Menavigasi Revolusi Inferensi
Jensen Huang, CEO Nvidia, berbicara di konferensi pengembang perangkat lunak tahunan perusahaan di San Jose, California, menegaskan posisi kuat Nvidia di tengah transformasi signifikan dalam industri artificial intelligence. Dia menekankan pergeseran yang sedang berlangsung dari fase training model AI ke fase inference, di mana bisnis semakin fokus pada ekstraksi wawasan yang mendetail dan dapat ditindaklanjuti dari model-model ini.
Mengatasi Kekhawatiran Investor dan Dinamika Pasar
Presentasi Huang, yang disampaikan dengan jaket kulit hitam dan jeans khasnya, berfungsi sebagai pembelaan atas posisi dominan Nvidia di pasar chip AI yang berisiko tinggi. Kekhawatiran investor baru-baru ini, yang dipicu oleh laporan pesaing seperti DeepSeek dari China yang mencapai kinerja chatbot yang sebanding dengan potensi chip AI yang lebih sedikit, telah membayangi keunggulan Nvidia yang tampaknya tak tergoyahkan.
Meskipun Huang menyampaikan pidatonya dengan percaya diri, pasar merespons dengan tingkat skeptisisme. Saham Nvidia mengalami penurunan 3,4%, mencerminkan penurunan yang lebih luas dalam indeks chip, yang ditutup turun 1,6%. Reaksi ini menunjukkan bahwa pasar mungkin telah memperhitungkan banyak berita yang diantisipasi, yang mencerminkan pendekatan ‘tunggu dan lihat’ terhadap strategi jangka panjang Nvidia.
Menghilangkan Kesalahpahaman dan Menyoroti Tuntutan Komputasi
Huang secara langsung mengkonfrontasi apa yang ia anggap sebagai kesalahpahaman luas mengenai persyaratan komputasi AI yang terus berkembang. Dia dengan berani menyatakan, ‘Hampir seluruh dunia salah,’ menggarisbawahi peningkatan eksponensial dalam daya komputasi yang dibutuhkan untuk aplikasi AI tingkat lanjut, khususnya di bidang ‘agentic AI’.
Agentic AI, yang dicirikan oleh agen otonom yang mampu melakukan tugas-tugas rutin dengan intervensi manusia yang minimal, menuntut kemampuan pemrosesan yang jauh lebih besar. Huang memperkirakan bahwa kebutuhan komputasi untuk agentic AI dan penalaran adalah ‘dengan mudah 100 kali lebih banyak daripada yang kita kira kita butuhkan tahun lalu.’ Peningkatan dramatis ini menggarisbawahi permintaan yang berkelanjutan, dan mungkin diremehkan, untuk solusi komputasi berkinerja tinggi.
Dikotomi Pelatihan vs. Inferensi
Elemen kunci dari tantangan Nvidia saat ini terletak pada dinamika pasar AI yang terus berkembang. Industri ini sedang bertransisi dari fokus utama pada training, di mana dataset besar digunakan untuk menanamkan model AI seperti chatbot dengan kecerdasan, ke inference. Inferensi adalah tahap di mana model yang terlatih memanfaatkan pengetahuan yang diperolehnya untuk memberikan jawaban dan solusi spesifik kepada pengguna.
Pergeseran ini menghadirkan potensi hambatan bagi Nvidia, karena chipnya yang paling menguntungkan secara tradisional telah dioptimalkan untuk fase pelatihan yang intensif secara komputasi. Sementara Nvidia telah mengembangkan ekosistem alat perangkat lunak dan dukungan pengembang yang kuat selama dekade terakhir, chip pusat data, yang harganya mencapai puluhan ribu dolar, yang telah mendorong sebagian besar pendapatannya, mencapai $130,5 miliar tahun lalu.
Mempertahankan Momentum: Lonjakan Tiga Tahun dan Selanjutnya
Saham Nvidia telah menyaksikan kenaikan yang sangat pesat, nilainya meningkat lebih dari empat kali lipat selama tiga tahun terakhir. Pertumbuhan luar biasa ini didorong oleh peran penting perusahaan dalam memberdayakan kemunculan sistem AI yang canggih, termasuk ChatGPT, Claude, dan banyak lainnya. Perangkat keras perusahaan telah menjadi identik dengan pengembangan AI mutakhir.
Namun, mempertahankan momentum ini membutuhkan adaptasi terhadap perubahan tuntutan pasar yang berfokus pada inferensi. Sementara visi jangka panjang dari industri AI yang dibangun di atas chip Nvidia tetap menarik, ekspektasi investor jangka pendek lebih sensitif terhadap tantangan dan peluang langsung yang dihadirkan oleh revolusi inferensi.
Mengungkap Chip Generasi Berikutnya: Blackwell Ultra dan Selanjutnya
Huang menggunakan konferensi tersebut sebagai platform untuk mengumumkan serangkaian rilis chip baru, yang dirancang untuk memperkuat posisi Nvidia dalam lanskap AI yang terus berkembang. Di antara pengumuman ini adalah pengungkapan chip GPU Blackwell Ultra, yang dijadwalkan untuk rilis pada paruh kedua tahun ini.
Blackwell Ultra menawarkan kapasitas memori yang ditingkatkan dibandingkan dengan pendahulunya, chip Blackwell generasi saat ini. Peningkatan memori ini memungkinkannya untuk mendukung model AI yang lebih besar dan lebih kompleks, yang memenuhi tuntutan yang terus meningkat dari aplikasi AI tingkat lanjut.
Fokus Ganda: Responsivitas dan Kecepatan
Huang menekankan bahwa chip Nvidia direkayasa untuk mengatasi dua aspek penting dari kinerja AI: responsiveness dan speed. Chip harus memungkinkan sistem AI untuk memberikan respons cerdas terhadap sejumlah besar pertanyaan pengguna sambil secara bersamaan memberikan respons tersebut dengan latensi minimal.
Huang berpendapat bahwa teknologi Nvidia secara unik diposisikan untuk unggul di kedua bidang tersebut. Dia menarik paralel dengan pencarian web, yang menyatakan, ‘Jika Anda membutuhkan waktu terlalu lama untuk menjawab pertanyaan, pelanggan tidak akan kembali.’ Analogi ini menyoroti pentingnya kecepatan dan efisiensi dalam mempertahankan keterlibatan dan kepuasan pengguna dalam aplikasi yang didukung AI.
Roadmap untuk Masa Depan: Vera Rubin dan Feynman
Melihat melampaui Blackwell Ultra, Huang memberikan gambaran sekilas tentang roadmap chip masa depan Nvidia, mengungkapkan detail tentang sistem Vera Rubin yang akan datang. Dijadwalkan untuk rilis pada paruh kedua tahun 2026, Vera Rubin dirancang untuk menggantikan Blackwell, menawarkan kecepatan yang lebih cepat dan kemampuan yang ditingkatkan.
Lebih jauh ke depan, Huang mengumumkan bahwa chip Rubin akan diikuti oleh chip Feynman, yang diproyeksikan akan tiba pada tahun 2028. Roadmap multi-generasi ini menunjukkan komitmen Nvidia terhadap inovasi berkelanjutan dan tekadnya untuk mempertahankan keunggulan teknologi di pasar perangkat keras AI yang berkembang pesat.
Mengatasi Tantangan Industri dan Peluncuran Blackwell
Pengungkapan chip baru ini datang pada saat masuknya Blackwell ke pasar lebih lambat dari yang diantisipasi sebelumnya. Cacat desain dilaporkan menyebabkan tantangan manufaktur, yang berkontribusi terhadap penundaan. Situasi ini mencerminkan perjuangan industri yang lebih luas, karena pendekatan tradisional untuk memasukkan dataset yang terus berkembang ke pusat data besar yang diisi dengan chip Nvidia mulai menunjukkan hasil yang semakin berkurang.
Terlepas dari tantangan ini, Nvidia melaporkan bulan lalu bahwa pesanan untuk Blackwell ‘luar biasa,’ menunjukkan permintaan yang kuat untuk chip baru meskipun ada kemunduran awal.
Memperluas Ekosistem: DGX Workstation dan Inovasi Perangkat Lunak
Di luar pengumuman chip inti, Huang memperkenalkan komputer pribadi baru yang kuat, DGX Workstation, berdasarkan chip Blackwell. Workstation ini, yang akan diproduksi oleh perusahaan terkemuka seperti Dell, Lenovo, dan HP, merupakan tantangan bagi beberapa penawaran Mac high-end Apple.
Huang dengan bangga memamerkan motherboard untuk salah satu perangkat ini, menyatakan, ‘Beginilah seharusnya tampilan PC.’ Langkah ini menandakan ambisi Nvidia untuk memperluas kehadirannya di pasar komputasi berkinerja tinggi di luar pusat data dan ke ranah workstation profesional.
Dynamo: Mempercepat Penalaran dan Kolaborasi dengan General Motors
Di bidang perangkat lunak, Huang mengumumkan perilisan Dynamo, alat perangkat lunak baru yang dirancang untuk mempercepat proses penalaran dalam aplikasi AI. Dynamo ditawarkan secara gratis, yang bertujuan untuk mendorong adopsi yang lebih luas dan mempercepat inovasi di lapangan.
Selain itu, Huang mengungkapkan kemitraan yang signifikan dengan General Motors, memilih Nvidia untuk memberdayakan armada mobil self-driving-nya. Kolaborasi ini menggarisbawahi pengaruh Nvidia yang berkembang di industri otomotif dan komitmennya untuk memajukan teknologi mengemudi otonom. Ini adalah kemenangan profil tinggi, dan ini menunjukkan betapa beragamnya aplikasi untuk Nvidia.
Jalan ke Depan
Nvidia bertaruh besar pada masa depan AI, dan inovasi berkelanjutan mereka adalah kuncinya. Mereka menyadari perlunya beradaptasi dengan pergeseran ke arah inferensi, dan mereka sudah mengembangkan chip yang dapat melakukan keduanya. Dengan sejarah kesuksesan mereka dan komitmen mereka terhadap penelitian dan pengembangan, Nvidia kemungkinan akan tetap menjadi pemain utama dalam industri AI selama bertahun-tahun yang akan datang. Kemitraan dengan perusahaan teknologi dan otomotif besar merupakan indikasi ke mana arah Nvidia.