Dari [GeForce] menuju kecerdasan buatan [AI]: mengapa keputusan [NVIDIA] tentang [CUDA] mengubah masa depan perusahaan?
Pendahuluan: dapatkah perusahaan mengorbankan laba hari ini untuk membangun dunia komputasi esok?
Sebuah perusahaan mengeluarkan biaya besar untuk kemampuan yang belum diminta pelanggannya. Penambahan itu menaikkan biaya produksi, tetapi pelanggan tidak bersedia membayar lebih. Perusahaan tetap tidak mundur. Tujuannya bukan sekadar menjual produk baru, melainkan membangun platform komputasi [Computing Platform] tempat pihak lain dapat menciptakan karya mereka pada masa depan.
Itulah dasar keputusan [NVIDIA] membawa [CUDA] ke prosesor grafis [GPU] [GeForce]. Jensen Huang menjelaskan bahwa keputusan ini tidak langsung menghasilkan kesuksesan. Sebaliknya, timbul biaya, tekanan pada laba, dan penantian panjang. Namun, kemudian keputusan itu menjadi salah satu fondasi pertumbuhan pembelajaran mendalam [Deep Learning].
1. Dari pemercepat tugas khusus menuju platform komputasi [Computing Platform] yang luas
Pada awalnya, [NVIDIA] mempercepat suatu tugas tertentu. Kemampuan khusus ini memberikan kekuatan. Namun, ketergantungan pada pasar sempit juga dapat membatasi kapasitas penelitian dan pengembangan [Research and Development].
Ada pertentangan di sini. Rancangan yang sangat khusus dapat menyulitkan pekerjaan komputasi umum. Sebaliknya, berusaha melakukan segalanya dapat menghilangkan keunggulan awal. Pendekatan Huang adalah bergerak bertahap di antara keduanya.
Ia menjelaskan bahwa langkah pertama adalah pengolah bayangan piksel yang dapat diprogram [Programmable Pixel Shader]. Selanjutnya, perhitungan bilangan pecahan 32 bit yang sesuai IEEE [IEEE-compatible FP32] diperkenalkan pada pengolah bayangan [Shaders]. Peneliti mulai bertanya apakah prosesor grafis juga dapat digunakan untuk perhitungan lain.
Kemudian hadir [Cg], yang berlandaskan bahasa pemrograman (C). Perjalanan itu akhirnya menuju [CUDA]. Jadi, ini bukan solusi ajaib dalam sehari, melainkan perjalanan berkelanjutan yang menghubungkan satu kemampuan teknis dengan kemampuan berikutnya.
2. Ke mana [CUDA] dibawa lebih penting daripada sekadar menciptakannya
Menciptakan teknologi hebat tidak otomatis membuat orang menggunakannya. Dibutuhkan pengembang [Developers] yang menulis program, serta banyak orang yang dapat memakai program tersebut.
Kekuatan platform komputasi [Computing Platform] bukan hanya keindahan rancangannya, tetapi juga jumlah orang yang sudah memilikinya. Huang menjelaskan pentingnya basis terpasang [Installed Base].
Ia mencontohkan arsitektur [x86], yang bertahan berkat penggunaan luas meskipun banyak dikritik. Ia juga menyebut beberapa arsitektur set instruksi terbatas [RISC Architectures] yang dirancang elegan tidak meraih kesuksesan yang diharapkan. Ini tidak berarti semua rancangan [RISC] gagal. Intinya, keanggunan teknis saja tidak menjamin kesuksesan platform.
Saat itu, [GeForce] sudah terjual jutaan unit setiap tahun. Karena itu, [NVIDIA] memiliki jalur yang siap digunakan untuk membawa kemampuan komputasi baru kepada masyarakat.
3. [CUDA] di setiap prosesor [GeForce]: fondasi sebelum pengguna memintanya
Kemampuan [CUDA] dapat saja dibatasi pada beberapa mesin penelitian yang mahal. Jika demikian, orang yang dapat mengaksesnya akan lebih sedikit.
Sebaliknya, perusahaan memutuskan membawanya melalui [GeForce] ke komputer pribadi [PC] yang tersedia luas. Produk yang dibeli untuk bermain juga menawarkan kesempatan penelitian. Mahasiswa, laboratorium universitas, atau peneliti yang merakit komputer sendiri dapat mencoba perhitungan baru pada peralatan yang sudah dimiliki.
Ini tidak berarti [CUDA] berjalan pada setiap komputer. Maksudnya, basis pengguna [GeForce] menjadi fondasi awal untuk membuat kemampuan itu lebih mudah diakses banyak orang.
Menurut Huang, usaha tersebut tidak berhenti pada penyediaan peralatan: ada pengajaran di universitas, penulisan buku, dan penyelenggaraan kelas. Membangun platform juga berarti membangun pengetahuan serta komunitas yang mampu menggunakannya.
4. Harga langsung: kenaikan biaya dan tekanan pada laba
Beban ekonominya tidak kecil. Huang mengingat bahwa penambahan kemampuan [CUDA] menaikkan biaya prosesor sekitar 50%, sementara perusahaan saat itu beroperasi dengan margin laba kotor [Gross Margin] sekitar 35%.
Pemain tidak mau membayar lebih untuk kemampuan komputasi yang tidak mereka gunakan. Perusahaan harus menanggung biaya tersebut. Huang menggambarkannya cukup besar untuk menghabiskan seluruh nilai laba kotor [Gross Profit Dollars] perusahaan.
Kedua persentase tidak dapat langsung dikurangkan untuk menentukan kondisi keuangan perusahaan. Yang satu berbasis biaya produksi, sedangkan yang lain merupakan margin dari pendapatan. Huang bukan menekankan hitungan sederhana, melainkan kesulitan mengorbankan penghasilan hari ini untuk platform masa depan.
Ia juga mengingat secara kasar kapitalisasi pasar [Market Capitalisation] perusahaan sekitar 6 hingga 8 miliar dolar AS saat itu, lalu turun menjadi sekitar 1,5 miliar dolar AS. Angka ini merupakan perkiraan dari ingatannya. Ini tidak membuktikan bahwa [CUDA] sendirian menyebabkan seluruh perubahan itu.
Namun, keterangannya bahwa manfaat yang diharapkan baru datang sekitar satu dekade kemudian tetap penting. Keputusan itu bukan dibuat untuk laba kuartal berikutnya.
5. Mengapa keputusan ini menjadi fondasi pembelajaran mendalam [Deep Learning]?
Salah satu hambatan penelitian baru adalah biaya dan kesulitan mengakses peralatan. Jika percobaan baru dapat dimulai dengan peralatan yang sudah dimiliki banyak orang, sebagian hambatan itu berkurang.
[CUDA], yang menyebar melalui [GeForce], menyediakan fondasi bagi peneliti untuk bereksperimen dalam lingkungan pemrograman [Programming Environment] yang sama. Pengetahuan, program, dan pengalaman yang tercipta dapat dipakai untuk pekerjaan selanjutnya.
Saat pembelajaran mendalam [Deep Learning] berkembang, peralatan untuk komputasi paralel [Parallel Computing] berskala besar dan orang yang menguasainya sudah tersedia. Inilah keunggulan penting.
Seluruh sejarah pembelajaran mendalam [Deep Learning] tidak bergantung pada satu perusahaan atau alat. Namun, keputusan ini berperan penting dalam menyediakan platform komputasi secara luas. Karena itu Huang menekankan gagasan bahwa [NVIDIA] adalah rumah yang dibangun [GeForce].
6. Kepercayaan dibangun sebelum keputusan teknis
Masa depan mungkin jelas dalam pikiran pemimpin. Namun, kejelasan saja tidak cukup jika dewan, eksekutif, karyawan, pelanggan, dan mitra tidak menerimanya.
Huang menggambarkan pendekatannya sebagai penjelasan sebab-akibat secara bertahap. Setiap kali muncul informasi baru, kemajuan penelitian, atau pencapaian rekayasa, ia menjelaskan kepada orang di sekitarnya kaitan hal itu dengan arah masa depan.
Menurutnya, pengumuman keputusan besar tidak seharusnya mengejutkan semua orang. Fondasinya harus disiapkan sedemikian rupa sehingga mereka justru bertanya mengapa hal itu memerlukan waktu begitu lama.
Kepercayaan jangka panjang dan kesabaran semacam ini juga mendasari keputusan [CUDA]. Selain memilih jalur teknis, perusahaan yang menanggung biaya harus dipersiapkan untuk perjalanan tersebut.
7. Bukan produk saja, melainkan platform tempat mitra dapat membangun
Pandangan [NVIDIA] sebagai perusahaan platform komputasi [Platform Company] juga penting. Intinya adalah memberi ruang bagi perusahaan lain untuk berkontribusi dan membangun bersama pada setiap lapisan.
Ini bukan berarti semua programnya disediakan sebagai sumber terbuka [Open Source]. Kesempatan bagi mitra untuk membangun bersama berbeda dari membuka kode sumber untuk umum.
Platform yang baik tumbuh bukan hanya karena perusahaan penciptanya, tetapi juga karena aplikasi yang dibangun oleh peneliti, pemrogram, perusahaan, dan lembaga pendidikan. Keputusan [CUDA] membuka pintu pertumbuhan tersebut.
8. Pelajaran hari ini: mempercepat satu prosesor saja tidak cukup
Pada beban kerja terdistribusi [Distributed Workloads] berskala besar, mempercepat satu bagian tidak mempercepat seluruh sistem dalam proporsi sama. Hukum Amdahl [Amdahl's Law] menjelaskannya.
Misalkan hanya separuh waktu suatu tugas yang dapat diperbaiki. Seberapa cepat pun separuh itu, separuh lainnya tetap tidak berubah. Bahkan jika bagian yang diperbaiki tidak memerlukan waktu sama sekali, kecepatan keseluruhan tugas paling tinggi hanya menjadi dua kali lipat.
Itulah sebabnya prosesor grafis [GPU], prosesor pusat [CPU], jaringan [Networking], memori [Memory], pasokan listrik [Power], dan pendinginan [Cooling] harus dirancang agar selaras. Huang menyebutnya perancangan bersama ekstrem [Extreme Co-design].
Ada kesinambungan dengan keputusan awal [CUDA]. Kemampuan satu alat tidak cukup. Seluruh lingkungan yang menggunakannya harus ikut berkembang.
Kesimpulan: keputusan yang menciptakan pemanfaatan masa depan
Pentingnya pengenalan [CUDA] melampaui hadirnya kemampuan pemrograman baru. Makna lebih dalamnya adalah menggabungkannya dengan [GeForce], yang sudah terjual dalam jumlah besar, lalu menempatkannya lebih awal di tangan calon pengguna masa depan.
Jika hanya melihat biaya saat itu, keputusan ini mungkin tampak salah. Tetapi [NVIDIA] memahami bahwa nilai platform komputasi juga terletak pada aplikasi yang kelak dibangun pihak lain.
Ketika teknologi, penggunaan luas, pendidikan, komunitas pengembang, dan kesabaran perusahaan bertemu, muncul kesempatan baru. Kesempatan itu kemudian terkait dengan pertumbuhan kecerdasan buatan [AI]. Inilah pelajaran keputusan [CUDA]: perubahan besar esok membutuhkan fondasi yang dapat mulai dibangun banyak orang hari ini.
Powered By K7