Dari Ruang Kecil ke Puncak AI, Taruhan Dini Nvidia yang Mengubah Segalanya

Nvidia menjadi salah satu nama paling dominan dalam ledakan kecerdasan buatan global karena taruhan yang dipasang jauh sebelum AI menjadi arus utama. Menurut CEO Jensen Huang, titik balik itu berawal dari keputusan perusahaan untuk menaruh hampir seluruh energinya pada deep learning, lalu berlanjut ke pengiriman sebuah mesin AI ke ruangan kecil yang kelak dikenal sebagai cikal bakal OpenAI.

Saat ini, chip Nvidia dipakai luas untuk melatih model AI dan menjalankan layanan AI skala besar di pusat data. Posisi itu tidak muncul dalam semalam, melainkan dibangun dari kombinasi visi jangka panjang, investasi mahal, dan keberanian menjual teknologi yang pada awalnya bahkan belum dipahami pasar.

Taruhan besar Nvidia pada deep learning

Dalam percakapannya di podcast Joe Rogan, Jensen Huang menjelaskan bahwa Nvidia mulai mengambil langkah besar pada ranah deep learning sejak awal dekade lalu. Ia mengatakan perusahaan saat itu yakin harus “menaruh segalanya” ke bidang tersebut karena teknologi itu dinilai dapat menyelesaikan banyak persoalan penting.

Pernyataan itu penting karena menunjukkan bahwa Nvidia tidak sekadar mengikuti tren AI. Perusahaan justru masuk lebih awal, ketika sebagian besar industri masih melihat Nvidia terutama sebagai merek yang kuat di kalangan gamer dan pengguna kartu grafis kelas atas.

Sebelum AI generatif meledak, pendapatan dan reputasi Nvidia memang lama ditopang oleh bisnis grafis, terutama GPU untuk gaming. Namun, arsitektur GPU yang mampu memproses banyak komputasi secara paralel kemudian terbukti sangat cocok untuk beban kerja deep learning.

Dari sinilah keunggulan Nvidia mulai terbentuk. Perusahaan tidak hanya menjual chip, tetapi juga membangun ekosistem perangkat lunak, interkoneksi, dan sistem komputasi yang memudahkan peneliti serta perusahaan menjalankan model AI dalam skala besar.

DGX-1 dan langkah yang sangat mahal

Salah satu bukti paling jelas dari strategi itu adalah DGX-1, mesin yang dirancang khusus untuk deep learning. Huang menyebut harga DGX-1 sekitar $300,000, sementara biaya yang dikeluarkan Nvidia untuk mewujudkan generasi pertamanya mencapai beberapa miliar dolar.

DGX-1 tidak dibangun seperti PC gaming biasa. Nvidia menghubungkan delapan chip dengan teknologi NVLink, yang oleh Huang digambarkan sebagai versi “supercharged” dari SLI, teknologi lama yang dikenal gamer untuk menghubungkan dua kartu grafis sekaligus.

Secara teknis, pendekatan itu membuat Nvidia melangkah lebih jauh dari sekadar menjual GPU lepas. Perusahaan mulai menawarkan sistem AI terintegrasi yang siap dipakai untuk pelatihan model, sebuah langkah yang kini menjadi fondasi penting bisnis pusat data Nvidia.

Masalah besar: pasar belum siap

Walau teknologinya maju, respons awal pasar sangat dingin. Huang mengakui bahwa saat DGX-1 diumumkan, tidak ada pesanan pembelian sama sekali karena banyak pihak belum mengerti apa fungsi mesin itu dan mengapa mereka membutuhkannya.

Kondisi tersebut menggambarkan risiko utama inovasi dini. Nvidia mengembangkan produk untuk kebutuhan yang saat itu belum terbentuk secara komersial, sehingga perusahaan harus menanggung biaya besar tanpa jaminan permintaan.

Di sinilah cerita “ruangan kecil” yang kini sering dikutip menjadi relevan. Menurut Huang, keadaan berubah ketika Elon Musk menghubunginya dan mengatakan ada sebuah organisasi nirlaba yang bisa memakai mesin tersebut, yaitu OpenAI.

Awal hubungan dengan OpenAI

Huang mengatakan bahwa ia secara langsung mengantar DGX-1 ke San Francisco. Namun, yang ditemuinya bukan laboratorium raksasa, melainkan sekelompok kecil peneliti yang bekerja di ruang sempit, termasuk Ilya Sutskever, tokoh yang kemudian berperan besar dalam perkembangan AI modern.

Kisah itu memperlihatkan bahwa tonggak besar industri AI tidak selalu lahir dari fasilitas megah. Dalam banyak kasus, lompatan teknologi justru berawal dari tim kecil dengan akses ke komputasi yang tepat.

Mesin itulah yang, menurut narasi Huang, menjadi salah satu fondasi awal bagi riset yang kemudian mendorong lahirnya sistem seperti ChatGPT. Dari satu pengiriman ke ruang kecil, Nvidia perlahan menempatkan dirinya di jantung infrastruktur AI global.

Mengapa Nvidia kemudian tumbuh sangat besar di AI

Ada beberapa alasan utama yang menjelaskan pertumbuhan Nvidia di sektor ini:

1. Masuk lebih awal ke deep learning
   Nvidia berinvestasi ketika pasar belum matang dan kompetitor belum sepenuhnya fokus.

2. GPU cocok untuk komputasi paralel AI
   Kebutuhan pelatihan model besar sangat selaras dengan kekuatan teknis GPU.

3. Membangun sistem lengkap, bukan hanya chip
   Nvidia mengembangkan platform seperti DGX dan teknologi interkoneksi seperti NVLink.

4. Menciptakan ekosistem perangkat lunak
   Keunggulan Nvidia juga bertumpu pada software dan tool yang memudahkan adopsi.

5. Menjadi pemasok utama pusat data AI
   Saat perusahaan teknologi berlomba mengembangkan model besar, permintaan terhadap hardware Nvidia melonjak tajam.

Meski begitu, dominasi Nvidia tidak sepenuhnya tanpa pesaing. Google, misalnya, menggunakan Tensor Processing Units atau TPU untuk sebagian kebutuhan AI internalnya, sementara pasar China juga memiliki dinamika dan pemasok sendiri.

Namun secara umum, Nvidia kini berada di posisi yang sangat kuat karena banyak model bahasa besar dan layanan AI komersial bergantung pada infrastrukturnya. Cerita Jensen Huang tentang sebuah mesin mahal yang dikirim ke ruangan kecil menunjukkan bahwa skala raksasa Nvidia di era AI dibentuk oleh keputusan awal yang berisiko, ketika hampir tidak ada orang yang benar-benar melihat arah industri ini.