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

Pasar Saham AS Alami Jatuhnya Terberat Sejak 2025, Tiga Pemicu Meledakkan Penilaian Ulang Valuasi Saham Teknologi

Pasar saham AS mengalami keruntuhan terburuk sejak krisis tarif April 2025 pada 5 Juni. Indeks Nasdaq anjlok 4,18%, S&P 500 turun 2,64%, dan Dow Jones merosot 695 poin. Tiga pemicu utama diidentifikasi: 1. Laporan keuangan Broadcom mengisyaratkan kemungkinan perlambatan dalam pertumbuhan pendapatan chip AI kuartal depan, memicu kepanikan dan penjualan luas di seluruh sektor semikonduktor. Indeks Philadelphia Semiconductor terjun 10,26%. 2. Data tenaga kerja AS (NFP) bulan Mei jauh melampaui ekspektasi (172.000 vs 80.000), memperkuat kekhawatiran bahwa Federal Reserve mungkin tidak akan menurunkan suku bunga dan bahkan berpotensi menaikkannya. Ekspektasi kenaikan suku bunga melonjak di pasar. 3. Bayangan perang Iran dan harga minyak tinggi yang terus-menerus (WTI > $90) memperumit perang Fed melawan inflasi, menambah tekanan pada pasar. Ketiga faktor ini bersama-sama menggoyang narasi dasar pasar: pertumbuhan AI tanpa batas, likuiditas mudah dari Fed, dan inflasi yang telah terkendali. Keruntuhan dengan cepat menyebar ke pasar global di Asia dan Eropa. Apakah ini awal pecahnya gelembung AI? Analisis menunjukkan ini lebih sebagai penyesuaian penilaian ulang (valuasi) daripada keruntuhan narasi sepenuhnya. Permintaan chip AI tetap kuat (pertumbuhan 143% Broadcom), tetapi pasar menjadi lebih realistis mengenai kecepatan pertumbuhan dan harga yang bersedia dibayar. Arah pasar selanjutnya akan bergantung pada pertemuan FOMC Juni, panduan dari perusahaan AI lainnya seperti Nvidia, dan perkembangan situasi di Iran.

marsbit1j yang lalu

Pasar Saham AS Alami Jatuhnya Terberat Sejak 2025, Tiga Pemicu Meledakkan Penilaian Ulang Valuasi Saham Teknologi

marsbit1j yang lalu

AI yang Bisa Membangun Diri Sendiri Melalui 'Rekursi' Menjadi Populer, Google Menuangkan Air Dingin, DeepSeek dkk. Sudah Menyentuh Ujungnya

Konsep Recursive Self-Improvement (RSI), atau kecerdasan buatan yang mampu melatih dan meningkatkan dirinya sendiri secara mandiri, menjadi tren hangat di dunia AI. Beberapa startup seperti Recursive Superintelligence dan proyek Auto-Research dari Andrej Karpathy fokus pada realisasi visi ini. Meski demikian, CEO Google Sundar Pichai menyatakan teknologi ini masih dalam tahap awal dan belum mencapai percepatan skala besar seperti yang dibayangkan. Analisis dari para peneliti membagi kemajuan RSI menjadi tiga tahap: *adequacy* (sistem berjalan tanpa manusia), *parity* (kualitas setara manusia), dan *supremacy* (melebihi kolaborasi manusia-AI). Pencapaian tahap kedua diprediksi akan memicu percepatan yang sangat cepat. Di China, perusahaan seperti DeepSeek dan Baidu secara diam-diam telah menerapkan prinsip-prinsip serupa RSI dalam pengembangan model mereka, seperti optimisasi algoritma efisien dan siklus peningkatan mandiri, meski tidak secara terbuka menyebut istilah RSI. Namun, tantangan RSI tetap ada, termasuk risiko *model collapse* (penurunan kualitas data generasi AI) dan prasyarat lingkungan yang sulit seperti kebutuhan komputasi tak terbatas dan ekosistem penelitian terbuka global. Perkembangan RSI merefleksikan tren di mana peran manusia dalam rantai pengembangan AI secara bertahap berkurang, sebuah proses yang bersifat irreversible.

marsbit3j yang lalu

AI yang Bisa Membangun Diri Sendiri Melalui 'Rekursi' Menjadi Populer, Google Menuangkan Air Dingin, DeepSeek dkk. Sudah Menyentuh Ujungnya

marsbit3j yang lalu

Anthropic Memprediksi secara Global, OpenAI Telah Melampaui "Ambang Keandalan": Akselerasi Mandiri AI Telah Dimulai

**Peringatan Global dari Anthropic: OpenAI Telah Melampaui 'Ambang Keandalan', Memicu Akselerasi Mandiri AI** Anthropic mengeluarkan peringatan mendesak untuk memperlambat atau menghentikan penelitian AI, karena data internal mereka menunjukkan bahwa AI kini mempercepat pengembangan AI itu sendiri, berpotensi mendekati titik kritis perbaikan diri yang rekursif atau "membuat dirinya sendiri." Di sisi lain, Yann Dubois dari tim pasca-pelatihan OpenAI memberikan perspektif mikro: pertumbuhan kemampuan AI sebenarnya linier dan berkelanjutan, tetapi pengguna merasakan "kebergunaan" yang melompat secara diskrit. Ini karena adanya **"ambang keandalan"**. Sebelum mencapai ambang ini, AI hanyalah alat cerdas yang tidak dapat diandalkan sepenuhnya. Setelah melampauinya (sekitar Desember tahun lalu menurut Dubois), AI menjadi seperti karyawan yang dapat dipercaya untuk menangani pekerjaan nyata dan mulai mempercepat perkembangannya sendiri. **Akselerasi Mandiri dan Siklus Penguatan:** Ketika model menjadi cukup andal (misalnya, dalam pemrograman), mereka dapat digunakan untuk membantu peneliti mengembangkan alat dan bahkan melatih generasi model AI berikutnya, menciptakan loop akselerasi yang semakin cepat. Data Anthropic menunjukkan produktivitas kode per insinyur meningkat 8x pada Q2 2026 dibandingkan Q1 2024. **AI sebagai "Kerajinan" (Craft):** Dubois menegaskan bahwa membangun sistem AI yang andal lebih menyerupai kerajinan atau bahkan "alkimia" yang mengandalkan intuisi dan trial-and-error, daripada ilmu pengetahuan murni yang sistematis. Peningkatan keandalan seringkali dicapai dengan menekan "tingkat kesalahan per interval waktu" dalam sistem agen AI. **"Harness" Vertikal dan "Mil Terakhir":** Dubois berpendapat bahwa jika model saat ini "dibekukan" dan fokus dialihkan ke pengembangan *harness* (sistem orkestrasi) yang matang untuk domain spesifik, banyak bidang sudah dapat merasakan fungsi seperti AGI (Kecerdasan Buatan Umum). **Tantangan sebenarnya bukan pada kecerdasan model, tetapi pada "mil terakhir"**—yaitu mengintegrasikan AI dengan sistem yang ada, mengatur izin akses, konektor data, dan alur kerja bisnis tertentu. Inilah peluang besar bagi pengembang dan startup. **Tantangan Masa Depan: Pembelajaran Berkelanjutan (Continual Learning):** Meski memiliki titik awal yang tinggi, model AI saat ini kesulitan untuk terus belajar dan beradaptasi dari pengalaman spesifik di lingkungan barunya seperti manusia. Membentuk kurva pembelajaran AI yang terus naik, bukan mendatar, adalah salah satu masalah terpenting berikutnya.

marsbit3j yang lalu

Anthropic Memprediksi secara Global, OpenAI Telah Melampaui "Ambang Keandalan": Akselerasi Mandiri AI Telah Dimulai

marsbit3j yang lalu

Trading

Spot
Futures
活动图片