার্ভিস কতটা নির্ভরযোগ্য আর প্রতিটি কাজের ফলাফলে খরচ কত, এসব দেখা।
বাইরের সার্ভিসের প্রস্তুতি যাচাই
রিজার্ভের বাইরে বাড়তি ক্যাপাসিটি, টেন্যান্ট আলাদা রাখা, ডেটার শর্ত, সাপোর্ট আর কমার্শিয়াল প্রস্তুতি নিশ্চিত করা।
এগুলো প্রস্তুতির ধাপ। এগুলো শেষ হওয়া মাইলফলক নয়, চালুর কোনো প্রতিশ্রুত তারিখও নয়।
বাংলাদেশে সার্ভিসের পথ
পাইলট ড্যাফোডিলে। তৈরি বাংলাদেশের জন্য।
ড্যাফোডিলের প্রতিষ্ঠানগুলোতে প্ল্যাটফর্মটা পরীক্ষা হবে আসল ইউজার আর আসল কাজ দিয়ে। যেটা কাজে লাগবে, সেটা বাছাই করা কিছু এন্টারপ্রাইজ পাইলট দিয়ে শুরু করে বাংলাদেশের নানা প্রতিষ্ঠানে পৌঁছে দেওয়ার লক্ষ্য। প্রথম সম্ভাব্য সার্ভিস হিসেবে ভাবা হচ্ছে কোম্পানির নিজের তথ্য নিয়ে AI সহকারী আর কর্মীদের কাজে সাহায্য। পরে ক্যাপাসিটি, ফ্যাসিলিটির প্রস্তুতি আর সার্ভিস চুক্তি সাপেক্ষে আসতে পারে ম্যানেজড মডেল API, সাপোর্টেড GPU ওয়ার্কলোড, গবেষণা সার্ভিস আর GPU কোলোকেশন।
- ভবিষ্যতের সার্ভিসের পথ
প্রতিষ্ঠানের নিজস্ব AI
কোম্পানির নিজের তথ্য নিয়ে AI সহকারী আর কর্মীদের কাজে সাহায্য। প্রথম সম্ভাব্য সার্ভিস।
- ভবিষ্যতের সার্ভিসের পথ
ম্যানেজড মডেল ও API সার্ভিস
ম্যানেজড API দিয়ে অনুমোদিত মডেলের সার্ভিস।
- ভবিষ্যতের সার্ভিসের পথ
গবেষণা ও GPU ওয়ার্কলোড
সাপোর্টেড গবেষণা, মডেল ট্রেনিং আর ইনফারেন্স ওয়ার্কলোড।
- ভবিষ্যতের সার্ভিসের পথ
GPU কোলোকেশন
ফ্যাসিলিটিতে সুযোগ থাকলে কাস্টমারের GPU সিস্টেমের জন্য জায়গা, বিদ্যুৎ আর নেটওয়ার্ক কানেকশন।
ড্যাফোডিল স্মার্ট সিটি, আশুলিয়া
পাইলট ড্যাফোডিলে। তৈরি বাংলাদেশের জন্য।
ভবিষ্যতের পথ · প্রস্তুতি সাপেক্ষে
District boundaries: geoBoundaries, BBS & OCHA (CC BY 3.0 IGO)আমাদের সঙ্গে কথা বলুন
AI দিয়ে কোন সমস্যার সমাধান চান, চলুন কথা বলি।
ভবিষ্যতে কীভাবে কাজে লাগানো যায়, তা নিয়ে প্রতিষ্ঠান, ব্যবসা আর গবেষণা সহযোগীদের সঙ্গে কথা বলতে চাই। এখানে আপনি শুধু আগ্রহ জানাচ্ছেন; সার্ভিস কবে পাওয়া যাবে, স্পেসিফিকেশন আর কমার্শিয়াল শর্ত ঠিক হবে প্রস্তুতি যাচাইয়ের পর।
ইনফ্রাস্ট্রাকচার প্রোগ্রাম এখনো তৈরির পর্যায়ে · পরিকল্পিত আর্কিটেকচারের পরিচিতি