Nvidia dilaporkan meningkatkan performa GPU Vera Rubin guna menghadapi persaingan ketat dari akselerator AI Instinct milik AMD. Peningkatan ini mencakup penambahan clock boost dan bandwidth memori yang signifikan, sehingga konsumsi daya GPU naik sebesar 500 watt menjadi total 2300 watt per unit.
Langkah tersebut menunjukkan bahwa Nvidia tak hanya berusaha meluncurkan Vera Rubin lebih awal tahun ini, tapi juga ingin memastikan produknya unggul dari segi performa dibandingkan AMD. Menurut informasi yang diungkapkan oleh analis pasar dan sumber tak resmi, peningkatan daya dari 1800 watt ke 2300 watt memberi ruang bagi Nvidia untuk meningkatkan kecepatan clock secara berkelanjutan dan mengurangi throttling ketika GPU bekerja berat.
Peningkatan spesifikasi Rubin GPU
Awalnya, Nvidia mengumumkan TDP atau Thermal Design Power untuk GPU Rubin sebesar 1800 watt. Namun kini angka tersebut telah disesuaikan naik menjadi 2300 watt, meski masih sedikit lebih rendah dibandingkan prediksi beberapa pengamat pasar yang sempat memperkirakan 2500 watt. Penyesuaian ini didasari oleh upaya Nvidia agar performa Rubin mampu mengungguli kompetitor utamanya, yaitu AMD Instinct MI455X yang diproyeksikan memiliki konsumsi daya sekitar 1700 watt.
Selain peningkatan daya, Nvidia juga dikabarkan meningkatkan bandwidth memori GPU Rubin dari 13 TB/s menjadi 22,2 TB/s. Peningkatan ini berasal dari upgrade pada kecepatan transfer data tumpukan HBM4 yang digunakan di GPU tersebut. Bandwidth memori yang lebih besar sangat penting untuk performa AI dan workload berbasis data besar karena mempercepat akses dan pengolahan data secara keseluruhan.
Manfaat daya ekstra bagi performa dan keandalan
Penambahan sekitar 500 watt dalam TDP memberikan beberapa keuntungan. Pertama, GPU dapat mempertahankan kecepatan clock lebih tinggi selama proses pelatihan dan inferensi AI tanpa terhambat throttling akibat panas atau daya. Kedua, lebih banyak unit eksekusi dan memori dapat diaktifkan secara bersamaan untuk mengatasi pekerjaan komputasi yang kompleks dan intensif.
Daya lebih besar juga memungkinkan semua koneksi internal termasuk NVLink dan interkoneksi memori dapat beroperasi pada titik kinerja yang lebih tinggi. Hal ini sangat penting karena sistem AI modern kerap terkendala oleh keterbatasan bandwidth memori dan performa fabric interkoneksi.
Secara keseluruhan, daya ekstra tersebut mampu meningkatkan performa per node maupun per rak di pusat data besar. Hyperscaler, yaitu perusahaan penyedia layanan cloud besar, biasanya lebih memprioritaskan efisiensi dan performa di level sistem secara keseluruhan daripada hanya performa per unit GPU. Dengan konsumsi daya lebih tinggi, dibutuhkan strategi suplai daya dan pendinginan yang memadai agar GPU bisa bekerja optimal di lingkungan pusat data.
Pengaruh pada proses manufaktur dan ketersediaan
Selain keuntungan performa, peningkatan TDP juga membuka peluang bagi Nvidia untuk melakukan proses binning dan pengelolaan voltase yang lebih fleksibel selama produksi GPU. Ini dapat meningkatkan yield produksi karena lebih banyak chip berkualitas tinggi yang bisa dihasilkan tanpa harus mengurangi jumlah unit eksekusi atau menurunkan clock speed.
Dengan demikian, Nvidia tidak hanya memperkuat posisi produktif GPU Rubin secara teknis, tapi juga efisiensi manufakturnya. Hal ini memungkinkan perusahaan untuk memasok lebih banyak GPU ke pasar, yang berdampak positif pada ketersediaan produk dan pendapatan.
Dinamika pasar akselerator AI antara Nvidia dan AMD
Peningkatan performa NVIDIA Vera Rubin terjadi dalam konteks persaingan sengit dengan AMD yang terus mengembangkan akselerator AI mereka. AMD Instinct MI455X yang menggunakan daya lebih rendah menjadi tolok ukur bagi Nvidia untuk lebih agresif dalam meningkatkan spesifikasi produknya demi mempertahankan pangsa pasar hyperscaler.
Keputusan Nvidia menambah daya hingga 2300 watt sekaligus meningkatkan bandwidth memori ke angka 22,2 TB/s memperlihatkan strategi fokus pada performa tinggi dengan daya yang lebih besar daripada rivalnya. Hal ini mengindikasikan tren pasar akselerator AI ke arah perangkat yang mampu menjalankan beban kerja semakin kompleks dengan kinerja sustained yang optimal.
Dengan langkah ini, Nvidia diharapkan dapat mempertahankan dominasi di sektor GPU AI kelas atas sekaligus menawarkan solusi yang lebih sesuai dengan kebutuhan pusat data hyperscaler, memastikan pengoperasian sistem yang andal dan efisien dalam skala besar.
-
-
-
-
