Tantangan Chip AI China terhadap Nvidia Kian Cepat

Mengapa persaingan chip AI China penting sekarang

China berlomba mengurangi ketergantungannya pada prosesor impor untuk kecerdasan buatan. Negara itu menggelontorkan investasi ke laboratorium riset, pabrik semikonduktor, dan infrastruktur cloud agar terobosan mendatang dalam model bahasa besar, robotika, dan otomasi berjalan pada chip buatan dalam negeri. Tujuan strategisnya jelas: memproduksi chip kelas atas dalam skala besar, membangun perangkat lunak agar chip tersebut dapat dimanfaatkan dengan baik, serta menjaga kapasitas komputasi penting tetap berada dalam jangkauan nasional.

Ambisi itu mendapat dorongan pada 2024 ketika perusahaan rintisan DeepSeek memperkenalkan AI percakapan yang mampu menyaingi sistem-sistem terkemuka Barat. Perusahaan itu mengatakan modelnya dilatih dengan jauh lebih sedikit akselerator premium dibandingkan para pesaing, menandakan bahwa perangkat lunak yang lebih cerdas dan metode pelatihan yang efisien dapat mengimbangi keterbatasan perangkat keras. Peluncuran itu sempat mengguncang nilai pasar Nvidia dan menyoroti betapa cepatnya para pengembang China bergerak. Sejak itu, raksasa teknologi dan perancang chip di seluruh China mengumumkan rencana untuk menantang Nvidia di pusat data dalam negeri.

CEO Nvidia Jensen Huang mengakui besarnya kumpulan talenta teknik di China dan ketatnya persaingan domestik. Berbicara dalam podcast teknologi dan bisnis pada September, ia memuji momentum negara itu sekaligus melontarkan tantangan kepada kubunya sendiri.

Ini adalah industri yang dinamis, berjiwa wirausaha, berteknologi tinggi, dan modern," katanya. "Kita harus bersaing demi kelangsungan hidup kita.

Strategi para pemain China untuk bersaing

Sejumlah perusahaan China sedang membangun alternatif untuk akselerator dan sistem terintegrasi Nvidia. Huawei telah meluncurkan prosesor Ascend baru dan rencana untuk mendukung para pengembang selama tiga tahun. Alibaba mengatakan akselerator terbarunya mampu menyamai kinerja H20 Nvidia, chip yang disesuaikan untuk China berdasarkan aturan AS, dengan konsumsi energi lebih rendah. Perusahaan rintisan seperti MetaX dan Cambricon memenangkan kontrak dari perusahaan besar. Platform besar, termasuk Tencent dan Baidu, merancang chip khusus untuk cloud mereka sendiri. Pesan kepada pelanggan domestik tetap sama: jika kebijakan ekspor membatasi akses ke perangkat keras Amerika, opsi buatan China akan mengisi kekosongan itu.

Strategi Huawei di tingkat sistem

Huawei mengandalkan arsitektur sistem untuk memperkecil kesenjangan dengan Nvidia. Dalam World Artificial Intelligence Conference di Shanghai, perusahaan itu memamerkan CloudMatrix 384, sistem komputasi AI yang memadukan 384 prosesor Ascend 910C dalam satu penerapan. Pesaing Nvidia, GB200 NVL72, menggunakan 72 chip B200, tetapi rancangan Huawei menempuh jalur berbeda. CloudMatrix menggunakan jaringan koneksi bergaya supernode sehingga ratusan prosesor dapat berfungsi sebagai satu kumpulan komputasi, dengan koneksi sangat cepat antarchip. Dengan memperbesar skala secara horizontal, Huawei berupaya mengimbangi kinerja satu chip yang lebih rendah dengan kekompakan sistem yang lebih kuat.

Analis industri mengatakan pendekatan itu dapat menghasilkan kinerja kompetitif untuk beban kerja tertentu. Sejumlah laporan menyebut CloudMatrix mengungguli GB200 NVL72 Nvidia pada beberapa metrik, meskipun Huawei harus mengandalkan proses manufaktur yang lebih lama. Sistem tersebut sudah beroperasi di cloud Huawei, memberi pelanggan China alternatif dalam negeri untuk melatih dan menjalankan model. Pilihan arsitektur ini juga sejalan dengan tujuan kebijakan China untuk mengatasi batasan ekspor dengan mencari peningkatan di tingkat sistem.

Alibaba dan semakin banyak penantang

Alibaba mengumumkan akselerator AI baru yang menurut media pemerintah menyamai H20 dengan konsumsi daya lebih rendah. MetaX memasok chip kepada China Unicom. Valuasi Cambricon meningkat lebih dari dua kali lipat dalam beberapa bulan terakhir seiring investor bertaruh pada naiknya permintaan domestik untuk akselerator. Tencent sedang mengembangkan chip internal untuk layanan cloud dan AI-nya. Proyek-proyek ini bertumpu pada pergeseran lebih luas di kalangan perusahaan China, yang memindahkan beban kerja ke perangkat keras buatan dalam negeri ketika kinerja, ketersediaan, dan biaya memungkinkan.

Para pengembang sudah mulai beradaptasi. Chen Cheng, manajer umum penerjemahan AI di iFlytek, menjelaskan bagaimana timnya menyiasati pembatasan terbaru atas perangkat keras AS dengan beralih ke prosesor domestik.

"Kini model kami dilatih menggunakan chip Huawei, yang saat ini terbaik di China," katanya.

Perubahan akibat kontrol ekspor dan penindakan

Aturan ekspor telah membentuk ulang pasar. Sejak 2022, Washington memberlakukan pembatasan bertahap atas penjualan chip AI canggih ke China. Kebijakan terbaru menutup akses terhadap H20 Nvidia, prosesor yang dirancang agar memenuhi ambang batas ekspor sebelumnya. Para anggota parlemen telah mengajukan langkah yang akan mewajibkan produsen chip AS memprioritaskan pelanggan domestik daripada pembeli asing, meski perusahaan memperingatkan bahwa aturan kaku dapat memperlambat inovasi dan mengalihkan permintaan. Salah satu kebijakan terbaru juga akan mengalihkan sebagian pendapatan dari penjualan chip AI tertentu di China kepada pemerintah AS. Kontrol yang lebih ketat berarti pemasok Amerika menghadapi pasar potensial yang lebih kecil di negara yang membeli chip lebih banyak daripada negara mana pun.

Beijing merespons dengan penegakan di perbatasan dan tekanan di dalam negeri. Pemerintah telah menginstruksikan perusahaan teknologi besar untuk menangguhkan pesanan akselerator Nvidia dan meningkatkan pemeriksaan di pelabuhan guna mencegat pengiriman tanpa izin atau yang salah dilaporkan, termasuk model yang ditujukan untuk China seperti H20 dan RTX 6000D. Pejabat menyelidiki jaringan penyelundupan yang memasok prosesor kelas atas ke pusat data domestik melalui jalur tidak langsung. Secara terpisah, regulator membuka penyelidikan antimonopoli terhadap Nvidia, menandakan pengawasan lebih ketat atas praktik bisnisnya di China. Langkah-langkah ini bertujuan mendorong pembeli beralih ke pemasok lokal dan memperketat jalur pasar gelap.

Handel Jones, konsultan semikonduktor kawakan, memperingatkan dampak gabungan langkah-langkah tersebut bisa sangat besar bagi perusahaan Amerika yang selama ini mengandalkan permintaan dari China.

"Bagi industri semikonduktor AS, China sudah tidak ada," katanya.

Perbedaan kinerja: tolok ukur dan perangkat lunak

Klaim bahwa kinerjanya setara perlu ditelaah dengan cermat. Data publik tentang akselerator China terbatas dan pengujian terstandar masih jarang. Kinerja bergantung pada tugas, ukuran model, bandwidth interkoneksi, arsitektur memori, dan kualitas tumpukan perangkat lunak yang menjembatani chip dengan aplikasi. Peneliti yang pernah bekerja dengan kedua ekosistem mengatakan chip China telah memperkecil kesenjangan dalam tugas prediktif, saat model melengkapi kalimat atau mengklasifikasikan gambar, tetapi masih tertinggal dalam analitik kompleks dan pelatihan skala besar.

Ilmuwan komputer Jawad Haj Yahya, yang telah menguji akselerator Amerika dan China, mengingatkan bahwa kesetaraan kinerja bergantung pada beban kerja.

"Kesenjangannya jelas dan pasti semakin menyempit. Saya tidak berpikir mereka akan mengejar ketertinggalan itu dalam jangka pendek," katanya.

Perbedaan itu penting karena pelatihan merupakan pekerjaan berat dalam AI modern. Proses ini membutuhkan anggaran komputasi yang sangat besar, koneksi sangat cepat antarpemroses, dan memori berbandwidth tinggi yang dapat memasok data ke prosesor tanpa hambatan. Berbagai analisis menunjukkan 910B Huawei cukup andal untuk inferensi, tahap ketika model yang sudah dilatih menjawab pertanyaan, tetapi memiliki keterbatasan dalam konektivitas antarchip dan kecepatan memori sehingga kurang menarik untuk pelatihan skala besar. Bahkan H20 Nvidia yang dibatasi tetap menjadi pilihan utama banyak pengguna di China jika mereka bisa mendapatkannya. Pengembang domestik mengatakan pelatihan dapat memakan waktu berminggu-minggu. Proses yang banyak dibicarakan dari DeepSeek membutuhkan tiga hingga delapan minggu untuk tahap akhir, upaya yang mahal menurut ukuran apa pun, bahkan dengan kode yang efisien.

Perangkat lunak merupakan kendala lainnya. Nvidia telah menghabiskan bertahun-tahun membangun seperangkat alat, pustaka, dan perangkat lunak jaringan yang dipercaya pengembang dalam skala besar. Tumpukan itu mengarahkan beban kerja agar cocok dengan perangkat keras Nvidia dan mempersingkat perjalanan dari purwarupa ke produksi. Huawei berupaya menjawabnya dengan kerangka kerjanya sendiri dan berjanji membuka lebih banyak rancangan serta kode bagi pengembang domestik. Adopsi meningkat, tetapi melatih ulang tim, menulis ulang kode, dan memvalidasi ulang model membutuhkan waktu sehingga memperlambat migrasi dari platform yang sudah mengakar.

Insinyur semikonduktor Raghavendra Anjanappa berpendapat China dapat memenuhi banyak kebutuhan dengan chip lokal, tetapi masalah tersulit masih lebih menguntungkan perangkat keras AS.

"Secara realistis, China dapat mengurangi ketergantungannya pada chip Amerika untuk perangkat yang kurang canggih, tetapi belum memiliki kinerja mentah chip AS untuk melatih sistem AI yang lebih kompleks," katanya.

Kendala manufaktur yang menghambat China

Kelompok kendala kedua berada di pabrik. Kontrol AS dan Belanda membatasi akses ke peralatan litografi canggih yang digunakan untuk memproduksi transistor terkecil. Hal itu memaksa pabrik semikonduktor China memaksimalkan mesin yang lebih lama dengan pola berulang, proses yang lebih lambat, lebih mahal, dan menghasilkan lebih sedikit cetakan chip yang berfungsi per wafer. Analis yang memantau fabrikasi mengatakan tingkat hasil produksi prosesor AI besar di China telah meningkat, tetapi masih jauh di bawah capaian pemimpin global. Laporan tahun ini menggambarkan peningkatan tingkat hasil produksi chip Huawei baru dari sekitar 20 persen menjadi 40 persen, sedangkan pabrik terkemuka di luar negeri dapat mendekati 60 persen untuk perangkat berukuran serupa. Tingkat hasil yang lebih rendah menaikkan biaya dan membatasi jumlah akselerator yang berfungsi dan dapat dipasarkan.

Pengemasan dan memori juga sama sulitnya. Akselerator AI bergantung pada memori berbandwidth tinggi untuk memasok data ke ribuan inti pemroses. Chip harus dikemas dengan teknik canggih yang menumpuk dan menghubungkan komponen sekaligus membuang panas. Tim China dapat membuat komponen ini, tetapi kelangkaan memori kelas atas dan terbatasnya akses ke peralatan membatasi produksi. Masalah fungsional pun masih ada. Laporan sebelumnya mencatat bahwa beberapa chip domestik mengalami kesulitan dalam konektivitas antarchip dan kecepatan memori, yang menghambat efisiensi pelatihan dalam skala besar.

Tidak satu pun hambatan ini mustahil diatasi, tetapi semuanya membutuhkan waktu, modal, dan pasokan peralatan khusus yang stabil. Stephen Wu, mantan insinyur AI yang kini mengelola perusahaan investasi, merangkum logika strategis di balik upaya jangka panjang Beijing.

"China menginginkan chip yang tidak bisa direnggut oleh kebijakan," katanya.

Dampaknya terhadap pusat data dan pasar

Setiap operator pusat data mempertimbangkan tiga prioritas: kinerja, konsumsi energi, dan kepastian pasokan. Jika akselerator domestik memberikan kecepatan yang memadai untuk beban kerja tertentu dengan biaya daya lebih rendah, pembeli di China punya alasan untuk beralih. Saat ini, alasan itu paling kuat untuk inferensi dan pelatihan model yang lebih kecil, ketika rancangan di tingkat sistem dapat mengimbangi kinerja satu chip yang lebih rendah. Untuk pelatihan model terdepan yang mendorong batas skala, Nvidia masih unggul dalam silikon maupun perangkat lunak. Hasilnya adalah pola penerapan yang terbagi di China: proyek paling berat masih mencari chip Amerika selama kebijakan mengizinkannya.

Situasi kebijakan memunculkan pilihan baru bagi perusahaan teknologi global. Aturan AS yang lebih ketat dan penegakan bea cukai Beijing mempersempit jalur pasokan legal ke China. Dugaan adanya pasar gelap untuk akselerator yang diperbarui atau digunakan ulang mendorong pemeriksaan lebih ketat di pelabuhan. Hambatan impor memperlambat jadwal perluasan pusat data dan mendorong lebih banyak beban kerja beralih ke pemasok lokal. Sementara itu, anggota parlemen AS ingin memastikan pelanggan Amerika tidak harus mengantre di belakang pembeli China untuk mendapatkan komponen langka, dan persyaratan baru terkait pendapatan dari China menambah biaya berbisnis di negara itu.

Nvidia sendiri berupaya menempuh jalur yang sempit. Perusahaan itu berusaha mematuhi peraturan sambil melayani pelanggan China dengan produk yang sesuai ketentuan. Dalam kunjungan bersama para pemimpin bisnis China tahun ini, Jensen Huang menegaskan pendekatan tersebut.

"Kami akan terus berupaya keras mengoptimalkan produk agar sesuai dengan peraturan dan terus melayani pasar China," katanya.

Linimasa dan skenario

Seberapa cepat China dapat memperkecil kesenjangan di kelas tertinggi komputasi AI? Para analis memberikan perkiraan waktu yang berbeda, tetapi pandangan umum mulai terbentuk. Banyak yang meyakini perusahaan China dapat mencapai kemandirian luas untuk tugas kelas menengah dan inferensi dalam sekitar lima tahun, sementara menyamai platform pelatihan Amerika terbaik mungkin membutuhkan waktu jauh lebih lama. Sebagian memperkirakan kesetaraan penuh di bidang prosesor, memori berbandwidth tinggi, pengemasan canggih, jaringan, dan perangkat lunak baru akan tercapai pada dekade mendatang.

Momentum di lapangan nyata. Huawei meningkatkan produksi, Alibaba berinvestasi, dan semakin banyak perancang chip, dari MetaX hingga Cambricon, berhasil menarik pembeli. Dukungan pemerintah tetap kuat dan permintaan domestik terhadap layanan AI melonjak. Meski demikian, hambatan pada peralatan, tingkat hasil produksi, dan ekosistem pengembang akan membatasi kecepatan China mengejar kinerja di segmen pasar teratas. Kemungkinan hasil dalam waktu dekat adalah ekosistem China yang lebih matang dan mampu memenuhi sebagian besar kebutuhan AI negara itu, dengan ketergantungan yang terus berlanjut pada perangkat keras asing untuk pelatihan terbesar selama kebijakan masih memungkinkan akses.

Pendekatan China yang dipimpin negara sekaligus menjadi kekuatan dan kendala. Arahan terpusat memusatkan sumber daya pada sasaran yang jelas, tetapi juga dapat menghambat gagasan berisiko yang melahirkan terobosan. Chia Lin Yang, profesor komputasi yang meneliti desain chip, mengingatkan bahwa sasaran seragam dapat menghambat kreativitas, sembari menyoroti besarnya talenta yang tersedia.

Hal itu bisa menyulitkan gagasan disruptif untuk mendobrak pola yang ada," katanya. "Jangan meremehkan kemampuan China untuk mengejar ketertinggalan.

Poin Utama

• China berinvestasi besar-besaran untuk membangun chip AI kelas atas dalam skala besar dan mengurangi ketergantungan pada impor.
• Pelatihan model DeepSeek pada 2024 menunjukkan peningkatan efisiensi yang mengandalkan perangkat lunak lebih cerdas, bukan sekadar lebih banyak chip.
• CloudMatrix 384 Huawei menggunakan ratusan prosesor Ascend 910C dengan interkoneksi cepat untuk bersaing di tingkat sistem.
• Alibaba, MetaX, Cambricon, Tencent, dan Baidu mendorong penggunaan akselerator domestik dan rancangan khusus untuk pusat data lokal.
• Pembatasan AS kini memblokir H20 Nvidia dan dapat mewajibkan produsen chip Amerika memprioritaskan pelanggan domestik serta menyerahkan sebagian pendapatan dari sejumlah penjualan ke China.
• China memperketat penegakan aturan di pelabuhan, mencegah pesanan Nvidia baru, dan membuka penyelidikan antimonopoli terhadap perusahaan itu.
• Para ahli mengatakan chip China cukup kompetitif untuk inferensi, tetapi masih tertinggal dalam pelatihan model besar dan analitik kompleks.
• Kendala manufaktur meliputi tingkat hasil produksi yang lebih rendah, keterbatasan peralatan litografi canggih, serta hambatan pada memori berbandwidth tinggi dan pengemasan.
• Perangkat lunak tetap menjadi keunggulan utama Nvidia, sementara Huawei membuka rancangan dan alat untuk mendorong adopsi di kalangan pengembang.
• Banyak analis memperkirakan China akan mencapai kemandirian untuk beban kerja kelas menengah dalam sekitar lima tahun, sedangkan kesetaraan di kelas atas kemungkinan membutuhkan waktu lebih lama.