Huang Renxun Secara Terbuka Menantang Google dan Amazon, Bisnis Chip Sepenuhnya Dihidupi oleh Anthropic?

marsbitDipublikasikan tanggal 2026-04-21Terakhir diperbarui pada 2026-04-21

Abstrak

Dalam wawancara dengan Dwarkesh Patel, CEO Nvidia Jensen Huang secara terbuka menantang pesaing seperti Google dan Amazon, menyatakan bahwa chip khusus mereka (seperti TPU dan Trainium) tidak memiliki keunggulan biaya 40% seperti yang diklaim. Huang mengungkapkan bahwa tanpa dukungan dari Anthropic, pertumbuhan chip tersebut akan nol. Ia juga mengakui kesalahan strategis karena melewatkan investasi di OpenAI dan Anthropic. Huang mendefinisikan ulang Nvidia sebagai perusahaan yang mengubah "elektron menjadi token", menekankan kompleksitas dalam menciptakan nilai dari setiap output AI. Ia menyoroti hambatan ekspansi komputasi, bukan pada manufaktur chip, tetapi pada infrastruktur dasar seperti pasokan listrik dan tenaga ahli. Dalam masalah pembatasan ekspor ke China, Huang mengecam keras kebijakan tersebut, memperingatkan bahwa hal itu justru akan mempercepat pengembangan industri chip China dan menyebabkan Amerika kehilangan kepemimpinan teknologi. Huang juga menjelaskan akuisisi Groq untuk memasuki pasar "token premium" yang membutuhkan respons lebih cepat, memungkinkan layanan AI dengan harga berbeda berdasarkan kecepatan. Wawancara ini mengungkap strategi Huang dalam mempertahankan dominasi Nvidia sebagai penyedia komputasi AI global.

Oleh | Chanelian CLS

April 2026, sosok CEO Nvidia Huang Renxun sering muncul di pusat-pusat kekuatan global.

Dari Forum Davos hingga konferensi GTC, dia berulang kali menyampaikan pesan inti kepada dunia: AI bukan hanya revolusi teknologi, tetapi juga proyek konstruksi infrastruktur terbesar dalam sejarah manusia.

Namun, percakapan panjang selama hampir dua jam dengan pembawa acara podcast Silicon Valley Dwarkesh Patel pada 15 April, mengungkap kenyataan di balik kendali Huang Renxun.

Dalam pertukaran pendapat ini, Huang Renxun tidak hanya secara terbuka menantang TPU Google, mengakui bahwa dia pernah melakukan kesalahan strategis yang serius, tetapi juga mengemukakan pandangan tentang token yang berstratifikasi, dan menyuarakan bantahan yang belum pernah terjadi sebelumnya terhadap pembatasan ekspor.

Dalam dialog tanpa naskah ini, Huang Renxun tidak hanya mempertahankan kapitalisasi pasar Nvidia, tetapi juga berjuang mati-matian untuk menjaga posisi dominan perusahaan sebagai pusat kekuatan komputasi global.

Mendefinisikan Ulang Nvidia: Listrik Masuk, Token Keluar

Banyak orang khawatir, jika nanti perangkat lunak AI menjadi biasa dan murah seperti air dan listrik, apakah chip Nvidia juga akan menjadi tidak penting lagi. Huang Renxun membantah kekhawatiran ini dengan model yang sangat sederhana: pekerjaan Nvidia adalah "memasukkan elektron, mengeluarkan token".

"Elektron" di sini mengacu pada energi listrik yang paling dasar, juga energi dasar yang menggerakkan komputer. Yang dimaksud token dapat dipahami sebagai fragmen bahasa atau unit logika yang dihasilkan AI.

Dia percaya, membuat setiap kata, setiap logika yang dihasilkan AI lebih berharga, proses di baliknya sangat kompleks dan sulit untuk digantikan dengan mudah.

Untuk mengukuhkan posisi ini, strategi Nvidia adalah "melakukan sebanyak mungkin hal yang diperlukan, sambil melakukan sesedikit mungkin hal". Segala hal yang tidak perlu dikerjakan sendiri, diserahkan seluruhnya kepada mitra ekosistem, sementara mereka sendiri fokus pada inti teknis yang paling sulit.

Strategi ini memberi Nvidia suara yang mutlak dalam rantai pasokan. Saat ini komitmen pembelian Nvidia telah mendekati 100 miliar dolar AS, dan di masa depan bahkan mungkin melebihi satu triliun.

Huang Renxun直言, alasan mitra bersedia berinvestasi membangun pabrik untuknya adalah karena Nvidia memiliki kemampuan absolut untuk mengubah kapasitas produksi menjadi permintaan global.

Yang menarik, Huang Renxun指出 bahwa hambatan ekspansi kekuatan komputasi sebenarnya bukanlah manufaktur chip. Dia percaya semua tantangan teknis semikonduktor dapat diselesaikan dalam dua hingga tiga tahun, tetapi hambatan tersulit sebenarnya adalah "tukang ledeng dan tukang listrik" dalam konstruksi infrastruktur. Dia bahkan mengusulkan untuk mengundang tukang ledeng ke konferensi GTC Nvidia tahun depan.

Selain itu, dibandingkan perangkat keras, dia lebih khawatir dengan kebijakan energi, karena tanpa pasokan listrik yang cukup, pabrik komputasi tercanggih pun tidak dapat beroperasi.

Mengkritik Chip Kustom: Jika Bukan karena Anthropic, Pertumbuhan TPU adalah 0

Ketika membahas chip kustom (ASIC) pesaing, Huang Renxun bersikap sangat ofensif. Dia langsung menyebut nama TPU Google dan Trainium Amazon, dan secara terbuka menantang mereka untuk menjalankan tes performa. Dia mengejek, klaim keunggulan biaya 40% dari lawan sama sekali tidak berdasar.

Dia lebih lanjut mengungkap kesulitan bisnis lawan. Huang Renxun percaya bahwa chip khusus ini meskipun cepat dalam komputasi tetap tertentu, tetapi kurang fleksibel, tidak dapat mengikuti perubahan algoritma AI yang puluhan kali lipat setiap tahun. Yang lebih krusial, dia percaya bahwa tidak ada peluang chip kustom dalam jumlah besar di pasar. Dia直言不讳地表示, jika bukan karena dukungan keras dari pelanggan besar Anthropic, pertumbuhan TPU dan Trainium sebenarnya adalah nol.

Namun, Huang Renxun juga melakukan introspeksi diri yang langka. Dia mengakui bahwa dia pernah melewatkan jendela investasi terbaik untuk OpenAI dan Anthropic. Alasannya adalah pada saat itu dia meremehkan seberapa haus laboratorium model ini terhadap investasi komputasi dalam jumlah besar.

Dia直言 ini adalah salah penilaiannya, saat itu dia mengira laboratorium ini dapat bertahan dengan modal ventura, tetapi kenyataannya mereka harus mencari dukungan besar seperti dari perusahaan besar. Dia menekankan, kesalahan yang sama tidak akan dia ulangi.

Mengakui Pasar China: Bantahan terhadap Pembatasan Ekspor

Pada masalah pembatasan ekspor ke China, emosi Huang Renxun paling kuat.

Dia berkali-kali menyela pembawa acara, langsung menyatakan bahwa menyamakan AI dengan senjata nuklir adalah "gila". Dia percaya China memiliki lebih dari 60% kemampuan manufaktur chip global dan kolam talenta penelitian AI yang besar, mencoba membatasi China mendapatkan chip adalah ide yang sepenuhnya tidak realistis.

Dia mengirimkan peringatan keras kepada pembuat kebijakan. Huang Renxun指出, kebijakan pembatasan justru memaksa China mempercepat pengembangan industri chip domestik, mendorong seluruh ekosistem AI beralih ke arsitektur internal.

Mimpi buruk yang dia khawatirkan adalah: jika di masa depan model AI global semua dioptimalkan untuk perangkat keras non-AS, AS akan benar-benar kehilangan kepemimpinan teknologi.

Huang Renxun yakin, persaingan adalah jaminan untuk memimpin. China saat ini adalah salah satu kontributor model open source terbesar di dunia, hasil ini sebagian besar saat ini berjalan di atas arsitektur teknologi Nvidia. Jika karena ketakutan secara aktif meninggalkan pasar besar ini, tidak hanya akan merugikan keuntungan perusahaan AS, tetapi juga akan membuat AS kehilangan peluang untuk mendefinisikan standar teknologi global.

Logika Dasar Akuisisi Groq: Token Harus Dibedakan Levelnya

Di akhir percakapan, Huang Renxun menjelaskan pertimbangan bisnis mendalam di balik akuisisi Groq oleh Nvidia.

Sebelumnya, Nvidia telah menguji berbagai arsitektur chip aneh di simulator, menemukan bahwa tidak ada yang lebih baik dari arsitektur yang ada. Tetapi akuisisi Groq是因为 permintaan pasar telah berubah: token mulai dibedakan levelnya.

Yang dimaksud "dibedakan levelnya" adalah bahwa pelanggan yang berbeda memiliki kebutuhan yang berbeda terhadap kecepatan respons AI. Huang Renxun memberi contoh, untuk insinyur perangkat lunak yang membutuhkan efisiensi sangat tinggi, jika respons yang dihasilkan AI bisa satu detik lebih cepat, mereka bersedia membayar harga yang lebih tinggi.

Teknologi Groq meskipun total outputnya tidak tinggi, tetapi unggul dalam kecepatan respons yang sangat cepat. Nvidia以此 memasuki pasar "token high-end", membentuk stratifikasi harga yang berbeda berdasarkan kecepatan respons.

Seluruh percakapan panjang mengungkapkan sebuah fakta: Huang Renxun bekerja sama dengan TSMC selama 30 tahun bahkan tidak memerlukan kontrak hukum, ekosistem berbasis kepercayaan inilah yang menjadi keyakinannya. Setiap keputusan yang dia buat, apakah menantang lawan secara terbuka, atau berargumen dalam gelombang pembatasan, tujuannya hanya satu:

Memastikan setiap jalan global dari listrik menjadi token kebijaksanaan, harus melalui Nvidia.

Sumber Informasi Artikel:Jensen Huang – Will Nvidia’s moat persist?Dwarkesh Patel,YouTube

Pertanyaan Terkait

QApa yang dimaksud Huang Jen-hsun dengan 'masukan elektron, keluaran token' dalam konteks strategi Nvidia?

AHuang Jen-hsun menggunakan frasa 'masukan elektron, keluaran token' untuk menggambarkan inti bisnis Nvidia: mengubah energi listrik dasar (elektron) menjadi output AI yang bernilai tinggi (token), yang merupakan unit logika atau fragmen bahasa yang dihasilkan AI. Ini menekankan kompleksitas dan nilai tambah yang diciptakan Nvidia dalam proses komputasi AI.

QMengapa Huang Jen-hsun mengkritik chip khusus seperti TPU Google dan Trainium Amazon?

AHuang mengkritik chip khusus (ASIC) seperti TPU Google dan Trainium Amazon karena kurang fleksibel dalam menghadapi perubahan cepat algoritma AI, dan mengklaim bahwa pertumbuhan mereka hampir nol tanpa dukungan dari Anthropic. Ia juga menantang mereka untuk tes performa, menyangkal klaim penghematan biaya 40%.

QBagaimana pandangan Huang Jen-hsun tentang pembatasan ekspor chip AI ke China?

AHuang menentang keras pembatasan ekspor chip AI ke China, menyebutnya sebagai ide yang tidak realistis dan 'gila'. Ia memperingatkan bahwa kebijakan ini justru memacu China mengembangkan industri chip domestik, berisiko membuat AS kehilangan kepemimpinan teknologi jika ekosistem AI global beralih ke arsitektur non-AS.

QApa alasan strategis di balik akuisisi Groq oleh Nvidia menurut Huang Jen-hsun?

ANvidia mengakuisisi Groq untuk memasuki pasar 'token premium', di mana kecepatan respons AI sangat dihargai. Teknologi Groq menawarkan kecepatan respons sangat cepat, memungkinkan Nvidia membuat stratifikasi harga berdasarkan tingkat kecepatan layanan AI untuk segmen pasar yang membutuhkan efisiensi tinggi.

QKesalahan strategis apa yang diakui oleh Huang Jen-hsun dalam wawancara ini?

AHuang mengakui bahwa ia salah menilai kebutuhan investasi komputasi besar-besaan dari lab AI seperti OpenAI dan Anthropic. Awalnya ia mengira mereka bisa bertahan dengan pendanaan ventura, tetapi ternyata membutuhkan dukungan besar seperti dari perusahaan raksasa. Ia berjanji tidak akan mengulangi kesalahan ini.

Bacaan Terkait

TechFlow Intelijen: Saham Chip Kehilangan Triliunan Dolar dalam Satu Hari, Bitcoin Jatuh di Bawah $60.000, Konflik AS-Iran Meningkat

Teknologi & Keuangan Berguncang: Data Non-Farm AS Hantam Pasar, Ketegangan AS-Iran Meningkat Pasar keuangan global diterpa badai pada hari Jumat. Indeks semiconductor Philadelphia (SOXX) anjlok 10%, menghapus lebih dari satu triliun dolar AS dalam satu hari, dengan saham chip seperti Marvell dan AMD terpuruk. Bitcoin juga jatuh di bawah US$60.000, menyentuh level oversold terparah sejak Maret 2020. Pemicu utama adalah data lapangan kerja AS (non-farm payrolls) Mei yang melonjak menjadi 172 ribu, hampir dua kali lipat dari perkiraan. Ini memadamkan harapan pasar akan pemotongan suku bunga oleh The Fed dan mendorong imbal hasil obligasi AS melonjak. Nasdaq merosot lebih dari 4%. Sementara itu, ketegangan geopolitik memanas. AS mencegat rudal dan drone Iran yang menargetkan Bahrain dan Kuwait, lalu membalas dengan menyerang dua stasiun radar Iran. Selat Hormuz tetap terhambat, meningkatkan risiko gangguan pasokan minyak dan inflasi. Di balik data lapangan kerja yang kuat, para CEO perusahaan konsumen seperti Kraft dan McDonald's memperingatkan bahwa konsumen AS mulai kehabisan tabungan, menimbulkan pertanyaan tentang kekuatan ekonomi riil. Di sektor teknologi, diskusi utama terkait AI. Laporan internal Anthropic memperingatkan tentang kemungkinan "peningkatan diri secara rekursif" (RSI) pada AI. Sementara itu, komunitas pengembang memperdebatkan kode bug yang diperkenalkan oleh Claude ke dalam basis kode rsync, mempertanyakan keandalan alat coding AI. Di sisi lain, DeepSeek V4 Flash mendapat pujian untuk kinerja lokalnya, dan GitHub Copilot kini mendukung endpoint kustom untuk model lokal. Intinya, pasar sedang menyesuaikan harga untuk lingkungan makro yang sulit: tekanan inflasi yang potensial dari geopolitik, kebijakan moneter The Fed yang ketat, dan sinyal yang bertentangan tentang kesehatan ekonomi konsumen AS.

marsbit29m yang lalu

TechFlow Intelijen: Saham Chip Kehilangan Triliunan Dolar dalam Satu Hari, Bitcoin Jatuh di Bawah $60.000, Konflik AS-Iran Meningkat

marsbit29m yang lalu

Saya Butuh Setahun untuk Menyadari Kebenaran yang Menyakitkan tentang Pembayaran Agent

Selama setahun terakhir, penulis berfokus membangun infrastruktur untuk ekonomi *agent*, berinteraksi dengan perusahaan seperti Stripe, Visa, dan startup lainnya. Kesimpulan utamanya: belum ada permintaan riil yang matang, dan startup menghadapi banyak tantangan struktural. **Data Realitas:** Stripe melaporkan sedikit transaksi *agent* aktif. Visa menyebutkan proses KYC yang panjang dan batas pendapatan tinggi untuk token pembayaran *agent*. Analisis Coinbase menunjukkan volume transaksi harian *agent* di blockchain masih sangat kecil, sebagian besar adalah transaksi uji coba. **Tantangan di Berbagai Sektor:** 1. **Agent untuk Merchant (E-commerce):** Pengalaman belanja via chatbot seringkali lebih buruk daripada antarmuka visual tradisional. Kebutuhan merchant saat ini bersifat defensif (optimasi untuk *agent*), bukan karena permintaan konsumen yang nyata. Celah potensial ada pada pembelian rutin (seperti pesan makanan) atau situs dengan UI rumit, tetapi butuh distribusi B2C skala besar yang dikuasai raksasa seperti Amazon. 2. **Agent untuk API:** Developer sudah memiliki metode pembayaran yang mapan (kunci API, saldo prabayar) untuk akses layanan komputasi dan data. Pasar untuk transaksi mikro bersifat *long-tail* namun relatif kecil. Penyedia SaaS besar cenderung mempertahankan model kontrak bisnis mereka. 3. **Agent untuk Agent:** Visi jangka panjang ini masih teoritis dengan volume transaksi nyata yang hampir nihil. Butuh infrastruktur penyelesaian khusus untuk transaksi antar-mesin yang cepat dan kompleks. 4. **Agent untuk Keuangan:** Ini adalah kategori dengan permintaan dan kemauan bayar yang sudah ada. Integrasi AI ke alur kerja keuangan tradisional atau DeFi merupakan evolusi alami, meski persaingan dengan lembaga mapan sangat ketat. **Inti Permasalahan:** Banyak yang membangun infrastruktur pembayaran untuk *agent*, tetapi masalah sebenarnya bukan pada transfer dana. Tantangan utamanya adalah **koordinasi** antara *agent* dan manusia—memverifikasi kerja dan menyelesaikan hasil. Penyelesaian (settlement) dan pembayaran (payment) hanyalah bagian dari masalah koordinasi yang lebih besar. Perusahaan yang memecahkan masalah koordinasi akan mendominasi. Perusahaan besar membangun untuk bertahan dari masa depan transaksi mesin skala besar. Namun, startup harus menemukan pasar yang benar-benar aktif *sekarang*, yang mungkin berada di luar empat kategori utama ini.

marsbit1j yang lalu

Saya Butuh Setahun untuk Menyadari Kebenaran yang Menyakitkan tentang Pembayaran Agent

marsbit1j yang lalu

Butuh Satu Tahun untuk Menyadari Kebenaran Pahit tentang Pembayaran Agent

Selama setahun terakhir, penulis telah membangun infrastruktur untuk ekonomi Agen, berinteraksi dengan perusahaan besar seperti Stripe, Visa, Coinbase, Google, dan puluhan startup. Temuan utamanya adalah bahwa belum ada permintaan nyata untuk pembayaran berbasis Agen, dan startup menghadapi banyak tantangan struktural. Analisis terhadap empat kategori utama menunjukkan: 1. **Agen ke Merchant**: Pengalaman belanja melalui chat seringkali lebih buruk daripada antarmuka e-commerce visual tradisional untuk kebanyakan produk. Permintaan dari merchant saat ini bersifat defensif (AEO) dan bukan kebutuhan mendesak. Pengecualian mungkin ada untuk pembelian rutin seperti pesan makanan, tetapi hambatan distribusi B2C sangat besar. 2. **Agen ke API**: Pengembang sudah memiliki solusi pembayaran yang berfungsi untuk penggunaan API (misalnya, isi ulang saldo). Penyedia SaaS besar cenderung menolak model mikro-pembayaran yang mengganggu bisnis inti mereka. Peluang ada di pasar ekor panjang, tetapi skalanya terbatas. 3. **Agen ke Agen**: Ini adalah visi jangka panjang dengan volume transaksi nyata yang hampir nol saat ini. Jika terwujud, akan membutuhkan infrastruktur penyelesaian khusus yang sangat berbeda dari sistem pembayaran saat ini. 4. **Agen ke Keuangan**: Ini adalah satu-satunya kategori dengan permintaan yang sudah mapan dan pelanggan yang mau membayar, baik untuk otomatisasi alur kerja maupun kemampuan baru. Namun, persaingan dari perusahaan mapan yang sudah memiliki lisensi dan hubungan klien sangat ketat. Kesimpulannya, perusahaan besar membangun infrastruktur pembayaran Agen sebagai taruhan defensif jangka panjang. Namun, bagi startup, peluang nyata saat ini tidak terletak pada lapisan pembayaran itu sendiri. Masalah intinya adalah **koordinasi** antara Agen dan manusia (memverifikasi pekerjaan dan menyelesaikan hasil). Penyelesaian dan pembayaran hanyalah bagian dari puzzle koordinasi yang lebih besar. Perusahaan yang memecahkan masalah koordinasi skala besar akan mendominasi, bukan sebaliknya.

链捕手1j yang lalu

Butuh Satu Tahun untuk Menyadari Kebenaran Pahit tentang Pembayaran Agent

链捕手1j yang lalu

Claude Opus 4.8 Menemukan Bug Senilai 4.5 Miliar Dolar AS, Era AI Sedang Memproduksi Peretas Secara Massal

Seorang peneliti keamanan menemukan bug serius dalam jaringan privasi Zcash (Orchard) yang memungkinkan penciptaan token tanpa batas, menggunakan Claude Opus 4.8. Setelah perbaikan darurat, harga Zcash turun 50%. Peristiwa ini menunjukkan bahwa AI, seperti model Opus yang tersedia umum, membuat penemuan kerentanan menjadi lebih mudah dan murah, bukan hanya model canggih seperti Claude Mythos. AI mendemokratisasikan kemampuan audit keamanan, memungkinkan tim kecil memiliki kemampuan seperti tim besar. Namun, ini membanjiri pemelihara dengan laporan bug berkualitas rendah yang dihasilkan AI, seperti yang dialami curl dan didiskusikan OpenSSF. Ini seperti serangan DDoS pada perhatian manusia. Banyak kerentanan lama (seperti Heartbleed, Baron Samedit) tetap tak terdeteksi selama bertahun-tahun karena biaya penemuan yang tinggi. AI mengubah struktur biaya ini. Namun, sementara AI membuat penemuan dan potensi serangan lebih murah, perbaikan tetap mahal dan membutuhkan keahlian manusia. Industri keamanan siber sudah menghadapi kekurangan tenaga kerja global yang besar (misalnya, defisit 4,8 juta menurut ISC2). Laporan menunjukkan profesional beralih ke analisis ancaman kompleks dan pembuatan strategi. Yang paling dibutuhkan adalah orang yang dapat memahami, menilai, dan memperbaiki kerentanan. Kesimpulannya, AI tidak menghancurkan internet, tetapi mengungkap kerentanan yang sudah ada. Kemampuan menemukan bug menyebar dengan cepat, tetapi tanggung jawab untuk memperbaikinya tidak bertambah sebanding. Keamanan digital bergantung pada upaya terus-menerus oleh manusia untuk mengurangi risiko, dan di era AI, sumber daya manusia yang terampil tetap menjadi aset paling berharga dan langka.

marsbit2j yang lalu

Claude Opus 4.8 Menemukan Bug Senilai 4.5 Miliar Dolar AS, Era AI Sedang Memproduksi Peretas Secara Massal

marsbit2j yang lalu

Trading

Spot
Futures
活动图片