Pemerintah menyiapkan Otoritas Pelindungan Data Pribadi di luar Komdigi. Independensinya akan ditentukan oleh desain pelaporan, anggaran, dan penegakan.
Hedra.ID, California - Perusahaan AI biasanya dikenal lewat model, chatbot, dan aplikasi yang mereka bangun. Karena itu, keputusan untuk membentuk tim perancang chip bisa terdengar seperti lompatan bisnis yang jauh: dari mengembangkan perangkat lunak menjadi memproduksi komponen elektronik.
Kesan tersebut muncul ketika Anthropic mengonfirmasi pembentukan tim internal untuk merancang chip khusus bagi Claude. Perusahaan itu ingin merekrut tenaga yang memahami perangkat keras dan perangkat lunak agar pengembangan model dan chip dapat berjalan lebih selaras.
Namun, “mendesain chip sendiri” tidak berarti Anthropic akan langsung membangun pabrik semikonduktor atau berhenti menggunakan chip dari perusahaan lain. Langkah ini lebih tepat dibaca sebagai upaya memperoleh kendali lebih besar atas salah satu bagian paling mahal dan menentukan dalam pengoperasian AI.
Model AI menjalani dua pekerjaan besar. Pertama, pelatihan, ketika model mempelajari pola dari data dalam jumlah besar. Kedua, inferensi, ketika model yang sudah tersedia memproses permintaan pengguna dan menghasilkan jawaban.
Chip serbaguna harus mampu menangani banyak jenis pekerjaan. Fleksibilitas itu penting karena perangkat yang sama dapat digunakan untuk berbagai model, metode pelatihan, dan kebutuhan komputasi.
Namun, perusahaan yang menjalankan AI dalam skala sangat besar akan melihat pola beban kerja yang terus berulang. Mereka dapat mengetahui operasi mana yang paling sering dijalankan, bagian mana yang memperlambat respons, berapa banyak memori yang dibutuhkan, serta bagaimana data berpindah di dalam sistem.
Dari sana muncul dorongan untuk merancang chip yang lebih dekat dengan kebutuhan model dan infrastruktur perusahaan. Inilah maksud pengembangan bersama antara model dan perangkat keras.
Tim pembuat model tidak hanya menerima kemampuan chip yang sudah tersedia. Sebaliknya, tim perancang chip juga tidak bekerja tanpa memahami jenis beban yang nantinya harus ditangani. Keduanya mencoba menyesuaikan arsitektur model, perangkat lunak, dan kebutuhan komputasi sejak awal.
Meta menggunakan pendekatan serupa melalui keluarga chip MTIA. Perusahaan itu menjelaskan bahwa chip internalnya dirancang untuk menangani beban tertentu, termasuk sistem rekomendasi dan inferensi AI generatif. Meski begitu, Meta tetap menggunakan perangkat keras dari berbagai pemasok karena tidak ada satu jenis chip yang cocok untuk seluruh kebutuhan.
Artinya, chip khusus tidak selalu hadir untuk menggantikan chip serbaguna. Fungsinya bisa lebih sempit: mengambil pekerjaan tertentu yang volumenya besar dan polanya cukup konsisten.
Alasan lain perusahaan AI tertarik merancang chip adalah kebutuhan kapasitas komputasi. Ketika jumlah pengguna dan permintaan meningkat, perusahaan tidak hanya memerlukan model yang lebih baik. Mereka juga harus memastikan tersedia cukup banyak perangkat keras untuk melatih dan menjalankan model tersebut.
Reuters melaporkan bahwa Anthropic membentuk tim chip ketika kebutuhan perangkat keras perusahaan terus meningkat. Anthropic menyebut chip khusus sebagai bagian dari strategi multichip dan masih berencana memakai teknologi dari AWS, Google, Nvidia, dan AMD.
Hanya saja, rencana tersebut belum menunjukkan bahwa Anthropic akan mengganti seluruh perangkat kerasnya dengan satu chip buatan sendiri. Perusahaan ini juga belum memberikan jadwal pengembangan atau menjelaskan pihak yang nantinya akan memproduksi chip tersebut.
Pasalnya, merancang chip dan memproduksinya merupakan dua pekerjaan berbeda. Sebuah perusahaan dapat menentukan fungsi, susunan komponen, kebutuhan memori, serta cara chip berkomunikasi dengan perangkat lunak. Setelah desain selesai dan lolos verifikasi, proses produksinya dapat diserahkan kepada perusahaan foundry yang memiliki fasilitas fabrikasi semikonduktor.
Model bisnis ini sudah lazim dalam industri chip. TSMC, misalnya, berfokus memproduksi rancangan milik para pelanggannya. Dengan pola tersebut, perusahaan AI dapat memiliki chip yang disesuaikan dengan kebutuhannya tanpa harus membangun dan mengoperasikan pabrik sendiri.
Ketergantungan juga tidak berhenti pada proses fabrikasi. Sistem AI membutuhkan memori berkecepatan tinggi, jaringan antarchip, rak server, pendinginan, pasokan listrik, pengemasan chip, dan perangkat lunak yang mampu membagi pekerjaan ke banyak mesin. Chip yang bagus tidak banyak membantu apabila bagian lain dalam sistem tidak mampu mengimbanginya.
Desain internal dapat menawarkan performa atau efisiensi yang lebih baik untuk pekerjaan tertentu. Namun, keuntungan itu tidak muncul secara otomatis. Pengembangan chip membutuhkan tenaga berpengalaman, proses verifikasi yang ketat, biaya besar, dan waktu panjang sebelum desain dapat diproduksi dalam jumlah banyak.
Perusahaan juga harus memastikan chip tersebut dapat digunakan tanpa memaksa pengembang menulis ulang seluruh sistem. Perangkat lunak, pustaka, alat pemantauan, dan metode pemindahan model menjadi bagian yang sama pentingnya dengan silikon.
Namun, ada pula risiko lain, di mana perkembangan model AI berlangsung cepat. Chip yang sangat sesuai dengan satu pola komputasi dapat kehilangan sebagian keunggulannya ketika arsitektur model atau kebutuhan pengguna berubah.
Karena itu, perusahaan perlu menyeimbangkan efisiensi chip khusus dengan fleksibilitas perangkat keras yang lebih umum. Terlalu khusus dapat membuat sebuah chip efisien untuk satu pekerjaan, tetapi kurang berguna ketika kebutuhan bergeser.
Keputusan perusahaan AI untuk merancang chip sendiri pada akhirnya bukan sekadar perlombaan membuat prosesor paling cepat. Langkah tersebut menunjukkan bahwa pengembangan AI semakin sulit dipisahkan dari pengelolaan infrastrukturnya.
Semakin besar sebuah layanan AI, semakin kuat dorongan untuk mengatur bagaimana model, perangkat lunak, jaringan, dan chip bekerja sebagai satu sistem. Desain internal memberi perusahaan ruang untuk melakukan penyesuaian itu dengan lebih dekat.
Namun, istilah “chip sendiri” tetap perlu dibaca secara proporsional. Perusahaan dapat menguasai desain tanpa menguasai seluruh rantai produksinya. Chip tersebut juga dapat bekerja bersama perangkat keras dari banyak pemasok, bukan langsung menggantikannya.
Perubahannya bukan perusahaan AI mendadak menjadi pabrik chip. Mereka mulai melihat bahwa kemampuan model juga ditentukan oleh seberapa baik perangkat keras di bawahnya dirancang, tersedia, dan dioperasikan.
