Nvidia mulai menjual cara membuat sekop

Penulis: Ada, Deep Tide TechFlow

San Francisco, Pusat Konferensi San Jose, GTC langsung.

Chief Scientist Nvidia Bill Dally duduk di atas panggung, di depan Jeff Dean dari Google. Berdua berbicara setengah jalan, Dally melemparkan sebuah angka: “Sebelumnya, memporting sebuah perpustakaan unit standar yang berisi sekitar 2500 hingga 3000 unit membutuhkan tim yang terdiri dari 8 insinyur selama sekitar 10 bulan.”

Dia berhenti sejenak.

“Sekarang cukup satu GPU kartu tunggal, dijalankan semalam.”

Penonton di bawah tidak berseru karena orang yang mendengar kalimat ini semua mengerti apa artinya. 8 insinyur selama 10 bulan kerja, dihabiskan dalam satu malam oleh GPU buatan sendiri. Dan Dally juga menambahkan: hasil yang dihasilkan dalam hal luas, konsumsi daya, dan latensi, bahkan menyamai atau melebihi desain manusia.

Keesokan harinya, berita menafsirkan sebagai “Nvidia menggunakan AI untuk merancang GPU.”

Tapi kebenaran dari hal ini jauh lebih menarik daripada judul berita.

Apa yang sedang dijalankan Nvidia di dalam?

Apa yang dijalankan Nvidia bukanlah kotak hitam, melainkan beberapa rangkaian alat yang sudah dipoles selama bertahun-tahun.

NB-Cell adalah sebuah program berbasis pembelajaran penguatan, khusus untuk memindahkan perpustakaan unit standar yang paling berat. Prefix RL bertujuan menyelesaikan masalah jangka panjang dalam penempatan tahap awal dalam rantai forward look. Dally menyatakan bahwa tata letak yang dihasilkan sistem ini “adalah sesuatu yang tidak pernah bisa dipikirkan manusia,” dan dibandingkan dengan desain manusia, indikator utama meningkat sekitar 20% hingga 30%.

Selain itu ada dua LLM internal, Chip Nemo dan Bug Nemo. Nvidia memasukkan kode RTL dari setiap GPU, dokumen arsitektur, dan spesifikasi desain ke kedua model besar ini. Menurut Dally, ini setara dengan meringkas dua puluh tahun memori otot Nvidia dari G80 hingga Blackwell ke dalam sebuah model internal, sehingga insinyur baru langsung bisa berinteraksi dengan pengalaman dua puluh tahun.

Lalu, apakah “AI bisa merancang GPU”?

Justru sebaliknya. Dally mengatakan, “Saya sangat berharap suatu hari nanti bisa langsung berkata ‘Rancanglah sebuah GPU baru untuk saya,’ tapi kita masih jauh dari itu.”

Nvidia tidak menggunakan AI untuk merancang GPU. Tapi ada hal lain yang dilakukan Nvidia yang akan membuat seluruh industri tidak bisa berfungsi tanpa mereka di masa depan.

Pembelian EDA senilai 2 miliar dolar

Pada 1 Desember 2025, Nvidia mengakuisisi salah satu dari tiga raksasa EDA, Synopsys, dengan nilai 2 miliar dolar. Kedua belah pihak menandatangani perjanjian pengembangan bersama, mengintegrasikan stack komputasi akselerasi Nvidia ke seluruh alur kerja EDA Synopsys, dan Blackwell serta GPU Rubin generasi berikutnya akan terintegrasi secara mendalam dengan Synopsys.ai.

Posisi Synopsys perlu dijelaskan. Setiap chip proses canggih di dunia, seperti seri M Apple, seri MI AMD, TPU Google, hampir semuanya dirancang menggunakan alat dari Synopsys atau Cadence. Kedua perusahaan ini, bersama Siemens EDA, menguasai alat dasar desain chip. Anda bisa saja tidak menggunakan chip Qualcomm, tidak memakai jalur produksi TSMC, tapi Anda tidak bisa lepas dari perangkat lunak ketiga perusahaan ini.

Tiga bulan setelah akuisisi Synopsys, Nvidia juga mengajak Cadence, Siemens, dan Dassault masuk, dan mengumumkan bahwa mereka semua sedang mengembangkan alat desain chip berbasis GPU Nvidia yang didukung AI.

Data benchmark yang dirilis Nvidia cukup mengagetkan: Synopsys PrimeSim di Blackwell hampir 30 kali lebih cepat, Proteus 20 kali, Sentaurus di B200 dibandingkan CPU mempercepat 12 kali. MediaTek menggunakan H100 untuk mempercepat Cadence Spectre sebanyak 6 kali. Astera Labs menggunakan Synopsys + Nvidia mempercepat verifikasi chip sebanyak 3,5 kali.

Satu detail yang patut diperhatikan: platform Millennium M2000 dari Cadence, yang diklaim “didesain khusus untuk pasar EDA, eksklusif berbasis NVIDIA Blackwell.”

Kata “eksklusif” ini sangat penting. Artinya, alat EDA sebelumnya berjalan di CPU, dan bisa digunakan oleh Intel maupun AMD. Tapi ke depan, untuk mendapatkan alat EDA tercepat, harus membeli kartu Nvidia.

Bentuk nyata dari roda gigi

Banyak orang memahami roda gigi Nvidia seperti ini: menjual GPU ke perusahaan AI, perusahaan AI melatih model besar, model besar membuktikan bahwa GPU tidak tergantikan, dan semakin banyak orang membeli GPU.

Roda gigi ini sudah cukup menakutkan. Tapi di bawahnya masih ada satu lapisan lagi.

Nvidia menggunakan alatnya sendiri untuk merancang GPU generasi berikutnya, meningkatkan efisiensi desain antar generasi, sekaligus mengikat seluruh rangkaian alat EDA industri ke hardware mereka sendiri. Kompetitor ingin mengejar, tapi bahkan alat yang mereka gunakan harus disewa dari ekosistem Nvidia.

Laporan keuangan AMD yang membuat harga saham jatuh tajam menyembunyikan kekhawatiran ini. Bahkan meskipun Nvidia dan Synopsys secara resmi menyatakan bahwa “investasi ini tidak mengikat kewajiban pembelian hardware Nvidia,” pasar tahu betul: fitur EDA versi akselerasi pertama semuanya berjalan di hardware Nvidia, dan AMD serta Intel hanya bisa mengandalkan jalur “disesuaikan untuk platform pesaing utama.”

Bayangkan, insinyur AMD ingin merancang chip yang setara dengan Blackwell, mereka membuka alat dari Synopsys, yang berjalan paling cepat di GPU Nvidia. Mereka harus menanggung siklus desain yang dua kali lebih lama, atau membeli banyak kartu Nvidia untuk merancang chip yang mampu mengalahkan Nvidia.

Alat-alat ini masih dijual. Tapi caranya menjualnya sudah berubah.

Situasi nyata GPU domestik

Di sini, harus diberikan angka yang menyadarkan.

Pada tahun fiskal 2025, Nvidia meraih laba bersih lebih dari 70 miliar dolar. Pada saat yang sama, “Empat Naga” GPU domestik: Moore Thread, Muoxi, Biren, Suiyuan, antre di depan pintu IPO.

Laporan keuangan Moore Thread menunjukkan, dari 2022 hingga 2024, kerugian bersih kumulatif mencapai 5 miliar yuan, dan semester pertama 2025 kembali rugi 271 juta yuan, hingga 30 Juni total kerugian belum tertutup sebesar 1,478 miliar yuan. Manajemen perusahaan memperkirakan paling cepat tahun 2027 mereka bisa mencapai laba konsolidasi. Muoxi sedikit lebih baik, dengan kerugian kumulatif lebih dari 3 miliar yuan. Yang paling parah adalah Biren, dengan kerugian lebih dari 6,3 miliar yuan dalam tiga setengah tahun, pendapatan semester pertama 2025 hanya 5,89 juta yuan, jauh dari 702 juta yuan yang diperoleh Moore Thread dalam periode yang sama.

Melihat dari segi investasi R&D, proporsi biaya R&D Moore Thread tahun 2022 mencapai 2422,51% dari pendapatan, dan tahun 2024 masih tinggi di angka 309,88%. Uang yang dihabiskan untuk R&D dalam satu tahun lebih dari tiga kali lipat pendapatan. Ini bukan bisnis, melainkan infus untuk bertahan hidup, terus-menerus mendapatkan suntikan dari pasar modal dan jendela STAR Market yang baru dibuka.

Di level alat, situasinya lebih parah. Laporan IPO Huada Jiutian tahun 2022 menunjukkan alat mereka hanya mendukung sebagian proses 5nm. Gonglun Electronics mampu mencakup proses 7nm/5nm/3nm, tapi hanya membuat alat tertentu, jauh dari proses lengkap.

Pendiri Huada Jiutian Liu Weiping mengatakan dengan jujur: “Dukungan EDA domestik terhadap proses canggih masih sangat kurang, terutama untuk 7nm, 5nm, 3nm saat ini. Saat ini, EDA domestik baru mampu mencapai level 14nm, meskipun sudah menguasai teknologi proses 7nm, tetapi untuk benar-benar mengintegrasikan 7nm ke dalam aplikasi nyata, diperlukan kolaborasi seluruh rantai industri.”

Artinya, EDA proses lengkap untuk proses canggih secara domestik masih sangat terbatas. Perusahaan GPU domestik masih menggunakan alat dari Synopsys dan Cadence untuk merancang chip. Pada 2025, Trump pernah mengumumkan pembatasan ekspor semua perangkat lunak kunci, meskipun belum benar-benar berlaku, alat EDA proses di bawah 7nm masih dalam pengawasan ketat. Kapan lisensi akan diputus, kendali ada di tangan pihak lain.

Respon pasar modal cukup ajaib. Pada hari listing Muoxi, harga saham ditutup di 829,9 yuan, naik 692,95% dalam satu hari. Setelah IPO Moore Thread, harga sahamnya sempat menempati posisi ketiga di A-share, hanya kalah dari Kweichow Moutai dan Cambrian, dan menurut perkiraan saat itu, kapitalisasi pasarnya sekitar 3595 miliar yuan.

Realitas bisnis di balik angka-angka ini adalah, sekelompok perusahaan yang masih merugi dan terus membakar uang, yang masih bergantung pada rangkaian alat dari luar negeri yang dikendalikan, justru dinilai pasar sebagai penerus “Nvidia domestik.”

Dan alat yang mereka gunakan untuk merancang chip ini, sedang berubah menjadi bagian dari ekosistem Nvidia. Pengikatan Nvidia dan Synopsys senilai 2 miliar dolar, serta label “Eksklusif berbasis NVIDIA Blackwell” pada Cadence Millennium M2000, menjadikan upaya mengejar ini sendiri menjadi sebuah paradoks.

Sebuah rantai lengkap dari desain ke manufaktur

Kembali ke percakapan di GTC.

Dally tampil sangat rendah hati. “AI masih jauh dari mampu merancang chip sendiri,” ini sudah diucapkan Nvidia selama empat atau lima tahun. Tapi setiap tahun, cara pengucapan ini berubah. Empat tahun lalu adalah “AI bisa membantu desain,” tiga tahun lalu adalah “AI bisa mengotomatisasi beberapa bagian,” tahun ini adalah “dalam satu malam menyelesaikan pekerjaan 8 orang selama 10 bulan.” Setiap tahun, ada langkah maju, dan setiap tahun ada kalimat “masih sangat jauh dari target utama.” Tiga tahun kemudian, ketika melihat ke belakang, “masih sangat jauh” dari sebelumnya sudah terwujud, dan “masih sangat jauh” yang baru didefinisikan adalah posisi di mana semua pesaing masih belum mampu menjangkaunya.

Apa yang Nvidia lakukan dalam dua belas bulan terakhir sebenarnya satu hal: menerapkan AI di bagian-bagian paling berharga dan paling berlapis perlindungannya dari rantai industri chip, lalu menjual alat-alat ini secara bertahap ke seluruh industri.

Bagian depan desain chip, diambil alih oleh LLM internal seperti Chip Nemo; bagian tengah, perpustakaan unit standar dan optimisasi tata letak, diambil alih oleh NB-Cell dan Prefix RL; seluruh rangkaian alat EDA, melalui akuisisi Synopsys senilai 2 miliar dolar dan label “Eksklusif berbasis Blackwell” dari Cadence, terikat pada GPU Nvidia; bagian manufaktur, perhitungan litografi, diambil alih oleh cuLitho, yang sudah digunakan TSMC.

Dari desain hingga manufaktur, Nvidia menggunakan AI untuk mengulang setiap bagian. Semuanya mengarah ke satu titik akhir: jika ingin menggunakan alat tercepat, harus membeli kartu Nvidia.

Bagi semua pesaing yang ingin merancang chip yang mampu mengalahkan Blackwell, hal paling memalukan sudah terjadi. Alat EDA yang digunakan untuk merancang chip ini, versi tercepatnya berjalan di GPU Nvidia; algoritma litografi tercepat, disediakan oleh Nvidia; kekuatan komputasi untuk melatih AI desain, juga Nvidia.

Orang yang ingin mengalahkan mereka, sedang menyewakan semua alat yang dibutuhkan untuk mengalahkan mereka. Biaya sewanya tahunan, kontraknya naik setiap tahun.