Dalam GTC (GPU Technology Conference) baru-baru ini, Jensen Huang kembali membahas apa itu kecerdasan buatan. Ia membangun konsep "kue lima lapis", menunjukkan bahwa energi memberi daya pada komputer canggih, yang membentuk pabrik AI; model yang berjalan di pabrik menghasilkan token, yaitu kecerdasan digital, yang kemudian diintegrasikan ke dalam berbagai aplikasi. Ia juga menyebutkan, "Untuk berpartisipasi dalam ekonomi AI, Anda harus menjadi produsen AI; mengonsumsi AI hanyalah bagian dari keseluruhan."
Jensen Huang menunjukkan bahwa ada perbedaan signifikan dalam pola industri AI antara Eropa dan Amerika Serikat serta Tiongkok. AI di Eropa lebih banyak digunakan untuk aplikasi industri, seperti desain mobil, manufaktur, dan pengembangan obat, yang merupakan skenario aplikasi penting untuk pengembangan AI. Karena Eropa memiliki dasar industri yang kuat, ini juga menciptakan karakteristik unik dalam penggunaan AI. Namun, dalam hal model besar dan platform cloud, Eropa lebih bergantung pada perusahaan-perusahaan Amerika, dengan memanggil model eksternal untuk memenuhi kebutuhan penggunaan AI yang cepat. Meskipun ini dapat menyelesaikan masalah jangka pendek, biaya penggunaan model eksternal sangat tinggi, dan perusahaan-perusahaan Amerika memiliki hak untuk mengakses data perusahaan lokal, yang menciptakan konflik alami dengan perusahaan yang menggunakan AI untuk memproses data industri, sehingga keamanan sulit dijamin.
Dampak Konsep Produsen AI yang Diajukan oleh Jensen Huang terhadap Eropa
Gagasan Jensen Huang tentang menjadi produsen AI sangat tepat untuk situasi AI di Eropa yang membutuhkan perubahan. Setiap lapisan dalam "kue lima lapis" yang ia sebutkan menawarkan solusi yang sesuai, terutama dalam pembangunan pabrik AI. Ia menekankan bahwa tugas utama untuk menjadi produsen adalah membangun sistem hulu, yaitu infrastruktur. Dalam industri AI, ini mencakup chip, daya komputasi, dan layanan cloud. Setelah memiliki infrastruktur ini, perusahaan dapat memanfaatkan daya komputasi lokal, menggunakan data mereka sendiri untuk melatih model, dan untuk data yang perlu dirahasiakan, perusahaan dapat dengan aman mengunggahnya ke platform cloud lokal.
Dengan demikian, perusahaan dapat meningkatkan kendali atas data dan daya komputasi, mengurangi ketergantungan pada layanan eksternal, dan menurunkan biaya penggunaan model dalam operasi di masa depan. Namun, membangun infrastruktur ini bukanlah hal yang mudah, melibatkan banyak aspek seperti energi, pendinginan, penyebaran koneksi, dan pengujian lokal, yang memerlukan waktu. Jika dimulai dari nol, dari pembelian peralatan, instalasi, pengujian hingga penggunaan, mungkin memerlukan waktu berbulan-bulan. Jensen Huang menunjukkan, "Apakah Anda mengharapkan pendapatan tahunan mencapai ratusan miliar dolar? Bahkan jika dihitung berdasarkan pendapatan $40 miliar/tahun — infrastruktur ini menghasilkan $40 miliar dalam setahun — jika hanya tertunda 3 bulan, itu adalah kerugian sebesar $10 miliar."
DSX POD yang diusulkan oleh NVIDIA bertujuan untuk memungkinkan pengguna menghasilkan pendapatan lebih awal. DSX POD memindahkan sebagian rekayasa lapangan ke pabrik, mengintegrasikan 7 rak komputer pendingin cair dan sistem pendukung ke dalam kontainer yang dapat dipindahkan, dan memastikan semua fasilitas berfungsi dengan baik sebelum pengiriman ke lokasi. Menurut prediksinya, waktu dari peralatan hingga pengiriman untuk "menghasilkan token" dapat dipersingkat dari "4 hingga 5 bulan" menjadi "sekitar 1 bulan", yang tidak hanya dapat menghemat biaya idle peralatan, tetapi juga mengurangi kerugian akibat penundaan pendapatan. Selain itu, pihak resmi juga menyatakan bahwa dengan menggabungkan manajemen daya DSX, penggunaan AI yang sama dapat mengurangi kebutuhan daya hingga 30%.
Perlu dicatat bahwa manajemen daya juga merupakan salah satu lapisan dalam "kue lima lapis". Dengan terus meningkatnya kemampuan komputasi chip, penyediaan daya, pendinginan, dan kecepatan penyebaran mungkin menjadi kendala baru, yang juga menjadi alasan mengapa NVIDIA mempertimbangkan pembangunan pabrik. Jensen Huang menekankan bahwa membantu Eropa bertransformasi dari konsumen AI menjadi produsen AI memerlukan langkah-langkah dari awal, secara bertahap menyelesaikan setiap aspek penggunaan daya komputasi yang sebenarnya.
Dalam hal energi, Eropa memiliki perusahaan energi yang cukup matang seperti Schneider dan Siemens. Schneider Electric bertanggung jawab atas distribusi dan pendinginan cair, Siemens mengevaluasi dampak panas, kebisingan, dan jaringan listrik, sementara Dassault Systèmes menghubungkan rak dengan desain pabrik. NVIDIA bertanggung jawab menyediakan solusi manajemen daya. Kerja sama semacam ini tidak hanya memungkinkan NVIDIA untuk lebih memahami produknya, tetapi juga dapat membawa peluang bisnis baru, sementara perusahaan Eropa dapat mengintegrasikan produk dan kemampuan rekayasa yang ada ke dalam pembangunan infrastruktur baru, ini bukanlah "invasi" dari perusahaan Amerika, melainkan revolusi efisiensi yang saling menguntungkan bagi banyak pihak.
Selain itu, Jensen Huang juga mengusulkan konsep kolaborasi ekosistem industri, seperti alat pengembangan model, simulasi, dan agen cerdas. Jika ada perusahaan yang membutuhkan titik awal pengembangan lebih lanjut, NVIDIA juga akan mempertimbangkan dan menyediakan produk jadi. Tentu saja, perusahaan Eropa tidak memulai dari nol; perangkat lunak industri yang sudah ada, model yang dikembangkan sendiri, dan produk dari pemasok lain yang lebih sesuai dapat tetap dipertahankan dalam sistem, dan perusahaan pada akhirnya perlu membandingkan kinerja, biaya, serta tingkat kecocokan dengan bisnis yang ada.
Dengan demikian, posisi ekosistem NVIDIA di Eropa memiliki dasar yang kuat. Berbagai pembangunan yang berpusat pada infrastruktur NVIDIA akan membangun ekosistem yang sangat luas di Eropa. Setelah ekosistem dan kepercayaan ini secara bertahap dibangun, produk dan pengalaman yang telah teruji akan menjadi alasan untuk terus mengadopsi solusi ini. Bagi pengguna, penerapan AI yang lokal tidak hanya mengurangi biaya penggunaan, tetapi juga membawa peluang bisnis baru, dan regulasi dapat dikelola secara mandiri.
Kerja sama lokal, kepercayaan pelanggan, dan investasi bersama dalam ekosistem merek akan secara bertahap terakumulasi. Di masa depan ketika hukum Moore melambat, teknologi mungkin akan setara, tetapi jika ada dasar kerja sama yang begitu erat, ini akan menjadi benteng bisnis yang sulit untuk digoyahkan.
Jensen Huang dalam pidatonya menunjukkan, "Setelah bertahun-tahun perkembangan industri komputer, kita kini berada di awal revolusi industri baru." Ia mengingat kembali revolusi industri pertama, di mana mesin pemintal Jenny adalah penemuan awal yang memungkinkan satu pekerja mengoperasikan beberapa spindle sekaligus. Dengan meningkatnya efisiensi pemintalan, skala produksi yang lebih besar, dan meningkatnya permintaan bahan baku, ini memicu serangkaian perubahan, awalnya di industri tekstil, kemudian secara bertahap meluas ke cara produksi di seluruh masyarakat. Perubahan produktivitas sering kali seperti ini, satu perubahan dapat mempengaruhi segalanya.
Model besar saat ini seperti mesin pemintal Jenny, yang meningkatkan efisiensi kerja orang biasa dalam berbagai tingkat. Seiring dengan meningkatnya keterlibatan AI dalam produksi nyata, skala penggunaannya juga akan meningkat. Permintaan terhadap bahan baku — energi dan daya komputasi — juga akan mendorong munculnya rantai industri hulu; teknologi yang lebih maju pasti akan menghasilkan aplikasi dan produk yang lebih praktis dan efisien. Ketergantungan antar industri semakin diperkuat, dan kolaborasi ekosistem industri akan menjadi tuntutan yang tidak terhindarkan.
Namun, apakah setiap aspek ini dapat maju bersama akan mempengaruhi hasil akhir. Goldman Sachs baru-baru ini mencatat dalam diskusi tentang rantai pasokan AI di Tiongkok, "Teknologi AI pada dasarnya memiliki efek pengganda — jika beberapa komponen dalam rantai pasokan tertinggal satu generasi, itu dapat menyebabkan output/efisiensi daya komputasi secara keseluruhan tertinggal lebih dari satu generasi." Oleh karena itu, tingkat perkembangan setiap aspek sangat penting, dan pentingnya kolaborasi industri sangat jelas. Bahkan jika daya komputasi chip sangat cepat, jika jaringan transmisi, penyediaan daya, atau pendinginan tidak mengikuti, kinerja juga sulit untuk dimaksimalkan; jika daya komputasi sudah siap, perangkat lunak dan proses bisnis juga perlu disesuaikan agar dapat diubah menjadi peningkatan efisiensi yang nyata bagi perusahaan.
Keunggulan teknologi di satu aspek hanya dapat diubah menjadi produktivitas nyata dengan dukungan dari aspek lainnya; kolaborasi industri akan mempengaruhi seberapa banyak imbal hasil yang dapat dihasilkan dari investasi AI.
Dokumen "Strategi Pengembangan AI Eropa" yang diusulkan oleh NVIDIA adalah cerminan dari revolusi industri ini. Pendekatan NVIDIA adalah menggunakan satu set solusi teknologi yang terintegrasi, ditambah dengan kerja sama lokal, untuk menghubungkan industri yang sebelumnya terpisah ke dalam berbagai bidang. Ini membuatnya bertransformasi dari penyedia chip menjadi perekat kolaborasi industri di Eropa. Nilai dari keseluruhan solusi ini terletak pada proses penghalusan bertahap antar industri, yang dapat direncanakan dan didorong lebih awal dalam kolaborasi.

