NVIDIA menciptakan gelombang senilai 5 triliun dolar! CUDA mengunci perusahaan AI global, tak ada yang bisa melarikan diri.

Pada 30 Oktober, kapitalisasi pasar Nvidia melampaui 5 triliun dolar, menjadikannya satu-satunya perusahaan di dunia yang mencapai tonggak sejarah ini. Namun, di balik keterkejutan itu, kebingungan besar muncul: jika industri chip AI sangat menguntungkan, mengapa hanya Nvidia yang terlihat menghasilkan uang? Jawabannya terletak pada moat yang dibangun Nvidia selama hampir 20 tahun - CUDA, arsitektur perangkat komputasi terpadu ini mengunci lebih dari 4,5 juta pengembang di seluruh dunia.

Mengapa tidak ada lawan yang bisa mengalahkan pesaing teratas dari Nvidia?

Apakah NVIDIA benar-benar memiliki pesaing? Ya. Sangat banyak. Dan masing-masing adalah ahli terkemuka. Melihat ke sekeliling, kita setidaknya dapat menghitung tiga “pesaing” kelas berat. Misalnya, AMD. Ia telah menjadi rival lama NVIDIA di bidang semikonduktor selama beberapa dekade. Dari segi teknologi dan pengalaman, mereka pasti adalah pemain yang paling memenuhi syarat untuk bersaing dengan NVIDIA. Misalnya, Intel. Ia adalah “raja chip” yang pernah ada. Kemampuan produksi yang kuat, basis pelanggan yang besar. Misalnya, Google. Ia hampir memiliki sumber daya tak terbatas, dan tim AI teratas di dunia. Selain itu, mereka juga sedang mengembangkan chip AI khusus mereka sendiri.

Kamu lihat, ketiga raksasa ini, mana yang namanya tidak terdengar di seluruh dunia? Namun, ini juga membuat masalah menjadi lebih tajam: di meja permainan jelas semuanya ahli, tetapi taruhan, sepertinya semuanya ada di tangan satu pemain. Kenapa bisa begitu?

Pertama-tama, jawabannya adalah karena NVIDIA menggunakan satu sistem dengan “biaya perpindahan” yang sangat tinggi, mengunci pelanggan mereka dengan erat. Anda mungkin mengatakan, itu karena chip NVIDIA yang tercepat dan terbaik. Namun, sebenarnya, jawaban ini tidak cukup ketat. Bayangkan sebuah skenario: CEO AMD, Lisa Su, memasuki kantor OpenAI dan memberikan tawaran yang sangat menarik kepada CEO Sam Altman. AMD memiliki chip GPU baru yang kinerjanya 30% lebih tinggi dibandingkan dengan B200 milik NVIDIA, dan harganya setengah lebih murah.

Jika Anda sekarang adalah Sam Altman, apakah Anda akan menandatangani “pesanan” ini atau tidak? Biarkan saya menebak, kemungkinan besar, Sam Altman tidak akan menandatangani. Setidaknya dia akan sangat ragu-ragu. Mengapa? Karena pilihan yang lebih murah dan lebih efisien ada di depan mata, tetapi tidak membuatnya tertarik? Karena harga hanyalah bagian kecil dari keseluruhan proses. Dalam investasi teknologi bisnis, kita harus mempertimbangkan dari kerangka TCO (Total Cost of Ownership). Ini tidak hanya mencakup harga langsung, tetapi juga berbagai biaya tidak langsung dan tersembunyi.

jebakan tidak terlihat dengan biaya migrasi mencapai miliaran dolar

Jika OpenAI benar-benar beralih dari NVIDIA ke AMD, apa yang akan terjadi? Langsung saja ke kesimpulan, biaya tenaga kerja utama, biaya migrasi kode, biaya operasional, dan biaya kesempatan, semuanya akan meningkat secara signifikan. Dan setiap perubahan, bisa langsung menentukan hidup atau mati.

Coba pikirkan, jika berpindah platform, bagaimana dengan ribuan insinyur terbaik tersebut? Pengalaman mereka selama lebih dari sepuluh tahun, apakah harus dihapus semalam dan mulai belajar dari awal? Berapa banyak biaya pelatihan yang harus dikeluarkan? Dan bagaimana dengan jutaan baris kode itu? Itu bukan sekadar “salin dan tempel”. Ini seperti Anda ingin menanam buah lychee dari selatan ke utara. Tidak hanya dengan menggali dan membawanya pergi, Anda juga perlu melakukan banyak penelitian, pengujian, dan menghabiskan banyak waktu. AI juga seperti itu, apakah akhirnya berhasil atau tidak, masih belum pasti.

Selain itu, selama periode pergantian platform, berarti harus beroperasi dan memelihara dua platform yang benar-benar berbeda secara bersamaan. Biaya yang terlibat di dalamnya kemungkinan besar akan meningkat dua kali lipat. Yang paling berbahaya, dan juga risiko terbesar, adalah biaya peluang yang terlalu tinggi. Di jalur AI ini, setiap detik sangat berharga. Jika karena mengganti platform, pengembangan menjadi tertinggal, atau peluncuran model tertunda beberapa bulan. Maka, kemungkinan besar akan berubah dari pemimpin industri menjadi pengikut.

Daftar biaya tersembunyi untuk beralih platform OpenAI

Biaya Sumber Daya Manusia: Seribu insinyur dilatih ulang, pengalaman nol, biaya waktu bertahun-tahun

Migrasi Kode: Jutaan baris kode CUDA perlu ditulis ulang, pengujian dan verifikasi memakan waktu dan tenaga

Pemeliharaan Dua Platform: Selama periode migrasi, kedua sistem beroperasi secara bersamaan, biaya menjadi dua kali lipat.

Biaya Kesempatan: Kemajuan R&D yang tertinggal dari pesaing dapat mengubah posisi dari pemimpin menjadi pengikut.

Biaya Risiko: Kegagalan migrasi dapat menyebabkan penurunan kinerja model, dampak bisnis sulit diukur

Jadi, setelah menjumlahkan berbagai biaya langsung dan biaya tidak langsung, hasilnya adalah “mengunci pemasok”. Sederhananya, saya terikat erat dengan Anda dari perangkat lunak hingga perangkat keras. Dalam jangka panjang, ini adalah solusi terbaik bagi perusahaan AI, karena selama periode kontrak di masa depan, mereka tidak perlu khawatir tentang perangkat keras. Sekarang, jika kita melihat kembali pesanan AMD yang “performa 30% lebih tinggi, setengah harga”, apakah masih terasa menarik? Jawabannya adalah tidak. Penghematan jutaan dolar di perangkat keras dibandingkan dengan biaya migrasi yang bisa mencapai puluhan miliar dolar dan risiko strategis potensial, sangat tidak berarti.

Windows di Era AI Ekosistem CUDA

（sumber：X）

Sampai di sini, Anda seharusnya menyadari bahwa yang benar-benar mengunci pelanggan untuk NVIDIA bukanlah perangkat kerasnya. Tetapi sebuah “kurungan” yang tidak terlihat dan tidak teraba. Itu disebut sebagai “parit perlindungan NVIDIA” yaitu CUDA. CUDA adalah singkatan dari Compute Unified Device Architecture (Arsitektur Perangkat Lunak Terpadu). Dengan kata lain, ini adalah seperangkat alat pemrograman yang memungkinkan programmer untuk lebih baik menggunakan GPU NVIDIA.

Jika dikatakan bahwa GPU NVIDIA adalah “komputer utama” di era AI. Maka, CUDA adalah “sistem Windows” di era AI. Pikirkan, mengapa selama beberapa dekade, meskipun secara teknis mungkin lebih unggul dan gratis, Linux tidak pernah dapat menggoyahkan dominasi Windows di pasar desktop pribadi? Jawabannya bukan pada sistem itu sendiri, tetapi pada ekosistem.

Karena ekosistem aplikasi yang besar di Windows terlalu kuat. Dari Microsoft Office, hingga Adobe, dan berbagai perangkat lunak khusus industri, semuanya terkait erat dengan ekosistem secara keseluruhan. Coba bayangkan, sebuah perusahaan yang membutuhkan banyak perangkat lunak profesional, akan memilih antara membeli lisensi Windows dan biaya untuk melatih ulang karyawan, apa yang akan mereka pilih? Jawabannya, sudah jelas.

CUDA, seperti itu, memiliki ekosistem aplikasi yang sangat besar. Bagi banyak perusahaan dan individu, ini adalah pilihan yang wajib. Ada statistik yang menunjukkan bahwa hingga saat ini, lebih dari 4,5 juta pengembang di seluruh dunia menggunakan CUDA untuk pengembangan. Dan pada tahun 2020, angka ini hanya 1,8 juta. Jumlah unduhan paket alat CUDA per bulan mencapai ratusan ribu.

20 tahun perjudian yang dulu tidak ada yang berharap kini tak tergantikan

Pada tahun 2006, CUDA diperkenalkan, tetapi tidak ada yang peduli, Silicon Valley dan Wall Street tidak optimis. Hingga tahun 2008, akibat dampak krisis keuangan, harga saham NVIDIA sempat anjlok lebih dari 80%, dengan kapitalisasi pasar sekitar 4 miliar. Bahkan di dalam NVIDIA sendiri, terdapat perbedaan pendapat mengenai masa depan CUDA. Pada saat yang sama, biaya yang dikeluarkan untuk mengembangkan CUDA juga sangat besar. GPU pertama yang mendukung CUDA dari NVIDIA adalah G80. Untuk mengembangkan chip ini, NVIDIA menghabiskan waktu selama 4 tahun, dengan biaya mencapai 475 juta dolar, yang merupakan sepertiga dari total anggaran penelitian dan pengembangan selama 4 tahun tersebut.

Saat itu, benar-benar berada di ambang hidup dan mati. Apa yang harus dilakukan? Jensen Huang memikirkan sebuah cara: mengeluarkan uang. Fokusnya adalah menginvestasikan uang ke sekolah dan lembaga penelitian. Dia melalui sumbangan uang dan peralatan, memungkinkan CUDA masuk ke universitas, untuk terlebih dahulu mengembangkan pengguna di bidang pendidikan dan penelitian. Selain itu, di seluruh dunia juga didirikan berbagai pusat R&D CUDA, pusat pengajaran, dan dibuka kursus pengajaran, dll. Saat itu, biaya penelitian dan pengembangan yang dikeluarkan untuk CUDA setiap tahun mencapai 500 juta dolar.

Meskipun telah menghabiskan banyak tenaga, sumber daya, dan uang, CUDA tidak dianggap baik untuk waktu yang lama. Pada awal tahun 2013, banyak analis investasi berpikir bahwa satu-satunya cara agar harga saham NVIDIA bisa naik adalah dengan meninggalkan CUDA dan kembali ke bisnis inti permainan PC. Bahkan, ada yang meragukan apakah CEO Jensen Huang masih bisa melanjutkan. Sekarang, melihatnya, CUDA dari NVIDIA adalah sebuah taruhan. Terlebih lagi, dia telah berhasil dalam taruhannya.

Mengapa CUDA bisa berubah dari tidak diharapkan menjadi sangat dicari? Karena lulusan yang mempelajari CUDA masuk ke perusahaan teknologi, sumber daya komunitas dan repositori kode CUDA semakin kaya. Pada tahun 2015, sudah ada 800 universitas di seluruh dunia yang menawarkan kursus CUDA. Seiring berjalannya waktu, skenario penggunaan CUDA telah meluas dari universitas ke lebih banyak bidang seperti medis dan komersial. Mengenai kerjasama dengan bidang kecerdasan buatan, bisa dibilang, itu murni kebetulan.

Pada tahun 2012, dalam sebuah kompetisi pengenalan gambar AI global yang diprakarsai oleh Universitas Stanford, sebuah tim beranggotakan tiga orang dari Universitas Toronto menyerahkan sebuah jaringan saraf AI bernama AlexNet dan memenangkan juara. Selain itu, tingkat akurasinya lebih tinggi 41% dibandingkan dengan posisi kedua. Bagaimana mereka melakukannya? Tim tersebut mengatakan bahwa mereka menggunakan 2 buah GPU NVIDIA GTX 580, dan mereka juga merupakan satu-satunya tim yang menggunakan CUDA untuk melatih jaringan saraf selama kompetisi.

Saat itu, Google juga memperhatikan tim ini. Mereka menemukan bahwa AlexNet sebelumnya hanya menggunakan dua kartu grafis GPU, dan hasilnya hampir sama dengan yang dilatih oleh Google menggunakan 16.000 CPU. Dengan cepat, seluruh industri menyadari bahwa GPU adalah perangkat keras terbaik untuk mendukung AI. Dan NVIDIA, kemungkinan besar akan menjadi kunci perkembangan AI.

Pertarungan Pesaing: AMD Sumber Terbuka, Intel Segmented, Google Riset Sendiri

Setelah memahami CUDA, melihat pesaing NVIDIA lainnya, Anda akan menemukan bahwa setiap langkah mereka sangat dibatasi oleh NVIDIA. Misalnya, AMD, yang memilih untuk open source. Mereka mengembangkan platform open source yang disebut ROCm, yang bertujuan untuk menggantikan CUDA. Namun, itu seperti “Linux di era AI”, gratis, open source, memiliki potensi teknis, dan lebih murah. Tetapi bagi pengguna, biaya migrasi terlalu tinggi.

Contohnya Intel, yang memilih untuk mempersempit jalur. Intel sangat cerdas, secara langsung mengakui bahwa NVIDIA jauh lebih unggul di pasar AI kelas atas. Jadi, Intel memposisikan rangkaian chip Gaudi-nya di segmen pasar seperti inferensi tingkat perusahaan dan pelatihan model kecil hingga menengah. Namun, ini juga berarti bahwa Intel telah melepaskan bagian paling menguntungkan di pasar chip AI.

Misalnya Google, mereka memilih untuk bertahan. Investopedia pernah melaporkan bahwa margin laba kotor Nvidia dalam penjualan GPU sekitar 80%, yang disebut dalam industri sebagai “pajak Nvidia”. Untuk menghindari membayar premium yang tinggi, Google mulai mengembangkan sendiri dari tahun 2015, menggunakan ekosistem komputasi yang disebut TPU secara internal. Dibandingkan dengan itu, TPU terikat erat dengan platform internal Google, yang tidak mempengaruhi posisi Nvidia.

Jadi, seperti yang Anda lihat, para pesaing besar itu tidak hanya bersaing dalam hal kinerja, tetapi juga dalam strategi. Mereka semua mencari cara untuk menghindari CUDA, menghindari NVIDIA. Namun setidaknya untuk saat ini, tidak ada yang dapat menggoyahkan. Semua penantang berputar di sekitar gunung, yang pada dasarnya adalah ungkapan penghormatan tertinggi terhadap gunung yang sulit didaki ini.

Inspirasi untuk Pengusaha: Kandang Tak Dapat Digantikan

NVIDIA dari tidak ada yang memperhatikannya, kini menjadi sorotan banyak orang. Perjalanan ini benar-benar membuat orang terkejut. Di internet, ada yang menyatakan kekhawatiran: NVIDIA naik begitu tinggi, terlalu berlebihan, apakah ini gelembung? Apakah ia akan menjadi Cisco kedua. Pada masa gelembung internet tahun 2000, Cisco saat itu adalah penyedia perangkat keras jaringan, dengan valuasi tertinggi melebihi 150 kali rasio harga terhadap laba forward-nya. Namun setelah gelembung pecah, nilainya anjlok.

Sebenarnya, mereka memiliki perbedaan mendasar. Cisco menghadapi pasar konstruksi “sekali jalan”. Ketika internet awal selesai “menyediakan jaringan”, pertumbuhan Cisco secara alami terhenti. Sementara itu, NVIDIA menghadapi pasar yang terus berkembang. Setidaknya saat ini, AI masih dalam tahap pertumbuhan, jadi “perlombaan senjata” ini belum terlihat ujungnya. Yang lebih penting, pelanggan NVIDIA adalah raksasa-raksasa dunia seperti Microsoft, Google, dan Meta yang tidak kekurangan uang. Bagi mereka, membeli chip NVIDIA bukanlah pilihan, melainkan kebutuhan untuk bertahan hidup di era AI.

Tentu saja, apa yang akan terjadi di masa depan, tidak ada yang bisa memprediksinya. Mungkin suatu hari, tiba-tiba muncul algoritma baru, yang bisa membuat GPU juga menjadi tidak penting, dan mengubah seluruh aturan permainan. Tetapi setidaknya saat ini, kita bisa belajar pelajaran yang sangat penting dari NVIDIA. Apa moat kamu? Bukan tentang terjebak dalam pertanyaan, “Apakah produk saya lebih baik, lebih cepat, lebih murah daripada pesaing?” tetapi harus bertanya: “Apakah produk saya memiliki ekosistem yang membuat pelanggan tidak bisa pergi?”

Sebenarnya, kapitalisasi pasar 5 triliun dolar dari Nvidia adalah jawaban paling jelas untuk masalah ini. Ini membuktikan bahwa di dunia bisnis, logika inti yang paling sederhana dan paling penting. Parit yang terdalam bukanlah dibangun dengan harga dan kinerja, tetapi dengan membuatmu menjadi tak tergantikan.