AI boom পুরোনো infrastructure-ভিত্তিক bet-গুলোকে নতুন করে প্রাসঙ্গিক করে তুলছে
নিকোলাস সৌভাজ AI market-এর এমন এক অংশের পক্ষে যুক্তি দিচ্ছেন, যা consumer-facing products-এর মতো মনোযোগ পায় না: সেই hardware, compilers, এবং energy systems, যেগুলো বৃহৎ পরিসরের computing সম্ভব করে। StrictlyVC-এর San Francisco ইভেন্টে কথা বলতে গিয়ে TDK Ventures-এর প্রতিষ্ঠাতা বলেন, শক্তিশালী venture bet-গুলোকে বাজারের কাছে স্পষ্ট হয়ে উঠতে অনেক বছর লাগতে পারে। তাঁর মানদণ্ড চার বছর, এবং 2019 সালে, যখন তিনি জাপানি electronics company TDK-এর corporate venture arm চালু করেন, তখন থেকেই তিনি এই ধারণা প্রমাণের চেষ্টা করছেন।
এখন সেই ধৈর্য শুরুতে যতটা অকালীন মনে হয়েছিল, তার তুলনায় অনেক বেশি সময়োপযোগী দেখাচ্ছে। TDK Ventures চারটি funds জুড়ে $500 million পরিচালনা করে, এবং এর সবচেয়ে দৃশ্যমান সাফল্যের একটি হলো Groq, AI chip startup, যা গত শরতে তার সাম্প্রতিক funding round-এ $6.9 billion valuation-এ পৌঁছেছে। generative AI inference infrastructure-কে mainstream investor conversation-এ আনার অনেক আগেই, 2020 সালে Sauvage কোম্পানিটিকে সমর্থন করেছিলেন।
Inference কেন ফ্যাশন হওয়ার আগেই গুরুত্বপূর্ণ ছিল
Groq শুরু থেকেই inference-এ মনোযোগী ছিল, অর্থাৎ একটি model যখনই কোনো prompt-এর উত্তর দেয়, তখন যে computing work সম্পন্ন হয়। এই জোর গুরুত্বপূর্ণ, কারণ AI economics এখন আর কেবল frontier models train করার ওপর নির্ভর করছে না, বরং সেগুলোকে বারবার বৃহৎ স্কেলে serve করার ওপরও নির্ভর করছে। search, coding, customer service, এবং automation-এ আরও বেশি products AI যুক্ত করার ফলে inference calls-এর সংখ্যাও বাড়ছে।
Sauvage এই demand curve আগেই দেখতে পেয়েছিলেন। TechCrunch-এর তাঁর মন্তব্যের বিবরণ অনুযায়ী, তিনি বুঝেছিলেন যে নতুন applications এবং models বাড়ার সঙ্গে সঙ্গে inference-ও ক্রমাগত বাড়তে থাকবে। AI agents-এর বর্তমান উত্থান সেই logic-কে আরও স্পষ্ট করেছে। যে কাজ আগে একটি model response-এ শেষ হয়ে যেত, এখন তা system-কে অনেকগুলো calls জুড়ে planning, execution, এবং checking করাতে পারে। এই পরিবর্তন দ্রুততর, আরও efficient inference infrastructure-এর ওপর চাপ তৈরি করছে।
Groq-এর technical approach-ও এই thesis-এর সঙ্গে মানানসই ছিল। Founder Jonathan Ross, যিনি আগে Google-এর Tensor Processing Units-এর পেছনের engineers-দের একজন ছিলেন, প্রথমে compiler তৈরি করেন, তারপর chip architecture-কে এমনভাবে সরিয়ে আনেন যাতে system ভেঙে না ফেলে কোনো অংশই বাদ দেওয়া না যায়। একজন generalist investor-এর কাছে এটি খুব সীমিত মনে হতে পারত। Sauvage-এর কাছে এটি asymmetric মনে হয়েছিল।
প্রতিকূলতার বিরুদ্ধে গড়ে ওঠা corporate venture arm
fund-টির পেছনেও একটি অস্বাভাবিক institutional story আছে। TDK electronics এবং magnetic tape-এর জন্য বেশি পরিচিত, স্পষ্ট Silicon Valley venture sponsor হিসেবে নয়। Sauvage নিজেই TDK Ventures-এর সৃষ্টি কে unlikely বলে বর্ণনা করেছেন। acquisition-এর মাধ্যমে তিনি Silicon Valley-তে TDK-তে যোগ দেন, তারপর conventional Tokyo insider profile না থাকলেও কোম্পানিকে একটি venture arm গড়তে চাপ দেন। তাঁর নিজের ভাষ্য অনুযায়ী, তিনি French, Japanese বলতে পারেন না, এবং Tokyo-তেও থাকেন না।
অভ্যন্তরীণ resistance সত্ত্বেও তিনি লেগে থাকেন এবং শেষ পর্যন্ত একটি সহজ strategic question ঘিরে fund তৈরির অনুমোদন পান: TDK-এর পরের বড় বিষয় কী, এবং কী সেটিকে হুমকি দিতে পারে? এই framing-ই বোঝায় কেন portfolio pure-play AI startups-এর বাইরেও বিস্তৃত। লক্ষ্য শুধু growth ধাওয়া করা নয়, বরং enabling technologies এবং disruption risks যথেষ্ট আগে চিহ্নিত করা, যাতে সেগুলো গুরুত্বপূর্ণ হয়ে ওঠে।
Portfolio একটি বিস্তৃত industrial reset-এর ইঙ্গিত দিচ্ছে
Sauvage যে companies এবং technologies-এর কথা বলেছেন, সেগুলো দেখায় AI investment cycle power systems, materials, এবং industrial infrastructure-এও প্রসারিত হচ্ছে। তাঁর portfolio-তে আছে solid-state grid transformers, data centers-এর জন্য sodium-ion batteries, এবং alternative battery chemistries, যা lithium ও cobalt supply chains-এর ওপর নির্ভরতা কমাতে তৈরি।
এই ক্ষেত্রগুলো একটি সাধারণ বৈশিষ্ট্য ভাগ করে: computing demand বাড়ার সঙ্গে সঙ্গে যে bottlenecks আরও স্পষ্ট হয়, সেগুলো তারা মোকাবিলা করে। যদি AI inference অনেক investors যেমন আশা করেন তেমনই বাড়ে, তাহলে data-center power, grid integration, এবং battery supply resilience প্রযুক্তি stack-এর কেন্দ্রে আরও কাছাকাছি চলে আসবে। সেই দৃষ্টিতে AI-এর “boring parts” peripheral নয়। এগুলো সেই system-এর অংশ, যা নির্ধারণ করে AI অর্থনৈতিক ও geopolitical দিক থেকে scale করতে পারবে কি না।
এর মানে এই নয় যে প্রতিটি early infrastructure bet সফল হবে। এই market-গুলো capital intensive, technically demanding, এবং software-এর তুলনায় ধীরে validate হয়। কিন্তু strategy-টির পেছনের logic ক্রমেই উপেক্ষা করা কঠিন হয়ে উঠছে। সাম্প্রতিক AI wave শুধু model builders-দের নয়, তাদের নিচে থাকা কম আকর্ষণীয় technologies-কে চিনতে পারা investors-দেরও পুরস্কৃত করেছে।
এখন কেন এটি গুরুত্বপূর্ণ
Sauvage-এর যুক্তি এমন এক সময়ে এসেছে, যখন AI investing তার পরের স্তর খুঁজছে। প্রথম পর্যায়ের উত্তেজনা models, chatbots, এবং application startups-এর ওপর কেন্দ্রীভূত ছিল। পরের পর্যায় power delivery, supply chains, এবং hardware efficiency-র সীমাবদ্ধতা প্রকাশ করছে। সেখানেই তাঁর thesis আরও প্রাসঙ্গিক হয়ে ওঠে: সবচেয়ে মূল্যবান সুযোগগুলো এখনও এমন markets-এ থাকতে পারে, যেগুলো একটি বড় shift না আসা পর্যন্ত ততটা আকর্ষণীয় মনে হয় না।
TDK Ventures-এর ক্ষেত্রে এর অর্থ consensus আসার বহু বছর আগেই infrastructure-এ বাজি ধরা। বৃহত্তর market-এর জন্য এটি মনে করিয়ে দেয় যে technology cycles প্রায়ই এমন জায়গায় জেতা হয়, যা consumers কখনো দেখেন না। AI headline হতে পারে, কিন্তু inference chips, grid hardware, এবং battery chemistry ক্রমেই আসল গল্পের অংশ হয়ে উঠছে।
এই নিবন্ধটি TechCrunch-এর reporting-এর ভিত্তিতে। মূল নিবন্ধটি পড়ুন.
Originally published on techcrunch.com
