Wawancara terbaru He Renjun: Apakah parit pertahanan (moat) Nvidia bisa terus dipertahankan? (Bagian 1)

Saat makin banyak orang mulai membahas apakah AI akan membuat perangkat lunak sepenuhnya menjadi komoditas, sehingga semakin menekan valuasi dan ruang laba perusahaan teknologi, jawaban yang diberikan oleh CEO NVIDIA, Huang Renxun, sangat tegas:

Yang benar-benar tidak mudah dijadikan komoditas, bukan hanya perangkat lunaknya sendiri, melainkan seluruh proses mengubah elektron menjadi token.

Dalam wawancara terbaru, Huang Renxun menjelaskan secara lengkap bagaimana ia memahami persaingan AI ini—mulai dari rantai pasok NVIDIA, ekosistem CUDA, arsitektur komputasi AI, pelanggan cloud skala super besar, hingga pasar Tiongkok dan pembatasan ekspor AS.

(Huang Renxun menggunakan metafora “kue berlapis lima” untuk menjelaskan sejarah evolusi kecerdasan buatan)

Poin intinya dapat dipadatkan menjadi satu kalimat: AI bukanlah persaingan model tunggal, bukan pula persaingan chip tunggal, melainkan sebuah perang “kue berlapis lima” yang mencakup energi, chip, jaringan, perangkat lunak, ekosistem, dan lapisan aplikasi—dan yang ingin dilakukan NVIDIA adalah bagian yang paling sulit, sekaligus yang paling tidak mudah digantikan.

Huang Renxun: Pekerjaan NVIDIA adalah mengubah elektron menjadi token yang bernilai lebih tinggi

Menghadapi keraguan dari luar, jika banyak valuasi perusahaan perangkat lunak justru tertekan karena AI, sedangkan pada dasarnya NVIDIA menyerahkan desain ke TSMC, memori ke SK Hynix dan Samsung, serta perakitan ke Taiwan ODM, apakah NVIDIA juga mungkin terseret arus komoditisasi yang dibawa AI? Jawaban Huang Renxun adalah: tidak sesederhana itu.

Ia berpendapat, peran NVIDIA sejak awal memang bukan melakukan semuanya sendiri, melainkan mengemban bagian yang paling kunci dan paling sulit dalam seluruh rantai transformasi “dari elektron menjadi token”. Menurut penuturan beliau, input NVIDIA adalah electrons, output-nya adalah tokens, dan kemampuan transformasi yang sangat kompleks di tengah—itulah makna keberadaan perusahaan ini.

Huang Renxun menekankan bahwa transformasi ini bukan sekadar mengubah listrik menjadi hasil komputasi, melainkan harus terus meningkatkan nilai token, sehingga komputasi yang sama dapat menghasilkan token yang memiliki nilai ekonomi lebih tinggi dan efisiensi yang lebih tinggi. Di antaranya ada desain arsitektur, pengemasan, memori, interkoneksi, algoritme, pustaka/fungsi library, tumpukan perangkat lunak, dan kolaborasi ekosistem—proses yang sangat berorientasi rekayasa dan ilmiah, serta masih berkembang dengan cepat. Ia yakin proses seperti ini tidak mungkin sepenuhnya dijadikan komoditas.

Ia juga menjelaskan lebih lanjut filosofi perusahaan NVIDIA: mengerjakan “yang terbanyak yang diperlukan, yang paling sedikit yang tidak diperlukan”. Dengan kata lain, bagian yang tidak perlu dikerjakan sendiri, sebisa mungkin diselesaikan oleh mitra dan ekosistem; namun bagian yang tidak bisa tidak harus dikerjakan, dan yang sangat sulit, NVIDIA harus turun tangan langsung—dan melakukannya dengan yang terbaik.

Perusahaan perangkat lunak “berbasis alat” justru mungkin tumbuh meledak-ledak karena AI

Terkait kekhawatiran pasar bahwa AI akan menyempitkan ruang perusahaan perangkat lunak, Huang Renxun justru memegang pandangan yang hampir kebalikannya. Ia menunjukkan bahwa banyak perusahaan perangkat lunak saat ini pada dasarnya adalah pembuat alat, seperti Excel, PowerPoint, atau perusahaan EDA seperti Cadence dan Synopsys. Perusahaan-perusahaan ini belum menyaksikan ledakan yang lebih besar untuk sementara bukan karena alat akan ditelan masa lalu, melainkan karena agent saat ini belum cukup mahir menggunakan alat.

Menurutnya, jumlah agent di masa depan akan tumbuh secara eksponensial, begitu pula pengguna alatnya akan tumbuh secara eksponensial, yang pada akhirnya akan mendorong peningkatan frekuensi pemanggilan alat itu sendiri dan kebutuhan lisensinya. Sebagai contoh dalam desain chip, saat ini penggunaan alat desain masih dibatasi oleh jumlah insinyur; tetapi ke depannya, di balik setiap insinyur mungkin ada banyak agent yang berkolaborasi, sehingga kepadatan dan frekuensi eksplorasi ruang desain akan jauh melampaui kondisi saat ini.

Ketika itu terjadi, seperti Synopsys Design Compiler, floor planner, layout tools, design rule checker, dan sejenisnya, justru mungkin mengalami lonjakan tajam dalam penggunaan aktual.

Dengan kata lain, Huang Renxun tidak percaya bahwa AI akan dengan mudah memusnahkan perusahaan perangkat lunak berbasis alat; sebaliknya, AI justru kemungkinan akan mendorong mereka ke kurva pertumbuhan yang baru.

Kubu pertahanan sejati NVIDIA adalah rantai pasok hulu-hilir

Saat membahas bahwa dalam beberapa tahun terakhir NVIDIA telah membuat komitmen pembelian besar untuk rantai pasok hulu, bahkan diperkirakan pihak luar bahwa dalam beberapa tahun ke depan jumlahnya dapat mencapai skala ratusan miliar dolar, Huang Renxun tidak menyangkal bahwa ini adalah salah satu keunggulan penting NVIDIA.

Ia mengatakan bahwa NVIDIA memang membuat banyak upstream commitments—yang eksplisit maupun implisit. Yang pertama adalah komitmen pembelian yang terlihat oleh pihak luar; yang kedua dilakukan melalui persuasi terhadap pimpinan rantai pasok agar mereka bersedia berinvestasi lebih dulu untuk ekspansi kapasitas. Investasi ini terjadi bukan hanya karena NVIDIA bersedia membeli, melainkan karena para pemasok percaya NVIDIA mampu menyerap kapasitas tersebut, dan kemudian menjualnya secara lancar melalui permintaan besar di hilir.

Inilah juga alasan mengapa ia memandang GTC bukan sekadar ajang peluncuran produk, melainkan pertemuan “panorama 360 derajat” dari seluruh semesta AI. Di pandangannya, salah satu nilai GTC adalah membuat pihak hulu melihat sisi hilir, membuat pihak hilir memahami pihak hulu, dan membuat seluruh rantai industri bersama-sama memastikan bahwa kebutuhan AI benar-benar akan datang—dan skalanya sangat besar. Huang Renxun bahkan mengakui secara blak-blakan bahwa keynote-nya sampai batas tertentu memiliki fungsi “edukasi” yang kuat, karena ia harus memastikan seluruh rantai pasok memahami: mengapa AI akan hadir, kapan AI akan hadir, seberapa besar skalanya, dan bagaimana cara mempersiapkannya sejak awal.

Ini juga menjadi alasan mengapa dalam beberapa tahun terakhir NVIDIA terus mampu memperbesar aliran pada rantai pasok. Huang Renxun menegaskan bahwa rantai pasok tidak hanya melihat arus kas, tetapi juga melihat tingkat perputaran (turnover) dan visibilitas permintaan. Jika kecepatan perputaran arsitektur dan produk sebuah perusahaan tidak cukup cepat, rantai pasok juga tidak akan mau membangun pabrik atau menambah jalur produksi lebih dulu untuk perusahaan tersebut. NVIDIA mampu melakukan ini karena permintaan di hilirnya cukup besar dan cukup pasti, sehingga seluruh rantai pasok dapat melihatnya dengan jelas.

Huang Renxun tidak takut pada bottleneck; sebagian besar bottleneck hanya masalah dua atau tiga tahun

Ketika ditanya, apakah pihak hulu benar-benar mampu mengikuti kebutuhan komputasi AI? Terutama saat AI telah menyerap banyak kapasitas proses manufaktur dan pengemasan canggih TSMC, lalu bagaimana mungkin ke depannya bisa terus berlipat ganda dari tahun ke tahun? Sikap Huang Renxun sangat tegas: hampir semua bottleneck manufaktur pada dasarnya hanya masalah dua sampai tiga tahun.

Ia memberi contoh: dulu banyak orang sering membahas bottleneck pengemasan CoWoS, tetapi kini sudah tidak banyak yang membicarakannya, karena seluruh industri dalam dua tahun terakhir memusatkan kekuatan untuk menutupinya. TSMC juga sudah menganggap pengemasan canggih dan HBM sebagai bagian dari teknologi komputasi arus utama, bukan lagi kebutuhan khusus. Dengan kata lain, selama sinyal permintaan cukup jelas, rantai industri akan secara proaktif berbondong-bondong untuk melengkapi kapasitas dan menutup bottleneck.

Bagi Huang Renxun, AI tidak membuat pekerjaan hilang begitu saja, melainkan memicu restrukturisasi industri dan redistribusi kebutuhan tenaga kerja. Yang benar-benar perlu dikhawatirkan bukan apakah beberapa pekerjaan akan benar-benar menghilang, melainkan apakah masyarakat salah menempatkan pasokan talenta akibat ketakutan yang berlebihan.

Ia juga mengatakan bahwa masalah seperti proses logika, pengemasan, dan HBM bisa diselesaikan dalam waktu dua sampai tiga tahun; yang jauh lebih lambat dan lebih sulit adalah kebijakan energi. Sebab apa pun itu—pabrik AI, manufaktur chip, pengemasan canggih, kendaraan listrik, robot, atau reindustrialisasi—semuanya tidak lepas dari energi. Jika energi menjadi bottleneck, maka kecepatan ekspansi seluruh industri akan dibatasi.

Artikel ini Huang Renxun wawancara terbaru: Apakah parit pertahanan (moat) milik Nvidia bisa terus dipertahankan? (Bagian Atas) Paling awal muncul di Lianxin ABMedia.