Pendiri Acres, Carter Malloy, kedua anak perempuannya menekan wajah mereka ke kaca jendela di belakang kantor. Mereka mencoba melihat mesin berdengung yang terus dipuji ayah mereka—dua GPU high‑end yang tersembunyi di sudut gelap.
Malloy beli kedua mesin itu dari NVIDIA tahun 2024, dan baru‑baru ini pesan dua lagi yang seharusnya tiba minggu ini. Dia juga memasang kabel baru di langit‑langit untuk menyambungkan mesin itu langsung ke komputer tim data science-nya. Jadi, mereka bisa latih model di tempat langsung, tidak perlu sewa waktu di cloud.
“Memiliki GPU di lokasi sendiri jauh lebih murah untuk pelatihan—dan sebenarnya lebih cepat,” kata Malloy.
Acres mungkin startup kecil dengan hanya sekitar 70 orang, tetapi mereka termasuk perusahaan data niche yang diam‑diam mengumpulkan klaster GPU di luar tembok Big Tech. Mereka bertaruh bahwa memiliki komputasi sendiri akan jadi keunggulan kompetitif. Andreessen Horowitz terkenal karena mengamankan klaster GPU sendiri yang mereka sewakan ke startup dengan imbalan ekuitas. Startup individu seperti Gumlet juga bilang mereka menghosting perangkat keras sendiri. Hardware ini bisa berharga lebih dari $25.000 per GPU, ditambah biaya energi berkelanjutan. Saat kekurangan pasokan seperti tahun lalu, perusahaan kecil sulit mendapatkannya tanpa menunggu berbulan‑bulan.
Tetapi untuk menjalankan perusahaan intelijen data geospasial, Malloy mengatakan punya klaster sendiri lebih masuk akal.
Tidak selalu seperti ini. Beberapa tahun lalu, Malloy menjalankan perusahaan yang sangat berbeda—AcreTrader, platform fintech investasi lahan pertanian berbasis di Fayetteville, Arkansas, yang memungkinkan investor membeli bagian ladang seperti membeli saham. Musim panas lalu, dia jual bagian “Trader” dari bisnis itu dengan jumlah tidak diungkapkan untuk fokus pada satu hal: data.
Dari awal, tim kecil di startup itu mengumpulkan data untuk membantu pemilik tanah menilai harga dan mengevaluasi lahan pertanian—mulai dari riwayat jual‑sewa dan data infrastruktur air, hingga topografi LiDAR, citra satelit, bahkan kedalaman sumur air di Texas. Lama‑kelamaan, tumpukan pemetaan dan analitik internal “menjadi lebih besar daripada yang bisa ditangani Trader, dengan cepat,” kata Malloy. Informasi lahan tidak hanya sulit dan perlu waktu untuk diperoleh, tetapi sering membutuhkan insinyur data untuk mengolahnya.
Seiring model bahasa besar (LLM) menjadi lebih canggih, Malloy bayangkan cara baru bagi pelanggan untuk berinteraksi dengan data yang timnya kumpulkan dan bersihkan. Dengan platform beta Acres yang baru, seorang developer bisa ketik perintah dalam bahasa Inggris sederhana: “Cari saya bidang tanah 40 acre yang sebagian besar di luar dataran banjir, dalam jarak tiga mil dari infrastruktur limbah, di county yang dikenal cepat dalam perizinan”—dan sistem akan menyisir peta dan datanya untuk menemukan lokasi yang memungkinkan. Melalui integrasi Acres dengan startup informasi publik Hamlet, perusahaan pusat data juga bisa analisis apakah pemerintah kota dan county setempat bersahabat—atau tidak—terhadap proyek pengembangan dan pusat data baru.
Di sinilah GPU berperan. Acres bekerja dengan data geospasial—bukan hanya spreadsheet, tetapi lapisan vektor dan raster yang mendefinisikan titik, garis, dan poligon di balik peta kepemilikan dan zonasi lahan. Mengolah citra dan geometri seperti itu berat secara komputasi. Membawa GPU ke dalam rumah memungkinkan tim melatih model dan menjalankan analisis pemilihan lokasi lebih cepat dan murah, menurut Malloy. Dia menolak berkomentar berapa tagihan listriknya naik, selain mengatakan “memang butuh daya listrik.”
Malloy sangat antusias membicarakannya. Baginya, timnya seperti beroperasi di garis depan ilmu data. “Kami membuat terobosan dalam sains geospasial dengan AI… Kami membangun hal‑hal yang belum ada makalah akademisnya.”
Mungkin dia sedikit berlebihan, tetapi ada benarnya: menggabungkan catatan lahan tingkat parcel, data perizinan, dan citra resolusi tinggi dalam skala ini dengan LLM masih merupakan wilayah yang relatif baru.
Satu‑satunya hal yang sepertinya dikhawatirkan Malloy adalah mengikuti laju perubahan—dan permintaan. Acres mulai luncurkan fungsi pencarian AI generatif baru ke pelanggan enterprise beberapa minggu lalu. Malloy bilang, dia lihat pelanggan ada yang sampai bersumpah dan tertawa membayangkan berapa banyak waktu yang dapat dihemat.
Secara historis, Malloy mengatakan, Acres pernah mencoba mengonboarding pelanggan terlalu cepat. Dengan hanya lima orang di tim dukungan pelanggan, Malloy ingin pindahkan pelanggan ke platform beta baru dengan hati‑hati. Apalagi—baru kurang dari setahun sejak Acres menjual bagian yang dulu merupakan inti bisnisnya.
“Itu pasti bikin saya sulit tidur—khawatir kami akan terburu‑buru. Kami pernah mengalaminya sebelumnya,” kata Malloy.