Nvidia adalah raja tak terbantahkan dari chip AI. Namun, berkat kecerdasan buatan yang turut dibangunnya, sang juara ini mungkin segera menghadapi persaingan yang semakin ketat.
AI modern berjalan di atas desain Nvidia, sebuah dinamika yang telah melambungkan valuasi perusahaan itu hingga jauh di atas $4 triliun. Setiap generasi baru chip Nvidia memungkinkan perusahaan melatih model AI yang lebih kuat menggunakan ratusan atau ribuan prosesor yang terhubung dalam pusat data berskala besar. Salah satu alasan kesuksesan Nvidia adalah penyediaan perangkat lunak untuk memprogram setiap generasi chip baru. Keahlian itu mungkin segera tak lagi menjadi pembeda yang signifikan.
Sebuah startup bernama Wafer sedang melatih model AI untuk melakukan salah satu tugas tersulit dan terpenting dalam AI—mengoptimalkan kode agar berjalan seefisien mungkin pada sebuah chip silikon tertentu.
Emilio Andere, salah satu pendiri dan CEO Wafer, mengatakan perusahaan tersebut melakukan *reinforcement learning* pada model *open source* untuk mengajarkan mereka menulis kode *kernel*, yaitu perangkat lunak yang berinteraksi langsung dengan *hardware* dalam sistem operasi. Andere menyebut Wafer juga menambahkan “*agentic harnesses*” pada model penulisan kode yang sudah ada seperti Claude dari Anthropic dan GPT dari OpenAI untuk meningkatkan kemampuan mereka dalam menulis kode yang berjalan langsung pada chip.
Banyak perusahaan teknologi terkemuka kini memiliki chip mereka sendiri. Apple dan lainnya telah bertahun-tahun menggunakan silikon khusus untuk meningkatkan performa dan efisiensi perangkat lunak di laptop, tablet, dan *smartphone*. Di sisi lain, perusahaan seperti Google dan Amazon mencetak silikon mereka sendiri untuk meningkatkan kinerja platform komputasi awan mereka. Meta baru-baru ini mengumumkan akan menyebarkan kapasitas komputasi 1 gigawatt dengan chip baru yang dikembangkan bersama Broadcom. Penerapan silikon khusus juga melibatkan penulisan banyak kode agar berjalan lancar dan efisien pada prosesor baru.
Wafer berkolaborasi dengan perusahaan termasuk AMD dan Amazon untuk membantu mengoptimalkan perangkat lunak agar berjalan efisien pada *hardware* mereka. Startup ini sejauh ini telah mengumpulkan dana awal $4 juta dari Jeff Dean dari Google, Wojciech Zaremba dari OpenAI, dan lainnya.
Andere meyakini pendekatan berbasis AI perusahaannya berpotensi menantang dominasi Nvidia. Sejumlah chip kelas tinggi kini menawarkan performa *raw floating point* yang serupa—tolok ukur industri kunci untuk kemampuan chip melakukan kalkulasi sederhana—dengan silikon terbaik Nvidia.
“*Hardware* AMD terbaik, *hardware* Trainium [Amazon] terbaik, TPU [Google] terbaik, memberikan *theoretical flops* yang sama dengan GPU Nvidia,” kata Andere. “Kami ingin memaksimalkan kecerdasan per watt.”
Insinyur kinerja dengan keahlian untuk mengoptimalkan kode agar berjalan andal dan efisien pada chip-chip ini sangat mahal dan banyak dicari, sementara ekosistem perangkat lunak Nvidia memudahkan penulisan dan pemeliharaan kode untuk chipnya. Hal ini menyulitkan bahkan perusahaan teknologi terbesar untuk berjalan sendiri.
Saat Anthropic bermitra dengan Amazon untuk membangun model AI-nya di Trainium, misalnya, mereka harus menulis ulang kode model dari nol agar berjalan seefisien mungkin pada *hardware* tersebut.
Tentu saja, Claude dari Anthropic kini adalah salah satu dari banyak model AI yang kemampuannya menulis kode telah melampaui manusia. Jadi Andere memperkirakan tak akan lama sebelum AI mulai menggerogoti keunggulan perangkat lunak Nvidia.
“*Moat* berada pada kemampuan pemrograman chip,” ujar Andere, merujuk pada pustaka dan alat perangkat lunak yang memudahkan optimasi kode untuk *hardware* Nvidia. “Saya rasa inilah waktunya mulai mempertanyakan apakah itu benar-benar *moat* yang kuat.”
Selain mempermudah optimasi kode untuk berbagai silikon, AI mungkin segera juga mempermudah perancangan chip itu sendiri. Ricursive Intelligence, startup yang didirikan dua mantan insinyur Google, Azalia Mirhoseini dan Anna Goldie, sedang mengembangkan cara baru untuk merancang chip komputer dengan kecerdasan buatan. Jika teknologinya berkembang, lebih banyak perusahaan dapat merambah desain chip, menciptakan silikon khusus yang menjalankan perangkat lunak mereka lebih efisien.