Menyesuaikan AI untuk Perusahaan dan Lebih Jauh
Pada GPU Technical Conference (GTC) 2025, CEO Nvidia, Jensen Huang, menguraikan strategi perusahaan untuk menyesuaikan kehebatan komputasi terakselerasinya ke berbagai aplikasi. Sementara sorotan tertuju pada GPU ‘Blackwell’ B300 generasi berikutnya dari Nvidia dan keluarga akselerator ‘Rubin’ di masa depan, Huang juga menekankan komitmen perusahaan untuk melayani kebutuhan perusahaan, komputasi edge, dan ranah AI fisik.
Huang menekankan bahwa sementara penyedia layanan cloud tertarik pada teknologi mutakhir Nvidia dan pendekatan full-stack, adopsi AI yang lebih luas menuntut strategi yang lebih bernuansa. Dia menyatakan, “Komputasi yang dipercepat bukan tentang chip, bahkan bukan tentang chip dan library, model pemrograman. Ini adalah chip, model pemrograman, dan sejumlah perangkat lunak yang ada di atasnya.”
Evolusi AI: Dari Cloud ke Ubiquity
Momentum awal AI mungkin berasal dari cloud, tetapi lintasannya jelas melampaui itu. Saat AI merambah berbagai sektor, ia menghadapi beragam konfigurasi sistem, lingkungan operasi, library khusus domain, dan pola penggunaan. Huang menekankan ekspansi ini, mencatat persyaratan unik dari TI perusahaan, manufaktur, robotika, mobil self-driving, dan bahkan penyedia cloud GPU yang sedang berkembang.
Sifat fundamental komputasi sedang dibentuk kembali oleh AI dan machine learning, yang memengaruhi segalanya mulai dari prosesor dan sistem operasi hingga aplikasi dan orkestrasinya. Alur kerja perusahaan berkembang dari pengambilan data sederhana menjadi interaksi tanya-jawab interaktif dengan sistem AI.
Kebangkitan Agen AI dan Pekerja Digital
Huang membayangkan masa depan di mana agen AI menjadi bagian integral dari tenaga kerja digital. Dia memprediksi bahwa di samping satu miliar pekerja pengetahuan di dunia, akan muncul sepuluh miliar pekerja digital, yang berkolaborasi dengan mulus. Kehadiran agen AI di mana-mana ini membutuhkan jenis komputer baru, yang dioptimalkan untuk tuntutan operasional unik mereka.
Memperkenalkan Perangkat Keras Baru untuk Era AI
Nvidia mengatasi kebutuhan ini dengan memperkenalkan dua superkomputer AI pribadi: DGX Spark dan DGX Station. Sistem desktop ini dirancang untuk inferensi dan tugas-tugas lain, menawarkan fleksibilitas untuk operasi lokal atau integrasi dengan DGX Cloud Nvidia dan lingkungan cloud terakselerasi lainnya.
DGX Spark membanggakan GB10 Grace Blackwell Superchip, memberikan kinerja luar biasa untuk penyetelan dan inferensi AI. DGX Station, sistem desktop yang lebih kuat, menampilkan GB300 Grace-Blackwell Ultra Desktop Superchip, menawarkan memori koheren 784 GB yang sangat besar, ConnectX-8 SuperNIC Nvidia, platform perangkat lunak AI Enterprise, dan akses ke layanan mikro NIM AI.
Melampaui Agen: Awal dari Penalaran AI
Sistem baru ini tidak hanya memberi perusahaan alat yang ampuh untuk beban kerja AI, tetapi juga membuka jalan bagi tahap evolusi AI berikutnya: model penalaran. Model-model ini mewakili lompatan signifikan melampaui agen AI dasar, yang mampu mengatasi masalah kompleks dan menunjukkan kemampuan penalaran yang jauh melampaui sifat prompt-and-reply dari chatbot AI saat ini.
Huang menggambarkan kemajuan ini, dengan menyatakan, “Kita sekarang memiliki AI yang dapat bernalar, yang secara fundamental adalah tentang memecah masalah, langkah demi langkah. Sekarang kita memiliki AI yang dapat bernalar langkah demi langkah menggunakan … teknologi yang disebut chain of thought, best of N, consistency checking, path planning, berbagai teknik yang berbeda.”
Model Nemotron: Memberdayakan Penalaran AI
Membangun fondasi yang diletakkan di Consumer Electronics Show dengan peluncuran model Llama Nemotron dan Cosmos Nemotron, Nvidia memperkenalkan keluarga model Llama Nemotron terbuka di GTC. Model-model ini menawarkan kemampuan penalaran yang ditingkatkan untuk tugas multi-langkah dalam matematika, pengkodean, pengambilan keputusan, dan mengikuti instruksi.
Kari Briski, Wakil Presiden Perangkat Lunak AI Generatif Nvidia untuk Perusahaan, menyoroti komitmen perusahaan terhadap dukungan pengembang. Nvidia menyediakan dataset, yang terdiri dari 60 miliar token data yang dihasilkan secara sintetis, dan teknik untuk memfasilitasi adopsi model-model ini.
Briski menjelaskan, “Sama seperti manusia, agen perlu memahami konteks untuk menguraikan permintaan yang kompleks, memahami maksud pengguna, dan beradaptasi secara real time.”
Model Nemotron menawarkan berbagai tingkat kemampuan penalaran dan hadir dalam tiga ukuran: Nano (dioptimalkan untuk PC dan perangkat edge), Super (akurasi dan throughput tinggi pada satu GPU), dan Ultra (dirancang untuk beberapa GPU).
Cetak Biru AI-Q: Menghubungkan Data ke Agen Penalaran
Platform perangkat lunak AI Enterprise Nvidia sedang ditambah dengan AI-Q Blueprint, penawaran berbasis NIM yang memungkinkan perusahaan untuk menghubungkan data kepemilikan ke agen AI penalaran. Perangkat lunak terbuka ini terintegrasi dengan alat NeMo Retriever Nvidia, memungkinkan kueri berbagai jenis data (teks, gambar, video) dan memfasilitasi kolaborasi antara komputasi terakselerasi Nvidia dan platform penyimpanan pihak ketiga dan perangkat lunak, termasuk model Llama Nemotron.
Briski menekankan manfaat bagi tim pengembangan, dengan menyatakan, “Untuk tim agen yang terhubung, cetak biru memberikan observabilitas dan transparansi ke dalam aktivitas agen, memungkinkan pengembang untuk meningkatkan agen dari waktu ke waktu. Pengembang dapat meningkatkan akurasi agen dan mengurangi penyelesaian tugas-tugas ini dari jam ke menit.”
Platform Data AI: Desain Referensi untuk Infrastruktur Perusahaan
Platform Data AI Nvidia berfungsi sebagai desain referensi untuk infrastruktur perusahaan, menggabungkan agen kueri AI yang dibangun menggunakan AI-Q Blueprint.
AI Fisik: Menjembatani Dunia Digital dan Fisik
Huang juga membahas bidang AI fisik yang sedang berkembang, yang melibatkan integrasi AI ke dalam sistem fisik untuk memungkinkan persepsi dan interaksi dunia nyata. Dia memperkirakan bahwa area ini bisa menjadi segmen terbesar dari pasar AI.
“AI yang memahami dunia fisik, hal-hal seperti gesekan dan inersia, sebab dan akibat, keabadian objek, kemampuan untuk memahami dunia fisik, dunia tiga dimensi. Itulah yang akan memungkinkan era baru AI fisik dan itu akan memungkinkan robotika,” jelas Huang.
Kemajuan dalam Robotika dan Kendaraan Otonom
Beberapa pengumuman menggarisbawahi komitmen Nvidia terhadap AI fisik, termasuk pengenalan Nvidia AI Dataset, yang dirancang khusus untuk robotika dan kendaraan otonom. Dataset ini memberdayakan pengembang untuk melakukan pra-pelatihan, pengujian, validasi, dan penyetelan model fondasi, memanfaatkan data dunia nyata dan sintetis yang digunakan dalam platform pengembangan model dunia Cosmos Nvidia, perangkat lunak Drive AV, platform pengembangan robot Isaac AI, dan kerangka kerja Metropolis untuk kota pintar.
Iterasi awal dataset tersedia di Hugging Face, menawarkan 15 terabyte data untuk pelatihan robotika, dengan dukungan untuk pengembangan kendaraan otonom yang dijadwalkan dalam waktu dekat.
Selain itu, Nvidia mengumumkan Isaac GROOT N1, model fondasi untuk robot humanoid. Ini dilatih pada data nyata dan sintetis, dan mewakili kemajuan Proyek GROOT.
Memperluas Cakrawala AI
Inisiatif strategis Nvidia menunjukkan visi yang jelas untuk masa depan AI, memperluas jangkauannya jauh melampaui batas cloud dan masuk ke jantung perusahaan dan dunia fisik. Melalui kombinasi perangkat keras mutakhir, platform perangkat lunak inovatif, dan komitmen terhadap pemberdayaan pengembang, Nvidia memposisikan dirinya sebagai kekuatan pendorong di balik gelombang inovasi AI berikutnya. Pengenalan kemampuan penalaran, ditambah dengan pengembangan alat dan dataset untuk AI fisik, menandai langkah signifikan menuju masa depan di mana AI terintegrasi secara mulus dengan kehidupan kita sehari-hari, mengubah industri dan mendefinisikan kembali cara kita berinteraksi dengan teknologi. Fokus pada solusi perusahaan, komputasi edge, dan robotika menyoroti pemahaman Nvidia tentang kebutuhan lanskap AI yang beragam dan terus berkembang, memperkuat posisinya sebagai pemimpin dalam revolusi teknologi transformatif ini.