Beritalogy – China memiliki jaringan manufaktur teknologi yang sangat besar. Negara ini memproduksi berbagai perangkat elektronik, komponen industri, telekomunikasi, hingga semikonduktor. Namun, kekuatan tersebut belum otomatis membuat industri lokal mampu menyamai chip AI tercanggih milik Nvidia. Persaingan kecerdasan buatan kini membutuhkan lebih dari sekadar kapasitas pabrik. Perusahaan juga memerlukan proses manufaktur canggih, memori cepat, perangkat lunak, dan konektivitas antarchip. Karena itu, membuat prosesor AI kelas atas menjadi tantangan yang jauh lebih rumit. Amerika Serikat masih memiliki posisi kuat dalam ekosistem tersebut. Bahkan, banyak pengembang AI menggunakan GPU Nvidia untuk melatih model berukuran besar. Sementara itu, perusahaan teknologi China terus mempercepat pengembangan alternatif lokal. Kondisi ini menciptakan perlombaan baru yang tidak hanya membahas performa chip. Kemandirian teknologi kini ikut menjadi bagian penting dalam persaingan AI global.
Baca Juga: BNPB Ungkap Alasan Penggunaan Dry Ice untuk Karhutla Sumsel
Infrastruktur GPU Amerika Masih Memegang Keunggulan Besar
Perbedaan terlihat jelas dari kapasitas komputasi yang tersedia. Data Epoch AI menunjukkan Amerika Serikat menampung sekitar tiga perempat kemampuan komputasi klaster GPU dunia pada Mei 2025. Sementara itu, China berada di kisaran 15 persen. Klaster GPU menggabungkan ribuan chip dalam pusat data untuk melatih model kecerdasan buatan. Semakin besar infrastrukturnya, semakin banyak eksperimen yang dapat dilakukan pengembang. Salah satu contoh skala tersebut terlihat pada Colossus milik xAI. Pusat data di Memphis itu awalnya menggunakan sekitar 100.000 GPU Nvidia. Kemudian, perusahaan mulai memperluas kapasitas menjadi sekitar 200.000 GPU pada akhir 2024. Infrastruktur sebesar ini menunjukkan bahwa persaingan AI bukan lagi sekadar tentang satu chip tercepat. Sebaliknya, kemampuan mengoperasikan ratusan ribu prosesor secara bersamaan mulai menjadi faktor penting. China memiliki banyak pusat data, tetapi akses terhadap GPU kelas atas menghadapi hambatan yang lebih besar.
DeepSeek Juga Memanfaatkan Chip Nvidia untuk Melatih AI
Kemunculan DeepSeek membuktikan bahwa perusahaan China mampu menghasilkan model AI yang kompetitif. Namun, kisah di balik pengembangannya juga menunjukkan pentingnya GPU Nvidia. Laporan teknis DeepSeek mencatat model DeepSeek-V3 menggunakan Nvidia H800 dalam proses pelatihan. Total kebutuhan komputasinya mencapai sekitar 2,788 juta jam GPU. H800 sendiri merupakan produk Nvidia yang sebelumnya dirancang untuk menyesuaikan aturan ekspor ke pasar China. Setelah itu, muncul dorongan agar perusahaan lokal menggunakan perangkat keras domestik. DeepSeek kemudian mencoba memanfaatkan Huawei Ascend untuk pengembangan model berikutnya. Akan tetapi, proses pelatihan disebut menghadapi kendala teknis. Pada akhirnya, GPU Nvidia kembali digunakan untuk sebagian kebutuhan pelatihan. Sementara itu, Ascend lebih cocok digunakan untuk menjalankan model yang sudah selesai dilatih. Situasi tersebut memperlihatkan bahwa performa chip bukan satu-satunya pertimbangan. Stabilitas sistem dan kematangan perangkat lunak juga sangat menentukan.
Mesin EUV Menjadi Salah Satu Hambatan Terbesar China
Untuk mengejar chip AI tercanggih, produsen membutuhkan teknologi manufaktur yang sangat presisi. Salah satu perangkat terpenting adalah mesin litografi extreme ultraviolet atau EUV. Mesin tersebut mampu mencetak pola sirkuit berukuran sangat kecil pada wafer silikon. Saat ini, ASML dari Belanda menjadi pemasok utama teknologi EUV komersial. Namun, pembatasan ekspor membuat perusahaan China tidak dapat membeli mesin tersebut. Akibatnya, produsen seperti SMIC harus mencari pendekatan alternatif. Salah satunya menggunakan mesin deep ultraviolet atau DUV yang lebih lama. Teknologi tersebut masih mampu membuat chip canggih melalui teknik multi-patterning. Meski begitu, prosesnya menjadi lebih rumit. Produsen harus melakukan pencetakan beberapa kali untuk menghasilkan pola yang lebih kecil. Cara ini membutuhkan waktu lebih panjang dan dapat menekan efisiensi produksi. Oleh sebab itu, keterbatasan akses terhadap EUV menjadi salah satu hambatan terbesar dalam mengejar proses manufaktur paling mutakhir.
Huawei Mate 60 Pro Membuktikan Industri Lokal Terus Berkembang
Keterbatasan teknologi tidak menghentikan perkembangan industri semikonduktor China. Pada Agustus 2023, Huawei memperkenalkan Mate 60 Pro dengan prosesor Kirin buatan SMIC. Analisis terhadap perangkat tersebut menemukan chip kelas 7 nanometer. Temuan itu menarik perhatian karena produksinya dilakukan tanpa mesin EUV. Dengan kata lain, SMIC berhasil mendorong teknologi DUV melampaui penggunaan konvensionalnya. Namun, pencapaian tersebut tetap memiliki keterbatasan. Kepadatan transistor chip terbaik SMIC masih berada di bawah produk kelas atas dari TSMC. Selain itu, proses produksinya membutuhkan waktu lebih lama. Kondisi tersebut dapat mengurangi jumlah chip yang berhasil diproduksi dalam periode tertentu. Meski demikian, pencapaian Huawei dan SMIC tetap memiliki arti strategis. China menunjukkan bahwa pembatasan teknologi tidak sepenuhnya menghentikan inovasi domestik. Sebaliknya, tekanan tersebut justru mendorong perusahaan lokal mencari pendekatan baru untuk mempersempit kesenjangan.
Memori Berkecepatan Tinggi Menjadi Tantangan Berikutnya
Chip AI tidak dapat bekerja optimal hanya dengan prosesor yang cepat. Sistem juga membutuhkan memori berkecepatan tinggi untuk memindahkan data dalam jumlah besar. Kebutuhan tersebut semakin penting ketika model AI memiliki miliaran parameter. Namun, akses China terhadap teknologi memori kelas atas juga menghadapi pembatasan. Amerika Serikat memperketat ekspor sejumlah memori berperforma tinggi mulai Desember 2024. Sebelum aturan tersebut berlaku, Huawei dilaporkan mengamankan pasokan dalam jumlah besar. Namun, strategi penimbunan tentu tidak menjadi solusi jangka panjang. Karena itu, perusahaan lokal mulai mempercepat pengembangan alternatif domestik. Huawei kemudian memperkenalkan Ascend 950PR pada Maret 2026 dengan solusi memori buatannya. Perusahaan mengklaim peningkatan performa dibandingkan Nvidia H20. Meski begitu, H20 bukan produk Nvidia dengan kemampuan tertinggi. Chip tersebut merupakan varian yang disesuaikan untuk pasar China. Artinya, persaingan dengan lini Nvidia paling mutakhir masih membutuhkan perjalanan lebih panjang.
Huawei Mengejar Nvidia dengan Menggabungkan Banyak Chip
Huawei mengambil pendekatan berbeda untuk mengatasi keterbatasan performa setiap chip. Perusahaan menghubungkan banyak prosesor sekaligus ke dalam sistem komputasi besar. Strategi tersebut terlihat pada CloudMatrix 384. Sesuai namanya, sistem itu menggabungkan 384 chip untuk menghasilkan kemampuan komputasi yang lebih tinggi. Analisis SemiAnalysis menunjukkan sistem tersebut memiliki kemampuan hitung yang sangat besar. Namun, pendekatan ini membawa konsekuensi lain. Kebutuhan listriknya jauh lebih tinggi dibandingkan sistem Nvidia tertentu. Selain itu, semakin banyak chip yang digunakan, semakin rumit pula jaringan komunikasi di antara prosesor. Tantangan pendinginan juga meningkat. Meski demikian, strategi tersebut menunjukkan pendekatan menarik. Jika satu chip belum mampu menyamai pesaing, skala sistem dapat digunakan untuk memperkecil selisih performa. Bagi China, pendekatan ini bisa menjadi solusi sementara sambil menunggu teknologi manufaktur lokal berkembang lebih jauh.
Baca Juga: IPhone 18 Pro Max Burgundy Jadi Favorit Konsumen Indonesia
CUDA Membuat Nvidia Sulit Dikejar Hanya dengan Perangkat Keras
Salah satu kekuatan terbesar Nvidia justru tidak berbentuk chip. Perusahaan memiliki CUDA, platform komputasi yang diperkenalkan sejak 2006. Ekosistem tersebut telah berkembang selama sekitar dua dekade dan digunakan jutaan pengembang. Banyak perangkat lunak AI dibuat dengan dukungan CUDA sejak awal. Akibatnya, perusahaan tidak bisa begitu saja mengganti GPU Nvidia dengan chip lain. Program tertentu perlu mendapat penyesuaian agar dapat berjalan optimal pada arsitektur berbeda. Kondisi ini menciptakan keuntungan besar bagi Nvidia. Huawei dan perusahaan China lainnya karena itu menghadapi dua perlombaan sekaligus. Pertama, mereka harus meningkatkan performa perangkat keras. Kedua, mereka perlu membangun perangkat lunak yang nyaman digunakan pengembang. Menurut saya, tantangan kedua justru dapat membutuhkan waktu lebih lama. Sebuah chip baru bisa dikembangkan dalam beberapa tahun. Namun, membangun komunitas pengembang serta ekosistem perangkat lunak membutuhkan konsistensi jangka panjang.
Beijing Menggelontorkan Investasi Besar untuk Industri Semikonduktor
China menyadari bahwa kemandirian semikonduktor membutuhkan investasi dalam skala besar. Pada Mei 2024, Beijing membentuk tahap ketiga dana investasi chip nasional yang dikenal sebagai Big Fund III. Modalnya mencapai sekitar 344 miliar yuan. Dana tersebut diarahkan untuk memperkuat berbagai bagian industri semikonduktor domestik. Investasi dibutuhkan karena rantai produksi chip sangat panjang. Sebuah negara tidak cukup hanya memiliki pabrik wafer. Industri juga membutuhkan perusahaan desain, produsen peralatan, material khusus, memori, perangkat lunak, hingga fasilitas pengemasan. Selain itu, pengembangan setiap komponen membutuhkan tenaga ahli. China sebenarnya sudah kuat pada chip dengan proses manufaktur matang. Produk tersebut banyak digunakan dalam kendaraan, peralatan rumah tangga, dan perangkat industri. Tantangan berikutnya adalah membawa kemampuan tersebut menuju teknologi kelas atas. Karena itu, dana besar yang tersedia kemungkinan akan diarahkan untuk memperkuat titik-titik yang masih menjadi kelemahan.
Persaingan Chip AI China dan Nvidia Memasuki Babak Baru
Kesenjangan teknologi memang masih terlihat, tetapi persaingan belum selesai. Huawei telah menyiapkan roadmap chip berikutnya. Ascend 960 direncanakan hadir pada 2027, sedangkan Ascend 970 menyusul pada 2028. Pada saat yang sama, perusahaan chip lokal lain juga menikmati pertumbuhan permintaan. Kondisi tersebut menunjukkan pasar domestik mulai membangun ekosistem alternatif. Pembatasan ekspor dari Amerika Serikat bahkan dapat mempercepat proses tersebut. Perusahaan yang sebelumnya bergantung pada teknologi asing kini memiliki alasan lebih kuat untuk memakai produk lokal. Namun, mengejar Nvidia tetap bukan pekerjaan sederhana. Perusahaan asal Amerika itu memiliki keunggulan pada chip, perangkat lunak, jaringan, dan komunitas pengembang. China memiliki kekuatan berbeda berupa kapasitas manufaktur, pasar besar, investasi pemerintah, dan jumlah perusahaan teknologi yang terus berkembang. Karena itu, pertarungan chip AI berikutnya kemungkinan akan ditentukan oleh kemampuan membangun ekosistem secara menyeluruh.
