SUMATERA SELATAN — Selama beberapa tahun terakhir, kisah dominasi Nvidia di industri kecerdasan buatan hampir selalu berpusat pada GPU. Namun setelah pendapatan kuartalan yang diumumkan pekan lalu, narasi itu mulai bergeser. Investor kini melihat keunggulan Nvidia tidak hanya pada prosesor grafis, tetapi juga pada perangkat keras di sekelilingnya yang mengatur sistem secara keseluruhan.
Sejak awal 2023 hingga pertengahan 2025, kapitalisasi pasar Nvidia tumbuh sepuluh kali lipat. Namun setahun terakhir, pertumbuhan sahamnya melambat seiring munculnya pemain baru seperti Amazon dan Google yang mulai merancang chip sendiri. Kekhawatiran itu masih relevan, tapi gambaran kompetisinya ternyata lebih luas dari sekadar GPU.
Nvidia saat ini tengah memperkenalkan arsitektur Vera Rubin yang menggabungkan GPU Rubin dengan sejumlah unit pendukung lain, seperti Vera CPU, akselerator inferensi Groq 3 LPX, serta rak penyimpanan dan jaringan. Komponen-komponen ini tidak dirancang untuk memproses token atau data secara langsung, melainkan memastikan seluruh sistem di luar GPU bekerja seefisien mungkin.
Jason Hardy, VP of storage technology di Nvidia, menjelaskan bahwa Vera CPU difokuskan untuk mengatur orkestrasi data. "Vera penting karena hanya ada begitu banyak memori yang bisa Anda letakkan dalam satu server atau platform komputasi," ujarnya kepada TechCrunch.
Hardy juga mengungkapkan adanya peningkatan signifikan dari penggunaan Vera CPU. "Kami melihat peningkatan hingga 3x lipat dalam operasi ini, di mana Vera CPU memungkinkan akselerasi. Jadi sekarang kami bisa menggunakan flash storage secara maksimal tanpa hambatan bottleneck," katanya.
Skala komputasi AI yang kini mencapai gigawatt membuat pengelolaan lalu lintas data menjadi tantangan tersendiri. Semakin besar daya komputasi, semakin besar pula kebutuhan memori. Perusahaan seperti Micron diuntungkan dari tren ini, tetapi mengirim data ke GPU pada waktu yang tepat bukan perkara mudah.
Produsen chip lain pun menghadapi persoalan serupa. OpenAI, misalnya, merancang chip Jalapeño dengan pendekatan berbeda: meminimalkan perpindahan data sejak awal. "Kami mendesain Jalapeño untuk meminimalkan pergerakan data dan keterlambatan komunikasi. Domainnya yang besar memungkinkan seluruh beban kerja tetap berada dalam satu sistem yang terhubung," tulis OpenAI dalam blog resminya bulan ini.
Pendekatan OpenAI dan Nvidia berbeda, tetapi logikanya sama: efisiensi tidak lagi hanya soal menambah siklus prosesor, melainkan bagaimana mengatur lalu lintas data secara lebih cerdas.
Fokus baru pada orkestrasi data ini membuka lapangan kompetisi baru di industri infrastruktur AI. Nvidia tetap harus bersaing dengan pembuat chip lain dan hyperscaler, tetapi kini pertarungannya bergeser ke level sistem. Membangun GPU saingan menjadi kurang relevan dibanding kemampuan membuat seluruh sistem bekerja efisien.
Pada tahap awal ini, Nvidia terlihat memegang kendali. Namun pertanyaannya, apakah keunggulan itu bisa bertahan saat kompetitor mulai mengejar di lapangan yang sama. Bagi pelaku bisnis digital dan investor di Indonesia, dinamika ini penting dicermati karena akan menentukan arah harga infrastruktur AI global ke depan.