Terpopuler
AI
Laboratorium AI Terkemuka Tingkatkan Dorongan Pengembangan Chip Kepemilikan
SO
Sophia King
2 minggu yang lalu7 menit baca
Organisasi riset kecerdasan buatan terkemuka di dunia memulai upaya ambisius dan mahal: merancang chip pelatihan AI kustom mereka sendiri. Pemain besar seperti OpenAI, Anthropic, dan Google DeepMind dilaporkan menginvestasikan dana besar dalam mengembangkan sirkuit terpadu aplikasi spesifik (ASIC) yang disesuaikan dengan tuntutan komputasi unik mereka, menandakan pergeseran strategis yang bertujuan untuk mengurangi ketergantungan mendalam mereka pada produsen GPU dominan, terutama Nvidia. Langkah ini, yang diperkirakan akan terwujud dengan pengumuman signifikan kemungkinan pada akhir tahun 2026, mewakili pergeseran mendasar dalam infrastruktur dan lanskap kompetitif industri AI.Dorongan di balik upaya ini bersifat multifaset. Kekhawatiran utama adalah meningkatnya biaya dan kerentanan rantai pasokan yang terkait dengan perolehan GPU kelas atas. Melatih model bahasa besar mutakhir membutuhkan kekuatan komputasi astronomis, dengan setiap siklus pelatihan berpotensi menelan biaya puluhan hingga ratusan juta dolar hanya untuk komputasi. Selain itu, ketersediaan chip canggih yang terbatas telah menciptakan hambatan, memperlambat lini masa penelitian dan pengembangan. Dengan mengembangkan silikon kepemilikan, laboratorium AI ini bertujuan untuk mendapatkan kontrol lebih besar atas sumber daya komputasi mereka, mengoptimalkan integrasi perangkat keras-perangkat lunak untuk efisiensi yang tak tertandingi, dan pada akhirnya, mengamankan keunggulan kompetitif dalam perlombaan untuk kemampuan AI canggih.Google, dengan program Unit Pemrosesan Tensor (TPU) yang telah lama berdiri, menjadi pelopor berpengalaman dalam silikon AI kustom. DeepMind, sebagai bagian integral dari Google, telah memanfaatkan akselerator kustom ini selama bertahun-tahun, memberi mereka keunggulan awal yang signifikan dalam memahami kompleksitas desain bersama antara perangkat keras dan model AI. Investasi berkelanjutan mereka dalam chip khusus, yang didorong oleh tuntutan penelitian terdepan, akan semakin menyempurnakan kemampuan Google yang ada, berpotensi menghasilkan perangkat keras yang lebih terspesialisasi yang disetel sempurna untuk generasi terobosan AI berikutnya dari DeepMind. Ekosistem internal ini memungkinkan iterasi cepat dan optimalisasi mendalam yang tidak selalu dapat dicocokkan oleh perangkat keras eksternal.Bagi pendatang baru di arena perangkat keras, seperti OpenAI dan Anthropic, perjalanannya lebih menantang tetapi sama pentingnya. CEO OpenAI Sam Altman telah vokal tentang perlunya investasi besar dalam kapasitas manufaktur chip AI secara global, dilaporkan berupaya mengumpulkan miliaran untuk mendanai jaringan pabrik fabrikasi chip global, atau setidaknya mengamankan jalur produksi yang didedikasikan. Ambisi ini menggarisbawahi skala investasi dan pandangan strategis yang diperlukan untuk memastikan pasokan komputasi yang stabil dan dapat diskalakan untuk mencapai kecerdasan umum buatan (AGI). Anthropic, yang berfokus pada keselamatan dan keterinterpretabilitas dalam model Claude-nya, juga dapat memperoleh manfaat besar dari perangkat keras kustom yang memungkinkan transparansi yang lebih besar, efisiensi, dan berpotensi, eksplorasi arsitektur baru yang tidak dapat dilakukan pada GPU serbaguna.Meskipun tren ini menjanjikan tingkat kebebasan bagi laboratorium AI, secara bersamaan menghadirkan tantangan yang luar biasa. Merancang ASIC mutakhir adalah tugas yang sangat kompleks, memakan waktu, dan padat modal, menuntut keahlian dalam arsitektur chip, manufaktur semikonduktor, dan optimalisasi tumpukan perangkat lunak. Biaya penelitian, pengembangan, dan fabrikasi dapat dengan mudah mencapai miliaran dolar, membawa risiko finansial yang signifikan. Selain itu, chip kustom ini harus menawarkan keunggulan kinerja atau efisiensi yang substansial dibandingkan solusi yang tersedia secara komersial untuk membenarkan investasi besar, terutama karena perusahaan seperti Nvidia terus berinovasi dengan generasi GPU baru.Nvidia, yang saat ini memegang monopoli hampir total pada akselerator AI kelas atas, tidak menyadari pergeseran yang membayangi ini. Perusahaan terus berinovasi dengan kecepatan tinggi, merilis GPU yang semakin kuat dan efisien sambil juga merambah solusi kustom untuk klien tertentu. Namun, langkah pelanggan terbesarnya untuk menginternalisasi pengembangan chip menggarisbawahi keharusan strategis bagi laboratorium AI untuk mengendalikan nasib mereka dan menghindari menjadi sandera satu pemasok. Beberapa tahun mendatang, terutama menjelang pengumuman apa pun pada tahun 2026, kemungkinan akan menyaksikan intensifikasi perlombaan senjata perangkat keras ini, membentuk kembali teknologi dasar yang menggerakkan revolusi AI. Ini adalah permainan bertaruh tinggi di mana kendali atas silikon dapat menentukan kepemimpinan di masa depan kecerdasan itu sendiri.
#hottest news
#AI chips
#Nvidia
#OpenAI
#Anthropic
#Google DeepMind
#ASIC
#AI hardware
#Silicon
#Cloud infrastructure
Tetap Terinformasi. Bertindak Lebih Cerdas.
Dapatkan sorotan mingguan, berita utama, dan wawasan ahli — lalu terapkan pengetahuan Anda di pasar prediksi langsung kami.
Komentar
Sepi di sini...Mulai percakapan dengan meninggalkan komentar pertama.
