# Artikel Terkait Nvidia

Pusat Berita HTX menyediakan artikel terbaru dan analisis mendalam mengenai "Nvidia", mencakup tren pasar, pembaruan proyek, perkembangan teknologi, dan kebijakan regulasi di industri kripto.

AMD Luncurkan Host AI Kecil, Langsung Menunjuk NVIDIA DGX Spark

AMD meluncurkan Ryzen AI Halo, perangkat pengembangan AI lokal berukuran kecil yang menyaingi NVIDIA DGX Spark. Keduanya menawarkan memori terpadu 128GB untuk menjalankan model besar hingga 200B parameter. Harga AMD lebih rendah ($2,949-$3,999 vs $3,999 NVIDIA), tetapi perbedaan mendasar terletak pada pendekatan. AMD menggunakan prosesor Ryzen AI Max+ 395 (CPU Zen 5, GPU RDNA 3.5, NPU XDNA 2) dengan sistem operasi Windows/Ubuntu, menekankan fleksibilitas PC standar. NVIDIA menggunakan Grace Blackwell Superchip dengan DGX OS khusus dan kartu jaringan ConnectX-7 berkecepatan tinggi untuk skenario klaster. Dalam inferensi, kinerja mirip, tetapi NVIDIA unggul dalam pemrosesan *prompt* dan ekosistem perangkat lunak CUDA yang matang. AMD berinvestasi kuat di ekosistem melalui akuisisi ZT Systems (desain sistem) dan kemitraan besar dengan OpenAI & Meta (masing-masing 6GW). ROCm, platform perangkat lunak AMD, telah meningkat pesat dalam kemudahan penggunaan dan dukungan framework, meski masih tertinggal dari ekosistem CUDA yang sudah mapan. Strategi AMD adalah menjadi alternatif terbuka dan hemat biaya bagi pengembang yang menghindari *vendor lock-in*, sementara NVIDIA menawarkan tumpukan perangkat lunak-hardware yang terintegrasi penuh dari desktop ke data center. Ryzen AI Halo mewakili upaya AMD untuk memperluas strategi ini ke pengembang desktop, melengkapi inisiatif skala cloud mereka.

marsbit06/16 09:17

AMD Luncurkan Host AI Kecil, Langsung Menunjuk NVIDIA DGX Spark

marsbit06/16 09:17

Xpeng dan Nio Gencar di Komputasi, Ideal Ganti Arsitektur

Pada 15 Juni, Li Auto memperkenalkan chip self-driving buatan sendiri, Ma He M100, yang dikembangkan khusus untuk L9 Livis generasi baru. CTO Li Auto, Xie Yan, menekankan bahwa fokusnya bukan hanya meningkatkan kecepatan, tetapi mengubah arsitektur chip secara fundamental. Di tengah tren produsen mobil yang berlomba-lomba mengembangkan chip sendiri pada tahun 2026, pesaing seperti Nio (chip Shenji NX9031), Xpeng (chip Turing), dan Huawei (MDC 810 Pro) umumnya mengandalkan angka TOPS (komputasi) sebagai senjata pemasaran utama. Namun, Li Auto memilih jalur berbeda dengan mengubah logika arsitektur dasar dari chip tersebut. Ma He M100 mengadopsi arsitektur Dynamic Data Flow, bukan arsitektur von Neumann tradisional. Pendekatan ini dirancang untuk komputasi paralel matriks berskala besar yang diperlukan untuk inferensi model AI (seperti VLA), dengan mengurangi bolak-balik data antara memori dan unit pemrosesan. Hasil klaim Li Auto adalah efisiensi komputasi efektif 3 kali lipat dibandingkan Nvidia Thor U dan penurunan latency 40%. Keberhasilan arsitektur ini mendapat pengakuan eksternal melalui penerimaan makalahnya di konferensi akademis bergengsi ISCA 2026. Namun, keunggulan 3x ini sangat tergantung pada algoritma Li Auto (VLA2.1) dan mungkin tidak berlaku untuk tugas komputasi umum. Dengan chip ini, Li Auto menyelesaikan rantai teknologi "full-stack" yang meliputi chip, compiler, sistem operasi (Star Ring OS), model AI, dan pengontrol domain, menciptakan ekosistem tertutup yang independen dari pemasok seperti Nvidia. Dalam peluncuran ini, CEO Li Xiang juga memperkenalkan visi "Mobil Cerdas Embadied" ("Four-in-One Embodied AI Car"), yang mendefinisikan mobil listrik sebagai asisten hidup yang dapat merasakan, berpikir, dan berkembang, menggeser persaingan dari sekadar fitur konfigurasi (seperti kulkas atau layar) ke kemampuan sistem. Li Auto menetapkan target ambisius untuk model self-driving Ma He VLA agar menyamai performa Tesla FSD V14 pada kuartal keempat tahun ini, dengan rincian peningkatan OTA bertahap mulai Juli hingga Desember. Di balik inovasi teknologi, tantangan finansial tetap ada. Pendapatan Li Auto turun pada Q4 2025, dengan margin yang menyempit. Namun, anggaran R&D tetap tinggi (sekitar 12 miliar yuan, 50% untuk AI). Target penjualan 2026 adalah 550.000 unit, sementara realisasi 2025 adalah 406.000 unit. Pengujian nyata akan dimulai pada kuartal ketiga dengan OTA pertama pada Juli dan peluncuran model baru. Sertifikasi akademis untuk arsitektur chip adalah langkah awal, tetapi penerimaan pasar dan kinerja dalam kondisi mengemudi sehari-hari akan menjadi penentu kesuksesan akhir.

marsbit06/16 04:55

Xpeng dan Nio Gencar di Komputasi, Ideal Ganti Arsitektur

marsbit06/16 04:55

Penerbitan Obligasi Nvidia Senilai $20 Miliar Menambahkan Bahan Bakar pada Kisah Transformasi Penambang Bitcoin ke AI

Penulis: Sam Bourgi. Kompilasi: Deep Tide TechFlow. Nvidia dilaporkan berencana menerbitkan obligasi senilai minimal $20 miliar untuk mendanai investasi terkait AI dan melunasi utang. Langkah ini menjadi penegas tingginya permintaan pasar terhadap infrastruktur AI. Perkembangan ini juga terkait erat dengan tren transformasi yang dilakukan oleh para penambang Bitcoin, seperti HIVE Digital, TeraWulf, Hut 8, dan CleanSpark, yang mulai mengalihkan fasilitas dan daya listrik mereka yang sebelumnya untuk penambangan kripto menjadi pusat data dan layanan hosting AI. Dorongan utama di balik transformasi ini adalah menyempitnya margin profit bisnis penambangan Bitcoin, terutama pasca 'halving' April 2024, yang dikombinasikan dengan tingginya kesulitan penambangan dan biaya operasional. Dalam lingkungan yang disebut analis sebagai "yang paling keras", banyak penambang terpaksa menjual sebagian persediaan Bitcoin mereka untuk mengurangi leverage dan mencari sumber pendapatan baru. Data menunjukkan lebih dari 15.000 BTC terjual oleh penambang antara Oktober tahun lalu dan Maret tahun ini. Sebagai pemasok utama GPU untuk model bahasa besar, rencana pengeluaran modal Nvidia menjadi barometer bagi industri. Ledakan permintaan komputasi AI ini membuka peluang bagi para penambang dengan infrastruktur listrik yang mapan. Analis, termasuk dari Bernstein, memproyeksikan perusahaan penambang besar akan berevolusi menjadi penyedia infrastruktur AI, di mana nilai masa depan mereka akan semakin didorong oleh bisnis komputasi awan AI.

marsbit06/16 02:29

Penerbitan Obligasi Nvidia Senilai $20 Miliar Menambahkan Bahan Bakar pada Kisah Transformasi Penambang Bitcoin ke AI

marsbit06/16 02:29

NVIDIA Tidak Kekurangan Uang, Kenapa Masih Mau Pinjam 200 Miliar Dolar?

Inti artikel: Mengapa Nvidia, yang memiliki arus kas bebas sangat kuat (sekitar USD 48,6 miliar per kuartal), berencana menerbitkan obligasi senilai minimal USD 20 miliar? Alasan utamanya bukan karena kekurangan dana, melainkan strategi manajemen modal yang canggih. Poin-poin kunci: 1. **Mengoptimalkan struktur modal:** Nvidia memanfaatkan peringkat kredit tinggi (AA dari S&P) untuk meminjam dana jangka panjang dengan biaya rendah. Dana ini akan digunakan untuk investasi infrastruktur AI, R&D, dan ekspansi ekosistem yang berjangka panjang. 2. **Melindungi kepentingan pemegang saham:** Dibandingkan menerbitkan saham baru yang akan mengencerkan kepemilikan, pembiayaan utang memungkinkan Nvidia mendanai pertumbuhan sambil terus melakukan buyback saham (USD 80 miliar) dan meningkatkan dividen. 3. **Mencocokkan aset dan kewajiban:** Menggunakan utang jangka panjang (hingga 30 tahun) lebih sesuai untuk membiayai proyek infrastruktur AI yang juga berjangka panjang, dibandingkan hanya mengandalkan arus kas operasional. 4. **Indikasi fase baru dalam narasi pengeluaran modal AI:** Langkah ini menandakan peralihan AI menuju siklus aset berat (data center, listrik, rantai pasok), di mana perusahaan besar menggunakan kemampuan kredit mereka untuk mengamankan dana murah guna mendukung ekspansi jangka panjang. 5. **Tantangan ke depan:** Keberhasilan strategi ini bergantung pada kemampuan Nvidia mempertahankan arus kas kuat dan memastikan investasi AI-nya menghasilkan pengembalian yang melebihi biaya utang. Jika siklus pengembalian investasi AI melambat, ketergantungan pada pendanaan eksternal dapat menjadi tekanan.

marsbit06/15 14:04

NVIDIA Tidak Kekurangan Uang, Kenapa Masih Mau Pinjam 200 Miliar Dolar?

marsbit06/15 14:04

Standar Tegangan 800V yang Digenjot Nvidia, Menguntungkan Pabrikan Infrastruktur Mana?

TL;DR Selama beberapa tahun terakhir, GPU menjadi pusat infrastruktur AI. Namun, dengan platform Rubin dan selanjutnya, fokus mulai bergeser: tidak hanya seberapa banyak GPU yang bisa didapat, tetapi juga bagaimana GPU itu bisa dipasang di rak, mendapatkan catu daya yang stabil, membuang panas, dan diuji beban penuh sebelum pengiriman. Standar 800VDC mulai didiskusikan karena alasan ini. Sejak 2025, NVIDIA secara terbuka mendorong arsitektur 800VDC untuk AI factory dan rak berdaya tinggi generasi berikutnya. Pada intinya, ini adalah perubahan dari sistem tegangan rendah tradisional ke arus searah (DC) tegangan tinggi. Server AI kini tidak hanya sekadar perakitan komponen, tetapi semakin menyerupai proyek kelistrikan. Rak AI berdaya tinggi (seperti GB200/GB300 NVL72 dengan daya 120-140kW, dan perkiraan untuk Rubin NVL72 hingga 180-220kW) mendorong batas sistem catu daya rendah. Pada daya yang sangat tinggi, arus yang besar diperlukan pada sistem tegangan rendah, menyebabkan kabel lebih tebal, lebih banyak panas, dan kehilangan daya. 800VDC meningkatkan tegangan untuk mengirimkan daya dengan lebih efisien ke rak, lalu menurunkannya untuk GPU. Menurut NVIDIA, ini dapat mengurangi arus, penggunaan tembaga, volume kabel, meningkatkan efisiensi hingga 5%, dan menurunkan TCO hingga 30%. NVIDIA tidak hanya mengusulkan solusi teknis, tetapi juga mendefinisikan kembali pembagian kerja di ekosistem melalui arsitektur referensi. Perusahaan mitra yang terlibat termasuk Delta Electronics, Schneider Electric, Vertiv, Infineon, STMicroelectronics, serta ABB, Eaton, dan lainnya. 800VDC mempengaruhi seluruh rantai: dari distribusi daya pusat data, catu daya rak, baterai cadangan, perangkat daya (power devices), konektor, hingga integrasi rak. Dari perspektif investasi, 800VDC membawa beberapa sektor infrastruktur ke depan: 1. **Perusahaan infrastruktur catu daya**: Vertiv, Schneider, Delta, serta beberapa produsen peralatan listrik Korea dan Taiwan. 2. **Perangkat daya (Power Devices)**: Semikonduktor seperti SiC/GaN dari Infineon, STMicroelectronics, yang cocok untuk aplikasi tegangan tinggi dan efisiensi tinggi. 3. **Koneksi dan struktur mekanis**: Busbar, konektor tegangan tinggi, backplane, dan PCB berkualitas tinggi yang membutuhkan keandalan dan desain yang lebih ketat. 4. **Pendinginan cair dan ODM rak**: Pendinginan cair menjadi kritis. Kemampuan pengujian beban penuh (burn-in test) pada tingkat rak—memerlukan fasilitas dengan kapasitas listrik dan pendinginan seperti pusat data kecil—menjadi pembeda utama bagi ODM seperti Wiwynn dan Wistron. Arah desain sudah jelas, tetapi pelaksanaan di rantai pasokan masih perlu dibuktikan. Kemampuan pengujian, keandalan pendinginan cair, dan kesiapan klien untuk mengadopsi arsitektur baru akan mempengaruhi kecepatan adopsi. NVIDIA menyatakan produksi skala penuh 800VDC akan sesuai dengan sistem tingkat rak Kyber pada 2027. Momen validasi berikutnya adalah melihat produk terkait, validasi pelanggan, dan pemenuhan pesanan yang nyata. GPU tetap inti, tetapi kemampuan untuk mengirimkan sistem rak berdaya tinggi dengan stabil menjadi variabel penting dalam penilaian aset di era Rubin dan seterusnya.

marsbit06/15 09:44

Standar Tegangan 800V yang Digenjot Nvidia, Menguntungkan Pabrikan Infrastruktur Mana?

marsbit06/15 09:44

Jika Gelembung AI Sudah Mulai Pecah, Siapa yang Akan Bertahan?

## Ringkasan Artikel: Jika Gelembung AI Sudah Mulai Pecah, Siapa yang Akan Bertahan? Diskusi mengenai gelembung AI semakin hangat. Ray Dalio memperingatkan adanya gelembung, sementara Jensen Huang melihatnya sebagai awal revolusi produktivitas. Keduanya benar. Seperti gelembung internet pada tahun 2000 yang menghancurkan banyak perusahaan tetapi meninggalkan infrastruktur vital (kabel laut, broadband) yang mendorong kemunculan raksasa seperti Amazon, gelembung AI saat ini juga menyisakan fondasi penting. Inti masalahnya bukan pada ada tidaknya gelembung, tetapi apa yang tertinggal setelahnya. Investasi besar-besaran—triliunan dolar—dialirkan ke infrastruktur AI seperti data center, listrik, dan GPU. Namun, pendapatan dari lapisan aplikasi masih tertinggal. Meski terlihat seperti ketimpangan, ini adalah fase alami. Biaya pemrosesan AI (per token) telah anjlok lebih dari 99.7% sejak 2023. Biaya yang lebih murah ini justru membuka permintaan baru yang masif, menyebabkan pengeluaran perusahaan untuk AI justru melonjak—fenomena yang dikenal sebagai "Paradoks Jevons" dalam ekonomi. Pasar sedang membersihkan diri. Perusahaan yang hanya mengandalkan konsep dan API wrapper akan gulung tikar. Namun, transformasi mendalam sedang terjadi: 1. **Perpindahan nilai dari CapEx ke OpEx:** Keuntungan akan bergeser dari penjual "sekop" (seperti Nvidia) ke perusahaan aplikasi yang benar-benar menyelesaikan masalah di industri spesifik. 2. **Pencernaan valuasi oleh kinerja:** Valuasi tinggi untuk infrastruktur akan teratasi seiring dengan pertumbuhan pendapatan dan efisiensi yang dihasilkan AI di berbagai sektor. AI telah merambah ke alur kerja nyata: memperpendek siklus R&D di manufaktur, mengubah keuangan kuantitatif, serta menjadi asisten ahli di bidang hukum dan kedokteran. Gelembung akan pecah, menyisakan infrastruktur fisik dan algoritma yang mumpuni. Seperti internet yang kini tak terhindarkan, kita sedang menuju era di mana semua industri akan ditransformasi dan diberdayakan oleh AI. Keributan gelembung akan reda, tetapi momentum produktivitas dasar dari AI tidak akan hilang.

marsbit06/15 04:47

Jika Gelembung AI Sudah Mulai Pecah, Siapa yang Akan Bertahan?

marsbit06/15 04:47

Percakapan Sequoia dengan Jensen Huang: Model Komputasi Menyaksikan Perubahan Besar 60 Tahun, Anda Tidak Akan Digantikan oleh AI, Tapi Akan Diterjang oleh "Orang yang Pandai Memanfaatkan AI"

Sumber: Sequoia Capital Kompilasi: Yuliya, PANews Dalam dialog antara Konstantine Buhler (Sequoia Capital) dan Jensen Huang (Pendiri & CEO NVIDIA), Huang membahas perubahan besar dalam komputasi. Intinya, komputasi bergeser dari model pencarian/pengambilan (retrieval) selama 60 tahun terakhir ke model generatif, di mana AI menghasilkan konten (teks, gambar, video) secara real-time dan personal. Huang menjelaskan "Pabrik AI" sebagai infrastruktur komputasi skala besar yang menghasilkan token atau kecerdasan, seperti dinamo di era digital. Dia menggambarkan masa depan dengan miliaran agen AI yang bekerja dan berkomunikasi, membentuk jaringan kecerdasan global ketiga setelah jaringan energi dan komunikasi. Untuk berpartisipasi, Huang menguraikan lima lapisan investasi dalam ekosistem AI: 1. **Energi** (Generator, energi terbarukan) 2. **Chip & Komputer** (GPU, perangkat jaringan) 3. **Infrastruktur** (Data center, lahan, operasi) 4. **Model** (Model AI dasar untuk bahasa, sains, fisika) 5. **Aplikasi** (Startup yang membentuk ulang berbagai industri) Mengenai kekhawatiran pekerjaan, Huang menekankan bahwa AI tidak akan mengambil pekerjaan, tetapi mengubahnya. Orang yang tidak menggunakan AI mungkin akan kalah bersaing dengan mereka yang menggunakannya. Dia membedakan antara "tugas" (task) yang dapat diotomatisasi (seperti mengetik kode atau membaca sinar-X) dan "pekerjaan" (job) inti (seperti memecahkan masalah atau mendiagnosis penyakit). Otomatisasi justru meningkatkan efisiensi, permintaan, dan nilai pekerjaan, memungkinkan peningkatan keterampilan (contoh: tukang ledeng menjadi juga desainer dapur). Narasi bahwa AI menyebabkan pengangguran adalah salah dan justru membuka peluang besar bagi semua orang untuk terlibat.

marsbit06/12 03:04

Percakapan Sequoia dengan Jensen Huang: Model Komputasi Menyaksikan Perubahan Besar 60 Tahun, Anda Tidak Akan Digantikan oleh AI, Tapi Akan Diterjang oleh "Orang yang Pandai Memanfaatkan AI"

marsbit06/12 03:04

活动图片