Ketika kita berbincang tentang Artificial Intelligence (AI) seperti ChatGPT, Gemini, atau Claude, bayangan masyarakat awam sering kali melayang pada kode-kode program melayang di udara atau peladen (server) yang abstrak di alam cloud.
Namun, jika kita membedah fisik dari superkomputer yang memproses kecerdasan tersebut, ada satu nama perusahaan yang mendominasi hampir seluruh industri ini: NVIDIA.
Bagaimana sebuah perusahaan yang awalnya hanya membuat komponen komputer untuk bermain video game bisa menjelma menjadi tulang punggung revolusi AI global? Dan seperti apa sebenarnya wujud fisik dari perangkat NVIDIA yang dibeli oleh perusahaan AI senilai miliaran dolar tersebut? Mari kita bongkar kisahnya.
1. Taruhan Keberuntungan Jensen Huang: Dari Game 3D ke Matematika AI
Pada dekade 1990-an dan awal 2000-an, NVIDIA yang didirikan oleh Jensen Huang dikenal luas sebagai produsen GPU (Graphics Processing Unit)—komponen kartu grafis yang berfungsi merender gambar 3D agar game PC terlihat mulus dan nyata.
Secara arsitektur, CPU (Central Processing Unit) pada komputer biasa ibarat seorang ilmuwan genius: ia sangat cepat dalam menyelesaikan kalkulasi rumit secara berurutan (serial). Sebaliknya, GPU ibarat ribuan anak sekolah dasar: masing-masing hanya bisa melakukan penjumlahan sederhana, tetapi mereka bisa mengerjakannya secara bersamaan dalam waktu yang persis sama (paralel).
[CPU: 1 Ilmuwan Genius] ──(Kalkulasi Berurutan/Lambat untuk Data Besar)
VS
[GPU: Ribuan Pekerja] ──(Kalkulasi Paralel/Serentak untuk Triliunan Data)
Untuk menampilkan jutaan piksel warna di layar monitor saat bermain game, GPU harus melakukan triliunan perhitungan matriks matematika sederhana secara serentak.
Pada tahun 2006, Jensen Huang mengambil keputusan bisnis yang berisiko tinggi. Ia menciptakan platform perangkat lunak bernama CUDA. CUDA memungkinkan para ilmuwan untuk menggunakan kekuatan pemrosesan paralel GPU tidak hanya untuk merender gambar game, melainkan untuk perhitungan sains dan matematika umum.
2. Momen “Eureka”: Penemuan yang Mengubah Dunia AI (2012)
Langkah nekat NVIDIA membayar hasil pada tahun 2012 dalam ajang kompetisi pengenalan gambar dunia (ImageNet). Seorang peneliti bernama Alex Krizhevsky bersama gurunya, Geoffrey Hinton, merancang jaringan saraf tiruan bernama AlexNet.
Untuk melatih model tersebut, mereka tidak menggunakan CPU komputer biasa, melainkan dua buah kartu grafis gaming NVIDIA GeForce. Hasilnya mengejutkan dunia: AlexNet membantai seluruh kompetitor dengan tingkat akurasi yang jauh melampaui metode tradisional.
[2012: AlexNet Pakai GPU Gaming] ➔ [Pelatihan AI 100x Lebih Cepat] ➔ [NVIDIA Fokus Penuh ke AI]
Dunia ilmu komputer mendadak sadar: matematika yang digunakan untuk melatih jaringan saraf AI ternyata identik dengan matematika yang digunakan untuk merender grafis 3D. NVIDIA tidak sengaja telah menciptakan “mesin yang sempurna” untuk kecerdasan buatan.
3. Seperti Apa Bentuk Fisik Perangkat NVIDIA yang Dibeli ChatGPT atau Claude?
Banyak orang awam membayangkan bahwa perusahaan seperti OpenAI (pembuat ChatGPT) atau Anthropic (pembuat Claude) membeli kartu grafis tipis ber-kipas warna-warni seperti yang dipasang di PC raksasa para gamer.
Kenyataannya sangat berbeda. Perangkat AI kelas industri yang dibeli oleh raksasa teknologi berukuran raksasa, sangat berat, dan harganya fantastis.
[Bukan Kartu PC Gamer Biasa] ➔ [Chip Data Center (H100/Blackwell)] ➔ [Server Rak Raksasa (DGX SuperPOD)]
A. Dari Chip Tunggal (NVIDIA H100 / B200)
Bahan dasarnya adalah papan sirkuit terpadu (accelerator board) khusus data center seperti NVIDIA H100 atau seri terbarunya Blackwell (B200). Chip ini tidak memiliki colokan monitor (HDMI/DisplayPort) dan tidak memiliki kipas angin kecil di atasnya, melainkan lempengan logam pendingin raksasa (heat sink) berdensitas tinggi.
B. Rak Server Raksasa (NVIDIA DGX System)
Perusahaan AI tidak membeli chip ini satu per satu, melainkan dalam bentuk unit sistem terpadu bernama NVIDIA DGX.
- Ukuran: Satu unit DGX berukuran sebesar lemar es kecil atau lemari arsip baja seberat ratusan kilogram.
- Isi di Dalamnya: Di dalam satu kotak baja tersebut, terpasang 8 hingga 72 chip GPU AI yang saling dihubungkan menggunakan kabel serat optik berkecepatan tinggi (NVLink).
- Konsumsi Daya: Membutuhkan daya listrik ribuan Watt dan pendingin cair (liquid cooling) khusus karena suhu panas ekstrem yang dihasilkannya.
C. Superkomputer Data Center
Untuk melatih model AI sekelas ChatGPT atau Claude, ribuan unit “lemari” DGX ini disusun berjejer di dalam gedung data center seluas lapangan sepak bola. Ribuan chip GPU tersebut dihubungkan menjadi satu jaringan “otak raksasa” yang bekerja siang dan malam memproses triliunan teks dari seluruh internet.
4. Mengapa Perusahaan AI Tidak Bisnis Membeli dari Pesaing Lain?
Saat ini, NVIDIA menguasai lebih dari 80% pasar chip AI dunia. Mengapa sangat sulit bagi pesaing lain untuk mengejar dominasi ini?
- Benteng Ekosistem CUDA: Ribuan peneliti dan developer AI di seluruh dunia telah menulis kode program mereka menggunakan bahasa CUDA milik NVIDIA selama belasan tahun. Memindahkan kode tersebut ke chip pesaing membutuhkan biaya dan waktu yang sangat mahal.
- Konektivitas Antar-Chip (Interconnect): Keunggulan NVIDIA bukan hanya pada kecepatan chip individu, melainkan pada teknologi NVLink—kemampuan membuat puluhan ribu chip GPU saling berkomunikasi tanpa hambatan (bottleneck).
Kesimpulan
Keberhasilan NVIDIA menjadi raja di era AI adalah buah dari kombinasi antara intuisi bisnis yang tepat, keberanian mengambil risiko, dan sedikit faktor keberuntungan sejarah.
Ketika masyarakat melihat keajaiban kalimat-kalimat cerdas yang diketik oleh ChatGPT atau Claude di layar ponsel mereka, di balik layar kaca tersebut terdapat ribuan “lemari baja” GPU NVIDIA yang berderu di dalam data center, memproses triliunan matematika demi melahirkan kecerdasan buatan bagi peradaban manusia.
Wallahu a’lam bish-shawab.