GPU membuat Nvidia menjadi perusahaan paling berharga dalam sejarah.

Chip yang menggantinya sudah sedang dibangun oleh Google, Amazon, Meta, Microsoft, dan OpenAI secara bersamaan.
Inilah apa arti dari aliran uang berikutnya yang sebenarnya.
Pertama, Anda perlu memahami mengapa GPU menjadi raja.
Kembali ke tahun 2012.
Sebuah jaringan neural bernama AlexNet menghancurkan kompetisi dalam kontes pengenalan gambar global menggunakan satu wawasan.
Pemrosesan paralel yang dibangun Nvidia ke dalam GPU untuk merender grafis yang tampak nyata dalam permainan video secara struktural identik dengan apa yang dibutuhkan untuk melatih jaringan neural.
Ribuan inti kecil melakukan perkalian matriks secara bersamaan daripada sejumlah kecil inti kuat menjalankan tugas secara berurutan.
Seorang peneliti mengambil GPU dan meretasnya untuk mengekspos kemampuan komputasi paralel tersebut untuk pembelajaran mendalam.
Momen itu memulai perjalanan selama satu dekade yang mengubah Nvidia dari perusahaan game menjadi lapisan infrastruktur dari seluruh ekonomi AI.
Enam juta GPU Blackwell dikirimkan dalam tahun terakhir saja.
Satu rak server Blackwell dengan 72 GPU dijual sekitar $3 juta.
Nvidia mengirimkan seribu di antaranya setiap minggu.
Dalam sekejap di bulan Oktober, Nvidia menjadi perusahaan pertama dalam sejarah yang mencapai valuasi $5 triliun.
Itulah hasil dari satu wawasan dari 2012 yang dikompaun.
Namun GPU memiliki masalah struktural yang tidak dibicarakan secara keras sampai baru-baru ini.
Itu adalah pisau Swiss Army.
Sangat mampu di berbagai beban kerja AI, tetapi tidak dioptimalkan untuk satu pun dari mereka.
Di era ledakan awal model bahasa besar, fleksibilitas itu adalah poin utamanya.
Pelatihan membutuhkan komputasi paralel umum yang besar dan GPU menyediakannya lebih baik daripada apa pun yang tersedia.
Namun seiring model berkembang, keseimbangan bergeser.
Teknik pasca-pelatihan membuat model semakin mampu.
Sekarang beban kerja dominan bukan lagi pelatihan.
Itu adalah inferensi.
Setiap kali Anda membuka Claude, ChatGPT, Gemini, atau produk AI apa pun dan menerima respons, itu adalah inferensi.
Setiap transaksi aplikasi Starbucks, setiap alur kerja Salesforce, setiap asisten AI yang berjalan di EarPods Anda.
Semua inferensi.
Dan inferensi dapat dijalankan pada chip yang kurang kuat yang diprogram untuk tugas yang lebih spesifik.
Perpindahan tunggal dalam keseimbangan beban kerja ini adalah apa yang membuka pintu bagi chip yang sekarang sedang dibangun untuk menantang dominasi Nvidia.
ASIC adalah chip yang mengubah peta.
Application Specific Integrated Circuit.
Di mana GPU adalah pisau Swiss Army, ASIC adalah alat tujuan tunggal.
Terkoneksi keras untuk melakukan operasi matematis yang tepat untuk satu jenis pekerjaan.
Lebih cepat dalam pekerjaan itu, lebih efisien daya dalam pekerjaan itu, dan jauh lebih murah untuk dioperasikan secara skala besar untuk pekerjaan itu daripada GPU tujuan umum mana pun.
Pengorbanannya adalah fleksibilitas.
Setelah dipahat ke dalam silikon, ASIC tidak bisa diprogram ulang untuk beban kerja yang berbeda.
Tapi bagi perusahaan yang menjalankan inferensi dalam skala miliaran permintaan harian, pengorbanan itu bukan kerugian.
Itu adalah poin utamanya.
Google lebih dulu.
TPU, Tensor Processing Unit, diluncurkan pada 2015 dan membantu memimpin penemuan arsitektur transformer pada 2017.
Transformer adalah fondasi dari hampir semua sistem AI modern yang berjalan hari ini.
Chip generasi ketujuh Google, Ironwood, baru saja diluncurkan bersamaan dengan kesepakatan untuk melatih Claude dengan hingga satu juta TPU.
Amazon membangun Trainium dan Inferentia setelah mengakuisisi startup chip Israel pada 2015.
Anthropic saat ini melatih modelnya dengan setengah juta chip Trainium2 di pusat data Amazon di Indiana tanpa GPU Nvidia di dalamnya.
Trainium memberikan performa harga 30 hingga 40 persen lebih baik daripada vendor hardware pesaing di AWS menurut data Amazon sendiri.
Meta memiliki akselerator pelatihan dan inferensi sendiri.
Microsoft memiliki chip Maia yang menargetkan pusat data Azure.
OpenAI membangun ASIC kustom bekerja sama dengan Broadcom mulai 2026.
Setiap hyperscaler utama membangun chip mereka sendiri secara bersamaan.
Bukan sebagai eksperimen.
Sebagai keputusan infrastruktur strategis yang bernilai ratusan miliar dolar dalam komitmen modal.
Broadcom adalah nama yang sebagian besar orang di luar industri chip belum masukkan ke dalam tesis mereka.
Setiap hyperscaler utama dengan program ASIC bermitra dengan setidaknya satu perusahaan desain chip untuk IP, keahlian rekayasa, dan infrastruktur jaringan yang menghubungkan chip secara skala besar.
Broadcom mendominasi pasar tersebut.
TPU Google. Akselerator pelatihan Meta. Sekarang ASIC kustom OpenAI.
Analis yang mengikuti ruang ini memperkirakan Broadcom memenangkan 70 hingga 80 persen dari pasar backend ASIC kustom.
Pasar itu diproyeksikan tumbuh dengan tingkat pertumbuhan tahunan majemuk dua digit tengah selama lima tahun ke depan.
Gelombang ASIC semakin cepat daripada pasar GPU.
Broadcom berada di pusat hampir semua itu.
Lalu ada lapisan edge yang sebagian besar orang belum ikuti.
Seiring data center AI matang, medan perang berikutnya adalah inferensi di perangkat.
Ponsel Anda. Mobil Anda. Laptop Anda. Wearables Anda.
Unit Pemrosesan Neural adalah chip yang menggerakkan AI secara lokal tanpa mengirim data kembali ke server cloud.
Privasi, kecepatan, dan efisiensi biaya semuanya meningkat ketika inferensi berjalan di perangkat daripada di pusat data.
Qualcomm mendominasi NPUs untuk Android.
Chip seri M Apple menyertakan mesin neural khusus untuk MacBook.
Chip seri A di iPhone terbaru memiliki akselerator neural bawaan.
AMD dan Intel bersaing untuk NPUs di laptop Windows.
Dolar saat ini terkonsentrasi di pusat data.
Tapi volume chip yang diperlukan untuk menempatkan AI ke setiap ponsel, mobil, robot, dan wearable di Bumi jauh lebih besar daripada pasar pusat data.
Perpindahan itu sudah dimulai.
Lapisan geopolitik di bawah semua ini adalah batasan yang tidak cukup dibicarakan orang dalam narasi konsumen.
Hampir setiap chip dalam ekosistem ini, Nvidia Blackwell, Google TPU, Amazon Trainium, Apple seri A, diproduksi oleh satu perusahaan.
Taiwan Semiconductor Manufacturing Company.
TSMC.
Konsentrasi manufaktur semikonduktor node maju di Taiwan adalah titik lemah geopolitik terbesar dalam perlombaan AI global.
Undang-undang CHIPS memulai proses pembangunan pabrik TSMC di Arizona.
Blackwell Nvidia sekarang sedang dalam produksi penuh di fasilitas Arizona.
Intel memproduksi chip node maju di pabrik baru di Arizona.
Tapi chip iPhone terbaru Apple masih membutuhkan proses tiga nanometer TSMC yang saat ini hanya tersedia di Taiwan.
Pemindahan manufaktur semikonduktor kembali ke AS sedang berlangsung tetapi waktunya diukur dalam tahun, bukan bulan.
Dan China membangun tumpukan paralel sendiri.
Huawei, ByteDance, dan Alibaba semuanya mengembangkan ASIC kustom di bawah kendali ekspor yang membatasi akses mereka ke peralatan paling canggih dan chip Blackwell Nvidia.
Lomba chip AI ini bukan sekadar kompetisi teknologi.
Ini adalah perang infrastruktur geopolitik yang sedang berlangsung di silikon.
Negara yang mengamankan kapasitas manufaktur paling maju dan pasokan daya paling andal untuk menjalankannya memenangkan sesuatu yang jauh lebih berharga daripada pasar.
Inilah kerangka yang mengikat semuanya.
Nvidia mendapatkan posisinya.
Investasi ekosistem pengembang selama bertahun-tahun, CUDA sebagai benteng perangkat lunak milik, dan peta jalan perangkat keras yang selalu selangkah di depan pesaing membangun salah satu keunggulan kompetitif paling tahan lama dalam sejarah teknologi.
Keunggulan itu tidak hilang dalam semalam.
Tapi pasar menjadi begitu besar sehingga menciptakan ruang bagi lapisan pemenang baru yang muncul bersamaan dengan Nvidia daripada sekadar menggantinya.
Hyperscaler mengurangi ketergantungan mereka pada Nvidia melalui ASIC kustom.
Broadcom menguasai infrastruktur backend dari setiap program ASIC utama secara bersamaan.
Qualcomm dan Apple menguasai lapisan inferensi edge saat AI berpindah ke setiap perangkat.
TSMC tetap menjadi titik lemah manufaktur yang tak tergantikan, apapun arsitektur chip yang menang.
Dan di bawah semuanya, infrastruktur daya yang diperlukan untuk menjalankan semuanya secara skala besar menjadi batasan yang menentukan siapa yang benar-benar bisa membangun sesuai kecepatan yang dibutuhkan perlombaan AI.
GPU membuat Nvidia menjadi perusahaan paling berharga dalam sejarah.
Perusahaan yang memahami momen 2012 itu sebelum menjadi jelas tidak pernah perlu menjelaskan waktu mereka.
Kesempatan yang sama saat ini dalam transisi ASIC.
Orang-orang yang memperhatikan lapisan chip di bawah perlombaan model sudah berada di posisi.
Orang-orang yang bertindak malam ini akan mengerti mengapa besok.