Nvidia saat ini berdiri sebagai pemimpin revolusi AI yang tak terbantahkan, sebuah posisi yang tercermin dalam valuasi pasarnya yang bernilai triliunan dolar. Namun, teknologi yang dipelopori oleh Nvidia—Kecerdasan Buatan—akan segera menjadi alat yang membongkar keunggulan kompetitifnya.
Industri ini melihat adanya pergeseran di mana AI tidak lagi hanya sekedar pengguna perangkat keras, namun semakin menjadi arsitek dan pengoptimal perangkat keras.
“Parit Perangkat Lunak” yang Dikepung
Dominasi Nvidia tidak hanya dibangun berdasarkan kekuatan mentah; itu dibangun di atas kemampuan program. Meskipun banyak pesaing menawarkan chip dengan kinerja teoritis serupa (operasi floating-point), Nvidia memiliki keunggulan besar dalam perangkat lunak. Pustaka dan alat khusus mereka memudahkan pengembang untuk menulis kode yang berjalan secara efisien di perangkat keras mereka.
Hal ini telah menciptakan hambatan masuk yang tinggi. Misalnya, ketika Anthropic menjalankan model Claude pada perangkat keras Trainium Amazon, perusahaan harus menulis ulang kodenya dari awal untuk memastikan efisiensi.
Masuk ke Wafer, sebuah startup yang bertujuan untuk menjembatani kesenjangan ini. Wafer menggunakan pembelajaran penguatan untuk mengajarkan model AI cara menulis “kode kernel”—perangkat lunak tingkat rendah yang berkomunikasi langsung dengan perangkat keras. Dengan mengotomatiskan proses optimasi, Wafer bertujuan untuk:
– Mendemokratisasikan efisiensi: Mempermudah perangkat keras non-Nvidia (seperti chip AMD atau Amazon) untuk menjalankan model AI yang kompleks.
– Mengurangi biaya: Meminimalkan kebutuhan akan teknisi kinerja khusus yang sangat mahal.
– Maksimalkan “kecerdasan per watt”: Memastikan perangkat keras tidak hanya bertenaga, namun juga sangat efisien dalam penggunaan energi.
Mengotomatiskan Cetak Biru: AI dalam Desain Chip
Jika Wafer mengoptimalkan cara perangkat lunak berjalan pada chip, startup lain, Ricursive Intelligence, akan menangani cara pembuatan chip.
Desain chip adalah salah satu prestasi teknik paling rumit di dunia. Hal ini memerlukan penyusunan miliaran komponen pada sepotong kecil silikon dan kemudian menjalani pengujian berulang yang ketat untuk memastikan semuanya berfungsi. Secara tradisional, hal ini memerlukan tim ahli manusia dalam jumlah besar.
Didirikan oleh mantan insinyur Google Azalia Mirhoseini dan Anna Goldie, Ricursive berupaya mengotomatiskan “kutub panjang” proses: desain fisik dan verifikasi desain.
Visi mereka meliputi:
– Desain Bahasa Alami: Menggunakan Model Bahasa Besar (LLM) sehingga teknisi dapat mendeskripsikan perubahan atau mengajukan pertanyaan tentang chip menggunakan teks sederhana.
– Iterasi yang Dipercepat: Menggunakan AI untuk mengoptimalkan tata letak komponen, sebuah teknik yang sebelumnya dirintis di Google.
– “Hukum Penskalaan” untuk Perangkat Keras: Potensi loop rekursif saat AI merancang chip yang lebih baik, yang pada gilirannya menyediakan lebih banyak komputasi untuk merancang chip yang lebih baik lagi.
Mengapa Ini Penting: Pergeseran Menuju Silikon Khusus
Industri teknologi sudah bergerak menuju silikon khusus. Raksasa seperti Apple, Google, Amazon, dan Meta semuanya mengembangkan chip milik mereka sendiri untuk menyesuaikan perangkat keras secara khusus dengan kebutuhan perangkat lunak mereka.
Secara historis, “hambatan” bagi perusahaan-perusahaan ini bukanlah perangkat keras itu sendiri, namun perangkat lunak dan upaya desain yang sangat besar yang diperlukan agar perangkat keras tersebut berfungsi. Jika AI dapat mengotomatiskan desain chip (Ricursive) dan optimasi kode (Wafer), “parit” yang mengelilingi Nvidia mulai menguap.
“Parit berada dalam kemampuan program chip… Saya pikir ini saatnya untuk mulai memikirkan kembali apakah itu benar-benar parit yang kuat.” — Emilio Andere, CEO Wafer
Kesimpulan
Munculnya desain chip berbasis AI dan optimalisasi perangkat lunak mewakili perubahan mendasar dalam industri semikonduktor. Jika AI berhasil mengotomatiskan bagian tersulit dalam rekayasa perangkat keras, hambatan dalam menciptakan silikon khusus berperforma tinggi akan hilang, sehingga berpotensi mengakhiri era dominasi vendor tunggal di era AI.
