Meta, perusahaan induk Facebook, sedang melakukan langkah besar untuk mengurangi ketergantungannya pada Nvidia, salah satu produsen terkemuka GPU (unit pemrosesan grafis) untuk aplikasi AI dan pembelajaran mesin. Dalam langkah besar untuk mengklaim kendali atas infrastruktur AI-nya, Meta sedang menguji chip pelatihan AI pertamanya yang diproduksi secara internal, yang telah dibuat bekerja sama dengan Taiwan Semiconductor Manufacturing Company (TSMC). Perkembangan baru ini menandai langkah penting menuju ambisi Meta untuk menjadi kurang tergantung pada pemasok eksternal, khususnya Nvidia, dalam memberikan tenaga untuk beban kerja AI-nya.

Kebutuhan akan Chip Pelatihan AI di Dalam Perusahaan

Selama bertahun-tahun, Meta sangat bergantung pada GPU Nvidia untuk tugas kecerdasan buatan (AI) dan pembelajaran mesinnya. Chip-chip dari Nvidia, terutama A100 dan H100, telah menjadi inti dari banyak proyek AI berskala besar di berbagai industri, termasuk Meta. Namun, meningkatnya permintaan akan solusi berbasis AI dan biaya yang terus naik terkait dengan pembelian perangkat keras Nvidia telah mendorong Meta untuk mencari alternatif.

Pengembangan chip dalam perusahaan memberikan beberapa manfaat bagi Meta:

• Penghematan Biaya: Dengan merancang dan memproduksi chipnya sendiri, Meta dapat mengurangi ketergantungan pada pemasok pihak ketiga, menghindari biaya tinggi untuk memperoleh perangkat keras eksternal.
• Kustomisasi: Mengembangkan chip kepemilikan memungkinkan Meta untuk menyesuaikan perangkat keras sesuai dengan kebutuhan spesifiknya, memastikan efisiensi dan kinerja yang lebih baik untuk model AI-nya.
• Kontrol Terhadap Rantai Pasokan: Dengan kekurangan chip global dan meningkatnya ketegangan geopolitik yang memengaruhi rantai pasokan semikonduktor, memiliki solusi internal menawarkan stabilitas dan fleksibilitas yang lebih besar.

Chip yang diuji Meta merupakan langkah krusial untuk mengendalikan infrastruktur yang memberi tenaga pada inisiatif AI besar-besaran, seperti visibilitas mesin, pengolahan bahasa alami, dan sistem rekomendasi yang digunakan di berbagai platform media sosialnya.

Kemitraan dengan TSMC

Untuk mewujudkan visinya tentang chip internal, Meta telah beralih kepada TSMC, pendiri semikonduktor terkemuka di dunia, yang dikenal karena memproduksi chip untuk raksasa teknologi seperti Apple, AMD, dan Qualcomm. Keahlian TSMC dalam fabrikasi semikonduktor maju dan kemampuannya untuk memproduksi chip mutakhir menjadikannya mitra ideal bagi ambisi Meta.

Chip yang sedang diuji ini didasarkan pada teknologi manufaktur maju seperti proses 5nm milik TSMC, yang memungkinkan produksi chip yang lebih kecil dan lebih efisien. Penggunaan teknologi canggih ini memastikan bahwa chip dapat memberikan daya komputasi yang dibutuhkan untuk beban kerja AI Meta sambil mempertahankan efisiensi energi. Mengingat kompleksitas dan skala model AI Meta, memiliki chip yang sangat efisien adalah hal yang penting untuk mempertahankan kinerja tanpa meningkatkan konsumsi energi dan biaya operasional.

Ambisi AI Meta dan Peran Chip Kustom

Peralihan Meta ke chip AI yang dirancang khusus sejalan dengan tren yang lebih luas dalam industri teknologi, di mana perusahaan-perusahaan besar sedang merancang chip khusus mereka sendiri untuk memenuhi tuntutan spesifik operasi mereka. Perusahaan seperti Google dan Amazon telah melakukan investasi signifikan dalam perangkat keras kustom untuk memberikan tenaga pada platform AI dan cloud mereka masing-masing.
Untuk Meta, kebutuhan akan chip AI yang kuat semakin mendesak seiring perusahaan berinvestasi besar-besaran dalam teknologi baru, seperti Metaverse, realitas tertambah (AR), dan realitas virtual (VR). Teknologi-teknologi ini memerlukan daya komputasi yang sangat besar untuk memproses kumpulan data yang besar dan menawarkan pengalaman imersif secara real-time. Dengan menciptakan perangkat keras khusus yang disesuaikan dengan kebutuhan sendiri, Meta dapat mempercepat penelitian dan pengembangan, memastikan bahwa model AI-nya dapat berjalan lebih efisien dan dalam skala yang lebih besar.

Desain chip kemungkinan besar fokus pada beban kerja pelatihan tertentu untuk pembelajaran mendalam, yang memerlukan penanganan data dalam jumlah besar untuk pelatihan model. Model pembelajaran mendalam, seperti yang digunakan dalam moderasi konten Meta, algoritma personalisasi, dan visibilitas komputer, membutuhkan prosesor berkinerja tinggi yang mampu melakukan jutaan perhitungan per detik.

Visi Meta untuk Masa Depan

Chip AI yang dikembangkan secara internal oleh Meta dapat berperan signifikan dalam mengurangi ketergantungan perusahaan pada Nvidia dan pemasok pihak ketiga lainnya. Dengan mengembangkan solusi kustom, Meta mendapatkan lebih banyak fleksibilitas dalam hal desain dan skala, memungkinkan perusahaan untuk merespons lebih cepat terhadap tuntutan pasar AI yang terus berkembang.

Perusahaan juga dilaporkan sedang mengeksplorasi cara untuk mengintegrasikan chip AI ini ke dalam pusat data, dimana chip ini dapat bekerja sama dengan perangkat keras lainnya untuk mengoptimalkan beban kerja dan lebih meningkatkan kinerja model AI. Selain itu, Meta dapat membuka kemungkinan untuk melisensikan atau berbagi chip ini dengan perusahaan lain di masa depan, menciptakan aliran pendapatan baru bagi perusahaan.

Tantangan dan Kompetisi

Meskipun langkah untuk merancang chip AI sendiri menawarkan banyak manfaat, ada beberapa tantangan yang harus diatasi oleh Meta:

1. Tantangan Teknis: Merancang chip yang mampu bersaing dengan GPU kuat dari Nvidia bukanlah tugas yang mudah. Chip A100 dan H100 dari Nvidia dirancang khusus untuk pelatihan AI dan telah dioptimalkan untuk beban kerja yang paling menuntut. Chip baru Meta perlu membuktikan bahwa ia dapat menyamai atau melampaui kinerja solusi standar industri ini.
2. Waktu Pengembangan: Pengembangan chip kustom adalah proses yang memakan waktu. Bahkan dengan kemampuan manufaktur canggih dari TSMC, Meta perlu memastikan bahwa chip AI-nya dapat memberikan kinerja, keandalan, dan efisiensi daya yang diperlukan untuk infrastruktur AI-nya yang luas.
3. Kompetisi: Meta tidak sendirian dalam pencariannya terhadap perangkat keras AI. Perusahaan seperti Google dengan TPU (Tensor Processing Unit), dan Amazon dengan chip Inferentia dan Trainium, juga merancang solusi kustom untuk memenuhi kebutuhan AI dan pembelajaran mesin mereka. Meta perlu tidak hanya menyamai kinerja GPU dari Nvidia tetapi juga membedakan produknya agar tetap kompetitif di pasar yang terus tumbuh dan kompetitif.

Jalan ke Depan

Peralihan Meta menuju chip AI internal mewakili momen transformatif bagi perusahaan, saat Meta berusaha untuk mengambil kendali lebih besar atas infrastruktur AI-nya dan mengurangi ketergantungan pada penyedia perangkat keras pihak ketiga. Jika sukses, langkah ini dapat membuka jalan menuju kemajuan yang lebih besar dalam kemampuan AI Meta, dari mendukung visi Metaverse-nya hingga menyempurnakan model pembelajaran mesinnya.