Nvidia Meluncurkan Platform DSX, Terus Melangkah ke Infrastruktur Pabrik AI

marsbitDipublikasikan tanggal 2026-06-01Terakhir diperbarui pada 2026-06-01

Abstrak

NVIDIA meluncurkan platform NVIDIA DSX, memperluas bisnisnya ke infrastruktur pabrik AI. Platform ini menawarkan solusi lengkap mulai dari desain, simulasi, penyebaran, hingga manajemen operasional, beralih dari fokus sebelumnya pada penjualan GPU semata. Dengan kompleksitas model AI yang meningkat, tantangan pusat data kini meliputi pasokan listrik, pendinginan, penjadwalan sumber daya, dan efisiensi operasional menyeluruh. NVIDIA meyakini bahwa efisiensi infrastruktur—cara menghasilkan lebih banyak daya komputasi dan layanan cerdas dengan listrik, ruang, dan sumber daya terbatas—akan menjadi indikator kunci kompetisi di masa depan. Platform DSX mengintegrasikan chip, sistem, perangkat lunak, arsitektur referensi, dan teknologi mitra NVIDIA. Platform ini mencakup perangkat lunak utama seperti DSX MaxLPS untuk optimalisasi daya dengan pendinginan cair, dan DSX OS, platform perangkat lunak sumber terbuka untuk operasional pabrik AI. Komponen lain meliputi DSX Reference Design, DSX Sim untuk simulasi digital twin, DSX Flex untuk penyesuaian beban kerja dinamis berdasarkan jaringan listrik, dan DSX Exchange untuk kolaborasi data. Beberapa penyedia layanan cloud seperti CoreWeave dan Lambda telah mulai menggunakan komponen inti DSX. Dari sisi perangkat keras, perusahaan seperti Dell, HPE, Lenovo, dan Supermicro sedang mengembangkan sistem yang kompatibel dengan DSX. DSX Flex juga telah menjalani proyek percontohan komersial dengan perusahaan energi. Secara strategis, DSX mena...

Disusun: Data Jin10

Nvidia (NVDA.O) meluncurkan platform NVIDIA DSX pada konferensi NVIDIA GTC Taipei yang diadakan di Taipei, Tiongkok, memperluas portofolio bisnisnya ke bidang infrastruktur pabrik AI.

Berbeda dengan fokus sebelumnya pada penjualan GPU, DSX berupaya menyediakan solusi lengkap pabrik AI bagi perusahaan, mulai dari desain, simulasi, penyebaran, hingga manajemen operasi.

Seiring dengan meningkatnya skala model AI, tantangan yang dihadapi pusat data tidak hanya tentang kinerja chip, tetapi juga melibatkan pasokan listrik, kemampuan pendinginan, penjadwalan sumber daya, serta efisiensi operasional secara keseluruhan. Nvidia percaya bahwa indikator kunci persaingan di industri AI di masa depan akan bergeser secara bertahap dari kinerja chip tunggal menuju efisiensi infrastruktur secara keseluruhan, yaitu bagaimana menghasilkan lebih banyak daya komputasi dan layanan cerdas dalam kondisi sumber daya terbatas seperti listrik, ruang, dan material.

Oleh karena itu, platform DSX mengintegrasikan chip, sistem, perangkat lunak, arsitektur referensi, serta teknologi mitra Nvidia, mencakup seluruh siklus hidup pembangunan dan operasi pabrik AI. Platform ini membantu pelanggan meningkatkan kecepatan penyebaran, keandalan, dan efisiensi operasional melalui penyeragaman tumpukan teknologi seperti komputasi, perangkat lunak, dan fasilitas, sekaligus menurunkan biaya pembuatan Token selama proses inferensi AI.

Jensen Huang menyatakan:

"Kami tidak hanya mengirimkan chip—kami memberikan metode lengkap untuk membangun pabrik AI kepada setiap pembangun infrastruktur. Dengan platform DSX, Anda dapat mensimulasikan seluruh pabrik tanpa mengeluarkan sepeser pun, memvalidasi kinerjanya sebelum memasang rak pertama, dan mengoperasikannya dengan keandalan yang dibutuhkan untuk AI tingkat produksi."

Sistem perangkat lunak yang dirilis kali ini terutama mencakup DSX MaxLPS dan DSX OS.

Di antaranya, DSX MaxLPS memanfaatkan teknologi pendinginan cair 45 derajat Celcius dan optimisasi konsumsi daya tingkat rak untuk meningkatkan keluaran Token per megawatt listrik. Nvidia menyatakan bahwa teknologi ini dapat menyebarkan hingga 40% lebih banyak GPU tambahan dengan dampak minimal pada kinerja, sehingga mengurangi biaya komputasi lebih lanjut dalam anggaran listrik yang tetap.

DSX OS adalah platform perangkat lunak sumber terbuka yang berorientasi pada operasi pabrik AI, mendukung manajemen siklus hidup, penjadwalan cerdas, otomatisasi kesehatan, operasi multi-penyewa, serta layanan platform. Nvidia juga akan membuka sumber pustaka perangkat lunak modular, API, desain referensi, dan platform komputasi akselerasi untuk membangun arsitektur perangkat lunak yang terpadu.

Selain perangkat lunak inti, DSX juga mengintegrasikan berbagai kemampuan yang ada. DSX Reference Design menyediakan arsitektur referensi yang mencakup sistem komputasi, jaringan, penyimpanan, catu daya, dan pendinginan; DSX Sim mendukung simulasi dan optimisasi digital twin dari proses perencanaan hingga operasi; DSX Flex dapat menyesuaikan beban kerja secara dinamis berdasarkan perubahan beban jaringan listrik dan harga listrik; DSX Exchange memungkinkan sinkronisasi data antara sistem komputasi, jaringan, energi, dan pendinginan.

Dalam hal implementasi komersial, penyedia layanan cloud seperti CoreWeave, Crusoe, IREN, dan Lambda telah menyebarkan komponen inti DSX untuk meningkatkan utilisasi GPU dan mempercepat waktu peluncuran layanan cloud AI.

Ekosistem perangkat keras juga sedang diperluas. Vendor seperti Dell Technologies (DELL.N), Hewlett Packard Enterprise (HPE.N), Lenovo Group (0992.HK), Super Micro Computer (SMCI.O), ASUS, Foxconn, GIGABYTE, Pegatron, dan QCT sedang mengembangkan sistem siap NVIDIA DSX untuk membantu pelanggan membangun pabrik AI tumpukan penuh.

Sementara itu, DSX Flex telah menjalankan proyek percontohan komersialisasi dengan Emerald AI dan Silicon Valley Power, memvalidasi kemampuan pabrik AI untuk menyesuaikan konsumsi daya secara dinamis berdasarkan permintaan jaringan listrik.

Dari sudut pandang strategis, DSX menandai transformasi berkelanjutan Nvidia dari pemasok chip AI menjadi penyedia platform infrastruktur AI. Dengan memasukkan chip, perangkat lunak, arsitektur pusat data, manajemen operasi, dan penjadwalan energi ke dalam sistem yang terpadu, Nvidia berharap dapat membangun standar industri yang mencakup seluruh siklus hidup pabrik AI, serta semakin memperkuat posisi terdepannya di pasar infrastruktur AI global.

Pertanyaan Terkait

QApa itu platform DSX yang diperkenalkan NVIDIA dan bagaimana hal itu mengubah strategi bisnis mereka?

APlatform DSX adalah solusi infrastruktur pabrik AI lengkap yang diperkenalkan NVIDIA, mencakup desain, simulasi, penerapan, dan manajemen operasional. Ini menandai perubahan strategi NVIDIA dari fokus penjualan GPU menjadi penyedia platform infrastruktur AI yang terintegrasi, memperluas bisnis ke bidang infrastruktur pabrik AI.

QApa tantangan utama yang dihadapi pusat data dalam mengembangkan model AI skala besar, menurut NVIDIA?

AMenurut NVIDIA, tantangan utama yang dihadapi pusat data bukan hanya kinerja chip, tetapi juga meliputi pasokan listrik, kemampuan pendinginan, penjadwalan sumber daya, dan efisiensi operasional secara keseluruhan. Kompetisi di masa depan akan bergeser dari kinerja chip tunggal ke efisiensi infrastruktur secara keseluruhan.

QApa saja komponen utama perangkat lunak dalam platform DSX dan apa fungsinya?

APlatform DSX mencakup dua komponen perangkat lunak utama: DSX MaxLPS, yang menggunakan pendinginan cair 45°C dan optimasi daya tingkat rak untuk meningkatkan produksi Token per megawatt, serta DSX OS, platform perangkat lunak sumber terbuka untuk operasi pabrik AI yang mendukung manajemen siklus hidup, penjadwalan cerdas, otomatisasi kesehatan, operasi multi-penyewa, dan layanan platform.

QBagaimana platform DSX membantu menghemat biaya komputasi dan meningkatkan efisiensi?

APlatform DSX membantu menghemat biaya komputasi dengan menggunakan teknologi DSX MaxLPS, yang memungkinkan penempatan hingga 40% lebih banyak GPU dengan dampak minimal pada kinerja, sehingga mengurangi biaya komputasi dalam anggaran listrik yang tetap. Selain itu, DSX OS meningkatkan efisiensi operasional melalui manajemen siklus hidup dan penjadwalan cerdas.

QSiapa saja mitra yang telah mengadopsi atau mengembangkan solusi berdasarkan platform DSX NVIDIA?

ABeberapa mitra yang telah mengadopsi komponen inti DSX termasuk penyedia layanan cloud seperti CoreWeave, Crusoe, IREN, dan Lambda. Di sisi perangkat keras, perusahaan seperti Dell Technologies, HPE, Lenovo, Supermicro, Asus, Foxconn, Gigabyte, Pegatron, dan Quanta Cloud Technology sedang mengembangkan sistem siap DSX NVIDIA.

Bacaan Terkait

Mampukah DeepSeek Menghemat 1 Triliun Dolar untuk China?

**Ringkasan Artikel: Apakah DeepSeek Dapat Menghemat 1 Triliun Dolar AS untuk China?** Artikel ini membahas bagaimana DeepSeek, melalui serangkaian inovasi teknologinya, berpotensi secara drastis menekan biaya infrastruktur AI China dan berpotensi menghemat investasi hingga triliunan dolar AS. **Tantangan: Biaya AI yang Melonjak** Biaya perangkat keras AI, terutama memori berbandwidth tinggi (HBM), sedang meroket. Misalnya, pada sistem AI canggih NVIDIA Vera Rubin, biaya komponen memori saja mencapai sekitar $2 juta dan telah naik 435% dalam setahun. **Solusi DeepSeek: Tiga Inovasi Utama** DeepSeek mendekati masalah ini dengan tiga terobosan teknis utama untuk meningkatkan efisiensi token perangkat keras hingga 4 kali lipat: 1. **Kompresi Memori (KV Cache):** Melalui **Multi-head Latent Attention (MLA)**, DeepSeek mengompres "memori" konteks panjang model secara signifikan (hingga 90%+ pengurangan) tanpa mengorbankan kualitas, mengurangi ketergantungan pada HBM yang mahal. 2. **Aktivasi "Tubuh" Model Sesuai Kebutuhan:** Menggunakan arsitektur **Mixture of Experts (MoE)**, model hanya mengaktifkan sebagian kecil dari total parameternya untuk setiap tugas. Ini seperti hanya memanggil dokter spesialis yang relevan, bukan seluruh rumah sakit. 3. **Cache dan Penggunaan Ulang:** Hasil komputasi yang sudah dihitung disimpan dan digunakan kembali (cache hit), menghindari perhitungan berulang yang mahal. DeepSeek menerapkan ini bahkan dalam struktur harga layanannya. **Dampak dan Potensi Penghematan** Efisiensi ini mengubah ekonomi infrastruktur AI: * **Pengurangan Biaya Operasional:** Untuk tugas tertentu (misalnya, membaca ulang kode panjang), biaya menggunakan DeepSeek V4-Pro bisa **100 kali lebih murah** dibandingkan model seperti GPT-5.5 atau Claude Opus. * **Penghematan Infrastruktur Berskala Besar:** Artikel memperkirakan, dengan peningkatan efisiensi 4x, untuk memenuhi permintaan token harian masa depan China yang mencapai ribuan triliun, pendekatan DeepSeek berpotensi menghemat investasi setara dengan **puluhan ribu pusat komputasi cerdas**, yang nilainya bisa mendekati **$1 triliun**. * **Pergeseran Strategis:** Alih-alih hanya bergantung pada chip komputasi canggih (di mana China tertinggal), DeepSeek mengalihkan beban ke manajemen memori, cache, dan rekayasa sistem — area di mana industri China seperti produsen memori DRAM (contoh: CXMT) semakin kompetitif. Ini meningkatkan keamanan rantai pasokan. **Kesimpulan** DeepSeek tidak menghilangkan kebutuhan akan perangkat keras canggih, tetapi secara radikal mengurangi ketergantungan marjinal padanya. Dengan membuat AI lebih terjangkau melalui efisiensi teknis mendalam, DeepSeek berpotensi membentuk ulang buku besar infrastruktur AI China, menghemat investasi besar, dan yang terpenting, membuat daya AI dapat diakses oleh industri luas di China. *(Catatan: Artikel ini didasarkan pada analisis industri dan proyeksi, bukan fakta yang sudah pasti.)*

marsbit41m yang lalu

Mampukah DeepSeek Menghemat 1 Triliun Dolar untuk China?

marsbit41m yang lalu

Menggugat Gagasan Utama Menangani Halusinasi: Metakognisi, Solusi Baru untuk Menghancurkan Halusinasi Model Besar

Peneliti Google mengusulkan pendekatan baru untuk mengatasi "halusinasi" AI dalam makalahnya, **"Hallucinations Undermine Trust; Metacognition is a Way Forward."** Alih-alih berusaha membuat AI mengetahui segalanya atau menolak menjawab banyak pertanyaan (yang menimbulkan "pajak utilitas"), makalah ini mendefinisikan ulang halusinasi sebagai **AI memberikan informasi yang salah dengan keyakinan tinggi padahal ia tidak yakin.** Solusi intinya adalah **"ketidakpastian yang setia" (faithful uncertainty)** atau **metakognisi** – kemampuan AI untuk merasakan tingkat keyakinan internalnya dan mengekspresikannya dengan jujur dalam bahasa. Misalnya, jika AI ragu, ia harus mengatakan "Saya tidak terlalu yakin." Pendekatan ini lebih realistis karena hanya mengharuskan keselarasan antara sinyal internal dan output AI, bukan kebenaran mutlak yang mustahil. Metakognisi menjadi sangat penting di era **Agent AI** yang menggunakan alat eksternal seperti mesin pencari. Tanpanya, Agent tidak dapat memutuskan kapan harus mencari, kapan harus berhenti, atau bagaimana mengevaluasi informasi yang ditemukan. Namun, implementasinya menghadapi tantangan seperti **"paradoks bootstrap"** (data pelatihan yang statis untuk kemampuan dinamis), **"sinyak perusak keselarasan"** dari pelatihan RLHF yang mendorong AI selalu tampak yakin, dan kesulitan menilai apakah AI benar-benar memiliki metakognisi atau hanya berpura-pura. Makalah ini menyerukan perubahan paradigma: fokus pada pengembangan AI yang jujur tentang batas pengetahuannya, bukan AI yang sempurna tanpa kesalahan. Kepercayaan datang dari kejujuran tentang ketidakpastian, bukan dari klaim kepastian yang salah.

marsbit48m yang lalu

Menggugat Gagasan Utama Menangani Halusinasi: Metakognisi, Solusi Baru untuk Menghancurkan Halusinasi Model Besar

marsbit48m yang lalu

Belilah Emas dan Minyak untuk Hedging, AI untuk Pertumbuhan Cepat, Bitcoin yang 'Ketinggalan Zaman' Masuki Pasar Beruang

Bitcoin terus mengalami penurunan, mencapai level terendah dalam dua bulan di sekitar $66.123. Menurut analis, alasan di balik penurunan ini lebih dalam daripada sekadar aliran keluar dana ETF atau penjualan oleh Strategy. Inti masalahnya adalah Bitcoin kini kalah bersaing di tiga bidang utama. Pertama, sebagai lindung nilai inflasi, emas dan saham energi kini lebih disukai karena memiliki dukungan fisik dan logika yang lebih langsung. Kedua, untuk pertumbuhan tinggi, investor beralih ke perusahaan AI yang memiliki pendapatan dan laba nyata, di mana Bitcoin tidak menghasilkan arus kas. Ketiga, bahkan di dalam ekosistem kripto, eksposur kini dapat diperoleh melalui stablecoin, pertukaran, atau infrastruktur yang terkait dengan adopsi nyata, bukan hanya Bitcoin. Narasi "emas digital" Bitcoin tidak lagi mendapatkan reaksi positif otomatis terhadap kekhawatiran inflasi. Aliran keluar ETF dan penjualan oleh institusi mencerminkan gejala dari realitas baru: investor kini lebih selektif. Mereka memiliki lebih banyak pilihan dan mempertanyakan nilai tambah Bitcoin. Logika bearish baru untuk Bitcoin bukan lagi tentang penipuan atau kegagalan teknologi, melainkan bahwa kelangkaan saja tidak lagi cukup untuk menarik modal. Bitcoin terjepit di zona tengah yang canggung, bukan sebagai aset lindung nilai terbaik, aset pertumbuhan terbaik, atau satu-satunya pilihan kripto.

华尔街日报51m yang lalu

Belilah Emas dan Minyak untuk Hedging, AI untuk Pertumbuhan Cepat, Bitcoin yang 'Ketinggalan Zaman' Masuki Pasar Beruang

华尔街日报51m yang lalu

Terlewat Gelombang Kenaikan Saham AI, Sekarang Harus Bagaimana?

Penulis: Think AI, Aaron Saham AI telah naik selama tiga setengah tahun tanpa tanda-tanda berhenti. Mereka yang memperkirakan bubble AI atau kejatuhan pasar saham AS tahun lalu kini merenung. Pasar global menunjukkan kinerja kuat: indeks Korea telah circuit breaker 19 tahun ini, naik 4 kali lipat sejak tahun lalu. Saham SK Hynix naik 260%. Micron AS, raksasa memori, tembus valuasi $1 triliun. SoftBank Jepang, dengan taruhan besar pada AI, menjadi perusahaan bernilai tertinggi di Jepang. Di China, perusahaan seperti Yushu dan ChangXin akan masuk bursa dengan valuasi besar. Namun, situasi lain muncul: mereka yang meminjam untuk beli emas awal tahun masih rugi, saham konsumen China terus turun. Banyak investor merasa cemas karena melewatkan rally AI ini. Data menunjukkan, pada 2025, hanya 18.9% investor ritel A股 yang untung, 81.1% rugi. Saat pasar koreksi awal 2026, keyakinan pada AI goyah. Banyak institusi jual di titik terendah, seperti pemegang saham besar Zhongji Innolight yang jual RMB 4.9 miliar, lalu sahamnya naik 35%. Laporan menunjukkan kerugian potensial institusi karena jual terlalu awal di sektor komputasi AI bisa lebih dari RMB 200 miliar. Beberapa institusi yang bertahan justru salah arah, fokus pada aplikasi vertikal seperti AI pendidikan/kesehatan yang turun >20%, sementara sektor komputasi naik >50%. Di luar negeri, kesalahan serupa terjadi. Bridgewater jual besar-besaran saham seperti NVIDIA, Alphabet akhir 2025, tepat sebelum mereka rata-rata naik >80%. Posisi short di pasar AS mencapai level tertinggi sejak 2012. Warren Buffett juga banyak memegang kas, melewatkan rally AI. Namun, AI tetap dianggap sebagai peluang revolusioner paling pasti – bukan konsep jangka pendek, tapi revolusi infrastruktur seperti listrik atau internet. Bagi yang melewatkan gelombang pertama, masih ada peluang di lapisan aplikasi atau gelombang infrastruktur berikutnya. China punya ruang unik dalam pengembangan AI mandiri, penerapan, dan penyempurnaan rantai pasokan. Pemimpin industri memberikan perspektif. Ma Huateng (Tencent) menyatakan pentingnya fokus pada keunggulan sendiri di era AI, bukan sekadar mengejar tren. Jack Ma menyebut AI sebagai peluang revolusi industri setara penemuan listrik, dan era AI baru dimulai. Masih banyak peluang jangka panjang di sepanjang rantai industri, dari infrastruktur komputasi, platform model besar, hingga aplikasi AI sektoral. Peluang struktural berikutnya akan datang bagi mereka yang siap dan memiliki pola pikir stabil. Kuncinya adalah berpegang pada keunggulan sendiri dan berpikir jangka panjang.

marsbit1j yang lalu

Terlewat Gelombang Kenaikan Saham AI, Sekarang Harus Bagaimana?

marsbit1j yang lalu

Trading

Spot
Futures
活动图片