এআই হার্ডওয়্যার সত্যিকার অর্থে আমাদের দৈনন্দিন জীবনে প্রবেশ করতে, আমাদের একটি নতুন “ইঞ্জিন” প্রয়োজন

2025 কে AI এজেন্টের প্রথম বছর হিসাবে গণ্য করা হয়। ওপেনএআই, গুগল এবং মাইক্রোসফ্ট সহ প্রযুক্তি সংস্থাগুলি প্রস্তাব করেছে যে এজেন্টরা কর্মীবাহিনীতে যোগ দিতে শুরু করবে এবং এমনকি কাজের ফর্ম পরিবর্তন করবে।

একই সময়ে, গুগল এবং ওপেনএআই-এর মতো কোম্পানি, যাদের প্রধান পণ্য সফ্টওয়্যার, তারা আরও স্মার্ট হার্ডওয়্যার চালু করতে শুরু করেছে।

এই দুটি ঘটনা বিচ্ছিন্ন কাকতালীয় নয়; একসাথে তারা একটি পরিষ্কার সংকেত নির্দেশ করে।

কয়েকদিন আগে আগ্নেয়গিরি ইঞ্জিন "ফোর্স পাওয়ার কনফারেন্স"-এ, আগ্নেয়গিরি ইঞ্জিনের বড় মডেলের বুদ্ধিমান অ্যালগরিদমের প্রধান Wu Di বিশ্বাস করেছিলেন যে AI ক্ষমতাগুলিকে অ্যাক্সেসযোগ্য করা IoT হার্ডওয়্যার এবং লাইটওয়েট হার্ডওয়্যারের ব্যাপক আপগ্রেডে সাহায্য করবে এবং সম্পূর্ণ হার্ডওয়্যার মান সিস্টেমকেও নতুন আকার দেওয়া হতে পারে।

চীনে, আগ্নেয়গিরি ইঞ্জিন, একটি ক্লাউড এবং এআই পরিষেবা প্ল্যাটফর্ম হিসাবে, একটি ঐতিহ্যগত হার্ডওয়্যার প্রস্তুতকারক নয়, তবে এটি অন্য উপায়ে এআই এবং হার্ডওয়্যার পণ্যগুলির একীকরণে অংশগ্রহণ করে। বিশ্বের শীর্ষ দশটি মোবাইল ফোন নির্মাতাদের মধ্যে নয়টি ভলকানো ইঞ্জিনের সাথে গভীরভাবে সহযোগিতা করেছে এবং ভলকানো ইঞ্জিনের শেষ-ক্লাউড সহযোগিতামূলক আর্কিটেকচার স্মার্ট হার্ডওয়্যারের "মস্তিষ্ক" এবং "স্নায়ু" হয়ে উঠছে।

অনুশীলনকারীদের সাথে আমাদের যোগাযোগে, আমরা দেখেছি যে হার্ডওয়্যার নির্মাতারা সাধারণত AI এর সাথে একীভূত হওয়ার সময় যে চ্যালেঞ্জগুলির মুখোমুখি হন তা হল বাজারের বাস্তুতন্ত্রের বিভাজন এবং উচ্চ বিকাশের ব্যয়। এটিও একটি গুরুত্বপূর্ণ কারণ কেন কিছু AI হার্ডওয়্যার স্বল্পস্থায়ী হয় কিন্তু ব্যবহারকারীদের জন্য সাধারণভাবে ব্যবহৃত ডিভাইসে পরিণত হয় না।

"পারমাণবিক ক্ষমতা" এবং "এন্ড-ক্লাউড ইন্টিগ্রেশন" এর ধারণাগুলি যেগুলি ভলকানো ইঞ্জিন বারবার তার স্মার্ট হার্ডওয়্যার সমাধানগুলিতে জোর দেয় তা IoT ডিভাইসগুলির বর্তমান AI প্রক্রিয়ার মূল মূলে আঘাত করে – কীভাবে শেষ এবং ক্লাউডের মধ্যে বাধাগুলি ভেঙে ফেলা যায় এবং প্রতিটি হার্ডওয়্যারের মধ্যে আরও বেশি প্রবাহিত হওয়ার জন্য AI ক্ষমতাগুলিকে অনুমতি দেয়৷

বিপুল পরিমাণ AIoT হার্ডওয়্যার এজেন্টদের জন্য একটি গুরুত্বপূর্ণ প্রবেশদ্বার হয়ে উঠেছে। যে কেউ এন্ড-টু-এন্ড ডিভাইস প্রতিক্রিয়া নিশ্চিত করার জন্য নেতৃত্ব দেবে তারা এই উদীয়মান AIoT বাজারে নেতৃত্ব নিতে সক্ষম হবে।

আগ্নেয়গিরির ইঞ্জিনের "পারমাণবিক শক্তি" বিচ্ছিন্ন করা: AIoT-এর টুলবক্স

একটি 3 বছর বয়সী শিশু একটি স্টাফ খেলনাকে জড়িয়ে ধরে জিজ্ঞাসা করেছিল "আকাশ নীল কেন?" খেলনাটি অবিলম্বে একটি শিশুসুলভ কণ্ঠে উত্তর দিল এবং শিশুর মুখের অভিব্যক্তি অনুসারে তার স্বর সামঞ্জস্য করল। এটি কোনো সায়েন্স ফিকশন মুভি নয়, এমন একটি দৃশ্য যা হাইভিভির মতো এআই খেলনারা ইতিমধ্যেই বুঝতে পেরেছে।

এর পিছনে আসলে ভলকানো ইঞ্জিনের AI টুলবক্স "পারমাণবিক ক্ষমতা" নিয়ে গঠিত, একটি ধারণা যা ভলকানো ইঞ্জিনের প্যান-ইন্টারনেট শিল্প সমাধানের প্রধান জিয়াং নানের প্রস্তাবিত।

জিয়াংনান বিশ্বাস করেন যে প্রযুক্তি প্রদানকারীদের " পারমাণবিক এবং উপাদানযুক্ত পদ্ধতিতে পরিষেবা প্রদান করা উচিত", অর্থাৎ, অংশীদারদের নমনীয়ভাবে কল করার জন্য বৃহৎ AI মডেলের (যেমন ভয়েস, ভাষা, মাল্টিমোডালিটি, ইত্যাদি) ক্ষমতাগুলিকে প্রমিত, সংমিশ্রণযোগ্য API/SDK-তে বিভক্ত করা উচিত।

পারমাণবিক ক্ষমতাগুলি বিচ্ছিন্ন কার্যকরী বিন্দু নয়, তবে "পরিষেবা হিসাবে সক্ষমতা", যা শুধুমাত্র সহযোগিতার নমনীয়তাকে উন্নত করে না, তবে নির্মাতাদের জন্য উন্নয়নের থ্রেশহোল্ডকে ব্যাপকভাবে কমিয়ে দেয়, যার ফলে সমগ্র শিল্পের উদ্ভাবন এবং পরিবেশগত সমৃদ্ধি প্রচার করে।

আগ্নেয়গিরির ইঞ্জিনের পারমাণবিক ক্ষমতা লেগো ব্লকের মতো, যা হার্ডওয়্যার নির্মাতাদের একটি বুদ্ধিমান টুলবক্স প্রদান করে যা প্রায় "বক্সের বাইরে"।

iFan "পারমাণবিক ক্ষমতা" বাছাই করেছে যা ভলকানো ইঞ্জিন স্মার্ট হার্ডওয়্যারের জন্য প্রস্তুত করেছে:

• বিন ব্যাগ বড় মডেল – ডিভাইসের "স্মার্ট মস্তিষ্ক"
• কোজ প্ল্যাটফর্ম – এআই অ্যাপ্লিকেশনের জন্য একটি "র‍্যাপিড ইনকিউবেটর"
• ASR/TTS প্রযুক্তি – একটি ভয়েস ইঞ্জিন যা ডিভাইসগুলিকে "শুনতে এবং কথা বলতে" সক্ষম করে
• RTC রিয়েল-টাইম যোগাযোগ – একটি "উচ্চ গতির নিউরাল নেটওয়ার্ক" এর সাথে ক্লাউড এবং ডিভাইসগুলিকে সংযুক্ত করা
• VLM ভিজ্যুয়াল ল্যাঙ্গুয়েজ মডেল – ভিজ্যুয়াল মস্তিষ্ক যা ডিভাইসগুলিকে "বিশ্বকে বুঝতে" সাহায্য করে
• ফাংশন কলিং – বাহ্যিক পরিষেবাগুলিতে কল করার জন্য একটি সর্বজনীন টুল

AIoT-এর ক্ষেত্রে, Doubao Big Model যে ভূমিকা পালন করেছে তা কেবল একটি চ্যাটবটের চেয়ে অনেক বেশি। ব্যবহারকারীর উদ্দেশ্যগুলি চিনতে সক্ষম হওয়ার পাশাপাশি, এটিতে ক্রমবর্ধমান শক্তিশালী যৌক্তিক যুক্তি ক্ষমতাও রয়েছে, যা হার্ডওয়্যার ডিভাইসগুলিকে জটিল পরিস্থিতির মুখোমুখি হওয়ার সময় স্বায়ত্তশাসিত বিচারের একটি নির্দিষ্ট ডিগ্রি তৈরি করতে দেয়।

একই সময়ে, মাল্টিমোডাল ইন্টারঅ্যাকশনের জন্য ডোবাও মডেলের সমর্থনের অর্থ হল যে ভবিষ্যতের স্মার্ট ডিভাইসগুলি আর একক ভয়েস বা পাঠ্য ইনপুটের মধ্যে সীমাবদ্ধ থাকবে না, তবে ছবি এবং শব্দের মতো একাধিক তথ্য ব্যাপকভাবে প্রক্রিয়া করতে সক্ষম হবে, যা আরও প্রাকৃতিক মানব-কম্পিউটার মিথস্ক্রিয়া অর্জনের ভিত্তি স্থাপন করে যা মানুষের সাথে যোগাযোগের পথের কাছাকাছি।

উদাহরণ স্বরূপ, Doubao-এর সর্বশেষ Seed 1.6 Flash মডেল, একটি লাইটওয়েট ল্যাঙ্গুয়েজ এবং ভিজ্যুয়াল সম্মিলিত মডেল হিসেবে, 1 সেকেন্ডে 100 টোকেন আউটপুট করতে পারে, যা এন্ড-টু-এন্ড রেসপন্স গতিকে ব্যাপকভাবে উন্নত করে।

AI এজেন্ট ডেভেলপমেন্ট প্ল্যাটফর্ম KouZi এর জন্য, এটি গভীর প্রোগ্রামিং ব্যাকগ্রাউন্ড ছাড়াই প্রোডাক্ট ম্যানেজারদের স্ক্র্যাচ থেকে দ্রুত এআই অ্যাপ্লিকেশন তৈরি করতে দেয়। এটি "ওয়ান-স্টপ" ডেভেলপমেন্ট টেমপ্লেটের একটি সেট প্রদান করার মতো, যা সৃজনশীলতা থেকে পণ্যের চক্রকে ব্যাপকভাবে ছোট করে।

বোতামটির প্লাগ-ইন ক্ষমতা বিশেষভাবে উল্লেখযোগ্য। এটি বুদ্ধিমান শরীরকে সরাসরি ভৌত ​​জগতের সাথে যোগাযোগ করতে দেয় – উদাহরণস্বরূপ, এআই সহকারী শুধুমাত্র "আজকের আবহাওয়া কেমন" এর উত্তর দিতে পারে না, তবে সক্রিয়ভাবে আপনাকে এয়ার কন্ডিশনার চালু করতে এবং উপযুক্ত তাপমাত্রার সাথে সামঞ্জস্য করতে সহায়তা করে। এই ক্ষমতা হার্ডওয়্যারকে প্যাসিভ রেসপন্স থেকে সক্রিয় সার্ভিসে যেতে দেয়।

যোগাযোগ পর্যায়ে, ASR স্পিচ রিকগনিশন এবং TTS স্পিচ সংশ্লেষণ প্রযুক্তি ডিভাইসটিকে "শুনতে এবং বলতে সক্ষম" করার জন্য দায়ী। আগ্নেয়গিরির ইঞ্জিনের ASR এমনকি কোলাহলপূর্ণ পরিবেশেও সঠিকভাবে কমান্ড চিনতে পারে এবং TTS প্রযুক্তি মেশিনের ভয়েসকে আর ঠাণ্ডা করে না এবং আরও "মানুষ" করে তোলে। Tuya Smart সংযুক্ত হওয়ার পর, বক্তৃতা শনাক্তকরণের নির্ভুলতা 20% এর বেশি বেড়েছে।

আরেকটি মূল প্রযুক্তি হল RTC রিয়েল-টাইম যোগাযোগ প্রযুক্তি, যা একটি "হাইওয়ে" সংযোগকারী ডিভাইস এবং ক্লাউডের মতো, এটি নিশ্চিত করে যে অডিও এবং ভিডিও ডেটা কম লেটেন্সি এবং উচ্চ স্থিতিশীলতার সাথে প্রেরণ করা যেতে পারে।

AI খেলনাগুলির জন্য এটি অত্যন্ত গুরুত্বপূর্ণ – যখন একটি শিশু একটি প্রশ্ন জিজ্ঞাসা করে, যদি তাদের উত্তরের জন্য 3-5 সেকেন্ড অপেক্ষা করতে হয়, অভিজ্ঞতা অনেক কমে যাবে। আগ্নেয়গিরি ইঞ্জিন 1 সেকেন্ডের কম প্রতিক্রিয়া সময়কে অপ্টিমাইজ করে, কথোপকথনকে বাস্তব জীবনের যোগাযোগের মতো স্বাভাবিক করে তোলে।

আগ্নেয়গিরি ইঞ্জিনের বড়-মডেল ইন্টেলিজেন্ট হার্ডওয়্যারের প্রধান জিং জিয়াওসি উল্লেখ করেছেন যে এআই ইন্টেলিজেন্ট হার্ডওয়্যার বাস্তবায়নের জন্য এন্ড-টু-এন্ড রিয়েল-টাইম কর্মক্ষমতা সবচেয়ে বড় প্রযুক্তিগত চ্যালেঞ্জ , বিশেষ করে ক্লাউড-ভিত্তিক যুক্তির পরিস্থিতিতে, যেখানে প্রতিক্রিয়া গতি সরাসরি ব্যবহারকারীর অভিজ্ঞতাকে প্রভাবিত করে।

এন্ড-ক্লাউড ইন্টিগ্রেটেড অপ্টিমাইজেশানের মাধ্যমে, ভলকানো ইঞ্জিন এআই ভয়েস ইন্টারঅ্যাকশনের প্রতিক্রিয়া গতিকে ব্যাপকভাবে উন্নত করেছে এবং রিয়েল-টাইম ভয়েস কথোপকথন অর্জন করেছে, সবচেয়ে দ্রুত মাত্র 1 সেকেন্ড সময় নেয় এবং গড় সময় 1.5 সেকেন্ডের কম।

ডিভাইসটিকে "বিশ্বকে বুঝতে" সক্ষম করার জন্য, VLM দৃষ্টি-ভাষা মডেল ক্যামেরাকে শুধুমাত্র ছবি "দেখতে" নয়, বিষয়বস্তুকে "বুঝতে" দেয়। উদাহরণস্বরূপ, এটি শিশুদের অঙ্গভঙ্গি এবং অভিব্যক্তি চিনতে পারে বা ছবির বিষয়বস্তু বিশ্লেষণ করতে পারে এবং সম্পর্কিত প্রশ্নের উত্তর দিতে পারে। Quectel এর সমস্ত স্মার্ট মডিউল এই ক্ষমতার সাথে সংযুক্ত করা হয়েছে, যার ফলে টার্মিনাল ডিভাইসগুলিকে নির্বিঘ্নে মাল্টি-মডেল AI ফাংশনগুলিকে একীভূত করতে দেয়৷

ফাংশন কলিং একটি সার্বজনীন রিমোট কন্ট্রোলের মতো, যা এআইকে সক্রিয়ভাবে বিভিন্ন বাহ্যিক পরিষেবাগুলিতে কল করার অনুমতি দেয় – হোম অ্যাপ্লায়েন্স নিয়ন্ত্রণ করা, আবহাওয়া পরীক্ষা করা, রিমাইন্ডার সেট করা এবং অন্যান্য সুসংগত ক্রিয়াকলাপগুলি এক ক্লিকে করা যেতে পারে।

আগ্নেয়গিরির ইঞ্জিনের সমাধানের আসল প্রতিযোগীতা "পারমাণবিক ক্ষমতা" এর মধ্যে নেই, তবে কীভাবে এই ক্ষমতাগুলিকে জৈবভাবে একীভূত করা যায় তার মধ্যে।

জিয়াংনান iFanrকে বলেছেন যে পারমাণবিক ক্ষমতার উদ্বোধন আগ্নেয়গিরি ইঞ্জিনকে একটি সমন্বিত "ক্লাউড + টার্মিনাল" ক্ষমতায়ন ব্যবস্থা গঠন করে চিপ প্রস্তুতকারক, সম্পূর্ণ মেশিন প্রস্তুতকারক, টার্মিনাল ব্র্যান্ড ইত্যাদি সহ সমগ্র হার্ডওয়্যার ইকোসিস্টেম পরিবেশন করতে সক্ষম করে।

এই ধরনের একটি সম্পূর্ণ এন্ড-টু-এন্ড সার্ভিস সিস্টেম ডিভাইস ডেটা সংগ্রহ থেকে এজ কম্পিউটিং প্রক্রিয়াকরণ থেকে ক্লাউডে বৃহৎ-স্কেল যুক্তি পর্যন্ত সমগ্র চেইনকে কভার করে। এই "ওয়ান-স্টপ সার্ভিস" বিচ্ছিন্ন এআই ইন্টারফেস প্রদানকারী ঐতিহ্যবাহী ক্লাউড পরিষেবা প্রদানকারীদের অনুশীলন থেকে সম্পূর্ণ আলাদা।

একই সময়ে, Espressif, Broadcom ইন্টিগ্রেটেড সার্কিট, Quectel, এবং Fibocom-এর মতো চিপ মডিউল নির্মাতাদের সাথে গভীর সহযোগিতার মাধ্যমে, ভলকানো ইঞ্জিন "হার্ডওয়্যার + অ্যালগরিদম + প্ল্যাটফর্ম" এর জন্য সম্পূর্ণ সমর্থন সরবরাহ করে। এই সহযোগিতা মডেলটি হার্ডওয়্যার কোম্পানিগুলিকে আরও মসৃণভাবে পণ্যগুলিতে এআই ক্ষমতাগুলি এম্বেড করতে দেয়৷

ভলকানো ইঞ্জিন একটি প্রযুক্তি সরবরাহকারী বলার পরিবর্তে, এটি হার্ডওয়্যার প্রস্তুতকারকদের পিছনে দাঁড়িয়ে থাকা একটি "এআই সামরিক উপদেষ্টা গ্রুপ" এর মতো। এটি কেবল প্রযুক্তিই প্রদান করে না, আরও গুরুত্বপূর্ণভাবে, এটি বি-এন্ড হার্ডওয়্যার কোম্পানিগুলিকে সমর্থন করার জন্য বিল্ডিং ব্লকের মতো টিকটকের মতো সি-এন্ড পণ্যগুলিতে বাইটড্যান্স দ্বারা যাচাইকৃত AI প্রযুক্তি এবং অপারেশনাল অভিজ্ঞতাকে অবাধে একত্রিত করে।

AIoT পণ্যের নতুন তরঙ্গ

অবশ্যই, আসল পরীক্ষাটি বাজারের সামনের লাইন থেকে আসে। কারিগরি স্থাপত্যের কঙ্কালকে তাজা মাংস ও রক্ত ​​ধারণ করার আগে অনুশীলন করা দরকার। "শক্তিশালী মডেল, কম খরচ, সহজ বাস্তবায়ন" যা আগ্নেয়গিরি ইঞ্জিন সর্বদা জোর দিয়েছে তা কি সত্যিই এই AIoT পণ্যগুলিকে বাজারে তরঙ্গ তৈরি করতে পারে?

হাইভিভি আর "স্মার্ট পুতুল" নয় যা শুধুমাত্র পূর্বনির্ধারিত ভয়েসের পুনরাবৃত্তি করতে পারে। শিশুদের সাথে দীর্ঘমেয়াদী মিথস্ক্রিয়া উপর ভিত্তি করে, এটি শিশুদের সামান্য অপরিপক্ক এবং কখনও কখনও এমনকি অ-মানক ভাষার অভিব্যক্তিগুলি আরও সঠিকভাবে বুঝতে পারে, শিশুদের আগ্রহ এবং পছন্দগুলি শিখতে পারে, ব্যক্তিগতকৃত সহচর বিষয়বস্তু প্রদান করতে পারে এবং এমনকি শিশুরা যখন বিষণ্ণ থাকে তখন সান্ত্বনা এবং উত্সাহ দিতে পারে৷ অতএব, এটি অনেক পিতামাতা এবং শিশুদের দ্বারা স্বাগত জানানো হয়।

মূল বিষয় হল বুদ্ধিমান অডিও এবং ভিডিও ইন্টারেক্টিভ ডিভাইস সমাধান। হাইভিভি আগ্নেয়গিরির ইঞ্জিনের ডুবাও ভয়েস মডেল এবং এজেন্ট নির্মাণের জন্য "বোতাম" গভীরভাবে একীভূত করে একটি সম্পূর্ণ AIoT ইন্টারেক্টিভ সিস্টেম তৈরি করেছে।

হাইভিভির সহ-প্রতিষ্ঠাতা গাও ফেং-এর মতে, একটি প্রাকৃতিক ইন্টারেক্টিভ প্রভাব অর্জনের জন্য, হাইভিভি দল এবং আগ্নেয়গিরি ইঞ্জিনের প্রকৌশলীরা একাধিক স্তরে গভীরভাবে অপ্টিমাইজেশন পরিচালনা করেছে।

উদাহরণস্বরূপ, ভয়েস ইন্টারঅ্যাকশনের প্রতিক্রিয়ার গতির পরিপ্রেক্ষিতে, এন্ড-ক্লাউড সহযোগিতামূলক লিঙ্কটি অপ্টিমাইজ করে, ব্যবহারকারীর ভয়েস কমান্ড থেকে খেলনার প্রতিক্রিয়া পর্যন্ত শেষ থেকে শেষ বিলম্ব একটি শিল্প-নেতৃস্থানীয় স্তরে নিয়ন্ত্রিত হয় এবং কিছু পরিস্থিতিতে 300 মিলিসেকেন্ডের মধ্যে অর্জন করা যেতে পারে।

এই AI সহচর খেলনাটি আবেগ এবং আবেগের সাথে সমস্ত ধরণের আকর্ষণীয় গল্প বলতে পারে এবং শিশুদের কথা বলার অনুশীলন করতে এবং শিশুদের সাথে ইডিয়ম চেইন গেম খেলতে ইংরেজি অনুশীলনের অংশীদার হিসাবেও কাজ করতে পারে। এই জনপ্রিয় ব্যবহারের পরিস্থিতিতে, শিশুরা কথোপকথন প্রক্রিয়ায় নিমগ্ন বোধ করে তা নিশ্চিত করা অত্যন্ত গুরুত্বপূর্ণ।

হাইভিভির মতো ব্র্যান্ডের বিপরীতে যা সরাসরি সি-এন্ড ভোক্তাদের লক্ষ্য করে, Tuya Smart, একটি গ্লোবাল IoT ডেভেলপমেন্ট প্ল্যাটফর্ম পরিষেবা প্রদানকারী হিসেবে, কিভাবে Volcano Engine-এর সাথে সহযোগিতার মাধ্যমে বিপুল সংখ্যক ডেভেলপারদের সাহায্য করা যায় তার উপর আরও বেশি ফোকাস করে।

এই বছরের শুরুতে, আগ্নেয়গিরি ইঞ্জিন এবং টুয়া স্মার্ট টুয়া এআই ক্লাউড বিকাশকারী প্ল্যাটফর্মে ডুবাও বড় মডেলকে সম্পূর্ণরূপে একীভূত করতে এবং একাধিক পরিস্থিতিতে AI বড় মডেল এবং ক্লাউড নেটিভ প্রযুক্তির বৃহৎ আকারের বাস্তবায়নকে যৌথভাবে প্রচার করার জন্য একটি সহযোগিতায় পৌঁছেছে। এটি কিছুটা AIoT বাজারে অ্যাপ স্টোরের মতো।

দুই পক্ষের মধ্যে সহযোগিতার একটি গুরুত্বপূর্ণ ফোকাস AI খেলনার ক্ষেত্র হতে পারে। ডেভেলপাররা আরও সুবিধাজনকভাবে Tuya প্ল্যাটফর্মে অডিও, ভিডিও, ইমেজ এবং পাঠ্যের মতো মাল্টিমোডাল AI ক্ষমতার ওয়ান-স্টপ ইন্টিগ্রেশন এবং কল অর্জন করতে পারে।

এর মানে হল যে এমনকি ছোট এবং মাঝারি আকারের খেলনা বিকাশকারীরাও তাদের পণ্যগুলিকে কম থ্রেশহোল্ড এবং দ্রুত গতিতে উন্নত AI ইন্টারঅ্যাকশন ফাংশন দিতে পারে এবং হাইভিভির মতো আরও প্রাকৃতিক এবং আকর্ষণীয় জনপ্রিয় পণ্যগুলিকে সেবন করার সুযোগ পেতে পারে।

এটি কেবল খেলনা নয় যেগুলি পুরানো বিভাগগুলিকে AI এর কারণে তাদের অভিজ্ঞতাগুলিকে নতুন আকার দেয়। টেলিভিশন, যা সাম্প্রতিক বছরগুলিতে খোলার হার হ্রাস পেয়েছে, তাও পরিবর্তন হতে শুরু করেছে।

ব্যবহারকারীরা যদি টিভিতে একটি নির্দিষ্ট তারকা অভিনীত একটি চলচ্চিত্র খুঁজে পেতে চান, তাহলে তাদের রিমোট কন্ট্রোল স্তরে স্তরে ক্লিক করতে হবে এবং জটিল মেনুতে নেভিগেট করতে হবে।

এখন, আপনাকে শুধুমাত্র বলতে হবে "আমি xx এর মুভি দেখতে চাই", এবং টিভি শুধুমাত্র সাথে সাথে সম্পর্কিত ভিডিও খুঁজে পায় না, কিন্তু বুদ্ধিমত্তার সাথে একটি এক্সক্লুসিভ পোস্টার ওয়ালও তৈরি করতে পারে। পুরো প্রক্রিয়ার প্রতিক্রিয়া গতি 1 সেকেন্ডের মধ্যে নিয়ন্ত্রিত হয়।

"ফোর্স কনফারেন্স"-এ তার বক্তৃতায়, স্কাইওয়ার্থ রিসার্চ ইনস্টিটিউটের সভাপতি এবং Coocaa-এর CTO গুও শ্যাংফেং একটি সহজ কিন্তু মূল বিষয়ের উপর জোর দিয়েছেন: রিয়েল-টাইম প্রতিক্রিয়া হল উচ্চ-ফ্রিকোয়েন্সি ব্যবহারকারীর ইন্টারঅ্যাকশনের মূল৷

Coocaa উপরের টিভি ইন্টারেক্টিভ অভিজ্ঞতাকে "সুপার ইন্টেলিজেন্ট বডি" বলে। এর পিছনে রয়েছে Doubao বড় মডেলের শব্দার্থিক বোঝাপড়া এবং ব্যক্তিগতকৃত প্রজন্মের ক্ষমতা, যা আপনার ব্যবহারকারীর দেখার পছন্দগুলি আরও ভালভাবে বোঝে এবং তারপর প্রাকৃতিক এবং মসৃণ কথোপকথন অর্জনের জন্য ভলকানো ইঞ্জিনের ভয়েস ইন্টারঅ্যাকশন প্রযুক্তিকে গভীরভাবে একীভূত করে, টিভির জটিল ইন্টারঅ্যাকশন মোডকে সরল করে যা লেয়ার কন্ট্রোলের মাধ্যমে লেয়ার কন্ট্রোলের উপর নির্ভর করে।

এই ব্যক্তিগতকৃত পরিষেবা শিক্ষা, স্বাস্থ্য এবং জীবন পরিষেবার মতো একাধিক উল্লম্ব পরিস্থিতিতে প্রসারিত। গুও শ্যাংফেং প্রকাশ করেছেন যে Coocaa-এর AI ছবির বইয়ের লাইব্রেরি 12 সেকেন্ডের মধ্যে ব্যক্তিগতকৃত গল্প তৈরি করতে পারে, যার ফলে ব্যবহারকারীর দৈনন্দিন কার্যকলাপের হার 60% এর বেশি বৃদ্ধি পায়।

যদি স্মার্ট খেলনা এবং স্মার্ট স্ক্রিনগুলি বিদ্যমান বাজারে AIoT-এর বুদ্ধিমান আপগ্রেড হয়, তবে AR (অগমেন্টেড রিয়েলিটি) চশমাগুলি AI এবং হার্ডওয়্যারের সংমিশ্রণকে প্রতিনিধিত্ব করে এবং ক্রমবর্ধমান বাজার তৈরি করতে এবং পরবর্তী প্রজন্মের ব্যক্তিগত টার্মিনালগুলি অন্বেষণ করার দুর্দান্ত সম্ভাবনা রয়েছে৷

Rokid এর ভাইস প্রেসিডেন্ট এবং XR সেন্টারের প্রধান ওয়াং জুনজি বিশ্বাস করেন যে AR চশমা পরবর্তী প্রজন্মের ব্যক্তিগত তথ্য টার্মিনাল হয়ে উঠবে বলে আশা করা হচ্ছে, যা ত্রিমাত্রিক বিশ্বে তথ্য মিথস্ক্রিয়া করার দক্ষতা এবং অভিজ্ঞতাকে ব্যাপকভাবে উন্নত করতে পারে।

এই দৃষ্টিভঙ্গি বাস্তবায়নের জন্য বিশেষ করে স্থানিক কম্পিউটিং এবং মাল্টিমডাল এআই-এর গভীর একীকরণ প্রয়োজন। বর্তমানে, Rokid সম্পূর্ণরূপে Doubao মাল্টিমডাল AI মডেলের সাথে একত্রিত হয়েছে।

অভ্যন্তরীণ AR ক্ষেত্রের একটি নেতৃস্থানীয় কোম্পানি হিসাবে, ভলকানো ইঞ্জিনের সাথে Rokid-এর সহযোগিতা স্থানিক কম্পিউটিং যুগে AI কী ভূমিকা পালন করতে পারে তা আমাদের কাছে প্রকাশ করে৷

Wang Junjie এর মতে, ভলকানো ইঞ্জিন ডুবাও বিগ মডেলের সাথে যৌথ গবেষণা ও উন্নয়নের মাধ্যমে, Rokid শুধুমাত্র তার AR চশমাগুলিতে অন্তর্নির্মিত AI সহকারীর ডেটা লিঙ্ককে অপ্টিমাইজ করেনি, ভয়েস সনাক্তকরণের নির্ভুলতা এবং প্রাকৃতিক ভাষা বোঝার গভীরতা উন্নত করেছে, কিন্তু আরও গুরুত্বপূর্ণ, এটি বিগ মডেলের মাল্টিমোডেল বোঝার ক্ষমতাকে একত্রিত করতে পারে। ব্যবহারকারীর বাস্তব শারীরিক পরিবেশের সাথে AI বিশ্লেষণের ফলাফলকে সুপারইম্পোজ করে, যার ফলে AR অ্যাপ্লিকেশনগুলির সামগ্রিক অভিজ্ঞতার উন্নতি হয়।

উদাহরণস্বরূপ, যখন একজন ব্যবহারকারী এআর চশমা পরেন এবং একটি পেইন্টিং দেখেন, তখন এআই সহকারী শুধুমাত্র পেইন্টিং তথ্য সনাক্ত করতে পারে না, তবে ব্যবহারকারীর পছন্দের উপর ভিত্তি করে সম্পর্কিত শিল্প প্রদর্শনীর সুপারিশও করতে পারে; বা একটি শিল্প পরিস্থিতিতে, AR চশমা বাস্তব সময়ে সরঞ্জামের ব্যর্থতা সনাক্ত করতে পারে এবং কর্মীদের সামনে ত্রিমাত্রিক মডেলের আকারে রক্ষণাবেক্ষণ গাইডগুলিকে ওভারলে করতে পারে।

বাচ্চাদের আবেগ "পড়তে" পারে এমন স্মার্ট খেলনা থেকে শুরু করে, লিভিং রুমের বাটলার যা ব্যবহারকারীর চাহিদা অনুমান করতে পারে, AR চশমা যা নিরবিচ্ছিন্নভাবে ভার্চুয়াল এবং শারীরিক জগতকে একীভূত করে, পরিপক্ক হার্ডওয়্যার বাজারে AIoT পণ্যগুলির একটি নতুন তরঙ্গ আবির্ভূত হতে শুরু করেছে।

এআই যুগে "নতুন পরিকাঠামো" তৈরি করা

আগ্নেয়গিরি ইঞ্জিন স্মার্ট হার্ডওয়্যারে যা করে তা আজকের বিশ্বের একটি সামান্য ভিন্ন রুট যেখানে মডেল প্যারামিটার এবং অ্যালগরিদম পুনরাবৃত্তি বেড়ে চলেছে: এটি হার্ডওয়্যারের জন্য শুধুমাত্র একটি "প্রযুক্তি সরবরাহকারী" এর চেয়ে অনেক বেশি হতে চায়, না এটি কেবল এমন একটি মডেলকে প্রশিক্ষণ দেয় যা "পরীক্ষা নেওয়া" বা একটি রোবট যা "চ্যাট করা" এ ভাল।

আগ্নেয়গিরি ইঞ্জিনের স্ক্রিপ্টে, AI হল সত্যিকার অর্থে "অ্যাকশনে সরানো", বিপুল সংখ্যক AIoT ডিভাইস স্বাভাবিকভাবে ব্যবহারকারীদের জীবনে একত্রিত করা, একটি উপলব্ধিশীল, চিন্তাশীল এবং উষ্ণ অংশীদার হয়ে উঠেছে।

AI-কে আরও কম-কম্পিউটিং-পাওয়ার টার্মিনাল ডিভাইসে একীভূত করার জন্য, তারা এমনকি টার্মিনাল SDK-কে একটি কম-পাওয়ার ডিভাইসে সংকুচিত করেছে যার মেমরি মাত্র 100KB আছে, যাতে মাত্র কয়েকশ ইউয়ান মূল্যের হার্ডওয়্যারও একটি "স্মার্ট মস্তিষ্ক" রাখতে পারে।

এর পিছনে রয়েছে শেষ-ক্লাউড সহযোগিতামূলক আর্কিটেকচারের প্রায় কঠোর পলিশিং এবং খরচ নিয়ন্ত্রণের চূড়ান্ত সাধনা। যখন বৃহৎ মডেলের যুক্তির খরচ অনেক কমে যায়, তখন AI আর কিছু দৈত্যের "একচেটিয়া খেলনা" হবে না, কিন্তু সত্যিকার অর্থে "সাধারণ মানুষের ঘরে প্রবেশ করবে" বলে আশা করা হবে।

Volcano Engine সম্প্রতি MCP পরিষেবা চালু করেছে। ঐতিহ্যবাহী উদ্যোগ বা স্টার্ট-আপ দলগুলি যারা এখনও AI প্রযুক্তি সঞ্চয়ের পরিপ্রেক্ষিতে "নতুন গ্রামে" রয়েছে তারা তাদের পণ্যগুলিতে দ্রুত, সুবিধাজনকভাবে এবং কম খরচে AI ইঞ্জিন ইনস্টল করতে MCP পরিষেবা ব্যবহার করতে সক্ষম হতে পারে, এইভাবে "ফিচার ফোন" থেকে "স্মার্ট ফোন"-এ এক-ক্লিক আপগ্রেড করতে পারে। যেমন জিং জিয়াওসি তার শেয়ারিংয়ে উল্লেখ করেছেন:

MCP-এর মতো নতুন পরিষেবাগুলি সামগ্রিক উন্নয়নের থ্রেশহোল্ডকে আরও কম করে এবং বুদ্ধিমত্তার ঊর্ধ্ব সীমা বাড়ায়, আরও জটিল এবং বুদ্ধিমান এআই অভিজ্ঞতাগুলিকে বিভিন্ন শিল্পে ব্যাপকভাবে প্রযোজ্য করে তোলে।

হার্ডওয়্যার এবং এআই-এর এই একীকরণ শুধুমাত্র একটি API ইন্টারফেস প্রদানের জন্য নয়, "চিপ" থেকে "বিক্রয়" পর্যন্ত একটি সম্পূর্ণ-লিঙ্ক পরিষেবা:

অন্তর্নিহিত প্রযুক্তি "হার্ড ডিশ" যেমন Doubao বিগ মডেল এবং RTC রিয়েল-টাইম কমিউনিকেশন থেকে শুরু করে AI অ্যাপ্লিকেশনের "কুইক ডিশ" ডেভেলপমেন্ট প্ল্যাটফর্ম যেমন বোতাম, এবং তারপর একসাথে অপ্টিমাইজ করার জন্য ব্রডকম ইন্টিগ্রেটেড এবং ফিবোকমের মতো চিপ মডিউল নির্মাতাদের আনার জন্য, আমরা আপনাকে ই-কমার্স চ্যানেলের সাথে সংযোগ করতে সাহায্য করতে পারি।

নীচের-স্তরের প্রযুক্তি থেকে উপরের-স্তরের অ্যাপ্লিকেশনে এই সম্পূর্ণ পরিবেশগত বন্ধ লুপটি একটি সাধারণ ব্যবসায়িক সম্প্রসারণ নয়, বরং অবকাঠামো স্তরের পুনর্নির্ধারণের মতো। Xing Xiaoci আমাদের বলেছেন যে স্মার্ট হার্ডওয়্যার "কার্যকর" থেকে "পরিষেবা-ভিত্তিক" এ পরিবর্তিত হচ্ছে ৷

সুতরাং, সফ্টওয়্যার হোক বা হার্ডওয়্যার, ভলকানো ইঞ্জিন AI যুগে একটি "নতুন পরিকাঠামো" তৈরি করার চেষ্টা করছে বলে মনে হচ্ছে ।

ক্রমাগত পরিবর্তনশীল AI টরেন্টে, শুধুমাত্র আমাদের কাজের পদ্ধতিগুলিই পরিবর্তনের মুখোমুখি হবে না, কিন্তু স্মার্ট হার্ডওয়্যার বাজারটি একটি "রিশাফেল" শুরু করবে, একটি নতুন প্রতিযোগিতামূলক ল্যান্ডস্কেপ খুলে দেবে। এই নতুন ট্র্যাকে, আগ্নেয়গিরির ইঞ্জিন ইতিমধ্যেই বন্যভাবে চলছে, এবং আরও নির্মাতারাও গেমটিতে যোগ দিচ্ছেন।

এই AIoT পণ্যগুলির আবির্ভাবের পরে আমরা একটি নতুন জীবনের জন্যও উন্মুখ হতে পারি: মাল্টিমডাল ফিউশনের প্রযুক্তিগত স্থাপত্য, এন্ড-ক্লাউড সহযোগিতা, এবং এজেন্ট-ভিত্তিক স্বায়ত্তশাসিত পরিষেবার ক্ষমতা, স্মার্ট হার্ডওয়্যারকে "বুদ্ধিমত্তা" এর পরবর্তী মাত্রায় আপগ্রেড করার অনুমতি দেয়: সত্যিকার অর্থে ব্যক্তিগতকৃত, ব্যবহারকারীদের থেকে সক্রিয়ভাবে উপলব্ধি করা এবং আরও সক্রিয় পরিষেবা প্রদান করা।

#iFanr: iFanr (WeChat ID: ifanr) এর অফিসিয়াল WeChat পাবলিক অ্যাকাউন্ট অনুসরণ করতে স্বাগতম, যেখানে যত তাড়াতাড়ি সম্ভব আরও উত্তেজনাপূর্ণ বিষয়বস্তু আপনার কাছে উপস্থাপন করা হবে।

iFanr | মূল লিঙ্ক · মন্তব্য দেখুন · সিনা ওয়েইবো